Metode bidirectional long short-term memory untuk memprediksi pelunasan biaya haji di Kemenag Kota Malang

INDONESIA :
Prediksi pelunasan biaya haji menjadi kebutuhan penting dalam pengelolaan kuota dan pelayanan calon jemaah haji. Penelitian ini bertujuan untuk membangun model prediksi pelunasan haji menggunakan metode Bidirectional Long Short-Term Memory (Bi-LSTM) dengan output klasifikasi biner: melunasi atau tidak melunasi. Data diperoleh dari Kantor Kementerian Agama Kota Malang, mencakup fitur-fitur seperti usia, jenis kelamin, pendidikan, pekerjaan, bulan dan tahun daftar, serta bulan dan tahun pelunasan. Setelah melalui tahapan preprocessing berupa encoding, normalisasi, dan pembagian data (80:20 dan 70:30), kemudian model dilatih dengan pendekatan 10-Fold Cross Validation untuk menghindari overfitting dan menguji konsistensi performa model. Hasil terbaik diperoleh pada rasio 70:30 dengan akurasi sebesar 83,04% pada fold ke-7 hal ini menunjukkan bahwa model mampu mengenali pola temporal antar fitur dan menghasilkan klasifikasi yang akurat dan seimbang. Penelitian ini diharapkan dapat memberikan kontribusi ilmiah dalam pengembangan sistem prediksi berbasis kecerdasan buatan dalam layanan haji di Indonesia.

ENGLISH :
Predicting hajj payment settlement is an important need in managing quotas and services for prospective hajj pilgrims. This study aims to develop a prediction model for hajj payment settlement using the Bidirectional Long Short-Term Memory (Bi-LSTM) method with a binary classification output: paid or not paid. Data was obtained from the Ministry of Religious Affairs Office in Malang City, which includes features such as age, gender, education, occupation, registration month and year, as well as payment settlement month and year. After undergoing preprocessing stages, including encoding, normalization, and data splitting (80:20 and 70:30), the model was trained using a 10-Fold Cross Validation approach to avoid overfitting and test the model's performance consistency. The best results were achieved with a 70:30 ratio, with an accuracy of 83.04% on fold 7, indicating that the model was able to recognize temporal patterns across features and generate accurate and balanced classifications. This research is expected to contribute scientifically to the development of artificial intelligence-based prediction systems in hajj services in Indonesia.

ARABIC :
يعد التنبؤ بسداد رسوم الحج مطلبًا مهمًا في إدارة الحصص وخدمة الحجاج المحتملين. يهدف هذا البحث إلى بناء نموذج للتنبؤ بسداد رسوم الحج باستخدام طريقة الذاكرة ثنائية الاتجاه قصيرة المدى طويلة الأجل ثنائية الاتجاه (Bi-LSTM) مع مخرجات تصنيف ثنائي: السداد أو عدم السداد. وقد تم الحصول على البيانات من مكتب مدينة مالانج التابع لوزارة الشؤون الدينية، بما في ذلك ميزات مثل العمر والجنس والتعليم والمهنة وشهر وسنة التسجيل وشهر وسنة السداد. بعد المرور بمراحل ما قبل المعالجة من ترميز وتطبيع ومشاركة البيانات، تم تدريب النموذج باستخدام نهج التحقق المتقاطع K-Fold Cross Validation لتجنب الإفراط في التهيئة واختبار اتساق أداء النموذج. تم تدريب النموذج باستخدام سيناريوهين لنسبة البيانات (80:20 و70:30) واختباره باستخدام نهج التحقق المتقاطع 10 أضعاف لتجنب الإفراط في التركيب. تم الحصول على أفضل النتائج عند نسبة 70:30 مع دقة 83.04% في الطية السابعة. أثبت النموذج قدرته على التعرف على الأنماط الزمنية بين السمات وإنتاج تصنيفات دقيقة ومتوازنة. من المتوقع أن يقدم هذا البحث مساهمة علمية في تطوير أنظمة التنبؤ القائمة على الذكاء الاصطناعي في خدمات الحج في إندونيسيا.