Klasifikasi Kesahihan Hadits Berdasarkan Perawi Hadits Menggunakan Principal Component Analysis (PCA) dan Backpropagation Neural Network (BPNN)

Abstrak—Hadits merupakan sumber hukum kedua bagi umat muslim setelah Al-Qur’an. Hampir seluruh tata cara beribadah dalam islam dijelaskan dalam hadits secara mendetail. Penilitian ini dapat membantu umat muslim menemukan jenis kesahihan dari hadits yang beredar sekarang. Penulis mengklasifkasikan hadits menurut kesahihannya bersadasarkan perawi hadits menggunakan metode Backpropagation Neural Network sebagai classifier dan Principal Component Analysis sebagai pereduksi dimensi fitur. Ada tiga target kategori yang digunakan dalam penelitian ini yaitu sahih, hasan, dan dhaif. Set data hadits sahih diambil dari kitab Sahih Bukhori, hasan dari kitab Sahih Sunan Tirmidzi, dan dhaif dari kitab Dhaif Abu Daud. Penulis memanfaatkan fungsi split dan unique dari bahasa pemrograman python untuk mengambil dan memfilter nama-nama perawi yang ada pada set data. Nama-nama perawi yang sudah terseleksi dikonversi menggunakan Tf-Binary. Setelah mencoba beberapa model pada proses validasi, didapatkan bahwa hasil akurasi yang terbaik adalah dengan menggunakan model PCA sebanyak 1500 fitur dari 3330 dan BPNN menggunakan satu hidden layer dengan jumlah node sebanyak 100 yakni sebesar 86,53%. Kata Kunci— Klasifikasi Hadits, Backpropagation Neural Network, Principal Component Analysis, PCA, BPNN.