PUBLIKASIINDONESIAPUBLIKASIINDONESIA

Jurnal Indonesia Sosial TeknologiJurnal Indonesia Sosial Teknologi

Dalam pendidikan, kesuksesan para alumni dalam mendapatkan pekerjaan setelah lulus menjadi tolok ukur penting bagi institusi pendidikan dalam menilai kualitas pendidikan yang diberikan. Penelitian ini bertujuan untuk memperkirakan kategori waktu tunggu alumni berdasarkan kemampuan alumni untuk lulus saat berhubungan dengan kategori waktu tunggu dan merancang perangkat lunak yang dapat memprediksi kategori waktu tunggu alumni dengan metode klasifikasi. Metode yang diterapkan adalah CRISP-DM. Data yang digunakan adalah data studi penelusuran pada tahun 2021 dengan 4.734 catatan. Dengan tingkat signifikansi 5% (0.05), ditemukan bahwa kategori waktu tunggu memiliki hubungan positif dan merugikan dengan variabel IPK, Waktu Tunggu, Provinsi Kerja Pertama, Penghasilan Pertama, Etika, Keahlian, dan kemampuan bahasa Inggris. Dalam penelitian ini, diterapkan validasi 10-lipat yang menghasilkan akurasi algoritma pohon keputusan sebesar 84.33%, algoritma K-NN sebesar 75.45%, algoritma Naive Bayes Classifier sebesar 85.21%, dan algoritma Random Forest sebesar 84.04%. Selain itu, dilakukan uji berbeda (T-Test) yang menunjukkan bahwa algoritma Naive Bayes Classifier adalah algoritma yang paling dominan di antara tiga algoritma lainnya sehingga dapat mengklasifikasikan dan memprediksi kategori waktu tunggu dengan baik. Penelitian ini menyimpulkan bahwa penerapan algoritma Naïve Bayes dapat memprediksi waktu tunggu alumni untuk mendapatkan pekerjaan dengan efektif. Implikasinya adalah pengembangan perangkat lunak berbasis web yang dapat digunakan oleh institusi pendidikan untuk menganalisis waktu tunggu alumni, memberikan rekomendasi untuk kebijakan pendidikan, dan membantu siswa dalam merencanakan strategi karier yang lebih baik.

Berdasarkan analisis terhadap Aplikasi Algoritma Naïve Bayes dalam Memperkirakan Waktu Tunggu Alumni untuk Mendapatkan Pekerjaan (Studi Kasus.1) Terdapat beberapa variabel yang terkait dengan Kategori Waktu Tunggu Alumni dengan tingkat korelasi yang sangat rendah, termasuk.2) Dalam penelitian ini, algoritma Naïve Bayes classifier adalah algoritma yang paling unggul dibandingkan dengan algoritma pohon keputusan, K-NN, dan random forest dengan tingkat akurasi sebesar 85.Algoritma Naïve Bayes classifier mampu mengklasifikasikan dan memprediksi Kategori Waktu Tunggu dengan baik.

Untuk penelitian lanjutan, disarankan untuk: 1) Mempertimbangkan faktor-faktor lain yang mempengaruhi waktu tunggu alumni, seperti pengalaman kerja saat kuliah, kegiatan organisasi, dan keterlibatan magang. 2) Menguji algoritma lain seperti Support Vector Machine (SVM) atau Deep Learning untuk melihat apakah dapat menghasilkan hasil prediksi yang lebih akurat. 3) Melakukan validasi dengan data dari universitas lain untuk menguji keandalan model yang dikembangkan. 4) Mengembangkan sistem prediksi berbasis kecerdasan buatan dengan model pembelajaran mesin yang lebih kompleks untuk meningkatkan akurasi prediksi.

  1. PENERAPAN ALGORITMA NAÏVE BAYES DENGAN BACKWARD ELIMINATION UNTUK PREDIKSI WAKTU... Doi.Org/10.33387/Jiko.V4i3.3272PENERAPAN ALGORITMA NAyEeyCAaVE BAYES DENGAN BACKWARD ELIMINATION UNTUK PREDIKSI WAKTU Doi Org 10 33387 Jiko V4i3 3272
  2. J-ICON: Jurnal Komputer dan Informatika. alumni waiting period prediction bayes classifier computer science... doi.org/10.35508/jicon.v10i2.7426J ICON Jurnal Komputer dan Informatika alumni waiting period prediction bayes classifier computer science doi 10 35508 jicon v10i2 7426
  3. Login. required fields marked asterisk direktorat riset pengabdian masyarakat institut teknologi sepuluh doi.org/10.12962/j24609463.v8i2.1405Login required fields marked asterisk direktorat riset pengabdian masyarakat institut teknologi sepuluh doi 10 12962 j24609463 v8i2 1405
Read online
File size436.93 KB
Pages11
DMCAReport

Related /

ads-block-test