IVETIVET

Joined Journal (Journal of Informatics Education)Joined Journal (Journal of Informatics Education)

Pemilihan profesi bukanlah hal yang sederhana, perlu dirancang dan direncanakan dengan sebaik-baiknya. Dengan mengetahui bakat dan potensi serta aktivitas peran yang banyak, sehingga memunculkan beberapa peran atau aktivitas yang dipengaruhi oleh 2 hal itu. Penelitian ini menggunakan Algoritma Neural Network dan Rapidminner untuk memprediksi profesi (Guru) siswa nanti setelah lulus SMK IT Bina Nusantara Garut. Penelitian ini menggunakan 8 atribut N (Network), H (Headmen), S (Servicing), T (Thinking), R (Reasioning), Te (Technical), dan GI (Generating Idea). Hasil dari pengolahan data memunculkan 8 jenis profesi guru (1 sd 7) dan selain itu bukan guru. Berdasarkan penelitian yang telah dilakukan menggunakan tools rapid miner 5.3 terhadap dataset Strength Typologi dari Hasil Asesmen Bakat yang diuji dengan metode Neural Network menghasilkan nilai RMSE yaitu 3.465 yang menunjukkan bahwa hasil klasifikasinya cukup baik, sehingga siswa dengan parameter yang ada dapat diprediksi profesi Guru apa saja dan mana yang bukan, sehingga pola ini dapat digunakan sebagai tolak ukur gambaran profesi (Guru) sehingga dapat diarahkan dan usaha yang maksimal untuk siswa tersebut.

Berdasarkan penelitian yang telah dilakukan menggunakan tools rapid miner 5.3 terhadap dataset Strength Typologi dari Hasil Asesmen Bakat yang diuji dengan metode Neural Network menghasilkan nilai RMSE yaitu 3.465 yang menunjukkan bahwa hasil klasifikasinya baik, sehingga siswa dengan parameter yang ada dapat diprediksi profesi Guru apa saja dan mana yang bukan, sehingga pola ini dapat digunakan sebagai tolak ukur gambaran profesi (Guru) sehingga dapat diarahkan dan usaha yang maksimal.Untuk penelitian selanjutkan bisa menentukan prediksi profesi lain yang jumlahnya sangat banyak dengan metode data mining yang lain.

Berdasarkan hasil penelitian ini, saran penelitian lanjutan yang dapat dilakukan adalah: 1. Mengembangkan model prediksi profesi yang lebih akurat dengan menggunakan teknik-teknik machine learning lainnya, seperti algoritma Decision Tree atau Support Vector Machine, untuk meningkatkan akurasi prediksi profesi siswa. 2. Melakukan analisis lebih mendalam terhadap faktor-faktor yang mempengaruhi pilihan profesi siswa, seperti minat, bakat, dan kemampuan, serta mengintegrasikan hasil analisis tersebut dalam model prediksi. 3. Menerapkan model prediksi profesi yang telah dikembangkan pada sekolah-sekolah lain dengan karakteristik yang berbeda, untuk menguji keefektifan dan validitas model dalam konteks yang lebih luas.

  1. Perancangan Sistem Pendukung Keputusan Untuk Prediksi Penerima Beasiswa Menggunakan Metode Neural Network... Doi.Org/10.25126/Jtiik.201852631Perancangan Sistem Pendukung Keputusan Untuk Prediksi Penerima Beasiswa Menggunakan Metode Neural Network Doi Org 10 25126 Jtiik 201852631
Read online
File size359.45 KB
Pages8
DMCAReport

Related /

ads-block-test