Publisher

STIKOM BALISTIKOM BALI

Journal Jurnal Sistem dan Informatika (JSI)Jurnal Sistem dan Informatika (JSI) Abstract

Dosen memiliki kewajiban Tridarma yaitu wajib melaksanakan pendidikan, penelitian dan pengabdian kepada masyarakat. Terdapat beberapa variabel yang dapat digunakan dalam mengukur kualitas kinerja dosen, seperti motivasi, kepemimpinanan, budaya organisasi, dan pelatihan. Beberapa penelitian sebelumnya memodelkan pengukuran dengan pendekatan klasifikasi. Namun model klasifikasi perlu dioptimalkan untuk mendapatkan hasil yang optimal, misalnya dalam dengan pengukuran kemiripan data kinerja dosen sehingga mampu mendapatkan model yang optimal. Metode pengukuran kemiripan data dapat digunakan agar dapat mengelompokkan berdasarkan kelompok pola data dan mengurangi data yang bersifat redundan. Semakin banyak data yang memiliki kemiripan maka model akan mengklasifikasikan lebih cepat dan tepat. Penelitian ini melakukan optimasi klasifikasi menggunakan pengukuran kemiripan yaitu euclidean distance untuk mengelompokkan data sehingga didapatkan kelompok data yang serupa dan digunakan dalam pengukuran klasifikasi. Metode klasifikasi yang digunakan adalah naive bayes, dan optimasi menunjukkan model memiliki performa yang lebih baik dibandingkan tanpa menggunakan metode analisis kemiripan data dengan akurasi sebesar 0.757, precision 0.763, recall 0.757 dan F1-score adalah 0.755. Pendekatan yang diusulkan dapat digunakan di perguruan tinggi untuk mengukur kinerja dosen yang menggunakan metode klasifikasi dengan hasil yang tepat dan cepat.

Conclusion

Penelitian ini mengusulkan model optimasi klasifikasi Naive Bayes dengan analisis kemiripan menggunakan Euclidean Distance untuk mengukur kinerja dosen, yang berhasil meningkatkan akurasi hingga 0.757 serta precision, recall, dan F1-score di atas 0.Meskipun model belum mencapai nilai di atas 90%, performanya lebih baik dibandingkan tanpa analisis kemiripan.Penelitian lanjutan disarankan mengembangkan optimasi agar mencapai performa >90% serta melakukan analisis peringkat parameter dan penambahan sub‑parameter kinerja dosen.

Future Research

Penelitian selanjutnya dapat mengeksplorasi penggunaan ukuran kemiripan alternatif, seperti Mahalanobis distance atau cosine similarity, untuk meningkatkan akurasi model Naive Bayes di atas 90% pada pengukuran kinerja dosen. Selain itu, diperlukan studi yang memperluas kumpulan data dengan melibatkan perguruan tinggi lain serta menambahkan variabel pendukung seperti motivasi, kepemimpinan, dan budaya organisasi, sehingga dapat menilai sejauh mana generalisasi model pada konteks yang lebih beragam. Selanjutnya, dapat dikembangkan model hibrida yang menggabungkan Naive Bayes dengan teknik ensemble seperti Random Forest atau Gradient Boosting, guna meningkatkan ketahanan terhadap data redundan dan membandingkan performanya dengan pendekatan deep learning. Penelitian ini juga dapat meneliti dampak penambahan sub‑parameter baru pada proses peringkat parameter kinerja dosen, serta menguji bagaimana perubahan tersebut mempengaruhi interpretabilitas hasil. Dengan mengintegrasikan analisis kemiripan yang lebih canggih dan variasi variabel, diharapkan model dapat memberikan prediksi yang lebih akurat dan dapat diandalkan untuk keputusan manajerial. Akhirnya, evaluasi komprehensif terhadap waktu komputasi dan sumber daya yang diperlukan akan membantu menentukan kelayakan implementasi pada skala institusi yang lebih luas.

References

1. Evaluation of Profession Predictions for Today and the Future with Machine Learning Methods : Emperical... doi.org/10.2339/politeknik.985534Evaluation of Profession Predictions for Today and the Future with Machine Learning Methods Emperical doi 10 2339 politeknik 985534
2. The influence of organization culture on teacher performance of elementary school | JPGI (Jurnal Penelitian... doi.org/10.29210/021071jpgi0005The influence of organization culture on teacher performance of elementary school JPGI Jurnal Penelitian doi 10 29210 021071jpgi0005

Metadata

File size	496.31 KB
Pages	8
DMCA	Report