PERBANDINGAN PREDIKSI PELUANG KARIR ALUMNI BERDASARKAN KINERJA PROGRAM STUDI MENGGUNAKAN METODE C4.5 DAN NEURAL NETWORK = THE COMPARISON OF ALUMNI’S CAREER OPPORTUNITY PREDICTION BASED ON STUDY PROGRAM PERFORMANCES UTILIZING C4.5 AND NEURAL NETWORK METHODS


Isra, Ali (2022) PERBANDINGAN PREDIKSI PELUANG KARIR ALUMNI BERDASARKAN KINERJA PROGRAM STUDI MENGGUNAKAN METODE C4.5 DAN NEURAL NETWORK = THE COMPARISON OF ALUMNI’S CAREER OPPORTUNITY PREDICTION BASED ON STUDY PROGRAM PERFORMANCES UTILIZING C4.5 AND NEURAL NETWORK METHODS. Thesis thesis, Universitas Hasanuddin.

[thumbnail of Cover]
Preview
Image (Cover)
D032181030_tesis_12-10-2022 cover1.png

Download (111kB) | Preview
[thumbnail of Bab 1-2] Text (Bab 1-2)
D032181030_tesis_12-10-2022 1-2.pdf

Download (3MB)
[thumbnail of Dapus] Text (Dapus)
D032181030_tesis_12-10-2022 dp.pdf

Download (53kB)
[thumbnail of Full Text] Text (Full Text)
D032181030_tesis_12-10-2022.pdf
Restricted to Repository staff only until 17 November 2024.

Download (9MB)

Abstract (Abstrak)

Beberapa indikator kinerja program studi adalah mampu menghasilkan alumni yang terserap dalam dunia kerja dengan masa tunggu mulai bekerja yang cepat, sesuai dengan kompetensi bidang ilmunya (keselarasan horizontal) dan sesuai dengan jenjang pendidikannya (keselarasan vertikal). Untuk mengoptimalkan hal tersebut, diperlukan alat untuk mendeteksi lebih dini peluang keberhasilan program studi berdasarkan parameter kinerja yang sedang diterapkan. Penelitian ini bertujuan untuk memprediksi peluang karir meliputi masa tunggu bekerja, keselarasan horizontal dan vertikal alumni suatu program studi di perguruan tinggi yang merupakan salah satu indikator kinerja utama perguruan tinggi. Metode Decision Tree (pohon keputusan) menggunakan Algoritma C4.5 dan Neural Network (Jaringan saraf tiruan) digunakan untuk melakukan klasifikasi pada prediksi karir masing-masing alumni. Penelitian ini menggunakan data latih dan data uji masing-masing sebanyak 25.118 dan 10.766 data alumni. Data bersumber dari laporan tracer study, laporan Kerjasama dan pangkalan data Pendidikan tinggi Kemdikbud Ristek tahun 2016 – 2020 dengan melakukan query dan pemrosesan data json. Proses pengujian menggunakan Confusion Matrix Accuracy dengan hasil pengujian prediksi masa tunggu bekerja, hubungan horizontal dan hubungan vertikal masing-masing 77%, 68% dan 87%.

Keywords : data science, prediksi, karir, jaringan saraf, masa tunggu, hubungan horizontal, hubungan vertikal

Item Type: Thesis (Thesis)
Uncontrolled Keywords: data science, prediction, career, neural network, waiting period, horizontal relationship, vertical relationship
Subjects: T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions (Program Studi): Fakultas Teknik > Teknik Elektro
Depositing User: S.Sos Rasman -
Date Deposited: 17 Nov 2022 06:22
Last Modified: 17 Nov 2022 06:22
URI: http://repository.unhas.ac.id:443/id/eprint/23318

Actions (login required)

View Item
View Item