Skripsi
PENERAPAN ALGORITMA NAÏVE BAYES DALAM PREDIKSI MASA TUNGGU ALUMNI MENDAPATKAN PEKERJAAN (STUDI KASUS : UNIVERSITAS SRIWIJAYA)
Di suatu dunia pendidikan, tingkat kesuksesan alumni dalam memperoleh pekerjaan setelah lulus merupakan indikator penting bagi lembaga pendidikan dalam mengevaluasi kualitas pendidikan yang diberikan. Perguruan tinggi atau sebuah universitas memegang kewajiban yang sangat penting pada suatu pembangunan mutu pendidikan masyarakat. Tiap universitas perlu untuk menyesuaikan kurikulum dan program pendidikan yang benar guna menghasilkan alumni dengan mutu tinggi dan Secara khusus, sebuah universitas mesti menemukan dan menganalisis kapasitas pekerjaan bagi alumninya. Penelitian ini bertujuan untuk mengkaji serta mengaplikasikan Data Mining menggunakan Metode Naive Bayes Classifier dalam rangka memprediksi Masa Tunggu Alumni mendapatkan pekerjaan dan untuk membantu alumni Unsri yang baru saja lulus untuk dapat memperkirakan berapa lama waktu yang dibutuhkan untuk mendapatkan pekerjaan pertama. Metode yang diterapkan adalah Metode CRISP-DM dengan menggunakan data data Tracer Study tahun 2021 yang berjumlah 4.734 data. Dengan tingkat signifikan sebesar 5% (0,05) dan ditemukan bahwa Kategori masa tunggu memiliki hubungan positif dan negatif dengan variabel IPK, Masa Tunggu, Provinsi kerja pertama, Pendapatan pertama, Etika, Keahlian dan kemampuan Bahasa Inggris. Dalam penelitian ini diterapkan 10-Fold Cross Validation yang mengasilkan akurasi Algoritma Decision Tree sebesar 84,33%, algoritma K-NN sebesar 75,45%, algoritma Naive Bayes Classifier sebesar 85,21% dan algoritma Random Forest sebesar 84,04%. Selanjutnya, dilakukan uji beda (T-Test) yang menunjukkan bahwa algoritma Naive Bayes Classifer sebagai algoritma yang paling dominan sehingga mampu mengklasifikasi dan memprediksi Kategori masa tunggu dengan baik.
Inventory Code | Barcode | Call Number | Location | Status |
---|---|---|---|---|
2507000028 | T163872 | T1638722024 | Central Library (Reference) | Available but not for loan - Not for Loan |
No other version available