Analisa dan Penerapan Metode Neural Networks Dalam Mengidentifikasi Faktor-Faktor Masa Tunggu Kerja Lulusan

Khoirudin Khoirudin, Soiful Hadi, Atmoko Nugroho

Abstract


Tracer Study (TS) atau yang disebut studi pelacakan merupakan penelurusan lulusan yang terkait dengan informasi kompentensi pendidikan tinggi di lingkungan dunia kerja professional yang dapat dilakukan paling cepat 2 tahun setelah wisuda, Tracer Study bertujuan untuk mengetahui outcomes pendidikan dalam bentuk transisi dari dunia pendidikan tinggi ke dunia kerja. Masa tunggu kerja merupakan hal yang sangat penting bagi alumni sebuah perguruan tinggi, hal ini juga termasuk indikator sukses tidaknya pelaksanaan belajar mengajar. Data masa tunggu kerja dapat diperoleh dari data tracer study, tetapi perlu dilakukan penelitian lebih lanjut faktor-faktor apa saja yang mempengaruhi alumni untuk memperoleh pekerjaan pertamanya secara cepat.

Melihat fakta akan pentingnya masa tunggu kerja bagi alumni, peneliti merasa perlu melakukan penelitian untuk mencari penyebab / faktor-faktor apa saja yang mempengaruhi alumni memperoleh pekerjaan pertamanya, dalam penelitian ini peneliti menggunakan metode neural network. Metode ini bekerja dengan cara melakukan training 70% dan testing 30% dari data alumni yang baru lulus.

Berdasarkan hasil dari eksperimen dengan metode Neural Network diperoleh hasil class precision sebesar 87.76 %. Dan prediksi masa tunggu mendapatpekerjaan <= 6 Bulan sebesar 43 dan masa tunggu > 6 bulan sebesar 6.


Keywords


Tracer Study, Neural Network, Masa Tunggu Lulusan

Full Text:

PDF

References


A. Syam and A. R. Manga, “Sistem Tracer Study Alumni Fakultas Ilmu Komputer Universitas Muslim Indonesia Menggunakan Metode On-Line Analitycal Processing (OLAP),” Ilk. J. Ilm., vol. 9, no. 1, pp. 86–90, 2017.

M. S. Mustafa, M. R. Ramadhan, A. P. Thenata, J. MacLennan, Z. Tang, and B. Crivat, “Data mining with Microsoft SQL server 2008,” Creat. Inf. Technol. J., vol. 4, no. 2, pp. 151–162, 2018.

M. A. Firdaus, A. Putra, and D. R. Indah, “Analisis Business Intelligence pada Pengelolaan Data Alumni: Upaya Mendukung Monitoring Kualitas Alumni di Perguruan Tinggi (Studi Kasus di Fakultas Ilmu Komputer Universitas Sriwijaya),” J. Generic, vol. 8, no. 2, pp. 221–229, 2014.

D. H. Kamagi, “Implementasi data mining dengan algoritma c4. 5 untuk memprediksi tingkat kelulusan mahasiswa (studi kasus: program studi teknik informatika universitas multimedia nusantara),” Universitas Multimedia Nusantara, 2014.

T. Connolly and C. Begg, “A practical Approach to design, implementation, and management.” Addison-Wesley, Reading, 2005.

E. Segal, T. Raveh-Sadka, M. Schroeder, U. Unnerstall, and U. Gaul, “Predicting expression patterns from regulatory sequence in Drosophila segmentation,” Nature, vol. 451, no. 7178, pp. 535–540, 2008.

J. Han, J. Pei, and M. Kamber, Data mining: concepts and techniques. Elsevier, 2011.

binus, “Konsep Neural Network,” soc.binus.ac.id, 2017. https://socs.binus.ac.id/2012/07/26/konsep-neural-network (accessed Nov. 10, 2017).




DOI: http://dx.doi.org/10.26623/jprt.v16i1.2399

Refbacks

  • There are currently no refbacks.


View My Stats

Penerbit

 

Lembaga Penelitian dan Pengabdian kepada Masyarakat Universitas Semarang

Alamat Redaksi:

Jl.Soekarno-Hatta, Tlogosari, Semarang, Jawa Teangah, Indonesia 50196 Telp: 024-6702757 psw: 8302 Fax: 024-6702272 e-mail: jprt@usm.ac.id

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.