Prediksi Bidang Kerja Bagi Lulusan Program Studi Vokasi Sekretaris Menggunakan Teknik Klasifikasi Data Mining

Dyah Retno Utari

Abstract


Kesesuaian bidang kerja merupakan suatu tuntutan standar dalam penentuan peringkat akreditasi suatu perguruan tinggi dan program studi. Lulusan pendidikan tinggi vokasi di bidang kesekretarisan memiliki tuntutan tersebut sekalipun bidang kerja kesekretarisan sangat luas dan beragam. Penelitian ini telah menganalisis data lulusan tahun 2017 dari Akademi Sekretari Budi Luhur sebagai pusat pendidikan vokasi bidang kesekretarisan dengan akreditasi A, selain itu penelitian ini mengusulkan model prediksi kesesuaian bidang kerja berdasarkan pelatihan data lampau akademik para lulusan. Model prediksi dibangun dengan teknik klasifikasi data mining menggunakan algoritma pohon keputusan dan Naïve Bayes. Hasil pemodelan dengan teknik bagging telah menunjukkan bahwa algoritma pohon keputusan (J.48) memiliki kinerja yang terbaik dalam proses klasifikasi, dengan nilai akurasi mencapai 95,8% sedangkan algoritma Naïve Bayes memiliki akurasi sebesar 81,9%. Algoritma terbaik selanjutnya dibangun ke dalam prototipe sistem informasi dengan menganalisis data akademik mahasiswa hingga semester ke-4 sebagai parameter untuk melakukan prediksi kesesuaian bidang kerja di masa mendatang.

Full Text:

PDF

References


Banjarsari, M. A., Budiman, I., & Farmadi, A. (2016). Penerapan K-Optimal Pada Algoritma KNN Untuk Prediksi Kelulusan Tepat Waktu Mahasiswa Program Studi Ilmu Komputer FMIPA Unlam Berdasarkan IP Sampai Dengan Semester 4. Kumpulan Jurnal Ilmu Komputer, 2(2), 159–173. https://doi.org/10.20527/KLIK.V2I2.26

Elayidom, S., Idikkula, S. M., & Alexander, J. (2011). A Generalized Data mining Framework for Placement Chance Prediction Problems, 31(3), 40–47.

Fauziah, S. B., Fauziah, & Suliiyo, M. D. (2013). Data Mining untuk Rekomendasi Kerja bagi Alumni dengan Algoritma GARC (Gain Based Association Rule Classifiction). Tugas Akhir, 1–6.

Guritno, S., Sudaryono, & Rahardja, U. (2011). Theory and Application of IT ResearchMetodologi dan Penelitian Teknologi Informasi. Yogyakarta: Andi.

Kartika, N. A. (2014). Penerapan Teknik Data Mining Menggunakan Algoritma Iterative Dichomotiser 3 (ID3) untuk Menentukan Potensi Siswa dalam Dunia Kerja, 3, 1–5.

Larose, T. D. (2005). Discovering Knowledge in Data an Introduction to Data Mining. New Jersey: John Wiley & Sons, Inc.

Lina Nurasih dan Sri Rahayu. (2014). Manajemen Sekretaris Itu Gampang Secara Otodidak. Jakarta: Dunia Cerdas

Nursalim, Suprapedi, & Himawan, H. (2014). Klasifikasi Bidang Kerja Lulusan Menggunakan Algoritma K-Nearest Neighbor. Jurnal Teknologi Informasi, 10 No. 1.

Rohman, A. (2015). Model Algoritma K-Nearest Neighbor (K-NN) Untuk Prediksi Kelulusan Mahasiswa. Neo Teknika. https://doi.org/10.1017/CBO9781107415324. 004

Sri Wahyuningsih, dan Dyah Retno Utari. (2018). Perbandingan Metode K-Nearest Neighbor, Naive Bayes dan Decision Tree untuk Prediksi Kelayakan Pemberian Kredit. In Konferensi Nasional Sistem Informasi.

Teguh Sulistiyani dan Ambar Rosidah. (2009). Manajemen Sumber Daya Manusia, Yogyakarta: Graha Ilmu.

Vanessa Steffany dan Arief Wibowo. (2018). Prediction of Job Suitability of College Graduate Candidates Using Data Mining Algorithms. In International Conference on Computer Science and Engineering Technology (p.).




DOI: https://dx.doi.org/10.36080/js.v16i2.705

Refbacks

  • There are currently no refbacks.


Copyright (c) 2018 Jurnal Serasi

Jurnal Serasi diterbitkan oleh Program Studi Sekretari, Fakultas Ekonomi dan Bisnis, Universitas Budi Luhur.

Lebih detail tentang jurnal Serasi dapat lihat di Sejarah Jurnal Serasi

ISSN (cetak) 2085-0700            ISSN (online) 2622-5913

Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi 4.0 Internasional.

 

Jurnal Sekretari dan Administrasi (SERASI) telah terindeks oleh: (klik gambar untuk informasi lebih lanjut)