Perbandingan Algoritma Klasifikasi dengan Seleksi Fitur Shapley Additive Explanation pada Prediksi Nilai Seleksi Calon Guru Penggerak
Penulis Utama
:
Farrel Akmal Mulyanto
NIM / NIP
:
M0520028
×<p><span lang="EN-US" xss=removed>Program guru penggerak adalah salah satu program
pendukung dalam kesuksesan merdeka belajar di Indonesia untuk identifikasi dan
pelatihan calon pemimpin pendidikan. Lolos seleksi guru penggerak dipengaruhi
oleh nilai yang didapatkan dalam setiap tahapannya. Namun, tidak sedikit dari
para kandidat Calon Guru Penggerak (CGP) hanya berfokus pada pengalaman dan
latar belakang yang dimiliki tanpa mempertimbangkan strategi dan hal yang perlu
dipersiapkan sehingga mendapatkan nilai yang kurang maksimal. Oleh karena itu,
perlu untuk mengetahui dan menjelaskan atribut yang mempengaruhi nilai dengan
menerapkan algoritma klasifikasi dan seleksi fitur. Di sisi lain, algoritma
klasifikasi belum tentu memiliki kinerja yang baik jika diterapkan pada kasus
yang berbeda sehingga penelitian ini berfokus untuk membandingkan algoritma
klasifikasi dalam memprediksi nilai serta mengetahui dan menjelaskan atribut
yang mempengaruhi nilai seorang kandidat CGP. Algoritma klasifikasi yang
digunakan yaitu <i>Decision Tree</i>, <i>Random Forest</i>, dan <i>Naïve Bayes</i>.
Tahapan yang dilakukan pada penelitian ini yaitu pengumpulan data seleksi
wawancara CGP, pra-pemrosesan data, seleksi fitur dengan SHAP, <i>resampling</i>
dengan 5-<i>fold cross validation</i>, pembuatan model, dan evaluasi model. Dari
percobaan yang telah dilakukan, terdapat peningkatan performa pada semua model
setelah dilakukan seleksi fitur dengan akurasi tertinggi sebesar 97.1% untuk
model <i>Random Forest</i>. Beberapa fitur yang berpengaruh secara berurutan
berdasarkan nilai SHAP yaitu <i>initiating action</i> 22.4%, <i>decision making
</i>17.13%, <i>continuous learning</i> 10.25%, <i>working relationship</i> 10%,
<i>ethical maturity</i> 9.62%, <i>purpose</i> 9.26%, <i>resilience</i> 8.4%,
dan <i>coaching</i> 5.97%. Berdasarkan hasil tersebut, model <i>Random Forest</i>
dengan 8 fitur terpilih dapat menjadi alternatif dalam memprediksi nilai
seleksi CGP.</span></p>
×
Penulis Utama
:
Farrel Akmal Mulyanto
Penulis Tambahan
:
-
NIM / NIP
:
M0520028
Tahun
:
2024
Judul
:
Perbandingan Algoritma Klasifikasi dengan Seleksi Fitur Shapley Additive Explanation pada Prediksi Nilai Seleksi Calon Guru Penggerak
Edisi
:
Imprint
:
Surakarta - Fak. Teknologi Informasi dan Sains Data - 2024
Program Studi
:
S-1 Informatika
Kolasi
:
Sumber
:
Kata Kunci
:
Algoritma klasifikasi, guru penggerak, prediksi nilai, seleksi fitur, SHAP
