PREDIKSI JENIS INSTANSI PEKERJAAN ALUMNI DENGAN ALGORITMA MACHINE LEARNING MENGGUNAKAN SELEKSI FITUR HYBRID FILTER-WRAPPER
Penulis Utama
:
Arziki Pratama
NIM / NIP
:
M0519023
×<p class="MsoNormal" xss=removed><span lang="IN">Meningkatnya
kompleksitas pada dunia pekerjaan memberikan tantangan yang signifikan dalam
melakukan prediksi trajektori karir alumni. Meskipun pendekatan <i>machine
learning</i> telah menunjukkan hasil yang menjanjikan pada <i>educational data
mining</i> (EDM), tingginya dimensionalitas data alumni masih menjadi
tantangan. Penelitian ini mengusulkan integrasi <i>hybrid feature selection</i>
dengan algoritma <i>machine learning</i> untuk meningkatkan akurasi dalam
prediksi jenis instansi alumni. Metode yang diusulkan mengombinasikan <i>Mutual
Information</i> (MI) sebagai metode <i>filter</i> dan <i>Sequential Forward
Selection</i> (SFS) sebagai metode <i>wrapper</i>, diimplementasikan dengan
algoritma <i>Random Forest</i> (RF), <i>Decision Tree</i> (DT), dan <i>K-Nearest
Neighbors</i> (KNN). Memanfaatkan data alumni kelulusan tahun 2019-2020 dengan
88 fitur awal yang didapatkan dari <i>Career Development Center</i> (CDC)
Universitas Sebelas Maret, penelitian ini menerapkan metodologi yaitu <i>data
preprocessing</i>, optimasi <i>hyperparameter</i> dengan <i>Bayesian
Optimization</i> (BO), dan evaluasi model secara komprehensif. Hasil
menunjukkan peningkatan pada seluruh model setelah mengimplementasikan <i>hybrid
feature selection</i>. RF mendapatkan hasil performa paling tinggi dengan
akurasi 92.80%, menunjukkan peningkatan performa akurasi sebanyak 0.31%. DT dan
KNN juga menunjukkan performa yang meningkat dengan masing-masing mencapai
akurasi 86.99?n 88.21%. Penelitian ini juga mengidentifikasi delapan fitur
berpengaruh meliputi indeks prestasi mahasiswa dan kode fakultas, memberikan
informasi yang berharga untuk membangun kurikulum serta bimbingan karir. Metode
yang diusulkan berkontribusi dalam perkembangan EDM dan penerapan praktis dalam
bimbingan karir, menawarkan universitas sebuah fasilitas untuk membimbing para
mahasiswa dalam mempersiapkan karir dan meningkatkan kemampuan kerja.<o></o></span></p>
×
Penulis Utama
:
Arziki Pratama
Penulis Tambahan
:
-
NIM / NIP
:
M0519023
Tahun
:
2025
Judul
:
PREDIKSI JENIS INSTANSI PEKERJAAN ALUMNI DENGAN ALGORITMA MACHINE LEARNING MENGGUNAKAN SELEKSI FITUR HYBRID FILTER-WRAPPER
Edisi
:
Imprint
:
Surakarta - Fak. Teknologi Informasi dan Sains Data - 2025
Program Studi
:
S-1 Informatika
Kolasi
:
Sumber
:
Kata Kunci
:
Career Development Center, Prediksi Jenis Instansi Pekerjaan, Hybrid Feature Selection
