Klasifikasi Linearitas serapan lulusan sekolah menengah kejuruan menggunakan Algoritma Naive Bayes

ABSTRAK

Pendidikan merupakan instrumen dasar dalam peningkatan kualitas suatu bangsa dan negara. Melalui Sumber Daya Manusia (SDM) yang handal akan menambah kesejahteraan dan peningkatan kualitas bangsa. Secara yuridis SMK dibentuk untuk memberikan alumni yang siap bekerja. Berdasarkan data Badan Pusat Statistik (BPS) menyampaikan bahwa TPT (Tingkat Pengangguran Terbuka) tamatan SMK masih merupakan yang paling tinggi dibandingkan tamatan jenjang pendidikan lainnya. Tercatat pada bulan Februari 2023 sebesar 5,45 persen dari jumlah penduduk Indonesia. Berbeda dengan kondisi yang ada di sekolah, banyak sekolah yang sudah bisa menyalurkan alumninya dengan cara mengadakan kegiatan jobfair. Dari hasil jobfair, harapannya adalah para alumni dan industri akan saling bertemu untuk melakukan proses rekrutmen. Dengan menggunakan Machine Learning diharapkan dapat membantu untuk mengklasifikasikan linearitas serapan lulusan siswa SMK. Algoritma Naive Bayes dan Algoritma Decision Tree dipilih untuk mengolah dataset serapan lulusan SMK sehingga akan menghasilkan performa accuracy, precision, recall dan f1-score pada masing - masing algoritma. Dari hasil pengujian algoritma Naive Bayes pada strategi eksperimen menghasilkan nilai accuracy sebesar 80%, precision sebesar 99%, recall sebesar 81% dan f1-score sebesar 89%, sedangkan pengujian algoritma Decision Tree pada strategi eksperimen menghasilkan nilai accuracy sebesar 76%, precision sebesar 92%, recall sebesar 82% dan f1-score sebesar 86%. Berdasarkan hasil pengujian eksperimen tersebut disimpulkan bahwa algoritma Naive Bayes sebagai metode terbaik karena memiliki nilai accuracy lebih baik daripada algoritma Decision Tree.

مستخلص البحث

التربية هي أداة أساسية لتحسين جودية الأمة والدولة. من خلال الموارد البشرية الموثوقة ستزيد الرفاهية وتحسين جودية الأمة . من الناحية القانونية، تشكل المدارس المتوسطة المهنية لتزويد المتخرجين المستعدين للعمل. لاعتبارة بيانات الجهاز المركزي للإحصاء (BPS). لا يزال معدل البطالة المفتوحة (TPT) لمتخرجي المدارس المهنية هو الأعلى من المتخرجين من مستويات التربية الأخرى. تسجل في شهر فبراير 2023 سيبلغ 5.45 ٪ من جمل السكان إندونيسيا. وعلى المختلف من الظروف الموجودة في المدارس، كثير من المدارس قادرة على تصريف متخيجيها من خلال إقامة أنشطة جوبفائير. ومن نتائج أنشطة جوبفائير، ترجى أن يلتقي الخريجون والصناعة ببعضهم البعض لتنفيذ عملية ريكروتمين. باستخدام ماݘين ليرنيݞ ، ترجى أن تساعد في تصنيف خطية استيعاب خريجي المدارس المهنية. اختيار خوارزمية نائف بايس و خوارزمية دݘسسين تري لمعالجة مجموعة بيانات استيعاب خريجي المدارس المتوسطة المهنية حتى تحصل اداء دقة و فرشين و ف1 شكور في كل خوارزميات. من نتائج اختبار خوارزمية نائف بايس على الاستراتيجية التجريبية حصلت على قيمة دقة 80% فرشين 99% و ريكول بجحم 81% و ف1 شكور 89%، بينما تم اختبار خوارزمية دݘسسين تري على الاستراتيجية التجريبية تنتج قيمة دقة 76%، و فرشين 92%، و ريكول بجحم 82%، و ف1 شكور 86%. وبناء على نتائج هذه الاختبارات التجريبية، تم التوصل إلى أن خوارزمية نائف بايس هي الطريقة الأفضل لأنها تتمتع بقيمة دقة أفضل من خوارزمية دݘسسين تري

ABSTRACT

Education is a basic instrument in improving the quality of a nation and state. Through reliable Human Resources (HR), it will increase the welfare and improve the quality of the nation. Legally, Vocational Schools were formed to provide alumni who are ready to work. Based on data from the Central Statistics Agency (BPS), the TPT (Open Unemployment Rate) for vocational school graduates is still the highest compared to graduates of other levels of education. It was recorded in February 2023 at 5.45 percent of Indonesia's population. In contrast to the conditions that exist in schools, many schools are able to channel their alumni by holding job fair activities. From the results of the job fair, the hope is that alumni and industry will meet each other to carry out the recruitment process. By using Machine Learning it is hoped that it can help to classify the linearity of absorption of vocational school student graduates. The Naive Bayes Algorithm and Decision Tree Algorithm were chosen to process the uptake dataset of vocational school graduates so that it will produce accuracy, precision, recall and f1-score performance in each algorithm. From the results of testing the Naive Bayes algorithm on the experimental strategy, it produces an accuracy value of 80%, precision of 99%, recall of 81% and f1-score of 89%, while testing the Decision Tree algorithm on the experimental strategy produces an accuracy value of 76%, precision of 92%, recall of 82% and f1-score of 86%. Based on the results of these experimental tests, it was concluded that the Naive Bayes algorithm was the best method because it had better accuracy values than the Decision Tree algorithm.