Sistem prediksi kelulusan seleksi kompetensi dasar CPNS berdasarkan riwayat tryout dengan metode neural network backpropagation

INDONESIA:

Proses rekrutmen Calon Pegawai Negeri Sipil (CPNS) dimulai dengan Seleksi Kompetensi Dasar (SKD), yang mencakup tiga komponen utama: Tes Wawasan Kebangsaan (TWK), Tes Intelegensia Umum (TIU), dan Tes Karakteristik Pribadi (TKP). Tahapan ini dikenal sangat kompetitif karena jumlah pelamar jauh melebihi ketersediaan formasi yang dibuka. Penelitian ini bertujuan untuk mengevaluasi ketepatan prediksi kelulusan peserta tryout AyoCPNS menggunakan pendekatan backpropagation berdasarkan riwayat hasil tryout sebelumnya. Model optimal yang digunakan terdiri dari 10 variabel input, dua lapisan tersembunyi dengan masing-masing 4 dan 2 neuron, serta satu neuron output. Kinerja terbaik tercatat pada kategori TWK dengan pembagian data 60:40 dan learning rate 0.01, menghasilkan MSE sebesar 0.0058 serta akurasi 96%. Untuk TIU, performa tertinggi didapat dengan split 90:10 dan learning rate 0.01, menghasilkan MSE 0.0068 dan akurasi 95%. Sedangkan TKP menunjukkan hasil paling optimal pada split data 50:50 dengan learning rate 0.05, menghasilkan MSE 0.0042 dan akurasi 96%. Hasil penelitian ini membuktikan bahwa algoritma backpropagation cukup andal dalam memprediksi kelulusan peserta SKD CPNS dengan tingkat akurasi yang tinggi dan kesalahan prediksi yang rendah.

ENGLISH:

The recruitment process for Civil Servant Candidates (CPNS) begins with the Basic Competency Selection (SKD), which consists of three main components: the Civic Knowledge Test (TWK), the General Intelligence Test (TIU), and the Personal Characteristics Test (TKP). This stage is highly competitive due to the number of applicants far exceeding the available openings. This study aims to evaluate the accuracy of graduation predictions for AyoCPNS tryout participants using the backpropagation approach, based on their previous tryout performance history. The optimal model employed consists of 10 input variables, two hidden layers with 4 and 2 neurons respectively, and one output neuron. The best performance was recorded in the TWK category with a 60:40 data split and a learning rate of 0.01, resulting in an MSE of 0.0058 and an accuracy of 96%. For TIU, the highest performance was achieved with a 90:10 split and a learning rate of 0.01, yielding an MSE of 0.0068 and 95% accuracy. Meanwhile, TKP showed the most optimal results with a 50:50 data split and a learning rate of 0.05, achieving an MSE of 0.0042 and 96% accuracy. These findings demonstrate that the backpropagation algorithm is reliable for predicting CPNS SKD pass outcomes, offering high accuracy and low prediction error.

ARABIC:

يبدأ اختيار المرشحين لوظائف الخدمة المدنية (CPNS) بمرحلة اختيار الكفاءة الأساسية (SKD)، والتي تتكون من ثلاثة مجالات: اختبار البصيرة الوطني (TWK)، واختبار الذكاء العام (TIU)، واختبار السمات الشخصية (TKP). المنافسة في هذه المرحلة شديدة للغاية، لأن مقارنة عدد المتقدمين تتجاوز بكثير حصة التكوين المتاحة. تهدف هذه الدراسة إلى تحديد مستوى دقة تنبؤ تخرج المشاركين في اختبار AyoCPNS بناءً على سجل الاختبارات باستخدام طريقة الانتشار الخلفي. يتكون النموذج الأفضل من 10 مدخلات، وطبقتين مخفيتين (4 خلايا عصبية، وطبقتين لكل منهما)، ومخرج واحد. تم الحصول على أفضل النتائج في مجال TWK بتقسيم بيانات 60:40 ومعدل تعلم 0.01، مما أدى إلى خطأ متوسط قدره 0.0058 ودقة 96%. وفي مجال TIU بتقسيم بيانات 90:10 ومعدل تعلم 0.01، مما أدى إلى خطأ متوسط قدره 0.0068 ودقة 95%. وفي مجال TKP بتقسيم بيانات 50:50 ومعدل تعلم 0.05، مما أدى إلى خطأ متوسط قدره 0.0042 ودقة 96%. تشير هذه النتائج إلى أن طريقة الانتشار الخلفي فعالة في التنبؤ بنجاح المشاركين في اختبار SKD CPNS بدقة عالية وخطأ منخفض.