Sistem pemetaan jalur karir lulusan SMK menggunakan metode Random Forest dan K-Nearest Neighbors

ABSTRAK

Sekolah Menengah Kejuruan merupakan sekolah yang dipersiapkan untuk siswa yang siap kerja setelah lulus sekolah. Oleh karenanya selama proses pembelajaran tidak hanya teori-teori saja yang diberikan melainkan juga praktik bahkan ada program Praktek Kerja Lapangan (PKL) atau magang dimana siswa akan mendapatkan pengalaman kerja nyata di lapangan. Dengan pembekalan yang sedemikian rupa diharapkan siswa lulusan SMK mampu bersaing di dunia kerja sesuai dengan bidang keahliannya. Namun menurut data Statistic Indonesia tahun 2022 mengenai jumlah pengangguran mencapai 8.42% tertinggi dibanding lulusan sekolah lainnya dan tercatat 60% siswa lulusan SMK bekerja di luar bidang keahliannya. Oleh karena itu dibutuhkan suatu algoritma yang dapat membantu memprediksi jalur karir siswa lulusan SMK, pada penelitian ini menggunakan algoritma random forest dan K-nearst neighbors. Data yang digunakan pada penelitian ini berasal dari Bursa Kerja Khusus (BKK) yang memuat 8 kompetensi pokok siswa SMK. Pada pengujian hyperparameter tunning dilakukan dengan kombinasi data training sebesar 60% sampai 90% dan data testing antara 40% sampai 10%. Dari pengujian tersebut didapat hasil terbaik pada kombinasi data training sebesar 80% dan data testing sebesar 20%. Lalu kombinasi tersebut diterapkan pada data testing pada masing-masing algoritma yaitu random forest dan K-nearst neighbors. Hasil dari pengujian testing menunjukkan bahwa kedua algoritma memberikan kinerja klasifikasi yang baik, dengan K-nearst neighbors sedikit lebih unggul dibandingkan Random Forest pada data uji. Dengan demikian, algoritma KNN dapat dipertimbangkan sebagai pilihan utama untuk implementasi awal sistem, sementara Random Forest dapat menjadi model alternatif yang lebih stabil ketika ukuran data diperbesar.

ABSTRACT

Vocational High Schools (VHSs) are schools that prepare students for employment after graduation. Therefore, during the learning process, they are not only taught theory but also practice. There is even a Field Work Practice (PKL) or internship program where students gain real-world work experience. With such training, it is hoped that vocational high school graduates will be able to compete in the workforce according to their field of expertise. However, according to Statistics Indonesia data from 2022, unemployment reached 8.42%, the highest among graduates of other schools, and 60% of vocational high school graduates worked outside their field of expertise. Therefore, an algorithm is needed that can help predict the career path of vocational high school graduates. This study uses the random forest and K-nearst neighbors algorithms. The data used in this study comes from the Special Job Exchange (BKK) which contains 8 core competencies of vocational high school students. In the hyperparameter tuning test, a combination of 60% to 90% of training data and 40% to 10% of testing data was carried out. From this test, the best results were obtained with a combination of 80% of training data and 20% of testing data. Then, this combination was applied to the testing data for each algorithm, namely random forest and K-nearst neighbors. The results of the testing show that both algorithms provide good classification performance, with K-nearst neighbors slightly superior to Random Forest on the test data. Thus, the KNN algorithm can be considered as the main choice for initial system implementation, while Random Forest can be a more stable alternative model when the data size is enlarged.

مستخلص البحث

المدرسة الثانوية المهنية هي مدرسة معدة للطلاب المستعدين للعمل بعد التخرج. لذلك، خلال عملية التعلم، لا يتم تقديم النظريات فقط، بل أيضًا التدريب العملي، وهناك حتى برنامج التدريب العملي الميداني حيث يحصل الطلاب على خبرة عملية حقيقية في الميدان. مع هذا الإعداد، يُتوقع أن يتمكن خريجو المدارس الثانوية المهنية من المنافسة في سوق العمل وفقًا لمجال تخصصهم. ومع ذلك، وفقًا لبيانات إحصاءات إندونيسيا لعام 2022، بلغت نسبة البطالة 8.42٪، وهي الأعلى مقارنة بخريجي المدارس الأخرى، وقد تم تسجيل أن 60٪ من خريجي المدارس الثانوية المهنية يعملون خارج مجال تخصصهم. لذلك، هناك حاجة إلى خوارزمية يمكن أن تساعد في التنبؤ بمسار مهنة خريجي المدارس الثانوية المهنية، في هذا البحث يتم استخدام خوارزمية الغابة العشوائية وأقرب الجيران . البيانات المستخدمة في هذه الرسالة مستمدة من بورصة العمل الخاصة التي تضم 8 كفاءات أساسية لطلاب المدارس الثانوية المهنية. في اختبار ضبط المعلمات الفائقة تم استخدام مزيج من بيانات التدريب بنسبة تتراوح بين 60% إلى 90% وبيانات الاختبار بين 40% إلى 10%. من هذا الاختبار تم الحصول على أفضل النتائج عند مزيج بيانات التدريب بنسبة 80% وبيانات الاختبار بنسبة 20%. ثم تم تطبيق هذا المزيج على بيانات الاختبار لكل من خوارزمية الغابة العشوائية (Random Forest) وأقرب الجيران (K-nearest neighbors). أظهرت نتائج الاختبار أن كلا الخوارزميتين تقدمان أداء تصنيفي جيدًا، حيث كانت خوارزمية K-nearest neighbors متفوقة قليلاً مقارنة بالغابة العشوائية على بيانات الاختبار. وبالتالي، يمكن اعتبار خوارزمية KNN الخيار الرئيسي لتطبيق النظام في البداية، بينما يمكن أن تكون الغابة العشوائية نموذجًا بديلًا أكثر استقرارًا عند زيادة حجم البيانات