KLASIFIKASI MASA TUNGGU KERJA LULUSAN S1 MATEMATIKA UNJA MENGGUNAKAN Naïve Bayes Classifier

Hakim, Arridho (2022) KLASIFIKASI MASA TUNGGU KERJA LULUSAN S1 MATEMATIKA UNJA MENGGUNAKAN Naïve Bayes Classifier. S1 thesis, Matematika.

	Text Skripsi Arridho Hakim.pdf Restricted to Repository staff only Download (3MB)
	Text cover.pdf Download (75kB)
	Text Halaman Pengesahan.pdf Download (44kB)
	Text RINGKASAN (1).pdf Download (89kB)
	Text BAB 1 PENDAHULUAN (1).pdf Download (102kB)
	Text bab 5 (1).pdf Download (197kB)
	Text dapus (1).pdf Download (96kB)

Abstract

Pendidikan menjadi sangat penting bagi manusia, seiring dengan kemajuan teknologi yang menuntut manusia untuk memiliki pengetahuan luas dan berkualitas. Salah satu cara membentuk manusia berkualitas yaitu berdasarkan tingkat pendidikan yang tinggi. Lamanya mendapat pekerjaan menjadi bagian dari tolak ukur kualitas lulusan. Tolak ukur kualitas lulusan yang baik yaitu antara 0-6 bulan setelah kelulusan. Kualitas lulusan yang baik sangat mempengaruhi untuk masuk dunia kerja. Berdasarkan kebutuhan karakteristik dan keterampilan dunia kerja, Mahasiswa S1 Matematika UNJA memiliki tingkat kecemasan yang tinggi ketika mencari pekerjaan setelah lulus. Hal itu dikarenakan ada beberapa karakteristik keterampilan yang tidak dikuasai ketika perkuliahan. Sehingga ketika mendaftar pekerjaan dan tidak diterima, akhirnya mengalami kecemasan dan mempengaruhi masa tunggu kerja lulusan S1 Matematika UNJA. Faktor-faktor yang mempengaruhi masa tunggu kerja antara lain yaitu jenis kelamin, usia, masa studi, upah, keaktifan berorganisasi, IPK dan sebagainya. Oleh karena itu, penelitian ini melakukan klasifikasi masa tunggu kerja lulusan S1 Matematika UNJA berdasarkan atribut yang terdiri dari faktor-faktor yang diduga mempengaruhi masa tunggu kerja lulusan S1 Matematika UNJA. Metode klasifikasi yang digunakan adalah Naïve Bayes Classifier. Metode Naïve Bayes adalah metode pengklasifikasian peluang yang berakar pada kaidah Bayes untuk menghitung sekumpulan nilai peluang dengan menjumlahkan frekuensi dan kombinasi nilai dataset yang diberikan. Dalam proses klasifikasi tidak semua atribut yang efektif dan relevan, sehingga perlu dilakukan teknik pemilihan atribut menggunakan Information Gain (IG). Berdasarkan nilai akurasi diketahui bahwa klasifikasi Naïve Bayes menggunakan lima belas atribut adalah 68% dan klasifikasi Naïve Bayes menggunakan empat atribut terpilih dari IG adalah 74%. Atribut-atribut yang terpilih dari IG adalah proses mencari kerja, kemampuan bersaing dengan lulusan PT lain, waktu mulai mencari pekerjaan, dan sumber utama biaya kuliah.

Type:	Thesis (S1)
Subjects:	L Education > L Education (General)
Divisions:	Fakultas Sains dan Teknologi > Matematika
Depositing User:	HAKIM
Date Deposited:	25 Jul 2022 07:55
Last Modified:	25 Jul 2022 07:55
URI:	https://repository.unja.ac.id/id/eprint/38139

Actions (login required)

View Item