PENERAPAN ALGORITMA C4.5 DENGAN FEATURE FORWARD SELECTION UNTUK ANALISIS CAPAIAN INDIKATOR KINERJA UTAMA BERDASARKAN TRACER STUDY

STUDI KASUS: FASILKOM UNSIKA

Abstract

Perguruan tinggi, sebagai pusat ilmu, penelitian, dan pengabdian masyarakat, dituntut untuk fokus pada capaian Indikator Kinerja Utama Perguruan Tinggi Negeri (IKU-PTN). Salah satu kunci dalam mengelola kinerja perguruan tinggi adalah melalui IKU-PTN yang mendukung relevansi dengan industri dan dunia kerja terdapat pada IKU1. Namun, data tracer study Fasilkom Unsika menunjukkan capaian IKU1 pada tahun 2020 dan 2021 di bawah target, menandakan perlunya analisis pola data alumni. Penelitian ini menggunakan algoritma C4.5 untuk mengevaluasi kelayakan alumni dalam mencapai IKU1. Setelah feature selection, ditemukan atribut paling berpengaruh seperti "Status Bekerja," "Gaji," "Mendapat Pekerjaan Kurang dari 6 Bulan," "1.2 x UMP," dan "Jenis Tempat Bekerja." Model terbaik, yaitu model 5, menghasilkan akurasi 98.77% dengan Weighted Precision rata-rata 100%, Recall 96%, dan f1-Score 89%. Penerapan Decision Tree C4.5 dan metodologi Knowledge Discovery in Databases (KDD) menghasilkan 5 aturan penting yang membantu menilai pencapaian IKU1 berdasarkan fitur-fitur signifikan. Penelitian ini memberikan panduan bagi lembaga pendidikan untuk memahami faktor-faktor yang memengaruhi kesuksesan penempatan kerja alumni serta memberikan prediksi akurat untuk meningkatkan capaian IKU1. Kontribusi ini berpotensi mendorong evaluasi dan pengembangan program pendidikan yang lebih efektif.