http://hdl.handle.net/123456789/53728 Sun, 26 Apr 2026 21:05:10 GMT 2026-04-26T21:05:10Z http://hdl.handle.net/123456789/60127 Implementasi Model Bayesian Network dalam Penilaian Pengaruh Faktor-faktor Terhadap Kenaikan Jabatan PTK dan Rekomendasi Kebijakan Pengelolaan Karier Ptk Putra, Novaldy Pratama Penelitian ini mengimplementasikan model Bayesian Network untuk menganalisis faktor- faktor yang memengaruhi kenaikan jabatan Pendidik dan Tenaga Kependidikan (PTK) serta memberikan rekomendasi kebijakan pengelolaan karier. Data penelitian bersum- ber dari Data Pokok Pendidikan (Dapodik) dan Badan Kepegawaian Nasional dengan sampel sebanyak 1.454.516 PTK hingga Desember 2024. Metode analisis mencakup pembangunan struktur jaringan menggunakan algoritma hill-climbing, estimasi para- meter melalui Conditional Probability Table (CPT), serta perhitungan Joint Probabi- lity Distribution (JPD) dan probabilitas posterior. Hasil kuantitatif menunjukkan bah- wa model Bayesian Network mencapai akurasi 100% pada skenario dengan variabel pangkat golongan, sedangkan tanpa variabel tersebut akurasi turun menjadi 53%. In- tegrasi dengan Random Forest berhasil memperbaiki 66,67% kesalahan prediksi pada model lengkap. Faktor pangkat golongan menjadi penentu utama dengan 86,29% PTK golongan IV berpeluang menjadi Ahli Madya. Masa kerja >20 tahun memberikan pe- luang 85,25% mencapai Ahli Madya, sedangkan pendidikan S3 menjamin 100% posisi di jenjang tersebut. PTK di daerah 3T memiliki probabilitas 69,09% terjebak di jen- jang Ahli Pertama. Simulasi proyeksi karier menunjukkan transisi signifikan terjadi pada horizon waktu 5 tahun, dengan hanya 64% PTK yang berhasil mencapai Ahli Utama dalam 10 tahun. Regulasi PERMENPANRB Nomor 1 Tahun 2023 berpotensi meningkatkan fleksibilitas karier, namun memerlukan waktu dan intervensi pendukung untuk hasil optimal. Rekomendasi kebijakan mencakup program beasiswa dan sertifi- kasi untuk daerah 3T, sistem promosi berbasis merit, serta penyederhanaan persyaratan administratif. Penelitian ini menyimpulkan bahwa Bayesian Network efektif dalam me- modelkan hubungan kausal kompleks dan mendukung pengambilan keputusan berbasis data dalam pengelolaan karier PTK. Wed, 01 Jan 2025 00:00:00 GMT http://hdl.handle.net/123456789/60127 2025-01-01T00:00:00Z http://hdl.handle.net/123456789/53372 Analisis Segmentasi Pelanggan Berdasarkan Kategori Produk Dalam Pasar Business To Business (B2B) Industri Tekstil dan Pakaian Jadi Mahmudiati, Imtikhanah Anis Penelitian ini bertujuan untuk melakukan analisis segmentasi pelanggan dalam pasar Business to Business (B2B) dengan studi kasus pada CV Laras Mitra Sejati (CV LMS), perusahaan yang bergerak di industri tekstil dan pakaian jadi dengan fokus pada produk hospital linen. Mengingat kompleksitas pasar B2B dan pentingnya pemahaman mendalam tentang kebutuhan serta preferensi pelanggan, penelitian ini menggunakan metode pengelompokan Blok-KM (Block-Based K- Medoids) untuk mengatasi data yang memiliki outlier. Selain itu, perbandingan antara penggunaan ukuran jarak Euclidean dan Manhattan dalam metode Blok-KM dilakukan guna mengevaluasi performa dan sensitivitas terhadap variasi data. Penelitian ini menggunakan lima indeks penentuan jumlah kelompok optimal, yang mayoritas mengidentifikasi dua kelompok optimal dalam data pelanggan CV LMS. Hasil analisis menunjukkan adanya perbedaan signifikan antara dua kelompok pelanggan dalam hal preferensi produk, di mana Kelompok 1 memiliki permintaan lebih tinggi untuk semua kategori produk, mengindikasikan potensi pelanggan yang lebih loyal. Penelitian ini merekomendasikan penggunaan variabel nilai kontrak untuk analisis yang lebih komprehensif, serta penerapan strategi berbasis data guna meningkatkan performa perusahaan. Selain itu, peneliti menyarankan pengembangan database dengan histori data yang lebih panjang, sehingga analisis di masa mendatang dapat dilakukan secara otomatis menggunakan algoritma machine learning, memberikan efisiensi dan akurasi yang lebih tinggi dalam pengambilan keputusan pemasaran dan penjualan. Mon, 01 Jan 2024 00:00:00 GMT http://hdl.handle.net/123456789/53372 2024-01-01T00:00:00Z