• Login
    View Item 
    •   DSpace Home
    • Students & Alumnae
    • Thesis
    • Master of Statistics
    • View Item
    •   DSpace Home
    • Students & Alumnae
    • Thesis
    • Master of Statistics
    • View Item
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Implementasi Model Bayesian Network dalam Penilaian Pengaruh Faktor-faktor Terhadap Kenaikan Jabatan PTK dan Rekomendasi Kebijakan Pengelolaan Karier Ptk

    Thumbnail
    View/Open
    23928004.pdf (2.036Mb)
    Date
    2025
    Author
    Putra, Novaldy Pratama
    Metadata
    Show full item record
    Abstract
    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.
    URI
    dspace.uii.ac.id/123456789/60127
    Collections
    • Master of Statistics [2]

    DSpace software copyright © 2002-2015  DuraSpace
    Contact Us | Send Feedback
    Theme by 
    @mire NV
     

     

    Browse

    All of DSpaceCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

    My Account

    LoginRegister

    DSpace software copyright © 2002-2015  DuraSpace
    Contact Us | Send Feedback
    Theme by 
    @mire NV