| dc.description.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. | en_US |
