Implementasi Model Bayesian Network dalam Penilaian Pengaruh Faktor-faktor Terhadap Kenaikan Jabatan PTK dan Rekomendasi Kebijakan Pengelolaan Karier Ptk
| dc.Identifier.NIM | 23928004 | |
| dc.contributor.author | Putra, Novaldy Pratama | |
| dc.date.accessioned | 2026-02-02T07:52:39Z | |
| dc.date.available | 2026-02-02T07:52:39Z | |
| dc.date.issued | 2025 | |
| 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 |
| dc.identifier.uri | repository.uii.ac.id/handle/123456789/60127 | |
| dc.publisher | Universitas Islam Indonesia | en_US |
| dc.subject | Bayesian Network | en_US |
| dc.subject | Kenaikan Jabatan | en_US |
| dc.subject | PTK | en_US |
| dc.subject | Random Forest | en_US |
| dc.subject | Kebijakan Karier | en_US |
| dc.subject | Analisis Probabilistik | en_US |
| dc.title | Implementasi Model Bayesian Network dalam Penilaian Pengaruh Faktor-faktor Terhadap Kenaikan Jabatan PTK dan Rekomendasi Kebijakan Pengelolaan Karier Ptk | en_US |
| dc.type | Thesis | en_US |