Deskripsi Fisik

xiii, 107 hlm, 21x30 cm

Subyek

METODE ENSEMBLE LEARNING

Kata Kunci

Anotasi

Abstrak Balai Latihan Kerja (BLK) Surabaya berperan dalam meningkatkan kompetensi tenaga kerja melalui berbagai program pelatihan, namun masih menghadapi permasalahan dalam mengevaluasi kesesuaian penempatan kerja alumni karena proses penilaian dilakukan secara manual, memerlukan waktu lama, dan belum berbasis analisis data. Kondisi tersebut menyulitkan BLK dalam mengukur efektivitas pelatihan dan menentukan kebijakan peningkatan mutu secara objektif. Penelitian ini bertujuan untuk mengklasifikasikan status karir alumni BLK Surabaya berdasarkan profil pelatihan menggunakan metode Ensemble Learning dengan pendekatan Stacking. Model dibangun dengan mengombinasikan algoritma Random Forest, XGBoost, dan Logistic Regression, dengan pembagian data sebesar 80% sebagai data training dan 20% sebagai data testing. Evaluasi performa model dilakukan menggunakan confusion matrix dengan parameter accuracy, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model Stacking menghasilkan akurasi sebesar 82,55% pada data training dan 80,43% pada data testing, serta nilai precision, recall, dan F1-score yang menunjukkan keseimbangan kemampuan model dalam mengklasifikasikan kelas “Sesuai” dan “Tidak Sesuai”. Berdasarkan hasil evaluasi tersebut, dapat disimpulkan bahwa metode Stacking Ensemble mampu memberikan performa klasifikasi yang cukup baik dan dapat digunakan sebagai alat bantu evaluasi berbasis data bagi BLK Surabaya dalam meningkatkan efektivitas dan relevansi program pelatihan. Kata kunci: Balai Latihan Kerja, Klasifikasi Karir Alumni, Ensemble Learning, Stacking, Machine Learning