Analisis Pola Peningkatan Indeks Profesionalitas ASN Kabupaten Asahan menggunakan Random forest dan Gradient Boosting Machines

Analisis Pola Peningkatan Indeks Profesionalitas ASN Kabupaten Asahan menggunakan Random forest dan Gradient Boosting Machines, Indeks Profesionalitas ASN, Random Forest, Gradient Boosting Machines, Kompetensi ASN, Machine Learning, Analisis Feature Importance, Kabupaten Asahan....

Author: SYAHLAN ISMAIL
Date: 2025
Keywords: Indeks Profesionalitas ASN, Random Forest, Gradient Boosting Machines, Kompetensi ASN, Machine Learning, Analisis Feature Importance, Kabupaten Asahan.
Type: Thesis
Category: penelitian

Penelitian ini bertujuan untuk menganalisis pola peningkatan Indeks Profesionalitas Aparatur Sipil Negara (ASN) Kabupaten Asahan menggunakan metode machine learning, khususnya Random Forest dan Gradient Boosting Machines (GBM). Tujuan spesifik penelitian meliputi identifikasi faktor-faktor yang mempengaruhi Indeks Profesionalitas ASN, perbandingan efektivitas kedua metode machine learning tersebut, dan perumusan rekomendasi strategis untuk peningkatan Indeks Profesionalitas ASN di Kabupaten Asahan. Penelitian menggunakan pendekatan kuantitatif dengan menganalisis dataset yang berisi 5.308 baris data capaian Indeks Profesionalitas ASN Kabupaten Asahan tahun 2022. Analisis dilakukan dengan menerapkan dua metode machine learning, yaitu Random Forest dan Gradient Boosting Machines, untuk mengidentifikasi feature importance dan memprediksi nilai Indeks Profesionalitas ASN. Evaluasi model dilakukan menggunakan metrik R² Score dan RMSE (Root Mean Squared Error), serta dilengkapi dengan analisis gap untuk menilai kesenjangan antara capaian aktual dan target pada setiap dimensi Indeks Profesionalitas ASN. Hasil penelitian menunjukkan bahwa dimensi Kompetensi menjadi faktor utama yang belum mencapai target dengan gap sebesar 15,47%, sementara tiga dimensi lainnya (Kualifikasi, Kinerja, dan Disiplin) telah melampaui target. Analisis feature importance mengungkapkan bahwa Jabatan Pelaksana merupakan faktor paling dominan yang mempengaruhi Indeks Profesionalitas ASN, dengan kontribusi 57,50% pada model Random Forest dan 61,36% pada model GBM. Model GBM menunjukkan performa yang sedikit lebih baik dengan nilai R² Score 0,6761 dan RMSE 4,1923 dibandingkan Random Forest dengan nilai R² Score 0,6466 dan RMSE 4,3791. Simulasi peningkatan dimensi Kompetensi ke nilai target menghasilkan proyeksi kenaikan total Indeks Profesionalitas ASN menjadi 77,36, jauh melampaui target 65. Berdasarkan temuan tersebut, direkomendasikan program pengembangan kompetensi yang terdiri dari Diklat Kepemimpinan untuk 621 pegawai struktural, Diklat Fungsional untuk 3.489 pegawai fungsional, Diklat Teknis untuk 2.005 pegawai, dan Workshop/Seminar untuk 1.118 pegawai pelaksana

Files:
LEMBAR JUDUL 1
DAFTAR PUSTAKA
ABSTRAK

Collections:
Digital Library UNPAB