PLATFORM AI HOLISTIK PREDIKTIF UNTUK MANAJEMEN KARIER BERBASIS KOMPETENSI PADA PERGURUAN TINGGI SWASTA

Penulis

  • Abe Wisnu Syaputra Institut Teknologi dan Bisnis Pelita Raya
  • Irma Yunita Institut Teknologi dan Bisnis Pelita Raya
  • Cecilia Cecilia Institut Teknologi dan Bisnis Pelita Raya
  • Nurul Sri Handini Institut Teknologi dan Bisnis Pelita Raya
  • Arif Setiadi Institut Teknologi dan Bisnis Pelita Raya
  • Akhmad Faisal Husni Institut Teknologi dan Bisnis Pelita Raya

DOI:

https://doi.org/10.46576/djtechno.v6i3.8012

Abstrak

Penelitian ini bertujuan untuk merancang dan mengembangkan Talent Guardian (ATAGA-JPT), sebuah platform kecerdasan buatan (AI) prediktif yang dirancang untuk mendukung penerapan meritokrasi jabatan pada perguruan tinggi swasta. Sistem ini mengintegrasikan data kepegawaian, kinerja dosen, serta rekam jejak kompetensi untuk menghasilkan rekomendasi berbasis prediksi terhadap jabatan fungsional maupun struktural. Metode penelitian menggunakan pendekatan Research and Development (R&D) yang mencakup tahapan analisis kebutuhan, perancangan sistem, pengembangan model prediktif berbasis machine learning, serta validasi melalui uji performa model. Hasil penelitian menunjukkan bahwa ATAGA-JPT mampu memetakan profil talenta dan memprediksi kesiapan jabatan secara objektif dengan tingkat akurasi 92,6% menggunakan algoritma Gradient Boosting, serta reliabilitas instrumen α = 0,856. Penerapan sistem ini berpotensi memperkuat tata kelola sumber daya manusia berbasis kinerja, mengurangi bias subjektif dalam pengangkatan jabatan, dan mendukung transformasi digital manajemen talenta di lingkungan perguruan tinggi swasta.

Referensi

M. D. Nadeem, S. Hassan, and A. Karim, “Meritocracy and leadership performance evaluation in academic institutions,” International Journal of Management Education, vol. 20, no. 3, pp. 150–161, 2023.

Kemendikbudristek, “Laporan Transformasi Digital Perguruan Tinggi di Indonesia,” Jakarta: Pusdatin Dikti, 2024.

J. H. Park and T. Lee, “Artificial Intelligence in Higher Education Governance: Predictive Models for Faculty Evaluation,” Computers & Education, vol. 191, pp. 104–153, 2023.

S. Y. Chen and P. K. Wong, “AI-Driven Decision Support in University HR Systems,” Journal of Educational Technology Systems, vol. 52, no. 1, pp. 45–61, 2024.

C. H. Lee, B. R. Kim, and L. Xu, “Machine Learning Approaches for Predicting Academic Staff Performance,” IEEE Access, vol. 11, pp. 13302–13315, 2023.

Y. Zhao and P. Kumar, “Hybrid Artificial Intelligence Models for Talent Evaluation Systems,” Expert Systems with Applications, vol. 234, no. 1, pp. 120–138, 2024.

W. R. Borg and M. D. Gall, Educational Research: An Introduction, 9th ed., New York: Longman, 2022.

S. Rahman and T. Mulyono, “Designing Predictive Analytics Architecture for Human Resource Systems,” Indonesian Journal of Information Systems, vol. 9, no. 2, pp. 102–114, 2023.

M. T. Alotaibi and J. S. Lee, “Comparative Analysis of Machine Learning Algorithms for Talent Readiness Prediction,” IEEE Access, vol. 11, pp. 45322–45335, 2023.

L. A. Tavakol and R. Dennick, “Making Sense of Cronbach’s Alpha,” International Journal of Medical Education, vol. 12, no. 4, pp. 53–55, 2021.

Z. Wang, X. Li, and P. Kumar, “Cross-Validation Evaluation in AI-Based Personnel Decision Systems,” Expert Systems with Applications, vol. 235, pp. 120–136, 2024.

D. Yani and Kusrini, “Feature Management Approaches and Predictive Methods in Machine Learning and Deep Learning for Student Performance Prediction: A Systematic Review,” G-Tech: Jurnal Teknologi Terapan, vol. 9, no. 1, 2025.

D. Irawan, “Mengurai Tantangan Perguruan Tinggi Swasta Menuju Unggul,” Suara Muhammadiyah, 2023.

A. A. R. Ali and R. N. B. Z. Al-Busaidi, “A Novel Framework for Decision Support System in Human Resource Management,” International Journal of Intelligent Decision Technologies, vol. 19, no. 4, 2025.

Unduhan

Diterbitkan

2025-12-17

Terbitan

Vol 6 No 3 (2025): Desember

Bagian

Articles

Lisensi

Pernyataan Hak Cipta dan Lisensi

  1. Hak Cipta atas naskah-naskah karya ilmiah di dalam Jurnal ini dipegang oleh Penulis.
  2. Penulis menyerahkan hak saat pertama kali mempublikasi Naskah karya ilmiahnya dan secara bersamaan Penulis memberikan izin/lisensi dengan mengacu pada  Creative Commons Attribution-ShareAlike 4.0 International License kepada pihak lain untuk menyebarkan karya ilmiahnya tersebut dengan tetap mencantumkan penghargaan bagi penulis dan Djtechno sebagai media Publikasi pertama atas karya tersebut.
  3. Hal-hal yang berkaitan dengan non-eksklusivitas pendistribusian Jurnal yang menerbitkan karya ilmiah penulis dapat diperjanjikan secara terpisah (contoh: permintaan untuk menempatkan karya yang dimaksud pada perpustakaan suatu institusi atau menerbitkannya sebagai buku) dengan Penulis sebagai salah satu pihak perjanjian dan dengan penghargaan pada Djtechno sebagai media publikasi pertama atas karya dimaksud.
  4. Penulis dapat dan diharapkan untuk mengumumkan karyanya secara online (misalnya pada Repositori atau pada laman Organisai/Institusinya) sejak sebelum dan selama proses pengumpulan naskah, sebab upaya tersebut dapat meningkatkan pertukaran citasi lebih awal dan dengan cakupan yang lebih luas.