<![CDATA[Evaluasi kinerja praktik klinis mahasiswa sering kali bergantung pada penilaian subjektif, yang menyebabkan inkonsistensi pemetaan kompetensi. Penelitian ini menganalisis himpunan data (dataset) 45 mahasiswa kebidanan tahun ajaran 2025/2026 yang diekstraksi dari Sistem Informasi SIPRAMA, dengan mengimplementasikan Sistem Pendukung Keputusan menggunakan metode Profile Matching. Metode ini membandingkan pencapaian individu dengan standar ideal institusi, yang memberikan kecocokan lebih baik dibandingkan algoritma maksimasi seperti SAW atau TOPSIS. Kriteria evaluasi meliputi Asuhan Kebidanan (Askeb), Pre/Posttest, Multi-Source Feedback (MSF), dan Seminar. Kriteria dikategorikan ke dalam Core Factor (60%) untuk keahlian teknis dan Secondary Factor (40%) untuk pendukung kognitif. Dengan menetapkan ambang batas kelayakan klinis ketat sebesar 4.50, sistem berhasil mengidentifikasi 27 mahasiswa layak (60%) dan 18 mahasiswa tidak layak (40%). Selain itu, algoritma sukses menyaring anomali akademik—mahasiswa dengan nilai teori tinggi namun cacat klinis. Validasi sistem yang dikomparasikan dengan keputusan manual pembimbing menghasilkan tingkat akurasi sebesar 100%. Penelitian ini menyimpulkan bahwa Profile Matching memberikan alat pengambilan keputusan berbasis data yang sangat akurat, serta merekomendasikan integrasi real-time ke dalam SIPRAMA untuk pengujian dataset berskala besar di masa mendatang.]]>
Copyrights © 2026
