<![CDATA[Penelitian ini mengembangkan model evaluasi kinerja akademik dosen berbasis machine learning dengan fokus pada analisis pengaruh kegiatan luar kontrak terhadap pencapaian Indikator Kinerja Utama (IKU) perguruan tinggi, khususnya IKU 5. Data sekunder berupa produktivitas penelitian (jumlah publikasi dan sitasi), kegiatan pengabdian masyarakat, serta partisipasi dalam kegiatan non-kontrak dikumpulkan dari database akademik selama lima tahun. Tahap pra-pemrosesan meliputi cleaning data, transformasi, dan feature selection untuk memastikan kualitas input model. Dua algoritma machine learning—Support Vector Machine (SVM) dan K-Nearest Neighbors (KNN)—diimplementasikan dengan *10-fold cross-validation* dan pembagian data 80:20. Hasil penelitian menunjukkan bahwa SVM mencapai akurasi tertinggi (87%) dalam mengklasifikasikan kinerja dosen (tinggi/rendah) dengan parameter kernel RBF (C = 10, gamma = 0.1), sementara KNN (K = 5, metrik Euclidean) efektif mengidentifikasi korelasi positif antara kegiatan luar kontrak dan produktivitas penelitian (R² = 0.75). Analisis lebih lanjut mengungkap bahwa partisipasi dalam penelitian kolaboratif dan pelatihan eksternal berkontribusi signifikan terhadap peningkatan capaian IKU 5. Temuan ini mendukung rekomendasi kebijakan untuk mendorong keterlibatan dosen dalam kegiatan non-kontrak sebagai strategi peningkatan kinerja institusional. Pendekatan berbasis data ini menawarkan solusi objektif dan terukur untuk evaluasi dosen yang selaras dengan target kinerja perguruan tinggi..]]>
Copyrights © 2025
