OUTLINE SKRIPSI 1. Judul/Tema
Analisis dan Prediksi Kinerja Aparatur Sipil Negara berdasarkan nilai indeks profesionalitas menggunakan Metode Machine Learning
2. Latar Belakang Masalah
Kinerja Aparatur Sipil Negara (ASN) telah menjadi masalah yang berlangsung lama di banyak negara termasuk di Indonesia. Meskipun telah dilakukan berbagai upaya untuk meningkatkan kinerjanya, masih terdapat masalah terkait produktivitas yang rendah, korupsi, dan penyampaian layanan yang tidak efektif. Salah satu metrik kinerja ASN yang penting adalah indeks profesionalisme yang mengukur berbagai faktor seperti kompetensi, etika, dan disiplin kerja.
Namun, mengukur dan menganalisis dengan akurat hubungan antara indeks profesionalisme dan kinerja ASN telah menjadi tantangan.
Di Indonesia, berbagai upaya telah dilakukan untuk mengembangkan sistem yang terstandardisasi untuk mengukur dan mengevaluasi kinerja ASN. Saat ini Pengukuran profesionalitas Aparatur Sipil Negara telah dilakukan dengan munculnya Peraturan Menteri Pendayagunaan Aparatur Negara dan Reformasi Birokrasi Republik Indonesia Nomor 38 Tahun 2018 tentang Pengukuran Indeks Profesionalitas Aparatur Sipil Negara. Peraturan digunakan sebagai pedoman instansi Pemerintah Pusat dan Pemerintah Daerah dalam melakukan pengukuran Indeks Profesionalitas Aparatur Sipil Negara (IP ASN) (PAN&RB, 2018). Lebih lanjut, teknis pengukuran IP ASN diatur dalam Peraturan Badan Kepegawaian Negara Nomor 8 Tahun 2019 tentang Pedoman Tata Cara dan Pelaksanaan Pengukuran Indeks Profesionalitas Aparatur Sipil Negara. . Sistem ini berfokus pada berbagai faktor, termasuk kualitas kerja, produktivitas, dan inovasi, serta profesionalisme dan perilaku etis. Penggunaan sistem ini telah membantu meningkatkan transparansi dan objektivitas dalam penilaian kinerja, serta memberikan gambaran yang lebih komprehensif tentang kinerja ASN. Namun demikian, masih ada ruang untuk perbaikan, data tersebut masih hanya sekedar sebagai penilaian dan pengukuran, diperlukan sebuah sistem yang dapat menganalisis data tersebut sehingga dapat digunakan sebagai acuan terhadap pembuatan kebijakan terkhususnya kebijakan kepegawaian
Mengukur dan menganalisis hubungan antara indeks profesionalisme dan kinerja ASN secara akurat menjadi tantangan tersendiri, karena metode analisis tradisional memiliki keterbatasan dan mungkin tidak memberikan hasil yang akurat. Analisis data secara manual dapat memakan waktu dan rentan terhadap kesalahan, sementara model statistik mungkin tidak dapat menangkap kompleksitas data. Untuk mengatasi keterbatasan ini, diperlukan metode analisis yang lebih modern yang dapat memberikan wawasan yang akurat dan dapat diandalkan tentang kinerja ASN. Dengan menganalisis data dari berbagai sumber, termasuk laporan dan survei pemerintah, algoritma Machine Learning dapat mengidentifikasi pola dan tren yang mungkin tidak terlihat dengan metode tradisional. Informasi ini dapat membantu pemerintah mengidentifikasi area yang membutuhkan perbaikan dan mengembangkan intervensi yang ditargetkan untuk meningkatkan kinerja ASN. Dengan menggunakan metode pembelajaran mesin, dimungkinkan untuk mendapatkan pemahaman yang lebih dalam tentang faktor-faktor yang berkontribusi terhadap kinerja ASN dan mengembangkan strategi untuk meningkatkannya.
Hal ini, pada gilirannya, dapat menghasilkan tata kelola pemerintahan yang lebih efektif dan layanan publik yang lebih baik bagi masyarakat. Dengan memanfaatkan kekuatan data dan alat analisis yang canggih, pemerintah dapat meningkatkan kinerja ASN
3. Rumusan Masalah
Berdasarkan uraian yang telah dipaparkan sebelumnya, maka rumusan masalah yang diangkat adalah Analisis dan Prediksi Kinerja Aparatur Sipil Negara berdasarkan nilai indeks profesionalitas menggunakan Metode Machine Learning
4. Kajian Pustaka
Machine Learning telah menjadi metode terbarukan yang menjadi tren di pertengahan tahun ini.
Metode ini menawarkan pendekatan yang lebih menjanjikan untuk menganalisis hubungan antara indeks profesionalisme dan kinerja ASN. Metode ini dapat memproses data dalam jumlah besar dengan cepat dan akurat, mengidentifikasi pola dan tren, serta membuat prediksi tentang performa di masa mendatang. Salah satu keunggulan Metode ini adalah bersifat non-parametrik, algoritma ini memungkinkan data itu sendiri untuk menentukan bagaimana informasi yang terkandung dalam variabel input untuk meramalkan nilai variabel output. (Coglianese dan Lehr 2017)
Upaya penerapan Metode Machine Learning pada lingkup Administrasi Publik dan Kebijakan Publik di Indonesia masih sangat terbatas. Dalam lingkup akademik, salah satu upaya adalah Penggunaan BIG Data untuk mengurangi miss-targeting program keluarga harapan (PKH) (Musaddad 2020; Barus dan Tarigan 2019). Penelitian lain adalah menebak kelayakan Aparatur Sipil Negara menduduki Jabatan Fungsional(Yulianti 2019; Sahibu, Bambang, dan Taufik 2023). Namun di luar negeri penggunaan tersebut sudah menjadi hal lumrah, dikutip dari (Coglianese dan Lehr 2017, 1161). New York City bekerja sama dengan departemen pemadam kebakaran dalam menentukan di mana harus mengirim inspektur bangunan. Kota Los Angeles memasang sensor di jalan-jalannya untuk mengoptimalkan arus lalu lintas dengan menentukan secara otomatis kapan lampu lalu lintas harus berubah menjadi merah atau hijau.
Kesimpulannya, Machine Learning telah menunjukkan potensinya untuk diterapkan di berbagai bidang, termasuk Administrasi Publik dan Kebijakan Publik. Namun, masih banyak upaya dan penelitian yang harus dilakukan untuk mengeksplorasi potensi penuh dan implikasi etisnya.
5. Metode Penelitian
Penelitian ini merupakan penelitian kuantitatif menggunakan metode Machine Learning.
Penelitian dilakukan dengan menganalisis Indeks Profesionalitas Aparatur Sipil Negara yang berasal dari BKN sebagai data tunggal. Data kemudian diproses untuk menemukan variabel yang paling berkaitan dengan variabel lainnya untuk menemukan pola
Daftar Pustaka
Barus, Rika Aprilawati, dan Pilipus Tarigan. 2019. “Implementasi Data Mining Untuk Menentukan Keluarga Yang Layak Mendapat Kartu PKH (Program Keluarga Harapan) Dengan Metode K-Means Clustering.” Jurnal Pelita Informatika.
Coglianese, Cary, dan David Lehr. 2017. “Regulating by Robot: Administrative Decision Making in the Machine-Learning Era.” The Georgetown Law Journal 105.
https://ssrn.com/abstract=2928293.
Musaddad, Aditama Azmy. 2020. “Optimalisasi Big Data Dalam Mengurangi Miss-Targeting Program Keluarga Harapan (PKH) Di Kabupaten Sidoarjo Dengan Pendekatan Machine Learning.” UPN “VETERAN” JATIM. http://repository.upnjatim.ac.id/2141/.
Sahibu, Supriadi, Rismawati Bambang, dan Imran Taufik. 2023. “Penerapan Data Mining Dalam Analisis Penilaian Kinerja Pegawai Menerapkan Metode K-Means” 7.
Yulianti, Asri. 2019. “Sistem Pengambilan Keputusan dalam Penentuan Kelas Jabatan Fungsional Umum (JFU) Pegawai Negeri Sipil (PNS) Menggunakan Metode Multi Rough Set dan Fuzzifikasi.” Jurnal Teknologi Informasi dan Ilmu Komputer 6 (1): 63.
https://doi.org/10.25126/jtiik.2019611230.
DI REVIEW OLEH:
SIGN :
MENGETAHUI,
KETUA PROGRAM STUDI
Dra. Februati Trimurni, M.Si., Ph.D.
Medan, 13 April 2023 Pemohon,
Juan Rico Gultom NIM 190903109
