Penerapan Similarity Text untuk Tracer Study Data LinkedIn Mahasiswa
Abstrak
Tracer Study merupakan praktek penting dalam Institusi, memberikan insight berharga tentang karir dan pekerjaan dari lulusan, namun pelaksanaan Tracer Study secara tradisional, masih sering mendapatkan beberapa tantangan dalam pengumpulan data yang akurat dan waktu yang lama. Untuk mengatasi hal ini, penelitian ini mengusulkan pemanfaatan platform digital LinkedIn melalui proses web crawling dan penerapan metode similarity text untuk menyamakan data alumni dari SIAKAD dengan data LinkedIn. Penelitian akan dilakukan secara bertahap mulai dari studi literatur, perancangan sistem, implementasi serta pengujian metode similarity text, khususnya jaccard similarity, cosine similarity, dan levenshtein distance. Pengujian akan memanfaatkan confusion matrix terhadap tiga skenario variasi nama dengan total 30 data nama sebagai ground truth untuk menilai precision, recall dan f1-score dari tiap metode. Hasil penelitian menunjukkan bahwa tidak ada metode maupun threshold yang terbaik untuk ketiga skenario pengujian. Pada penelitian ini, nilai recall dan f1-score dari ketiga metode untuk seluruh skenario pengujian cenderung rendah akibat sedikitnya pasangan nama yang benar-benar cocok dalam data pengujian. Kesimpulannya, similarity text dapat dilakukan untuk meningkatkan efektivitias tracer study, namun keakuratannya sangat dipengaruhi oleh karakteristik data yang digunakan.