PENGELOMPOKAN SKILL REQUIREMENT PADA LOWONGAN PEKERJAAN ALUMNI MENGGUNAKAN ALGORITMA K-MEANS

• Main Author: Nugraha, Rizki (Author)
• Format: Book
• Published: 2020-01-31.
• Subjects: Thesis; NonPeerReviewed
• Online Access: Link Metadata
• Notes: http://repository.upi.edu/48963/1/S_KOM_1506748_Title.pdf; http://repository.upi.edu/48963/2/S_KOM_1506748_Chapter1.pdf; http://repository.upi.edu/48963/3/S_KOM_1506748_Chapter2.pdf; http://repository.upi.edu/48963/4/S_KOM_1506748_Chapter3.pdf; http://repository.upi.edu/48963/5/S_KOM_1506748_Chapter4.pdf; http://repository.upi.edu/48963/6/S_KOM_1506748_Chapter5.pdf; http://repository.upi.edu/48963/7/S_KOM_1506748_Appendix.pdf
• Keywords: L Education (General); QA75 Electronic computers. Computer science

Pengangguran merupakan salah satu permasalahan besar di Indonesia. Badan Pusat Statistik menunjukkan penurunan angka pengangguran di tingkat SD, SMP, SMK, dan SMA, namun justru mengalami peningkatan pada tingkat Diploma dan Sarjana. Salah satu faktor penyebab permasalahan ini adalah kesenjangan yang terjadi antara industri dengan pendidikan tinggi. Permasalahan ini dapat diatasi dengan memberikan lulusan pendidikan tinggi pengetahuan mengenai kebutuhan industri saat ini. Salah satunya dapat diperoleh melalui lowongan pekerjaan yang tersebar dalam sebuah media sosial, salah satunya grup alumni Departemen Pendidikan Ilmu Komputer UPI. Untuk mempermudah lulusan mendapatkan pengetahuan tersebut dilakukan pengelompokan lowongan pekerjaan dengan metode k-Means. Pemrosesan lowongan pekerjaan. Sebelum dapat dikelompokkan harus mengalami praproses terlebih dahulu. Praproses yang dilakukan menggunakan kerangka kerja text mining, langkah-langkahnya terdiri atas case folding, tokenizing, filtering, dan stemming. Khusus untuk stemming menggunakan algoritma Nazief dan Adriani karena menggunakan bahasa Indonesia. Hasil praproses direpresentasikan menjadi angka menggunakan algoritma TF-IDF dan ekstraksi fitur PCA untuk mereduksi dimensi. Setelah itu dilakukan pengelompokkan menggunakan algoritma k-Means dengan jumlah cluster yang bervariasi dan evaluasi menggunakan metode Elbow dan Silhouette Coefficient. Dari hasil analisis evaluasi cluster didapatkan nilai Sum of Squared Error sebesar 2.6517 dan nilai silhouette sebesar 0.5795 pada jumlah cluster 3.