ANALISIS HARD SKILL PELATIHAN DAN SERTIFIKASI BIDANG INFORMATIKA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) DAN K-NEAREST NEIGHBORS (KNN) UNTUK PEMETAAN CAREER PATH

MURTI , SARI DEWI (2025) ANALISIS HARD SKILL PELATIHAN DAN SERTIFIKASI BIDANG INFORMATIKA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) DAN K-NEAREST NEIGHBORS (KNN) UNTUK PEMETAAN CAREER PATH. FAKULTAS TEKNIK, UNIVERSITAS LAMPUNG.

Preview	File PDF ABSTRAK - Murti Sari Dewi.pdf Download (258Kb) | Preview
	File PDF SKRIPSI FULL - Murti Sari Dewi.pdf Restricted to Hanya staf Download (6Mb) | Minta salinan
Preview	File PDF SKRIPSI TANPA PEMBAHASAN - Murti Sari Dewi.pdf Download (2575Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Transformasi digital telah meningkatkan permintaan terhadap keterampilan teknis (hard skill) di bidang informatika. Namun, masih terdapat kesenjangan antara kompetensi lulusan dan kebutuhan industri. Penelitian ini bertujuan untuk menyusun jalur pembelajaran (career path) berbasis data lowongan kerja dan kursus daring dengan pendekatan CRISP-DM. Metode yang digunakan meliputi algoritma Support Vector Machine (SVM) untuk mengklasifikasikan kategori pekerjaan, serta K-Nearest Neighbors (KNN) untuk merekomendasikan kursus yang relevan. Dataset yang digunakan terdiri dari 628 data lowongan kerja dari Tech in Asia dan 623 kursus dari Coursera. Hasil penelitian menunjukkan bahwa keterampilan seperti data analysis, Python, dan backend development merupakan yang paling dibutuhkan oleh industri. Jalur pembelajaran berhasil direkomendasikan sebanyak 2086 baris kursus, terutama pada bidang data science dan machine learning. Sistem ini diharapkan dapat membantu alumni dalam merencanakan pengembangan keterampilan yang sesuai dengan kebutuhan pasar kerja. Kata kunci: CRISP-DM, SVM, KNN, career path, keterampilan teknis, rekomendasi kursus. Digital transformation has significantly increased the demand for technical Skills (hard Skills) in the field of informatics. However, a gap still exists between graduates' competencies and industry requirements. This study aims to develop a career path recommendation system based on job vacancy data and online training courses using the CRISP-DM approach. The methods employed include the Support Vector Machine (SVM) algorithm to classify job categories and the K-Nearest Neighbors (KNN) algorithm to recommend relevant courses. The dataset consists of 628 job postings from Tech in Asia and 623 courses from Coursera. The results show that Skills such as data analysis, Python, and backend development are among the most in-demand in the industry. A total of 2,086 course recommendations were generated, particularly in the fields of data science and machine learning. This system is expected to assist graduates in planning their skill development more effectively, aligning with the current demands of the job market. Keywords: CRISP-DM, SVM, KNN, career path, technical Skills, course recommendation.

Jenis Karya Akhir:	Skripsi
Subyek:	600 Teknologi (ilmu terapan) > 620 Ilmu teknik dan ilmu yang berkaitan
Program Studi:	FAKULTAS TEKNIK (FT) > Prodi S1-Teknik Elektro
Pengguna Deposit:	UPT . Desi Zulfi Melasari
Date Deposited:	28 Oct 2025 03:27
Terakhir diubah:	28 Oct 2025 03:27
URI:	http://digilib.unila.ac.id/id/eprint/92152

Actions (login required)

Lihat Karya Akhir