ANALISIS HARD SKILL LOWONGAN KERJA BIDANG INFORMATIKA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) DAN K-NEAREST NEIGHBORS (KNN) UNTUK MAPPING LEARNING PATH

VANIA, YOLANDA (2025) ANALISIS HARD SKILL LOWONGAN KERJA BIDANG INFORMATIKA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) DAN K-NEAREST NEIGHBORS (KNN) UNTUK MAPPING LEARNING PATH. FAKULTAS TEKNIK, UNIVERSITAS LAMPUNG.

Preview	Text ABSTRAK.pdf Download (10kB) | Preview
	Text SKRIPSI FULL.pdf Restricted to Repository staff only Download (4MB) | Request a copy
Preview	Text SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (2MB) | Preview

Abstract

Perkembangan teknologi informasi meningkatkan kebutuhan akan keterampilan teknis di bidang informatika, namun masih terdapat kesenjangan antara kompetensi lulusan dan kebutuhan industri. Penelitian ini bertujuan menyusun jalur pembelajaran berbasis data lowongan kerja dan kurikulum. Mengguanakan pendekatan CRISP-DM dengan metode Support Vector Machine (SVM) untuk mengklasifikasikan keterampilan serta K-Nearest Neighbors (KNN) untuk memberikan rekomendasi pembelajaran. Dataset mencakup 628 lowongan kerja dari Tech in Asia dan 65 mata kuliah dari Computing Curricula 2020. Hasil penelitian menunjukkan bahwa keterampilan yang paling dibutuhkan meliputi backend development, data analysis, Python, JavaScript, SQL, dan data management. Rekomendasi jalur pembelajaran berhasil merekomendasikan 1.884 yang menghubungkan keterampilan industri dengan mata kuliah relevan di bidang pemrograman, data science, dan teknologi informasi. Penelitian ini memberikan gambaran yang jelas tentang kebutuhan keterampilan industri dan kaitannya dengan kurikulum, sehingga dapat menjadi bahan pertimbangan dalam penyusunan kurikulum dan perencanaan belajar mahasiswa. Kata kunci : CRISP-DM, SVM, KNN, keterampilan teknis, learning path, rekomendasi kurikulum

Item Type:	Other
Subjects:	?? 004 ?? ?? 005 ?? ?? 620 ??
Divisions:	?? Informatika ??
Depositing User:	2507999329 Digilib
Date Deposited:	12 Dec 2025 02:38
Last Modified:	12 Dec 2025 02:38
URI:	http://digilib.unila.ac.id/id/eprint/94175

Actions (login required)

View Item