SKRIPSI

IMPLEMENTASI ALGORITMA
K-NEAREST NEIGHBOR UNTUK
KLASIFIKASI JENIS PEKERJAAN
DI BIDANG TEKNOLOGI INFORMASI

AS. Suci Asriana NIM 2018-31-198

 Saat ini masih banyak pekerjaan di industri perkembangan
Latar Be- teknologi komputer, diperkirakan akan terus berkembang
ke masa depan. jenis pekerjaan di bidang ilmu komputer dan
lakang informatika sangat banyak dan spesifik yaitu sekitar 550 pekerjaan,
hal ini menunjukkan bahwa pencari kerja khususnya, lulusan
perguruan tinggi harus fokus pada jenis karir yang ingin di capai
dan disesuaikan dengan ketrampilan/skill yang dibutuhkan oleh
industri. Menurut KKNI APTIKOM tahun 2019
 Tujuan Penelitian
Melakukan klasifikasi jenis pekerjaan di bidang Teknologi Informasi,
Yang dimana proses klasifikasi di bagi menjadi 10 jenis pekerjaan
menggunakan
metode K-Nearest Neighbor.
hasil penelitian ini nantinya bisa menjadi salah satu pedoman
Perguruan Tinggi (PT) di bidang Ilmu Komputer yang ada di Indonesia
dalam menyusun kompetensi lulusan dan kurikulum PT sesuai dengan
kebutuhan indsutri
 Tahapan Design Science Research
Design Science Research (DSR) cara peneliti menjawab masalah penelitian dengan menghasilkan sebuah artefak yang inovatif
Artefaknya bisa berupa model, prototipe, ataupun metode

Peffers,2007
Design Science Research Methodology.
Model Artefak Penelitian
proses
Scraping website Kalibrr.com

Tampilan awal website Kalibrr.com

Hasil Scraping

Data hasil scraping

yang telah di download

Sebanyak 450 data dengan atribut

nomer, web-scraper-order, web-
scraper-start-url, job, job-href,
deskripsi,kualifikasi.
Pemilihan Atribut

Untuk melakukan text pre prosesing

maka dipilih atribut
Job(jenis pekerjaan) dan kualifikasi
Hasil tahap teks pre prosesing

Hasil tahap pre prosesing

Sehingga data Kembali ke bentuk dasar
Tidak lagi memiliki kata imbuhan.
TF-IDF

Hasil ringkasan kata yang di peroleh

seberapa relevan kata yang ada
pada dokumen tersebut
Euclidean Distance

tahapan menghitung jarak

antar dokumen
Klasifikasi K-Nearest Neighboar

Pada tahapan proses K-Nearest Neighboar ini,

seluruh data yang telah melewati tahap
teks pre processing hasil scraping website
tersebut kemudian
di klasifikasikan
menjadi 10 kategori job,
Dengan K= 5
Akurasi menggunakan
k-fold cross validation

nilai 10 fold cross validation

merupakan nilai yang di rekomendasikan
Untuk melakukan percobaan
sebanyak 10 kali tahapan.
Akurasi menggunakan
k-fold cross validation

dari proses pengujian data

maka di dapatkan
performa dari 10 fold cross validation
sebesar 100%.
Ketika menggukur kinerja
model menggunakan cross validation
maka akurasi yang
di hasilkan semakin baik .
 Kesimpulan
Dari hasil penelitian yang dilakukan maka di dapatkan hasil sebagai berikut :
1. Klasifikasi 10 jenis pekerjaan di bidang Teknologi Informasi dilakukan dengan menggunakan
langkah-langkah web scraping, teks pra prosesing, pembobotan menggunakan TF-IDF, menghitung jarak
dengan Euclidean Distance, dan Klasifikasi algoritma K-Nearest Neighor.
2.Klasifikasi dilakukan menjadi 10 Kelas yaitu
Database administrator, Computer and Information Reserch Scientist,
Computer Network Architects, Software Developer System,
Computer System Analyst, Web Developer,
Software Developer Aplication,
Information Security Analyst,
Computer Support Specialist, dan Network and Computer System Administrator
sesuai pedoman pada computing curricula 2020.
3.Hasil akurasi yang di dapat menggunakan k-fold cross validation dengan 10 iterasi maka didapat akurasi
sebesar 100%.
Saran
Hasil klasifikasi dapat digunakan untuk menyusun matakuliah peminatan yang sesuai dengan
jenis pekerjaan di dunia industri.
Terima Kasih