IMPLEMENTASI ALGORITMA K-MEANS CLUSTER UNTUK REKOMENDASI PEKERJAAN BERDASARKAN PENGELOMPOKKAN DATA PENDUDUK

Main Article Content

Lina Listiani Yoga Handoko Agustin Yoga Handoko Agustin Mochammad Zaenal Ramdhani

Abstract

Tingkat kesejahteraan penduduk suatu wilayah dilihat dari tingkat pengangguran diwilayah tersebut. Semakin rendah tingkat pengangguran semakin tinggi juga tingkat kesejahteraan suatu wilayah dan sebaliknya. Pekerjaan dibutuhkan oleh setiap orang yang menginjak usia produktif, semakin tahun tingkat pengangguran semakin meningkat karena tidak diimbangi dengan lapangan pekerjaan yang memadai. Pemasalahan ketenagakerjaan juga disebabkan karena kurangnya kebutuhan kompetensi dan keahlian yang dibutuhkan oleh pengguna tenaga kerja.  Pada penelitian ini dilakukan pengelompokkan dan rekomendasi pekerjaan berdasarkan data penduduk dari faktor pendidikan, umur dan jenis kelamin menggunakan algoritma k-means cluster. Data yang digunakan adalah data penduduk kelurahan bungursari tahun 2017 pada tahun kelahiran 1969 sampai 1999 lulusan SLTA/Sederajat. Atribut yang digunakan adalah NIK, jenis kelamin, tanggal dan tahun lahir, pendidikan terakhir dan jenis pekerjaan. Penerapan algoritma K-Means dapat menggelompokkan data penduduk kelurahan bungursari menjadi 4 cluster yaitu,  C1 untuk rekomendasi jenis pekerjaan buruh harian lepas, C2 untuk rekomendasi jenis pekerjaan wirausaha, C3 untuk rekomendasi jenis pekerjaan karyawan swasta dan C4 untuk rekomendasi jenis perkerjaan karyawan honorer. Nilai akurasi yang dihasilkan sebesar 79% dengan nilai AUC yang diklasifikan sebagai fair  atau cukup.
Kata Kunci – K-Means Clustering, pengelompokkan, rekomendasi, pekerjaan

Article Details

How to Cite
LISTIANI, Lina et al. IMPLEMENTASI ALGORITMA K-MEANS CLUSTER UNTUK REKOMENDASI PEKERJAAN BERDASARKAN PENGELOMPOKKAN DATA PENDUDUK. SENSITIf : Seminar Nasional Sistem Informasi dan Teknologi Informasi, [S.l.], p. 761-769, dec. 2019. Available at: <https://ejurnal.dipanegara.ac.id/index.php/sensitif/article/view/439>. Date accessed: 29 feb. 2020.
Section
Articles