Klasifikasi Bidang Pekerjaan IT pada LinkedIn Menggunakan TF-IDF dan Cosine Similarity

Dafa Fahreza Putra; Raissa Amanda  Putri

doi:10.54209/jatilima.v7i5.2113

Dafa Fahreza Putra Universitas Islam Negeri Sumtera Utara
Raissa Amanda Putri Universitas Islam Negeri Sumatera Utara

DOI: https://doi.org/10.54209/jatilima.v7i5.2113

Keywords: TF-IDF, Cosine Similarity, Klasifikasi Teks, Lowongan Kerja IT, Linkedin

Article Metrics

Abstract view : 87 times

Abstract

LinkedIn menjadi salah satu platform utama dalam publikasi lowongan kerja, namun banyak lowongan bidang Teknologi Informasi (IT) memiliki ketidaksesuaian antara judul jabatan dan isi deskripsi pekerjaan sehingga menyulitkan pencari kerja dalam memahami kebutuhan kompetensi secara akurat. Penelitian ini bertujuan untuk mengklasifikasikan bidang pekerjaan IT pada LinkedIn serta memvalidasi konsistensi label jabatan berdasarkan kesamaan deskripsi pekerjaan. Data dikumpulkan melalui proses web scraping menggunakan Selenium dengan total 417 data pada lima kategori, yaitu Frontend Developer, Backend Developer, Data Analyst, Cloud Engineer, dan UI/UX Designer. Tahapan pengolahan data dilakukan melalui preprocessing teks meliputi case lipat, tokenizing, stopword removal, dan stemming. Selanjutnya, fitur teks dibentuk menggunakan pembobotan TF-IDF dan tingkat kemiripan antar dokumen dihitung menggunakan metode cosine kesamaan. Hasil pengujian menunjukkan bahwa dari 417 data lowongan, sebanyak 393 data (94,24%) teridentifikasi valid karena label judul jabatan sesuai dengan deskripsi pekerjaan yang paling mirip, sedangkan 24 data (5,76%) terindikasi tidak valid. Setelah validasi, kategori dengan jumlah lowongan terbanyak adalah Cloud Engineer sebesar 155 data (39,44%), diikuti Data Analyst sebesar 107 data (27,23%), UI/UX Designer sebesar 57 data (14,50%), Frontend Developer sebesar 54 data (13,74%), dan Backend Developer sebesar 20 data (5,09%). Penelitian ini memberikan kontribusi berupa pendekatan berbasis kesamaan teks untuk membantu validasi klasifikasi TI lowongan sehingga informasi kebutuhan kompetensi pada lowongan kerja dapat lebih konsisten dan mudah dianalisis.

References

Amanda, T., Sembiring, B., Hasibuan, M. S., Studi, P., Komputer, I., Islam, U., & Sumatera, N. (2023). Text Clustering In Karo Language Using Tf-Idf Weighting And K- Text Clustering Dalam Bahasa Karo Menggunakan Pembobotan Tf-Idf Dan K-Means Clustering. 4(5), 1257–1265.

Asriyani Arsad, Mustamin Hamid, M. S. (2024). Penerapan Teks Mining Dan Cosine Similarity Untuk Menentukan Kesamaan Dokumen Skripsi. IJIS Indonesian Journal on Information System, 9(April 2024), 99–109.

Bahri, M. S., & Iroe, D. R. (2024). Pengaruh Teknologi Informasi Dan Karakteristik Pekerjaan Terahadap Kepuasan Kerja Pada Pt . Eratex Djaja Probolinggo. 20(1), 77–87.

Furqan, M., Putri, R. A., Agus, I., & Daulay, M. (2024). Implementasi Text Mining Dalam Identifikasi Cyber Hate Speech Menggunakan Support Vector Machine. 8(4), 477–483.

Habibi, R., & Albanna, M. D. (2022). Analisis Sistem Rekomendasi Pada Job Recommendation Berdasarkan Profil Linkedin Menggunakan Cosine Similarity. 14(3), 118–122.

Hersianty, V. M., Amalia, E. L., Puspitasari, D., Wibowo, D. W., Informatika, T., Malang, P. N., Similarity, C., Kerja, P., Pekerjaan, L., & Document, A. T. F. (2025). Penerapan Algoritma Tf-Idf Dan Cosine Similarity Dalam Sistem Rekomendasi Lowongan Pekerjaan. 9(1), 1619–1625.

Hidayat, R. Y. (2025). Analisis Dan Klasifikasi Sentimen Terhadap Brand Infinix Tecno dan Itel Menggunakan Kombinasi Metode Naive Bayes Dan Cosine Similarity. 4(April), 1–23.

Lahitani, A. R. (2022). Automated Essay Scoring menggunakan Cosine Similarity pada Penilaian Esai Multi Soal. Jurnal Kajian Ilmiah, 22(2), 107–118. https://doi.org/10.31599/jki.v22i2.1121

Lindang, D. N., Muniar, A. Y., Halid, A., Muhajirin, M., & Amiruddin, A. (2022). Sistem Penentuan Kemiripan Antar Skripsi Menggunakan Metode Cosine Similarity Pada Perpustakaan. Sntei, 321–324.

Malik, M., & Malang, I. (2025). Analisis Kesesuaian Lowongan Pekerjaan dan Kemampuan Pencari Kerja dengan Menggunakan Metode Cosine Similarity. 24(3), 617–631.

Muhammad Syahrani, D. (2022). Rangking Indeks Berita Larangan Mudik Pada Portal Media Onlinedengan Metode Tf-Idf Dan Cosine Similarity Menggunakan Machine Learning. Jurnal Manajemen Informatika & Sistem Informasi (MISI), 5, 29. https://doi.org/10.36595/misi.v5i1

Nico, Budiyanto, U., & Fatimah, T. (2022). Implementasi Algoritma Pembobotan TF-IDF dan Cosine Similarity untuk Penetapan Kategori Artikel pada Website Universitas Budi Luhur. Jurnal TICOM: Technology of Information and Communication, 10(3), 218–222.

Nilawati, Husaini, & Salat, J. (2024). Penggunaan Metode Cosine Similarity Dan Tf-Idf Untuk Klasifikasi Judul Seminar Proposal Pada Fakultas Teknik Universitas Jabal Ghafur. Sagita Academia Journal, 2(1), 72–79. https://doi.org/10.61579/sagita.v2i1.60

Nuzul Hikmah, Dyah Ariyanti, & Ferry Agus Pratama. (2022). Implementasi Chatbot Sebagai Virtual Assistant di Universitas Panca Marga Probolinggo menggunakan Metode TF-IDF. JTIM : Jurnal Teknologi Informasi dan Multimedia, 4(2), 133–148. https://doi.org/10.35746/jtim.v4i2.225

Putra, R. F., & Nisa, F. L. (2024). Dampak Pemasaran Produk Melalui Live Streaming Terhadap Terbukannya Lapangan Pekerjaan Baru Pada Platform Linkedin. 4, 73–78.