Aplikasi Model Prediksi Gaji Profesi Data Berbasis Website Menggunakan Flask Dan Metode Decision Tree
Abstract
Zaman sekarang, informasi mengenai lowongan pekerjaan sudah banyak
tersedia secara online melalui berbagai situs, di antaranya adalah LinkedIn dan
JobStreet. Kedua situs ini termasuk dalam situs lowongan kerja terpercaya dan
paling banyak diakses oleh calon pekerja Indonesia. Dalam situs tersebut, tersedia
informasi dan kualifikasi apa saja yang dibutuhkan dalam suatu profesi, termasuk
informasi gaji yang ditawarkan. Kondisi ideal dalam menentukan gaji seorang
pekerja adalah disesuaikan dengan kompetensi dan kualifikasinya. Namun tak
jarang, perusahaan menyamaratakan gaji suatu profesi padahal kualifikasinya
berbeda. Di sisi lain, calon pekerja juga terkadang kebingungan dan bahkan
menjawab tidak disesuaikan dengan kualifikasi yang dimiliki jika ditanyakan
mengenai gaji yang diharapkan pada proses negosiasi gaji. Penelitian ini bertujuan
untuk memprediksi gaji profesi data yaitu Data Engineer, Data Analyst, dan Data
Scientist dengan menggunakan metode terbaik yang diperoleh dari 3 metode yaitu
Random Forest, Support Vector Regression, dan Decision Tree, serta
menyajikannya dalam bentuk website sehingga mudah digunakan. Pengambilan
data dilakukan dengan cara web scraping pada tanggal 4 November 2021 untuk
data LinkedIn dan tanggal 6 Desember 2021 untuk data Jobstreet. Variabel-variabel
yang berhubungan cukup kuat terhadap “gaji” adalah “nama profesi data”, “lokasi
perusahaan”, “tingkat pekerjaan”, “lama pengalaman”, “ukuran perusahaan”, dan
“industri”. Metode terbaik yang diperoleh dalam penelitian ini adalah Decision
Tree menggunakan SMOTE dengan jumlah data per kategori “nama profesi data”
adalah n=87. Parameter yang digunakan pada metode tersebut merupakan
parameter terbaik yang diperoleh dari proses hyperparameter tuning dengan hasil
evaluasi adalah R
sebesar 0,669, RMSE sebesar 147,817, serta MAPE sebesar
14,1%. Website hasil deployment dari model tersebut dapat diakses pada URL
https://prediksi-gaji-profesi-data.herokuapp.com/.
Collections
- Statistics [905]