• Login
    View Item 
    •   DSpace Home
    • Students & Alumnae
    • Undergraduate Thesis
    • Faculty of Mathematics and Natural Sciences
    • Statistics
    • View Item
    •   DSpace Home
    • Students & Alumnae
    • Undergraduate Thesis
    • Faculty of Mathematics and Natural Sciences
    • Statistics
    • View Item
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Aplikasi Model Prediksi Gaji Profesi Data Berbasis Website Menggunakan Flask Dan Metode Decision Tree

    Thumbnail
    View/Open
    18611141.pdf (365.6Kb)
    Date
    2022-05-18
    Author
    WANDA LISTATHEA PUTRI
    Metadata
    Show full item record
    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/.
    URI
    https://dspace.uii.ac.id/handle/123456789/38842
    Collections
    • Statistics [1224]

    DSpace software copyright © 2002-2015  DuraSpace
    Contact Us | Send Feedback
    Theme by 
    @mire NV
     

     

    Browse

    All of DSpaceCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

    My Account

    LoginRegister

    DSpace software copyright © 2002-2015  DuraSpace
    Contact Us | Send Feedback
    Theme by 
    @mire NV