Research Case : Pemanfaatan Knowledge Lowongan Pekerjaan dari Aplikasi LinkedIn untuk Mengatasi Tantangan dan Memanfaatkan Peluang Bonus Demografi di Indonesia Emas 2045
Ini adalah Proyek Akhir Kelompok saya untuk Startup Campus dalam bidang Knowledge Science dan AI.
Proses pembuatan Venture kali ini mengacu pada metodologi dari CRISP-DM, dimana saya melakukan iterasi berulang kali pada enterprise understanding dan information understanding hingga dapat menemukan solusi untuk masalah yang ada.
Drawback Assertion : Bonus demografi di Indonesia Emas 2045 membawa peluang besar, namun juga menghadirkan berbagai tantangan kompleks di pasar tenaga kerja. Upaya proaktif dan kolaboratif dari pemerintah, swasta, dan masyarakat diperlukan untuk mempersiapkan SDM unggul dan menciptakan pasar tenaga kerja yang inklusif dan berkelanjutan
Namun, ada beberapa poin permasalahan untuk menggapai cita-cita Indonesia emas pada tahun 2045, Khususnya bagaimana Indonesia dapat memanfaatkan bonus demografi di pasar tenaga kerja.
Ini adalah beberapa poin-poin permasalahan yang dapat Saya temukan:
Saya juga melampirkan Knowledge Pendukung pada masalah yang diangkat
Menurut Badan Pusat Statistik, perkembangan bonus demografi yang signifikan setiap 10 tahunnya dapat mengimplikasikan adanya suatu dampak di berbagai bidang dalam kehidupan, terutama dunia industri dan pekerjaan.
Lalu, adanya pernyataan dari Bapak Muhadjir Effendy selaku Menteri Koordinator Bidang Pembangunan Manusia dan Kebudayaan Republik Indonesia.
Beliau berkata:
Saya menyajikan sebuah solusi untuk dapat membantu permasalahan yang ada dengan Knowledge Lowongan Pekerjaan dari Aplikasi Linkedln.
Goal Utama dari Solusi saya adalah Job Seeker atau para pencari kerja.
Namun solusi kami juga dapat dipakai oleh:
- Siswa yang bingung ingin menekuni business/ability apa untuk karirnya.
- Orang yang baru memasuki dunia kerja.
- Pekerja yang memutuskan untuk berpindah karir business pekerjaan.
Berikut adalah Solusi yang diberikan:
Knowledge Understanding
Ada 3 langkah utama yang dilakukan pada tahap Knowledge Understanding ini:
Secara keseluruhan, Knowledge ini berisi informasi lowongan pekerjaan, termasuk element persyaratan, gaji, dan profit yang ditawarkan dari berbagai Perusahaan.
karena information terpisah-pisah maka saya harus mencari tahu Main Key setiap information agar dapat dilakukan proses Merging.
Knowledge Preparation
Setelah melakukan Knowledge Understanding maka dapat dilakukan Knowledge Preparation untuk proses analisis.
Berikut beberapa Knowledge Preparation yang dilakukan:
Seperti contoh saya menghandle Lacking Worth pada Fitur “deskripsi_keterampilan” dengan isi dari fitur ‘Business’ dan ‘Ability’, lalu diolah menggunakan bantuan TRANSFORMER textgeneration untuk membuat fitur baru bernama ‘deskripsi_skill’.
Lalu saya juga melakukan Deal with Incosistent Knowledge pada Fitur
“ periode_pembayaran_gaji ”,
saya juga melakukan Function Engineering dengan whole 8 Fitur baru dan Melakukan Function Choice untuk dapat mengeliminasi Fitur yang tidak diperlukan.
Setelah Melakukan Exploratory Knowledge Evaluation (EDA), saya mendapatkan kesimpulan:
Clustering
Saya membuat 2 mannequin untuk venture kali ini yaitu Clustering dan NLP.
Untuk Mannequin Clustering saya memilih Agglomerative Clustering, karena setelah dilakukan beberapa perbandingan mannequin dengan DBSCAN, Ok-means. Agglomerative Clustering paling bagus untuk mengelompokan cluster pada dataset kali ini.
setelah itu dilakukan Profiling Cluster
Setelah melakukan analisis pada Cluster dapat diambil kesimpulan bahwa:
Pure Language Processing (NLP)
Setelah melakukan Evaluasi berulang kali ini adalah Metric Evaluasi pada BOW yang didapat:
Saya juga membuat Artikel untuk menjelaskan hasil Analisis yang lebih lengkap karena Dashboard yang dibuat sengaja dibuat sederhana agar dapat dimengerti oleh Public Person tanpa Backgound Knowledge sekalipun
Berikut adalah Pocket book yang digunakan dalam proses pengerjaan venture kali ini:
https://colab.research.google.com/drive/1Sz8Fl1SI_sAnzfBucvT6Fha23TCsgvJ?usp=sharing
