PENERAPAN METODE LSTM DAN NLP DALAM PREDIKSI PERMINTAAN TENAGA KERJA MASA DEPAN INDONESIA BIDANG TEKNOLOGI INFORMASI

Kebutuhan tenaga kerja digital di sektor teknologi informasi di Indonesia terus
meningkat, namun belum diimbangi dengan ketersediaan tenaga kerja yang memiliki
keterampilan sesuai kebutuhan industri. Penelitian ini bertujuan untuk memetakan
keterampilan yang paling dibutuhkan serta memprediksi tren permintaan tenaga kerja
masa depan di bidang teknologi informasi menggunakan pendekatan Natural
Language Processing (NLP) dan Long Short-Term Memory (LSTM). Penelitian ini
menggunakan kerangka CRISP–DM, dengan data diperoleh dari situs Jobstreet dan
Kaggle. Pada tahap NLP, digunakan tiga teknik utama, yaitu TF–IDF, keyword
matching, dan Named Entity Recognition (NER) berbasis spaCy untuk mengekstraksi
keterampilan dominan dari deskripsi pekerjaan. Hasil ekstraksi menunjukkan tingkat
coverage sebesar 95,88% dan diversity sebesar 18,46%, yang menandakan jangkauan
kata kunci yang luas dengan variasi entitas keterampilan yang cukup beragam. Pada
tahap prediksi, model Stacked LSTM digunakan untuk memprediksi tren jumlah
lowongan kerja berdasarkan kategori pekerjaan. Evaluasi menunjukkan bahwa
model memiliki performa yang baik, dengan hasil terbaik pada kategori Frontend
Developer (MAE = 7,70; MAPE = 48,95%) dan DevOps Engineer (MAE = 11,26;
MAPE = 48,17%). Hasil pemetaan menunjukkan keterampilan seperti Python, SQL,
ReactJS, dan Data Analisis paling banyak dibutuhkan, dengan konsentrasi lowongan
tertinggi di wilayah Jakarta Raya.
Kata Kunci : NLP, LSTM, Prediksi Tenaga Kerja, Teknologi Informasi, Pemetaan
Keahlian