Skip to main navigation menu Skip to main content Skip to site footer

Articles

Vol. 11 No. 6 (2026): Kohesi: Jurnal Sains dan Teknologi, ISSN 3025-1311

SEGMENTASI LOWONGAN PEKERJAAN MENGGUNAKAN ALGORITMA K-MEDOIDS DENGAN GOWER DISTANCE BERDASARKAN POLA MASS HIRING PADA PLATFORM ABC

DOI:
https://doi.cibangsa.org/DOI-2026-820
Submitted
November 9, 2026
Published
2026-11-09

Abstract

Perkembangan platform digital menghasilkan data lowongan pekerjaan yang dapat dimanfaatkan untuk memahami pola kebutuhan tenaga kerja melalui pendekatan People Analytics. Penelitian ini bertujuan melakukan segmentasi lowongan pekerjaan berdasarkan pola mass hiring dengan mempertimbangkan durasi publikasi, pengalaman kerja minimum, dan ukuran perusahaan. Data penelitian berasal dari tiga dataset pada platform ABC, yaitu jobs, companies, dan size. Setelah proses integrasi, pra-pemrosesan, serta penghapusan data yang memiliki nilai kosong, diperoleh 3.763 data lowongan pekerjaan dengan empat fitur, yaitu duration, minimum_experience, is_mass_hiring, dan size. Proses segmentasi dilakukan menggunakan algoritma K-Medoids dengan Gower Distance untuk mengakomodasi kombinasi variabel numerik dan kategorikal. Penentuan jumlah klaster dilakukan dengan mengevaluasi nilai Silhouette Score pada k = 2 hingga k = 6. Hasil penelitian menunjukkan bahwa jumlah klaster terbaik di antara nilai k yang diuji adalah enam klaster dengan Silhouette Score sebesar 0,7640. Klaster 0, 4, dan 5 termasuk kategori non-mass hiring, sedangkan Klaster 1, 2, dan 3 termasuk kategori mass hiring. Kelompok mass hiring memiliki rata-rata durasi publikasi antara 19,15 hingga 22,30 hari, lebih tinggi dibandingkan kelompok non-mass hiring yang berkisar antara 13,54 hingga 15,15 hari. Hasil segmentasi menunjukkan adanya perbedaan karakteristik perekrutan berdasarkan status mass hiring, durasi publikasi, pengalaman kerja minimum, dan ukuran perusahaan.

References

  1. [1] Analisis Peran People Analytics dalam Strategi Pengembangan SDM. (2025). Management Studies and Entrepreneurship Journal (MSEJ), 6(4), 5141-5146. https://doi.org/10.37385/msej.v6i4.8153
  2. [2] Manca, F., & Oses Arranz, A. (2022). Skills for the digital transition: Assessing recent trends using big data. OECD. https://doi.org/10.1787/38C36777-EN.
  3. [3] Gower, J. C. (1971). A general coefficient of similarity and some of its properties. Biometrics, 857-871. https://doi.org/10.2307/2528823.
  4. [4] Medoids, P. A. (1990). Partitioning around medoids (Program PAM). https://doi.org/10.1002/9780470316801.CH2.
  5. [5] Agustyani, E. M., & Santoso, I. (2020). Analisis Lowongan Pekerjaan. In Seminar Nasional Official Statistics (Vol. 2020, No. 1, pp. 226-235). https://doi.org/10.34123/SEMNASOFFSTAT.V2020I1.362.
  6. [6] Harahap, T. A. J., & Santoso, C. B. (2025). Analisis Tren Lowongan Pekerjaan Software Engineering Di Indonesia Dengan Clustering Dan Social Network Analysis. IDEALIS: Indonesia Journal Information System, 8(2), 160-171. https://doi.org/10.36080/IDEALIS.V8I2.3518.
  7. [7] Wahyudi, T. A., Arifia, A., & Suryanto, A. A. (2025). Application of Text Mining and K-Medoids for Job Clustering Based on Job Description Analysis. Jurnal Teknologi dan Manajemen Informatika, 11(1), 100-109. https://doi.org/10.26905/JTMI.V11I1.15863.
  8. [8] Prasetya, D. A., & Muhaimin, A. (2024). Analisis Klaster Partitioning Around Medoids dengan Gower Distance untuk Rekomendasi Indekos (Studi Kasus: Indekos di Sekitar Kampus UPNVJT). G-Tech: Jurnal Teknologi Terapan, 8(3), 2060-2069. https://doi.org/10.33379/GTECH.V8I3.4898.
  9. [9] Fadilah, Z. R., & Wijayanto, A. W. (2023). Perbandingan metode klasterisasi data bertipe campuran: One-hot-encoding, gower distance, dan k-prototype berdasarkan akurasi (studi kasus: Chronic kidney disease dataset). Journal of Applied Informatics and Computing, 7(1), 63-73.
  10. [10] Khurniawan, A. W., Erda, G., Wira, B. T. I., Tengku, A., Arisman, A., Susilawati, S., & Miftahus, S. (2026). Klasterisasi Profil Sekolah Penerima Bantuan Revitalisasi SMK 2025 berbasis K-Medoids dan Gower Distance. Jurnal Vocational Education Policy, 1(1), 1-19. https://doi.org/10.66599/WP.V1I1.40.
  11. [11] Munthe, A. D. (2023). Identifikasi Karakteristik Desa/Kelurahan Di Provinsi Nusa Tenggara Timur Menggunakan Analisis Gerombol. Jurnal Statistika Terapan (ISSN 2807-6214), 3(01), 50-62. https://doi.org/10.5300/JSTAR.V3I01.35.
  12. [12] Renaldi, S. S., Prasetya, D. A., & Muhaimin, A. (2024). Analisis Klaster Partitioning Around Medoids dengan Gower Distance untuk Rekomendasi Indekos (Studi Kasus: Indekos di Sekitar Kampus UPNVJT). G-Tech: Jurnal Teknologi Terapan, 8(3), 2060-2069. https://doi.org/10.33379/gtech.v8i3.4898.
  13. [13] Anubhakti, D., & Daeli, A. H. (2026). Optimasi K-Medoids Dengan PCA untuk Klasterisasi Indikator Kesehatan Ibu Hamil di Puskesmas Lahomi. IDEALIS: InDonEsiA journaL Information System, 9(1), 103-112. https://doi.org/10.36080/IDEALIS.V9I1.3710.
  14. [14] Ananda, M. D., Mardiah, M., Masruriyah, A. F. N., & Malik, K. N. (2025). Studi Komparatif Algoritma K-Means dan K-Medoids untuk Segmentasi Informasi Kesehatan. Computer Science (CO-SCIENCE), 5(2), 103-112.

Similar Articles

11-16 of 16

You may also start an advanced similarity search for this article.