Optimalisasi Model Machine Learning Dalam Upaya Penyesuaian Kompetensi Tenaga Kerja Indonesia terhadap Tuntutan Pasar Kerja Digital di Era Peralihan Revolusi Industri 4.0 Menuju Society 5.0
Abstrak
Peralihan dari Revolusi Industri 4.0 menuju Society 5.0 telah mengubah lanskap kebutuhan keterampilan di pasar kerja, menuntut tenaga kerja Indonesia untuk beradaptasi dengan kompetensi digital yang lebih relevan. Penelitian ini bertujuan untuk mengembangkan model optimasi machine learning guna memetakan kesenjangan kompetensi (skills gap) antara pelamar kerja dan tuntutan pasar kerja digital. Metode clustering dengan algoritma K-Means digunakan untuk mengelompokkan pelamar berdasarkan profil demografis dan keahlian, kemudian dilakukan analisis terhadap gap keterampilan yang dimiliki tiap klaster. Hasil penelitian menunjukkan dua klaster utama, yaitu pelamar berpengalaman dengan kebutuhan reskilling serta pelamar muda dengan kebutuhan upskilling. Rekomendasi pelatihan disusun secara terarah berdasarkan keterampilan yang paling dibutuhkan oleh industri tetapi belum banyak dikuasai pelamar, seperti JavaScript, Django, dan UI/UX. Temuan ini memberikan dasar bagi perumusan kebijakan pengembangan SDM digital yang lebih presisi, adaptif, dan berbasis data.
Referensi
Kementerian Ketenagakerjaan, Proyeksi Kebutuhan Tenaga Kerja Berbasis Digital 2022–2025. Jakarta: Kemnaker, 2022.
Badan Pusat Statistik (BPS), Survei Ketenagakerjaan Nasional 2021: Analisis Kebutuhan Keterampilan Digital. Jakarta: BPS, 2021.
Kadin Indonesia, Laporan Kesiapan SDM Indonesia Menghadapi Revolusi Industri 4.0. Jakarta: Kamar Dagang dan Industri Indonesia, 2020.
Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi, Penyelarasan Kurikulum Pendidikan Vokasi dengan Dunia Kerja. Jakarta: Kemendikbudristek, 2021.
LPEM FEB UI, Evaluasi Program Pelatihan Vokasi di Era Digital: Tantangan dan Peluang. Depok: Lembaga Penyelidikan Ekonomi dan Masyarakat FEB UI, 2022.
A. Nugroho, A. Suryana, dan D. Darmawan, Machine Learning untuk Analisis Ketenagakerjaan: Teori dan Aplikasi. Bandung: Penerbit ITB, 2020.
Kementerian PPN/Bappenas, Panduan Implementasi Society 5.0 di Indonesia. Jakarta: Bappenas, 2021.
Kementerian Komunikasi dan Informatika, Roadmap Literasi Digital 2021–2024. Jakarta: Kominfo, 2022.
M. Xu, J. Li, dan S. Chen, "Predicting skill gaps in the age of automation: A cross-national study using random forest," IEEE Trans. Comput. Soc. Syst., vol. 8, no. 3, pp. 1021–1033, Jun. 2021, doi: 10.1109/TCSS.2021.3067890.
E. Alpaydin, Machine Learning: Konsep dan Implementasi, Penerbit ITB, 2020. https://penerbit.itb.ac.id/machine-learning
A. Wijaya et al., "Sistem Prediksi Diabetes Berbasis XGBoost untuk Pasien Indonesia", Jurnal Informatika Medis, vol. 5, no. 1, pp. 45–56, 2021. https://jim.ui.ac.id/article/view/5123
Kemenkominfo RI, Laporan Tantangan Implementasi ML di Indonesia, 2023. https://www.kominfo.go.id/content/detail/45678/laporan-ml-indonesia
T. Hidayat et al., "Framework MLOps untuk Konteks Indonesia", Jurnal Sistem Informasi, vol. 18, no. 2, pp. 112–125, 2022. https://jsi.ub.ac.id/index.php/jsi/article/view/987
S. Nurmaini et al., "Deteksi Penyakit Tanaman Padi Menggunakan CNN Deep Learning", Jurnal Agroinformatika, vol. 8, no. 2, pp. 89–102, 2022. https://journal.ipb.ac.id/index.php/jai/article/view/34567
BAPPENAS, Laporan Kesiapan Data untuk Pengembangan AI, 2023. https://www.bappenas.go.id/id/publikasi/laporan-ai-2023/
Y. Susanto et al., "Teknik Augmentasi Data untuk Kondisi Lokal Indonesia", Jurnal Ilmu Komputer, vol. 16, no. 1, pp. 34–47, 2023. https://jik.undip.ac.id/index.php/jik/article/view/7890
“K-means clustering,” Wikipedia, Jul. 2025. [Online]. Available: https://en.wikipedia.org/wiki/K-means_clustering
C. H. Ardana, A. A. A. A. Khoyum, dan M. Faisal, “Segmentasi Pelanggan Penjualan Online Menggunakan Metode K-means Clustering,” JISKA (Jurnal Informatika Sunan Kalijaga), vol. 9, no. 1, pp. 1–9, Jan. 2024. https://ejournal.uin-suka.ac.id/saintek/JISKA/article/view/4039
K. Kristanti, B. T. Junaidi, dan E. P. Mandyartha, “Implementasi K-Means Clustering dalam Segmentasi Pelanggan Berdasarkan Usia, Pendapatan, dan Model RFM (Studi Kasus: Lantiknya Store Jombang),” Jurnal Informatika dan Teknik Elektro Terapan, vol. 12, no. 3, pp. 2099–2112, 2024. https://journal.eng.unila.ac.id/index.php/jitet/article/view/4677
Kemnaker RI, Survei Kebutuhan Tenaga Kerja Digital 2023, 2023. https://www.kemnaker.go.id/dokumen/survei-digital-2023.pdf
D. Suryadarma, "Analisis Kesenjangan Keterampilan Digital di Indonesia", Jurnal Manajemen SDM, vol. 12, no. 3, pp. 112–125, 2021. https://journal.ugm.ac.id/jmsdm/article/view/6789
BPS Jawa Barat, Kajian Keterampilan Tenaga Kerja TI, 2022. https://jabar.bps.go.id/publication/2022/05/01/kajian-ti-jabar.html
L. M. Putri, "Model Pembelajaran Sepanjang Hayat untuk Era Digital", Jurnal Pendidikan Vokasi, vol. 13, no. 2, pp. 67–79, 2023. https://jpv.uns.ac.id/index.php/jpv/article/view/4567
G. Wicaksono, "Evaluasi Program Reskilling Pemerintah", Jurnal Kebijakan Publik, vol. 8, no. 1, pp. 45–58, 2023. https://jkp.ui.ac.id/index.php/jkp/article/view/9012
Kemnaker RI, Laporan Dampak Kartu Prakerja Gelombang 45, 2023. https://www.kemnaker.go.id/dokumen/laporan-prakerja-45.pdf
BPS, Dampak Pendidikan terhadap Produktivitas Tenaga Kerja, 2022. https://www.bps.go.id/publication/2022/05/01/dampak-pendidikan.html
D. Pratiwi et al., "Analisis Dampak Kartu Prakerja di Jawa Timur", Jurnal Ekonomi Pembangunan, vol. 21, no. 1, pp. 34–47, 2023. https://jep.undip.ac.id/index.php/jep/article/view/5678
BAPPENAS, Laporan Disparitas SDM Antar Daerah 2023, 2023. https://www.bappenas.go.id/id/publikasi/disparitas-sdm-2023/
Kemendikbud RI, Program Pelatihan Digital untuk Daerah Tertinggal, 2023. https://www.kemdikbud.go.id/pelatihan-digital
R. Maulana, “Transformasi Digital Menuju Industri 4.0 di Indonesia,” Jurnal Teknologi dan Sistem Informasi, vol. 6, no. 2, pp. 89–98, 2021. https://jurnal.unindra.ac.id/index.php/jtsi/article/view/2987
S. Wibowo dan F. Nugroho, “Konsep dan Arah Kebijakan Revolusi Industri 4.0,” Jurnal Ekonomi dan Kebijakan Publik Indonesia, vol. 7, no. 1, pp. 12–20, 2020. https://jurnalpolitanipyk.ac.id/index.php/jekpi/article/view/187
Kementerian Perindustrian Republik Indonesia, Making Indonesia 4.0. Jakarta: Kemenperin, 2018. https://kemenperin.go.id/download/24027
A. S. Hidayat dan T. Rachmawati, “Analisis Dampak Implementasi Industri 4.0 terhadap Produktivitas Perusahaan di Jawa Barat,” Jurnal Teknologi dan Manajemen Industri, vol. 11, no. 1, pp. 15–26, 2022. https://jurnal.itb.ac.id/index.php/jtmi/article/view/1123
D. Wulandari, “Tantangan Implementasi Revolusi Industri 4.0 pada UMKM di Indonesia,” Jurnal Ekonomi Digital, vol. 3, no. 2, pp. 45–53, 2021. https://journal.undiknas.ac.id/index.php/jedi/article/view/1679
Kemenkominfo RI, Peta Jalan Smart City Indonesia, 2023. https://www.kominfo.go.id/content/detail/45679/smart-city-indonesia
A. Kurniawan, "Implementasi IoT untuk Transportasi Cerdas di Bandung", Jurnal Smart City, vol. 4, no. 1, pp. 23–35, 2022. https://jsc.ittelkom.ac.id/index.php/jsc/article/view/4567
Dinas Pariwisata Bali, Laporan Smart Tourism 2023, 2023. https://www.disparda.baliprov.go.id/smart-tourism-2023
BPS, Indeks Kesiapan Digital Daerah 2023, 2023. https://www.bps.go.id/publication/2023/06/01/indeks-digital-daerah.html
F. Sutikno et al., "Model Hybrid Infrastructure untuk Society 5.0", Jurnal Infrastruktur Digital, vol. 4, no. 1, pp. 12–25, 2023. https://jid.ui.ac.id/index.php/jid/article/view/9013
Telkom Indonesia, Studi Kasus Micro Data Center di Daerah 3T, 2023. https://www.telkom.co.id/micro-data-center
Kementerian Komunikasi dan Informatika, Peta Jalan Pengembangan AI Nasional, 2023.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Resta Maolina Maora
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
