Analisis Segmentasi Pekerjaan Bidang Data Science Berdasarkan Gaji, Pengalaman, dan Keterampilan Python Menggunakan K-Means Clustering

Abstract

Penelitian ini bertujuan untuk menganalisis segmentasi pekerjaan di bidang data science berdasarkan tiga faktor utama, yaitu gaji rata-rata, pengalaman kerja, dan persyaratan keterampilan Python, menggunakan metode unsupervised learning K-Means clustering. Dataset yang digunakan terdiri dari 742 lowongan pekerjaan yang telah melalui proses preprocessing untuk menangani missing values dan normalisasi. Hasil analisis mengidentifikasi tiga cluster utama: (1) Cluster Senior Non-Teknis dengan gaji di atas rata-rata (Z-score: 0.23) dan pengalaman kerja tinggi (Z-score: 1.75), tetapi tidak selalu memerlukan Python; (2) Cluster Spesialis Teknis yang menawarkan gaji tertinggi (Z-score: 0.31) dengan persyaratan Python kuat (Z-score: 0.94), meskipun pengalaman kerja relatif rendah; dan (3) Cluster Entry-Level Non-Teknis dengan gaji terendah (Z-score: -0.37) dan tanpa persyaratan Python. Nilai Silhouette Score sebesar 0.46 menunjukkan pemisahan cluster yang cukup baik. Temuan ini memberikan implikasi praktis bagi perusahaan dalam menyusun strategi rekrutmen dan bagi profesional untuk merencanakan pengembangan karier, khususnya dalam investasi keterampilan Python. Studi ini juga mengungkap korelasi positif antara penguasaan Python dan peningkatan gaji, serta peran kritis pengalaman kerja dalam menentukan tingkat kompensasi. Kelebihan penelitian ini terletak pada pendekatan berbasis data untuk klasifikasi pekerjaan yang objektif, berbeda dari studi sebelumnya yang mengandalkan analisis deskriptif konvensional.