Analisis Relasi Data Support dan Demand Bahasa Pemrograman di Indonesia

  • Rizky Ramadhan Sudjarmono Universitas Padjajaran
  • Muhammad Dzikri Alfian Zahir Universitas Padjadjaran
  • Frederick James Prakoso Universitas Padjadjaran
  • Dandy Erlangga Aryaputra Universitas Padjadjaran
  • Fakhri Fajar Ramadhan Universitas Padjadjaran
  • Hudzaifah Al Mutaz Billah Universitas Padjadjaran
  • Yuyun Hidayat Universitas Padjadjaran

Abstract

Programmer mengambil peran besar dalam industri 4.0. Pekerjaan ini berkontribusi besar dalam automasi yang dilakukan pada revolusi industri ini. Melamar pekerjaan sebagai programmer biasanya ditentukan oleh bahasa pemrograman yang dibutuhkan seperti python dan java. Tenaga kerja digital untuk programmer di Indonesia dapat berkembang apabila bahasa pemrograman yang dibutuhkan oleh industri memiliki banyak dukungan. Berdasarkan hal itu, tujuan dari studi ini adalah untuk menganalisis keterkaitan dari popularitas bahasa pemrograman dan lowongan kerjanya, serta mengetahui bahasa pemrograman yang paling ideal untuk dipelajari sebagai kompetensi guna memasuki dunia kerja. Metode yang digunakan dalam studi ini adalah metode deskriptif kuantitatif, diantaranya dengan melibatkan perhitungan mean dari indeks PyPL dan TIOBE pada 12 bulan terakhir serta analisis korelasi dan regresi dengan data lowongan pekerjaan dari LinkedIn. Data lowongan kerja pada LinkedIn yang diolah adalah data lowongan kerja yang berada di Indonesia. Hasil dari studi ini menunjukkan bahwa bahasa pemrograman yang direkomendasikan adalah Python dengan hubungan popularitas (support) dan lowongan kerjanya yang tinggi. Studi ini menunjukkan beberapa spektrum sebagai pemetaan, yaitu non-Ideal, short in demand, short in support, dan Ideal. Python sebagai bahasa pemrograman yang direkomendasikan berada pada spektrum ideal dengan demandnya yang tinggi yaitu 1.675 pekerjaan tersedia pada LinkedIn (demand), 12,60% pada indeks TIOBE, dan 29,80% pada indeks PyPL (support).

Kata kunci: Bahasa Pemrograman, LinkedIn, Lowongan Kerja, Mean, PyPL, Regresi Linear, TIOBE

References

Arsyad, A. (1997). Media Pembelajaran. Raja Grafindo.
Dixit, A. (2014). Job Analysis – Relevance And Applicability For Modern Business Environment. MITSOM PGRC KHOJ-Management-Journal, 495–502.
Indonesia Krisis Programmer - Biztech Academy. (2020). https://biztechacademy.id/indonesia-krisis-programmer/
Kadir, A., & Heriyanto. (2005). Algoritma Pemrograman Mengunakan C++ (1st ed.). Andi.
Kominfo: Indonesia Kurang 9 Juta Talenta Digital Pada 2030. (2019, December 18). CNN Indonesia. https://www.cnnindonesia.com/teknologi/20191218103406-185-457962/kominfo-indonesia-kurang-9-juta-talenta-digital-pada-2030
LinkedIn. (2022). www.linkedin.com
Mulyadi, M. (2011). Penelitian Kuantitatif dan Kualitatif serta Pemikiran Dasar Menggabungkannya. Studi Komunikasi Dan Media, 15(1), 127–138.
Prasetyo, B., & Trisyanti, U. (2018). Revolusi Industri 4.0 dan Tantangan Perubahan Sosial. SEMATEKSOS 3 “Strategi Pembangunan Nasional Menghadapi Revolusi Industri 4.0,” 22–27. https://doi.org/10.12962/j23546026.y2018i5.4417
Puspa, B., & Stai Baturaja, I. (2022). Pengembangan dan Pemanfaatan Media Pembelajaran. 3(1).
PYPL Popularity of Programming Language. (2022). https://pypl.github.io/PYPL.html
Saif, N., Khan, M. S., Rehman, K., Rehman, S. U., Rehman, Z. ur, Nawa, T., & Naqeeb, M. (2013). Competency-based Job Analysis. International Journal of Academic Research in Accounting, Finance and Management Sciences, 3(1), 105–111.
Siregar, S. (2014). Statistik Parametrik Untuk Penelitian Kuantitatif: Dilengkapi dengan Perhitungan Manual dan Aplikasi SSPS Versi 17 (F. Hutari, Ed.; 1st ed.). Bumi Aksara.
TIOBE Index. (2022). https://www.tiobe.com/tiobe-index/
Umar, H. (2013). Metode Penelitian untuk Skripsi dan Tesis Bisnis (2nd ed.). Rajawali.
Published
2024-04-23
Abstract viewed = 26 times
PDF downloaded = 9 times