cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Yusmaniarti
Contact Email
yusmaniarti8@gmail.com
Phone
+6281368411554
Journal Mail Official
rsit.ppmi@gmail.com
Editorial Address
Kota Palembang
Location
Kota palembang,
Sumatera selatan
INDONESIA
Jurnal Rekayasa Sistem Informasi dan Teknologi
Published by Yayasan Nuraini Ibrahim Mandiri
ISSN : -     EISSN : 3025888X     DOI : https://doi.org/10.59407/jrsit.v1i2
Core Subject : Science,
Computer Science & IT Decision Sciences, Operations Research & Management
Jurnal Rekayasa Sistem Informasi dan Teknologi (JRSIT) adalah jurnal nasional sebagai media kajian ilmiah hasil penelitian, pemikiran, dan kajian kritis-analitik mengenai penelitian di bidang ilmu dan teknologi komputer, termasuk Teknik Sistem, Teknik Informatika, Teknologi Informasi, Informatika Manajemen, dan Sistem Informasi. Jurnal Rekayasa Sistem Informasi dan Teknologi (JRSIT) diterbitkan oleh Yayasan Nuraini Ibrahim Mandiri. Dipublikasikan 4 edisi setiap tahun yaitu : Febuari, Mei, Agustus, November. Semua penerimaan naskah akan diproses secara double blind review oleh mitra bestari. Naskah harus dimasukkan dalam BAHASA INDONESIA atau BAHASA INGGRIS. e-ISSN : 3025-888X. DOI Prefix : 10.59407
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 221 Documents
 19   20   21   22   23 
DAMPAK GENERATIF AI PADA PASAR KERJA IT DENGAN DEEP LEARNING: ANALISIS KOMPARATIF BERT DAN BILSTM Asep Surahman Sulaeman; Aswan Supriyadi Sunge
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 3 No. 4 (2026): Mei
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Difusi kecerdasan buatan (AI) secara fundamental merestrukturisasi pasar kerja teknologi informasi (TI) global. Makalah ini menyajikan kerangka deep learning adaptif untuk klasifikasi pekerjaan TI menggunakan dataset multi-sumber selama lima tahun (April 2021–April 2026). Proses reduksi data secara sistematis menyaring 780.000 data mentah menjadi 20.000 catatan representatif dan selanjutnya menjadi 4.879 sampel terdeduplikasi dengan validitas temporal bulanan yang terverifikasi. Kami membandingkan performa jaringan Bidirectional Long Short-Term Memory (BiLSTM) dengan Deep Neural Network (DNN) berbasis Sentence-BERT. Hasil eksperimen menunjukkan DNN+BERT mencapai akurasi 87,8±0,9%, mengungguli BiLSTM (80,3±1,2%) dengan signifikansi statistik (McNemar χ²=41,3, p<0,001). Penelitian ini juga mengusulkan metrik AI Disruption Score (ADS) untuk mengkuantifikasi keterpaparan AI di tingkat pekerjaan, yang berhasil memetakan enam klaster pekerjaan melalui K-Means, dengan nilai disrupsi antara 0,02 (DevOps) hingga 0,58 (Riset AI/ML). Meskipun metrik ADS ini masih memerlukan validasi eksternal lebih lanjut terhadap data pasar industri yang lebih luas, secara praktis, temuan ini memberikan panduan strategis bagi praktisi HR dalam perencanaan tenaga kerja dan bagi institusi pendidikan dalam reorientasi kurikulum TI yang adaptif.

Page 23 of 23 | Total Record : 221

 19   20   21   22   23 

Filter by Year

2023 2026


Reset
Filter By Issues
All Issue Vol. 3 No. 4 (2026): Mei Vol. 3 No. 3 (2026): Februari Vol. 3 No. 2 (2025): November Vol. 3 No. 1 (2025): Agustus Vol. 2 No. 4 (2025): Mei Vol. 2 No. 3 (2025): Februari Vol. 2 No. 2 (2024): November Vol. 2 No. 1 (2024): Agustus Vol. 1 No. 4 (2024): Mei Vol. 1 No. 3 (2024): Februari Vol. 1 No. 2 (2023): November Vol. 1 No. 1 (2023): Agustus More Issue