Jembatani Kesenjangan Industri, FISIP UINSA Jajaki Kolaborasi Global Bersama JANZZ.technology Swiss

Fakultas Ilmu Sosial dan Ilmu Politik (FISIP) UIN Sunan Ampel Surabaya terus menunjukkan komitmennya dalam memperluas cakrawala karier mahasiswa di kancah internasional. Langkah nyata ini dibuktikan melalui penerimaan kunjungan strategis dari JANZZ.technology, sebuah perusahaan teknologi dan konsultan ternama asal Swiss, pada Jumat (19/12/2025).

UM Bengkulu

Penandatanganan MoU dengan Universitas Muhammadiyah Bengkulu, Sumatra

Pada 15 Desember 2025, kami secara resmi menandatangani Nota Kesepahaman (MoU) antara Universitas Muhammadiyah Bengkulu dan JANZZ.technology sebagai langkah awal kolaborasi jangka panjang dalam bidang riset, peningkatan employability, serta pengembangan karier bagi mahasiswa dan lulusan—baik di Indonesia maupun di tingkat global.

JANZZ.technology – Ca Mau

Proyek percontohan solusi pasar tenaga kerja terintegrasi di Ca Mau

Pada pagi hari tanggal 29 September, Wakil Ketua Komite Rakyat Provinsi Ngo Vu Thang mengadakan pertemuan dengan Mr. Stefan Winzenried – Pendiri, CEO JANZZ Company dan Ms. Pham Quy Ly, Direktur Pengembangan Pasar, perwakilan dari JANZZ.technology Company (Swiss) tentang implementasi percontohan proyek “Solusi Pasar Tenaga Kerja Integrasi – JANZZilms!”.

JANZZ.technology – Ca Mau

Ca Mau bekerja sama dengan JANZZ.technology Company (Swiss) untuk mengembangkan pasar tenaga kerja digital

Pada pagi hari tanggal 29 September, Wakil Ketua Komite Rakyat Provinsi Ngo Vu Thang memimpin sesi kerja dengan delegasi JANZZ.technology Company (Swiss) tentang pengembangan sumber daya manusia dan konstruksi pasar tenaga kerja digital.

JANZZ Uncovers

Yang benar saja? JANZZsme!, satu-satunya alternatif sesungguhnya untuk mengakhiri mimpi buruk dalam pencocokan pekerjaan dan keterampilan yang didukung oleh AI.

 

Dalam episode terbaru dari seri Uncovers ini, kami menjelaskan apa arti dari pencocokan yang sebenarnya dan faktor-faktor kunci yang memastikan kecocokan yang berkualitas di bidang SDM.

Tantangan dalam mencocokkan individu dengan pekerjaan telah berlangsung bertahun-tahun, dan tetap menjadi masalah yang sangat besar. Meskipun berbagai upaya telah dilakukan untuk menemukan solusi, hampir semua opsi yang ada gagal total, bukan hanya karena kinerjanya yang buruk, tetapi juga karena tidak efektif. Hasilnya sering kali tidak masuk akal atau tidak layak, bahkan pada platform global seperti LinkedIn, yang memiliki jutaan pengguna dan data yang sangat besar. Bagaimana mungkin sebuah platform dengan data pengguna yang begitu banyak kesulitan untuk menghubungkan orang-orang dengan pekerjaan yang sesuai? Mengapa platform dan sistem SDM besar lainnya terus mengirimkan rekomendasi aneh tanpa ada kemajuan yang jelas?

Jawabannya terletak pada metode kuno yang digunakan oleh platform dan sistem tersebut. Mereka mengandalkan teknik lawas yang tidak pernah sepenuhnya berhasil. Mereka menggunakan kata kunci dan algoritma yang tidak dapat diharapkan untuk menangkap kompleksitas kepribadian manusia atau persyaratan pekerjaan. Mereka tidak memiliki pemahaman kontekstual, sangat awam dalam hal semantik, dan sayangnya, hanya memiliki sedikit atau bahkan tidak paham sama sekali tentang inti permasalahan. Parahnya lagi, mereka sering kali bekerja dengan data pelatihan yang ilegal dan sangat bias, lalu tidak menyadari bahwa hasilnya sangat buruk. Tentu saja, mereka akan mengubah pendekatan mereka sejak lama jika mereka sadar.

Tapi ada sebuah alternatif : JANZZsme! Solusi yang telah dipatenkan ini telah digunakan di seluruh dunia dalam lebih dari 60 bahasa, membantu jutaan orang setiap harinya dalam menemukan pekerjaan yang tepat. JANZZsme! dibangun dengan metodologi unik yang telah dipatenkan dan benar-benar menjunjung tinggi konsep pencocokan. Jika Anda lelah dengan omong kosong sehari-hari dan hasil yang tidak masuk akal, luangkan waktu beberapa menit untuk menonton video ini. Kami jamin Anda akan mempelajari semua hal yang ingin diketahui, tetapi ragu untuk bertanya. JANZZsme! adalah solusi yang selama ini Anda cari. Saatnya merevolusi pencocokan antara individu dan pekerjaan serta mengantarkan era baru di pasar kerja global.

Jangan ragu untuk menghubungi kami; dengan senang hati kami akan menunjukkan kemampuan JANZZsme! dalam demo langsung.

JANZZ Uncovers

Jebakan Data yang Keliru dalam Taksonomi, Informasi Pasar Tenaga Kerja, Prediksi Pasar Tenaga Kerja, dan Analisis SDM

 

Dalam episode terbaru dari Seri Uncovers ini, kami mendalami isu kritis tentang data yang salah dalam taksonomi, informasi pasar tenaga kerja (Labor Market Information), perkiraan dan prediksi pasar tenaga kerja, serta analisis HR. Kami mengeksplorasi tantangan yang muncul dari penggunaan data yang tidak diawasi dan tidak diverifikasi dari berbagai sumber, yang kemudian diterapkan tanpa pemeriksaan kritis ke dalam proses seperti pencocokan, analisis kesenjangan, perkiraan pasar tenaga kerja, dan prediksi permintaan/pasokan.

Kualitas Data Keterampilan dan Pekerjaan

Postingan ini ditujukan untuk menyoroti kualitas keseluruhan data keterampilan dan pekerjaan yang menyusupi taksonomi resmi dan komersial, model bahasa, serta berbagai aplikasi. Data ini sering kali bersumber dari internet dan diintegrasikan ke dalam koleksi dan model tanpa pemeriksaan yang ketat, yang menyebabkan kekurangan yang mengkhawatirkan dalam hal keandalan dan akurasi. Berdasarkan investigasi kami, yang disajikan dalam sebuah video, mengungkap dan memperlihatkan standar yang meresahkan yang diadopsi oleh banyak perusahaan dan pemerintah dalam proses HR mereka dan analisis pasar tenaga kerja. Meskipun situasinya serius, video ini menawarkan perpaduan humor dan kegelisahan, memberikan wawasan sekaligus hiburan.

Ketidaksempurnaan Sumber Data Resmi dan Komersial

Penting untuk diakui bahwa bahkan taksonomi dan sumber data terkemuka, seperti ESCO, CEDEFOP/Eurostat, O*Net, serta koleksi populer dari Lightcast, Textkernel, LinkedIn, dan lainnya, rentan terhadap kesalahan. Sayangnya, sumber-sumber ini banyak digunakan dalam berbagai proses tanpa verifikasi menyeluruh terhadap akurasinya. Meskipun taksonomi ini dikembangkan dengan tujuan mulia untuk memfasilitasi kategorisasi yang tepat dan meningkatkan penelitian pasar tenaga kerja, implementasinya sering kali tidak mencapai hasil yang diharapkan.

Dampak pada Perkiraan Pasar Tenaga Kerja dan Analisis HR

Dampak dari bekerja dengan data yang tidak akurat, termasuk yang bersumber dari taksonomi resmi, bisa sangat mendalam. Data semacam itu dapat menyebabkan pengambilan keputusan yang keliru, alokasi sumber daya yang tidak tepat, dan perencanaan tenaga kerja yang tidak efektif. Selain itu, informasi yang bias atau menyesatkan dapat merusak wawasan, menghasilkan strategi perekrutan yang salah arah, inisiatif pengembangan karyawan yang tidak memadai, dan kinerja organisasi yang kurang optimal.

Mengatasi Tantangan

Untuk mengatasi tantangan ini, organisasi harus memprioritaskan kualitas dan integritas data dalam proses pengumpulan dan analisis mereka. Menerapkan mekanisme validasi dan pembersihan data yang kuat, menggunakan berbagai sumber data untuk verifikasi silang, dan memanfaatkan teknik analisis data canggih, idealnya oleh para ahli pasar tenaga kerja, dapat secara signifikan meningkatkan akurasi dan keandalan perkiraan pasar tenaga kerja dan analisis HR. Secara keseluruhan, kualitas data yang buruk dan potensi kesalahan dalam taksonomi resmi menghadirkan hambatan besar bagi prakiraan pasar tenaga kerja dan analisis HR. Dengan mengatasi tantangan ini dan memberikan perhatian khusus pada kualitas data, institusi pasar tenaga kerja pemerintah dan perusahaan dapat memanfaatkan potensi sebenarnya dari wawasan berbasis data untuk pengambilan keputusan yang lebih tepat dan manajemen HR strategis. Untuk wawasan dan solusi yang komprehensif, organisasi dapat mengandalkan JANZZon!, ontologi data pasar tenaga kerja paling lengkap, komprehensif, dan dikurasi dengan tangan, yang tersedia dalam lebih dari 60 bahasa dan disesuaikan dengan ratusan pasar tenaga kerja di seluruh dunia.

JANZZ

Maaf, tapi “Microsoft Office” BUKAN keterampilan

Salah satu kata kunci yang paling populer seputar ketenagakerjaan, kemampuan kerja, dan manajemen tenaga kerja adalah keterampilan. Sering kali terdengar banyak kebisingan di sekitar konsep ini dan kata-kata kunci lainnya seperti reskilling, upskilling, pencocokan keterampilan, penyelarasan keterampilan, kesenjangan keterampilan, antisipasi keterampilan, prediksi keterampilan, dan sebagainya. Kita bisa menemukan banyak sekali publikasi dan tulisan yang menjelaskan mengapa keterampilan sangat penting, bagaimana menganalisis penawaran dan permintaan keterampilan, bagaimana mengembangkan kebijakan pasar tenaga kerja yang aktif berdasarkan keterampilan, bagaimana mengelola dan mengembangkan keterampilan karyawan – serta banyak situs yang mencantumkan “keterampilan yang paling banyak dicari” di tahun ini. Kita tentu setuju bahwa keterampilan semakin penting, atau sebagaimana dinyatakan dalam salah satu Gartner Hype Cycles 2020,

Keterampilan adalah […] mata uang baru bagi tenaga kerja. Keterampilan adalah elemen dasar untuk mengelola tenaga kerja dalam industri apa pun. Deteksi dan penilaian keterampilan yang lebih baik dan otomatis memungkinkan ketangkasan organisasi yang jauh lebih besar. Di masa yang penuh ketidakpastian, atau saat terjadi persaingan yang ketat, organisasi dengan data keterampilan yang lebih baik dapat beradaptasi dengan lebih cepat […]. Hal ini meningkatkan produktivitas dan menghemat biaya melalui siklus perencanaan yang lebih baik. [1] 

Hal ini tidak hanya berlaku bagi HCM dalam bisnis, tetapi juga bagi manajemen pasar tenaga kerja yang dikelola oleh institusi pemerintah. Mempertimbangkan betapa pentingnya konsep-konsep tersebut secara global, semestinya terdapat pemahaman yang jelas atau setidaknya kesamaan pandangan tentang apa yang dimaksud dengan mata uang yang berharga ini. Namun, dalam banyak konten terkait keterampilan yang diposting secara online, terlihat adanya pola ambiguitas konseptual yang meresap, kurangnya spesifisitas, dan kurangnya peringkasan. Oleh karena itu, dalam tulisan terakhir, di mana telah dibahas beberapa contoh tentang kebisingan seputar pekerjaan dan keterampilan, kami mendorong diskusi yang lebih berbasis fakta. Dalam tulisan ini, kami ingin memaparkan landasan untuk diskusi serupa.

Statitistik 101

Sebagaimana disebutkan dalam tulisan sebelumnya: setiap kali melakukan generalisasi, maka akan berisiko kehilangan relevansi. Terlepas dari berbagai globalisme yang terjadi, dunia terbagi menjadi beberapa kawasan. Dan setiap wilayah memiliki lanskap ekonomi yang berbeda dan kebutuhan keterampilan masing-masing. Beberapa wilayah lebih fokus pada industri tertentu daripada yang lain, dan bahkan ketika membandingkan wilayah dengan industri yang sama, permintaan dan kesenjangan keterampilan bisa sangat bervariasi, seperti yang telah ditunjukkan dalam berbagai penelitian dan laporan (misalnya di sini dan di sini). Jadi, tidak akan pernah ada daftar keterampilan teratas yang signifikan di tingkat global. Keterampilan pemecahan masalah, blockchain, pengembangan aplikasi, dan “keterampilan terbaik” lainnya yang disebarkan di berbagai situs web sama sekali tidak relevan untuk semua aktivitas di seluruh dunia. Selain itu, menghasilkan data yang relevan dan representatif dari profil online dan lowongan pekerjaan tidaklah mudah. Secara umum, data yang dikumpulkan secara online bersifat bias, kelompok tertentu kurang terwakili, sementara kelompok lain terwakili secara berlebihan. Misalnya, terlepas dari semua kegaduhan tentang “keterampilan digital” yang tampaknya sangat penting dan mempercepat, sebagian besar survei yang representatif menyoroti bahwa pasar tenaga kerja Uni Eropa dan Amerika Serikat membutuhkan tingkat keterampilan digital yang umumnya rendah hingga sedang, dengan sekitar 55 hingga 60 persen pekerjaan yang melakukan pemrosesan kata atau entri data sederhana dan mengirim email. Sebanyak 10-15 persen tidak memerlukan keterampilan TIK. Kemudian, hanya sekitar 10-15 persen yang membutuhkan tingkat keterampilan TIK tingkat lanjut. [2] Hal ini menunjukkan bahwa semua publikasi tentang keterampilan terpenting di masa depan dan sebagainya sangat misleading.

Dalam melakukan analisis yang baik dan mengantisipasi keterampilan yang akan dibutuhkan di masa depan, serta memprediksi bagaimana ketentuan-ketentuan ini akan berubah (keterampilan mana yang akan semakin penting dan keterampilan mana yang akan ditinggalkan, atau melakukan pencocokan keterampilan yang berorientasi pada target), pertama-tama kita harus dapat mengenali, memahami, menetapkan, dan mengklasifikasikan keterampilan masa kini dengan benar. Tantangan (dan kelebihan) dari data keterampilan dan pekerjaan akan dibahas secara lebih rinci di artikel berikutnya. Pertama, kita perlu fokus pada aspek yang lebih mendasar, namun sangat krusial yaitu perlu memperjelas apa yang dimaksud dengan keterampilan atau kemampuan dan kompetensi.

Faktanya, ada begitu banyak definisi yang beredar, sehingga cukup sulit untuk mengikutinya, dan inilah salah satu alasan utama mengapa sebagian besar pendekatan dan evaluasi big data gagal total. Oleh karena itu, sangat penting bagi kita untuk menyepakati pemahaman yang sama tentang istilah baru ini.

Apa sebenarnya yang dimaksud dengan keterampilan?

O*NET mendefinisikan keterampilan sebagai kapasitas yang dikembangkan yang memfasilitasi pembelajaran, akuisisi pengetahuan yang lebih cepat atau kinerja kegiatan yang terjadi di seluruh pekerjaan, [3] dan membedakan keterampilan dari kemampuan, pengetahuan, dan keterampilan teknologi dan alat, yang hanya mengacu pada keterampilan dan pengetahuan yang terkait langsung dengan pekerjaan atau yang dapat dialihkan. ESCO, di sisi lain, mendefinisikan keterampilan sebagai kemampuan untuk menerapkan pengetahuan dan menggunakan pengetahuan untuk menyelesaikan tugas dan memecahkan masalah. Selain itu, ESCO hanya mengenal dua kategori utama yaitu keterampilan dan kompetensi, yang – tidak seperti O*NET – juga mencakup sikap dan nilai. Dalam kedua sistem klasifikasi tersebut, terjadi ketumpang tindihan yang signifikan di antara kategori-kategori tersebut. Meskipun demikian, di sisi lain, ESCO hanya merangkum semua konsep ini di bawah istilah keterampilan:

Keterampilan adalah istilah yang mencakup pengetahuan, kompetensi, dan kemampuan untuk melakukan tugas-tugas operasional. Keterampilan dikembangkan melalui pengalaman hidup dan kerja dan juga dapat diperoleh melalui proses pembelajaran. [4]

Tentunya, perbedaan dalam definisi keterampilan ini akan menyebabkan perbedaan dalam pengumpulan dan analisis data, yang pada gilirannya akan mempengaruhi ketahanan ekstrapolasi apa pun berdasarkan data tersebut. Namun, demi kepentingan argumentasi, mari kita asumsikan bahwa terdapat definisi universal tentang keterampilan. Singkatnya, kita akan menganggap keterampilan sebagai suatu kemampuan yang berguna dalam suatu pekerjaan.

Menganalisis keterampilan umum menghasilkan jawaban yang umum pula

Hanya dengan memiliki definisi tertulis tentang suatu keterampilan saja masih jauh dari cukup. Terlepas dari kenyataan bahwa definisi tersebut masih menyisakan banyak ruang untuk penafsiran, terdapat banyak masalah pada tingkat keterampilan individu. Salah satu masalahnya yaitu granularitas, yang sangat berbeda di antara beragam koleksi. Sebagai contoh, taksonomi ESCO saat ini mencakup sekitar 13.500 konsep keterampilan, O*NET di bawah 9.000 (faktanya, hanya 121 di antaranya yang bukan merupakan keterampilan seperti “dapat menggunakan alat/mesin/perangkat lunak/teknologi tertentu”) dan ontologi kami JANZZon! memiliki lebih dari 1.000.000 jenis. Tentu saja, tingkat detail yang diinginkan tergantung pada konteksnya. Namun untuk banyak aplikasi modern dari analisis keterampilan, seperti pencocokan pekerjaan berbasis keterampilan, bimbingan karir, dll, tingkat detail tertentu sangat penting untuk mencapai hasil yang signifikan. Lihatlah daftar “10 keterampilan unggulan tahun 2025” yang diterbitkan oleh World Economic Forum [5]:

  1. Pemikiran analitis dan inovatif
  2. Pembelajaran aktif dan strategi pembelajaran
  3. Pemecahan masalah yang kompleks
  4. Berpikir kritis dan analisis
  5. Kreativitas, orisinalitas dan inisiatif
  6. Leadership dan memiliki pengaruh sosial
  7. Penggunaan, pemantauan, dan pengendalian teknologi
  8. Desain teknologi dan pemrograman
  9. Ketangguhan, toleransi terhadap tekanan, dan fleksibilitas
  10. Penalaran, pemecahan masalah, dan penciptaan gagasan

Keterampilan ini dipahami secara beragam, tergantung pada konteksnya, misalnya, industri atau aktivitas, sehingga bisa jadi sangat berbeda. Oleh karena itu, keterampilan-keterampilan ini terlalu umum atau kurang spesifik untuk digunakan dalam pencocokan atau untuk statistik yang berguna. Bahkan, untuk sebagian besar pekerjaan, keterampilan ini hampir tidak relevan sama sekali. Atau seberapa sering keterampilan ini muncul dalam lowongan pekerjaan? Keterampilan umum lainnya yang sering dijumpai dalam 10 daftar teratas prediktif dan rekomendasi juga memiliki masalah yang sama, misalnya:

Keterampilan digital: Apa sebenarnya keterampilan ini? Apakah keterampilan ini termasuk mengoperasikan perangkat digital seperti smartphone atau komputer atau berurusan dengan Internet? Apakah kita mengharapkan seseorang dengan keterampilan ini dapat membuat postingan di media sosial, atau benar-benar tahu cara menangani akun media sosial secara profesional? Apakah masuk akal untuk meringkas keterampilan seperti pengetahuan tentang aplikasi pemodelan informasi bangunan yang kompleks dalam perancangan dan perencanaan real estat di bawah keterampilan digital?

Keterampilan project management: Hal ini juga hampir tidak berguna sama sekali jika diambil di luar konteks seperti ini. Sebagian besar karyawan memiliki keterampilan manajemen proyek pada tingkat tertentu, tetapi sangat sulit untuk membandingkan atau mengkategorikan pengetahuan ini di semua peran atau industri. Sebagai contoh, pengetahuan manajemen proyek individu berbeda secara substansial antara seorang pemimpin di lokasi proyek terowongan, manajer proyek untuk aplikasi TI skala kecil, manajer promosi di sektor publik, dan process engineer atau event manager. Jelas, jika industri acara terhenti, seorang manajer proyek tidak bisa begitu saja beralih ke industri konstruksi. Jadi, tidak logis untuk memasukkan semua variasi ini ke dalam satu keterampilan yang “cocok”.

 

JANZZsme! Semantic Precision for Skills/Competence Matching

Berpikir multidimensional

Ketepatan dalam hal keterampilan tidak hanya berarti mengidentifikasi keterampilan dan konteksnya dengan jelas, tetapi juga tingkat kemampuannya. Level kemampuan bahasa Inggris yang dibutuhkan oleh seorang pekerja di lokasi konstruksi tentu saja tidak sama dengan tingkat kemampuan seorang penerjemah. Namun, menyusun definisi tingkat yang kuat juga menimbulkan tantangan: Apa yang dimaksud dengan pengetahuan yang “baik” atau “sangat baik”, dan apa yang membedakan seorang “ahli” dalam suatu keterampilan tertentu? Apakah itu pengetahuan yang diperoleh secara teoritis, misalnya, atau pengetahuan yang sudah diterapkan dalam lingkungan profesional yang nyata? Berbeda dengan area big data lainnya, skala dan validasi – jika ada – tidak selalu mengikat. Oleh karena itu, banyak penyedia data jenis ini yang sama sekali mengabaikan level-level tersebut. Dengan demikian, kita kehilangan sejumlah besar informasi yang akan sangat relevan, tidak hanya untuk pencocokan pekerjaan dan bimbingan karier, tetapi juga dalam menganalisis permintaan keterampilan, misalnya, sebagai dasar untuk manajemen tenaga kerja atau pasar tenaga kerja. Apakah kita kekurangan tenaga ahli yang sangat terampil atau karyawan yang memiliki pengetahuan dasar tentang pekerjaan? Tentu saja, tindakan yang tepat akan sangat berbeda tergantung pada jawabannya.

Ungkapkan apa yang Anda maksud

Granularitas dalam hal mengidentifikasi konteks dan tingkat keterampilan tentu saja penting. Namun, masalah utamanya adalah kejelasan. Salah satu dari 10 keterampilan teratas yang dibutuhkan dalam lowongan pekerjaan hampir di seluruh dunia selalu mencantumkan Microsoft Office, yang sekilas terlihat cukup spesifik. Tapi apa maksud sebenarnya dari hal ini? Secara teknis, MS Office adalah sebuah perangkat lunak yang tersedia dalam berbagai paket yang terdiri dari berbagai pilihan aplikasi, yang terus berkembang dari waktu ke waktu. Saat ini, terdiri dari 9 aplikasi: Word, Excel [6], PowerPoint, OneNote, Outlook, Publisher, Access, InfoPath, dan Skype for Business. Jadi, jika seseorang “memiliki keterampilan MS Office”, apakah ini berarti mereka dapat menggunakan semua aplikasi tersebut? Tidak juga. Dan apa artinya bisa menggunakan sebuah aplikasi? Menurut ESCO, seseorang yang dapat “menggunakan Microsoft Office” dapat:

bekerja dengan program standar dalam Microsoft Office pada tingkat mahir. Membuat dokumen dan mengerjakan format dasar, membuat jeda halaman, membuat header atau footer, dan menyisipkan grafik, membuat daftar isi yang dibuat secara otomatis, serta menggabungkan formulir surat dari basis data alamat (biasanya di Excel). Membuat spreadsheet penghitungan otomatis, membuat gambar, dan mengurutkan serta memfilter tabel data. [7]

Banyak orang mungkin berpikir bahwa mereka memiliki keahlian dalam menggunakan MS Office – sampai mereka membaca definisi tersebut. Tampaknya semakin sedikit orang yang tahu tentang potensi penuh sebuah aplikasi, semakin besar kemungkinan orang tersebut diidentifikasi sebagai pengguna yang mahir. Hal ini menjadi semakin jelas ketika kita merujuk pada PowerPoint, yang secara mengejutkan, tidak termasuk dalam keterampilan “menggunakan Microsoft Office” dari ESCO. Sebaliknya, keterampilan ini disebut dengan ‘menggunakan perangkat lunak presentasi’. Ada ribuan aplikasi untuk membuat presentasi, banyak di antaranya yang bekerja dengan cara yang sangat berbeda dengan PowerPoint sehingga membutuhkan pengetahuan atau keterampilan tambahan yang berbeda: Prezi, Perspective, Powtoon, Zoho Show, Apple Keynote, Slidebean, Beautiful.ai, dan masih banyak lagi. Namun, keterampilan “menggunakan perangkat lunak presentasi” hanya secara singkat dijelaskan dalam ESCO sebagai:

“Menggunakan perangkat lunak untuk membuat presentasi digital yang menggabungkan berbagai elemen, seperti grafik, gambar, teks, dan multimedia lainnya.” [8]

Dengan mengesampingkan fakta bahwa terdapat banyak contoh perangkat lunak presentasi, apabila hal tersebut merupakan suatu keterampilan, dalam arti kemampuan yang berguna dalam suatu pekerjaan, maka seharusnya “membuat presentasi” menyiratkan bahwa orang tersebut dapat membuat presentasi yang usable atau bahkan good presentation. Di antara sekian banyak keterampilan, hal ini mencakup kemampuan untuk menyaring informasi menjadi poin-poin penting, serta kemampuan estetika dan storytelling. Namun, dengan kepercayaan diri yang cukup, seseorang yang tidak memiliki keterampilan implisit ini mungkin masih berpikir bahwa mereka mampu membuat presentasi yang luar biasa.

Selain itu, yang diminta oleh pemberi kerja saat mereka meminta keterampilan ini sangat bervariasi. Seseorang yang mencari tenaga kerja di sebuah bisnis mikro mungkin memiliki gambaran yang sangat berbeda tentang keterampilan MS Office dibandingkan perusahaan besar yang mencari spesialis pemasaran. Apabila kita mencoba menafsirkan ungkapan “Microsoft Office” sebagai sebuah keterampilan maka akan menghasilkan begitu banyak penafsiran, sehingga nilai informatif dari “keterampilan Microsoft Office” menjadi sebanding dengan “keterampilan memalu”. Semua orang bisa menggunakan palu, tetapi apakah itu berarti, bahwa setiap orang bisa bekerja dalam profesi apa pun yang berkaitan dengan palu? Tentu saja tidak.

 

JANZZsme! Occupations That Involve Hammers

Guru saya sering berkata: Jika yang kamu maksud A, maka katakan A. Cara ini bisa menjadi awal yang baik untuk memulai.

Penilaian (diri sendiri) vs. kenyataan

Seperti yang telah disebutkan di atas, banyak orang yang memiliki gambaran diri yang berbeda dengan kenyataan, sehingga mereka menilai kemampuan mereka secara terlalu rendah atau berlebihan (keahlian memalu, membuat presentasi, atau keahlian lainnya). Selain itu, ada masalah bahwa menyelesaikan kursus atau pendidikan yang semestinya mengajarkan serangkaian keterampilan tidak secara otomatis berarti bahwa kita memiliki keterampilan tersebut, yaitu bahwa kita dapat menerapkannya secara produktif dalam pekerjaan. Selain itu, banyak keterampilan yang tidak terpakai memiliki batas waktu. Namun, setelah terlanjur mencantumkan keahlian tertentu di resume, kita jarang sekali menghapusnya lagi, tak peduli berapa lama kita tidak menggunakannya. Hanya dengan bertanya pada diri sendiri, dapatkah saya menerapkannya secara produktif dalam pekerjaan saya? dapat sangat membantu untuk mendekatkan gambaran yang kita bayangkan dengan kenyataan. Jika memang diinginkan. Seperti halnya menyepakati definisi keterampilan, menstandarkan sebutan dan tingkatan keterampilan atau membuat lebih spesifik dan akurat dapat memberikan kita pemahaman umum yang lebih jelas tentang nilai keterampilan yang berharga ini. Seandainya saja kita mau. Dan kemudian kita dapat beralih ke tantangan dalam menghasilkan data cerdas – yang akan kita telusuri di tulisan berikutnya.

 

[1] Poitevin, H., “Hype Cycle for Human Capital Management Technology, 2020”, Gartner. 2020.
[2] Thanks to Konstantinos Pouliakas at Cedefop for pointing this out.
[3] https://www.onetcenter.org/content.html

[4] https://www.indeed.com/career-advice/career-development/what-are-skills
[5] http://www3.weforum.org/docs/WEF_Future_of_Jobs_2020.pdf
[6] Read the previous post for our view on Excel.
[7] http://data.europa.eu/esco/skill/f683ae1d-cb7c-4aa1-b9fe-205e1bd23535

[8] http://data.europa.eu/esco/skill/1973c966-f236-40c9-b2d4-5d71a89019be

JANZZtechnology_a-rose-is-a-rose

A rose ≠ is a rose ≠ is a rose – mengapa mencocokkan keterampilan tanpa level yang tepat sama saja sia-sia.

Setelah membahas topik keterampilan beberapa hari yang lalu melalui artikel Pengetahuan ≠ Keterampilan ≠ Pengalaman – atau alasan adanya perbedaan konsisten antara istilah-istilah demikian menjadi semakin penting, kali ini kita akan membahas topik ini secara lebih mendalam.
Pencocokan pekerjaan merupakan sebuah proses yang cukup populer dalam beberapa tahun terakhir sebagai suatu alat yang digunakan untuk mencocokkan individu dengan lowongan pekerjaan berdasarkan keterampilan mereka. Meskipun konsep pencocokan keterampilan terlihat masuk akal, namun sebenarnya hal ini kurang sesuai jika mencocokkan keterampilan tanpa mengetahui level yang tepat dari setiap jenis keterampilan yang eksplisit maupun implisit,  » Selengkapnya: A rose ≠ is a rose ≠ is a rose – mengapa mencocokkan keterampilan tanpa level yang tepat sama saja sia-sia.  »

Pengetahuan ≠ Keterampilan ≠ Pengalaman – atau alasan adanya perbedaan konsisten antara istilah-istilah demikian menjadi semakin penting.

Pengetahuan, keterampilan, dan pengalaman adalah tiga komponen penting yang membentuk kompetensi seseorang dalam bidang apa pun. Sayangnya, saat ini istilah-istilah tersebut digunakan secara bergatian atau interchangeably, namun memiliki arti yang sangat berbeda.

Pengetahuan mengacu pada pemahaman intelektual tentang fakta, konsep, dan teori yang terkait dengan bidang tertentu, yang diperoleh melalui pendidikan, seperti dengan membaca buku, menghadiri kuliah, dan berpartisipasi dalam program pelatihan. Pengetahuan sangat penting karena memberikan dasar serta pondasi untuk mengembangkan keterampilan yang memungkinkan individu untuk memahami sebuah alasan di balik praktik atau prosedur tertentu. Keterampilan, di sisi lain, mengacu pada kemampuan untuk melakukan tugas dengan akurasi dan kualitas yang konsisten. Hal ini merupakan penerapan pengetahuan dalam pengaturan praktis. Keterampilan dikembangkan melalui latihan, pengulangan, dan umpan balik dari mentor atau supervisor yang berpengalaman. Semakin sering seseorang mempraktikkan suatu keterampilan, biasanya mereka akan mengalami peningkatan penguasaan keterampilan tersebut. Pengalaman mengacu pada paparan seseorang terhadap bidang atau area pekerjaan tertentu yang berasal dari pengalaman kerja, program magang, menjadi sukarelawan, dan aplikasi praktis lainnya dari pengetahuan dan keterampilan. Pengalaman merupakan sesuatu yang sangat berharga karena memberikan seorang individu pemahaman dunia nyata tentang tantangan yang mungkin mereka hadapi. Hal ini membantu mereka mengidentifikasi solusi terhadap suatu potensi masalah dan memberikan peluang untuk pertumbuhan dan perkembangan pribadi.

Di sisi lain, keterampilan terapan mengacu pada penggunaan praktis suatu keterampilan dalam pekerjaan atau bidang tertentu. Keterampilan terapan adalah kemampuan yang telah dikembangkan oleh seseorang melalui latihan dan pengalaman dan dapat langsung diterapkan dalam situasi kehidupan nyata. Keterampilan terapan sangat penting karena merupakan satu-satunya yang memungkinkan seseorang untuk melakukan pekerjaan mereka secara efisien dan efektif. Meskipun keterampilan dan pengalaman sama-sama penting, namun pengalaman selalu lebih baik daripada sekadar keterampilan saja. Hal ini disebabkan karena hanya pengalaman yang memungkinkan individu untuk menerapkan pengetahuan dan keterampilan mereka dalam situasi praktis. Pengalaman juga memungkinkan seseorang untuk mengembangkan kemampuan pemecahan masalah, komunikasi, dan keterampilan penting lainnya yang sulit dipelajari hanya dengan membaca atau mengikuti pelatihan. Pengalaman juga memberikan pemahaman yang lebih mendalam tentang kompleksitas bidang tertentu. Hal ini membuat mereka lebih mudah beradaptasi dengan perubahan dan cenderung berhasil dalam situasi yang menantang. Selain itu, pengalaman memberikan kesempatan kepada individu untuk belajar dari kesalahan dan mengembangkan sikap pantang menyerah.

Sederhananya, pengetahuan, keterampilan, dan pengalaman adalah komponen penting yang membentuk kompetensi seseorang dalam bidang apa pun. Sekali lagi, meski keterampilan dan pengetahuan sama berharganya, pengalaman selalu lebih baik daripada keterampilan saja. Penerapan praktis dari keterampilan dan pengetahuan yang diperoleh melalui pengalaman akan memberikan pemahaman yang lebih dalam akan bidang mereka, keterampilan dalam pemecahan masalah, dan kemampuan untuk beradaptasi dengan tantangan baru.

Inilah mengapa pentingnya membedakan antara pengetahuan, keterampilan, dan pengalaman dalam hal pencocokan, perekrutan, dan penerimaan karyawan, karena setiap dimensi membawa nilai uniknya masing-masing dalam proses tersebut. Ketika merekrut seorang kandidat, organisasi harus mempertimbangkan persyaratan spesifik dari pekerjaan atau posisi yang akan diisi. Misalnya, jika sebuah organisasi melakukan perekrutan untuk posisi teknis, pengetahuan yang telah terbukti/keterampilan terapan dalam bahasa pengkodean dan pemrograman tertentu mungkin lebih penting daripada pengetahuan tentang konsep teoretis yang terkait dengan bidang tersebut.

Sementara itu, meskipun pengetahuan dan keterampilan sangat penting, pengalaman memberikan wawasan yang paling berharga dan relevan terhadap pekerjaan dan bidangnya. Sebagai contoh, kandidat dengan keterampilan pemrograman yang luar biasa namun lebih bersifat teoretis mungkin bukan pilihan yang paling tepat untuk suatu posisi jika mereka tidak memiliki pengalaman kerja yang relevan. Penting juga untuk menyeimbangkan dimensi yang berbeda dalam proses pencocokan dan perekrutan berbasis bukti. Beberapa organisasi mungkin lebih menekankan pada keterampilan teknis, sementara yang lain mungkin fokus pada keterampilan lunak seperti komunikasi dan kerja sama tim. Oleh karena itu, organisasi perlu memiliki pemahaman yang jelas tentang persyaratan spesifik dari peran serta kualifikasi yang diinginkan dan menentukan bobot pengetahuan, keterampilan, dan pengalaman yang sesuai. Pada saat yang sama, terutama lembaga atau perusahaan dengan fokus yang kuat hanya pada keterampilan yang berhubungan dengan pekerjaan, tidak boleh mengabaikan faktor-faktor lain seperti sikap, kecocokan budaya, dan potensi untuk berkembang. Faktor-faktor ini dapat berperan penting dalam memprediksi kesuksesan dan retensi jangka panjang.

Oleh karena itu, proses pencocokan dan perekrutan yang seimbang yang mempertimbangkan seluruh dimensi ini secara holistik dapat membantu berbagai lembaga maupun perusahaan untuk mengidentifikasi kandidat terbaik bagi lowongan yang mereka buka. Dengan berfokus secara eksklusif pada latar belakang, pendidikan dan pengetahuan, maupun pada keterampilan atau soft skill yang begitu tersebar luas saat ini, tidak akan mampu memberikan hasil pencocokan berbasis kecerdasan buatan atau kecerdasan manusia yang akurat dan berkesinambungan, serta tidak juga menghasilkan suatu keberhasilan dalam perekrutan. Maka, mari kita mulai atasi persoalan istilah dan dimensi ini dengan cara yang berbeda, yang akan memberikan lebih banyak lagi manfaat bagi kita semua.

JANZZ.technology

Bersama JANZZilms! from guessing to knowing: Overkualifikasi akademis menjadi salah satu pendorong utama meningkatnya kebutuhan tenaga kerja global.

Berbagai negara di seluruh dunia, khususnya negara-negara berkembang di Asia Tenggara, Afrika, dan Amerika Latin, menghadapi tantangan pasar tenaga kerja yang kian besar. Semakin banyak angkatan kerja dengan latar belakang akademis yang terlampau tinggi kesulitan mendapatkan pekerjaan sesuai dengan bidang dan kualifikasi mereka. Di sisi lain, terdapat keterbatasan tenaga kerja terampil dengan latar belakang teknis atau kejuruan, sehingga banyak pekerjaan yang tidak dapat terpenuhi. Keduanya merupakan fenomena yang tentunya merugikan ekosistem pasar kerja akibat ketidaksesuaian keterampilan yang terus meningkat di seluruh dunia.

Fenomena ini disebabkan oleh beberapa faktor. Salah satu pendorong utamanya yaitu penekanan budaya yang terjadi di tengah masyarakat akan pentingnya sebuah pendidikan tinggi. Selama bertahun-tahun, terdapat kepercayaan yang meluas bahwa gelar sarjana merupakan kunci kesuksesan dan stabilitas finansial. Akibatnya, banyak orang menempuh pendidikan tinggi yang seringkali menghabiskan biaya yang besar, dengan harapan dapat meningkatkan kemampuan kerja dan prospek pekerjaan di masa depan. Namun, pasar tenaga kerja senantiasa berkembang seiring dengan berjalannya waktu. Banyak perusahaan kini mengisi lowongan pekerjaan yang sebelumnya mewajibkan gelar sarjana sebagai syarat utama, menjadi lowongan yang cukup diisi dengan pekerja berlatar belakang pendidikan teknis atau kejuruan. Kemajuan teknologi dan otomatisasi semakin mendorong pergeseran ini melalui pendefinisian ulang berbagai pekerjaan tradisional dan menciptakan posisi baru yang membutuhkan keahlian secara lebih spesifik. Kekurangan pekerja berlatar belakang teknis atau kejuruan maupun lulusan vokasi merupakan masalah serius bagi banyak industri, terutama di bidang konstruksi, perdagangan kerajinan tangan, manufaktur, transportasi, dan sektor kesehatan dan perawatan. Industri-industri tersebut membutuhkan lebih banyak lagi pekerja dengan keahlian khusus yang seringkali hanya dapat diperoleh melalui pengalaman atau pelatihan, tidak terbatas pada pendidikan tinggi saja.

Sejumlah negara telah mengambil langkah untuk berinvestasi dalam pendidikan dan pelatihan teknis maupun kejuruan sebagai upaya mengatasi tantangan ini. Investasi tersebut mencakup program pendanaan untuk melatih siswa dalam keterampilan teknis, mulai dari pertukangan dan pemasangan pipa hingga pemrograman komputer dan robotika. Namun, dalam banyak kasus, pemerintah, pemangku kepentingan, pembuat kebijakan, dan industri masih cenderung ragu-ragu dalam menentukan Langkah ini, menyusun program yang masih cenderung bersifat parsial, sementara pendanaan tergolong minim. Hal ini harus segera diubah apabila kita ingin mengurai dan mengatasi masalah kelangkaan tenaga ahli di bidang ini sebelum terlambat.

Secara keseluruhan, tantangan dari pekerja dengan overkualifikasi dan kekurangan pekerja dengan latar belakang teknis atau kejuruan merupakan suatu masalah kompleks yang membutuhkan solusi dari berbagai pihak. Dengan berinvestasi pada pendidikan dan pelatihan berkualitas tinggi yang berorientasi pada masa depan dan melakukan evaluasi diri akan pentingnya penekanan budaya yang dititikberatkan pada sebuah status pendidikan tinggi, kita semua dapat turut memastikan bahwa para pekerja dapat meningkatkan kelayakan kerja mereka, sehingga mendapatkan akses meraih karier yang menjanjikan serta berkontribusi pada pertumbuhan dan kesuksesan ekonomi yang berkelanjutan.

JANZZilms!, sistem manajemen pasar tenaga kerja real-time terintegrasi yang inteligen, menunjukkan dengan tepat dan mengkuantifikasi jenis-jenis fakta ini pada setiap tingkat perincian yang memungkinkan. Kami menyediakan wawasan dan dasar faktual yang diperlukan untuk menginisiasi, memantau, dan terus menerus mengembangkan solusi secara tepat dan akurat bagi manajemen pasar tenaga kerja.

JANZZilms! – from guessing to knowing.