The current condition of students currently does not have a guide in choosing specialization courses that are suitable for work in the Information Technology (IT) field,
especially students of the IT-PLN Informatics Engineering Study Program. In determining students, it is necessary to know what job categories are in accordance with job vacancies that are increasingly rapidly developing. Students also have to adapt to the needs of the industry and can choose specialization courses that have been provided by
the campus. Therefore, this study analyzes a job vacancy website that is in accordance with industry needs and Semester Learning Plans (RPS) using the cosine similarity
method to produce similarities between study materials for specialization courses and job vacancies in the field of information technology. Cosine similarity can be done and get an average of 7.5% similarity between specialization courses and job vacancies starting from the stage of collecting data from study materials in the Semester Learning Plan (RPS), then processed in preprocessing text consisting of case folding, stopword removal, lematizer, stemming, and tokenizing. followed by analyzing the text, namely the countvectorizer, TF-IDF data weighting, cosine similarity classification, and k-fold cross validation data validation. The datasets used are 15 RPS for specialization courses and the results of the classification of 10 types of work. The results of this test have an accuracy value of 25%
using k-fold cross validation.

Kondisi saat ini mahasiswa saat ini belum ada panduan dalam memilih mata kuliah peminatan yang sesuai dengan pekerjaan di bidang Teknologi Informasi (TI), khususnya mahasiswa prodi teknik informatika IT-PLN. Dalam menentukan mahasiswa perlunya mengetahui apa saja kategori pekerjaan yang sesuai dengan lowongan pekerjaan yang semakin pesat perkembangannya. Mahasiswa juga harus beradaptasi menyesuaikan dengan kebutuhan industri dan dapat memilih mata kuliah peminatan yang telah disediakan oleh kampus. Oleh karena itu penelitian ini menganalisis sebuah website
lowongan pekerjaan yang sesuai dengan kebutuhan industri dan Rencana Pembelajaran Semester (RPS) menggunakan metode cosine similarity untuk menghasilkan kemiripan antar bahan kajian mata kuliah peminatan dengan lowongan pekerjaan dibidang teknologi informasi. Cosine similarity dapat dilakukan dan mendapatkan rata-rata 7,5% kemiripan
antar mata kuliah peminatan dengan lowongan pekerjaan dimulai dari tahapan pengambilan data dari bahan kajian yang ada di Rencana Pembelajaran Semester (RPS), kemudian diolah pada text preprocessing yang terdiri dari case folding, stopword removal, lematizer , stemming dan tokenizing. Dilanjutkan dengan menganalisis teks yakni countvectorizer , pembobotan data TF-IDF, klasifikasi cosine similarity hingga
validasi data k-fold cross validation. Data yang digunakan yaitu sebanyak 15 RPS mata kuliah peminatan dan hasil klasifikasi 10 jenis pekerjaan. Hasil dari pengujian ini
mendapatkan nilai akurasi sebesar 25% dengan menggunakan k-fold cross validation