Alterra Academy menghadapi tantangan dalam proses riset pasar untuk mengidentifikasi keterampilan IT yang dibutuhkan industri. Proses pengumpulan informasi yang saat ini masih dilakukan secara manual dengan membuka situs portal pekerjaan dan mencatat di Google Sheet. Metode manual ini juga rentan terhadap kesalahan manusia dalam proses pencatatan dan kategorisasi informasi. Akibatnya, waktu yang dibutuhkan jadi lebih lama dalam pengembangan kurikulum dan kurang optimal dalam mencerminkan kebutuhan aktual industri. Skripsi ini mengimplementasikan analisis data pada lowongan pekerjaan IT yang dikumpulkan melalui situs portal Jobstreet dengan metode web scraping yang dilakukan secara berkala setiap minggu selama periode Mei-Oktober 2024. Setelah data terkumpul, dilakukan preprocessing untuk membersihkan dan mengekstraksi informasi penting dari deskripsi pekerjaan. Kemudian, data direpresentasikan dalam bentuk vektor menggunakan model FastText sebelum dilakukan pengelompokan lowongan pekerjaan menggunakan algoritma DBSCAN dan HDBSCAN dengan evaluasi menggunakan silhouette score dan davies-bouldien score. Hasil analisis akhirnya divisualisasikan dalam dashboard interaktif untuk memudahkan pemantauan tren keterampilan secara berkelanjutan. Hasil pengujian menunjukkan algoritma DBSCAN dengan vektorisasi TfidfVectorization menghasilkan performa clustering terbaik dengan silhouette score sebesar 0.42 serta davies bouldin sebesar 0.9126. Pengujian juga dilakukan melalui User Acceptance Testing yang melibatkan Chief of Alterra Academy, Project Manager, tim Placement & Partnership, Senior Academic Instructor, serta Project Manager Alterra Academy. Validasi ini menghasilkan tingkat kepuasan pengguna rata-rata 4.29 dari skala 5, dengan nilai tertinggi pada aspek kegunaan insight untuk pengembangan kurikulum dan pemahaman kebutuhan industri. Hasil ini mengindikasikan bahwa dashboard yang dihasilkan efektif untuk membantu Alterra Academy dalam memahami kebutuhan keterampilan IT di industri dan mendukung pengembangan kurikulum yang relevan dengan permintaan pasar.