Penyandang disabilitas sering kali menghadapi tantangan yang lebih besar ketika memasuki dunia pekerjaan. Solusi yang bisa digunakan untuk mendukung pencarian pekerjaan bagi penyandang disabilitas adalah membuat sistem rekomendasi pekerjaan. Tujuan penelitian ini adalah untuk menerapkan Long Short Term Memory (LSTM) sehingga diperoleh model yang dapat merekomendasikan pekerjaan untuk penyandang disabilitas. Long Short Term Memory (LSTM) merupakan varian dari Recurrent Neural Network (RNN). Embedding layer akan dilibatkan dalam membuat rekomendasi pekerjaan untuk penyandang disabilitas. Embedding layer ini tidak hanya membantu LSTM dalam pemrosesan teks, tetapi juga meningkatkan kemampuan model untuk menangkap keterkaitan antar item secara efektif dalam suatu urutan. Data dikumpulkan dengan metode web scrapping dari beberapa situs web yang menyediakan lapangan pekerjaan untuk penyandang disabilitas. Data yang digunakan berupa jenis disabilitas, keterampilan satu, keterampilan dua, dan posisi pekerjaan. Proses penelitian meliputi pengumpulan data, pre-processing seperti tokenization dan padding, hyperparameter tuning, dilanjutkan dengan pelatihan model, pengujian, dan evaluasi model dengan metrik akurasi. Hasil penerapan LSTM dengan melibatkan embedding layer mendapati akurasi sebesar 83%, menunjukkan efektivitas model dalam memberikan rekomendasi pekerjaan bagi penyandang disabilitas.