Klasifikasi Sentimen Pada Twitter Dalam Membantu Pemilihan Kandidat Karyawan Dengan Menggunakan Convolutional Neural Network Dan Fasttext Embeddings

Abstract

Abstrak Karyawan merupakan elemen utama yang dapat meningkatkan nilai dari suatu perusahaan. Menemukan karyawan yang berkualitas umumnya memerlukan proses yang cukup rumit. Proses penerimaan karyawanmenjaditahapanawalyangberperanpentingdalammewujudkanhaltersebut. Prosespenerimaanyang buruk akan berdampak pada tingginya angka resign karyawan yang biasanya disebut dengan nilai turnover. Permasalahantersebutdapatdiatasisalahsatunyadengancaramengamatikandidatkaryawanmelalui aktiï¬tas sosial media. Berdasarkan hasil analisis tersebut, perusahaan dapat secara langsung mengetahui sikapdansifatdaritiapcalonkaryawan,sehinggadapatmenjadipertimbangandalammemilihkaryawan. Data yang digunakan dalam penelitian diambil dari media sosial Twitter sebanyak 3583 komentar yang dibagi menjadi tiga sentimen yaitu positif, netral dan negatif. Komentar yang diperoleh direduksi dengan caramenghapuskata,angkamaupunsimbolyangtidakmemilikiinformasidanmaknayangpenting. Kumpulan kata hasil reduksi diubah menjadi bentuk vektor dengan menggunakan fasttext. Hasil dari fasttext menjadiinputpelatihanmodelConvolutionalNeuralNetwork. Berdasarkanhasilpengujianyangdilakukanpada20calonkaryawan, kombinasifasttextdanConvolutional Neural Network dengan beberapa aturan hyperparameter mampu memberikan nilai akurasi terbaik sebesar 84.01%. Nilai akurasi yang dihasilkan tersebut dapat menjadi patokan bahwa model yang dibangunmampumembantupihakperusahaandalammemilihcalonkaryawan.
Katakunci: sentimen,karyawan,seleksi,fasttext,CNN
Abstract Employees are the main element that can increase the value of a company. Finding qualiï¬ed employees generally requires a somewhat complicated process. The recruitment process is the initial stage that plays an essential role in realizing this. The imperfect admission process will impact the high employee resign rate, which usually refers to the turnover value. One of the problems can overcome by observing employee candidates through social media activities. Based on the results of the analysis, the company can directly knoweachemployee’sattitudes,sothatitcanconsiderinselectingemployees. The data used in the study were taken from Twitter social media as many as 3583 comments divide into threesentiments,namelypositive,neutral,andnegative. Observationsobtainedreducebyremovingwords, numbers, or symbols that do not have valuable information and meaning. The deduction words are convertedintovectorshapesusingfasttext. TheresultsoffasttextbecometraininginputfortheConvolutional NeuralNetworkmodel. Basedontheresultsoftestsconductedon20prospectiveemployees,thecombinationoffasttextandConvolution Neural Network with several hyperparameter rules can provide the best accuracy value of 84.01%. The resulting accuracy can be a benchmark that the model built is ready to help the company select prospectiveemployees.
Keywords: sentiment,employees,selection,fasttext,CNN