Aplikasi Sistem Seleksi Pelamar Kerja Dengan Menggunakan Metode Random Forest

Abstract

Abstrak Indonesia merupakan negara berkembang yang memiliki jumlah penduduk yang demikian banyak dan masuk dalam 5 besar populasi penduduk di Dunia. Jumlah penduduk di Indonesia juga meningkat setiap tahunnya, dan seiring dengan bertambahnya jumlah penduduk, tenaga kerja juga mengalami peningkatan setiap tahunnya. Perusahaan yang sedang membuka lowongan pekerjaan pasti akan mendapatkan lebih banyak lamaran kerja setiap tahunnya, hal ini mengakibatkan semakin lambatnya proses seleksi pelamar kerja ini. Salah satu cara yang efektif untuk menyeleksi pelamar, yaitu dengan menyeleksi data hasil wawancara pelamar kerja yang telah diberikan skor oleh ahli. Skor ini terbagi penjadi 9 macam penilaian, yaitu action, enthusiams, focus, imagine, integrity, smart, solid, speed dan totality. Penelitian ini dilakukan untuk mendapatkan model penilaian dengan menggunakan klasifikasi teks yang dapat membantu sebuah perusahaan dalam menyeleksi data hasil wawancara pelamar kerja dengan otomatis, waktu yang lebih singkat, mengurangi biaya, dan penilaian yang objektif. Dalam penelitian ini digunakan word embeddings untuk merubah kata menjadi vektor. Metode klasifikasi yang dipakai dalam penelitian ini adalah Random Forest. Hasil dari penelitian pada jurnal ini menunjukuan bahwa algoritma klasifikasi Random Forest dapat dipakai untuk klasifikasi teks wawancara dengan hyperparameter tuning. Performa algoritma Random Forest pada klasifikasi teks wawancara terlihat cukup bagus dengan akurasi rata-rata 71% dari seluruh 9 poin penilaian yang ada. Dengan akurasi rata-rata 71%, maka bisa disimpulkan bahwa algoritma Random Forest memiliki akurasi yang cukup baik, dan dapat digunakan sebagai klasifikasi teks wawancara. Kata kunci : klasifikasi teks, random forest, wawancara, seleksi pelamar kerja Abstract Indonesia is a developing country which has a large population and included in the top 5 population in the world. The population in Indonesia also increased every year, and along with the increase in population, the workforce has also increased every year. Companies that are currently opening job vacancies will definitely get more job applications each year, this has resulted in the slower process of selecting job applicants. One of the effective ways to select applicants is by selecting the data from job applicant interviews that have been scored by experts. This score is divided into 9 types of assessment, namely action, enthusiams, focus, imagine, integrity, smart, solid, speed and totality. This research was conducted to obtain an assessment model using text classification that can assist a company in selecting job applicant interview data automatically, with shorter time, reducing costs, and an objective assessment. In this study, word embeddings were used to convert words into vectors. The classification method used in this study is the Random Forest. The results of research in this journal show that the Random Forest classification algorithm can be used to classify interview texts with some hyperparameter tuning. The performance of the Random Forest algorithm in the interview text classification looks quite good with an average accuracy of 71% of all 9 assessment points. With an average accuracy of 71%, it can be concluded that the Random Forest algorithm has a fairly good accuracy, and can be used as a classification of interview texts. Keywords: text classification, random forest, interviews, selection of job applicants