[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"detail-sidebar-cat-1-id-113":3,"doc-seo-237474-113":41,"doc-detail-237474-id":108},{"code":4,"msg":5,"data":6},0,"success",[7,13,17,21,25,29,33,37],{"id":8,"doc_module":9,"doc_module_name":10,"category_name":11,"show_sort_weight":4,"slug":12},178,1,"Template","Faktur","faktur",{"id":14,"doc_module":9,"doc_module_name":10,"category_name":15,"show_sort_weight":4,"slug":16},192,"Formulir","formulir-192",{"id":18,"doc_module":9,"doc_module_name":10,"category_name":19,"show_sort_weight":4,"slug":20},180,"Media Sosial","media-sosial",{"id":22,"doc_module":9,"doc_module_name":10,"category_name":23,"show_sort_weight":4,"slug":24},179,"Poster","poster",{"id":26,"doc_module":9,"doc_module_name":10,"category_name":27,"show_sort_weight":4,"slug":28},176,"Presentasi","presentasi",{"id":30,"doc_module":9,"doc_module_name":10,"category_name":31,"show_sort_weight":4,"slug":32},177,"Resume","resume",{"id":34,"doc_module":9,"doc_module_name":10,"category_name":35,"show_sort_weight":4,"slug":36},182,"Surat","surat-a95d00d3aaf04f3b854ecf140f00d385",{"id":38,"doc_module":9,"doc_module_name":10,"category_name":39,"show_sort_weight":4,"slug":40},183,"Umum","umum-07d1ff437201438088836b2b1ed3c90f",{"code":4,"msg":42,"data":43},"ok",{"site_id":44,"language":45,"slug":46,"title":47,"keywords":48,"description":49,"schema_data":50,"social_meta":101,"head_meta":103,"extra_data":105,"updated_unix":107},113,"id","intelligent-system-for-categorizing-electronic-tender-invitation-letters-using-automl-accuracy-study-and-evaluation","Sistem Cerdas Pengkategorian Surat Undangan Elektronik Tender Pekerjaan Dengan AutoML - Studi dan Evaluasi Akurasi","","Klasifikasi surat undangan elektronik tender pekerjaan berperan penting dalam menentukan kategori bidang pekerjaan di perusahaan. Penelitian ini menggunakan dataset 650 judul pekerjaan dengan pembagian 80:20 (training 80% dan testing 20%) untuk pengelompokan kategori surat undangan tender. Pengembangan perangkat lunak dilakukan dengan algoritma AutoML AutoGluon. Evaluasi menunjukkan skenario ketiga dengan preset High menghasilkan akurasi terbaik 81,53%, sedangkan preset Medium pada skenario pertama memberikan akurasi terendah 77,69%.",{"@graph":51,"@context":100},[52,68,83],{"@type":53,"itemListElement":54},"BreadcrumbList",[55,59,62,65],{"item":56,"name":57,"@type":58,"position":9},"https://docshare.wps.com","Home","ListItem",{"item":60,"name":10,"@type":58,"position":61},"https://docshare.wps.com/id/template/",2,{"item":63,"name":39,"@type":58,"position":64},"https://docshare.wps.com/id/template/umum/",3,{"item":66,"name":47,"@type":58,"position":67},"https://docshare.wps.com/id/template/intelligent-system-for-categorizing-electronic-tender-invitation-letters-using-automl-accuracy-study-and-evaluation/237474/",4,{"url":66,"name":47,"@type":69,"author":70,"headline":47,"publisher":73,"fileFormat":76,"inLanguage":45,"description":49,"dateModified":77,"datePublished":77,"encodingFormat":76,"isAccessibleForFree":78,"interactionStatistic":79},"DigitalDocument",{"name":71,"@type":72},"Jasmine","Person",{"url":56,"name":74,"@type":75},"DocShare","Organization","application/pdf","2026-09-11",true,{"@type":80,"interactionType":81,"userInteractionCount":4},"InteractionCounter",{"@type":82},"ViewAction",{"@type":84,"mainEntity":85},"FAQPage",[86,92,96],{"name":87,"@type":88,"acceptedAnswer":89},"Apa tujuan utama sistem pengkategorian surat undangan elektronik tender dalam penelitian ini?","Question",{"text":90,"@type":91},"Tujuannya mengelompokkan kategori surat undangan elektronik tender agar sesuai dengan kategori pekerjaan di perusahaan. Proses ini membantu menentukan apakah tender termasuk bidang pekerjaan tertentu.","Answer",{"name":93,"@type":88,"acceptedAnswer":94},"Bagaimana dataset disusun dan dibagi untuk pelatihan serta pengujian?",{"text":95,"@type":91},"Dataset berisi 650 judul pekerjaan yang dibagi dengan rasio 80:20, yaitu 80% untuk data training dan 20% untuk data testing.",{"name":97,"@type":88,"acceptedAnswer":98},"Skenario preset mana yang menghasilkan akurasi terbaik, dan berapa nilainya?",{"text":99,"@type":91},"Preset High pada skenario ketiga menghasilkan akurasi terbaik sebesar 81,53%. Sementara itu, preset Medium pada skenario pertama memberikan akurasi terendah sebesar 77,69%.","https://schema.org",{"og:url":66,"og:type":102,"og:title":47,"og:site_name":74,"og:description":49},"article",{"robots":104,"canonical":66},"index,follow",{"doc_id":106,"site_id":44},237474,1789112840,{"code":4,"msg":5,"data":109},{"doc_id":106,"user_id":110,"nickname":71,"user_avatar":111,"doc_module":9,"category_id":38,"category_name":39,"doc_title":47,"doc_description":49,"doc_content":112,"file_id":113,"file_url":114,"file_type":115,"file_size":116,"view_count":4,"is_deleted":4,"is_public":9,"is_downloadable":9,"audit_status":9,"page_count":117,"language":118,"language_code":45,"site_id":44,"html_lang":45,"table_of_contents":119,"faqs":120,"seo_title":121,"seo_description":49,"update_tm":107,"read_time":67},2336478487870,"https://ap-avatar.wpscdn.com/davatar_085a072bc5b1113ac321206ff7593b45","Sistem Cerdas Pengkategorian Surat Undangan Elektronik Tender  \nPekerjaan Dengan AutoML  \nAngel Kelly, Eka Puji Widiyanto, Hafiz Irsyad  \nFakultas Ilmu Komputer dan Rekayasa, Informatika, Universitas Multi Data Palembang, Palembang, Indonesia [Email:](Email:1angelkelly2503@mhs.mdp.ac.id)[1](Email:1angelkelly2503@mhs.mdp.ac.id)[angelkelly2503@mhs.mdp.ac.id](Email:1angelkelly2503@mhs.mdp.ac.id), [2](2ekapujiw2002@mdp.ac.id)[ekapujiw2002@mdp.ac.id](2ekapujiw2002@mdp.ac.id), [3](3hafizirsyad@mdp.ac.id)[hafizirsyad@mdp.ac.id](3hafizirsyad@mdp.ac.id)  \nAbstrak-elektronik tender pekerjaan merupakan proses penting dalam menentukan apakah tender tersebut termasuk kategori pekerjaandalam suatu perusahaan. Dataset yang digunakan memiliki jumlah sebanyak 650 judul pekerjaan yang dibagi dengan rasio 80:20, data training sebesar 80% dan data testing sebesar 20% . Pengembangan perangkat lunka ini dilakukan untuk mengelompokan kategori surat undangan elektronik tender menggunakan algoritma AutoML AutoGluon. Hasil dari pengujian yang dilakukan menunjukkan akurasiterbaik yang dihasilkan pada pengujian skenario ketiga (presets High) dengan akurasi sebesar 81.53%, sedangkan skenario pertama (presets Medium) memberikan akurasi terendah sebesar 77.69% .  \nKata Kunci: AutoML, AutoGluon, Tender, Surat Undangan Elektronik  \nAbstract − A tender is an offer to submit a price, buy work, or provide goods. Classifying electronic job tender invitation letters is an important process in determining whether the tender is included in a job category in a company. The dataset used has a total of 650 job titles divided by a ratio of 80:20, training data is 80% and testing data is 20% . This software development was carried out to group categories of electronic tender invitation letters using the AutoML AutoGluon algorithm. The results of the tests carried out showed that the best accuracy was produced in the third test scenario (High presets) with an accuracy of 81.53%, while the first scenario (Medium presets) gave the lowest accuracy of 77.69% .  \nKeywords: AutoML, AutoGluon , Electronic Invitation Letter, Tender.  \n1. PENDAHULUAN  \nPada periode 2019 – 2021, terdapat tren positif dalam pertumbuhan jumlah Perusahaan konstruksi (BPS, 2021) . Namun, pertumbuhan ini tidak hanya mencakup peningkatanjumlah Perusahaan konstruksi secara umum, tetapi jugamemiliki relevansi dengan klasifikasi jenis usaha konstruksi. Menurut Lembaga Pengembangan Jasa Konstruksi (LPJK) yang mengacu pada Peraturan LPJK Nasional No. 10 Tahun 2013 usaha konstruksi di skala nasional. Data tersebut mencatat peningkatan rata – rata sebesar 20.43% Tahun 2017, usaha konstruksi dikategorikan menjadi 3 kategori, yaitu kecil, menengah dan besar. Data peningkatan jumlah perusahaan berdasarkan kategori dapat diamati Tabel 1.  \nTabel 1 Jumlah Perusahaan Konstruksi 2019-2021  \n\n| Jumlah Berdasarkan Jenis Usaha Konstruksi (Per Tahun) |  |  |  |  |  |  |  |  |\n| --- | --- | --- | --- | --- | --- | --- | --- | --- |\n| Wilayah | Usaha Kecil |  | 2021 | Usaha Menengah | Usaha Besar |  |  | Jumlah |\n|  | 2019 | 2020 |  | 2019 2020 2021 | 2019 | 2020 | 2021 | 2021 |\n| Indonesia | 138.01\u003Cbr>7 | 130.74\u003Cbr>3 | 167.60\u003Cbr>5 | 29.198 27.024 34.048 | 1.653 | 1.541 | 1.750 | 203.403 |\n| umatera\u003Cbr>Selatan | 4.901 | 4.909 | 5.804 | 412 330 546 | 24 | 19 | 15 | 6.365 |\n\nPada Table 1.1 menunjukkan bahwa pada tahun 2021, sebanyak 203.403 perusahaan konstruksi yang beroperasi di seluruh Indonesia. Lebih spesifik lagi, Provinsi Sumatera Selatan mencatat peningkatan signifikan sebesar 50% dalam jumlah usaha konstruksi sejak tahun 2019 hingga tahun 2021. Peningkatan signifikan dalam jumlah perusahaan konstruksi, terutama di Provinsi Sumatera Selatan, menunjukkan pertumbuhan yang berpotensi positif dalam sektor konstruksi.  \nUntuk mendukung pernyataan – pernyataan yang telah dipaparkan diatas, penulis melakukan survei wawancara dengan beberapa perusahaan kontraktor. Wawancara dilakukan untuk memperkuat argumen bahwa masalah kes","cbCaikvlTmR4ZoAa","https://ap.wps.com/l/cbCaikvlTmR4ZoAa","pdf",530515,11,"Indonesian","# Pendahuluan\n## Tren pertumbuhan perusahaan konstruksi 2019-2021\n## Studi wawancara dan kebutuhan pengelompokan kategori\n## Konsep klasifikasi dan landasan teori\n## Penelitian terkait","[{\"question\":\"Apa tujuan utama sistem pengkategorian surat undangan elektronik tender dalam penelitian ini?\",\"answer\":\"Tujuannya mengelompokkan kategori surat undangan elektronik tender agar sesuai dengan kategori pekerjaan di perusahaan. Proses ini membantu menentukan apakah tender termasuk bidang pekerjaan tertentu.\"},{\"question\":\"Bagaimana dataset disusun dan dibagi untuk pelatihan serta pengujian?\",\"answer\":\"Dataset berisi 650 judul pekerjaan yang dibagi dengan rasio 80:20, yaitu 80% untuk data training dan 20% untuk data testing.\"},{\"question\":\"Skenario preset mana yang menghasilkan akurasi terbaik, dan berapa nilainya?\",\"answer\":\"Preset High pada skenario ketiga menghasilkan akurasi terbaik sebesar 81,53%. Sementara itu, preset Medium pada skenario pertama memberikan akurasi terendah sebesar 77,69%.\"}]","Sistem Cerdas Pengkategorian Surat Undangan Elektronik Tender Pekerjaan Dengan AutoML - Studi dan Evaluasi Akurasi | PDF"]