Sistem Rekomendasi Otomatis Bagi Pencari Kerja Pada Situs Lowongan Pekerjaan - Metode Hybrid Naive Bayes Classifier - Studi dan Pengujian

Sep 11, 2026

Unggah oleh Violet

Tingkat pengangguran yang tinggi dan ketersediaan lowongan yang besar sering tidak selaras, sehingga diperlukan sistem e-rekrutmen yang mampu mencocokkan profil pencari kerja dengan kebutuhan perusahaan secara lebih tepat. Penelitian ini merancang sistem rekomendasi otomatis menggunakan metode klasifikasi Hybrid Naive Bayes, dengan menilai kecocokan berdasarkan data profil seperti usia, jenis kelamin, pendidikan, IPK, kemampuan, status lulusan baru, pengalaman bahasa pemrograman, serta bahasa yang dikuasai. Hasil pengujian menggunakan data riil menunjukkan akurasi sekitar 80%, dan rekomendasi cenderung mengarahkan ke sub-bidang IT.

BahasaIndonesian

KategoriUmum

FormatPDF

Halaman9

Waktu Membaca3 mnt

AksesGratis untuk diunduh

Daftar Isi

Pendahuluan

Latar Belakang

Landasan Teori

Sistem Rekomendasi

Metode Naive Bayes Classifier

Machine Learning

Sistem Rekomendasi Otomatis Bagi Pencari Kerja Pada Situs Lowongan Pekerjaan Dengan Metode Hybrid Naive Bayes Classifier (Automatic Recommendation System For Search Workers In Job Vacancy Sites Using Hybrid Naive Bayes Classifier Method) Zuchal Ari Bastian Departemen Teknik Informatika, Fakultas Teknik Universitas 17 Agustus 1945 Surabaya (UNTAG) Surabaya, Indonesia E-mail: [assasinbastian022@gmail.com](assasinbastian022@gmail.com) Abstract—The fact that high unemployment rates coexist with high employment is unbalanced. So in this study created a system with the accuracy of data between job seekers and companies with the method of machine learning classification. Classification is the process of identifying objects into classes, groups, or categories based on predetermined characteristics, the classification method that is often used is Naive Bayes Classifier (NBC). In the automatic job vacancy recommendation system, the NBC method is used asthe main method which produces 78% prediction to match profile data with company data on the system. From the prediction results will be adjusted to the data of age, gender, education, GPA, ability, data of new graduates or not, experience in programming languages, as well as languages that are mastered, it is evident that most of them produce jobs in the IT sub-field rather than the choice of the front end sub-field, IT support or developer, where in the job training data with educational data or age data or gender data orthe ability data of all values or values 0. Test results Real data from profile data get 80% accuracy seen from the recommendation system testing table which is partly large produce sub-IT jobs. Keywords: Recommendation System, Naive Bayes, Employment, Profile Data, IT I. PENDAHULUAN Pesatnya pertumbuhan jejaring sosial dalam beberapatahun terakhir mengembangkan bisnis baru perdagangan pengguna jejaring sosial data. Data jejaring sosial ini menjadi penting untuk banyak perusahaan di seluruh dunia dan sering digunakan untuk menentukan minat pengguna jejaring sosial item secara berurutan untuk mengusulkan atau mengiklankan item kepada pencari pekerja. Informasi pribadi yang diposting oleh pengguna jejaring sosial pekerjaan (yang mungkin melibatkan deskripsi pribadi, posting, peringkat, tetapi jugatautan sosial) dapat dieksploitasi oleh seorang pemberirekomendasi sistem [1] . Fakta bahwa tingkat pengangguran yang tinggi hidup berdampingan dengan jumlah pekerjaan yang tinggi tidakseimbang. Aplikasi pembelajaran mesin ini berfokus lebihkhusus pada e-rekrutmen, keadaan pada dasarnyamempertimbangkan masalah yang cocok terkait dengan pekerjaan bergaji tinggi [2] . Sifat pekerjaan yang sangat kompetitif dan dinamis preferensi pasar dan pribadi serta tujuan memimpin individu untuk mengubah pekerjaan pencari pekerja di beberapa titik dalam kehidupan pencari pekerja [3] . Hasil referensi yang banyak dibaca oleh penulis, pekerja lebih cenderung mencari lowongan pekerjaan melalui mediasosial, papan pengumuman di beberapa tempat seperti kantor pos, pameran pekerjaan, dll. Maka dalam penelitian inidiperlukan suatu sistem dengan data yang akurat antara profil pencari kerja dan perusahaan sehingga saat rekrutmendidapatkan pekerja sesuai dengan bidang yang telah didaftarkan saat memasukkan data dalam sistem. Penelitian ini menggunakan metode Naive Bayes karena beberapa jurnalpenelitian merekomendasikan metode ini daripada yang lain, karena metode Naive Bayes dapat mencocokan data yang akurat untuk membangun sistem rekomendasi yang membantu dalam memprediksi. II. LANDASAN TEORI A. Sistem Rekomendasi Sistem rekomendasi mencakup kelas teknik dan algoritmayang dapat menyarankan item "relevan" kepada pengguna. Idealnya, item yang disarankan adalah relevan bagi pengguna mungkin, sehingga pengguna dapat terlibat dengan item-itemini: video YouTube, artikel berita, produk online, dansebagainya. Item diberi peringkat berdasarkan relevansi dan yang paling relevan di

Pertanyaan Umum

Apa tujuan sistem rekomendasi dalam penelitian ini?

Membangun sistem untuk mencocokkan profil pencari kerja dengan data perusahaan pada situs lowongan pekerjaan agar hasil rekrutmen lebih sesuai dengan bidang yang dibutuhkan.

Metode apa yang digunakan untuk melakukan klasifikasi?

Penelitian menggunakan metode Hybrid Naive Bayes Classifier sebagai metode utama untuk menghasilkan prediksi kecocokan profil dan perusahaan.

Parameter apa saja yang dipakai dari data profil untuk rekomendasi?

Data yang digunakan meliputi usia, jenis kelamin, pendidikan, IPK, kemampuan, status lulusan baru, pengalaman bahasa pemrograman, serta bahasa yang dikuasai.

Sep 11, 2026

Unggah oleh Violet