Perbandingan Metode Naive Bayes dan Metode K-Nearest Neighbor pada Klasifikasi Teks Pelamar Kerja PT. Telkom Indonesia

ANNALISA WAHYU ROMDON

Informasi Umum

Kode

20.04.785

Klasifikasi

006.31 - Machine Learning

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Machine Learning

Informasi Lainnya

Abstraksi

PT Telkom Indonesia mengalami kesulitan dalam meyeleksi dan menganalisis sejumlah pelamar kerja yang jumlahnya dapat mencapai puluhan ribu dalam satu kali pembukaan lowongan. Tentu sangat sulit untuk menganalisis puluhan ribu essay tersebut dengan sumber daya yang terbatas. Pendekatan machine learning dapat digunakan sebagai alat pembantu agar proses seleksi dapat dijalankan secara otomatis sehingga dapat mengurangi bias pada rekrutmen, menghemat waktu dan biaya dalam proses penilaian wawancara. Dengan menggunakan metode klasifikasi pada machine learning seperti NaïveBayes dan K-Nearest Neighbor, kualitas pelamar dapat diprediksi dengan menganalisis hasil tulisannya. Kinerja dari kedua metode tersebut akan dibandingkan, sehingga dapat diketahui metode mana yang lebih baik dalam melakukan klasifikasi teks. Hasil yang didapatkan menunjukkan metode Naive Bayes memiliki kinerja yang lebih baik dengan tingkat rata –rata akurasi 85.22%, sedangkan metode K-Nearest Neighbor memiliki tingkat rata – rata akurasi yang cukup rendah yaitu 74.88%.