Wawancara kerja adalah salah satu tahap yang harus dilalui oleh pelamar kerja sebelum mendapatkan pekerjaan. Akan tetapi, proses wawancara manual mengakibatkan besarnya biaya dan lamanya waktu seleksi, sehingga diperlukan sebuah sistem yang dapat memberikan rekomendasi kelolosan pelamar kerja. Saat ini telah banyak penelitian klasifikasi teks menggunakan metode Naive Bayes, K-Nearest Neighbor, Support Vector Machine, dan Deep Learning. Oleh karena itu, algoritma yang lebih jarang digunakan akan diuji dalam penelitian ini, seperti Decision Tree. Kemudian metode Swarm Intelligence yaitu Particle Swarm Optimization diimplementasikan untuk meningkatkan performa dari metode tersebut. Sehingga penelitian ini fokus pada pengujian dan perbandingan metode Decision Tree biasa dengan Decision Tree yang dioptimasi dengan Particle Swarm Optimization. Dari hasil pengujian, akurasi dari model yang dioptimasi meningkat sebesar 7,1%, dan akurasi tertinggi yang dicapai adalah 74,3%.