Klasifikasi Sentimen pada Twitter dalam Membantu Pemilihan Kandidat Karyawan dengan Menggunakan Convolutional Neural Network dan Fasttext Embeddings

FARHAN ALFARIQI

Informasi Umum

Kode

20.04.2290

Klasifikasi

006.312 - Data mining

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Data Mining

Dilihat

251 kali

Informasi Lainnya

Abstraksi

Karyawan merupakan elemen utama yang dapat meningkatkan nilai dari suatu perusahaan. Menemukan karyawan yang berkualitas umumnya memerlukan proses yang cukup rumit. Proses penerimaan karyawan menjadi tahapan awal yang berperan penting dalam mewujudkan hal tersebut. Proses penerimaan yang buruk akan berdampak pada tingginya angka resign karyawan yang biasanya disebut dengan nilai turnover. Permasalahan tersebut dapat diatasi salah satunya dengan cara mengamati kandidat karyawan melalui aktifitas sosial media. Berdasarkan hasil analisis tersebut, perusahaan dapat secara langsung mengetahui sikap dan sifat dari tiap calon karyawan, sehingga dapat menjadi pertimbangan dalam memilih karyawan. Data yang digunakan dalam penelitian diambil dari media sosial Twitter sebanyak 3583 komentar yang dibagi menjadi tiga sentimen yaitu positif, netral dan negatif. Komentar yang diperoleh direduksi dengan cara menghapus kata, angka maupun simbol yang tidak memiliki informasi dan makna yang penting. Kumpulan kata hasil reduksi diubah menjadi bentuk vektor dengan menggunakan fasttext. Hasil dari fasttext menjadi input pelatihan model Convolutional Neural Network. Berdasarkan hasil pengujian yang dilakukan pada 20 calon karyawan, kombinasi fasttext dan Convolutional Neural Network dengan beberapa aturan hyperparameter mampu memberikan nilai akurasi terbaik sebesar 84.01%. Nilai akurasi yang dihasilkan tersebut dapat menjadi patokan bahwa model yang dibangun mampu membantu pihak perusahaan dalam memilih calon karyawan.