UNPARUNPAR

Jurnal Teknologi Informasi: Jurnal Keilmuan dan Aplikasi Bidang Teknik InformatikaJurnal Teknologi Informasi: Jurnal Keilmuan dan Aplikasi Bidang Teknik Informatika

Mencari informasi lowongan pekerjaan yang relevan sering menjadi tantangan bagi pencari kerja karena banyaknya data di internet dan keterbatasan pencocokan kata kunci persis, yang sering menghasilkan hasil yang tidak akurat. Penelitian ini bertujuan membangun sistem temu kembali informasi (Information Retrieval) lowongan pekerjaan menggunakan pendekatan Vector Space Model (VSM). Sistem menerapkan Term Frequency-Inverse Document Frequency (TF-IDF) untuk pembobotan kata dan Cosine Similarity untuk mengukur relevansi antara kueri pengguna dan dokumen pekerjaan. Studi ini menggunakan dataset 350 dokumen, terdiri dari 300 lowongan pekerjaan valid dan 50 dokumen noise. Tahapan preprocessing meliputi case folding, tokenizing, filtering, dan stemming. Performa sistem dievaluasi menggunakan metrik Precision, Recall, dan F-Measure pada 10 kueri pencarian berbeda. Hasil uji menunjukkan akurasi tinggi dalam menampilkan dokumen relevan, dengan rata-rata Precision 0,840 (84%) pada threshold 10 dokumen teratas dan 0,880 (88%) pada threshold 15 dokumen teratas. Hasil ini menunjukkan kombinasi TF-IDF dan Cosine Similarity efektif dalam menyaring dokumen tidak relevan dan memeringkat lowongan pekerjaan sesuai kebutuhan pengguna.

Implementasi dan pengujian sistem temu kembali informasi lowongan pekerjaan menggunakan metode Vector Space Model (VSM) dengan pembobotan TF-IDF dan Cosine Similarity menunjukkan beberapa kesimpulan.Pertama, kombinasi metode pembobotan TF-IDF dan pengukuran kemiripan Cosine Similarity terbukti efektif dalam menyaring dan memeringkat dokumen lowongan pekerjaan.Sistem mampu membedakan dokumen lowongan kerja yang relevan dan dokumen noise dengan baik.Kedua, tingkat akurasi pencarian (Precision) tinggi, dengan rata-rata 0,840 (84%) pada threshold 10 dokumen teratas dan meningkat menjadi 0,880 (88%) pada threshold 15 dokumen teratas.Ketiga, kinerja sistem pada top-N menunjukkan bahwa semakin banyak dokumen yang ditampilkan, nilai presisi cenderung stabil bahkan meningkat, yang menunjukkan distribusi dokumen relevan yang baik pada peringkat atas hasil pencarian.Hal ini membuktikan sistem dapat memenuhi kebutuhan pengguna dalam mendapatkan informasi yang paling relevan secara cepat.

Untuk penelitian lanjutan, disarankan untuk mengembangkan sistem dengan menambahkan fitur personalisasi. Sistem dapat belajar dari preferensi pengguna dan sejarah pencarian mereka untuk memberikan hasil yang lebih disesuaikan. Selain itu, dapat dipertimbangkan untuk mengintegrasikan sistem dengan platform media sosial atau aplikasi pencari kerja populer, sehingga pengguna dapat dengan mudah mengakses sistem dan mendapatkan informasi lowongan pekerjaan yang relevan. Terakhir, penelitian dapat mengeksplorasi penggunaan teknik pembelajaran mesin untuk meningkatkan akurasi dan efisiensi sistem, seperti menggunakan model deep learning untuk pembobotan kata dan pengukuran kemiripan.

  1. Jurnal Teknologi Informasi: Jurnal Keilmuan dan Aplikasi Bidang Teknik Informatika. jurnal teknologi... doi.org/10.47111/JTIJurnal Teknologi Informasi Jurnal Keilmuan dan Aplikasi Bidang Teknik Informatika jurnal teknologi doi 10 47111 JTI
  2. Penerapan Algoritma Cosine Similarity dan Pembobotan TF-IDF System Penerimaan Mahasiswa Baru pada Kampus... doi.org/10.30812/bite.v3i1.1110Penerapan Algoritma Cosine Similarity dan Pembobotan TF IDF System Penerimaan Mahasiswa Baru pada Kampus doi 10 30812 bite v3i1 1110
Read online
File size457.55 KB
Pages8
DMCAReport

Related /

ads-block-test