OPTIMASI MODEL BERT MENGGUNAKAN XGBOOST PADA SISTEM REKOMENDASI LOWONGAN PEKERJAAN BERBASIS WEB

ALYA, RIZKI SHIFA (2025) OPTIMASI MODEL BERT MENGGUNAKAN XGBOOST PADA SISTEM REKOMENDASI LOWONGAN PEKERJAAN BERBASIS WEB. Skripsi thesis, Universitas pembangunan Nasional "Veteran" Yogyakarta.

	Text NASKAH-TA-123210066.pdf Restricted to Repository staff only Download (2MB)
	Text ABSTRAK.pdf Download (166kB)
	Text COVER.pdf Download (114kB)
	Text DAFTAR ISI.pdf Download (176kB)
	Text DAFTAR PUSTAKA.pdf Download (173kB)
	Text DAFTAR PUSTAKA.pdf Download (173kB)
	Text PENGESAHAN PEMBIMBING-123210066.pdf Download (75kB)
	Text PENGESAHAN PENGUJI-123210066.pdf Download (88kB)

Abstract

Pencarian lowongan pekerjaan yang sesuai dengan preferensi individu seringkali memerlukan waktu dan usaha yang besar. Hal ini menjadi permasalahan umum yang dihadapi pencari kerja karena banyaknya informasi yang harus disaring secara manual. Oleh karena itu, dibutuhkan sebuah sistem rekomendasi yang mampu membantu pengguna menemukan pekerjaan yang relevan secara cepat dan akurat.
Penelitian ini mengembangkan sistem rekomendasi lowongan kerja berbasis web dengan pendekatan hybrid yang menggabungkan model pemrosesan bahasa alami BERT (Bidirectional Encoder Representations from Transformers) dan algoritma machine learning XGBoost. Embedding teks dari judul, deskripsi, dan kualifikasi pekerjaan dihasilkan oleh BERT, kemudian dikombinasikan dengan bobot tertentu dan diklasifikasikan menggunakan XGBoost. Dataset diperoleh dari situs Jobstreet dan melalui tahapan pra-pemrosesan seperti pembersihan teks, case folding, penghapusan simbol, dan normalisasi spasi. Model dilatih menggunakan RandomizedSearchCV untuk optimasi hyperparameter.
Hasil pengujian menunjukkan bahwa model hybrid BERT + XGBoost mampu menghasilkan nilai precision dan recall sebesar 0,82, yang berarti lebih unggul dibandingkan model baseline BERT + cosine similarity dengan nilai precision dan recall sebesar 0,70. Sistem diimplementasikan dalam aplikasi web menggunakan Streamlit, yang memungkinkan pengguna memasukkan deskripsi pekerjaan secara manual atau berdasarkan kategori tertentu untuk memperoleh rekomendasi lowongan yang relevan. Secara keseluruhan, pendekatan hybrid terbukti efektif dalam meningkatkan akurasi dan relevansi sistem rekomendasi lowongan kerja.
Kata Kunci: BERT, XGBoost, sistem rekomendasi, lowongan kerja, precision, recall, hybrid model

Item Type:	Tugas Akhir (Skripsi)
Uncontrolled Keywords:	BERT, XGBoost, sistem rekomendasi, lowongan kerja, precision, recall, hybrid model
Subjek:	Q Science > Q Science (General)
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	Eny Suparny
Date Deposited:	09 Jan 2026 03:41
Last Modified:	09 Jan 2026 03:42
URI:	http://eprints.upnyk.ac.id/id/eprint/46526

Actions (login required)

View Item