Nurilham, Adhi (2016) Implementasi Latent Semantic Indexing Dan Algoritma 3a (Actor, Asset, Activities) Untuk Sistem Rekomendasi Lowongan Pekerjaan. Undergraduate thesis, Institut Teknologi Sepuluh Nopember Surabaya.
Preview |
Text
5112100164-Undergraduate_Thesis.pdf - Published Version Download (1MB) | Preview |
Abstract
Terdapat ribuan informasi lowongan pekerjaan yang dapat
diakses melalui internet. Implementasi sistem rekomendasi
pekerjaan dapat memudahkan pelamar dalam memberikan
penilaian terhadap ribuan informasi lowongan pekerjaan. Sistem
rekomendasi pada umumnya berjenis content-based atau
collaborative. Sistem tersebut masih memiliki kelemahan. Oleh
karena itu, pada Tugas Akhir ini akan diajukan sistem
rekomendasi hybrid yang menggabungkan jenis sistem
rekomendasi content-based dan collaborative untuk mencari
pekerjaan.
Terdapat beberapa tahapan dalam proses sistem rekomendasi
lowongan pekerjaan ini. Tahap pertama adalah proses prapemrosesan
teks pada dokumen teks profil pelamar dan pekerjaan.
Tahap kedua adalah pencarian kesamaan teks pada kumpulan teks
profil pelamar dan pekerjaan menggunakan metode LSI (Latent
Semantic Indexing). Tahap ketiga adalah pemodelan hubungan
kumpulan pelamar dan pekerjaan dalam graf. Tahap keempat
adalah pengukuran tingkat rank node pada graf model hubungan
objek rekomendasi menggunakan Algoritma 3A.
Uji coba pada tugas akhir ini menggunakan data pelamar,
data pekerjaan, dan data feedback pelamar terhadap pekerjaan.
Uji coba dilakukan dengan memberikan rekomendasi pekerjaan
pada sejumlah pelamar menggunakan spesifikasi nilai parameter
Algoritma 3A dan jenis rekomendasi yang berbeda. Hasil
viii
pengujian menunjukan bahwa sistem rekomendasi pekerjaan ini
dapat memberikan nilai presisi sebesar 52,37%
========================================================================================== There are thousands of job information that can be accessed
via the internet. Implementation of recommendation systems can
facilitate job applicants in providing an assessment of thousands
of job information.. Recommender system usually use contentbased
system or collaborative system. These systems still have
flaws. Therefore, this final project will propose hybrid
recommender system that combine content-based and
collaborative system to find a job.
There are several phases in the process of this job
recommender system. The first phase is the pre-processing text in
the text documents of job and applicant profile. The second phase
is to find similarity between the collection of text documents of job
and applicant profile using LSI (Latent Semantice Indexing). The
third phase is a construction of graph that model the relationship
between collection of job and applicant. The fourth phase is to rank
the importance of job and applicant in the graph using 3A
Algorithm.
The testing phase will use applicant data, job data, and
applicant's feedback data towards the jobs. The test is done by
providing job recommendations on a number of applicants using
different parameter value spesifications in 3A Algorithm and
different type of recommender systems. Result of the tests show that
this job recommender system can give us the precision score of
52,37%
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSIf 006.7 Nur i |
| Uncontrolled Keywords: | Text Mining, Sistem Rekomendasi, Graf, Node Ranking, Latent Semantic Indexing, Algoritma 3A. |
| Subjects: | Q Science > QA Mathematics > QA76.76.A65 Application software. Enterprise application integration (Computer systems) |
| Divisions: | Faculty of Information Technology > Informatics Engineering > 55201-(S1) Undergraduate Thesis |
| Depositing User: | EKO BUDI RAHARJO |
| Date Deposited: | 10 Feb 2020 03:46 |
| Last Modified: | 10 Feb 2020 03:46 |
| URI: | http://repository.its.ac.id/id/eprint/74778 |
Actions (login required)
 |
View Item |