Implementasi Latent Semantic Indexing Dan Algoritma 3a (Actor, Asset, Activities) Untuk Sistem Rekomendasi Lowongan Pekerjaan

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.

[img]
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 View Item