Automatic Recommendation Sourcing Pada Rekrutment Karyawan Dengan Machine Learning

Mulyono, Yusuf Joko (2024) Automatic Recommendation Sourcing Pada Rekrutment Karyawan Dengan Machine Learning. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6032211125-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 March 2026. Download (2MB) | Request a copy

Abstract

Human Resource Management menjadi salah satu aset berharga bagi Perusahaan yang harus dikembangkan dan salah satu peran penting di perusahaan adalah manajemen rekrutmen karena proses yang baik akan menghasilkan kandidat yang baik yang dapat menjadi aset yang dapat memberikan kontribusi demi tercapainya tujuan Perusahaan. Pentingnya proses rekrutmen menjadi sorotan pada PT Toyota Astra Financial Services yang memiliki kendala berupa tingkat kelulusan kandidat yang sangat rendah sehingga berdampak terhadap biaya rekrutmen karyawan yang membengkak. Oleh karena itu, perlu adanya eksplorasi terhadap kriteria yang digunakan untuk menentukan strategi rekrutmen karyawan sehingga dapat meningkatkan tingkat kelulusan rekrutmen karyawan menjadi lebih optimal dan dapat meminimalisir biaya rekrutmen. Munculnya Machine Learning di masa ini menjadi salah satu cara yang dapat digunakan untuk menyelesaikan permasalahan klasifikasi pada kriteria rekrutmen karyawan. Penelitian ini menganalisa data pelamar kerja pada periode Januari hingga November 2023 dengan menggunakan tiga metode analisa antara lain Random Forest, Decision Tree dan Naïve Bayes sekaligus mencari korelasi dari setiap variabel sehingga perusahaan dapat menyusun strategi rekrutmen karyawan menjadi lebih tepat. Salah satu proses sebelum analisa pada penelitian ini adalah melakukan pengelompokan terhadap beberapa variabel yang bertujuan untuk mencari variabel yang menghasilkan model yang terbaik. Dari hasil analisa korelasi yang telah dilakukan dapat disimpulkan bahwa variabel dengan korelasi terbaik yaitu variabel Work Experience, Experience Year dan Akreditasi. Sementara itu hasil analisa menunjukan bahwa Random Forest memiliki nilai AUC, F1-Score, Precision dan Recall terbaik dengan skor 85,30% dengan proporsi data training dengan data test sebesar 90:10 sehingga model ini dapat digunakan untuk menentukan strategi rekrutmen karyawan. Setelah menemukan model yang terbaik, model terpilih diimpementasikan menjadi alat bantu Automatic Recommendation Sourcing yang dapat memberikan informasi prediktif terhadap kandidat yang mendaftar sehingga proses sourcing dan biaya rekrutmen menjadi lebih optimal.
=================================================================================================================================
Human Resource Management is a valuable asset for the Company that must be developed and one of the important roles in the company is recruitment management because a good process will produce good candidates who can become assets that can contribute to achieving the Company's goals. The importance of the recruitment process is highlighted by PT Toyota Astra Financial Services which has problems in the form of a very low candidate pass rate which has an impact on increasing recruitment costs. It is necessary to explore the criteria used to determine employee recruitment strategies so that it can increase the recruitment pass rate to be more optimal and minimize recruitment costs. The emergence of Machine Learning nowadays is one way that can be used to solve classification problems in employee recruitment criteria This research analyzes job applicant data in the period January to November 2023 using three analysis methods: Random Forest, Decision Tree and Naïve Bayes and finds the correlation of each variable so that companies can develop employee recruitment strategies more precisely. Pre-processing before analysis is grouping several variables to find the variables that produce the best model. From the results of the correlation analysis that has been carried out, it can be concluded that the variables with the best correlation are the Work Experience, Experience Year and Accreditation variables. Meanwhile, the analysis results show that Random Forest has the best AUC, F1-Score, Precision, and Recall values with a score of 85.30% with a proportion of training data to test data of 90:10 so this model can be used to determine employee recruitment strategies. After finding the best model, the selected model is implemented into an Automatic Recommendation Sourcing tool which can provide predictive information on candidates who register so that the sourcing process and recruitment costs become more optimal.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Human Resource Management, Rekomendasi Otomatis, Validasi Model, Korelasi, Human Capital, Automatic Recommendation, Model Validation, Correlation.
Subjects:	T Technology > T Technology (General) T Technology > T Technology (General) > T174 Technological forecasting T Technology > T Technology (General) > T58.62 Decision support systems
Divisions:	Interdisciplinary School of Management and Technology (SIMT) > 61101-Master of Technology Management (MMT)
Depositing User:	Yusuf Joko Mulyono
Date Deposited:	19 Feb 2024 01:29
Last Modified:	19 Feb 2024 01:29
URI:	http://repository.its.ac.id/id/eprint/107423

Actions (login required)

View Item