SINAR MAS LAND
Untuk pelamar yang menginginkan rekomendasi pekerjaan, sistem akan meminta pelamar tersebut untuk memasukkan data pribadi atau resume CV. Resume tersebut
digunakan sebagai kriteria perbandingan dalam mencari pekerjaan yang sesuai dengan requirement
sebuah perusahaan yang menyediakan lowongan pekerjaan. Adapun field dan contoh data yang harus dimasukkan pelamar akan dijelaskan di tabel 3.6 berikut:
Tabel 3.6 Sampel data
1 Nama
Nurul Khadijah 2
Alamat Jln Sei Beras No. 3
3 Jenis Pendidikan
Informasi Teknologi 4
Kualifikasi Pendidikan S1
5 IP
3 6
Kemampuan Komputer Web
. .
. .
. .
. .
.
3.3 Metode Hybrid
Untuk membangun sistem rekomendasi pada penelitian ini, digunakan metode hybrid- approches.
Metode hybrid-approches ini adalah gabungan dari 2 metode, metode Content-based
dan metode Collaborative Filtering. Metode pada Content-based menggunakan teknik Decision Tree dan metode untuk Collaborative Filtering
menggunakan algoritma Nearest Neighbor. Pada gambar 3.3 berikut akan digambarkan tentang proses penggunaan metode – metode tersebut :
Gambar 3.3 Kombinasi sekuensial
Universitas Sumatera Utara
3.3.1 Proses Metode Content-based Filtering
Metode Content-based pada aplikasi ini digunakan untuk penyaringan data yang telah diinput oleh user sebelumnya. Jika pada metode Collaborative-based digunakan
hanya untuk memberikan rangking kepada kasus – kasus yang telah diinput sebelumnya, maka metode Collaborative-based dilakukan pada penyaringan data
yang telah diinput sebelumnya sehingga menghasilkan parameter – parameter yang sesuai untuk dilakukannya rangking.
Pada penyeleksian data menggunakan teknik decision tree, data yang telah diinput oleh user akan dibandingkan dengan kasus yang telah disimpan terlebih
dahulu di database. Setelah data dibandingkan dan mendapatkan kecocokan antar data, akan menghasilkan parameter yang akan digunakan dalam perhitungan di
Collaborative-based. Misalkan pelamar menginput data tabel 3.7 :
Tabel 3.7
Sampel data pelamar 1
Nama Nurul Khadijah
2 Alamat
Jln Sei Beras No. 3 3
Bidang Pendidikan Teknologi
4 Jenis Pendidikan
Informasi Teknologi 5
Kualifikasi Pendidikan S1 6
IP 3
7 Kemampuan Komputer Web
. .
. .
. .
Maka dari tabel 3.7 dapat dilihat bahwa kualifikasi pendidikan pelamar S1, bidang pendidikan teknologi dan jenis pendidikan Informasi Teknologi IT. Dari data
tersebut kemudian dilakukan pengkualifikasian sehingga menghasilkan parameter. Berikut adalah langkah – langkah pencarian parameter menggunakan teknik decision
tree :
Universitas Sumatera Utara
Gambar 3.4
Node Akar Dari gambar 3.4 dapat dilihat bahwa kualifikasi pendidikan dibagi atas 4 node
yaitu SMA, D3, S1 dan S2. Pada data resume, kualifikasi pelamar adalah S1. Maka dipilih S1 kemudian dilanjutkan ke bidang pendidikan. Pada gambar 3.5, bidang
pendidikan pelamar adalah teknologi kemudian dilanjutkan ke node jurusan pendidikan.
Gambar 3.5
Pembentukan Akar 1
Universitas Sumatera Utara
Pada bidang pendidikan teknologi, jurusan pendidikan dibagi atas 2 jenis yaitu Ilmu komputer dan teknologi. Jurusan pendidikan pelamar adalah teknologi informasi,
kemudian berlanjut ke node terakhir yaitu parameter gambar 3.6.
Gambar 3.6
Pembentukan Akar 2 Pada gambar 3.7, node parameter untuk jurusan pendidikan informasi
teknologi adalah parameter teknologi. Setelah mendapatkan parameter kemudian langkah selanjutnya adalah perhitungan yang akan dilakukan di metode content-based
menggunakan algoritma nearest neighbor yang akan menghasilkan rangking rekomendasi kepada pelamar.
Gambar 3.7
Pembentukan Akar 3
Universitas Sumatera Utara
3.3.2 Proses Metode Collaborative-based Filtering
Collaborative-based akan memberikan rekomendasi pekerjaan dengan menggunakan
informasi rangking berdasarkan data yang telah masukkan oleh user. Data user yang dimasukkan akan dicari dan dibandingkan dengan data yang tersimpan terlebih dahulu
di dalam database. Masing – masing data akan diberi bobot kemudian data tersebut akan dibandingkan dengan nilai – nilai dari bobot dan kedekatan di dalam variabel.
Variabel – variabel tersebut akan dihitung kesamaannya similarity menggunakan algoritma Nearest Neighbor kemudian disaring atau di-rangking berdasarkan hasil
jarak tersebar dari perhitungan bobot setiap variabel. Pencarian jarak terbesar dengan algoritma Nearest Neighbor dengan melakukan
perhitungan kedekatan nilai variabel dan bobot variabel. Berikut adalah langkah – langkah pencarian jarak terbesar menggunakan algoritma Nearest Neighbor:
1. Menentukan bobot dan kedekatan variabel :
a. Membuat tabel data dengan mengklasifikasikan variabel yang ada
Nilai bobot ditentukan berdasarkan korelasi pearson Melville, P. Etc. 2002. Dimana bobot ditentukan dengan menghitung korelasi dari data yang masuk dengan
data yang sudah ada yang mengandung tingkat hubungan. Ketika menentukan nilai korelasi, hal – hal yang dipertimbangkan adalah
− x menyebabkan y − y menyebabkan x
− kumpulan faktor yang lain Berikut adalah tabel penentuan nilai bobot:
Tabel 3.8 Penentuan nilai bobot
No Tingkat korelasi
bobot 1
Nilai 1 sama dengan nilai 2 1
2 Nilai 1 sangat mendekati nilai 2
0,75 3
Nilai 1 tidak berpengaruh dengan nilai 2 0,5
4 Nilai 1 mendekati nilai 2
0,25 5
Nilai 1 tidak mendekati nilai 2 Pada tabel 3.8 dijelaskan tentang penentuan bobot dengan membandingkan
tingkat hubungan dan korelasi nilai 1 dan nilai 2. Ditentukan dengan pengaruh dari
Universitas Sumatera Utara
nilai 1 dan nilai 2. Disini nilai 1 sebagai kualifikasi dari pelamar dan nilai 2 sebagai requirement yang diminta oleh perusahaan.
Pada tabel 3.9 berikut adalah tabel kedekatan atribut dan bobot variabel pada sistem rekomendasi:
Tabel 3.9
Bobot Variabel No
Variabel Bobot
1 Jenis pendidikan
1 2
Kualifikasi pendidikan 0,75
3 IP Indeks Prestasi
0,5 4
Kemampuan komputer 1
b. Menentukan kedekatan nilai pada atribut – atribut dari variabel
Pada tabel 3.10 berikut adalah contoh penentuan nilai pada atribut :
Tabel 3.10
Sampel nilai atribut jenis pendidikan Nilai 1
Nilai 2 Bobot
IT Ilkom
0,5 Ilkom
IT 0,5
Ilkom Ilkom
1 IT
IT 1
2. Menghitung kedekatan kasus baru dengan kasus lama
Kasus Lama daftar pekerjaan :
Tabel 3.11
Tabel Kasus Lama Daftar Pekerjaan No Jenis pendidikan Kualifikasi pendidikan
IP Kemampuan komputer
1 IT
S1 2,75
Web 2
IT D3
3,0 Prog
Kasus Baru pelamar perkerjaan :
Tabel 3.12
Tabel kasus baru data pelamar pekerjaan No Jenis pendidikan Kualifikasi pendidikan
IP Kemampuan komputer
1 IT
S1 3,0
Web Kemudian dilakukan langkah – langkah sebagai berikut untuk menentukan
similarity kasus baru dengan kasus sebelumnya:
1. Menghitung kedekatan kasus baru dengan kasus lama no.1 :
Universitas Sumatera Utara
a.
Kedekatan nilai atribut jenis jenis pendidikan : IT – IT = 1 − Kasus lama jenis pendidikan = IT
− Kasus baru jenis pendidikan = IT
kemudian melakukan mambandingkan kedekatan atribut :
Tabel 3.13 Kedekatan Nilai Atribut Jenis Pendidikan
Nilai 1 Nilai 2
Bobot IT
Ilkom 0,5
Ilkom IT
0,5 Ilkom
Ilkom 1
IT IT
1 Maka bobot dari : IT – IT = 1
b. Bobot atribut jenis pendidikan : 1
