Setiawati, Yohana (2021) Ekstraksi Informasi pada Curriculum Vitae untuk Data Pendaftaran Kerja dengan Metode Support Vector Machine. Skripsi thesis, Universitas Tarumanagara.
Text
535170032_Yohana Setiawati_01 Cover.pdf Download (67kB) |
|
Text
535170032_Yohana Setiawati_02 Lembar Pengesahan.pdf Download (156kB) |
|
Text
535170032_Yohana Setiawati_03 Lembar Pernyataan.pdf Download (62kB) |
|
Text
535170032_Yohana Setiawati_04 Abstrak.pdf Download (53kB) |
|
Text
535170032_Yohana Setiawati_05 Kata Pengantar.pdf Download (172kB) |
|
Text
535170032_Yohana Setiawati_06 Daftar Isi, Tabel, Gambar, Lampiran.pdf Download (228kB) |
|
Text
535170032_Yohana Setiawati_07 Bab 1.pdf Restricted to Registered users only Download (398kB) |
|
Text
535170032_Yohana Setiawati_08 Bab 2.pdf Restricted to Registered users only Download (872kB) |
|
Text
535170032_Yohana Setiawati_09 Bab 3.pdf Restricted to Registered users only Download (640kB) |
|
Text
535170032_Yohana Setiawati_10 Bab 4.pdf Restricted to Registered users only Download (0B) |
|
Text
535170032_Yohana Setiawati_11 Bab 5.pdf Restricted to Registered users only Download (224kB) |
|
Text
535170032_Yohana Setiawati_12 Daftar Pustaka.pdf Download (135kB) |
|
Text
535170032_Yohana Setiawati_13 Lampiran.pdf Restricted to Registered users only Download (2MB) |
|
Text
535170032_Yohana Setiawati_14 Daftar Riwayat Hidup.pdf Restricted to Registered users only Download (132kB) |
Abstract
Pada proses pendaftaran kerja, dibutuhkan beberapa dokumen dari pelamar kerja, salah satunya adalah Curriculum Vitae. Dalam sebuah periode pendaftaran, biasanya perusahaan menerima dokumen CV yang sangat banyak dan memiliki struktur yang berbeda. Oleh karena itu, diperlukan sebuah sistem yang dapat membantu bagian HRD dari perusahaan dalam mengumpulkan informasi informasi dari CV yang diterima. Sistem ekstraksi informasi CV merupakan sebuah sistem yang dapat mengekstraksi informasi dari CV secara otomatis dan melakukan klasifikasi untuk memisahkan data-data yang ada di dalam CV. Sistem ekstraksi informasi ini dibangun dengan metode Support Vector Machine. Pertama, dikumpulkan CV dalam bentuk pdf yang akan menjadi data latih, lalu CV diubah kedalam bentuk teks. Lalu CV akan melalui tahap tokenization dan tagging, pembobotan fitur dengan menggunakan Boolean Retrieval Model dan RegEx serta pembentukan model dengan menggunakan kernel RBF yang akan digunakan untuk tahap klasifikasi. Hasil dari klasifikasi akan dievaluasi tingkat akurasinya dengan menggunakan Confusion Matrix dengan parameter berupa precision, recall dan F1 score. Hasil yang didapatkan dari pengujian yang dilakukan dengan balanced data set lebih baik dibanding dengan imbalanced dataset, yaitu didapatkan nilai akurasi rata-rata sebesar 69,0628%, precision sebesar 47,6752%, recall sebesar 52,8304%, dan F1 score sebesar 49,7623%.
Item Type: | Thesis (Skripsi) |
---|---|
Uncontrolled Keywords: | Curriculum Vitae, Support Vector Machine, Kernel, Seleksi Fitur Boolean Retrieval Model, Sistem Ekstraksi Informasi Curriculum Vitae. |
Subjects: | Skripsi/Tugas Akhir Skripsi/Tugas Akhir > Fakultas Teknologi Informasi |
Divisions: | Fakultas Teknologi Informasi > Teknik Informatika |
Depositing User: | TDI Family perpus |
Date Deposited: | 05 May 2021 14:12 |
Last Modified: | 21 Aug 2021 03:43 |
URI: | http://repository.untar.ac.id/id/eprint/27927 |
Actions (login required)
View Item |