Optimasi Minat Pencarian Lowongan Kerja Berdasarkan Wilayah Menggunakan Naive Bayes dan Decision Tree
Keywords:
Naïve Bayes, Decision Tree, Pencarian Kerja, Wilayah, OptimasiAbstract
Penelitian ini bertujuan untuk meningkatkan kinerja sistem rekomendasi dalam pencarian lowongan kerja berdasarkan wilayah dengan memanfaatkan algoritma Naive Bayes dan Decision Tree. Menggunakan pendekatan machine learning, Penelitian ini menganalisis data dari Jobstreet Indonesia yang diambil melalui platform Kaggle, yang terdiri atas 700 sampel dengan atribut seperti lokasi, jenis pekerjaan, nama perusahaan, dan lama iklan ditayangkan. Sebelum digunakan dalam kedua algoritma klasifikasi, data terlebih dahulu diolah menggunakan metode TF-IDF. Hasil pengujian menunjukkan bahwa kedua model memiliki akurasi yang sama, yaitu 82,39%, namun Naive Bayes menunjukkan keunggulan dalam nilai F1-score sebesar 0,819 dibandingkan dengan Decision Tree yang hanya mencapai 0,763. Ini menunjukkan bahwa algoritma Naive Bayes lebih konsisten dalam mengklasifikasikan preferensi pencarian kerja berbasis wilayah. Temuan ini menekankan potensi besar dari metode klasifikasi dalam mengembangkan sistem rekomendasi pekerjaan yang lebih sesuai secara geografis dan personal, serta dapat menjadi dasar bagi pengembangan sistem pencarian kerja yang lebih cerdas dan responsif terhadap kebutuhan wilayah tertentu.
References
Agustina, D., & Chotijah, U. (2025). Penerapan Sistem Prediksi Perekrutan Karyawan Menggunakan Metode Naive Bayes. 4.
Bagus, Mustriyanto, A., Habibi, M., Subekti, D., & Syahruddin, F. (2022). Perbandingan Metode Decision Tree Dan Naive Bayes Classifier Pada Analisis Sentimen Pengguna Layanan Pt Perusahaan Listrik Negara (Pln). Teknomatika: Jurnal Informatika Dan Komputer, 15(2), 53–61. https://doi.org/10.30989/teknomatika.v15i2.1131
Dicky, T., Erwin, A., & Ipung, H. P. (2021). Developing a Scalable and Accurate Job Recommendation System with Distributed Cluster System using Machine Learning Algorithm. Journal of Applied Information, Communication and Technology, 7(2), 71–78. https://doi.org/10.33555/jaict.v7i2.108
Imam, M., Udariansyah, D., Komputer, F. I., & Darma, U. B. (2019). Penerapan Algoritma Naive Bayes Untuk Mengklasifikasi. 8(1), 919–926.
Koren, M., Peretz, O., Koren, M., & Koren, O. (2024). Naive Bayes classifier – An ensemble Naive Bayes classifier – An ensemble procedure for recall and precision enrichment Engineering Applications of Artificial Intelligence Naive Bayes classifier – An ensemble procedure for recall and precision enrichment. Engineering Applications of Artificial Intelligence, 136(PB), 108972. https://doi.org/10.1016/j.engappai.2024.108972
Misrun, C. A., Haerani, E., Fikry, M., & Budianita, E. (2024). Jurnal Computer Science and Information Technology ( CoSciTech ) naive bayes classifier method. 4(1), 207–215.
Putra, I. E., Azzahra, F. F., Informatika, T., Sukabumi, U. M., & Sukabumi, K. (2025). PEMANFAATAN MULTINOMIAL NAIVE BAYES UNTUK ANALISIS. 9(2), 3283–3291.
Rahman, A. (2023). Klasifikasi Performa Akademik Siswa Menggunakan Metode Decision Tree dan Naive Bayes. Jurnal SAINTEKOM, 13(1), 22–31. https://doi.org/10.33020/saintekom.v13i1.349
Ryan, I. M., Dhita, P., Ayu, G., Mastrika, V., Gede, I. P., & Suputra, H. (2025). Optimasi Algoritma Decision Tree Dengan Seleksi Fitur Dalam Klasifikasi Prestasi Akademik Siswa Sekolah. 13(4), 787–798.
Salsabila, T. H., Indrawati, T. M., & Fitrie, R. A. (2024). Meningkatkan Efisiensi Pengambilan Keputusan Publik melalui Kecerdasan Buatan. Journal of Internet and Software Engineering, 1(2), 21. https://doi.org/10.47134/pjise.v1i2.2401
Setyawan, A., & Septiadi, M. C. (2023). Perancangan Sistem Informasi Lowongan Pekerjaan dengan Pemetaan Dataset Jobstreet Indonesia. 03(02), 12–19.
Siregar, I. M., Pratama, D., & Himawan, C. (2024). Penggunaan Jaccard Similarity Coefficient dalam Optimasi Proses Rekrutmen Karyawan Berbasis Profil dan Kompetensi. SINTECH (Science and Information Technology) Journal, 7(2), 101–111. https://doi.org/10.31598/sintechjournal.v7i2.1617
T. Al-Otaibi, S. (2012). A survey of job recommender systems. International Journal of the Physical Sciences, 7(29). https://doi.org/10.5897/ijps12.482
Urbanisasi, P., & Manusia, M. (2024). PENGANGGURAN TERHADAP KEMISKINAN PERKOTAAN DI ENAM KOTA PROVINSI JAWA TENGAH TAHUN 2015-2021. 13(3), 43–53.
Zabidi, A. F. (2024). Penerapan Algoritma K-Means untuk Pengelompokan Koleksi Perpustakaan dengan Data Mining. 16(2).
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Enda Febrina Tarigan
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Licence
Copyright @2023. This is an open-access article distributed under the terms of the Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License (http://creativecommons.org/licenses/by-nc-sa/4.0/) which permits unrestricted non-commercial used, distribution and reproduction in any medium
