SISTEM REKOMENDASI PENCARIAN PEKERJAAN BERBASIS WEB MENGGUNAKAN METODE HYBRID-BASED RECOMMENDATION
SKRIPSI
NURUL KHADIJAH 091402060
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
SISTEM REKOMENDASI PENCARIAN PEKERJAAN BERBASIS WEB MENGGUNAKAN METODE HYBRID-BASED RECOMMENDATION
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi Informasi
NURUL KHADIJAH 091402060
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : SISTEM REKOMENDASI PENCARIAN PEKERJAAN
BERBASIS WEB MENGGUNAKAN METODE HYBRID-BASED RECOMMENDATION
Kategori : SKRIPSI
Nama : NURUL KHADIJAH
Nomor Induk Mahasiswa : 091402060
Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI Departemen : TEKNOLOGI INFORMASI
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI (FASILKOMTI) UNIVERSITAS SUMATERA UTARA
Diluluskan di
Program Studi S1 Teknologi Informasi Ketua,
PERNYATAAN
SISTEM REKOMENDASI PENCARIAN PEKERJAANBERBASIS WEB MENGGUNAKAN METODE HYBRID-BASED RECOMMENDATION
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Agustus 2013
UCAPAN TERIMA KASIH
Puji dan syukur penulis sampaikan kehadirat Allah SWT, serta shalawat dan salam
kepada junjungan kita nabi Muhammad SAW yang telah memberikan rahmat dan
hidayah-Nya sehingga penulis dapat menyelesaikan skripsi ini sebagai syarat untuk memperoleh gelar Sarjana Teknologi Informasi, Program Studi S1 Teknologi Informasi Universitas Sumatera Utara. Untuk itu penulis mengucapkan terima kasih kepada :
1. Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara, semua dosen serta pegawai di Program Studi S1 Teknologi Informasi.
2. Ketua dan Sekretaris Program Studi Teknologi Informasi, Prof. Dr. Opim Salim Sitompul, M.Sc. dan Drs. Sawaluddin, M.IT.
3. Seluruh dosen Departemen Teknologi Informasi dan Ilmu Komputer USU yang telah mengajarkan dan memberikan dukungan, arahan dan bantuannya dalam menyelesaikan tugas akhir ini.
4. Kepada Ibu Dr. Erna Budhiarti Nababan, M.IT selaku pembimbing satu dan Ibu Sarah Purnamawati, S.T, M.Sc selaku pembimbing dua yang telah banyak meluangkan waktu dan pikirannya, memotivasi dan memberikan kritik dan saran kepada penulis. Ucapan terima kasih juga ditujukan kepada Dedy Arisandi, S.T., M.Kom dan Baihaqi Siregar, S.Si, M.IT. yang telah bersedia menjadi dosen pembanding.
dan membesarkan penulis. Untuk adik penulis Nurul Aisyah yang selalu memberikan dorongan dan dukungan kepada penulis.
6. Penulis juga mengucapkan terimakasih kepada teman-teman yang selalu memberikan dukungan, Diza Fathamira Hamzah, Aditya Rahandi, Julia Annisa Sitepu, Ammar Adianshar, Ibnu Setiawan, Ridzuan Ikram Fajri, Mhd Kurniawan, Fadli Rizki, Rizki Mulki, Alvin Rizki, Annifa Iqramitha, serta seluruh angkatan 09, teman – teman TA, serta teman-teman mahasiswa Teknologi Informasi lainnya yang tidak dapat penulis sebutkan satu persatu.
7. Dan yang selalu mendukung, mendengarkan, memberikan saran dan kritik kepada penulis selama penulis dalam pengerjaan skripsi ini.
ABSTRAK
Aktivitas utama yang dilakukan sehari – hari seorang individu untuk mencari uang adalah dengan cara bekerja. Mencari pekerjaan yang sesuai dengan latar belakang pendidikan yang kita tekuni tidaklah mudah. Banyak individu yang tidak mengetahui kemampuan diri mereka sendiri dan keterbatasan informasi lowongan pekerjaan juga menjadi hambatan bagi pelamar yang ingin mencari pekerjaan. Karena itu, diperlukan satu ‘alat bantu’ yang dapat memberi rekomendasi bidang pekerjaan apa yang sesuai dengan belakang pendidikan yang bersangkutan. Metode hybrid approach adalah dengan menggabungkan teknik collaborative-filtering (algoritma decision tree) dan content-based (algoritma nearest neighbor). Algoritma decision tree digunakan untuk pengklasifikasian bidang pekerjaan sedangkan untuk rekomendasi pekerjaan, digunakan algoritma nearest neighbor. Pada nearest neighbor digunakan rumus similarity untuk menghitung kedekatan antara pelamar dan lowongan pekerjaan berdasarkan pencocokan bobot dan atribut yang ada. Output yang dihasilkan dari sistem ini berupa daftar rekomendasi pekerjaan yg sesuai dengan latar belakang pendidikan pelamar.
ABSTRACT
The main activity of an individual performed everyday to make money is by working. Looking for a job that match with our background education is not an easy task. Many individuals are not aware of their own capabilities and limited job information is also an obstacle for applicants who want to find a job. Therefore, we need a ‘tool’ that can give an occupation’s recommendation that relevant according to the educational background. Hybrid approach method is a method that combine collaborative-filtering techniques (decision tree algorithm) dan content-based techniques (nearest neighbor algorithm). Decision tree algorithm is used to clasify occupations, while for occupation’s recommendation use nearest neighbor algorithm. On nearest neighbor similarity formula is being used to calculate adjacency between job applicant and jobs by matching the weight and existing attributes. Output from the system is in the form of a list of job recommendation in accordance with the applicant’s education background.
DAFTAR ISI
2.2.2 Collaborative Filtering 9
2.2.3 Hybrid Based Filtering 9
2.3 Metode Nearest Neighbor 10
2.4 Metode Decision tree 11
2.5 Penelitian Terdahulu 13
Bab 3 Analisis dan Perancangan 16
3.1 Data yang digunakan 16
3.2 Analisis Data 16
3.2.2 Data pada Content-based Filtering 19 3.2.3 Data pada Collaborative Filtering 20
3.3 Metode Hybrid 22
3.3.1 Proses Metode Content-based Filtering 23 3.3.2 Proses Metode Collaborative-based Filtering 26
3.4 Hasil dari metode Hybrid Approch 32
3.5 Perancangan Sistem 33
3.5.1 Use Case 33
3.5.2 Data Flow Diagram 34
3.5.2.1 DFD Level 0 35
3.5.2.2 DFD Level 1 36
3.5.2.3 DFD Level 2 37
3.5.3 Flow Chart perancangan algoritma Nearest Neighbor 39
3.5.4 Sitemap Aplikasi 40
3.5.5 Database 42
3.5.6 Antarmuka Sistem 43
Bab 4 Implementasi dan Pengujian Sistem 48
4.1 Implementasi Sistem 48
4.1.1 Lingkungan Implementasi 48
4.2 Implementasi perancangan antarmuka 49
4.2.1 Halaman Home 49
4.2.2 Halaman Daftar 50
4.2.3 Halaman tampil Lowongan pekerjaan 52
4.2.4 Halaman login 53
4.2.4.1 Halaman Login admin 54
4.2.4.2 Halaman Login Pelamar 56
4.2.4.3 Halaman Login Perusahaan 59
4.3 Implementasi data 63
4.4 Pengujian Sistem 62
4.4.1 Rencana Pengujian Sistem 63
4.4.2 Kasus dan Hasil Pengujian Sistem 64
4.4.2.1 Pengujian input data 64
4.4.2.3 Pengujian login 66 4.4.2.4 Pengujian Rekomendasi pencarian pekerjaan 67 4.4.2.5 Pengujian menampilkan profil dan edit data 68
4.4.3 Pengujian Kinerja Sistem 71
4.4.4 Pengujian data 74
Bab 5 Kesimpulan dan Saran 76
5.1 Kesimpulan 76
5.2 Saran 77
Daftar Pustaka 78
DAFTAR TABEL
Halaman
Tabel 2.1 Penelitian Terdahulu 13
Tabel 3.1 Sumber Data 16
Tabel 3.2 Parameter rekomendasi pada metode Collaborative-based 17
Tabel 3.3 Variabel dan Atribut 18
Tabel 3.4 Sampel data latar belakang pendidikan 20
Tabel 3.5 Sampel data lowongan pekerjaan 21
Tabel 3.6 Sampel data 22
Tabel 3.7 Sampel data pelamar 23
Tabel 3.8 Penentuan Nilai bobot 26
Tabel 3.9 Bobot variabel 27
Tabel 3.10 Sampel data nilai atribut jenis pendidikan 27 Tabel 3.11 Tabel kasus lama (daftar pekerjaan) 27 Tabel 3.12 Tabel kasus baru (data pelamar pekerjaan) 27 Tabel 3.13 Kedekatan Nilai atribut jenis pendidikan 28
Tabel 3.14 Bobot Variabel 28
Tabel 3.15 Kedekatan nilai atribut kualifikasi pendidikan 28
Tabel 3.16 Bobot variabel 29
Tabel 3.17 Kedekatan nilai atribut IP 29
Tabel 3.18 Bobot Variabel 30
Tabel 3.19 Kedekatan Nilai atribut kemampuan komputer 30
Tabel 3.20 Bobot Variabel 30
Tabel 3.21 Hasil perhitungan similarity 32
Tabel 3.22 Hasil berupa rangking rekomendasi pekerjaan 32
Tabel 3.23 Entitas DFD 34
Tabel 4.1 Rencana pengujian sistem 63
Tabel 4.2 Pengujian Sistem (Input data pelamar) 64
Tabel 4.3 Pengujian Sistem (Input data) 65
Tabel 4.4 Pengujian Sistem (Penampilan Lowongan) 65
Tabel 4.6 Pengujian sistem (rekomendasi) 66 Tabel 4.7 Pengujian sistem (pengiriman berkas) 67
Tabel 4.8 Pengujian sistem penampilan berkas 67
Tabel 4.9 Pengujian sistem untuk login admin 68
Tabel 4.10 Pengujian sistem untuk login pelamar 69 Tabel 4.11 Pengujian sistem (login perusahaan) 70
Tabel 4.12 Sampel data lowongan pekerjaan 71
Tabel 4.13 Rule Decision Tree 72
DAFTAR GAMBAR
Halaman
Gambar 2.1 Kedekatan Kasus 10
Gambar 2.2 Decision tree 12
Gambar 3.1 Penetuan parameter 18
Gambar 3.2 Penggunaan variabel dan atribut pada nearest neighbor 19
Gambar 3.3 Kombinasi sekuensial 22
Gambar 3.4 Node Akar 24
Gambar 3.5 Pembentukan Akar 1 24
Gambar 3.6 Pembentukan Akar 2 25
Gambar 3.7 Pembentukan Akar 3 25
Gambar 3.8 Usecase Spesification Program 33
Gambar 3.9 DFD Level 0/Diagram Konteks 34
Gambar 3.10 DFD Level 1 35
Gambar 3.11 DFD Level 2 : Mengelola data pelamar 36 Gambar 3.12 DFD Level 2 : Mengelola data perusahaan dan lowonga pekerjaan 37
Gambar 3.13 DFD Level 2 : Proses Login 37
Gambar 3.14 DFD Level 2 : Melihat data 38
Gambar 3.15 DFD Level 2 : Rekomendasi Pekerjaan 38
Gambar 3.16 Flow Chart sistem rekomendasi 39
Gambar 3.17 Site Map sistem rekomendasi 41
Gambar 3.18 Database sistem rekomendasi 42
Gambar 4.1 Halaman Home 50
Gambar 4.2 Halaman Daftar 50
Gambar 4.3 Halaman Daftar pelamar 51
Gambar 4.4 Halaman Daftar pekerjaan 52
Gambar 4.5 Halaman lowongan pekerjaan (pilih bidang) 52 Gambar 4.6 Halaman lowongan pekerjaan (tampil lowongan ) 53
Gambar 4.7 Halaman login 54
Gambar 4.8 Halaman login admin 54
Gambar 4.10 Halaman login admin (profil perusahaan) 55
Gambar 4.11 Halaman login pelamar 56
Gambar 4.12 Halaman login pelamar (profil pelamar) 57 Gambar 4.13 Halaman login pelamar (rekomendasi) 57 Gambar 4.14 Halaman login pelamar (seluruh rekomendasi) 58 Gambar 4.15 Halaman login pelamar (pengiriman resume) 59
Gambar 4.16 Halaman login perusahaan 59
Gambar 4.17 Halaman login perusahaan (menu profil) 60 Gambar 4.18 Halaman login perusahaan (menu view pelamar) 61 Gambar 4.19 Halaman login perusahaan (data lengkap pelamar) 61
Gambar 4.20 Rule indeks prestasi 72
Gambar 4.21 Rule tipe pekerjaan 73
Gambar 4.22 Rule fresh graduate 73
Gambar 4.23 10 rekomendasi pekerjaan dengan nilai tertinggi 74