Perpustakaan Digital ITB

Lembaga Pelatihan Kerja Mulia Mandiri Indonesia (LPK MMI) merupakan perusahaan yang menyelenggarakan program pemagangan ke negara Jepang. Sebelum peserta magang melaksanakan program pemagangan di Jepang, LPK MMI akan terlebih dahulu menentukan bidang kerja peserta magang berdasarkan riwayat pengalaman kerja peserta magang. Umumnya, faktor penempatan kerja pelamar kerja dipengaruhi faktor pengetahuan, keterampilan, kemampuan, preferensi, dan kepribadian karyawan tersebut. Pada kenyataannya, pengalaman kerja peserta magang sangat variatif, sehingga, tidak hanya memakan durasi yang lama untuk mempertimbangkan seluruh kemungkinan, namun juga pengambilan keputusan hanya dengan satu faktor pertimbangan saja (faktor pengalaman kerja pemagang) tidak menjamin kesesuaian antara bidang kerja dan peserta magang yang bersangkutan karena tingginya kemungkinan bias informasi. Maka dari itu, permasalahan ini dapat menjadi masalah klasifikasi yang dapat dioptimasi dengan machine learning untuk menghasilkan klasifikasi bidang yang sesuai untuk setiap peserta magang berdasarkan seluruh data peserta magang yang dimiliki LPK MMI. Pembangunan model akan dilakukan dengan algoritme klasifikasi yang populer yaitu Decision Tree dan Random Forest. Tugas Akhir ini akan menggunakan metodologi CRISP-DM yang mencakup tahap business understanding, data understanding, data preparation, modelling, hingga evaluation. Kinerja model utamanya akan diukur dari metrik accuracy dan weighted F1-score. Secara keseluruhan, Random Forest memiliki kinerja yang lebih baik dibandingkan dengan Decision Tree. Selain itu, diukur pula total durasi latih dan prediksi yang diperlukan oleh setiap algortime, secara keseluruhan Decision Tree memiliki durasi yang jauh lebih singkat dibandingkan Random Forest.