13519193 Ryo Richardo.pdf
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Proses rekrutmen merupakan salah satu tahap terpenting untuk keberlanjutan badan
usaha. Proses rekrutmen memakan waktu yang relatif lama terutama pada tahap
wawancara sehingga dibutuhkan sebuah solusi untuk meningkatkan efisiensi dari
proses rekrutmen tersebut. Berdasarkan kebutuhan tersebut, maka dikembangkan
aplikasi AIVue yang mampu melakukan manajemen kandidat, manajemen proses
asynchronous interview, serta menampilkan hasil wawancara dengan emosi wajah
kandidat. Tugas akhir ini membahas tentang model pembelajaran mesin berbasis
Convolutional Neural Network (CNN) yaitu ZFNet, GoogLeNet, dan ResNet yang
akan digunakan untuk mendapatkan emosi wajah kandidat pada aplikasi AIVue.
ResNet menjadi pilihan model yang diunggulkan karena memiliki konsep residual
block dan skip connection yang mampu mengatasi overfitting ketika menggunakan
jumlah layer yang besar. Selain itu, GoogLeNet juga diperkirakan dapat
memberikan hasil yang menyusul ResNet karena memiliki konsep inception
module yang dapat menyusun convolutional layer secara paralel. Model ZFNet
sendiri tidak memiliki keunikan khusus yang mampu memberikan peningkatan
kinerja.
Hasil pengujian menunjukkan ResNet sebagai model terbaik dengan nilai akurasi
62% dan f1 score 52% sesuai dengan hipotesis awal. Model GoogLeNet juga
memberikan hasil yang tidak terpaut jauh dengan ResNet yaitu akurasi 61% dan f1
score 51%. Semua model juga membutuhkan waktu yang relatif singkat untuk
melakukan prediksi emosi wajah yakni antara 10 hingga 11 detik untuk video
wawancara berdurasi 10 menit.
Berdasarkan hasil pengujian tersebut maka ResNet dipilih menjadi model yang
diimplementasi pada aplikasi AIVue. Saran yang dapat dilakukan untuk
meningkatkan kinerja model adalah dengan menambahkan variasi pada dataset,
menggunakan optimizer dan learning rate yang tepat, serta melakukan eksperimen
dengan pilihan model pembelajaran mesin yang lebih beragam.