Dokumen Asli
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Perkembangan penggunaan internet telah mempengaruhi banyak proses rekrutmen,
namun juga membawa dampak negatif berupa peningkatan kasus penipuan
rekrutmen secara daring (Online Recruitment Fraud). Untuk mengatasi tantangan
ini, penelitian ini bertujuan untuk mengembangkan Sistem Online Recruitment
Fraud Detection berbasis pembelajaran mesin. Pendekatan yang diambil melibatkan
penggunaan model ensemble learning yang menggabungkan algoritma CatBoost
Classifier dan model Natural Language Processing (NLP) BERT. Kedua algoritma
tersebut akan dilatih secara terpisah, kemudian hasil probabilitasnya akan
digabungkan menggunakan metode weighted voting untuk memperoleh
probabilitas akhir. Pengembangan sistem ini mengikuti metodologi CRISP-DM
(Cross-Industry Standard Process for Data Mining), yang memastikan langkah-
langkah sistematis dalam pengembangan model. Tujuan utama dari penelitian ini
adalah untuk membandingkan kinerja masing-masing algoritma dengan kinerja
model ensemble, serta menentukan pendekatan terbaik dalam membangun Sistem
Online Recruitment Fraud Detection. Hasil yang diharapkan adalah terciptanya
model dengan tingkat precision yang tinggi dan nilai recall yang dapat ditoleransi
dalam mengidentifikasi lowongan pekerjaan palsu secara daring. Penelitian ini
diharapkan dapat memberikan kontribusi signifikan dalam pengembangan solusi
efektif untuk menghadapi tantangan penipuan rekrutmen dalam konteks daring.