Perpustakaan Digital ITB

Pada era Industri 4.0 mengacu pada tren yang berkembang menuju otomatisasi yang lebih besar dan pertukaran data dalam teknologi, seperti Big Data dan Artificial Intelligence. Permasalahan yang dihadapi oleh Human Capital Management PT. XYZ terhadap proses rekrutmennya yang memakan waktu yang cukup lama dan biaya yang banyak. Hal ini diakibatkan oleh tidak ada penyaringan sistem saat setelah registrasi kandidat. Sehingga proses manual dianggap tidak efektif lagi pada era ini. Pada sistem HR analytics dapat digunakan untuk berbagai tujuan, termasuk analisis prediktif. Analitik prediktif adalah proses meramalkan peristiwa masa depan menggunakan metodologi canggih seperti pembelajaran mesin. Analisis prediktif dalam perekrutan dapat membantu dalam menentukan efektivitas sistem perekrutan dan upaya perekrutan. Untuk membangun model analitik prediktif yang cocok, penulis melakukan empat tahapan yaitu pengumpulan data, data pre-processing, model building dan melakukan evaluasi terhadap hasil model. Algoritma yang digunakan dalam metode ini adalah pengklasifikasi Random Forest dan Naïve Bayes. Kedua algoritma tersebut berhasil lebih banyak memprediksi set data secara benar, akurasi dan presisi 70%, dan recall diata 80%. Jika dibandingkan kedua algoritma tersebut, Random Forest yang terbaik untuk model prediktif ini hasil evaluasinya yang lebih tinggi dibandingkan Naïve Bayes. Pada permasalahan yang dihadapi oleh PT. XYZ, analitik prediktif bisa menjadi alternatif solusi untuk digunakan sebagai sistem penyaringan karena bisa memprediksi kriteria yang mana yang bisa lolos ke rekrutmen PT. XYZ. Model random forest classifier yang akan lebih cocok digunakan untuk kumpulan data yang dimiliki PT. XYZ karena memiliki akurasi yang paling baik, dan memiliki recall yang bagus sehingga model ini dapat digunakan untuk kumpulan data yang belum pernah dilakukan pelatihan sebelumnya.