SISTEM REKOMENDASI PEKERJAAN MENGGUNAKAN CTR ESTIMATE DAN GLMIX RANKING MODEL

Proses pencarian kerja dan proses rekrutmen secara konvensional dinilai kurang efektif dan efisien dari segi biaya dan waktu. Untuk membantu pencari pekerjaan dalam memperoleh pekerjaan yang diinginkan dan membantu penyedia pekerjaan dalam memperoleh kandidat potensialnya, maka diperlukan sebuah sistem rekomendasi. Sebuah sistem rekomendasi pekerjaan yang ideal harus mampu memenuhi beberapa sasaran seperti merekomendasikan pekerjaan yang paling relevan kepada pemakai, menjamin bahwa setiap lowongan yang di-post akan memperoleh sejumlah lamaran dari kandidat yang memenuhi kualifikasi dan menjamin bahwa setiap pekerjaan yang di-posting tidak menerima terlalu banyak lamaran. Untuk menyelesaikan permasalahan tersebut, maka diterapkan metode Click Through Rate (CTR) Estimate dan Generalized Linear Mixed (GLMix) ranking model. Dalam metode ini, digunakan konsep job boosting and penalization untuk mengatur nilai scoring dari setiap pekerjaan. Jika sebuah pekerjaan diprediksi memiliki nilai yang lebih kecil dari nilai target minimum, maka nilai scoring dari pekerjaan tersebut akan dilakukan proses boosting, apabila sebuah pekerjaan diprediksi memiliki nilai yang lebih besar dari nilai target maksimum, maka nilai scoring tersebut akan dilakukan proses penalization. Hasil penelitian ini adalah sebuah website rekomendasi pekerjaan yang mengimplementasikan metode CTR Estimate dan GLMix Ranking Model untuk memberikan rekomendasi lowongan pekerjaan kepada user berdasarkan pengalaman, kota, kualifikasi dan jurusan dari user. Website menyediakan fasilitas untuk melakukan pengujian terhadap metode CTR Estimate dan GLMix Ranking Model. Berdasarkan hasil pengujian, diketahui bahwa semakin banyak lamaran dan jumlah ketertarikan dari setiap pekerjaan, maka tingkat akurasi hasil rekomendasi akan semakin baik.