PREDIKSI REAL OR FAKE JOB POSTING MENGGUNAKAN METODE LONG SHORT-TERM MEMORY

herwanto; Disky Phiter Budiyansyah

Penulis

herwanto Unkris
Disky Phiter Budiyansyah

Kata Kunci:

Prediksi lowongan pekerjaan, Long ShortTerm Memory (LSTM), Natural Language Processing (NLP)

Abstrak

Di era sekarang, kemajuan teknologi informasi telah memberikan dampak yang signifikan, termasuk pencarian pekerjaan secara daring. Namun, kemunculan iklan lowongan pekerjaan palsu menjadi ancaman serius bagi para pencari kerja, menyebabkan resiko kerugian finansial dan penyalahgunaan data pribadi. Penelitian ini bertujuan untuk mengembangkan model prediksi berbasis Long Short-Term Memory (LSTM) untuk membedakan lowongan pekerjaan asli dan palsu secara otomatis dan akurat. Dataset yang digunakan adalah “Real or Fake Job Posting Prediction” dari website Kaggle, yang berisi data lowongan pekerjaan. Proses penelitian mencakup pembersihan data, Teknik Natural Language Processing (NLP) seperti tokenisasi dan lemmatization, serta pelatihan model menggunakan framework TensorFlow. Model yang dihasilkan mencapai akurasi 97,61% dan tingkat loss 0,08%, menunjukan kinerja yang baik dalam mengidentifikasi pola pada data teks yang kompleks. Hasil penelitian ini diharapkan dapat membantu masyarakat, khususnya para pencari kerja untuk mengurangi resiko terhadap penipuan lowongan pekerjaan.

Referensi

Cardova, A., & Hermawan, A. (n.d.). Implementasi Metode LSTM Untuk Mengklasifikasi Berita Palsu Pada PolitiFact.

Dzikri, M. H., & Setiawan, I. R. (2024). PENERAPAN ALGORITMA NAIVE BAYES UNTUK MENDETEKSI PENIPUAN LOWONGAN PEKERJAAN. 9(2).

Fadli, H. F., & Hidayatullah, A. F. (n.d.). Identifikasi Cyberbullying pada Media Sosial Twitter Menggunakan Metode LSTM dan BiLSTM.

Fajar, M. M., Putri, A. R., & Holle, K. F. H. (2022). Perbandingan Metode Klasifikasi Data Mining Untuk Deteksi Keaslian Lowongan Pekerjaan di Medsos. Jurnal Ilmiah Informatika, 7(1), 41–48. https://doi.org/10.35316/jimi.v7i1.41-48

Fajri, F. N., & Syaiful, S. (2022). Klasifikasi Nama Paket Pengadaan Menggunakan Long Short-Term Memory (LSTM) Pada Data Pengadaan. Building of Informatics, Technology and Science (BITS), 4(3). https://doi.org/10.47065/bits.v4i3.2635

Herwanto , Nuke L Chusna, Muhammad Syamsul Arif (2021), Klasifikasi SMS Spam Berbahasa Indonesia Menggunakan Algoritma Multinomial Naïve Bayes. JURNAL MEDIA INFORMATIKA BUDIDARMA Volume 5, Nomor 4, Oktober 2021, Page 1316-1325

Mubarok, H., & Rahman Prehanto, D. (2021). Sistem Analisa Lowongan Kerja di Indonesia pada Media Sosial Facebook Dengan Metode TF-IDF dan Decision Tree. Journal of Informatics and Computer Science, 03.

Sabita, H., & Herwanto, R. (2021). ANALISA DAN PREDIKSI IKLAN LOWONGAN KERJA PALSU DENGAN METODE NATURAL LANGUAGE PROGRAMING DAN MACHINE LEARNING. In Jurnal Informatika (Vol. 21, Issue 1).

Setiawan, E. I., Informasi, T., Sains, I., Surabaya, T., Lestari, I., Teknologi, M., Institut, I., & Terpadu, T. (n.d.). Stance Classification Pada Berita Berbahasa Indonesia Berbasis Bidirectional LSTM. 41–48.

Song, X. (2023). A Brief Introduction to Exploratory Data Analysis. 420–425. https://doi.org/10.56028/aetr.4.1.420.2023

Subowo, E., Adi Artanto, F., Putri, I., & Umaedi, W. (n.d.). BLTSM untuk analisis sentimen berbasis aspek pada aplikasi belanja online dengan cicilan.