DETEKSI LOWONGAN KERJA FIKTIF MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN TF-IDF PADA PLATFORM REKRUTMEN KERJA ONLINE DI INDONESIA
DOI:
https://doi.org/10.35316/.v11i1.11-23Kata Kunci:
Deteksi Lowongan Kerja, Lowongan Kerja Fiktif, Algoritma Naïve Bayes, TF-IDF, Machine Learning, Rekrutmen Online, Teks MiningAbstrak
Perkembangan teknologi informasi membuat proses rekrutmen kerja semakin mudah dilakukan secara online. Namun, kemudahan ini juga membawa masalah baru, yaitu semakin banyaknya lowongan kerja fiktif yang beredar di berbagai platform rekrutmen di Indonesia. Lowongan seperti ini sering digunakan untuk penipuan, pencurian data pribadi, atau meminta sejumlah uang kepada pelamar. Banyak pencari kerja yang akhirnya menjadi korban karena sulit membedakan mana lowongan yang benar dan mana yang palsu. Berdasarkan masalah tersebut, penelitian ini dilakukan untuk mencoba membuat sebuah model deteksi lowongan kerja fiktif dengan memanfaatkan algoritma Naïve Bayes dan metode pembobotan teks TF-IDF.
Penelitian ini menggunakan data teks dari contoh-contoh lowongan kerja yang dikumpulkan dari beberapa platform online. Setiap data kemudian diberi label sebagai “asli” atau “fiktif” berdasarkan ciri-ciri umum yang biasanya muncul pada kasus penipuan. Setelah proses pembersihan data dan ekstraksi fitur menggunakan TF-IDF, data dilatih menggunakan algoritma Naïve Bayes untuk melihat seberapa baik model dapat mengenali pola pada lowongan fiktif. Evaluasi dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score.
Hasil penelitian menunjukkan bahwa kombinasi Naïve Bayes dan TF-IDF mampu memberikan performa yang cukup baik dalam mendeteksi lowongan kerja fiktif. Model yang dibangun dapat mengidentifikasi kata-kata atau pola tertentu yang sering muncul pada lowongan palsu, seperti tawaran gaji tidak wajar, proses seleksi instan, atau adanya permintaan biaya. Temuan ini diharapkan dapat membantu pencari kerja agar lebih waspada saat melamar pekerjaan secara online. Selain itu, penelitian ini juga dapat menjadi dasar untuk pengembangan sistem deteksi otomatis yang bisa digunakan oleh platform rekrutmen kerja di Indonesia. Penelitian ini masih memiliki keterbatasan dalam jumlah data, namun dapat dikembangkan lebih lanjut dengan dataset yang lebih besar dan lebih beragam.
Unduhan
Referensi
1] F. Akbar dan M. Margaret, “Jaringan Kejahatan Penipuan dalam Perekrutan Tenaga Kerja PT.X di Jakarta Selatan,” J. Kriminol. ANOMIE, vol. 2, no. 3, hlm. 153–167, Des 2020.
[2] Y. Nadifa, “Tinjauan Kriminologi Terhadap Penipuan Rekrutmen Tenaga Kerja Melalui Media Online Di Indonesia,” J. Pencerah Bangsa, vol. 4, no. 1, hlm. 54–59, 2024.
[3] L. Chrisendo M.S., “Analisis Yuridis Penegakan Hukum Terhadap Tindak Pidana Penipuan dengan Modus Lowongan Kerja Melalui Media Sosial Berdasarkan Hukum Positif di Indonesia,” COMSERVA J. Penelit. Dan Pengabdi. Masy., vol. 2, no. 12, hlm. 3195–3218, Apr 2023, doi: 10.59141/comserva.v2i12.707.
[4] herwanto dan D. P. Budiyansyah, “PREDIKSI REAL OR FAKE JOB POSTING MENGGUNAKAN METODE LONG SHORT-TERM MEMORY,” Innotech J. Ilmu Komput. Sist. Inf. Dan Teknol. Inf., vol. 2, no. 1, Jan 2025, Diakses: 16 November 2025. [Daring]. Tersedia pada: https://ejournal.cyber-univ.ac.id/index.php/innotech/article/view/84
[5] - IVAN ASRI PRATAMA, “PERLINDUNGAN HUKUM TERHADAP PENIPUAN LOWONGAN KERJA ONLINE DITINJAU OLEH UNDANG-UNDANG NOMOR 19 TAHUN 2016 TENTANG INFORMASI DAN TRANSAKSI ELEKTRONIK,” skripsi, UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU, 2025. Diakses: 16 November 2025. [Daring]. Tersedia pada: https://repository.uin-suska.ac.id/90892/
[6] E. D. Silambi, “PEMUTUSAN HUBUNGAN KERJA DITINJAU DARI SEGI HUKUM ( STUDI KASUS PT.MEDCO LESTARI PAPUA),” J. ILMU Ekon. Sos., vol. 5, no. 2, hlm. 507–516, Okt 2014, doi: 10.35724/jies.v5i2.70.
[7] Syarif Aminul Khoiri dan Abdul Wahid, “Analisis Kinerja Algoritma Machine Learning dalam Prediksi Harga Cryptocurrency,” JUSTINDO J. Sist. Dan Teknol. Inf. Indones., vol. 9, no. 2, hlm. 133–141, Agu 2024, doi: 10.32528/justindo.v9i2.1965.
[8] F. K. Atmoko dan J. Siwalankerto, “PEMAKAIAN REKRUTMEN ONLINE DI INDONESIA PADA PERUSAHAAN-PERUSAHAAN TERDAFTAR DI BURSA EFEK INDONESIA”.
[9] V. A. Saputra dan S. A. Arnomo, “PENERAPAN METODE MACHINE LEARNING DALAM MENGIDENTIFIKASI BERITA HOAKS,” Comput. Based Inf. Syst. J., vol. 12, no. 1, hlm. 112–121, Mar 2024, doi: 10.33884/cbis.v12i1.8442.
[10] R. Kosasih dan A. Alberto, “Analisis Sentimen Produk Permainan menggunakan Metode TF-IDF dan Algoritma K-Nearest Neighbor,” InfoTekJar J. Nas. Inform. Dan Teknol. Jar., vol. 6, no. 1, hlm. 134–139, Sep 2021, doi: 10.30743/infotekjar.v6i1.3893.
[11] R. Rinandyaswara, Y. A. Sari, dan M. T. Furqon, “Pembentukan Daftar Stopword Menggunakan Term Based Random Sampling Pada Analisis Sentimen Dengan Metode Naïve Bayes (Studi Kasus: Kuliah Daring Di Masa Pandemi),” J. Teknol. Inf. Dan Ilmu Komput., vol. 9, no. 4, hlm. 717, Agu 2022, doi: 10.25126/jtiik.2022934707.
[12] R. T. Wahyuni dan D. Prastiyanto, “Penerapan Algoritma Cosine Similarity dan Pembobotan TF-IDF pada Sistem Klasifikasi Dokumen Skripsi,” vol. 9, no. 1, 2017.
[13] V. Amrizal, “PENERAPAN METODE TERM FREQUENCY INVERSE DOCUMENT FREQUENCY (TF-IDF) DAN COSINE SIMILARITY PADA SISTEM TEMU KEMBALI INFORMASI UNTUK MENGETAHUI SYARAH HADITS BERBASIS WEB (STUDI KASUS: HADITS SHAHIH BUKHARI-MUSLIM),” J. Tek. Inform., vol. 11, no. 2, hlm. 149–164, Nov 2018, doi: 10.15408/jti.v11i2.8623.
[14] R. Rinandyaswara, Y. A. Sari, dan M. T. Furqon, “Pembentukan Daftar Stopword Menggunakan Term Based Random Sampling Pada Analisis Sentimen Dengan Metode Naïve Bayes (Studi Kasus: Kuliah Daring Di Masa Pandemi),” J. Teknol. Inf. Dan Ilmu Komput., vol. 9, no. 4, hlm. 717–724, Agu 2022, doi: 10.25126/jtiik.2022934707.
[15] D. Wahyudi, T. Susyanto, dan D. Nugroho, “IMPLEMENTASI DAN ANALISIS ALGORITMA STEMMING NAZIEF & ADRIANI DAN PORTER PADA DOKUMEN BERBAHASA INDONESIA,” J. Ilm. SINUS, vol. 15, no. 2, Jul 2017, doi: 10.30646/sinus.v15i2.305.
[16] A. Pranata, R. Rudiman, dan N. A. Verdikha, “Klasifikasi Teks Quick Count Pemilihan Presiden 2024 pada Twitter menggunakan Metode TF-IDF dan Naive Bayes,” J. Inform. Terpadu, vol. 10, no. 2, hlm. 93–100, Okt 2024, doi: 10.54914/jit.v10i2.1279.
[17] E. E, A. K. Saputra, dan A. H. N. Kushariantoko, “Analisis Performansi Naïve Bayes pada Klasifikasi Plagiarisme Dokumen Berdasarkan Pembobotan Teks Menggunakan Algoritma TF-IDF,” EXPERT J. Manaj. Sist. Inf. Dan Teknol., vol. 14, no. 2, hlm. 115, Des 2024, doi: 10.36448/expert.v14i2.3952.
[18] A. D. Herlambang dan S. H. Wijoyo, “Algoritma Naive Bayes untuk Klasifikasi Sumber Belajar Berbasis Teks pada Mata Pelajaran Produktif di SMK Rumpun Teknologi Informasi dan Komunikasi,” J. Teknol. Inf. Dan Ilmu Komput., vol. 6, no. 4, hlm. 430, Jul 2019, doi: 10.25126/jtiik.2019641323.
[19] R. R. Sani, Y. A. Pratiwi, S. Winarno, E. D. Udayanti, dan F. A. Zami, “Analisis Perbandingan Algoritma Naive Bayes Classifier dan Support Vector Machine untuk Klasifikasi Hoax pada Berita Online Indonesia,” vol. 13, no. 2, 2022.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Jurnal Ilmiah Informatika
Artikel ini berlisensi Creative Commons Attribution-NonCommercial 4.0 International License.
