IMPLEMENTASI METODE SUPPORT VECTOR MACHINE (SVM) DAN ALGORITMA KELELAWAR DALAM PENGEMBANGAN SISTEM IDENTIFIKASI POTENSI CALON KARYAWAN

IMPLEMENTATION OF THE SUPPORT VECTOR MACHINE (SVM) METHOD AND THE BAT ALGORITHM IN THE DEVELOPMENT OF A SYSTEM FOR IDENTIFYING POTENTIAL JOB CANDIDATES

        Fenomena Slow Employment di Indonesia, yang ditandai dengan tingginya angka lulusan perguruan tinggi yang belum mendapatkan pekerjaan, menjadi tantangan besar dalam meningkatkan perekonomian negara. Berbagai faktor, seperti ketidakseimbangan antara jumlah lulusan dan lapangan pekerjaan serta persaingan di dunia kerja, mempengaruhi situasi ini. Selain itu, pergeseran industri menuju sektor teknologi turut mempengaruhi kebutuhan tenaga kerja yang sesuai. Penelitian ini bertujuan untuk mengembangkan sistem identifikasi potensi calon karyawan menggunakan Metode Support Vector Machine (SVM) dan Algoritma Kelelawar, dengan harapan dapat membantu perusahaan dalam melakukan seleksi karyawan yang tepat.   

        Penelitian dilakukan dengan menggunakan data yang diperoleh melalui studi literatur yang relevan, yang berisi 1694 data dengan 19 fitur. Tahap pengembangan sistem menggunakan framework Flask dan bahasa pemrograman Python, dengan MySQL sebagai penyimpanan data. Hasil penelitian menunjukkan bahwa model yang dikembangkan dengan kombinasi Algoritma Kelelawar dan SVM memiliki tingkat akurasi yang tinggi, mencapai 96%, dengan nilai presisi dan F1 skor yang juga sangat baik. Sistem ini mampu memberikan hasil identifikasi calon karyawan yang sesuai dengan kriteria yang ditentukan dan dapat meningkatkan efisiensi dalam proses rekrutmen. Penelitian ini diharapkan dapat menjadi solusi untuk mengatasi ketidakseimbangan antara permintaan kerja dan ketersediaan tenaga kerja serta membantu perusahaan dalam memilih kandidat yang paling potensial.

        The Phenomenon of Slow Employment in Indonesia, characterized by the high number of university graduates who have yet to secure jobs, poses a significant challenge to the country's economic growth. Various factors, such as the imbalance between the number of graduates and available job opportunities, as well as intense competition in the job market, contribute to this situation. Additionally, the industrial shift toward the technology sector has influenced labor market demands.

        This study aims to develop a potential employee identification system using the Support Vector Machine (SVM) Method and the Bat Algorithm, with the hope of assisting companies in selecting the right candidates. The research was conducted using data obtained from relevant literature studies, consisting of 1,694 records with 19 features. The system development process was carried out using the Flask framework and the Python programming language, with MySQL as the database storage.

        The results indicate that the model developed through the combination of the Bat Algorithm and SVM achieved a high accuracy rate of 96%, with excellent precision and F1-score values. This system can effectively identify potential employees based on predefined criteria and improve efficiency in the recruitment process. This research is expected to serve as a solution to address the imbalance between labor demand and workforce availability while helping companies select the most suitable candidates.