Person-Job Fit Menggunakan Decision Trees Algorithm (Studi Kasus PT PNR Perusahaan Jasa Pertambangan pada Divisi PL)

Abstract

PT PNR, sebagai salah satu perusahaan jasa pertambangan terbesar di Indonesia, menghadapi persaingan ketat dalam merekrut karyawan yang berkualitas. Dalam upaya mempertahankan keunggulan kompetitif, PT PNR berusaha menarik dan mempertahankan karyawan terbaik. Salah satu tahap krusial dalam proses rekrutmen adalah tes psikologi, yang memberikan gambaran karakteristik potensi calon karyawan. Namun, hasil dari tes psikologi ini belum sepenuhnya dimanfaatkan secara optimal oleh PT PNR. Oleh karena itu, penelitian ini dilakukan dengan fokus pada memprediksi person-job fit menggunakan dua model klasifikasi: Decision Tree dan Random Forest. Dalam penelitian ini kami memanfaatkan data dari 18 calon karyawan di divisi PL PT PNR. Karena ukuran sampel yang terbatas, kami melakukan penyesuaian dengan bantuan teknik augmentasi menggunakan machine learning. Hasil penelitian menunjukkan bahwa hyperparameter tuning dapat signifikan meningkatkan performa model. Model terbaik yang dihasilkan dapat menjadi alat bantu bagi PT PNR dalam proses rekrutmen, membantu memastikan person-job fit yang optimal.