KLASIFIKASI TEKS MOTIVASI DENGAN METODE CRISP-DM MENGGUNAKAN PRE-TRAINED MODEL INDONESIAN BIDIRECTIONAL ENCODER REPRESENTATIONS FROM TRANSFORMERS UNTUK SELEKSI PESERTA BOOTCAMP IT

Abstract

Seleksi penerimaan calon peserta dalam suatu organisasi, institusi, atau program pelatihan merupakan salah satu tahapan yang penting dilakukan untuk mendapatkan sumber daya yang tepat sehingga mampu berkontribusi secara optimal pada suatu program pelatihan. Salah satu aspek seleksi yang dinilai adalah pernyataan motivasi. Dengan terpilihnya calon peserta yang memiliki motivasi kuat, peserta menunjukan keseriusan dalam mengikuti program sehingga program pelatihan memberikan manfaat untuk peserta terpilih. Namun belum banyak penerapan klasifikasi berdasarkan motivasi melalui dokumen atau teks tertulis sehingga dengan bantuan Natural Language Processing pengujian klasifikasi motivasi melalui teks dapat dilakukan. Metode penelitian yang digunakan dalam penelitian ini memanfaatkan metode CRISP-DM sehingga proses klasifikasi dan processing teks sesuai dengan standar industri. Metode CRISP-DM memiliki enam fase yaitu fase business understanding, data understanding, data preparation, modelling, evaluation, dan deployment. Selain itu, dalam penelitian ini digunakan Pre-trained model IndoBERT karena data text menggunakan Bahasa Indonesia untuk mendapatkan hasil f-1 score yang optimal. Dari hasil penelitian didapat model dengan f-1 score baik pada penelitian ini sebesar 87% pada hyperparameter batch size 16, learning-rate 2e-5, dan epoch 3. Dari hasil tersebut dapat disimpulkan bahwa model dapat berjalan dengan baik menggunakan dataset yang tersedia.

Description

Keywords

IndoBERT, Motivasi, CRISP-DM

Citation