Skill Finder

Tugas Pengantar Teknologi Game

“Menyimpulkan Jurnal Skill Finder”

ABSTRAK

PENCARIAN KETERAMPILAN: SISTEM PENCOCOKAN LAMARAN PEKERJAAN RESMI

oleh Thimma Reddy Kalva, Master of Science Universitas Negeri Utah, 2013

Profesor Utama: Dr. Nicholas Flann, PhD Departemen: Ilmu Komputer

Skill Finder adalah alat yang memberi peringkat keterampilan siswa dari resume ke persyaratan pekerjaan dari Pengusaha, Departemen dan Fakultas mencari siswa magang, karyawan penuh waktu dan juga Asisten Riset, Lulusan dan Pengajaran. Skill Finder menyelenggarakan resume siswa, sejarah akademik dan informasi kontak. Pengguna yang berwenang dari Departemen dapat memposting pekerjaan, melihat pelamar pekerjaan dan pencari Keterampilan secara otomatis mengurutkan resume siswa berdasarkan tingkat kecocokan dengan pekerjaan. Pencari keterampilan juga mengirimkan peringatan email kepada siswa tentang pekerjaan yang diposting dan melacak sejarah pemimpin perusahaan lama dengan mempertahankan riwayat lengkap pekerjaan yang diposting dari pemberi kerja.

(56 Halaman)

UCAPAN TERIMA KASIH

Terutama, saya ingin menyampaikan terima kasih yang tulus kepada penasihat saya Dr. Nicholas Flann atas dukungan, bimbingan, dan sarannya yang berharga. Saya sangat berterima kasih atas diskusi dan dorongannya yang mendalam yang membantu saya menyelesaikan beberapa masalah desain. Tanpa bimbingan dan bantuannya, laporan ini tidak akan mungkin terjadi.

Saya berterima kasih kepada anggota komite saya Dr. Vladimir A.Kulyukin dan Dr. Xiaojun Qi atas bimbingan dan dukungan mereka yang berharga.

Saya terutama berterima kasih kepada keluarga saya, Bhaskar Reddy Kalva, Sunanda Kalva, Anitha Kalva dan Harish Reddy Gajulapalle dan teman-teman saya atas dukungan dan perhatian mereka yang luar biasa. Saya tidak akan sejauh ini tanpa mereka.

Thimma Reddy Kalva

BAB I PENDAHULUAN

TEMUAN KETERAMPILAN:

Memilih kandidat untuk suatu pekerjaan adalah proses multi-fase. Pertama, pekerjaan itu akan dipublikasikan. Kedua,

penyaringan awal akan dilakukan berdasarkan kualifikasi kaku yang dianggap perlu seperti gelar dan jurusan. Ketiga, pemilihan akan didasarkan pada kualifikasi seperti pengetahuan profesional dan keterampilan profesional dan kemudian proses wawancara. Dalam proses ini algoritma pencocokan keterampilan otomatis dapat sangat membantu dengan mengurangi intensitas tenaga kerja dari pemilihan resume secara manual. Dengan menggunakan penggolong statistik yang dilatih untuk mengidentifikasi keterampilan yang diperlukan dari uraian tugas dan keterampilan yang dimiliki dari resume, algoritma pencocokan dikembangkan untuk menentukan peringkat siswa.

Skill Finder adalah aplikasi web yang dikembangkan menggunakan teknologi J2EE yang berjalan dengan server apache-tomcat. Ini menggunakan kerangka kerja JAVA MVC untuk mengelola logika bisnis dan menangani permintaan klien ke server. Antarmuka basis data dikembangkan menggunakan teknologi java JDBC untuk mengakses basis data MYSQL. Antarmuka pengguna menggunakan JSP dan javascript untuk menyediakan lingkungan web yang dinamis. Pengguna dapat mengakses aplikasi melalui internet dan melakukan tindakan yang diizinkan untuk dilakukan seperti mengirim pekerjaan, melamar pekerjaan dan menerima peringatan email.

BAB II ANALISA KEBUTUHAN

Bab ini mendokumentasikan persyaratan fungsional alat Skill Finder menggunakan diagram use-case dan diagram kelas Unified Modeling Language (UML). Diagram use-case memvisualisasikan, menentukan dan mendokumentasikan perilaku sistem. Diagram Use-Case di Bagian 2.1 memberikan tinjauan tingkat tinggi dari fungsionalitas yang harus dimiliki alat Skill Finder. Class diagram adalah blok bangunan pemrograman Berorientasi Objek [1]. Diagram Kelas di Bagian 2.2 menjelaskan kelas sistem, atributnya, operasi dan hubungan di antara mereka. Diagram kelas memberikan wawasan penting berikut ini kepada pengembang untuk memperkuat desain sistem. Mereka membantu dalam konseptualisasi, spesifikasi dan implementasi.

BAB 3 DESAIN ARSITEKTUR

Aplikasi Skill Finder dikembangkan menggunakan arsitektur 3-tier, lapisan klien, lapisan aplikasi, dan lapisan basis data. Klien browser web hanya menampilkan GUI dan data. Tingkat menengah memainkan peran perantara dengan menjalankan program aplikasi dan menyimpan aturan bisnis yang digunakan untuk mengakses data dari server database. Lapisan aplikasi menerima permintaan dari klien, memproses permintaan dan mengirim permintaan ke server database. Respons data dari server database diproses lebih lanjut dan difilter oleh lapisan aplikasi sebelum disajikan kepada klien.

BAB 4
ALGORITMA PENCARIAN KETERAMPILAN

Tujuan dari algoritma ini adalah untuk membuat peringkat resume siswa berdasarkan keterampilan sehubungan dengan pekerjaan. Resume siswa dapat diberi peringkat dengan membandingkan keterampilan dari resume dengan keterampilan yang diperlukan dalam deskripsi pekerjaan. Dari pengamatan saya menemukan bahwa keterampilan adalah kata benda yang tepat ( entitas bernama ). Proses mengidentifikasi kata benda disebut Named Entity Recognition (NER) [4] . Salah satu pendekatan untuk menemukan entitas bernama adalah dengan menggunakan kombinasi daftar dan ekspresi reguler. Dalam pendekatan ini kita pada dasarnya perlu mengodifikasi pengamatan dan pola sebagai aturan dan kemudian menerapkan aturan ini pada teks. Pendekatan ini sulit untuk dipertahankan karena alasan seperti mempertahankan daftar adalah padat karya, banyak kata benda yang tepat juga berlaku dalam aturan lain yaitu berurusan dengan ambiguitas sulit dan juga sulit untuk memodelkan dependensi antara kata benda di dokumen menggunakan aturan berdasarkan ekspresi reguler.

Pendekatan lain yang mudah diperluas dan tidak perlu membuat daftar besar untuk dipelihara adalah dengan menggunakan classifier statistik untuk mengidentifikasi entitas bernama [4]. Biasanya classifier melihat setiap kata dalam sebuah kalimat dan memutuskan apakah sebuah kata merupakan awal dari entitas yang dinamai atau apakah itu merupakan kelanjutan dari entitas yang disebutkan atau bukan bagian dari entitas yang bernama sama sekali. Dengan menggabungkan prediksi ini, classifier mengidentifikasi urutan kata-kata yang membentuk entitas bernama.

Pengklasifikasi menggunakan pendekatan yang berbeda untuk mengidentifikasi kata benda. Salah satu pendekatan adalah dengan menggunakan pendekatan penandaan atau ekspresi reguler untuk mengidentifikasi teks yang berisi nama jenis apa pun dan yang kedua membedakan berbagai jenis kata benda. Pendekatan lain adalah untuk secara bersamaan membedakan antara berbagai jenis kata benda dengan memprediksi jenis entitas bersama dengan kata benda mulai atau lanjutan. Pendekatan lain untuk menggunakan pengklasifikasi yang berbeda untuk mengidentifikasi berbagai jenis kata benda.

Terlepas dari pendekatan klasifikasi, classifier perlu dilatih tentang kumpulan teks terlatih untuk mempelajari cara mengidentifikasi nama. Keuntungan dari pendekatan ini adalah daftar dapat dimasukkan

 

BAB 5
PENGUJIAN PERANGKAT LUNAK
Pengujian perangkat lunak adalah proses memvalidasi dan memverifikasi kualitas suatu produk untuk memberikan para pemangku kepentingan informasi tentang manfaat dan risiko pada penerapan produk perangkat lunak [11].

BAB 6 KESIMPULAN

Aplikasi Skill Finder bekerja secara efisien dalam mencocokkan resume siswa dengan pekerjaan yang diposting. Hal ini memungkinkan untuk mempertahankan riwayat lengkap persyaratan pekerjaan dari pemberi kerja dan departemen eksternal. Itu host informasi pribadi siswa, sejarah akademik dan resume siswa. Berhasil mengirimkan peringatan email kepada siswa di sebuah lowongan pekerjaan. Sistem ini scalable dan fleksibel untuk memperluas lebih jauh untuk menambahkan fungsionalitas baru.

 

1.     Inti Materi dari jurnal

Alat skill finder ini mencari keterampilan mahasiswa dari resume pekerjaan. Dengan algoritma keterampilan yang paling banyak akan ditaruh paling teratas. Dengan pelamar membuat profil, departement akan memposting dan mengurutkan pencocokan dengan lowongan pekerjaan.

2.     Metode yang digunakan

§  Menggunakan fuzzy-c berarti algoritma dengan centroid awal otomatis menggunakan metode bump-hunting untuk segmentasi.

§  Kerangka kerja pengembangan Agile terintegrasi dengan metode Scrum ke model Waterfall tradisional.

3.     Kelebihan dari metode skill finder

§  Dalam proses ini algoritma pencocokan keterampilan otomatis dapat sangat membantu dengan mengurangi intensitas tenaga kerja dari pemilihan resume secara manual. Dengan menggunakan penggolong statistik yang dilatih untuk mengidentifikasi keterampilan yang diperlukan dari uraian tugas dan keterampilan yang dimiliki dari resume, algoritma pencocokan dikembangkan untuk menentukan peringkat siswa.

§  Arsitektur 3-tier menawarkan keuntungan seperti skalabilitas sebagaimana server aplikasi dapat

§  digunakan pada banyak mesin dan database tidak lagi membutuhkan koneksi dari setiap klien. 

§  Melamar pekerjaan jadi lebih mudah

4.     Kekurangan dari metode skill finder

§  Kekurangan dalam pendekatan algoritma pencarian keterampilan adalah kebutuhan akan data beranotasi manusia. 

§  Membutuhkan kapasitas memori yang banyak untuk proses skill finder ini sehingga membutuhkan waktu yang lama pada saat pencarian ribuan berkas.

5.     Kesimpulan

Alat Skill Finder bekerja secara efisien dalam mencocokkan resume siswa dengan pekerjaan yang diposting. Hal ini memungkinkan untuk mempertahankan riwayat lengkap persyaratan pekerjaan dari pemberi kerja dan departemen eksternal. Itu host informasi pribadi siswa, sejarah akademik dan resume siswa. Berhasil mengirimkan peringatan email kepada siswa di sebuah lowongan pekerjaan. Sistem ini scalable dan fleksibel untuk memperluas lebih jauh untuk menambahkan fungsionalitas baru

6.     Saran

§  Data pelatihan harus mengandung setidaknya 15000 kalimat untuk membuat model yang berkinerja baik.

§  Logika databasenya lebih di perhatikan agar bila ribuan data masuk tidak crash.