Tesis
Prediksi Terjadinya Top Rated Freelancer di Marketplace menggunakan Algoritma Random Forest
Predicting the Occurrence of Top Rated Freelancers on the Marketplace using the Random Forest Algorithm
Pengarang:
Muhammad Iqbal - ; Mone Stepanus Andrias (Pembimbing/Promotor) - ; Imam Salehudin (Penguji) - ; Anna Amalyah Agus (Penguji) -
Deskripsi
Penelitian ini bertujuan untuk menganalisis faktor mana yang paling penting dalam memprediksi freelancer berkualitas tinggi. Krisis dan pandemi covid memaksa perusahaan melakukan efisiensi biaya sehingga merekrut freelancer online menjadi solusi yang bisa dipertimbangkan. Rekrut freelancer online cukup mudah, kamu tinggal masuk ke website freelance marketplace, lalu pilih freelancer dan pekerjaan yang kamu inginkan, lalu ajukan penawaran. Namun, perusahaan perlu merekrut pekerja lepas berkualitas tinggi tetapi berbiaya rendah untuk efisiensi biaya. Artinya, perusahaan perlu merekrut freelancer yang memiliki kualitas top-rated tapi belum top-rated. Berbeda dengan penelitian sebelumnya, penulis menggunakan variabel Top Rated sebagai dependen yang mencerminkan kualitas tinggi dan menganalisisnya menggunakan algoritma Random Forest dan Logistic Regression. Dataset tersebut berisi 5.825 sample size yang diunduh dari Kaggle.com. Dari penelitian sebelumnya, Similar-Job-Experience dan Past-Rating merupakan faktor terpenting yang mencerminkan kualitas. Sementara itu, dalam penelitian ini, atribut totalRevenue, BilledAssignments, dan totalHourlyJobs masing-masing menjadi variabel terpenting yang berhasil memprediksi 30 freelancer Top Rated di masa depan. Temuan ini berguna bagi perusahaan untuk mempertimbangkan faktor-faktor ini dalam merekrut pekerja lepas. Sepengetahuan penulis, saat ini penelitian yang membahas tentang kriteria freelancer yang menggunakan machine learning masih terbatas