Perbandingan Metode Naive Bayes Classifier dan Support Vector Machine dalam Klasifikasi Keaslian Lowongan Pekerjaan di Media Sosial

Perkembangan media sosial sebagai sarana penyebaran informasi lowongan pekerjaan memberikan kemudahan bagi pencari kerja, namun juga meningkatkan risiko beredarnya lowongan kerja palsu. Penelitian ini bertujuan mengimplementasikan dan membandingkan metode Naive Bayes Classifier dan Support Vector Machine (SVM) dalam mengklasifikasikan lowongan pekerjaan sebagai asli atau palsu. Dataset yang digunakan berasal dari Kaggle “Fake Job Posting Prediction”. Proses penelitian meliputi tahapan data mining CRISP-DM, preprocessing teks (cleaning, case folding, tokenizing, filtering, stemming), ekstraksi fitur menggunakan TF-IDF, serta pengujian model dengan 10-Fold Cross Validation. Evaluasi dilakukan menggunakan metrik akurasi, precision, recall, F1-score, dan confusion matrix. Hasil penelitian menunjukkan kedua algoritma mampu melakukan klasifikasi dengan baik, namun terdapat perbedaan performa yang menunjukkan metode yang lebih efektif dalam mendeteksi lowongan kerja palsu. Penelitian ini diharapkan dapat mendukung pengembangan sistem deteksi penipuan digital di bidang ketenagakerjaan.