Analisa Pengaturan Nilai Bobot Leaf Node Pada Algoritma Weighted Tree Similarity Untuk Pencarian Informasi Lowongan Pekerjaan

Main Article Content

Ulla Delfana Rosiani

Abstract




Algoritma Weighted Tree Similarity dapat diterapkan pada aplikasi pencarian informasi lowongan pekerjaan karena dapat dirancang bentuk tree bagi pencari informasi lowongan pekerjaan dan tree pemberi informasi lowongan pekerjaan dengan hasil pencarian dapat menyajikan urutan kemiripan mulai dari yang paling mirip/mendekati data pencarian hingga yang paling jauh dari data pencarian, dengan hasil pencarian bernilai akurat. Algoritma ini memiliki keunikan karena memiliki representasi tree yang berbeda dengan yang lain. Tree yang dipergunakan memiliki node berlabel, cabang berlabel serta berbobot. Leaf node merupakan bagian yang nantikan akan dibandingkan paling dahulu. Pada penelitian ini dilakukan pengaturan bobot leaf node pada penerapan algoritma weighted tree similarity pada pencarian informasi lowongan pekerjaan dengan menggunakan pencocokan string dan angka antara dua tree berbobot, yaitu antara tree pencari kerja dengan tree pemberi informasi pekerjaan. Hasil perhitungan perbandingan antara kedua Tree (Tree pencari informasi lowongan pekerjaan dengan Tree pemberi informasi lowongan pekerjaan) sangat dipangaruhi oleh: Adanya data pada leafnode yang akan dibandingkan, dimana hasil perhitungan berbeda saat formulir isian pencarian diberi data. Serta pengaturan data bobot pada leaf node yang berasal dari data prioritas pencarian, dimana saat data pencarian (leafnode) tetap, tapi pengaturan data bobot pada leaf node diubah-ubah, hasil perhitungan akan berbeda dan urutan kemiripan ikut.




Downloads

Download data is not yet available.

Article Details

How to Cite
ROSIANI, Ulla Delfana. Analisa Pengaturan Nilai Bobot Leaf Node Pada Algoritma Weighted Tree Similarity Untuk Pencarian Informasi Lowongan Pekerjaan. JURNAL ELTEK, [S.l.], v. 11, n. 2, p. 12-30, oct. 2017. ISSN 2355-0740. Available at: <https://eltek.polinema.ac.id/index.php/eltek/article/view/18>. Date accessed: 01 dec. 2021.
Section
Articles