Hary Capri, . (2026) RANCANG BANGUN WEBSITE DETEKSI LOWONGAN KERJA PALSU MENGGUNAKAN OCR-SVM DAN CNN. Skripsi thesis, Universitas Pembangunan Nasional Veteran Jakarta.
![[img]](http://repository.upnvj.ac.id/style/images/fileicons/text.png) |
Text
ABSTRAK.pdf Download (116kB) |
|
Text
AWAL.pdf Download (837kB) |
|
Text
BAB I.pdf Restricted to Repository UPNVJ Only Download (220kB) |
|
Text
BAB II.pdf Restricted to Repository UPNVJ Only Download (659kB) |
|
Text
BAB III.pdf Restricted to Repository UPNVJ Only Download (3MB) |
|
Text
BAB IV.pdf Restricted to Repository UPNVJ Only Download (2MB) |
|
Text
BAB V.pdf Download (165kB) |
|
Text
DAFTAR PUSTAKA.pdf Download (170kB) |
|
Text
LAMPIRAN.pdf Restricted to Repository UPNVJ Only Download (890kB) |
|
Text
DAFTAR RIWAYAT HIDUP.pdf Restricted to Repository staff only Download (150kB) |
|
Text
HASIL PLAGIARISME.pdf Restricted to Repository staff only Download (40MB) |
|
Text
ARTIKEL KI.pdf Restricted to Repository staff only Download (925kB) |
Abstract
Maraknya Online Recruitment Fraud (ORF) menjadi ancaman bagi pencari kerja, terutama pada lowongan kerja yang tersebar dalam bentuk teks maupun poster digital. Penelitian ini membangun website Scanix untuk mendeteksi lowongan kerja palsu dengan menggabungkan analisis teks, analisis visual, dan validasi kontekstual. Metode yang digunakan meliputi OCR untuk mengekstraksi teks dari poster, TF-IDF dan SVM untuk klasifikasi teks, SVM visual untuk fitur citra, serta CNN VGG16 untuk analisis gambar. Hasil prediksi dari model digabungkan menggunakan decision-level fusion dan diperkuat dengan validasi email serta URL. Sistem dikembangkan menggunakan arsitektur client-server dengan Vue.js dan Flask. Hasil evaluasi menunjukkan tingkat akurasi untuk masing-masing model yaitu: SVM Teks (92,75%), SVM Visual (82,28%), CNN VGG16 (94,94%), dan model Ensemble memperoleh akurasi 90,88% dengan AUC 0,9632. Perbedaan skor ini mengindikasikan bahwa fitur spasial (CNN) dan linguistik (SVM Teks) sangat dominan dalam mendeteksi penipuan, di mana pendekatan Ensemble hadir untuk menyatukan kekuatan tersebut sekaligus menutupi kelemahan fitur visual manual. Pengujian sistem menunjukkan 176 assertion Backend API berhasil, 42 skenario End-to-End berhasil, serta skor Lighthouse Mobile dan Desktop memperoleh Performance 98, Accessibility 95, Best Practices 100, dan SEO 100.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Additional Information: | [No.Panggil: 2210511023] [Pembimbing 1: Widya Cholil] [Pembimbing 2: Nurul Afifah Arifuddin] [Penguji 1: Muhammad Adrezo] [Penguji 2: Novi Trisman Hadi] |
| Uncontrolled Keywords: | Contextual Validation, Convolutional Neural Network, Ensemble Learning, Online Recruitment Fraud, Support Vector Machine. |
| Subjects: | Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General) |
| Divisions: | Fakultas Ilmu Komputer > Program Studi Informatika (S1) |
| Depositing User: | HARY CAPRI |
| Date Deposited: | 28 Aug 2026 09:01 |
| Last Modified: | 28 Aug 2026 09:01 |
| URI: | http://repository.upnvj.ac.id/id/eprint/51226 |
Actions (login required)
 |
View Item |