Teknologi semantik, produk yang mumpuni, dan solusi SaaS yang andal.

JANZZ.technology unggul dalam bidang-bidang berikut ini berkat keahliannya yang mendalam, serta produk dan solusi cerdas JANZZsme!, JANZZon!, JANZZparser!, JANZZclassifier!, dan JANZZ.jobs untuk semua pelaku dan segmen pasar yang relevan (BtoC, BtoB, dan BtoG):

  • Teknologi pencarian dan pencocokan semantik (terutama di bidang keterampilan dan pencocokan pekerjaan)
  • Grafik pengetahuan yang komprehensif, multibahasa, dan multiarah di bidang data pekerjaan (pekerjaan/profesi, keterampilan berbasis pekerjaan, pelatihan/kualifikasi, keterampilan sosial dan interdisipliner, jabatan, bidang spesialisasi, dll.)
  • Integrasi dan penggunaan berbagai sistem klasifikasi standar, termasuk ISCO-08, KBJI-2014, KldB 2020, SSOC 2015, ASOC, AMS/BIS, BRC 2014, BOC, O*NET, DISCO II, ROME V3, ESCO, dan SBN2000N
  • Keahlian dan pengalaman yang komprehensif di bidang SDM yang kompleks dan persoalan pasar tenaga kerja

Dengan produk dan solusi SaaS/DaaS JANZZon!, JANZZsme! dan JANZZ.jobs serta opsi tambahan yang ditawarkan melalui JANZZjobsAPI, JANZZ.technology menyediakan perangkat yang meyakinkan untuk berbagai aplikasi potensial di bidang-bidang berikut:

  • Pencarian pekerjaan, perekrutan (internal dan eksternal) dan kepegawaian
  • Manajemen dan pembuatan profil keterampilan teknis dan nonteknis berbasis pekerjaan (manajemen keterampilan dan pembuatan profil keterampilan, analisis kesenjangan, dll.)
  • Peningkatan (semantik) untuk data dan informasi terkait pekerjaan dan keterampilan
  • Pemodelan, pengoperasian, dan pemeliharaan grafik pengetahuan multibahasa, multiarah, termasuk pembuatan indeks
  • Pencocokan semantik dari daftar kriteria yang kompleks (misalnya CV, iklan lowongan kerja, profil pelatihan) dan mahadata (pekerjaan)

Produk dan solusi kami mengikuti Prinsip-prinsip OECD tentang Kecerdasan Buatan (AI), yang inovatif, dapat dipercaya, menjunjung tinggi hak asasi manusia, dan nilai-nilai demokrasi.

JANZZ.technology: Kutipan dari "Pencocokan semantik berbasis kata kunci vs. ontologi"

  1. Pengantar

Tujuan dari buku putih ini adalah untuk menjelaskan keterbatasan teknologi pencarian berbasis kata kunci saat ini dalam lingkup perekrutan, pencarian kerja, pemerolehan dan pencarian tenaga kerja, pembuatan profil keterampilan, pencocokan dan manajemen. Dokumen ini berusaha menyoroti bagaimana tuntutan departemen tenaga kerja pemerintah, badan statistik, dan pemangku kepentingan lainnya di pasar tenaga kerja itu sendiri, yang terdiri dari para pencari tenaga kerja dan pencari kerja, baik yang aktif maupun yang pasif, tidak dapat dipenuhi oleh teknologi pada tingkat ketepatan yang diharapkan atau yang diinginkan.

Teknologi saat ini seperti pencarian berbasis kata kunci dan penguraian CV tidak mampu membandingkan mahadata yang spesifik untuk pekerjaan secara bersamaan dan dua arah. Akibatnya, kebutuhan dari kegiatan ketenagakerjaan publik, misalnya pencocokan profil dan data dari pencari kerja, dinas pendidikan pemerintah, basis data dari iklan lowongan kerja, mesin pencari kerja dan jaringan profesional dan sosial (selanjutnya secara bersama-sama dikenal sebagai ‘layanan online’), kumpulan CV dan basis data deskripsi pekerjaan tidak dapat terpenuhi.

Lebih lanjut, akan dijelaskan bagaimana kemajuan teknologi semantik dan khususnya penggunaan ontologi data pekerjaan telah memberikan solusi untuk membandingkan kumpulan data yang besar dengan efisiensi dan akurasi yang lebih baik.  Untuk memperjelas topik yang kompleks ini, contoh-contoh akan diberikan di seluruh bagian dan sebuah bagian yang menguraikan empat kasus penggunaan untuk aplikasi dunia nyata dari pencocokan semantik berbasis ontologi akan diberikan. Dokumen ini kemudian akan diakhiri dengan ulasan akhir mengenai manfaat pencocokan semantik berbasis ontologi dalam lingkup ini.

    1. Istilah dan referensi yang digunakan dalam dokumen ini

Pada bagian ini, jika diperlukan, terminologi yang digunakan dalam bidang ini akan dijelaskan untuk referensi di masa mendatang. Untuk terminologi tambahan, silakan lihat daftar istilah yang lebih rinci di LAMPIRAN.

JANZZ.technology:
sumber informasi mengenai ontologi dan pengembang teknologi semantik, produk, dan solusi yang diuraikan di akhir tulisan ini.

JANZZsme!:
Mesin Pencocokan Cerdas yang dirancang dan dikembangkan oleh JANZZ.technology untuk mencari dan mencocokkan entri target dari sumber data (baik yang terstruktur maupun tidak terstruktur) seperti catatan tenaga kerja pemerintah tentang statistik individu yang menganggur, CV atau basis data tawaran pekerjaan, dan memberikan hasil yang ditentukan dalam parameter yang diinginkan pengguna.

JANZZon!:
Ontologi unik yang dirancang dan dibangun oleh JANZZ.technology untuk bertindak sebagai basis pengetahuan ensiklopedis yang berisi data pekerjaan yang saling terhubung dalam sistem semantik yang memiliki multi relasi untuk digunakan secara khusus melalui JANZZrestAPI dalam memberikan konteks kepada mesin pencocokan, atau dalam perangkat analisis statistik atau platform pihak ketiga untuk pengayaan data.

JANZZclassifier!:
Perangkat klasifikasi mutakhir yang dirancang dan dibangun oleh JANZZ.technology untuk mengklasifikasikan dan menstandarkan kumpulan data yang besar dan membuat data tersebut dapat dibandingkan karena adanya metadata yang dianotasi, termasuk klasifikasi resmi, keahlian yang terkait, pekerjaan, jabatan, dan masih banyak lagi.

Occupation data:
adalah terminologi khusus untuk profesi dan mencakup semua data lain yang relevan, yang disebut “konsep”. Data pekerjaan kemudian terdiri dari pekerjaan atau profesi itu sendiri, spesialisasi (khusus untuk profesi tersebut), keterampilan dan kompetensi yang diperlukan, jabatan yang diperlukan, pengalaman (yang diperoleh dari profesi tersebut), kualifikasi dan tingkat pendidikan, dan terakhir adalah keterampilan transversal atau nonteknis. Masih banyak lagi yang dapat ditambahkan di masa mendatang sesuai dengan perkembangan persyaratan statistik industri, misalnya lingkungan kerja.

Occupation Class:
(OC): OC mendefinisikan seberapa kuat pekerjaan itu sendiri dipertimbangkan terkait dengan data pekerjaan lainnya ketika membandingkan dan mencocokkan antara dua atau lebih kumpulan data yang kompleks. Pekerjaan didefinisikan dari yang sangat spesifik hingga yang tidak terlalu spesifik sama sekali. Pekerjaan yang sangat spesifik diberi bobot yang tinggi, dan yang kurang spesifik diberi bobot yang semakin rendah.

Contoh: Bidan dikategorikan sangat spesifik (OC1); Guru berada di tengah-tengah tingkat spesifikasi (OC3); Konsultan dikategorikan tidak spesifik dan berada di OC yang rendah (5).

Pada pekerjaan yang kurang spesifik, kekuatan argumen bergeser dari pekerjaan ke data terkait lainnya, misalnya spesialisasi, fungsi, keterampilan, pengalaman, dll.

Semantik:
Dalam konteks perbandingan data, berbeda dengan linguistik, semantik menggambarkan bagaimana konsep-konsep berhubungan secara logis dan kontekstual satu sama lain – dengan mengacu pada latar belakang dan asal-usulnya.

Contoh: ERP↔SAP. Contoh dari ERP antara lain adalah SAP. SAP adalah sebuah ERP

Atau, tukang kayu↔penyambung kayu.

Tidak ada hubungan linguistik antara ERP dan SAP atau tukang kayu dan penyambung kayu kecuali jika kedua istilah tersebut digunakan atau dirujuk dalam teks tawaran pekerjaan yang sama secara kebetulan atau dengan desain tertentu. Mesin pencari kata kunci akan menemukan keduanya namun tidak melalui konteks, melainkan secara tidak sengaja. Secara semantik terdapat hubungan, hubungan tersebut diketahui tetapi hanya karena informasi tersebut disediakan oleh ontologi yang menyimpan hubungan tersebut dan konteksnya. Sebuah ontologi akan menyimpan sinonim pada awalnya, tetapi ontologi multibahasa seperti yang dimiliki oleh JANZZon! juga akan berisi terjemahan konsep DAN sinonimnya. Namun, dalam ontologi juga terdapat fitur-fitur seperti istilah-istilah yang dikecualikan, yaitu istilah-istilah yang harus diabaikan ketika mencari entri target.

Contoh: Ketika mencari seorang CEO, tidak termasuk Asisten, Asisten Pribadi, Asisten Eksekutif, seperti yang muncul dalam jabatan seperti Asisten untuk CEO serta di sektor lain seperti arsitektur yang berorientasi layanan (Service-Oriented Architecture), dll.

Selain itu, ontologi menetapkan hubungan ‘bagian yang setara’ dan ‘sama tetapi berbeda’ (untuk lebih lanjut tentang istilah-istilah ini, lihat LAMPIRAN). Ketika pencarian atau pencocokan bersifat semantik, hal ini mempertimbangkan hubungan dan makna kata dan frasa untuk perbandingan, sehingga memungkinkan sistem seperti pencocokan atau mesin pencari untuk ‘memahami’ konteks frasa yang ditargetkan.

Contoh: Saat mencari Pelatih Bahasa Inggris, profesi serupa Guru Bahasa Inggris dan, Tutor Bahasa yang berspesialisasi dalam Bahasa Inggris dan Prancis akan sepenuhnya atau sebagian dimasukkan dalam hasil karena tutor dua bahasa tidak sama persis dengan guru yang hanya fokus pada Bahasa Inggris. Dari sudut pandang tutor itu sendiri, kecocokannya hanya 50%.

Fitur-fitur ini hanyalah sebagian dari alasan mengapa ontologi memberi kekuatan pada mesin pencocokan dengan kemampuan semantik.

Homonim dan Polisemi:
Salah satu penggunaan khusus yang dimiliki ontologi adalah memperjelas perbedaan antara kata dan konsep yang terlihat sangat mirip atau sama tetapi memiliki arti yang berbeda. Hal ini terjadi terutama secara lintas bahasa dan ditemukan dalam perbedaan budaya. Homonim adalah kata dan pasangan kata yang dieja sama, terdengar sama, tetapi memiliki arti yang berbeda.

Contoh: Perwakilan Penjualan, Manajer Akun, Konsultan, dan Manajer Proyek digunakan dalam banyak kasus, tetapi memiliki arti yang berbeda tergantung pada industri, perusahaan atau organisasi, spesialisasi, jabatan, dan keterampilan.

Polisemi sangat mirip dengan homonim karena bisa dieja sama, tapi juga bisa dieja secara berbeda, tapi tetap terdengar sama dan juga memiliki arti yang berbeda namun terkait karena asal-usul yang sama.

Contoh: Polisemi meliputi Desainer (memiliki banyak arti yang berbeda tergantung pada konteksnya); Manajer dapat berupa orang yang bertanggung jawab atas suatu kegiatan atau personel; Eksekutif dapat berupa posisi senior dalam suatu organisasi atau tenaga penjualan seperti dalam “Eksekutif Penjualan Iklan”; dan Aplikasi dapat berupa perangkat lunak, perangkat lunak untuk perangkat seluler, atau hal lainnya.

Inilah alasan mengapa, dalam ontologi, konsep-konsep ditandai dengan makna alternatif untuk mengatasi ketidaksesuaian dan kekeliruan sehingga konsep-konsep dapat dibandingkan secara akurat.

Untuk informasi lebih lanjut mengenai penawaran langsung atau bukti konsep (POC) untuk produk dan solusi kami, atau jika Anda menginginkan demonstrasi produk individual atau salinan lengkap buku putih kami “Pencocokan semantik berbasis kata kunci vs. ontologi”, silakan hubungi kami secara langsung melalui email atau formulir kontak kami.