Indonesia merupakan negara berkembang yang memiliki jumlah penduduk yang demikian banyak dan masuk dalam 5 besar populasi penduduk di Dunia. Jumlah penduduk di Indonesia juga meningkat setiap tahunnya, dan seiring dengan bertambahnya jumlah penduduk, tenaga kerja juga mengalami peningkatan setiap tahunnya. Perusahaan yang sedang membuka lowongan pekerjaan pasti akan mendapatkan lebih banyak lamaran kerja setiap tahunnya, hal ini mengakibatkan semakin lambatnya proses seleksi pelamar kerja ini. Salah satu cara yang efektif untuk menyeleksi pelamar, yaitu dengan menyeleksi data hasil wawancara pelamar kerja yang telah diberikan skor oleh ahli. Skor ini terbagi penjadi 9 macam penilaian, yaitu action, enthusiams, focus, imagine, integrity, smart, solid, speed dan totality. Penelitian ini dilakukan untuk mendapatkan model penilaian dengan menggunakan klasifikasi teks yang dapat membantu sebuah perusahaan dalam menyeleksi data hasil wawancara pelamar kerja dengan otomatis, waktu yang lebih singkat, mengurangi biaya, dan penilaian yang objektif. Dalam penelitian ini digunakan word embeddings untuk merubah kata menjadi vektor. Metode klasifikasi yang dipakai dalam penelitian ini adalah Random Forest. Hasil dari penelitian pada jurnal ini menunjukuan bahwa algoritma klasifikasi Random Forest dapat dipakai untuk klasifikasi teks wawancara dengan hyperparameter tuning. Performa algoritma Random Forest pada klasifikasi teks wawancara terlihat cukup bagus dengan akurasi rata-rata 71% dari seluruh 9 poin penilaian yang ada. Dengan akurasi rata-rata 71%, maka bisa disimpulkan bahwa algoritma Random Forest memiliki akurasi yang cukup baik, dan dapat digunakan sebagai klasifikasi teks wawancara.