<![CDATA[Penelitian ini menyajikan pendekatan komputasi khusus untuk meminimalkan bias manusia dan subjektivitas dalam rekrutmen pengemudi pribadi. Metode pemilihan pengemudi tradisional sangat bergantung pada evaluasi manusia yang bersifat reaktif dan subjektif, yang sering kali meningkatkan bahaya keselamatan jalan, risiko aset, serta biaya operasional perusahaan. Untuk mengatasi kerentanan kritis dan keterbatasan kognitif manusia tersebut, perlu membangun kerangka kerja integrasi antara Analytical Hierarchy Process (AHP) untuk pembobotan kriteria dan Multi Objective Optimization by Ratio Analysis (MOORA) untuk pemeringkatan alternatif guna menyusun Sistem Pendukung Keputusan (SPK) multi kriteria yang kuat. Model evaluasi yang diusulkan menyintesis profil kandidat berdasarkan tujuh dimensi utama: pengalaman kerja, klasifikasi SIM, usia, kepribadian, latar belakang pendidikan, jarak rumah, dan nilai ujian. Dengan menerapkan data empiris pelamar dari CV ABC NO1 Surakarta, sistem ini berhasil menjembatani kesenjangan antara penilaian subjektif manusia dan optimasi matematis. Hasil eksperimen yang divalidasi secara ketat melalui confusion matrix menghasilkan tingkat Presisi sempurna sebesar 100%, disertai Akurasi 87,5%, Recall 83,3%, dan F1-Score 90,9%. Metrik empiris ini sepenuhnya membuktikan kemampuan optimal kerangka kerja dalam mengeliminasi risiko seleksi false positive pada skenario perekrutan berisiko tinggi. Pada akhirnya, model komputasi multi kriteria ini memberikan solusi perekrutan yang andal, objektif, dan sadar keselamatan untuk sektor manajemen transportasi premium guna memastikan standar kualitas operasional yang lebih tinggi.]]>
