Posting lowongan pekerjaan adalah salah satu cara dalam masyarakat untuk mencari pekerjaan. Kejahatan penipuan melibatkan mencuri informasi pribadi berupa alamat, detail akun bank, nomor keamanan sosial, dan lain-lain. Kejahatan ini mengalami peningkatan pada tahun 2020 hingga 2022 karena dampak pandemik COVID-19. Dataset posting lowongan pekerjaan memiliki jumlah data antar kelas yang sangat tidak seimbang dan pemakaian Natural Language Processing (NLP) sehingga menjadi salah satu masalah untuk melakukan pelatihan pada model machine learning. Pada penelitian ini menggunakan klasifikasi menggunakan Neural Networks. Preprocessing yang dilakukan adalah Text preprocessing, tokenisasi, Stopwords Removal, dan Lemmatization. Lalu diekstraksi dengan Term Frequency-Inverse Document Frequency(TF-IDF). Untuk mengatasi data tidak seimbang, penelitian ini menggunakan undersampling menggunakan metode Random Undersampling (RUS). Bedasarkan hasil pengujian, model yang dibangun dapat menghasilkan nilai akurasi sebesar 60% dengan nilai recall sebesar 69,8%. Hasil pengujian tersebut berasal dari pengujian dengan nilai hyperparameter hidden layer 3, epoch 100, learning rate 0.01, max_df 0.7, dan random state 0.