Penerapan IndoBERT untuk Klasifikasi Curriculum Vitae Indonesia pada Tahap Early Screening

Abstrak

Proses rekrutmen karyawan sering melibatkan penyaringan sejumlah besar dokumen Curriculum Vitae (CV) yang umumnya masih dilakukan secara manual. Kondisi ini memerlukan waktu yang relatif lama serta berpotensi menimbulkan subjektivitas dalam proses seleksi administrasi. Permasalahan tersebut semakin kompleks karena dokumen CV memiliki struktur yang beragam dan sering menggunakan campuran bahasa Indonesia dan bahasa Inggris. Penelitian ini menerapkan model bahasa berbasis Transformer, yaitu IndoBERT, untuk melakukan klasifikasi dokumen CV berbahasa Indonesia secara otomatis pada tahap early screening. Dataset yang digunakan terdiri dari 1140 dokumen CV dari proses rekrutmen nyata dengan distribusi kelas yang tidak seimbang. Tahapan pra-pemrosesan meliputi ekstraksi teks, anonimisasi data pribadi, normalisasi teks, serta segmentasi dokumen menggunakan teknik sliding window. Model kemudian dilakukan fine-tuning dan dievaluasi menggunakan metrik Accuracy, Precision, Recall, F1-score, serta Precision–Recall Area Under Curve (PR-AUC). Hasil evaluasi pada data uji menunjukkan bahwa model menghasilkan Accuracy sebesar 0,731, Precision sebesar 0,154, Recall sebesar 0,316, F1-score sebesar 0,207, dan PR-AUC sebesar 0,165. Analisis variasi threshold menunjukkan adanya trade-off antara precision dan recall yang dapat disesuaikan dengan kebutuhan proses rekrutmen. Hasil penelitian ini menunjukkan bahwa pendekatan berbasis IndoBERT memiliki potensi sebagai alat bantu prioritisasi kandidat pada tahap seleksi administrasi.

Identifier

• OpenAlex: https://openalex.org/W7168897266
• DOI: https://doi.org/10.33005/santika.v6i1.1186