Implementasi Content-Based Filtering Untuk Sistem Rekomendasi Pekerjaan Berbasis Curriculum Vitae CV

Abstrak

Proses pencarian kerja di era digital menghadapi tantangan berupa tingginya jumlah pelamar dan rendahnya tingkat kesesuaian antara profil pelamar dengan kebutuhan perusahaan. Permasalahan ini diperparah oleh kompleksitas data teks tidak terstruktur pada Curriculum Vitae CV dan deskripsi pekerjaan, sehingga proses pencocokan menjadi kurang optimal. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi pekerjaan berbasis Content Based Filtering CBF dengan memanfaatkan representasi teks menggunakan Term Frequency Inverse Document Frequency TF IDF dan pengukuran kemiripan menggunakan cosine similarity. Dataset yang digunakan terdiri dari dokumen CV dalam format PDF serta data lowongan pekerjaan yang dikumpulkan dari platform LinkedIn. Tahapan penelitian meliputi ekstraksi teks, preprocessing menggunakan teknik Natural Language Processing NLP, pembentukan vektor TF IDF, serta perhitungan skor kemiripan untuk menghasilkan rekomendasi pekerjaan dalam bentuk Top N. Sistem diimplementasikan menggunakan Streamlit untuk menyediakan antarmuka yang interaktif dan mudah digunakan. Hasil evaluasi menunjukkan bahwa sistem mampu menghasilkan rekomendasi yang relevan dengan rata rata skor relevansi sebesar 4,2 dari 5 dan tingkat kepuasan pengguna sebesar 4,5 dari 5, dengan 90,5 persen responden menyatakan puas. Dengan demikian, pendekatan CBF berbasis TF IDF terbukti efektif dalam meningkatkan kualitas pencocokan pekerjaan secara praktis.

Identifier

• OpenAlex: https://openalex.org/W7168094644
• DOI: https://doi.org/10.33005/santika.v6i1.1194