Pengembangan Sistem Pencocokan Curriculum Vitae Dengan Lowongan Pekerjaan Menggunakan MPNet Embedding Dan Cosine Similarity
Abstrak
Proses screening Curriculum Vitae (CV) pada PT Bahagia Sukses Lestari masih dilakukan secara manual, sehingga memerlukan waktu lama, meningkatkan beban kerja HR, serta berpotensi menimbulkan bias subjektif. Berdasarkan hasil observasi, setiap pembukaan satu lowongan pekerjaan di PT Bahagia Sukses Lestari rata-rata menerima sekitar 60 CV, sedangkan proses rekrutmen hanya ditangani oleh dua staf HR. Dari total lamaran tersebut, hanya sekitar 20 lamaran yang benar-benar sesuai dengan kriteria awal pada tahap screening. Penelitian ini bertujuan untuk mengembangkan sistem screening CV berbasis web menggunakan pendekatan semantic similarity. Pengembangan sistem dilakukan menggunakan metode CRISP-DM, sedangkan proses pencocokan CV dengan lowongan pekerjaan menerapkan Natural Language Processing (NLP) menggunakan model MPNet untuk menghasilkan embedding dan cosine similarity untuk menghitung tingkat kesesuaian. Nilai similarity yang diperoleh kemudian diklasifikasikan menggunakan threshold 0,6 dengan kategori recommended untuk nilai ≥ 0,6 dan not recommended untuk nilai < 0,6. Hasil pengujian dilakukan menggunakan 35 dokumen CV yang masing-masing diuji terhadap dua lowongan pekerjaan berbeda sehingga menghasilkan total 70 proses screening yang menunjukkan nilai kemiripan berkisar antara 0,26 hingga 0,81, dengan 22 CV termasuk kategori recommended dan 48 CV not recommended. Sistem mampu melakukan proses screening CV secara otomatis dengan waktu rata-rata kurang dari 1 menit untuk setiap proses seleksi. Evaluasi model menghasilkan accuracy sebesar 97%, precision 91%, recall 100%, dan F1-score 95%, yang menunjukkan kemampuan sistem dalam mengidentifikasi kandidat yang relevan. Kesimpulannya, sistem berbasis embedding MPNet dan cosine similarity terbukti mampu meningkatkan efisiensi serta objektivitas proses screening CV dan menghasilkan rekomendasi kandidat secara konsisten.
Referensi
I. M. Kharisma dan N. Wening, “Peran Rekrutmen Dan Seleksi Terhadap Kinerja Karyawan Perusahaan: Sebuah Tinjauan Literatur Sistematik,” J. E-Bis, vol. 7, no. 1, hal. 61–80, 2023, doi: 10.37339/e-bis.v7i1.1111.
F. U. Barokah dan Ahmad Gunawan, “Strategi Rekrutmen dan Seleksi yang Efektif untuk Meningkatkan Kualitas Tenaga Kerja,” Glob. J. Lentera BITEP, vol. 01, no. 02, hal. 60–65, 2023, [Daring]. Tersedia pada: https://lenteranusa.id/
L. Hafidz, “4 Data Statistik HR dalam Proses Rekrutmen,” Talentics. [Daring]. Tersedia pada: https://www.talentics.id/resources/blog/4-data-statistik-hr-dalam-proses-rekrutmen/
Society for Human Resource Management, “SHRM benchmarking data on time-to-hire,” SHRM. [Daring]. Tersedia pada: https://vendordirectory.shrm.org/company/830416/whitepapers?utm_source=chatgpt.com
The Josh Bersin Company & AMS, “Global Talent Climate: Time-to-Hire Benchmark Factbook,” The Josh Bersin Company. [Daring]. Tersedia pada: https://joshbersin.com/talent-climate-series/?utm_source=chatgpt.com
M. Titisari dan K. Ikhwan, “Proses Rekrutmen dan Seleksi: Potensi Ketidakefektifan dan Faktornya,” JMK (Jurnal Manaj. dan Kewirausahaan), vol. 6, no. 3, hal. 11, 2021, doi: 10.32503/jmk.v6i3.1848.
M. Amien, “Sejarah dan Perkembangan Teknik Natural Language Processing ( NLP ) Bahasa Indonesia : Tinjauan tentang sejarah , perkembangan teknologi , dan aplikasi NLP dalam bahasa Indonesia,” ELANG J. Interdiscip. Res., hal. 99–105, 2023.
C. Galli dan N. Donos, “Performance of 4 Pre-Trained Sentence Transformer Models in the Semantic Query of a Systematic Review Dataset on,” 2024.
M. T. Colangelo, M. Meleti, S. Guizzardi, E. Calciolari, dan C. Galli, “A comparative analysis of sentence transformer models for automated journal recommendation using PubMed metadata,” Big Data Cogn. Comput., vol. 9, no. 3, hal. 67, 2025.
M. Holfiana, Safrizal, A. P. Sari, dan D. Anjani, “PENERAPAN ALGORITMA COSINE SIMILARITY UNTUK MENINGKATKAN AKURASI TEMU BALIK INFORMASI PADA SISTEM PENCARIAN DOKUMEN BENCANA ALAM,” Glob. Res. Innov. J., vol. 2, no. 1, hal. 404–414, 2026.
R. M. Affandi dan D. Hermanto, “Screening CV Otomatis Dalam Natural Language Processing Menggunakan K-Nearest Neighbor Pada Aplikasi SKILLQ,” Jatekom (Jurnal Apl. Teknol. dan Komputasi), vol. 1, no. 1, hal. 13–21, 2025.
Rikardo, R. M. A. Shidqi, A. Sujana, S. Wibawa, U. Rohwadi, dan F. W. Handono, “SISTEM SCREENING CV OTOMATIS BERBASIS NLP DAN RULE-BASED UNTUK SELEKSI KANDIDAT BERBASIS WEB,” J. Sist. Dan Teknol. Inf., vol. 08, no. 1, hal. 50–64, 2026.
R. Firmansyah, “Penerapan Metode Optical Character Recognition Dan Pattern Matching Dalam Proses Screening Curriculum Vitae Rekrutmen,” STIMATA, vol. 1, no. 1, hal. 1–12, 2025.
A. Rianti, N. W. A. Majid, dan A. Fauzi, “CRISP-DM: Metodologi Proyek Data Science,” in Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB), Jul 2023.
F. Martinez-Plumed et al., “ CRISP-DM Twenty Years Later: From Data Mining Processes to Data Science Trajectories ,” IEEE Trans. Knowl. & Data Eng., vol. 33, no. 08, hal. 3048–3061, Agu 2021, doi: 10.1109/TKDE.2019.2962680.
K. Ratri, R. Wardani, I. Martina, J. Fong, dan X. Wern, “Analisis Pengaruh Karakteristik Masukan Teks terhadap Kinerja MiniLM v2-L6-H384 dan BERT- Base-Uncased pada Quora Question Pairs,” J. Telemat., vol. 20, no. 2, hal. 138–148, 2025, doi: 10.61769/telematika.v20i2.775.
K. Song, X. Tan, T. Qin, J. Lu, dan T. Liu, “MPNet : Masked and Permuted Pre-training for Language Understanding,” no. NeurIPS, hal. 1–14, 2020.
R. R. Rafi, R. A. Ramadhani, dan A. Sanjaya, “PEMANFAATAN ALGORITMA COSINE SIMILARITY UNTUK MENGKOREKSI UJIAN ESAI,” JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 10, no. 3, hal. 2242–2254, 2025.
