Optimalisasi Penyaringan Resume dalam Rekrutmen Lowongan Kerja Menggunakan RAG Fusion dan GPT-4o (Studi Kasus PT. Barakas Media System)

Alugoro, Gavian Arsanautika (2025) Optimalisasi Penyaringan Resume dalam Rekrutmen Lowongan Kerja Menggunakan RAG Fusion dan GPT-4o (Studi Kasus PT. Barakas Media System). Tugas Akhir (S1) - thesis, Universitas Bakrie.

	Text (Cover) COVER.pdf - Accepted Version Download (745kB)
	Text (BAB I - III) BAB I - III.pdf - Accepted Version Restricted to Registered users only Download (427kB) | Request a copy
	Text (BAB IV) BAB IV.pdf - Accepted Version Restricted to Registered users only Download (799kB) | Request a copy
	Text (BAB V) BAB V.pdf - Accepted Version Restricted to Registered users only Download (136kB) | Request a copy
	Text (DAFTAR PUSTAKA) D PUSTAKA.pdf - Accepted Version Download (148kB)
	Text (LAMPIRAN) LAMPIRAN.pdf - Accepted Version Restricted to Registered users only Download (586kB) | Request a copy

Abstract

Meskipun penyaringan resume merupakan tahap penting dalam proses rekrutmen, tahap ini juga memiliki tantangan tersendiri. Metode penyaringan tradisional sering kali kurang efektif karena memerlukan banyak tenaga kerja dan rentan terhadap bias manusia. Selain itu, banyak solusi otomatis yang ada belum mampu menangani kompleksitas, konteks, serta sifat dinamis dari resume yang ditulis dalam bahasa alami. Hal ini menciptakan kesenjangan penelitian untuk pendekatan yang dapat mengatasi keterbatasan metode penyaringan yang ada. Untuk mengatasi permasalahan tersebut, skripsi ini memperkenalkan implementasi dan evaluasi konsep awal (proof-of-concept/POC) agen Model Bahasa Besar (Large Language Model/LLM). Sistem ini bertujuan untuk membantu perekrut dalam mencocokkan deskripsi pekerjaan dengan resume yang sesuai melalui mekanisme tanya-jawab. Dalam penggunaannya, perekrut akan memasukkan deskripsi pekerjaan sebagai kueri ke dalam agen, yang kemudian mencari resume paling relevan dan memberikan respons berupa analisis atau ringkasan resume. Untuk mencapai tujuan ini, sistem memanfaatkan Retrieval Augmented Generation (RAG) guna mengintegrasikan profil pelamar ke dalam basis pengetahuan LLM. Teknik ini dapat meningkatkan akurasi dan relevansi respons yang diberikan oleh agen LLM terhadap pertanyaan perekrut. Dalam tahap evaluasi, model yang diusulkan diuji dengan mencocokkan beberapa deskripsi pekerjaan dengan resume paling relevan dari basis data heterogen yang terdiri dari 19 profil pelamar. Evaluasi dilakukan secara kualitatif dengan menilai relevansi hasil pencocokan berdasarkan kesesuaian antara deskripsi pekerjaan dan isi resume yang dipilih oleh sistem. Hasilnya menunjukkan bahwa sistem mampu mengidentifikasi resume yang secara umum sesuai dengan kebutuhan pekerjaan yang dimasukkan, serta memberikan ringkasan yang relevan terhadap isi resume. Meskipun masih terdapat beberapa kasus di mana konteks atau detail spesifik dari pekerjaan belum sepenuhnya ditangkap oleh model, hasil evaluasi awal ini menunjukkan bahwa pendekatan berbasis RAG memiliki potensi untuk meningkatkan efisiensi dan akurasi dalam proses penyaringan resume. Hal ini menunjukkan pentingnya pengembangan dan penyempurnaan lebih lanjut terhadap sistem serupa di masa mendatang.

Item Type:	Thesis (Tugas Akhir (S1) - )
Uncontrolled Keywords:	Resume Screening, Large Language Model (LLM), Retrieval Augmented Generation, Recruitment Process, Natural Language Processing (NLP).
Subjects:	Computer Science > Decision Support System (DSS) Computer Science > Information Systems Thesis > Thesis (S1)
Divisions:	Fakultas Teknik dan Ilmu Komputer > Program Studi Sistem Informasi
Depositing User:	Gavian Arsanautika Alugoro
Date Deposited:	01 Sep 2025 02:26
Last Modified:	01 Sep 2025 02:26
URI:	https://repository.bakrie.ac.id/id/eprint/12011

Actions (login required)

View Item