JOBMATCH AI: SISTEM REKOMENDASI PEKERJAAN BERBASIS AI MELALUI ANALISIS TEKS RESUME

Abstrak

Tingginya tingkat pengangguran dan kompleksitas pasar kerja digital saat ini menimbulkan tantangan signifikan bagi pencari kerja dan perekrut. Pencari kerja sering mengalami information overload dalam menemukan lowongan yang relevan, sementara perekrut kesulitan menyaring resume secara efisien. Proyek "JobMatch AI" dikembangkan sebagai sistem rekomendasi pekerjaan berbasis web yang memanfaatkan kecerdasan buatan (AI) melalui analisis teks resume. Sistem ini bertujuan untuk mengoptimalkan proses pencocokan antara skill pengguna dan kebutuhan lowongan kerja. Metodologi penelitian pengembangan (R&D) digunakan, mencakup tahapan analisis kebutuhan, desain, implementasi, dan pengujian. Implementasi teknis melibatkan backend Flask (Python) untuk deteksi skill menggunakan pencocokan kata kunci dan algoritma pencocokan berbasis konten dengan filter relevansi 50%, serta frontend (HTML, CSS, JavaScript) untuk antarmuka pengguna. Hasil pengujian fungsional menunjukkan bahwa sistem ini efektif dalam merekomendasikan lowongan yang sangat relevan, sebagian relevan, dan memberikan umpan balik yang tepat saat tidak ada kecocokan. JobMatch AI berhasil sebagai prototipe fungsional yang menjanjikan, membuka jalan bagi pengembangan sistem rekomendasi karir berbasis AI yang lebih canggih di masa depan.

The high unemployment rate and the complexity of the current digital job market pose significant challenges for both job seekers and recruiters. Job seekers often experience information overload in finding relevant vacancies, while recruiters struggle to efficiently filter resumes. The "JobMatch AI" project was developed as a web-based job recommendation system that leverages artificial intelligence (AI) through resume text analysis. This system aims to optimize the matching process between user skills and job vacancy requirements. A Research and Development (R&D) methodology was employed, covering stages of needs analysis, design, implementation, and testing. Technical implementation involves a Flask (Python) backend for skill detection using keyword matching and a content-based matching algorithm with a 50% relevance filter, as well as a frontend (HTML, CSS, JavaScript) for the user interface. Functional testing results indicate that the system is effective in recommending highly relevant, partially relevant, and providing appropriate feedback when no matches are found. JobMatch AI succeeded as a promising functional prototype, paving the way for the development of more advanced AI-based career recommendation systems in the future.