PENGEMBANGAN MODEL REKOMENDASI LOWONGAN KERJA BERDASARKAN KESESUAIAN KOMPETENSI PENCARI KERJA MENGGUNAKAN CONTENT-BASED FILTERING PADA PLATFORM PENCARIAN KERJA
Pencocokan antara kompetensi pencari kerja dan kebutuhan lowongan pekerjaan merupakan salah satu aspek penting dalam proses pencarian kerja. Penelitian ini bertujuan menerapkan dan mengevaluasi metode Content-Based Filtering untuk menganalisis kesesuaian profil kompetensi kandidat dengan lowongan pekerjaan pada platform Tloker. Kontribusi penelitian ini terletak pada penerapan normalisasi istilah kompetensi untuk menyeragamkan variasi penyebutan keterampilan serta pemanfaatan dataset Tloker yang terdiri atas 7.125 profil kandidat dan 10.000 data lowongan pekerjaan. Profil kandidat dibentuk dari informasi pendidikan dan keterampilan, sedangkan data lowongan mencakup judul, persyaratan, dan deskripsi pekerjaan. Proses pencocokan dilakukan menggunakan pembobotan Term Frequency-Inverse Document Frequency (TF-IDF) dan pengukuran kemiripan Cosine Similarity untuk menghasilkan lima rekomendasi teratas. Evaluasi dilakukan terhadap 30 kandidat melalui penilaian relevansi secara manual menggunakan metrik Precision@5 dan Mean Average Precision@5 (MAP@5). Hasil pengujian menunjukkan rata-rata Precision@5 sebesar 66,67% dan MAP@5 sebesar 83,30% berdasarkan rumus implementasi. Hasil tersebut menunjukkan bahwa model mampu menghasilkan rekomendasi yang cukup relevan, tetapi kemiripan teks belum sepenuhnya mencerminkan kesesuaian kompetensi dengan kebutuhan pekerjaan. Dengan demikian, normalisasi istilah dan pencocokan berbasis TF-IDF serta Cosine Similarity dapat membantu proses rekomendasi lowongan pekerjaan, meskipun evaluasi relevansi tetap diperlukan untuk menilai kesesuaian hasil rekomendasi.
References
Dillahunt, T. R., Israni, A., Jiahong Lu, A., Cai, M., & Chiao-Yin Hsiao, J. (2021). Examining the Use of Online Platforms for Employment: A Survey of U.S. Job Seekers. https://doi.org/10.1145/3411764.3445350
Firdausa, M. B. (2021). Pengembangan Sistem Informasi Manajemen Keuangan Lesehan & Kolam Pancing Kresna Berbasis Website Menggunakan Model Evolutionary Prototype.
Fitria, A., #2, Z., Ainul, M., & #3, Y. (2024). Sistem Rekomendasi Lowongan Pekerjaan Menggunakan Content-Based Filtering. JEPIN (Jurnal Edukasi Dan Penelitian Informatika), 10(3), 421–427. https://doi.org/10.26418/JP.V10I3.83801
Hersianty, V. M., Amalia, E. L., Puspitasari, D., & Wibowo, D. W. (2025). PENERAPAN ALGORITMA TF-IDF DAN COSINE SIMILARITY DALAM SISTEM REKOMENDASI LOWONGAN PEKERJAAN. JATI (Jurnal Mahasiswa Teknik Informatika), 9(1), 1619–1625. https://doi.org/10.36040/JATI.V9I1.12406
Koloman, C., Maulana, R., Dwi, R., Putri, Z., & Harahap, W. A. (2023). Sistem Rekomendasi Pekerjaan di bidang IT Menggunakan Algoritma Content-Based Filtering. Journal of Creative Student Research, 1(6), 78–88. https://doi.org/10.55606/JCSRPOLITAMA.V1I6.2992
Rahmawati, I. Y., Mufarihati, F., Sri, C., & Aditya, K. (2026). Job Recommendation for Fresh Graduates to Reduce Competency Gaps Using Content-Based Filtering and Retrieval-Augmented Generation. Jurnal Teknik Informatika (Jutif), 7(2), 1886–1904. https://doi.org/10.52436/1.JUTIF.2026.7.2.5723
Ramadhani, S., Fiska, R. R., Informatika, T., Bengkalis, N., Alam, J. B., Alam, D. S., Bengkalis, K., Bengkalis, K., & Riau, P. (2026). SISTEM REKOMENDASI PEMILIHAN PEKERJAAN YANG RELEVAN BERBASIS CONTENT-BASED FILTERING DAN SEMANTIC MATCHING. JATI (Jurnal Mahasiswa Teknik Informatika), 10(5), 8311–8315. https://doi.org/10.36040/JATI.V10I5.19200
Sarsenbay, S., Kabdiyev, A., Varlamis, I., Sardianos, C., Turan, C., Razhametov, B., & Kazym, Y. (2025). Generating Job Recommendations Based on User Personality and Gallup Tests. Algorithms 2025, Vol. 18, Page 275, 18(5), 275. https://doi.org/10.3390/A18050275
Sibuea, S., & Widodo, Y. B. (2024). Pengembangan Model Machine Learning untuk Rekomendasi Produk Berdasarkan Analisis Pola Pembelian. Jurnal Teknologi Informatika Dan Komputer, 10(2), 567–583. https://doi.org/10.37012/JTIK.V10I2.2354
Sintia, Defit, S., & Nurcahyo, G. W. (2021). Product Codefication Accuracy With Cosine Similarity And Weighted Term Frequency And Inverse Document Frequency (TF-IDF). Journal of Applied Engineering and Technological Science (JAETS), 2(2), 62–69. https://doi.org/10.37385/JAETS.V2I2.210
Tang, F., Zhu, R., Yao, F., Wang, J., Luo, L., & Li, B. (2025). Explainable person–job recommendations: challenges, approaches, and comparative analysis. Frontiers in Artificial Intelligence, 8. https://doi.org/10.3389/FRAI.2025.1660548/
Tloker - Cari Lowongan Pekerjaan Terbaru. (n.d.). Retrieved November 4, 2026, from https://Tloker.com/
Yulita, W., Cahyo Untoro, M., Praseptiawan, M., Ashari, I. F., Afriansyah, A., Bin, A. N., & Pee, C. (2023). Automatic Scoring Using Term Frequency Inverse Document Frequency Document Frequency and Cosine Similarity. Scientific Journal of Informatics, 10(2), 93–104. https://doi.org/10.15294/SJI.V10I2.42209