SISTEM SCREENING CV OTOMATIS BERBASIS NLP DAN RULE-BASED UNTUK SELEKSI KANDIDAT BERBASIS WEB

Abstrak

Peningkatan volume pelamar dalam era digital menuntut otomatisasi proses seleksi kandidat yang efisien, akurat, dan objektif. Penelitian ini mengembangkan sistem screening CV otomatis berbasis web yang mengintegrasikan Natural Language Processing (NLP) dan pendekatan rule-based untuk meningkatkan efisiensi proses rekrutmen di divisi Human Resources. Sistem dirancang menggunakan Python dengan memanfaatkan pustaka Gradio untuk antarmuka pengguna, PyMuPDF untuk ekstraksi teks PDF, spaCy untuk Named Entity Recognition, dan Regular Expressions untuk pencocokan pola keahlian. Algoritma hybrid menggabungkan ekstraksi otomatis data kritis (nama, pengalaman kerja, keterampilan) melalui NLP dengan penilaian berbasis aturan eksplisit yang ditentukan HR. Sistem menggunakan weighted scoring model dengan tiga komponen utama: skor pengalaman (40%), skor hard skill wajib (40%), dan skor hard skill tambahan (20%). Pengujian pada data simulasi menunjukkan sistem mampu mengklasifikasikan kandidat menjadi tiga kategori rekomendasi (Utama, Dipertimbangkan, Tidak Cocok) dengan threshold skor 75, 50, dan 0. Hasil penelitian menunjukkan sistem berhasil mengotomatisasi proses seleksi awal, mengurangi waktu screening manual, meningkatkan konsistensi penilaian, serta memberikan dasar objektif untuk pengambilan keputusan rekrutmen sambil tetap mempertahankan oversight manusia dalam penilaian akhir.