Pencarian pekerjaan
yang tepat dan sesuai dengan minat serta latar belakang pengguna merupakan
tantangan yang terus berkembang, terutama dengan meningkatnya volume informasi
lowongan kerja secara daring. Digitefa adalah sebuah platform job portal
atau pencari kerja yang menyediakan berbagai informasi lowongan pekerjaan
secara daring. Tantangan utama yang dihadapi adalah bagaimana menyaring dan
menyesuaikan informasi lowongan dengan kebutuhan individu pengguna secara
efisien dan relevan.
Penelitian ini
bertujuan mengembangkan sistem rekomendasi pekerjaan pada platform Digitefa
dengan menggunakan pendekatan content-based filtering yang diperkuat
oleh model deep learning MiniLM. MiniLM dimanfaatkan untuk menghasilkan
representasi teks yang lebih kontekstual, sehingga sistem dapat mencocokkan
deskripsi pekerjaan dengan informasi pengguna secara lebih akurat. Proses
pengembangan mencakup tahap analisis kebutuhan, perancangan, implementasi
sistem, hingga pengujian hasil rekomendasi.
Berdasarkan evaluasi
menggunakan dua jenis profil pengguna, sistem menunjukkan performa yang cukup
baik dengan rata-rata precision sebesar 72,5%, recall sebesar
76,9%, dan hit rate mencapai 100%. Evaluasi tersebut menunjukkan bahwa
rekomendasi yang dihasilkan telah sesuai dan relevan dengan profil pengguna.
Dengan integrasi MiniLM, sistem ini mampu memberikan hasil yang lebih personal
dan kontekstual dibanding metode berbasis kata kunci. Kehadiran sistem ini diharapkan
dapat meningkatkan efisiensi dalam proses pencarian kerja di Digitefa, serta
dapat meningkatkan kualitas pengalaman pengguna secara keseluruhan.
