Devi Anggraini Primary Author mixed material bibliography Banda Aceh Fakultas MIPA (S1) 2025

Skripsi

Pencocokan antara resume dan deskripsi pekerjaan merupakan tantangan penting dalam sistem pencarian kerja otomatis, terutama ketika menangani dokumen dengan teks panjang. Penelitian ini bertujuan mengembangkan sistem pencocokan otomatis dokumen panjang dengan menerapkan pendekatan dual-encoder berbasis model BigBird. Dataset penelitian terdiri dari 4.145 resume dan 2.245 deskripsi pekerjaan yang telah melalui tahap pembersihan dan pelabelan otomatis menggunakan library g4f (GPT-4o). Representasi dokumen dihasilkan melalui embedding BigBird tanpa chunking, kemudian tingkat kesamaan dihitung menggunakan cosine similarity. Untuk meningkatkan ketepatan rekomendasi, digunakan model reranker berbasis XGBoost Classifier dengan tiga fitur utama, yaitu embedding cosine similarity, label cosine similarity, dan keyword overlap. Proses pelatihan dilakukan menggunakan GroupKFold untuk mencegah kebocoran data antar resume. Evaluasi dilakukan melalui classification report dan metrik pemeringkatan top-k. Hasil menunjukkan bahwa model mencapai akurasi klasifikasi rata-rata sebesar 91% pada skema 5-fold, dengan performa terbaik pada top-5 ranking, menghasilkan f1-score sebesar 82.43%. Temuan ini membuktikan bahwa kombinasi arsitektur dual-encoder BigBird dan reranker XGBoost mampu menangkap konteks global dokumen secara efektif dan menghasilkan rekomendasi pekerjaan yang relevan. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 168661 2025-07-29 14:33:24 2025-07-29 15:18:21 machine generated