IMPLEMENTASI LARGE LANGUAGE MODEL (LLM) UNTUK ANALISIS KESESUAIAN DOKUMEN RESUME TERHADAP DESKRIPSI PEKERJAAN

Sistem seleksi kandidat tradisional, seperti Applicant Tracking System (ATS) yang mengandalkan pencocokan kata kunci, seringkali tidak efisien dan rentan menghasilkan bias, karena gagal memahami konteks dan makna semantik dari dokumen resume. Hal ini dapat menyebabkan kandidat potensial terlewatkan (False Negative) atau kandidat yang kurang relevan justru lolos. Penelitian ini mengusulkan implementasi Large Language Model (LLM) LLaMA-3.1-8B untuk membangun sistem cerdas yang mampu menganalisis kesesuaian dokumen resume dengan deskripsi pekerjaan secara otomatis dan objektif. Model dikembangkan dengan metode Waterfall, menggabungkan teknik adaptasi model Fine-Tuning berbasis Quantized Low-Rank Adaptation (QLoRA) dengan Prompt Engineering serta kuantisasi 8-bit untuk efisiensi sumber daya komputasi. Pengujian pada 10 sampel data menunjukkan sistem mampu mengevaluasi resume berdasarkan keahlian, pengalaman dan pendidikan, serta menghasilkan skor relevansi yang dapat diinterpretasikan. Hasil evaluasi model mencapai Accuracy 80%, Precision 76%, Recall 76%, dan F1-Score 76%. Implementasi ini membuktikan bahwa LLM berpotensi besar meningkatkan efisiensi dan objektivitas proses rekrutmen.