PERANCANGAN SISTEM REKOMENDASI LOWONGAN KERJA DENGAN PENDEKATAN NATURAL LANGUAGE PROCESSING (NLP) BERBASIS TF-IDF DAN WORD2VEC

Melimpahnya informasi lowongan kerja pada berbagai platform digital sering menimbulkan ketidakefisienan dalam proses pencarian kerja karena pelamar harus menyeleksi deskripsi pekerjaan secara manual, sementara perusahaan juga mengalami kesulitan dalam menilai kesesuaian pelamar secara cepat dan objektif. Penelitian ini mengembangkan sistem rekomendasi lowongan kerja berbasis web dengan pendekatan Natural Language Processing (NLP) menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF) dan Word2Vec untuk merepresentasikan profil pelamar dan deskripsi pekerjaan, yang dianalisis menggunakan cosine similarity. Sistem dikembangkan dengan metode prototyping agar dapat disesuaikan secara iteratif dengan kebutuhan pengguna. Evaluasi karakteristik hasil rekomendasi dilakukan secara eksploratif melalui analisis skor similarity dan perubahan peringkat lowongan pada beberapa skenario uji. Berdasarkan skenario uji dan analisis deskriptif terhadap skor similarity serta perubahan peringkat, TF-IDF cenderung menghasilkan skor kesesuaian yang lebih rendah ketika terdapat variasi istilah, sedangkan Word2Vec memberikan skor yang relatif lebih stabil karena kemampuannya merepresentasikan kedekatan makna antar kata. Selain itu, evaluasi usability menggunakan System Usability Scale (SUS) memperoleh skor rata-rata 89,5 dengan kategori Excellent, yang menunjukkan bahwa sistem mudah digunakan dan nyaman bagi pengguna. Sistem ini diharapkan dapat membantu pelamar menemukan lowongan yang relevan serta mendukung proses penyaringan pelamar secara lebih sistematis.