Penerapan IndoBERT untuk Klasifikasi Curriculum Vitae Indonesia pada Tahap Early Screening

Sep 11, 2026

Proses rekrutmen karyawan sering melibatkan penyaringan dokumen Curriculum Vitae (CV) dalam jumlah besar yang umumnya masih dikerjakan secara manual, sehingga memakan waktu dan berpotensi menimbulkan subjektivitas pada seleksi administrasi. Variasi struktur CV dan penggunaan campuran bahasa Indonesia–Inggris memperumit evaluasi serta pengolahan otomatis. Penelitian ini menerapkan IndoBERT berbasis Transformer untuk klasifikasi CV bahasa Indonesia pada tahap early screening. Dataset memuat 1140 CV rekrutmen nyata dengan distribusi kelas tidak seimbang. Pra-pemrosesan mencakup ekstraksi teks, anonimisasi, normalisasi, dan segmentasi sliding window. Model fine-tuning dievaluasi menggunakan Accuracy, Precision, Recall, F1-score, serta PR-AUC, dengan hasil pengujian menunjukkan trade-off precision–recall melalui analisis threshold, serta potensi prioritisasi kandidat pada seleksi administrasi.

BahasaIndonesian

KategoriPresentasi

FormatPDF

Halaman7

Waktu Membaca3 mnt

AksesGratis untuk diunduh

Daftar Isi

Abstrak

Kata Kunci

I. Pendahuluan

Latar belakang seleksi administrasi CV

Tantangan variasi format dan campuran bahasa

Kajian penelitian terdahulu dan dasar Transformer/BERT/IndoBERT

Kesenjangan penelitian dan tujuan studi

Seminar Nasional Informatika Bela Negara (SANTIKA) ISSN (Online) 2747-0563 Volume 6 Tahun 2026 Penerapan IndoBERT untuk Klasifikasi Curriculum Vitae Indonesia pada Tahap Early Screening Egiofani Renedio 1, Rizky Parlika2*, Budi Mukhamad Mulyo3 1,2,3 Informatika, Universitas Pembangunan Nasional “Veteran” Jawa Timur [1](1 21081010056@student.upnjatim.ac.id)[ 21081010056@student.upnjatim.ac.id](1 21081010056@student.upnjatim.ac.id) [3](3 budi.m.mulyo.fasilkom@upnjatim.ac.id)[ budi.m.mulyo.fasilkom@upnjatim.ac.id](3 budi.m.mulyo.fasilkom@upnjatim.ac.id) *Corresponding author email: [rizkyparlika.if@upnjatim.ac.id](rizkyparlika.if@upnjatim.ac.id) Abstrak— Proses rekrutmen karyawan sering melibatkanpenyaringan sejumlah besar dokumen Curriculum Vitae (CV) yang umumnya masih dilakukan secara manual. Kondisi inimemerlukan waktu yang relatif lama serta berpotensimenimbulkan subjektivitas dalam proses seleksi administrasi. Permasalahan tersebut semakin kompleks karena dokumen CV memiliki struktur yang beragam dan sering menggunakan campuran bahasa Indonesia dan bahasa Inggris. Penelitian ini menerapkan model bahasa berbasis Transformer, yaitu IndoBERT, untuk melakukan klasifikasi dokumen CV berbahasa Indonesia secara otomatis pada tahap early screening. Dataset yang digunakan terdiri dari 1140 dokumen CV dari prosesrekrutmen nyata dengan distribusi kelas yang tidak seimbang. Tahapan pra-pemrosesan meliputi ekstraksi teks, anonimisasi data pribadi, normalisasi teks, serta segmentasi dokumen menggunakan teknik sliding window. Model kemudian dilakukan fine-tuning dan dievaluasi menggunakan metrik Accuracy, Precision, Recall, F1-score, serta Precision–Recall Area Under Curve (PR-AUC). Hasil evaluasi pada data uji menunjukkan bahwa model menghasilkan Accuracy sebesar 0,731, Precision sebesar 0,154, Recall sebesar 0,316, F1-score sebesar 0,207, dan PR-AUC sebesar 0,165. Analisis variasi threshold menunjukkanadanya trade-off antara precision dan recall yang dapatdisesuaikan dengan kebutuhan proses rekrutmen. Hasil penelitian ini menunjukkan bahwa pendekatan berbasis IndoBERT memiliki potensi sebagai alat bantu prioritisasi kandidat padatahap seleksi administrasi. Kata Kunci—curriculum vitae, klasifikasi dokumen, IndoBERT, pemrosesan bahasa alami, rekrutmen. I. PENDAHULUAN Proses rekrutmen karyawan merupakan tahapan strategis dalam manajemen sumber daya manusia karenaberperan dalam menentukan kualitas tenaga kerja yang direkrutoleh suatu organisasi. Pada tahap awal rekrutmen, perusahaanumumnya melakukan seleksi administrasi dengan meninjau Curriculum Vitae (CV) yang dikirimkan oleh pelamar. Seiring meningkatnya jumlah pencari kerja, perusahaan dapat menerima ratusan hingga ribuan dokumen CV untuk satu posisi pekerjaan, sehingga proses penyaringan manual menjadi tidakefisien dan memerlukan waktu yang relatif lama sertaberpotensi menimbulkan subjektivitas dalam pengambilan keputusan[1] . Di Indonesia, permasalahan ini semakin kompleks karena tidakadanya standar baku dalam penulisan CV. Setiap pelamar memiliki format, struktur, dan gaya penulisan yang berbedabeda. Selain itu, dokumen CV sering menggunakan campuran bahasa Indonesia dan bahasa Inggris, terutama pada bagian pengalaman kerja dan keterampilan. Variasi struktur dan bahasa ini menyulitkan proses evaluasi manual dan menimbulkan tantangan dalam pengolahan dokumen secaraotomatis [2] . Sejumlah penelitian terdahulu telah mengkaji otomasipenyaringan resume menggunakan pendekatan pembelajaranmesin konvensional. Representasi teks berbasis Term Frequency–Inverse Document Frequency (TF-IDF) yang dikombinasikan dengan algoritma klasifikasi seperti Logistic Regression atau Support Vector Machine (SVM) banyak digunakan dalam tugas klasifikasi dokumen dan resume screening [3], [4] . Pendekatan tersebut relatif sederhana danefisien, namun memiliki keterbatasan dalam menangkap hubungan semantik dan konteks mendalam pada dokumen panjang dan tidak terstruktur seperti CV. Selai

Pertanyaan Umum

Mengapa proses seleksi administrasi CV masih menantang secara manual?

Karena volume dokumen yang besar membuat proses penyaringan memakan waktu dan berpotensi memunculkan subjektivitas dalam pengambilan keputusan.

Masalah apa yang membuat klasifikasi CV bahasa Indonesia sulit dilakukan?

CV tidak memiliki standar baku, strukturnya bervariasi, dan sering menggunakan campuran bahasa Indonesia serta Inggris pada bagian pengalaman kerja dan keterampilan.

Bagaimana IndoBERT diterapkan pada tahap early screening?

Model IndoBERT berbasis Transformer digunakan untuk mengklasifikasi dokumen CV secara otomatis, dengan pra-pemrosesan seperti ekstraksi teks, anonimisasi data pribadi, normalisasi, dan segmentasi menggunakan sliding window, lalu dilakukan fine-tuning serta evaluasi metrik klasifikasi.

Sep 11, 2026

Unggah oleh Lucas Vance