Implementasi RAG dan Local LLM pada Sistem Penilaian Curriculum Vitae untuk Rekrutmen

Abstract

Penyaringan Curriculum Vitae (CV) dalam rekrutmen digital memerlukan metode yang mampu menilai kesesuaian kandidat secara kontekstual sekaligus menjaga privasi data. Penelitian ini mengembangkan sistem penilaian CV berbasis web menggunakan Retrieval-Augmented Generation (RAG) dan Local Large Language Model (LLM). Data terdiri atas 26 CV berformat PDF dan 555 deskripsi lowongan Jobstreet Indonesia sebagai basis pengetahuan, dengan pengujian utama pada posisi Junior Backend API Developer. Sistem menggunakan nomic-embed-text, ChromaDB, dan Cosine Similarity untuk retrieval, kemudian qwen3:8b mengevaluasi aspek keterampilan, pengalaman, pendidikan, pencapaian, dan profil keseluruhan. Hasil pengujian menghasilkan 2 kandidat Sangat Sesuai, 3 Sesuai, dan 21 Tidak Sesuai, dengan rata-rata Final Score 43,19%. Evaluasi RAGAS memperoleh faithfulness 0,933, answer relevancy 0,496, dan context precision 1,000. Implementasi lokal memungkinkan proses evaluasi dilakukan tanpa mengirim dokumen CV ke layanan cloud.

Kata kunci: Retrieval-Augmented Generation, Large Language Model, Penilaian CV, Rekrutmen Digital, RAGAS.