Implementasi Semantic Matching Menggunakan Sentence BERT dan KNN Pada Sistem Rekomendasi Lowongan Kerja

Michael Roda Robert Mike; Ery Hartati

doi:10.53842/juki.v8i1.2421

Authors

Michael Roda Robert Mike Program Studi Informatika, Universitas Multi Data Palembang
Ery Hartati Program Studi Informatika, Universitas Multi Data Palembang

DOI:

https://doi.org/10.53842/juki.v8i1.2421

Keywords:

semantic matching, Sentence-BERT, K-Nearest Neighbors, sistem rekomendasi, lowongan kerja

Abstract

Peningkatan jumlah lowongan kerja pada platform digital menyebabkan pencari kerja sering mengalami kesulitan dalam menemukan pekerjaan yang sesuai dengan keterampilan dan pengalaman yang dimiliki. Permasalahan tersebut dapat menimbulkan terjadinya job mismatch akibat banyaknya informasi lowongan yang tersedia dan kompleksitas deskripsi pekerjaan. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi lowongan kerja berbasis semantic matching menggunakan Sentence-BERT (SBERT) dan K-Nearest Neighbors (KNN) untuk menghasilkan rekomendasi pekerjaan yang lebih relevan dan kontekstual. Dataset yang digunakan berasal dari LinkedIn Job Postings Dataset 2023–2024 yang diperoleh dari Kaggle dengan sekitar 55.000 data lowongan pekerjaan. Tahapan penelitian meliputi preprocessing data, pembentukan embedding menggunakan SBERT, serta proses pencarian dan pemeringkatan lowongan kerja menggunakan KNN berdasarkan cosine similarity. Evaluasi sistem dilakukan menggunakan beberapa query pengguna dan ground truth relevansi yang dibentuk secara semi-manual. Hasil pengujian menunjukkan bahwa sistem mampu menghasilkan rekomendasi lowongan kerja yang relevan dengan nilai average similarity berkisar antara 72,4% hingga 77,1%. Hasil tersebut menunjukkan bahwa pendekatan semantic matching menggunakan SBERT dan KNN cukup efektif dalam memahami hubungan semantik antara kebutuhan pengguna dan deskripsi pekerjaan sehingga dapat membantu meningkatkan relevansi rekomendasi lowongan kerja.

Downloads

Download data is not yet available.

References

Crismastiana Koloman, Raihan Maulana, Raisya Dwi Zahra Putri, dan Wahyu Abadi Harahap, “Sistem Rekomendasi Pekerjaan di bidang IT Menggunakan Algoritma Content-Based Filtering,” Journal of Creative Student Research, vol. 1, no. 6, hlm. 78–88, Des 2023, doi: 10.55606/jcsrpolitama.v1i6.2992.

Ali Said, “Tingkat Pengangguran Terbuka (TPT) sebesar 4,85 persen. Rata–rata upah buruh sebesar 3,33 juta rupiah.,” Badan Pusat Statistik.

R. Ningsih, Y. Azhar, dan Y. Munarko, “Rekomendasi Lowongan Pekerjaan dari Portal Bursa Lowongan Kerja Memanfaatkan Cosine Similarity dan Simple Additive Weighting,” Jurnal Repositor, vol. 2, no. 5, Jan 2024, doi: 10.22219/repositor.v2i5.30635.

Sagar Hedau, “LinkedIn’s Impact on Job Hunting: Facts & Figures (2025),” Linkedin.

Alya Fitria, Syahiduz Zaman, dan Muhammad Ainul Yaqin, “Sistem Rekomendasi Lowongan Pekerjaan Menggunakan Content-based filtering,” JEPIN (Jurnal Edukasi dan Penelitian Informatika), vol. 10, no. 3, hlm. 1–7, Des 2024.

Z.-T. Yap, S.-C. Haw, dan N. E. Binti Ruslan, “Hybrid-based food recommender system utilizing KNN and SVD approaches,” Cogent Eng., vol. 11, no. 1, hlm. 2436125, Des 2024, doi: 10.1080/23311916.2024.2436125.

M. R. A. Zayyad, “SISTEM REKOMENDASI BUKU MENGGUNAKAN METODE CONTENT BASED FILTERING,” 2021.

F. Y. A’la, “Optimasi Klasifikasi Sentimen Ulasan Game Berbahasa Indonesia: IndoBERT dan SMOTE untuk Menangani Ketidakseimbangan Kelas,” Edumatic: Jurnal Pendidikan Informatika, vol. 9, no. 1, hlm. 256–265, Apr 2025, doi: 10.29408/edumatic.v9i1.29666.

K. Wau, “Application of Fine-Tuned IndoBERT for Sentiment Classification Local Product Reviews on Tokopedia Marketplace with Limited Dataset,” Journal of Artificial Intelligence and Engineering Applications (JAIEA), vol. 5, no. 1, hlm. 1377–1381, Okt 2025, doi: 10.59934/jaiea.v5i1.1629.

F. T. Sabilillah, S. Winarno, dan R. B. Abiyyi, “Implementasi BERT dan Cosine Similarity untuk Rekomendasi Dosen Pembimbing berdasarkan Judul Tugas Akhir,” Edumatic: Jurnal Pendidikan Informatika, vol. 8, no. 2, hlm. 585–594, Des 2024, doi: 10.29408/edumatic.v8i2.27791.

S. Zhang dan J. Li, “KNN Classification With One-Step Computation,” IEEE Trans. Knowl. Data Eng., vol. 35, no. 3, hlm. 2711–2723, 2023, doi: 10.1109/TKDE.2021.3119140.

A. D. M. Putri, N. Sulistianingsih, dan R. Rismayati, “Pengaruh Teknik Representasi Teks Bag-of-Words dan TF-IDF terhadap Akurasi Klasifikasi Sentimen Teks Multi-Domain,” JTIM : Jurnal Teknologi Informasi dan Multimedia, vol. 7, no. 4, hlm. 675–688, Okt 2025, doi: 10.35746/jtim.v7i4.756.

N. Reimers dan I. Gurevych, “Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks,” dalam Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing and the 9th International Joint Conference on Natural Language Processing (EMNLP-IJCNLP), Stroudsburg, PA, USA: Association for Computational Linguistics, 2019, hlm. 3980–3990. doi: 10.18653/v1/D19-1410.

R. M. Holis, P. E. P. Utomo, dan B. F. Hutabarat, “Semantic FAQ Chatbot Using SBERT (Sentence-BERT) and Cosine Similarity for Academic Services,” Brilliance: Research of Artificial Intelligence, vol. 5, no. 2, hlm. 915–922, Okt 2025, doi: 10.47709/brilliance.v5i2.7027.

A. P. Putra, D. P. Singgih Putri, dan AA. Kt. A. C. Wiranatha, “Scientific Paper Recommendation System: Application of Sentence Transformers and Cosine Similarity Using arXiv Data,” Journal of Applied Informatics and Computing, vol. 9, no. 4, hlm. 1374–1382, Agu 2025, doi: 10.30871/jaic.v9i4.9766.