Pada era digital saat ini, proses pencarian pekerjaan semakin membutuhkan
sistem yang mampu memberikan rekomendasi yang relevan dan cepat. Namun,
banyak platform lowongan kerja yang hanya menyediakan pencarian berdasarkan
filter sederhana seperti lokasi, kategori pekerjaan, atau kata kunci, tanpa adanya
personalisasi berdasarkan profil pelamar. Hal ini menyebabkan pelamar sulit
menentukan lowongan kerja yang paling sesuai dengan latar belakang pendidikan,
pengalaman, maupun keahliannya.
Untuk mengatasi permasalahan tersebut, penelitian ini membangun sistem
rekomendasi lowongan kerja berbasis web yang mengintegrasikan algoritma
supervised learning dengan framework FastAPI sebagai backend dan Vue.js
sebagai frontend. Penelitian ini membandingkan tiga algoritma, yaitu Decision
Tree, Random Forest, dan Logistic Regression untuk menentukan model terbaik
dalam melakukan klasifikasi jenis pekerjaan berdasarkan data CV pelamar yang
mencakup pendidikan, pengalaman kerja, skill set, bahasa pemrograman,
sertifikasi, dan minat bidang. Sistem dirancang untuk menghasilkan rekomendasi
pekerjaan yang tidak hanya menampilkan label pekerjaan, tetapi juga nilai
probabilitas (confidence score) sebagai indikator tingkat kecocokan hasil prediksi.
Hasil penelitian menunjukkan bahwa algoritma Random Forest menjadi
model dengan performa terbaik dengan nilai F1-macro sebesar 0.86 pada
pengujian data uji. Model ini kemudian diintegrasikan ke dalam API FastAPI dan
dihubungkan dengan website lowongan kerja berbasis Vue.js sehingga
menghasilkan layanan rekomendasi real-time yang dapat diakses langsung oleh
pengguna. Berdasarkan hasil pengujian terhadap pengguna, sistem memperoleh
tingkat kelayakan 88.03% dari pelamar dan 85.87% dari pihak pengelola, yang
masuk dalam kategori sangat layak. Hal ini menunjukkan bahwa sistem yang
dibangun mampu memberikan rekomendasi yang akurat, serta mudah digunakan