RANCANG BANGUN APLIKASI CHATBOT MENGGUNAKAN TEKNOLOGI OCR DAN MODEL LLAMA UNTUK REKOMENDASI PEKERJAAN

2107411028, Gerry Satria Halim (2025) RANCANG BANGUN APLIKASI CHATBOT MENGGUNAKAN TEKNOLOGI OCR DAN MODEL LLAMA UNTUK REKOMENDASI PEKERJAAN. D4 thesis, Politeknik Negeri Jakarta.

[thumbnail of Halaman Identitas Skripsi, Bab I Pendahuluan, dan Bab V Penutup] Text (Halaman Identitas Skripsi, Bab I Pendahuluan, dan Bab V Penutup)
Skripsi_Gerry Satria Halim_Halaman Identitas.pdf

Download (3MB)
[thumbnail of Bab II Tinjauan Pustaka, Bab III Metode Penelitian, dan Bab IV Hasil dan Pembahasan] Text (Bab II Tinjauan Pustaka, Bab III Metode Penelitian, dan Bab IV Hasil dan Pembahasan)
Skripsi_Gerry Satria Halim_Isi.pdf
Restricted to Hanya Civitas Akademika PNJ

Download (1MB)
[thumbnail of Manuskrip Artikel Ilmiah] Text (Manuskrip Artikel Ilmiah)
JURNAL MULTINETICS_Gerry Satria Halim.pdf
Restricted to Hanya Staff Repositori

Download (643kB)

Abstrak

Kesulitan dalam merancang perencanaan karier sering kali muncul karena kurangnya pemahaman mengenai potensi diri, minimnya informasi terkait peluang karier, serta kebingungan dalam memilih jalur yang sesuai. Hal ini mengakibatkan banyak individu, khususnya mahasiswa, mengambil keputusan karier yang tidak optimal. Berdasarkan survei awal pada 32 responden, ditemukan bahwa 34,4% merasa ragu dalam menentukan pilihan pekerjaan, dengan tantangan terbesar adalah merasa kemampuan yang dimiliki belum cukup (53,1%). Sebanyak 68,8% responden menyatakan kebutuhan akan adanya rekomendasi pekerjaan yang relevan sesuai minat dan kompetensi. Untuk mengatasi permasalahan tersebut, penelitian ini mengembangkan sebuah aplikasi chatbot berbasis Android yang mampu memberikan rekomendasi pekerjaan dalam Bahasa Indonesia. Sistem ini mengimplementasikan beberapa model kecerdasan buatan, yaitu klasifikasi dokumen CV menggunakan Long Short-Term Memory (LSTM), ekstraksi kata kunci dengan KeyBERT, OCR dengan EasyOCR, dan Large Language Model menggunakan Llama 3 70B untuk menghasilkan respons rekomendasi. Hasil pengujian menunjukkan model klasifikasi CV mencapai akurasi sebesar 98,75%, dengan nilai precision 0.97, recall 1.0, dan F1-score 0.988. Selain itu, pengujian kebergunaan aplikasi menghasilkan skor System Usability Scale (SUS) sebesar 76.58 dan Net Promoter Score (NPS) sebesar 52.63, yang mengindikasikan bahwa aplikasi ini dapat diterima dengan baik dan memiliki tingkat rekomendasi yang tinggi dari pengguna.

Tipe Dokumen: Thesis / Skripsi / Tugas Akhir (D4)
Subjek: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 001 Ilmu pengetahuan
000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer
000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data
Bidang, Unit, atau Jurusan Yang Ditujukan: Teknik Informatika dan Komputer > Teknik Informatika D4
User ID Pengunggah: Gerry Satria Halim
Date Deposited: 17 Jul 2025 03:57
Last Modified: 17 Jul 2025 03:57
URI: https://repository.pnj.ac.id/id/eprint/27781

Actions (login required)

View Item
View Item