Sistem Seleksi Kandidat Berbasis Analisis CV dengan Large Language Model (LLM) dan Sistem Pendukung Keputusan TOPSIS

Proses seleksi kandidat rekrutmen melalui penyaringan Curriculum Vitae (CV) secara manual menghadapi berbagai tantangan, seperti tingginya volume pelamar, keterbatasan waktu Human Resource (HR), serta potensi subjektivitas dalam penilaian kandidat. Penelitian ini mengembangkan sistem seleksi kandidat rekrutmen berbasis web yang mengintegrasikan Large Language Model (LLM) Google Gemini untuk analisis CV secara otomatis dan metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) sebagai sistem pendukung keputusan untuk pemeringkatan kandidat. Penelitian menggunakan pendekatan mixed methods melalui wawancara HR untuk menentukan kriteria penilaian serta pengembangan dan evaluasi sistem secara kuantitatif. Berdasarkan hasil uji konsistensi dan ketahanan, Gemini 3.1 Flash Lite dipilih sebagai model utama karena menunjukkan stabilitas yang baik tanpa kegagalan teknis pada seluruh skenario pengujian. Validasi hasil terhadap penilaian HR menghasilkan nilai Pearson Correlation sebesar 0,9067 dan Mean Absolute Error (MAE) sebesar 0.7340 yang menunjukkan tingkat keselarasan yang tinggi. Evaluasi pemeringkatan TOPSIS memperoleh nilai Cohen’s Kappa sebesar 0,8286 dengan 22 dari 24 kandidat memiliki keputusan yang sama antara sistem dan HR. Hasil penelitian menunjukkan bahwa sistem mampu meningkatkan efisiensi, konsistensi, objektivitas, dan transparansi proses seleksi kandidat melalui pemberian skor dan reasoning pada setiap kriteria penilaian.