Optimasi model transformer untuk pelatihan wawancara kerja berbasis deskripsi pekerjaan dalam bahasa Indonesia

Nurrobianti, Silvia (2025) Optimasi model transformer untuk pelatihan wawancara kerja berbasis deskripsi pekerjaan dalam bahasa Indonesia. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text 1_cover.pdf Download (223kB) | Preview
Preview	Text 2_abstrak.pdf Download (136kB) | Preview
Preview	Text 3_lembarpernyataan.pdf Download (381kB) | Preview
Preview	Text 4_daftarisi.pdf Download (82kB) | Preview
Preview	Text 5_bab1.pdf Download (96kB) | Preview
	Text 6_bab2.pdf Restricted to Registered users only Download (486kB) | Request a copy
	Text 7_bab3.pdf Restricted to Registered users only Download (349kB) | Request a copy
	Text 8_bab4.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text 9_bab5.pdf Restricted to Registered users only Download (29kB) | Request a copy
	Text 10_daftarpustaka.pdf Restricted to Registered users only Download (104kB) | Request a copy
	Text 11_lampiran.pdf Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Kurangnya kesiapan lulusan baru dalam menghadapi wawancara kerja—terutama dalam merespons pertanyaan secara relevan—menjadi masalah serius yang dipengaruhi keterbatasan komunikasi dan minimnya pengalaman. Mengingat pentingnya keterampilan ini dalam proses rekrutmen, dibutuhkan metode pelatihan yang interaktif dan realistis. Penelitian ini mengkaji pemanfaatan model dengan arsitektur Transformer yaitu pretrained model Gemma 2 yang dioptimalkan dengan Parameter-Efficient Fine-Tuning (PEFT) dan Low-Rank Adaptation (LoRA) untuk menghasilkan pertanyaan wawancara berbasis deskripsi pekerjaan dalam bahasa Indonesia. Tujuannya adalah menghadirkan simulasi wawancara berbasis AI yang kontekstual dalam mendukung peningkatan kesiapan kerja. Penelitian ini mengadaptasi alur metodologi Cross Industry Standard Process for Data Mining (CRISP-DM) yang meliputi Business Understanding hingga Deployment. Dataset pelatihan diperoleh dari Alpaca Indonesia dan hasil scraping situs lowongan kerja, lalu diterjemahkan dan disesuaikan ke format instruction-input-output dalam Bahasa Indonesia. Hasil evaluasi menunjukkan konfigurasi lanjutan optimal dicapai dengan rasio pembagian data 80:20, learning rate 1e−4 dan 200 training steps, mencapai rata-rata BERTScore F1 tertinggi 0.773. Ini menunjukkan model mampu menghasilkan pertanyaan yang relevan secara semantik. Berdasarkan hasil pengujian, model Gemma 2 dipilih karena menunjukkan kinerja yang lebih baik dibandingkan versi sebelumnya (Gemma 2B). Implementasi model dilakukan melalui aplikasi web berbasis Flask dan React Typescript yang memungkinkan pengguna berlatih wawancara. Pengujian BlackBox mengkonfirmasi fungsionalitas sistem berjalan sesuai harapan. Penelitian ini membuktikan efektivitas PEFT dengan LoRA pada model Gemma 2 untuk pelatihan tugas spesifik dengan sumber daya terbatas.

Actions (login required)

View Item