<![CDATA[Proses profiling kebutuhan sertifikasi calon klien di Certiport Authorized Testing Center (CATC) JTI Polinema yang masih dilakukan secara manual rentan terhadap subjektivitas dan terkendala kesenjangan antara narasi kompetensi calon klien dengan terminologi teknis pada dokumen produk sertifikasi. Penelitian ini bertujuan merancang dan mengimplementasikan sistem rekomendasi sertifikasi otomatis berbasis hybrid text similarity untuk mengukur tingkat kecocokan antara dokumen Objective Domain sertifikasi Certiport dengan dokumen profil calon klien sertifikasi. Sistem dibangun menggunakan arsitektur komputasi hybrid yang mengintegrasikan TF-IDF pada dimensi numerik dan Sentence Transformers model all-MiniLM-L6-v2 pada dimensi semantik, disertai pipeline penerjemahan otomatis untuk menjembatani perbedaan bahasa antara profil calon klien berbahasa Indonesia dengan Objective Domain berbahasa Inggris. Pengujian dilakukan terhadap 16 dokumen profil calon klien sertifikasi dari tiga institusi yang merepresentasikan variasi kebutuhan kompetensi lintas domain. Evaluasi dilakukan menggunakan metrik Precision, Recall, Accuracy, dan F1-Score untuk mengukur kualitas rekomendasi yang dihasilkan sistem. Hasil pengujian menunjukkan performa optimal pada batas rekomendasi Top-20 dengan rasio pembobotan 40% numerik dan 60% semantik, menghasilkan rata-rata Precision sebesar 29,37%, Recall sebesar 40,20%, Accuracy sebesar 74,68%, dan F1-Score sebesar 29,85%. Ablation study membuktikan bahwa pendekatan hybrid meningkatkan F1-Score sebesar 48,9% dibandingkan TF-IDF Only. Pengujian penerimaan pengguna menghasilkan tingkat kelayakan sebesar 88,57%, yang termasuk dalam kategori sangat layak diimplementasikan. Hasil penelitian ini menunjukkan bahwa CertiMatch mampu membantu proses rekomendasi sertifikasi menjadi lebih cepat, konsisten, dan objektif sehingga dapat mendukung pengambilan keputusan dalam proses profiling kebutuhan sertifikasi calon klien.]]>
Copyrights © 2026
