TA DIGITAL
Pengembangan Sistem Simulasi Wawancara Kerja Berbasis AI Generative Dengan Retrieval-Augmented Generation Dan Evaluasi Adaptif = Development of a Generative AI-Based Job Interview Simulation System with Retrieval-Augmented Generation and Adaptive Evaluation
Proses wawancara kerja merupakan tahapan penting namun sering menjadi sumber kecemasan bagi pencari kerja akibat minimnya pengalaman dan media latihan yang realistis, personal, serta mudah diakses. Penelitian ini mengembangkan GetHired, sebuah sistem simulasi wawancara kerja berbasis kecerdasan buatan generatif yang mengintegrasikan arsitektur Retrieval-Augmented Generation (RAG) untuk personalisasi pertanyaan berdasarkan CV kandidat dan job description, model Gemini untuk pembuatan pertanyaan, serta teknik Chain of Thought (CoT) untuk evaluasi jawaban secara otomatis dan objektif. Sistem dikembangkan menggunakan metode Waterfall dengan tumpukan teknologi Next.js, PostgreSQL dengan ekstensi pgvector, dan Gemini API. Pengujian dilakukan melalui empat aspek utama, yaitu pengujian fungsional, pengujian akurasi RAG, pengujian performa, dan pengujian usabilitas. Hasil pengujian fungsional menunjukkan seluruh skenario uji berjalan sesuai harapan tanpa ditemukan kesalahan. Pengujian akurasi retrieval terhadap 25 kueri pada lima sampel CV menghasilkan Hit Rate rata-rata sebesar 88,0% dan Context Precision sebesar 74,0%, sementara pengujian latensi pembuatan pertanyaan pada 15 kombinasi CV dan target posisi menghasilkan rata-rata waktu 7,52 detik. Hasil ini menunjukkan bahwa integrasi RAG dan Gemini berhasil menghasilkan pertanyaan wawancara yang relevan, personal, dan adaptif, sehingga sistem GetHired berpotensi menjadi media latihan wawancara kerja yang efektif bagi pencari kerja
Tidak tersedia versi lain
Karya Umum 
Filsafat 
Agama 
Ilmu-ilmu Sosial 
Bahasa 
Ilmu-ilmu Murni 
Ilmu-ilmu Terapan 
Kesenian, Hiburan, dan Olahraga 
Kesusastraan 
Geografi dan Sejarah