Perpustakaan Digital ITB

Proses screening CV adalah tahap penting dalam proses rekrutmen untuk menyeleksi pelamar pekerjaan berdasarkan CV yang diajukan. Proses secara manual akan memakan waktu dan berisiko kesalahan tinggi. Oleh karena itu, tim penulis mengembangkan sistem CV screening berbasis machine learning dengan fokus dari laporan ini pada pengembangan modul backend dalam bentuk layanan application programming interface (API). Tugas Akhir ini menganalisis teknologi yang tepat untuk membangun modul backend dari sistem CV screening. Tugas Akhir juga berfokus pada proses autentikasi dan otorisasi dari sistem. Hasil analisis menunjukkan bahwa web stack MERN, dengan komponen-komponen Node.js, Express, dan MongoDB, adalah pilihan terbaik untuk membangun modul backend tersebut. Sistem juga menggunakan JWT dengan algoritma enkripsi HMAC SHA-512 untuk implementasi proses autentikasi dan otorisasi. Modul backend diuji menggunakan tool bernama Postman dengan empat jenis pengujian, yaitu pengujian fungsional, kinerja sistem, sistem keamanan, dan integrasi dengan modul frontend dan model machine learning. Hasilnya menunjukkan bahwa sistem berjalan dengan baik, dengan waktu respons sekitar 951,71 ms, sesuai dengan standar Nielsen Norman. Sistem autentikasi dan otorisasi juga berhasil menjaga keamanan data dengan baik. Kesimpulan dari Tugas Akhir ini adalah bahwa stack MERN cocok untuk modul backend dari sistem CV screening, dan sistem keamanan autentikasi dan otorisasi memenuhi kebutuhan dengan baik. Namun, ada beberapa langkah yang dapat diambil untuk meningkatkan kualitas Tugas Akhir ini termasuk melakukan pengujian dengan teknologi berbeda, mengoptimasi kode, mengeksplorasi sistem keamanan alternatif, dan meningkatkan kinerja web server (CPU usage).