Perpustakaan Digital ITB

Rekrutmen kandidat di bidang teknologi informasi membutuhkan penilaian kompetensi yang didukung bukti kerja nyata, tidak cukup mengandalkan dokumen curriculum vitae atau jawaban wawancara. Padahal penilaian kompetensi dari jejak digital kandidat belum baku dan skor umum profil daring cenderung bias. Tugas akhir ini mengembangkan Competency Profiler, yaitu modul profiling kompetensi kandidat yang memanfaatkan data GitHub sebagai bukti teknis dan LinkedIn sebagai konteks profesional. Modul ini menjadi bagian dari Sistem Live Interview Cerdas dan terhubung dengan sistem rekrutmen sebelumnya (RecPlus) sebagai layanan analitik berbasis REST API. Rancangan solusi berangkat dari kebutuhan kompetensi pekerjaan (competency-first), bukan dari skor umum profil kandidat. Kompetensi pekerjaan dari kamus kompetensi RecPlus dipetakan ke kategori baku Skills Framework for the Information Age (SFIA), lalu bukti kandidat dikaitkan kembali ke kompetensi tersebut. Modul mencakup pemetaan kompetensi ke SFIA, seleksi repositori relevan, perhitungan metrik kontribusi GitHub, penyusunan executive summary, dan pencocokan profil LinkedIn melalui metode semantik (embedding dan cosine similarity) serta Large Language Model (LLM). Demi keamanan dan privasi, sistem hanya memproses data publik. Pengujian menggunakan data sintetis berupa 30 pekerjaan, repositori kandidat, dan 20 profil LinkedIn dengan label acuan manual. Pemetaan SFIA memperoleh rata-rata consistency sekitar 90%, dengan exact match 90.00% dan F1-score 0.954 pada skenario sederhana serta 51.33% dan 0.891 pada skenario kompleks. Repo selector memperoleh precision 1.000 dan recall 0.458, executive summary memperoleh rata-rata faithfulness 0.974, dan pencocokan LinkedIn memperoleh mean absolute error 0.188 (metode LLM) serta 0.191 (metode semantik). Hasil tersebut menunjukkan bahwa modul mampu mengubah data GitHub dan LinkedIn menjadi informasi pendukung evaluasi kompetensi yang dapat diintegrasikan dengan proses rekrutmen. Keluaran diposisikan sebagai alat bantu evaluator, bukan pengganti keputusan manusia. Pengembangan selanjutnya disarankan memperkaya metrik penilaian GitHub, memanfaatkan library, framework, dan tools sebagai bukti tambahan, serta menguji sistem dengan data rekrutmen asli.