Latar Belakang
Banyak perusahaan menyaring CV secara otomatis dengan ATS sebelum dibaca manusia. Proyek ini mencoba mempelajari pola CV yang lolos dan memberi pencari kerja cara cepat untuk mengecek CV mereka.
Proses
- Pembersihan teks: menghapus simbol dan stopword bahasa Indonesia (Sastrawi) dan Inggris (NLTK)
- Ekstraksi fitur dengan TF-IDF (1.000 kata teratas)
- Pemodelan: membandingkan Multinomial Naive Bayes dan Support Vector Machine (SVM)
- Dashboard Streamlit berisi:
- Distribusi label dan word cloud (EDA)
- Perbandingan akurasi dan confusion matrix antar model
- Kata yang paling berpengaruh pada model terbaik
- Visualisasi klaster dokumen dengan t-SNE
- Fitur unggah CV (PDF) untuk diprediksi langsung
Hasil
Detail akurasi model akan ditambahkan.
Dashboard di-hosting di Streamlit Community Cloud. Jika aplikasi sedang “tidur”, klik tombol untuk membangunkannya dan tunggu beberapa detik.