Penerapan Algoritma Artificial Intelligence pada Applicant Tracking System

Siapa disini yang sedang dalam tahap mencari kerja? Pernah terpikirkan tidak dalam benak kita gimana sih cara recruiter menyeleksi ratusan kandidat dengan berbagai kriteria hanya dalam hitungan hari bahkan jam sekalipun? Dalam dunia perekrutan kerja yang kompetitif seperti saat ini, ada banyak jobseeker yang bahkan tidak menyadari adalah bahwa data menunjukkan 75 persen dari berkas lamaran kerja sudah ditolak atau tidak lolos seleksi bahkan sebelum direview langsung oleh mata recruiter langsung.

Sebelum CV pelamar sampai kepada tangan recruiter, seringkali  resume CV kamu akan diterima terlebih dahulu untuk disaring dengan sebuah sistem yang dikenal sebagai Applicant Tracking System. Sistem inilah yang akan menentukan seberapa besar lolos tidaknya kandidat untuk masuk ke tahap selanjutnya dalam proses rekrutmen dunia kerja.

Bagi yang belum tahu ATS, ATS (Applicant Tracking System) adalah program perangkat lunak yang memindai dan menyeleksi konten resume CV dengan menggunakan algoritma berdasarkan pencarian kata kunci (keyword). Kata kunci ini bisa jadi berisi tentang skill atau keterampilan tertentu, tingkat pendidikan, pengalaman kerja sebelumnya, atau bahkan bisa nama "mantan perusahaan" tertentu.

Sederhananya, ATS hanya sebatas alat untuk cari kata kunci yang ditentukan oleh recruiter dan perusahaan. Dengan demikian, recruiter bisa memilih CV mana yang berhak lanjut atau tidak hanya dalam waktu singkat.

Penggunaan Applicant Tracking System sangat penting bagi dunia Human Resources. Hal ini tidak terlepas dari peranan machine learning dalam adanya sistem ATS ini. Model machine learning dapat dilatih tentang kandidat yang diterima, keberhasilan pekerjaan mereka, dan data yang mereka berikan dalam aplikasi mereka.

Model seperti itu dapat membantu memfilter aplikasi jauh lebih efektif daripada pendekatan berbasis kata kunci yang sederhana. Selain penyaringan kandidat, perangkat lunak pelacakan pelamar yang didukung dengan Artificial Intelligence menyediakan fitur peringkat kandidat yang memungkinkan bisnis mengidentifikasi kandidat yang paling relevan.

Menurut John Bersin, kemajuan machine learning dapat mendorong perusahaan untuk meningkatkan produktivitas dan mempercepat proses perekrutan. Lalu kira-kira apa sebenarnya ATS itu jika ditinjau lebih dalam dan bagaimana cara kerja dari Applicant Tracking System ini?

Pada artikel DQLab kali ini, kita akan membahas tentang penerapan algoritma artificial intelligence pada sistem perekrutan yaitu Applicant Tracking System. Hal ini tentunya bermanfaat dan sangat recommended bagi kalian yang kepo terkait dunia machine learning dan artificial intelligence ataupun penerapan dari machine learning.

Pastikan simak baik-baik dan keep scrolling on this article guys!

1. Pentingnya Applicant Tracking System dalam Dunia HR

Perusahaan mendorong proses yang lebih cepat dalam proses perekrutan. Oleh karena itu sistem pelacakan pelamar telah menarik perhatian bisnis, 90% dari Perusahaan Fortune 500 menggunakan perangkat lunak ATS untuk membawa bakat terbaik ke perusahaan mereka.

Waktu sangat penting dalam perekrutan. Karena persaingan di pasar bakat, individu yang sangat dituntut hanya bertahan di pasar untuk waktu yang terbatas. Salah satu vendor di ruang memperkirakan waktu ini menjadi 10 hari tetapi tentu saja durasi ini tergantung pada jenis posisi dll.

Posting posisi terbuka perusahaan menerima rata-rata 250 aplikasi dan 88% dari resume ini tidak memenuhi syarat. Volume resume yang tinggi ini membutuhkan banyak sumber daya dan waktu. Menurut Gartner, perekrut menghabiskan seperempat dari waktu mereka dengan penyaringan resume.

Seiring dengan volume aplikasi, bias manusia juga merupakan alasan lain mengapa organisasi harus memilih ATS untuk perekrutan. Perekrut mungkin memiliki bias yang tidak disadari terhadap ras tertentu, jenis kelamin, dll. Ketika perekrut tidak memindai semua resume dengan cara yang sama, pelamar yang memenuhi syarat dapat ditolak.

Dengan sistem pelacakan pelamar, perekrut dapat menghabiskan lebih sedikit waktu untuk penyaringan resume dan memiliki peluang lebih baik untuk menghilangkan bias dari keputusan mereka.

Baca juga : 3 Jenis Algoritma Machine Learning yang Dapat Digunakan di Dunia Perbankan

2. Cara Kerja Applicant Tracking System

Applicant Tracking System (ATS) memindai dan menyeleksi konten resume CV dengan menggunakan algoritma berdasarkan mencari kata kunci (keyword). Kata kunci ini bisa jadi tentang skill atau keterampilan tertentu, tingkat pendidikan, pengalaman kerja sebelumnya, atau bahkan bisa nama "mantan perusahaan" tertentu.

Jadi secara sederhana, ATS hanya sebatas alat untuk cari kata kunci yang ditentukan oleh recruiter dan perusahaan. Dari hasil filtrasi CV ini, baru deh recruiter bisa memilih CV mana yang mau ditindak lanjuti untuk direview. Sistem ini tentunya akan mempermudah recruiter untuk menyeleksi CV yang relevan dan yang dibutuhkan perusahaan

3. Kriteria CV yang Ramah ATS

Setelah mengenal sistem ATS, kamu sebagai jobseeker tentu ingin membuat CV yang ramah ATS sekaligus yang dapat mengesankan seorang recruiter bukan? Berikut ini adalah beberapa cara dapat kamu lakukan untuk mengoptimalkan CV-mu agar bisa lolos seleksi dari sistem robot ini :

Gunakan format file yang sesuai

Kamu dapat membuat poin-poin deskripsi standar untuk memperjelas kualifikasi kamu dengan tulisan, serta kirim CV kamu dalam format Word atau PDF karena untuk diurai menjadi teks lebih mudah dibaca ATS ketimbang grafis gambar. Bagaimana kita tahu bahwa format pdf kita dapat terbaca ATS?

• Simpan CV dalam format PDF

• Buka PDF Converter yang bisa kamu temukan di laman internet untuk mengecek apakah tulisan CV mu terbaca

• Convert CV dari format PDF ke format WORD atau format plain text document lainnya

• Cek apakah ada tulisan yang berhasil ter-convert dengan baik atau tidak

• Jika semua terbaca, selamat ! CV kamu sudah ramah ATS

  
  

Gunakan optimasi kata kunci yang tepat

Selama proses pemindaian, ATS mencari kata kunci spesifik yang ditetapkan oleh perusahaan. CV yang tanpa kata kunci ini sering kali dibuang atau diabaikan. Maka salah satu cara terbaik untuk menentukan kata kunci apa yang dapat kamu pasang pada CV kamu adalah dengan membaca dengan seksama tentang deskripsi dan kualifikasi pekerjaan yang kamu lamar.

Gunakan banyak istilah industri atau peran khusus dan baca posting pekerjaan sebenarnya untuk persyaratan tambahan pada posisi tersebut. Tempatkan kata kunci ini di urutan teratas dan tentunya isi sesuai dengan kualifikasi yang kamu miliki ya! Hindari mengada-ngada kualifikasi dan menggunakan kata kunci secara berlebihan.

Misal : Gunakan skill spesifik jika memang kamu menguasainya (seperti nama spesifik software CorelDraw, Photoshop, Blender, dll) daripada menulis skill general (seperti editing photo, video, dll)

Hindari dominasi gambar grafis

ATS tidak dapat membaca gambar, grafik, dan grafik lainnya. Pada banyak CV menunjukkan tingkat keahlian / skill mereka di bidang tertentu dalam bentuk grafik. Hindari menggunakan dominasi gambaran grafis dan simbol yang rumit karena nilai kualifikasi kamu penting! dan mungkin ATS tidak membaca itu. Tetap berpegang pada bullet poin-poin sederhana untuk menjelaskan skill kamu.

Gunakan layout atau desain yang rapi

Kembali lagi, semua ini tergantung pada industri yang kamu lamar. Ada beberapa perusahaan yang lebih memilih CV simpel ada pula yang mementingkan CV dengan desain yang dapat mencerminkan karakter dan kepribadian. Namun, baik CV simpel atau berdesain, keduanya tetap bisa lolos ATS kok!

Asal layout CV dan penempatan tulisan didalamnya teratur dan rapi. ATS tidak dapat membaca CV dengan layout yang penempatan tulisannya tidak beraturan. Bila dipaksakan, bisa jadi ATS membaca informasi yang salah untuk recruiter atau malah tidak bisa membaca CV sama sekali, berpotensi menggugurkannya. Hindari penulisan yang typo dan gunakan juga font aman yang ramah untuk dibaca oleh robot ATS ya.

4. Peranan Algoritma Artificial Intelligence dalam ATS

Penerapan Kecerdasan Buatan (AI) pada fungsi rekrutmen memungkinkan untuk mengotomatiskan beberapa bagian dari proses rekrutmen, membantu perekrut terhubung dengan talenta terbaik lebih cepat. Namun lebih dari itu, penggunaan AI yang bertanggung jawab dapat mendukung keputusan perekrutan dan membuatnya lebih adil dengan menghilangkan bias dari proses seleksi.

Itu dimungkinkan dengan memiliki fitur berbasis AI di ATS Anda. Misalnya, algoritma yang cocok seperti skeeled's. Algoritma pencocokan dilatih dengan data nyata tentang pelamar yang melamar pekerjaan yang berbeda di masa lalu dan yang kesesuaiannya dengan pekerjaan ini diklasifikasikan atau ditinjau secara manual oleh pakar sumber daya manusia.

Dengan melihat data ini, model prediktif di bawah algoritma menggunakan inferensi statistik untuk mempelajari keputusan para ahli ini tentang pencocokan pelamar dan pekerjaan

Baca juga : Belajar Data Science: Pahami Penggunaan Machine Learning pada Python

5. Ingin Tahu Lebih Jauh Tentang Machine Learning? DQLab Tempatnya!

Setidaknya ada empat tren yang akan mendominasi tahun 2021 dan berpotensi mempengaruhi strategi data perusahaan di Asia Pasifik (APAC). Tren ini meliputi terjadinya data storm karena bangkitnya 5G, peningkatan akses ke machine learning, meningkatnya kebutuhan tata kelola data, dan bangkitnya etika kecerdasan buatan (AI).

Dengan adanya penggunaan Machine Learning diharapkan dapat memahami, mempercayai, dan mengomunikasikan model machine learning agar berdampak pada ketahanan bisnis mereka. Jika kamu penasaran dengan machine learning dan deep learning serta ingin belajar secara langsung, DQLab solusinya. Caranya mudah banget.

Kamu bisa loh untuk coba bikin akun gratisnya kesini di DQLab.id. Nikmati pengalaman belajar data science yang menarik bersama DQLab yang seru dan menyenangkan dengan live code editor anti ribet. Selain itu, kamu juga tidak perlu mengunduh software tambahan saat belajar di DQLab.

Kamu juga bisa cobain free module Introduction to Data Science with R dan Introduction to Data Science with Python untuk menguji kemampuan data science kamu. Kalian juga bisa mencoba studi kasus penerapan real case industry yang berhubungan dengan Machine Learning.

Ayo persiapkan dirimu untuk berkarir sebagai praktisi data yang kompeten!

Penulis: Reyvan Maulid Pradistya