Pemberi kerja lulusan di Inggris menerima rata-rata 140 lamaran per posisi. Hanya 8% sistem pelacakan pelamar dikonfigurasi untuk menolak CV secara otomatis. Analisis ini membahas fungsi seleksi AI selama siklus rekrutmen musim semi.
Saat Institute of Student Employers (ISE) merilis Survei Rekrutmen Mahasiswa 2025, satu angka menggambarkan kondisi perekrutan lulusan di Inggris: 140 lamaran untuk setiap lowongan. Rasio tersebut, yang diambil dari 155 anggota pemberi kerja yang secara kolektif menerima lebih dari 1,8 juta lamaran untuk sekitar 31.000 peran awal karier, merupakan angka tertinggi dalam dua tahun terakhir. Lonjakan ini sebagian merupakan konsekuensi dari alat berbasis AI dan fitur lamaran satu klik yang membuat aplikasi massal hampir tidak memiliki hambatan bagi kandidat.
Pada saat yang sama, jumlah posisi lulusan menyusut. Survei ISE mencatat penurunan 8% dalam perekrutan lulusan selama 2024/25, tahun terlemah bagi rekrutmen lulusan sejak penurunan 12% di era pandemi tahun 2020. Dari pemberi kerja yang disurvei, 42% mengurangi penerimaan lulusan mereka, sementara 25% tetap stabil dan 33% melaporkan peningkatan. Prospek tetap berhati-hati: data ISE menunjukkan penurunan lebih lanjut sebesar 7% dalam perekrutan lulusan untuk siklus 2025/26, yang terutama didorong oleh penurunan tajam pada sejumlah kecil pemberi kerja besar.
Higher Education Statistics Agency (HESA), berdasarkan survei Graduate Outcomes terhadap 917.610 lulusan dari kohort 2022/23, melaporkan bahwa 82% responden bekerja atau melakukan pekerjaan tanpa bayaran 15 bulan setelah kelulusan. Namun, pekerjaan penuh waktu untuk lulusan gelar pertama turun dari 57% menjadi 54%, sementara tingkat pengangguran naik satu poin persentase menjadi 6%. Pergeseran ini tampak kecil, namun mencerminkan pendinginan yang lebih luas di pasar tenaga kerja lulusan yang membuat pemahaman tentang sistem seleksi menjadi semakin relevan.
Mekanisme seleksi CV otomatis sering disalahpahami. Kebingungan dimulai dengan satu statistik yang sering dikutip: bahwa 75% CV ditolak oleh sistem pelacakan pelamar sebelum manusia membacanya. Klaim ini, yang beredar di berbagai platform saran karier dan media sosial, dilacak oleh analis ke Preptel, perusahaan layanan rekrutmen yang kini sudah tidak beroperasi. Metodologi untuk angka tersebut tidak pernah diungkapkan secara publik. Data survei rekruter memberikan gambaran yang jauh berbeda.
Survei tahun 2025 terhadap 25 rekruter yang diterbitkan oleh Enhancv menemukan bahwa 92% secara manual meninjau lamaran, bahkan dalam skenario volume tinggi. Hanya 8% (dua dari 25 responden) yang melaporkan mengonfigurasi ATS mereka untuk secara otomatis menolak CV berdasarkan skor kecocokan konten. Secara terpisah, HR.com menerbitkan temuan serupa pada akhir 2025, melaporkan bahwa sebagian besar rekruter menggunakan fungsi pemfilteran untuk memprioritaskan dan mengurutkan lamaran, bukan untuk menghilangkannya secara langsung. Hambatan sebenarnya, menurut survei ini, adalah kapasitas manusia. Ketika seorang rekruter menghadapi 140 lamaran untuk satu peran, mereka yang meninjau setiap pengajuan tetap akan menghabiskan waktu terbatas untuk masing-masing lamaran.
Meskipun demikian, hampir semua pemberi kerja menggunakan apa yang disebut industri sebagai pertanyaan penentu: bidang wajib seperti status hak untuk bekerja, tingkat kualifikasi minimum, atau kesediaan untuk pindah tugas. Kandidat yang tidak memenuhi kriteria ketat ini biasanya difilter sebelum tinjauan manusia. Ini adalah pemeriksaan kepatuhan biner, bukan penilaian kualitas CV.
Arsitektur teknis perangkat lunak seleksi telah berkembang pesat. Generasi awal ATS mengandalkan pencocokan kata kunci sederhana, memindai CV untuk mencari istilah yang tepat dari deskripsi pekerjaan. Menurut analisis industri, alat generasi saat ini, termasuk platform seperti Workday, Greenhouse, Lever, dan iCIMS, semakin menggunakan pemrosesan bahasa alami (NLP) dan, dalam beberapa kasus, model bahasa besar (LLM) untuk menilai konteks daripada sekadar menghitung frekuensi kata kunci.
Dalam praktiknya, ini berarti pernyataan keterampilan seperti mengembangkan skrip otomatisasi dalam Python untuk mengurangi waktu pemrosesan manual sebesar 40% kemungkinan akan memiliki bobot analitis yang lebih besar daripada sekadar mencantumkan Python di bagian keterampilan. Sistem dapat memproses kata kerja, alat, dan hasil, mengenali kompetensi yang ditunjukkan daripada kata kunci yang berdiri sendiri. Platform khusus Inggris juga menjadi bagian dari lanskap ini: Trac digunakan secara luas di seluruh NHS trusts, SuccessFactors umum di perbankan, dan Oleeo menangani sebagian besar jalur rekrutmen lulusan Layanan Sipil.
Meski begitu, sistem NLP canggih bergantung pada kemampuan untuk membaca dan memproses konten dokumen secara akurat. Pilihan format yang mencegah pemrosesan bersih, seperti kotak teks yang disematkan, tata letak multi-kolom, atau tajuk berbasis gambar, masih dapat menyebabkan kehilangan informasi terlepas dari seberapa canggih AI yang mendasarinya.
Analisis ini diambil terutama dari tiga sumber data. Survei Rekrutmen Mahasiswa ISE 2025 mencakup 155 anggota pemberi kerja di berbagai sektor, dengan data lebih dari 31.000 peran awal karier dan lebih dari 1,8 juta lamaran. Ini adalah tolok ukur yang paling banyak dikutip untuk tren rekrutmen lulusan di Inggris, meskipun condong ke pemberi kerja besar dan terstruktur serta mungkin tidak sepenuhnya mewakili pola perekrutan UKM.
Survei Graduate Outcomes HESA menangkap tanggapan dari 917.610 lulusan tahun akademik 2022/23, yang disurvei antara Desember 2023 dan November 2024. Per pertengahan 2025, kumpulan data ini telah disematkan ke dalam data Longitudinal Educational Outcomes (LEO) Departemen Pendidikan, menandai integrasinya ke dalam statistik resmi pemerintah.
Konteks pasar tenaga kerja berasal dari Office for National Statistics (ONS), yang melaporkan 2,0 penganggur untuk setiap lowongan pekerjaan pada periode Desember 2024 hingga Februari 2025. Data khusus ATS mengambil dari survei rekruter yang diterbitkan oleh Enhancv, HR.com, dan Select Software Reviews, dengan catatan tentang ukuran sampel yang dicantumkan di bagian batasan.
Kalender rekrutmen lulusan Inggris biasanya mengikuti pola yang memuncak dalam dua jendela utama. Menurut data dari TargetJobs dan GRB, siklus musim gugur (September hingga November) cenderung menangkap skema lulusan terstruktur terbesar, khususnya di sektor seperti keuangan, konsultasi, hukum, dan teknik. Siklus musim semi, yang berjalan dari sekitar Maret hingga Juni, merupakan gelombang kedua aktivitas perekrutan yang signifikan.
Selama jendela musim semi, pusat penilaian umumnya diadakan pada Maret dan April, dengan penawaran pekerjaan biasanya berlanjut hingga April, Mei, dan Juni. Peran lulusan entri langsung, yang berbeda dari skema lulusan terstruktur, cenderung diiklankan mulai sekitar setelah Paskah. Beberapa skema terstruktur yang tidak mengisi semua posisi pada siklus musim gugur mungkin juga membuka kembali lamaran selama periode ini.
Bagi lulusan internasional di Inggris, siklus musim semi memiliki kepentingan khusus. Kandidat yang menyelesaikan studi mereka pada tahun akademik sebelumnya mungkin beroperasi dalam kerangka kerja pasca-studi yang sensitif terhadap waktu, dan jendela musim semi sering kali mewakili salah satu lonjakan perekrutan besar terakhir sebelum musim panas. Pola perekrutan musim semi yang sebanding ada di seluruh pasar Eropa; siklus rekrutmen musim semi di Prancis, misalnya, mengikuti garis waktu yang kurang lebih sama untuk peran awal karier.
Tingkat persaingan selama siklus musim semi bisa sangat bervariasi menurut sektor. Menurut data ISE, peran di bidang teknologi, keuangan, dan layanan profesional cenderung menarik rasio lamaran-per-lowongan tertinggi, sementara sektor publik, pendidikan, dan amal mungkin melihat volume yang lebih rendah namun tetap substansial.
Mengingat fungsi utama perangkat lunak ATS adalah memproses dan mengatur data lamaran, format dokumen menjadi pertimbangan praktis, bukan sekadar kosmetik. Menurut panduan optimasi ATS dari Jobscan dan Resume.io, .docx (Microsoft Word) tetap menjadi format file yang paling universal dapat diproses di seluruh platform utama. Meskipun banyak sistem modern menangani PDF berbasis teks tanpa kesulitan, beberapa sistem lama atau khusus sektor mungkin kesulitan dengan file PDF yang berisi banyak kolom atau elemen grafis.
Tajuk bagian standar, seperti Pengalaman, Pendidikan, Keterampilan, dan Informasi Kontak, cenderung diproses lebih andal daripada alternatif kreatif. Platform ATS umumnya dikonfigurasi untuk mengenali label konvensional ini, dan rekruter yang meninjau data yang telah diproses juga cenderung menavigasi CV terstruktur dengan lebih efisien. Tata letak satu kolom, font standar (Arial, Calibri, atau Times New Roman pada 10 hingga 12 poin), dan menghindari kotak teks, tabel, dan gambar yang disematkan umumnya dikutip sebagai praktik pemformatan yang mendukung pemrosesan yang bersih.
Pergeseran dari pencocokan kata kunci murni ke analisis semantik memiliki implikasi terhadap bagaimana keterampilan disajikan dalam CV. Panduan industri dari berbagai vendor ATS menyarankan bahwa deskripsi keterampilan yang dikontekstualisasikan, yang memasangkan kata kerja dengan alat atau kompetensi dan hasil yang terukur, cenderung memiliki bobot lebih besar dalam seleksi modern daripada daftar kata kunci yang terpisah.
Rekomendasi umum di seluruh layanan karier dan platform optimasi ATS adalah menyertakan akronim dan bentuk lengkapnya (misalnya, SEO di samping Search Engine Optimisation) untuk mengakomodasi variasi dalam bagaimana kueri pencarian dapat dikonfigurasi. Bagi kandidat yang memegang sertifikasi teknis, mencantumkan nama kredensial dan badan penerbit dapat berfungsi serupa dalam meningkatkan kemudahan penemuan.
Perlu dicatat bahwa perbedaan antara seleksi ATS dan seleksi manusia sering kali tidak sejelas yang disarankan oleh saran karier populer. Di banyak organisasi, perangkat lunak ATS menentukan peringkat dan mengurutkan lamaran daripada membuat keputusan biner. Rekruter kemudian meninjau daftar prioritas. Membingkai CV untuk berkomunikasi dengan jelas baik dengan perangkat lunak pemrosesan maupun pembaca manusia adalah, dalam praktiknya, latihan yang sama: kejelasan, kekhususan, dan bukti keterampilan serta prestasi yang relevan.
Memahami di mana permintaan dan kompensasi terkonsentrasi dapat memberikan konteks strategis pada siklus musim semi. Menurut data ISE dari 2025, gaji awal rata-rata pada skema lulusan terstruktur adalah sekitar ยฃ35.170, meskipun angka ini mencerminkan pemberi kerja yang lebih besar dan program formal. Kumpulan data HESA yang lebih luas, yang mencakup lulusan dalam berbagai jenis pekerjaan, menempatkan rata-rata lebih dekat ke ยฃ28.731.
Variasi tingkat sektor sangat substansial. Seperti dilaporkan di berbagai survei industri pada awal 2026, perkiraan gaji awal median meliputi berikut ini:
Variasi regional menambah dimensi lain. Peran yang berbasis di London biasanya menawarkan gaji awal di kisaran ยฃ32.000 hingga ยฃ34.000, sementara posisi di Skotlandia dan Tenggara berkisar sekitar ยฃ28.000 hingga ยฃ29.000. Angka-angka ini secara umum konsisten di berbagai sumber data, meskipun median yang tepat bervariasi tergantung pada metodologi survei dan komposisi sampel.
Bagi kandidat yang mempertimbangkan peluang lintas batas, angka gaji mendapatkan konteks tambahan saat disesuaikan dengan biaya hidup. Gaji awal ยฃ34.000 di London mewakili standar hidup yang berbeda daripada angka nominal yang setara di kota dengan biaya lebih rendah. Prinsip yang sama berlaku saat membandingkan gaji lulusan Inggris dengan peluang di pasar seperti kawasan Teluk, di mana sektor yang terkait dengan strategi pembangunan nasional mungkin menawarkan struktur kompensasi yang berbeda.
Beberapa tren yang menyatu menunjukkan bahwa peran AI dalam seleksi lulusan akan meluas secara substansial selama beberapa tahun mendatang. Menurut data ISE dari 2025, 62% pemberi kerja yang disurvei berharap untuk menggunakan AI dalam rekrutmen dalam lima tahun, dan 70% mengantisipasi otomatisasi yang lebih besar dalam proses perekrutan mereka secara keseluruhan. Di antara mereka yang sudah menggunakan AI dalam seleksi, 94% melaporkan peningkatan kecepatan dan efisiensi, dan 81% mengutip peningkatan kapasitas untuk menganalisis volume data yang besar.
Pada saat yang sama, penggunaan AI generatif oleh kandidat menciptakan ketegangan baru. ISE melaporkan bahwa 61% pemberi kerja telah menemukan atau mencurigai kandidat menggunakan AI selama wawancara tanpa izin, namun 45% belum memberikan panduan kepada pelamar tentang apa yang dimaksud dengan penggunaan AI yang tepat. Kesenjangan kebijakan ini kemungkinan akan menyempit seiring pemberi kerja semakin memformalkan harapan mereka mengenai AI dalam proses seleksi.
Lintasan yang lebih luas mengarah pada lanskap rekrutmen lulusan di mana kedua sisi proses perekrutan semakin dimediasi oleh AI. Kandidat menggunakan AI untuk menghasilkan dan mengoptimalkan lamaran; pemberi kerja menyebarkan AI untuk memproses, memberi peringkat, dan mengevaluasi lamaran tersebut. Bagaimana dinamika ini berkembang, khususnya terkait keadilan, transparansi, dan efektivitas, tetap menjadi salah satu pertanyaan yang paling diperhatikan dalam analisis pasar tenaga kerja.
Kandidat yang berhasil menavigasi seleksi awal masih akan menemui tahap penilaian yang dipimpin oleh manusia. Persiapan wawancara perilaku, misalnya, tetap menjadi kompetensi yang berbeda yang tidak dapat digantikan oleh optimasi CV sebanyak apa pun.
Beberapa catatan penting berlaku untuk data yang disajikan dalam analisis ini. Survei ISE, meskipun otoritatif, mencakup 155 anggota pemberi kerja dan condong ke organisasi yang lebih besar dan lebih terstruktur. UKM, yang secara kolektif mempekerjakan sebagian besar lulusan Inggris, kurang terwakili. Angka 140 lamaran per lowongan mungkin lebih tinggi atau lebih rendah pada pemberi kerja di luar sampel ISE.
Data khusus ATS, khususnya survei rekruter mengenai tingkat penolakan otomatis, bergantung pada ukuran sampel kecil (sering kali hanya 25 responden dalam beberapa kasus) dan perilaku yang dilaporkan sendiri. Konfigurasi ATS yang sebenarnya pada masing-masing pemberi kerja mungkin berbeda dari apa yang dilaporkan rekruter dalam survei.
Data Graduate Outcomes HESA menangkap status pekerjaan pada 15 bulan setelah kelulusan. Data tersebut tidak melacak kemajuan karier, kualitas pekerjaan, atau apakah lulusan berada dalam peran yang terkait dengan bidang studi mereka. Angka pengangguran 6%, meskipun berguna sebagai tolok ukur, tidak menangkap pengangguran terselubung atau pengaturan kerja yang tidak menentu.
Angka gaji bervariasi di seluruh sumber karena perbedaan metodologi, komposisi sampel, dan penyertaan atau pengecualian pembobotan London. Pembaca disarankan untuk berkonsultasi langsung dengan sumber primer dan mencari panduan dari profesional karier yang berkualifikasi untuk analisis yang disesuaikan dengan keadaan individu.
Ditulis Oleh
Reporter Pasar Tenaga Kerja
Reporter pasar tenaga kerja yang meliput analisis pasar kerja berbasis data, tren ketenagakerjaan, dan pembandingan gaji di seluruh dunia.
Pengungkapan Konten
Artikel ini disusun menggunakan model AI mutakhir dengan pengawasan editorial manusia. Konten ini ditujukan hanya untuk tujuan informasi dan hiburan serta bukan merupakan saran hukum, imigrasi, maupun keuangan. Selalu berkonsultasi dengan pengacara imigrasi atau tenaga profesional karier yang berkualifikasi untuk situasi spesifik Anda. Pelajari lebih lanjut tentang proses kami.
Pasar rekrutmen teknologi Singapura di Q2 2026 mengutamakan format CV tertentu tergantung pada profil kandidat dan ekspektasi perekrut. Perbandingan ini mengulas kapan setiap pendekatan efektif, kelemahannya, dan cara melewati filter ATS di salah satu pasar talenta paling kompetitif di Asia.
Pencari kerja internasional yang menargetkan Belgia sering menghadapi penolakan CV akibat kesalahan format yang dapat dicegah. Panduan ini membahas hambatan format paling umum dalam lamaran kerja di Belgia dan cara audit proaktif untuk mengurangi risiko kegagalan seleksi.
Musim perekrutan musim semi Jepang mengikuti kalender dan sistem dokumen unik yang sering mengejutkan kandidat internasional. Panduan ini mencakup format rirekisho, shokumu keirekisho, dan lembar pendaftaran yang biasanya diharapkan oleh pemberi kerja di Jepang.