Di tengah persaingan bisnis yang semakin ketat, proses rekrutmen yang akurat menjadi sangat penting bagi kesuksesan perusahaan. Namun, proses rekrutmen manual sering kali memakan waktu, sumber daya yang berharga, serta rentan terhadap kesalahan dan bias subjektif. Penelitian ini mengembangkan dan mengevaluasi sistem pencocokan resume dengan deskripsi pekerjaan menggunakan teknologi pemrosesan bahasa alami dan machine learning. Sistem ini memanfaatkan DistilBERT sebagai embeddings untuk representasi teks, Cosine Similarity untuk pengukuran kemiripan, dan algoritma Modified Gale-Shapley untuk optimalisasi pencocokan. Hasil evaluasi menunjukkan bahwa sistem berfungsi dengan sangat baik, dengan nilai Mean Average Precision (MAP) mencapai 1.0000, yang mengindikasikan setiap rekomendasi yang dihasilkan selalu relevan.
Kata Kunci: DistilBERT, Cosine Similarity, Modified Gale-Shapley, Sistem Pencocokan, Rekrutmen Otomatis.