Program magang merupakan bagian penting dalam mempersiapkan mahasiswa vokasi menghadapi dunia kerja. Namun, proses seleksi magang di Fakultas Ilmu Terapan Universitas Telkom masih menghadapi kendala waktu yang lama dan tingkat penerimaan yang rendah. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi pekerjaan dan ekstraksi data resume berbasis Natural Language Processing (NLP), Machine Learning (ML), dan Regular Expression (Regex) guna mendukung percepatan dan peningkatan akurasi proses seleksi peserta magang. Sistem yang dibangun menggunakan algoritma Random Forest untuk klasifikasi dan Regex untuk ekstraksi informasi penting dari resume. Evaluasi dilakukan menggunakan matrix Accuracy, Precision, Recall dan F1-score, sebagaimana ditunjukkan pada learning curve, serta pengujian ketepatan ekstraksi resume melalui test case. Hasil pengujian menunjukkan bahwa sistem mampu mencapai nilai accuracy sebesar 100% dan mampu mengekstraksi data resume dengan sempurna dibandingkan metode manual. Dengan demikian, sistem ini efektif dalam membantu Unit Layanan Kerjasama dan Magang dalam proses seleksi peserta magang serta memberikan rekomendasi pekerjaan yang sesuai dengan profil mahasiswa.
Kata kunci: Ekstraksi data resume, Sistem rekomendasi pekerjaan, Natural Language Processing, Machine Learning, Regular Expressions