PENINGKATAN AKURASI REKOMENDASI TUGAS AKHIR MELALUI PENDEKATAN COLLABORATIVE FILTERING (CF) DAN CONTENT-BASED FILTERING (CBF)
Keywords:
Sistem Rekomendasi Tugas Akhir; Collaborative Filtering (CF); Content- Based Filtering (CBF)Abstract
Pendidikan tinggi di Indonesia mengalami perkembangan pesat dengan diperkenalkannya konsep Merdeka Belajar dan Kampus Merdeka. STMIK Indonesia Banda Aceh berkomitmen mendukung visi ini, namun tantangan muncul dalam pemilihan tugas akhir yang efektif dan personalisasi. Sistem rekomendasi, khususnya Collaborative Filtering (CF) dan Content-Based Filtering (CBF), menjadi solusi potensial. Penelitian ini mengintegrasikan kedua pendekatan untuk meningkatkan akurasi dan relevansi rekomendasi tugas akhir. Studi terdahulu menginspirasi pengembangan, dengan fokus pada penggabungan CF dan CBF untuk meningkatkan personalisasi. Desain eksperimen kuantitatif melibatkan 38 mahasiswa STMIK Indonesia Banda Aceh dalam tahap penentuan topik tugas akhir. Uji reliabilitas instrumen dilakukan dengan Cronbach's alpha, menunjukkan tingkat konsistensi yang tinggi (α=0.85). Implementasi sistem menggunakan antarmuka intuitif, memungkinkan pencarian judul penelitian dan menampilkan hasil rekomendasi dari kedua metode. Evaluasi menggunakan metrik Precision, Recall, dan F1-Score, menunjukkan CF lebih unggul, dengan Precision 0.85, Recall 0.92, dan F1-Score 0.88. Hasil ini memberikan pemahaman lebih dalam tentang keefektifan sistem rekomendasi ini dalam mendukung mahasiswa dalam menentukan topik tugas akhir yang sesuai dengan minat dan kebutuhan mereka.
References
Adawiyyah, A., & Nuddin, S. R. (2021). Penerapan Algoritma Content Based Filtering dan Frequent Pattern Growth pada Sistem Rekomendasi Program Mahasiswa Wirausaha di Universitas Negeri Surabaya. Journal Of Informatics And Computer Science (Jinacs), 3(02), 123-130. DOI: https://doi.org/10.26740/jinacs.v3n02.p123-130.
Amane, M., Aissaoui, K., & Berrada, M. (2022). ERSDO: E-learning recommender system based on dynamic ontology. Education and Information Technologies, 27(6), 7549-7561. DOI: https://doi.org/10.1007/s10639-022-10914-y.
Beel, J., Gipp, B., Langer, S., & Breitinger, C. (2016). Paper recommender systems: a literature survey. International Journal on Digital Libraries, 17, 305-338.
Budiono, A., & Eniyati, S. (2023). Sistem Rekomendasi Dosen Pembimbing Tugas Akhir Menggunakan Content Based Filtering. Elkom: Jurnal Elektronika dan Komputer, 16(1), 64-71. DOI: https://doi.org/10.51903/elkom.v16i1.1002.
Capraz, S., & Temizer, S. (2017). A Content Boosted Hybrid Recommender System. Computer Engineering Department, Middle East Technical University, Ankara, Turkey.
Fitrianti, B. S., Fachurrozi, M., & Yusliani, N. (2018). Sistem Rekomendasi Artikel Ilmiah Berbasis Web Menggunakan Content-based Learning dan Collaborative Filtering. Generic, 10(1), 17-23.
Mathew, P., Kuriakose, B., & Hegde, V. (2016, March). Book Recommendation System through content based and Collaborative Filtering method. In 2016 International conference on data mining and advanced computing (SAPIENCE) (pp. 47-52). IEEE. DOI: https://doi.org/10.1109/SAPIENCE.2016.7684166.
Pratondo, D. A. (2023). Pengembangan Sistem Rekomendasi Berbasis Content-Based Filtering Pada data Dinamis (Bachelor's thesis, Fakultas Sains dan Teknologi UIN Syarif Hidayatullah Jakarta). Available at: https://repository.uinjkt.ac.id/dspace/handle/123456789/66813.
Sabani, L. (2020). Sistem rekomendasi peminjaman buku perpustakaan menggunakan metode item-based Collaborative Filtering (Doctoral dissertation, Universitas Islam Negeri Maulana Malik Ibrahim).
Salam, A., & Albahri, F. P. (2022). Sistem Rekomendasi Tugas Akhir Mahasiswa pada AMIK Indonesia untuk Mendukung Merdeka Belajar-Kampus Merdeka Menggunakan Metode Collaborative Filtering (CF). Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi), 6(2), 281-288.
