Garuda - Garba Rujukan Digital

Aisyiah, Jamilatul

Unknown Affiliation

Author-ID : 7306055

Computer Science & IT Education Languange, Linguistic, Communication & Media Mathematics Other

Published : 4 Documents Claim Missing Document

Claim Missing Document

Articles

Title

1

Sistem Rekomendasi Program Studi Menggunakan Metode Hybrid Recommendation (Studi Kasus: MAN Sumenep) Aisyiah, Jamilatul; Cahyani, Laili
Jurnal Eksplora Informatika Vol 12 No 1 (2022): Jurnal Eksplora Informatika
Publisher : Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/eksplora.v12i1.992

Pemilihan program studi menjadi hal yang krusial sebelum memasuki perguruan tinggi, karena kesalahan dalam memilih program studi berdampak buruk pada mahasiswa di masa depan. Sebagai upaya mencegah kesalahan pemilihan program studi, siswa biasanya berkonsultasi dengan wali kelas dan guru Bimbingan Konseling. Namun, pemberian rekomendasi masih dilakukan secara manual seperti pada MAN Sumenep. Pemberian rekomendasi secara manual memakan waktu lama namun hasilnya terkadang bersifat subjektif dan kurang akurat. Oleh karena itu, diperlukan suatu sistem yang mampu memenuhi kebutuhan tersebut agar dapat menghemat waktu dan rekomendasi yang dihasilkan sesuai. Tujuan penelitian ini untuk mengembangkan sistem rekomendasi program studi menggunakan metode hybrid recommendation, dengan mengembangkan metode naïve bayes untuk mengelompokkan program studi berdasarkan nilai rapor dan item-based untuk menghitung kemiripan antar program studi yang dipilih oleh siswa. Pengembangan sistem dilakukan menggunakan metode waterfall yang terdiri dari tahapan analisis, desain, pengodean dan pengujian. Penelitian ini menghasilkan sistem rekomendasi prodi yang dapat membantu siswa dan guru dalam proses perekomendasian prodi. Pada tahap pengujian menghasilkan nilai 1 pada aspek functional suitability yang berarti semua fitur sistem berfungsi dengan baik. Sedangkan, uji coba pada pengguna mendapatkan persentase sebesar 92,75% dengan tingkat kategori “sangat layak”. Dan hasil uji coba pada Item-based menghasilkan akurasi MAE sebesar 0,038538.

Sistem Rekomendasi Program Studi Menggunakan Metode Hybrid Recommendation (Studi Kasus: MAN Sumenep) Aisyiah, Jamilatul; Cahyani, Laili
Eksplora Informatika Vol 12 No 1 (2022): Jurnal Eksplora Informatika
Publisher : Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/eksplora.v12i1.992

Pemilihan program studi menjadi hal yang krusial sebelum memasuki perguruan tinggi, karena kesalahan dalam memilih program studi berdampak buruk pada mahasiswa di masa depan. Sebagai upaya mencegah kesalahan pemilihan program studi, siswa biasanya berkonsultasi dengan wali kelas dan guru Bimbingan Konseling. Namun, pemberian rekomendasi masih dilakukan secara manual seperti pada MAN Sumenep. Pemberian rekomendasi secara manual memakan waktu lama namun hasilnya terkadang bersifat subjektif dan kurang akurat. Oleh karena itu, diperlukan suatu sistem yang mampu memenuhi kebutuhan tersebut agar dapat menghemat waktu dan rekomendasi yang dihasilkan sesuai. Tujuan penelitian ini untuk mengembangkan sistem rekomendasi program studi menggunakan metode hybrid recommendation, dengan mengembangkan metode naïve bayes untuk mengelompokkan program studi berdasarkan nilai rapor dan item-based untuk menghitung kemiripan antar program studi yang dipilih oleh siswa. Pengembangan sistem dilakukan menggunakan metode waterfall yang terdiri dari tahapan analisis, desain, pengodean dan pengujian. Penelitian ini menghasilkan sistem rekomendasi prodi yang dapat membantu siswa dan guru dalam proses perekomendasian prodi. Pada tahap pengujian menghasilkan nilai 1 pada aspek functional suitability yang berarti semua fitur sistem berfungsi dengan baik. Sedangkan, uji coba pada pengguna mendapatkan persentase sebesar 92,75% dengan tingkat kategori “sangat layak”. Dan hasil uji coba pada Item-based menghasilkan akurasi MAE sebesar 0,038538.

Title Search

Found 2 Documents Search Journal : Jurnal Eksplora Informatika

Abstract

Abstract

Title

Found 2 Documents
Search
Journal : Jurnal Eksplora Informatika