<![CDATA[Sistem rekomendasi membantu pengguna memilih alternatif terbaik berdasarkan data interaksi, terutama dalam konteks pelatihan dalam hal pendidikan. Salah satu metode yang digunakan adalah Collaborative Filtering, yang bekerja dengan menganalisis pola preferensi melalui rating pengguna. Penelitian ini bertujuan mengembangkan sistem rekomendasi berbasis Collaborative Filtering pada program Vocational School Graduate Academy (VSGA) untuk membantu lulusan memilih skema pelatihan yang sesuai dengan kebutuhan mereka. Dua metode utama diterapkan, yaitu Pearson Correlation dan Cosine Similarity. Pearson Correlation mengukur kesamaan pola preferensi melalui perhitungan rata-rata, sementara Cosine Similarity menghitung kemiripan antar pengguna dengan pendekatan vektor. Adapun dataset sebanyak 50 data yang digunakan yaitu dataset rating dari masing-masing skema pelatihan VSGA sebanyak 45 data dan menggunakan 5 data pembanding untuk di uji, untuk mencari rekomendasi pada 2 data. Sistem ini dibangun menggunakan Python dengan pustaka Pandas, NumPy, dan scikit-learn. Hasil pengujian menunjukkan bahwa kedua metode memberikan rekomendasi akurat sesuai skenario tertentu. Sistem ini diharapkan membantu lulusan menemukan pelatihan relevan, meningkatkan kualitas pembelajaran, dan mempersiapkan mereka menghadapi era industri 4.0. Kata kunci: Collaborative Filtering; Pearson Correlation; Cosine Similarity; Sistem Rekomendasi; Algoritma]]>
Copyrights © 2025
