<![CDATA[Tingginya jumlah organisasi kemahasiswaan (ormawa) yang menyebarkan informasi kegiatan melalui puluhan akun media sosial di Universitas Singaperbangsa Karawang (UNSIKA) menimbulkan permasalahan information overload, sehingga mahasiswa kesulitan menemukan event yang relevan dengan minat dan program studi mereka. Survei pendahuluan kepada 42 responden mengungkap bahwa 97,6% menyatakan kebutuhan mendesak terhadap platform rekomendasi yang dipersonalisasi. Penelitian ini bertujuan merancang dan mengevaluasi sistem rekomendasi event kampus bernama EventSika menggunakan metodologi Design Science Research (DSR) dan algoritma weighted hybrid yang mengintegrasikan komponen semantic embedding berbasis model Sentence Transformer (paraphrase-multilingual-mpnet-base-v2) dengan komponen rule-based filtering berbasis kesesuaian program studi dan taksonomi topik. Evaluasi dilakukan secara offline terhadap lima skenario pembobotan menggunakan metrik Precision@K, Recall@K, F1-Score@K, dan Mean Average Precision (MAP), dengan data ground truth dari 40 responden mahasiswa UNSIKA. Hasil evaluasi menunjukkan skenario seimbang (S3; α=0,5; β=0,5) memperoleh nilai MAP tertinggi sebesar 0,3770. Uji statistik Wilcoxon Signed-Rank Test mengonfirmasi bahwa skenario hybrid memberikan peningkatan performa yang signifikan dibandingkan pendekatan berbasis komponen tunggal (p<0,05), memvalidasi efektivitas pendekatan weighted hybrid dalam mengatasi permasalahan cold-start pada domain rekomendasi event kampus.]]>
Copyrights © 2026
