<![CDATA[Perkembangan Internet of Things (IoT) menghadirkan beragam komponen perangkat keras dengan karakteristik dan spesifikasi yang berbeda-beda, sehingga proses pemilihan komponen yang sesuai kebutuhan proyek menjadi semakin kompleks, terutama bagi mahasiswa dan pengembang pemula yang masih mengandalkan pencarian referensi secara manual. Penelitian ini bertujuan merancang dan mengimplementasikan sistem rekomendasi pemilihan komponen IoT berbasis kebutuhan proyek menggunakan metode Content-Based Filtering yang dipadukan dengan arsitektur Two-Pass Retrieval-Augmented Generation (RAG) Pipeline. Sistem dibangun di atas basis data SQLite berisi 220 entitas komponen IoT dengan tujuh atribut teknis, serta menerapkan pendekatan Controlled Vocabulary untuk menjaga konsistensi proses pencarian. Pada tahap pertama, model bahasa besar (LLM) Llama 3.3 mengekstraksi kata kunci dari deskripsi proyek pengguna, yang kemudian dicocokkan secara matematis menggunakan algoritma Cosine Similarity terhadap basis data komponen. Pada tahap kedua, LLM berperan sebagai Senior Hardware Engineer untuk menghasilkan penjelasan teknis berbasis prinsip fisika atas komponen yang direkomendasikan. Hasil pengujian terhadap lima skenario ekstrem menunjukkan sistem mampu memberikan rekomendasi presisi tinggi, seperti merekomendasikan Sensor Kelembapan Tanah (46,23%) untuk skenario irigasi, serta Sensor Detak Jantung MAX30102 (40,82%) untuk skenario instrumen medis portabel. Pendekatan Controlled Vocabulary terbukti efektif mengeliminasi risiko konfabulasi (artificial hallucination) LLM pada tahap seleksi awal hingga 0%, sementara tahap Explainable Generation mampu mengoreksi secara mandiri anomali hasil perhitungan matematis. Sistem ini diharapkan dapat membantu mahasiswa, peneliti, maupun pengembang dalam menentukan komponen IoT yang optimal secara lebih cepat, tepat, dan sesuai dengan kebutuhan implementasi proyek]]>
Copyrights © 2026
