<![CDATA[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.]]>
Copyrights © 2024
