Electronic Theses and Dissertation

Pemilihan karir yang tepat membutuhkan perencanaan yang baik. Fakta di lapangan menunjukkan bahwa banyak mahasiswa yang membuat kesalahan dalam memilih program studi. Seringkali, siswa menghadapi kesulitan dalam memilih program studi di perguruan tinggi karena mereka cenderung tertarik pada program studi yang populer, meskipun mungkin tidak sesuai dengan kemampuan, minat, dan bakat mereka. Oleh karena itu, penting untuk memiliki informasi yang komprehensif tentang berbagai program studi yang ditawarkan di perguruan tinggi. Perlunya pemahaman dan pengembangan sebuah fasilitas yang dapat membantu lulusan sekolah dalam memilih program studi yang sesuai dengan menggunakan teknologi data mining yaitu Sistem Rekomendasi berbasis Hybrid Filtering. Pada penelitian ini peneliti menggunakan model dari Tensorflow yaitu Tensorflow Recommenders System (TFRS) dengan memanfaatkan antara metode Content-Based Filtering dan Collaborative Filtering. Content based memanfaatkan karakter user untuk dapat dicari kesamaan dan Collaborative Filtering memanfaatkan Matrix untuk memudahkan dalam pencarian kesamaan antara user. Sasaran pengumpulan data ini adalah mahasiswa Fakultas MIPA Sarjana 1, yang terdiri dari 7 Program Studi. Setelah dijalankan dengan dua kondisi, yaitu menggunakan real dataset dan ditambah dengan fake dataset dengan hyperparameter yang telah ditentukan, hasilnya menunjukkan bahwa menggunakan real dataset mendapatkan akurasi Top-1 0.59 dan Top-5 0.97, dan dengan menambahkan fake dataset mendapatkan akurasi Top-1 0.66 dan Top-5 1.0. Menggabungkan real dataset dengan fake dataset meningkatkan akurasi rata-rata sekitar 10%, dibandingkan dengan pembelajaran model hanya dengan menggunakan real dataset. Selain itu, rekomendasi program studi yang dihasilkan oleh model juga menjadi lebih baik. Website sistem rekomendasi program studi yang telah dikembangkan menggunakan model Tensorflow Recommenders (TFRS) telah mengalami pengujian efektivitas yang positif dari pengguna yang mencobanya. Melalui penilaian oleh mahasiswa yang sedang berkuliah di FMIPA, respon dari pengguna terhadap rekomendasi program studi yang diberikan oleh sistem terlihat sangat memuaskan.

Choosing the right career requires good planning. Field facts indicate that many students make mistakes in choosing their study programs. Often, students face difficulties in selecting college programs because they tend to be interested in popular programs, even if they may not align with their abilities, interests, and talents. Therefore, it is important to have comprehensive information about various study programs offered in colleges. The need for understanding and developing a facility that can assist school graduates in choosing suitable study programs using data mining technology, namely a Hybrid Filtering-based Recommendation System, is evident. In this research, researchers use a model from Tensorflow, namely the Tensorflow Recommenders System (TFRS) by utilizing the Content-Based Filtering and Collaborative Filtering methods. Content-Based Filtering utilizes user characteristics to find similarities, while Collaborative Filtering uses a Matrix to facilitate the search for similarities among users. The target data collection for this study is undergraduate students in the Faculty of Mathematics and Natural Sciences, consisting of 7 study programs. After running with two conditions, using a real dataset and plus a fake dataset with pre-determined hyperparameters, the results show using real datasets we get Top-1 accuracy of 0.59 and Top-5 of 0.97, and by adding fake datasets we get Top-1 accuracy of 0.66 and Top-5 of 1.0. Combining a real dataset with a fake dataset improves the average accuracy by around 10%, compared to training the model using only the real dataset. Furthermore, the study program recommendations generated by the model also become better. The website of the developed study program recommendation system using the Tensorflow Recommenders (TFRS) model has undergone positive effectiveness testing from users who have tried it. Through assessments by students currently studying at the Faculty of Mathematics and Natural Sciences, user responses to the study program recommendations provided by the system appear to be very satisfying.