Implementasi Metode Hybrid Recommendation untuk Sistem Rekomendasi Mitra MSIB di Prodi Pendidikan Informatika

Abstract

Magang dan Studi Independen Bersertifikat Kampus Merdeka (MSIB) merupakan bagian dari program Merdeka Belajar-Kampus Merdeka yang bertujuan menciptakan perubahan signifikan dalam sistem pendidikan tinggi di Indonesia dalam menghadapi era industri 4.0. Kebijakan ini mendorong mahasiswa agar mengembangkan kemampuan hard skill maupun soft skill. Banyaknya pilihan mitra program MSIB yang ditawarkan, seringkali membuat mahasiswa merasa kesulitan dalam memilih program sesuai dengan kemampuan dan minat. Tujuan dari penelitian ini adalah membangun sebuah model sistem rekomendasi mitra MSIB di prodi Pendidikan Informatika berdasarkan bidang yang relevan. Metode yang digunakan dalam memberikan rekomendasi adalah Hybrid Recommendation. Metode ini menggabungkan pendekatan Naïve Bayes untuk mengklasifikasikan mitra MSIB sesuai dengan bidang berdasarkan data nilai mata kuliah. Selain itu, minat mahasiswa juga dipertimbangkan menggunakan algoritma Item-based collaborative filtering untuk menghitung kesamaan pilihan mitra yang diberikan oleh mahasiswa. Evaluasi hasil penelitian menunjukkan bahwa uji coba algoritma Naïve Bayes dengan penghitungan confusion matrix dalam mengolah data nilai memperoleh hasil accuracy 85%, precision 88% dan recall 88%. Sedangkan untuk pengolahan kesamaan pilihan mahasiswa berupa data rating menggunakan algoritma Item-based Collaborative Filtering menggunakan pengujian MAE, diperoleh hasil evaluasi pada masing-masing bidang diantaranya pada bidang TKJ menghasilkan MAE sebesar 0,359, bidang RPL menghasilkan MAE sebesar 0,356, bidang MM menghasilkan MAE sebesar 0,396, dan bidang AI menghasilkan MAE sebesar 0,409.