INTEGRASI NAIVE BAYES DAN ITEM-BASED COLLABORATIVE FILTERING DALAM SISTEM PEMETAAN KOMPETENSI MAHASISWA
DOI:
https://doi.org/10.35143/jkt.v11i1.6612Kata Kunci:
Item-Based Collaborative Filtering, Naive Bayes, Pemetaan Kompetensi MahasiswaAbstrak
Persiapan portofolio yang unggul menjadi aspek krusial bagi mahasiswa dalam menghadapi dunia kerja, salah satunya melalui partisipasi dalam kompetisi. Namun, proses pemilihan lomba yang sesuai dengan kompetensi mahasiswa masih menjadi tantangan, mengingat banyaknya informasi lomba, keragaman minat dan kemampuan mahasiswa, serta keterbatasan dalam alokasi biaya, waktu, dan sumber daya. Penelitian ini membangun sistem rekomendasi berbasis Hybrid Recommendation System yang dirancang untuk memetakan kompetensi mahasiswa terhadap jenis lomba yang relevan. Sistem ini menggabungkan metode Naive Bayes untuk mengklasifikasikan kompetensi mahasiswa dan Item-Based Collaborative Filtering untuk menghitung kemiripan antar jenis lomba berdasarkan preferensi pengguna lain. Pengembangan sistem dilakukan secara bertahap menggunakan pendekatan waterfall, mulai dari perencanaan, analisis, desain, implementasi, hingga pengujian. Model dibangun mengikuti alur standar machine learning, meliputi pengumpulan data, eksplorasi dan pra-pemrosesan data, pembangunan model, evaluasi performa, serta integrasi metode. Data penelitian diperoleh dari profil mahasiswa, kompetensi, dan preferensi lomba yang dikumpulkan melalui survei dan database internal. Hasil evaluasi menunjukkan bahwa sistem mampu memberikan rekomendasi lomba yang relevan dengan tingkat akurasi mencapai 70%. Hasil pengujian ini menunjukkan adanya kontribusi sistem dalam membantu mahasiswa memilih lomba yang sesuai dengan kompetensinya, dengan penyajian yang mudah digunakan dalam bentuk sistem berbasis web. Selain itu hasil penelitian ini memberikan kontribusi berupa kemampuan sistem dalam menyederhanakan proses pencocokan kompetensi dan preferensi terhadap peluang lomba secara otomatis, sehingga dapat meningkatkan partisipasi mahasiswa dalam kegiatan yang mendukung pengembangan portofolio unggul secara lebih terarah dan efisien.Unduhan
Referensi
R. Setiamihardja, “Portofolio Assessment,” J. Pendidik. Dasar Kampus Cibiru, vol. 3, no. 2, pp. 1–2, 2012, [Online]. Available: https://ejournal.upi.edu/index.php/eduhumaniora/article/view/2806/1832
N. Asmilia, “Pentingnya Portofolio Investasi untuk Mengetahui Keanekaragaman Resiko dan Meningkatkan Minat Berinvestasi di Kalangan Generasi Milenial,” J. Pengabdi. Kpd. Masyaraka, vol. 4, no. 3, 2023.
M. M. Dewi, R. Andriani, and M. Nuraminudin, “Performance Analysis of the Item-Based Collaborative Filtering Model in Yogyakarta Tourism Recommendations,” vol. 9, no. 2, pp. 534–541, 2025.
J. Aisyiah and L. Cahyani, “Sistem Rekomendasi Program Studi Menggunakan Metode Hybrid Recommendation (Studi Kasus: MAN Sumenep),” pp. 59–72, 2023, doi: 10.30864/eksplora.v12i1.992.
D. S. Pradana, P. Prajoko, and G. P. Hartawan, “Perbandingan Algoritma Content-Based Filtering dan Collaborative Filtering dalam Rekomendasi Kegiatan Ekstrakurikuler Siswa,” Progresif J. Ilm. Komput., vol. 18, no. 2, p. 151, 2022, doi: 10.35889/progresif.v18i2.854.
M. I. Rizky, I. Asror, and Y. R. Murti, “Sistem Rekomendasi Program Studi untuk Siswa SMA Sederajat Menggunakan Metode Hybrid Recommendation dengan Content Based Filtering dan Collaborative Filtering,” in e-Proceeding of Engineering, 2020, p. 17.
L. Tommy, D. Novianto, and Y. S. Japriadi, “Sistem Rekomendasi Hybrid untuk Pemesanan Hidangan Berdasarkan Karakteristik dan Rating Hidangan,” J. Appl. Informatics Comput., vol. 4, no. 2, pp. 137–145, 2020, doi: 10.30871/jaic.v4i2.2687.
A. Yusmar, Implementasi metode collaborative filtering dengan pendekatan Item-Based untuk rekomendasi rumah makan menggunakan algoritma adjusted cosine similarity. 2020. [Online]. Available: https://repository.uinjkt.ac.id/dspace/handle/123456789/55992%0Ahttps://repository.uinjkt.ac.id/dspace/bitstream/123456789/55992/1/ADDINI YUSMAR-FST.pdf
A. A. Widjaja and H. N. Palit, “Hybrid Recommendation System untuk Peminjaman Buku Perpustakaan dengan Collaborative dan Content-Based Filtering,” J. Infra, vol. 10, no. 2, pp. 1–6, 2022, [Online]. Available: https://publication.petra.ac.id/index.php/teknik-informatika/article/view/12512
M. Nurizki, W. Apriandari, and A. Asriyanik, “Algoritma Naïve Bayes untuk Rekomendasi Seleksi Peserta Paskibraka Berbasis Website,” J. Inf. Syst. Res., vol. 4, no. 4, pp. 1486–1493, 2023, doi: 10.47065/josh.v4i4.3574.
Y. Dananjoyo and Y. Muflilah, “Sistem Rekomendasi Ukuran Baju Pada Aplikasi E-Commece Dengan Metode Naïve Bayes Yogo,” Jasmatika, vol. 3, no. 1, pp. 10–15, 2015.
V. Srividhya and R. Anitha, “Evaluating Preprocessing Techniques in Text Categor ization,” pp. 49–51, 2010.
L. Zhu and B. W. B, on Hybrid Recommendation Algorithms. Atlantis Press International BV. doi: 10.2991/978-94-6463-044-2.
Z. Zhang, T. Peng, and K. Shen, “Overview of Collaborative Filtering Recommendation Algorithms,” IOP Conf. Ser. Earth Environ. Sci., vol. 440, no. 2, 2020, doi: 10.1088/1755-1315/440/2/022063.
E. G. F. H. del Olmo, “Evaluation of recommender systems: A new approach,” Expert Syst. Appl., pp. 1–15, 2008.
V. Nakhipova et al., “Use of the Naive Bayes Classifier Algorithm in Machine Learning for Student Performance Prediction,” Int. J. Inf. Educ. Technol., vol. 14, no. 1, pp. 92–98, 2024, doi: 10.18178/ijiet.2024.14.1.2028.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Jurnal Komputer Terapan
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Penulis yang mempublikasikan naskah pada jurnal ini setuju tentang hal-hal berikut ini:
- Penulis memegang hak cipta untuk proses, prosedur, atau artikel yang dideskripsikan pada naskah dan memberikan hak kepada jurnal untuk pertama kali mempublikasikan naskah dibawah Creative Commons Attribution License yang memperbolehkan orang lain untuk menyebarkan hasil penelitian dengan pengakuan hak cipta penulis dan jurnal.
- Penulis memegang hak untuk mempublikasikan kembali semua atau sebagian hasil penelitian pada naskah lain tetapi tidak memberikan hak kepada pihak ketiga lain untuk mencetak dan mempublikasikan ulang hasil penelitian yang sama.
- Penulis diperbolehkan dan disarankan untuk menginformasikan naskah yang telah terbit secara online (seperti pada repository institusi atau website milik penulis) yang akan meningkatkan produktivitas rujukan dan sitasi dari naskah yang telah terbit.
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial-BerbagiSerupa 4.0 Internasional.
