Pemetaan Profil Mahasiswa Untuk Memprediksi Peminatan Mahasiswa

Main Article Content

Harun Ar - Rasyid
Syafrial Fachri Pane
http://orcid.org/0000-0001-5119-3808
Muhammad Yusril Helmi Setyawan
http://orcid.org/0000-0003-2467-9110

Abstract

Program sarjana terapan merupakan pendidikan akademik yang ditempuh melalui perguruan tinggi atau sederajat yang memiliki tujuan untuk memperoleh gelar sarjana terapan. Mahasiswa yang akan memperoleh gelar sarjana perlu dibimbing oleh dosen agar dapat mempersiapkan penelitian akhir sejak menjadi mahasiswa baru. Dalam rangka membuat profil mahasiswa untuk mempersiapkan tugas akhir, dibuatlah sistem prediksi minat mahasiswa dan rekomendasi dosen (siprenatredo) supaya mahasiswa bisa mengetahui minatnya dan mendapatkan dosen pembimbing yang mempunyai sesuai dengan minat mahasiswa. Siprenatredo dibangun dengan memanfaatkan sistem prediksi dan rekomendasi yang diproses dengan teknik data mining. Metode rekomendasi yang digunakan adalah metode content-based filtering algoritma yang digunakan adalah naïve bayes classifier dan term frequency invers document frequency (tfidf). Penulis penyimpulkan dengan mengimplementasikan metode content based filtering menggunakan algoritma naïve bayes classifier dan algoritma tfidf dapat memberikan hasil yang sesuai dengan kriteria mahasiswa sehingga mahasiswa bisa mendapatkan rekomendasi yang sesuai minat.

Downloads

Download data is not yet available.

Article Details

How to Cite
Ar - Rasyid, H., Pane, S. F., & Setyawan, M. Y. H. (2023). Pemetaan Profil Mahasiswa Untuk Memprediksi Peminatan Mahasiswa. PETIR, 16(1). https://doi.org/10.33322/petir.v16i1.1337
Section
Articles

References

[1] A. A. B. Arisetiawan, Indriati, and D. E. Ratnawati, “Sistem Rekomendasi Dosen Pembimbing Berdasarkan Dokumen Judul Skripsi di Bidang Komputasi Cerdas Menggunakan Metode BM25,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 6, pp. 5832–5836, 2019.
[2] Made Hanindia Prami Swari, Rahel Widya Arianti, and Faisal Muttaqin, “Case-Based Reasoning Pemberian Rekomendasi Profesi Berdasarkan Minat Dan Bakat Siswa Menggunakan Simple Matching Coefficient Similarity,” SINTECH (Science Inf. Technol. J., vol. 3, no. 1, pp. 35–45, 2020, doi: 10.31598/sintechjournal.v3i1.505.
[3] E. Wicaksana, “Efektifitas Pembelajaran Menggunakan Moodle Terhadap Motivasi Dan Minat Bakat Peserta Didik Di Tengah Pandemi Covid -19,” EduTeach J. Edukasi dan Teknol. Pembelajaran, vol. 1, no. 2, pp. 117–124, 2020, doi: 10.37859/eduteach.v1i2.1937.
[4] Rostiana, K. D. Hapsari, and Saraswati, “Penelusuran Minat-Bakat Untuk Siswa Sma Di Yogyakarta,” J. Bakti Masy. Indones., vol. 1, no. 1, pp. 188–193, 2018, [Online]. Available: https://journal.untar.ac.id/index.php/baktimas/article/view/1897.
[5] A. E. Wijaya and D. Alfian, “Sistem Rekomendasi Laptop Menggunakan Collaborative Filtering Dan Content-Based Filtering,” J. Comput. Bisnis, vol. 12, no. 1, pp. 11–27, 2018.
[6] M. Islamiyah, P. Subekti, and T. D. Andini, “Pemanfaatan Metode Item Based Collaborative Filtering Untuk,” vol. 13, no. 2, pp. 143–150, 2019.
[7] Y. S. Triana, F. F. Adrianti, and F. A. Maharani, “Implementasi Metode Content Based Filtering Pada Aplikasi Pencarian Taman Penitipan Anak,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 3, no. 2, pp. 163–169, 2019, doi: 10.29207/resti.v3i2.921.
[8] F. B. A. Larasati and F. Herny, “Sistem Rekomendasi Product Emina Cosmetics Dengan Menggunakan Metode Content Based Filtering,” J. Manaj. dan Tek. Inform. Sist. Inf., vol. 4, no. 1, 2021.
[9] B. Herwijayanti, D. E. Ratnawati, and L. Muflikhah, “Klasifikasi Berita Online dengan menggunakan Pembobotan TF-IDF dan Cosine Similarity,” Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 1, pp. 306–312, 2018.
[10] A. Husejinovi?, “Credit card fraud detection using naive Bayesian and c4.5 decision tree classifiers,” Period. Eng. Nat. Sci., vol. 8, no. 1, pp. 1–5, 2020, doi: 10.21533/PEN.V.
[11] A. N. Elmachtoub, J. C. N. Liang, and R. McNellis, “Decision trees for decision-making under the predict-then-optimize framework,” 37th Int. Conf. Mach. Learn. ICML 2020, vol. PartF16814, pp. 2838–2847, 2020.
[12] M. Alkaff, H. Khatimi, and A. Eriadi, “Sistem Rekomendasi Buku pada Perpustakaan Daerah Provinsi Kalimantan Selatan Menggunakan Metode Content-Based Filtering,” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 20, no. 1, pp. 193–202, 2020, doi: 10.30812/matrik.v20i1.617.
[13] A. I. Putra and R. R. Santika, “Implementasi Machine Learning dalam Penentuan Rekomendasi Musik dengan Metode Content-Based Filtering,” Edumatic J. Pendidik. Inform., vol. 4, no. 1, pp. 121–130, 2020, doi: 10.29408/edumatic.v4i1.2162.
[14] I. Diah, I. F. Rahmad, and A. Saleh, “Implementasi Recommender System Pada Pemilihan Kamera Menggunakan Content Based Dan Collaborative Filtering,” It (Informatic …, pp. 1–12, 2020, [Online]. Available: http://e-journal.potensi-utama.ac.id/ojs/index.php/ITJournal/article/view/816.
[15] R. Saptono, H. Setiadi, T. Sulistyoningrum, and E. Suryani, “Examiners recommendation system at proposal seminar of undergraduate thesis by using content-based filtering,” 2018 Int. Conf. Adv. Comput. Sci. Inf. Syst. ICACSIS 2018, pp. 265–269, 2019, doi: 10.1109/ICACSIS.2018.8618224.