SISTEM REKOMENDASI UNTUK PEMILIHAN MATA KULIAH PILIHAN DI PROGRAM STUDI PSTI

• Main Author: Asry Yuniarti, - (Author)
• Format: Book
• Published: 2022-08-31.
• Subjects: Thesis; NonPeerReviewed
• Online Access: Link Metadata
• Notes: http://repository.upi.edu/79132/1/S_PSTI_1804975_Title.pdf; http://repository.upi.edu/79132/2/S_PSTI_1804975_Chapter1.pdf; http://repository.upi.edu/79132/3/S_PSTI_1804975_Chapter2.pdf; http://repository.upi.edu/79132/4/S_PSTI_1804975_Chapter3.pdf; http://repository.upi.edu/79132/5/S_PSTI_1804975_Chapter4.pdf; http://repository.upi.edu/79132/6/S_PSTI_1804975_Chapter5.pdf; http://repository.upi.edu/79132/7/S_PSTI_1804975_Appendix.pdf
• Keywords: L Education (General); T Technology (General)

Latar belakang penelitian ini disebabkan karena kebingungan dan kebimbangan mahasiswa dalam menentukan mata kuliah keilmuan dan keahlian pilihan (MKKKPIL). Mata kuliah keilmuan dan keahllian pilihan merupakan paket pilihan mata kuliah yang dipilih oleh mahasiswa sesuai minat mahasiswa, agar mahasiswa mempunyai bekal dalam mengembangkan keahliannya. Tujuan dari penelitian ini yaitu; 1) Mengetahui algoritma yang efektif dalam merekomendasikan mata kuliah keilmuan dan keahlian pilihan di program studi PSTI; 2) Mengembangkan sistem rekomendasi mata kuliah pilihan di program studi PSTI. Jenis pendekatan penelitian yang digunakan pada adalah AI Project Life Cycle yang memiliki 3 proses utama. Data yang digunakan adalah data mahasiswa PSTI Angkatan 2018 dan 2019 yang berjumlah 100, yang diperoleh dari sumber primer yaitu dari dosen pengampu mata kuliah dan mahasiswa yang bersangkutan melalui kuesioner. Berdasarkan hasil penelitian dapat disimpulkan; 1) Hasil pengujian algoritma K-Means memiliki lebih efektif dalam memberikan rekomendasi mata kuliah keilmuan dan keahlian pilihan dibandingkan dengan algoritma decision tree, hal ini dipengaruhi oleh jumlah dan keberagaman dataset, jumlah atribut, jumlah komposisi data training dan data testing yang digunakan dalam proses pengujian; 2) Sistem rekomendasi mata kuliah pilihan dikembangkan dari sebuah model dari hasil pengujian yang kemudian di deployment ke dalam web, dengan memanfaatkan framework flask, HTML, CSS, dan JavaScript.