Pemilihan program studi merupakan keputusan penting dalam menentukan masa depan siswa lulusan sekolah menengah. Namun, masih ada mahasiswa yang merasa salah dalam memilih program studi. Pemberian rekomendasi berdasarkan data terstruktur seperti nilai akademik dan hasil tes minat bakat dapat membatasi ekspresi pengguna karena memilih variabel yang telah ditentukan sehingga kurang menangkap preferensi dibandingkan dengan teks narasi. Oleh karena itu, penelitian ini bertujuan mengembangkan rekomendasi program studi berbasis Holland Codes yang mengintegrasikan IndoBERT dan Ontologi. IndoBERT digunakan untuk mengklasifikasikan minat bakat melalui teks narasi berbahasa Indonesia dan ontologi digunakan untuk merepresentasikan pengetahuan minat bakat dari pakar dengan basis aturan Semantic Web Rule Language (SWRL) yang memungkinkan penalaran otomatis dalam mengambil keputusan. Dataset yang digunakan dalam penelitian ini terdiri dari 1820 data narasi yang diperoleh dari kuesioner. Pelabelan dilakukan menggunakan Large Language Model (LLM) dengan label final ditentukan melalui majority voting. Evaluasi model IndoBERT menghasilkan F1-Score 0,6952 dan Hamming Loss 0,0895. Hasil pengujian terhadap 21 mahasiswa menggunakan feedback menunjukkan tingkat penerimaan (agreement) sebesar 76%, precision 44%, recall 100%, dan F1-Score 61,11%. Penelitian ini menunjukkan bahwa integrasi IndoBERT dan ontologi dapat memberikan rekomendasi program studi yang relevan dengan minat dan preferensi pengguna.