PENERAPAN SWRL, IndoBERT DAN SVM UNTUK PENDUKUNG KEPUTUSAN PEMILIHAN PROGRAM STUDI BERBASIS HOLLAND CODES
Penulis Utama
:
Andreas Domenico Situmorang
NIM / NIP
:
M0521083
×<p>Pemilihan program studi merupakan keputusan penting yang
mempengaruhi keberhasilan akademik dan karir seseorang. Penelitian ini
mengembangkan sistem pendukung keputusan pemilihan program studi
berbasis Holland Codes dengan mengintegrasikan Semantic Web Rule
Language (SWRL), IndoBERT, dan Support Vector Machine (SVM). Ontology
yang dibangun menggunakan SWRL menghubungkan antara minat, bakat, dan
kepribadian siswa dengan berbagai program studi. Model IndoBERT
digunakan untuk melakukan embedding jawaban naratif siswa, sedangkan SVM
digunakan untuk mengklasifikasikan minat dan bakat berdasarkan data yang
dihasilkan oleh IndoBERT. Sistem ini mampu memberikan rekomendasi
program studi yang sesuai dengan minat dan bakat pengguna. Evaluasi sistem
dilakukan terhadap responden menunjukkan hasil 91% responden setuju
dengan rekomendasi yang diberikan dan nilai kepercayaan rata-rata adalah
77%. Evaluasi confusion matrix yang diapatkan juga cukup baik dengan
accuracy sebesar 83,87%, precision mencapai 90,48%, recall sebesar 86,36%,
serta f1-score sebesar 88,37%. Penelitian ini menunjukkan bahwa integrasi
SWRL, IndoBERT, dan SVM dapat meningkatkan akurasi dan kepercayaan
dalam memberikan rekomendasi pemilihan program studi. </p>
×
Penulis Utama
:
Andreas Domenico Situmorang
Penulis Tambahan
:
-
NIM / NIP
:
M0521083
Tahun
:
2025
Judul
:
PENERAPAN SWRL, IndoBERT DAN SVM UNTUK PENDUKUNG KEPUTUSAN PEMILIHAN PROGRAM STUDI BERBASIS HOLLAND CODES
Edisi
:
Imprint
:
Surakarta - Fak. Teknologi Informasi dan Sains Data - 2025
Program Studi
:
S-1 Informatika
Kolasi
:
Sumber
:
Kata Kunci
:
Sistem Pendukung Keputusan, Semantic Web Rule Language, IndoBERT, Support Vector Machine, Holland Codes
