Sistem Rekomendasi Mata Kuliah Pilihan Menggunakan Graph Neural Network Pada Knowledge Graph Data Akademik Mahasiswa (Studi Kasus: Fakultas Ilmu Komputer Universitas Jember)
Tahun 2026 · Penulis: Ulul 'Azmi
Faculty of Computer Science, Universitas Jember
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Terjemahan mesin (opus-mt-en-id) · dipakai untuk pengindeksan
Sistem Rekomendasi Mata Kuliah Pilihan Menggunakan Graph Neural Network Pada Knowledge Graph Data Akademik Mahasiswa (Studi Kasus: Fakultas Ilmu Komputer Universitas Jember)
Proses perencanaan akademis adalah fase penting bagi siswa di Fakultas Ilmu Komputer, Universitas Jember. Namun, banyak siswa menghadapi kesulitan dalam memilih mata pelajaran pilihan yang selaras dengan kesanggupan mereka dan cara belajar yang disarankan oleh fakultas, sering kali mengakibatkan durasi belajar yang suboptimal. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi program cerdas yang menggunakan Jaringan Neural Grafik (GNN) pada Grafik Pengetahuan (KG) untuk menangani masalah ini. Metodologi ini mencakup membangun sebuah Heterogeneous Knowledge Graph yang berasal dari dua set dataset fakultas dasar: kurikulum resmi dan transkrip akademis sejarah dari para siswa dari kohort 2020-2022. Grafik yang diekstrak secara struktural menjadi model, kursus, aturan yang sangat spesifik, dan kinerja akademis. Arsitektur Graph Retention Network (GAT) diimplementasikan untuk melakukan tugas regresi link, memprediksi skor relevansi dari kursus yang tidak diambil berdasarkan ketergantungan multi-hop dan mekanisme perhatian diri. Evaluasi model menunjukkan kinerja yang luar biasa dengan RMSE 0.5487, Presisi 0.9494, Ingat 0.9981, F1-Score dari 0.9732, MAP 0.9715, dan NDCG 0.9939. Selain itu, sebuah penelitian ablasi membuktikan bahwa GAT secara signifikan melebihi algoritma aggregasi konvensional dengan berhasil menetapkan berat perhatian yang lebih tinggi untuk kursus prasyarat yang relevan. Penelitian itu menyimpulkan bahwa memadukan struktur prasyarat ke dalam Grafik Pengetahuan bertindak sebagai mekanisme gerak gerak yang logis, membimbing siswa dengan akurat sepanjang jalur belajar yang realistis. Model rekomendasi yang dihasilkan berhasil diintegrasikan ke dalam prototipe aplikasi seluler, memungkinkan siswa menyaring rekomendasi kursus berdasarkan kepentingan karir mereka yang spesifik.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,803
Tahun 2025 · Penulis: Nabila Rifdatuzzahro
Pengembangan LKPD Berbasis Socio-Scientific Issues (SSI) untuk Meningkatkan Computational Thinking Skills Siswa SMP
Ilmu Pengetahuan Alam adalah keilmuan sistematis mengenai fenomena alam yang didapat melalui eksperimen berdasarkan observasi dengan menggunakan metode ilmiah. Pembelajaran IPA merupakan pembelajaran yang berguna untuk mengetahui fenomena alam secara ilmiah. P
- Cosine 0,801
Tahun 2025 · Penulis: Farida
Implementasi Scientific Modelling Berbasis Socio-Scientific Issues dalam Pembelajaran IPA untuk Mengembangkan Argumentasi Siswa SMP Tentang Penularan Penyakit Pernapasan
Implementasi Scientific Modelling Berbasis Socio-scientific Issues dalam Pembelajaran IPA untuk Mengembangkan Argumentasi Siswa SMP tentang Penularan Penyakit Pernapasan; Farida; 210210104089, 35 halaman, Program Studi pendidikan IPA; Jurusan pendidikan MIPA;
- Cosine 0,797
Tahun 2026 · Penulis: Amalia Uzma
Pengembangan E-Modul Berbasis PjBL Eco-Enzyme untuk Meningkatkan Pemahaman Konsep Siswa Materi Wujud Zat dan Perubahannya
Penelitian ini dimotivasi oleh tingkat rendah pemahaman konseptual siswa tentang materi dan perubahannya, yang disebabkan oleh kegiatan belajar yang masih sangat bergantung pada buku pelajaran dan kurang pengalaman belajar yang bermakna dan kontekstual. Oleh k