Publisher

Tel-UTel-U

Journal Indonesian Journal on Computing (Indo-JC)Indonesian Journal on Computing (Indo-JC) Abstract

Bagi siswa sekolah menengah kejuruan, memilih jurusan kuliah sangat penting karena memengaruhi kesesuaian karir, pengembangan kompetensi, dan motivasi akademik. Studi ini mengembangkan sistem rekomendasi hibrida untuk siswa SMK Telkom Jakarta yang menempuh jurusan Teknik Komputer dan Jaringan (TKJ) serta Rekayasa Perangkat Lunak (RPL). Sistem ini menggabungkan Sentence-Transformers untuk representasi semantik, FAISS untuk pencarian kesamaan vektor, dan pencocokan berbasis aturan untuk pemeringkatan ulang berbasis domain. Teks bebas digunakan untuk mewakili minat, preferensi, hobi, dan keterampilan kejuruan siswa, dengan nilai rapor sebagai masukan opsional. Sentence-Transformers menghasilkan embedding, FAISS mengindeksnya untuk pencarian kesamaan, lalu jurusan kandidat disusun ulang berdasarkan aturan linearitas kompetensi, kata kunci minat, dan persyaratan akademik opsional. Evaluasi dilakukan pada 60 profil berlabel menggunakan metrik klasifikasi (Presisi, Recall, F1-Score) dan metrik berbasis peringkat (MAP, MRR, NDCG), serta kuesioner kegunaan. Pada skenario Top-3, sistem memperoleh Presisi = Recall = F1-Score = 0,6944 (0,6818 tanpa nilai rapor pada 44 profil dan 0,7292 dengan nilai rapor pada 16 profil), dengan MAP = 0,657, MRR = 0,972, dan NDCG = 0,752. Konfigurasi Top-2 meningkatkan presisi menjadi 0,80 dengan recall yang lebih rendah (0,533). Berdasarkan skor SUS rata-rata 69,57, prototipe ini dinilai mudah digunakan dan dipahami.

Conclusion

In this study, Sentence-Transformers, FAISS, and rule-based matching were integrated to create a hybrid college major recommendation system specifically for vocational high school students.This system uses FAISS to retrieve candidate majors, applies education domain rules to re-rank the candidates, and represents student profiles and major descriptions as semantic embeddings.Python and Streamlit were used to implement a prototype for students, specifically those in the RPL and TKJ programs at Telkom Vocational High School in Jakarta.The evaluation shows that the proposed hybrid strategy generates relevant recommendations.On 60 labeled profiles, the Top-3 configuration achieved a precision, recall, and F1-score of 0.7292 with report-card input), together with MAP = 0.A Top-2 configuration traded recall for a higher precision of 0.The usability evaluation produced an average SUS score of 69.57, indicating that the prototype is understandable and usable, although the user interface still needs improvement.Overall, the study shows that students can choose their university majors more methodically when semantic retrieval and rule-based educational constraints are combined.The system can offer a preliminary recommendation and explanation to facilitate discussion, but it should not take the place of the judgment of educators or counselors.The main database should be expanded in the future, academic rules should be improved, more users and experts should be involved in validation, and the user interface should be improved for wider deployment.

Future Research

Untuk penelitian lanjutan, dapat dipertimbangkan untuk memperluas basis data utama, meningkatkan aturan akademik, melibatkan lebih banyak pengguna dan ahli dalam validasi, serta meningkatkan antarmuka pengguna untuk penerapan yang lebih luas. Selain itu, dapat dilakukan validasi kebenaran oleh beberapa ahli bidang untuk mengukur tingkat kesepakatan antar penilai, dan desain aturan dapat disempurnakan untuk mengurangi false positives dan false negatives yang teridentifikasi dalam analisis kesalahan. Sistem juga dapat diperluas untuk mencakup kompetensi kejuruan selain RPL dan TKJ, dan modul penjelasan dapat ditambahkan untuk menghasilkan alasan yang lebih jelas dalam bahasa alami sambil tetap berbasis pada hasil aturan dan kesamaan.

References

1. [2310.11703] A Comprehensive Survey on Vector Database: Storage and Retrieval Technique, Challenge. survey... arxiv.org/abs/2310.117032310 11703 A Comprehensive Survey on Vector Database Storage and Retrieval Technique Challenge survey arxiv abs 2310 11703
2. Career Recommendation Based on Feature Selection for Undergraduate Students Using Machine Learning Techniques.... thesai.org/Publications/ViewPaper?Volume=16&Issue=3&Code=ijacsa&SerialNo=23Career Recommendation Based on Feature Selection for Undergraduate Students Using Machine Learning Techniques thesai Publications ViewPaper Volume 16 Issue 3 Code ijacsa SerialNo 23

Metadata

File size	2.06 MB
Pages	17
DMCA	Report