ABSTRAKSI: Pada Tugas Akhir ini topik permasalahan yang ingin dibahas adalah mengenai sistem rekomendasi pengambilan mata kuliah pilihan untuk mahasiswa. Biasanya mahasiswa mengalami kesulitan ketika ingin memilih mata kuliah pilihan yang sesuai dengan minat atau bidangnya. Sistem rekomendasi ini akan merekomendasikan mata kuliah pilihan berdasarkan rating yang diberikan mahasiswa pada mata kuliah sebelumnya dan rating mahasiswa lain atau histori nilai dari mahasiswa yang bersangkutan.
Sistem perekomendasi mata kuliah pilihan ini menggunakan metode switching hybrid, dimana akan ada dua metode yang digunakan, yaitu collaborative filtering dan content based filtering.
Dalam metode collaborative filtering, tahap-tahap rekomendasi adalah sebagai berikut; mencari kemiripan antar item menggunakan cosine similarity measure, kemudian melakukan prediksi rating menggunakan metode weighted sum. Sedangkan untuk metode content-based filtering rekomendasi akan dihasilkan melalui query yang diproses dari histori nilai mahasiswa, yang nantinya digunakan untuk menghitung bobot TF-IDF pada dokumen mata kuliah pilihan.
Hasil rekomendasi berupa daftar mata kuliah pilihan yang terurut berdasarkan prediksi rating (collaborative filtering), atau bobot TF-IDF(content-based filtering).
Kata Kunci : recommender system, collaborative filtering, content based filtering, hybrid, switching hybridABSTRACT: Students usually have difficulties when they want to take elective courses which match their field of interests. This research will be discussing about implementation of hybrid recommender system for optional-course taking. This recommendation system will recommend elective courses based on the student rating given in previous optional courses and other student ratings or based on academic history of the students concerned.
This elective courses recommender system will using switching hybrid method, where there are two methods which will be used, collaborative filtering and content-based filtering.
In collaborative filtering method, recommendation will be generated through several steps; first the system will measuring similarities between items using the cosine similarity measure, then calculate rating prediction using weighted sum method.
In content-based filtering, recommendation will be generated using query which will be processed from student‟s academic history, which will be used to calculate the TF-IDF weight in each document of elective courses.
The result of recommendation process is a list contains elective courses which are recommended by system.
Keyword: recommender system, collaborative filtering, content based filtering, hybrid, switching hybrid