ABSTRAKSI: Setiap semester mahasiswa memiliki kewajiban mengambil mata kuliah sesuai paket yang ada saat masa registrasi. Namun ada kalanya mahasiswa mengalami kebingungan dalam pengambilan mata kuliah, misalnya saja mata kuliah yang perlu diulang, pre-requisite yang belum diambil dan lainnya. Saat ini di IT Telkom belum ada sistem yang dapat menangani masalah tersebut, karena panduan yang ada masih statis dan tidak spesifik. Recommender system merupakan solusi yang tepat karena dapat menyediakan rekomendasi suatu item yang diprediksi dapat memenuhi keinginan dan keperluan user.
Rekomendasi yang dihasilkan dibangun dari data user profile mahasiswa yang nantinya diproses bersamaan dengan knowledge yang dimiliki sistem dengan menggunakan metode Knowledge-based. Pada tahap selanjutnya dengan menggunakan user based Collaborative-filtering akan dicari mahasiswa yang memiliki kesamaan dalam pengambilan mata kuliah pilihan pada data history. Rating yang digunakan dalam penentuan User similarity adalah nilai mata kuliah pilihan, kemudian akan diberikan rekomendasi berdasarkan mahasiswa dengan similarity tertinggi.
Saat proses pengujian, dari 8 mahasiswa angkatan 2008 didapat tingkat akurasi rata-rata sekitar 77,846 persen yang menunjukkan metode hybrid ini cukup cocok pada studi kasus pengambilan mata kuliah.Kata Kunci : recommender system, user profile, user similarity, knowledge-based, collaborative-filteringABSTRACT: Each semester students have a duty to take course according to available package from faculty during registration period. But sometimes students are confused in taking courses, such a courses that need to be repeated, a pre-requisite issues etc. Nowdays, there is no system in IT Telkom that can handle that problems, because the existing guides are static and non-specific. Recommender system is the suitable solution because it can provide a recommendation for an item that meet the desires and needs of the user.
Recommendation result was generated from data of user profile student and then using Knowledge-based method for processing system’s knowledge. In the next step, using user based collaborative filtering for searching a similar user based on a taking of optional course in history data. Rating that used to determine user similarity is optional course score, and then give recommendation based on highest similarity.
When testing phase the result from 8 students of 2008 shows that average accuracy is about 77.846 percent and that means hybrid method is good enough for this case.Keyword: recommender system, user profile, user similarity, knowledge-based, collaborative-filtering