Penerapan Collaborative Filtering dan Explainable AI dalam Memprediksi Penilaian untuk Merekomendasikan Kursus MOOCNabila Muthia Putri / Ir. Mugi Praseptiawan, S.T., M.Kom. / Teknik Informatika, 2024Terobosan Massive Open Online Course (MOOC) telah membantu bidang pendidikan dengan membuat pembelajaran menjadi mudah diakses bagi banyak orang di seluruh dunia. Namun, pengguna sering kali merasa kesulitan dalam memilih kursus yang sesuai dengan kebutuhan dan minat mereka karena banyaknya sumber d... |
PERBANDINGAN CONTENT-BASED FILTERING DAN COLLABORATIVE FILTERING PADA DATASET MOOC DENGAN MENGGUNAKAN LIMEBintang Yosafat Putra / Mugi Praseptiawan, S.T., M.Kom. / Teknik Informatika, 2025Melimpahnya pilihan kursus pada platform Massive Open Online Course (MOOC) seringkali menyebabkan information overload, sehingga pengguna kesulitan menemukan materi yang paling relevan. Penelitian ini bertujuan untuk membandingkan efektivitas dua model sistem rekomendasi—Content-Based Filtering (C... |
Perbandingan Kinerja XGBoost dan TabNet untuk Klasifikasi Diabetes Dini berdasarkan Faktor Risiko Kesehatan dengan Explainable AICICI TRI FADILA.AS / Andika Setiawan, S.Kom., M.Cs. / Teknik Informatika, 2026Penyakit diabetes merupakan salah satu tantangan kesehatan global dengan tingginya angka kasus yang tidak terdiagnosis. Penelitian ini bertujuan membangun model klasifikasi dini penyakit diabetes menggunakan algoritma XGBoost dan TabNet, serta membandingkan performa keduanya sebagai model yang b... |