Pemanfaatan Nlp Untuk Ekstrasi Profil Kompetensi Dari Portofolio Digital Sebagai Dasar Sistem Rekomendasi
- Moch Fahmi Institut Teknologi dan Bisnis, Malang, Indonesia
-
Danang Arbian Sulistyo
*
Institut Teknologi dan Bisnis, Malang,
Indonesia
(*) Corresponding Author
Abstract
Seleksi penerima beasiswa merupakan proses penting dalam mendukung pemerataan akses pendidikan bagi mahasiswa yang memiliki potensi akademik maupun nonakademik. Namun, proses seleksi yang masih dilakukan secara konvensional sering menghadapi kendala berupa banyaknya dokumen yang harus dianalisis serta keterbatasan dalam mengidentifikasi profil kompetensi mahasiswa secara komprehensif. Penelitian ini mengusulkan pemanfaatan Natural Language Processing (NLP) untuk mengekstraksi profil kompetensi dari portofolio digital mahasiswa sebagai dasar pengembangan sistem rekomendasi beasiswa. Data yang digunakan berupa 1.042 dokumen biodata dan portofolio mahasiswa dalam format PDF yang memuat informasi akademik, pengalaman organisasi, aktivitas kemahasiswaan, serta kondisi sosial ekonomi keluarga. Tahapan penelitian meliputi ekstraksi teks dari dokumen, pembersihan dan normalisasi data, pembentukan representasi fitur menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF), serta integrasi fitur tekstual, numerik, dan kategorikal untuk menghasilkan profil kompetensi yang lebih representatif. Selanjutnya, algoritma Random Forest diterapkan untuk mengklasifikasikan kelayakan penerima beasiswa dan menghasilkan skor rekomendasi bagi setiap kandidat. Evaluasi model dilakukan menggunakan skema pembagian data sebesar 75% untuk pelatihan dan 25% untuk pengujian. Hasil penelitian menunjukkan bahwa model mampu mencapai tingkat akurasi sebesar 74%, nilai F1-Score sebesar 0,46 pada kelas penerima beasiswa, dan nilai Average Precision sebesar 0,526. Temuan tersebut mengindikasikan bahwa pendekatan NLP efektif dalam mengidentifikasi dan mengolah informasi kompetensi yang tersebar pada portofolio digital sehingga dapat mendukung proses seleksi beasiswa yang lebih objektif, cepat, dan terukur. Selain itu, sistem yang dikembangkan mampu menghasilkan pemeringkatan kandidat berdasarkan tingkat kelayakan yang diperoleh dari kombinasi aspek akademik, pengalaman organisasi, serta kondisi sosial ekonomi, sehingga dapat menjadi alternatif solusi dalam meningkatkan kualitas pengambilan keputusan pada program beasiswa berbasis data.
Downloads
References
S. V. Panyukova, “Student’s Digital Portfolio for Assessing and Presenting Talents,” ITM Web Conf., vol. 35, p. 02006, 2020, doi: 10.1051/itmconf/20203502006.
S. A. Aljawarneh, “Reviewing and exploring innovative ubiquitous learning tools in higher education,” J. Comput. High. Educ., vol. 32, no. 1, pp. 57–73, 2020, doi: 10.1007/s12528-019-09207-0.
M. T. Nururrohman and E. Setyati, “Sistem Rekomendasi Penerima Beasiswa pada Calon Mahasiswa Menggunakan Algoritma XGBoost di Universitas Islam Darul ‘Ulum Lamongan,” Syntax J. Inform., vol. 14, no. 01, pp. 13–24, 2025, doi: 10.35706/syji.v14i01.13070.
L. K. Allen, S. C. Creer, and P. Öncel, “Natural Language Processing: Towards a Multi-Dimensional View of the Learning Process,” Handb. Learn. Anal., pp. 46–53, 2022, doi: 10.18608/hla22.005.
D. Sulistyo, F. Ahda, and V. A. Fitria, “Epistomologi dalam Natural Language Processing,” J. Inov. Teknol. dan Edukasi Tek., vol. 1, no. 9, pp. 652–664, 2021, doi: 10.17977/um068v1i92021p652-664.
V. Ayumi, M. Purba, and S. Mailana, “Klasifikasi Teks Umpan Balik Kompetensi Sosial Dosen di Perguruan Tinggi Menggunakan Word2Vec dan CNN-1D,” JSAI (Journal Sci. Appl. Informatics), vol. 8, no. 2, pp. 564–569, 2025, doi: 10.36085/jsai.v8i2.8763.
M. Ahmednor, Suhartono, and Imamudin, “Klasifikasi Keterampilan Kerja Menggunakan Metode Tf-Idf Dan Decision Tree Pada Data Lowongan Kerja Linkedin,” J. Apl. Dan Inov. Ipteks “Soliditas,” vol. 8, no. 1, pp. 52–60, 2025, doi: 10.31328/js.v8i1.7152.
R. Amin and A. S. F. Utami, “Prediksi Nilai Ujian Berdasarkan Kebiasaan Siswa Menggunakan Algoritma Random Forest Regressor,” Inf. Syst. Educ. Prof. J. Inf. Syst., vol. 10, no. 2, p. 149, 2025, doi: 10.51211/isbi.v10i2.3722.
Gefy Fitry Wijaya and Dwi Yuniarto, “Tinjauan Penerapan Machine Learning pada Sistem Rekomendasi Menggunakan Model Klasifikasi,” Pop. J. Penelit. Mhs., vol. 3, no. 4, pp. 144–153, 2024, doi: 10.58192/populer.v3i4.2798.
R. K. Nasirin and R. D. Indahsari, “Model Penilaian Jawaban Esai Berbasis Semantic Understanding Menggunakan LLaMa dan Text Similarity,” J. Edukasi dan Penelit. Inform., vol. 11, no. 2, pp. 326–336, 2025.
E. D. Manawan and F. A. Ahda, “RNN Based Customer Service Chatbot for Information Support at Gleamore,” ICoBITS, vol. 1, pp. 772–780, 2026, doi: 10.32664/icobits.v1.52.
H. A. Salman, A. Kalakech, and A. Steiti, “Random Forest Algorithm Overview,” Babylonian J. Mach. Learn., vol. 2024, pp. 69–79, 2024, doi: 10.58496/BJML/2024/007.
Mega Maulina, Y. P. Hiola, Indahwati, and Aam Alamudi, “Performance Evaluation of Multinomial Logistic Regression, Random Forest, and XGBoost Methods in Data Classification,” J. Math. Comput. Stat., vol. 8, no. 2, pp. 355–373, 2025, doi: 10.35580/jmathcos.v8i2.8459.
W. D. Ahmad and A. Abu Bakar, “Classification Models for Higher Learning Scholarship Award Decisions,” Asia-Pacific J. Inf. Technol. Multimed., vol. 07, no. 02, pp. 131–145, 2018, doi: 10.17576/apjitm-2018-0702-10.
M. Amien, “Sejarah dan Perkembangan Teknik Natural Language Processing (NLP) Bahasa Indonesia: Tinjauan tentang sejarah, perkembangan teknologi, dan aplikasi NLP dalam bahasa Indonesia,” no. 2007, pp. 1–7, 2023, [Online]. Available: http://arxiv.org/abs/2304.02746
N. Livia, “Kelayakan Pemberian Kredit Pada Pt Bpr Prima Multi Makmur,” vol. 3, pp. 1–11.
Mr. Shrikanth N G, Shraddha D S, Shreeja H S, Sanmitha, and Shravya G Naik, “Decision Support Systems and Automated Platforms for Scholarship Selection: A Comprehensive Review,” Int. J. Adv. Res. Sci. Commun. Technol., p. 218, 2025, doi: 10.48175/ijarsct-30424.
N. Rahma et al., “REVIEW OF LITERATURE REVIEW OF DECISION SUPPORT SYSTEM MODELING IN MICRO , SMALL,” vol. 11, no. 2, pp. 185–190, 2023.
A. Ahadi, A. Singh, M. Bower, and M. Garrett, “Text Mining in Education—A Bibliometrics-Based Systematic Review,” Educ. Sci., vol. 12, no. 3, 2022, doi: 10.3390/educsci12030210.
B. A. Wulandari, R. Norawati, I. Anastasia, A. Ridha, and R. Heryanti, “Penggunaan Portofolio Digital Untuk Mendorong Pembelajaran Refleksi dan Mandiri,” J. Karya Abdi Masy., vol. 5, no. 3, pp. 356–362, 2021, [Online]. Available: https://mail.online-journal.unja.ac.id/JKAM/article/view/16220
Bila bermanfaat silahkan share artikel ini
Berikan Komentar Anda terhadap artikel Pemanfaatan Nlp Untuk Ekstrasi Profil Kompetensi Dari Portofolio Digital Sebagai Dasar Sistem Rekomendasi
Pages: 295-303
Copyright (c) 2026 Danang Arbian Sulistyo, Moch Fahmi
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under Creative Commons Attribution 4.0 International License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (Refer to The Effect of Open Access).
