Asisten GenAI untuk Rekomendasi Tujuan Magang
Files
Date
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
DOI
Abstract
Magang merupakan bentuk pembelajaran berbasis pengalaman yang banyak diterapkan di pendidikan tinggi untuk menjembatani kesenjangan antara kompetensi lulusan dan kebutuhan industri. Namun, mahasiswa sering mengalami kesulitan menemukan tempat magang yang sesuai dengan preferensi dan keahliannya; hal ini dikonfirmasi oleh survei terhadap responden. Penelitian ini bertujuan untuk mengembangkan asisten berbasis Generative AI (GenAI) yang mampu menganalisis profil mahasiswa dari prompt yang dimasukkan dan memberikan rekomendasi magang yang sesuai dengan preferensi. Sistem ini dikembangkan menggunakan metode Rapid Application Development (RAD) dengan arsitektur Retrieval-Augmented Generation (RAG); proses pengambilan data dilakukan melalui Internship API dari fantastic.jobs. Model LLM Qwen2.5:7B dijalankan secara lokal via Ollama, dengan rekayasa prompt dua tahap dan klasifikasi intensi. Backend dibangun dengan Python dan Flask, sementara antarmukanya menggunakan HTML5, JavaScript, dan TailwindCSS. Evaluasi dilakukan melalui black-box testing (18 skenario) dan pengujian penerimaan pengguna terhadap lima partisipan. Hasil pengujian fungsional mencapai 77,8% keberhasilan. Penerimaan pengguna mendapat rata-rata positif, terutama pada kualitas bahasa dan antarmuka, sementara waktu respons menjadi kendala akibat trade-off dari penggunaan LLM lokal. Penelitian ini juga mendokumentasikan fenomena ketidakcocokan kata kunci antara LLM dan API eksternal sebagai kontribusi bagi pengembang sistem sejenis.