Hasil Rekomendasi - Sistem Pemilihan Jurusan

Hasil Analisis

Berikut adalah hasil analisis sistem terhadap profil Anda. Jurusan diurutkan berdasarkan skor kesesuaian dari yang tertinggi.

Data Profil Anda

Nilai Akademik

Rata-rata: {{ number_format($average, 1) }}

Preferensi Studi

Prestasi

@if(!($isPrestasiFilled ?? true)) Tidak Dihitung @elseif($prestasiScore >= 0.8) Tinggi @elseif($prestasiScore >= 0.6) Sedang @elseif($prestasiScore > 0) Cukup @else Belum Ada @endif

Skor Nilai

{{ number_format($average, 1) }}%

Peringkat Jurusan

@foreach($hasilAkhir as $index => $res) @endforeach

#	Jurusan	Skor
{{ $index + 1 }}	{{ $res['jurusan'] ?? '-' }} @if($index == 0) ⭐ Utama @endif	{{ number_format(($res['skor'] ?? 0) * 100, 1) }}%

@foreach($hasilAkhir as $index => $res)

{{ $res['jurusan'] ?? '-' }} {{ number_format(($res['skor'] ?? 0) * 100, 1) }}%

@endforeach

@if(count($hasilAkhir) > 0)

@php $topRecommendation = $hasilAkhir[0]; $detail = $topRecommendation['detail'] ?? []; @endphp

Skor Kesesuaian: {{ number_format(($topRecommendation['skor'] ?? 0) * 100, 1) }}%

@if($topJurusan && $topJurusan->deskripsi)

@endif

Likelihood per Kriteria (Weighted Naive Bayes):

Nilai Akademik — P(nilai|H) × w=0.40

{{ number_format(($detail['nilai'] ?? 0) * 100, 1) }}%

Minat & Bakat — P(minat|H) × w=0.35

{{ number_format(($detail['minat'] ?? 0) * 100, 1) }}%

Preferensi Studi — P(pref|H) × w=0.15

{{ number_format(($detail['pref'] ?? 0) * 100, 1) }}%

Cita-cita — P(cita|H) × w=0.05

{{ number_format(($detail['cita'] ?? 0) * 100, 1) }}%

Prestasi — P(prestasi|H) × w={{ ($isPrestasiFilled ?? true) ? '0.05' : '0.00' }}

@if(!($isPrestasiFilled ?? true)) Tidak dihitung @else {{ number_format(($detail['prestasi'] ?? 0) * 100, 1) }}% @endif

💡 Alasan Kenapa Jurusan Ini Cocok:

📊

Nilai Akademik: {{ $topRecommendation['explanation']['nilai'] ?? '-' }}

❤️

Minat & Bakat: {{ $topRecommendation['explanation']['minat'] ?? '-' }}

🎓

Metode Pembelajaran: {{ $topRecommendation['explanation']['pref'] ?? '-' }}

🎯

Cita-cita Karir: {{ $topRecommendation['explanation']['cita'] ?? '-' }}

🏆

Prestasi Akademik: {{ $topRecommendation['explanation']['prestasi'] ?? '-' }}

📋 Kesimpulan:

Berdasarkan profil Anda dengan nilai akademik {{ $katNilai }} (rata-rata {{ number_format($average, 1) }}) dan preferensi studi {{ $prefStudi }}, sistem menganalisis bahwa {{ $topRecommendation['jurusan'] ?? '-' }} adalah pilihan yang paling sesuai dengan skor {{ number_format(($topRecommendation['skor'] ?? 0) * 100, 1) }}%.

@if($topJurusan && $topJurusan->prospek_kerja)

Prospek Kerja:

@endif

@endif @if(count($hasilAkhir) > 1)

🔍 Rekomendasi Alternatif & Penjelasan Detail

@foreach($hasilAkhir as $index => $rec) @if($index > 0)

Skor: {{ number_format(($rec['skor'] ?? 0) * 100, 1) }}%

▸

Scoring per Kriteria:

📊 Nilai (40%) {{ number_format(($rec['detail']['nilai'] ?? 0) * 100, 1) }}%

❤️ Minat (35%) {{ number_format(($rec['detail']['minat'] ?? 0) * 100, 1) }}%

🎓 Preferensi (15%) {{ number_format(($rec['detail']['pref'] ?? 0) * 100, 1) }}%

🎯 Cita-cita (5%) {{ number_format(($rec['detail']['cita'] ?? 0) * 100, 1) }}%

🏆 Prestasi ({{ ($isPrestasiFilled ?? true) ? '5%' : '0%' }}) @if(!($isPrestasiFilled ?? true)) Tidak dihitung @else {{ number_format(($rec['detail']['prestasi'] ?? 0) * 100, 1) }}% @endif

@if(isset($rec['explanation']) && is_array($rec['explanation']))

💡 Alasan Cocok:

📊 {{ $rec['explanation']['nilai'] ?? '-' }}
❤️ {{ $rec['explanation']['minat'] ?? '-' }}
🎓 {{ $rec['explanation']['pref'] ?? '-' }}
🎯 {{ $rec['explanation']['cita'] ?? '-' }}
🏆 {{ $rec['explanation']['prestasi'] ?? '-' }}

@endif

@endif @endforeach

@endif

💬

Konsultasi Lebih Lanjut

Ingin tahu mengapa jurusan {{ $hasilAkhir[0]['jurusan'] ?? '' }} direkomendasikan? Konsultasikan dengan AI Konselor BK Virtual untuk penjelasan detail berdasarkan profil Anda.

💬 Tanya AI: "Mengapa jurusan ini cocok untukku?"

Kembali & Ubah Input Ke Dashboard

Metode: Sistem menggunakan algoritma Weighted Naive Bayes dengan 5 fitur berbobot: Nilai Akademik (w=0.40), Minat (w=0.35), Preferensi Studi (w=0.15), Cita-cita (w=0.05), Prestasi (w=0.05). Jika prestasi tidak diisi, atribut prestasi tidak dihitung (w=0.00) dan bobot atribut lain dinormalisasi. Rumus: P(H|X) ∝ P(H) × ∏ P(Xi|H)^wi, kemudian dinormalisasi menggunakan softmax.