| dc.description.abstract | Pertumbuhan kredensial mikro pada pendidikan tinggi membuka peluang pembelajaran
yang lebih fleksibel, terarah, dan berorientasi kompetensi. Namun, banyaknya pilihan kursus
dan keterbatasan asesmen manual dapat menyulitkan pembelajar memperoleh rekomendasi
yang sesuai dan tepat waktu. Penelitian ini bertujuan mengembangkan dan mengevaluasi awal
MicroCred GenAI Backend sebagai layanan backend, yaitu bagian sistem yang menangani
logika, pengolahan data, dan integrasi layanan, untuk mendukung asesmen kredensial mikro
dan rekomendasi pembelajaran yang cepat, relevan, serta dapat ditelusuri.
Penelitian ini menggunakan pendekatan penelitian pengembangan sistem dengan fokus
pada perancangan, implementasi, dan evaluasi awal layanan backend. Metode pengembangan
perangkat lunak yang digunakan adalah Rapid Application Development (RAD), melalui
tahapan pendefinisian kebutuhan, perancangan purwarupa, penyerapan umpan balik, dan
finalisasi produk. Sistem dikembangkan sebagai minimum viable product (MVP) dengan
arsitektur modular monolith. Proses asesmen menggabungkan penilaian berbasis aturan dan
penilaian esai otomatis berbasis Generative Pre-trained Transformer (GPT). Rekomendasi
pembelajaran dibangun menggunakan retrieval-augmented generation (RAG) dengan
pemeringkatan hibrida ringan berbasis metadata, kata kunci, feature hashing, tag boost, dan
skor kualitas kursus. Sistem juga menyimpan skor relevansi, alasan rekomendasi, dan jejak
pengambilan untuk mendukung keterlacakan hasil.
Evaluasi dilakukan melalui observasi operasional, uji coba pengguna, audit manual,
dan analisis snapshot dump lokal. Observasi terhadap 147 asesmen menunjukkan median
waktu penyelesaian 13,21 detik, median latensi GPT 1696,5 ms, dan biaya per asesmen sekitar
USD 0.00017–0.00020. Uji coba terhadap 10 partisipan menghasilkan rata-rata relevansi dan
penerimaan 4,3 dari 5. Audit rekomendasi menghasilkan Precision@5 sebesar 0,98 dan
NDCG@5 sebesar 0,9709, sedangkan audit 30 esai menghasilkan MAE 1,1998 dan korelasi
Pearson 0,9990. Snapshot dump pada 152 asesmen menunjukkan seluruh pekerjaan GPT,
RAG, dan fusion selesai 100%.
Hasil penelitian menunjukkan bahwa MicroCred GenAI Backend layak menjadi
fondasi awal layanan asesmen dan rekomendasi kredensial mikro berbasis GenAI. Sistem
mampu mempercepat asesmen, menghasilkan rekomendasi relevan, dan menyediakan dasar
hasil yang dapat ditelusuri. Keterbatasan penelitian mencakup ukuran sampel, cakupan data
kursus, personalisasi, dan belum adanya pengukuran dampak pembelajaran jangka panjang. | en_US |
