RANCANG BANGUN SISTEM TRYOUT CPNS DENGAN REKOMENDASI MATERI MENGGUNAKAN METODE CONTENT BASED FILTERING

DESIGN AND DEVELOPMENT OF A CPNS TRYOUT SYSTEM WITH MATERIAL RECOMMENDATIONS USING THE CONTENT-BASED FILTERING METHOD

Seleksi Calon Pegawai Negeri Sipil (CPNS) di Indonesia memiliki tingkat persaingan yang sangat ketat sehingga memerlukan strategi persiapan yang terstruktur dan relevan. Penelitian ini bertujuan untuk merancang dan membangun sistem tryout CPNS berbasis web yang dilengkapi fitur rekomendasi materi pembelajaran menggunakan metode Content Based Filtering (CBF). Sistem menganalisis hasil tryout peserta dengan mendeteksi jawaban salah, kemudian merekomendasikan materi belajar yang sesuai berdasarkan kemiripan kata kunci menggunakan algoritma Cosine Similarity. Sistem dikembangkan menggunakan framework Laravel dengan Bootstrap dan MySQL sebagai basis data. Evaluasi sistem dilakukan melalui pengujian Blackbox Testing untuk menguji fungsionalitas sistem yang menunjukkan hasil 100% skenario lulus pada sisi administrator dan pengguna, pengujian System Usability Scale (SUS) yang menunjukkan skor rata-rata 80,51% dalam kategori "Baik" yang mengindikasikan tingkat penerimaan dan kemudahan penggunaan yang tinggi, serta evaluasi efektivitas rekomendasi menggunakan validasi akurasi secara manual terhadap 20 sampel data soal yang menunjukkan tingkat ketepatan 75% yang berarti mayoritas materi relevan dengan kebutuhan pengguna dan metode pretest-posttest dengan analisis Normalized Gain (N-Gain) terhadap 20 pengguna yang menghasilkan rata-rata N-Gain sebesar 50,50% dalam kategori "Cukup Efektif" dengan 70% pengguna mengalami peningkatan skor. Hasil penelitian membuktikan bahwa sistem tryout CPNS dengan rekomendasi materi berbasis CBF efektif sebagai sarana pendukung belajar untuk meningkatkan pemahaman dan kesiapan peserta dalam menghadapi ujian CPNS.

The Civil Servant Candidate (CPNS) selection in Indonesia has a highly competitive environment, requiring structured and relevant preparation strategies. This research aims to design and develop a web-based CPNS tryout system equipped with learning material recommendation features using the Content Based Filtering (CBF) method. The system analyzes participants' tryout results by detecting incorrect answers, then recommends appropriate learning materials based on keyword similarities using the Cosine Similarity algorithm. The system is developed using the Laravel framework with Bootstrap and MySQL as the database. System evaluation was conducted through Blackbox Testing to examine system functionality showing a 100% pass rate for all scenarios on both administrator and user sides, System Usability Scale (SUS) testing showing an average score of 80.51% in the "Good" category indicating high user acceptance and ease of use, and recommendation effectiveness evaluation using manual accuracy validation on 20 sample data questions showing a 75% accuracy rate meaning the majority of materials are relevant to user needs and the pretest-posttest method with Normalized Gain (N-Gain) analysis involving 20 users resulting in an average N-Gain of 50.50% in the "Moderately Effective" category with 70% of users experiencing score improvements. The research results prove that the CPNS tryout system with CBF-based material recommendations is effective as a learning support tool to enhance understanding and readiness of participants in facing the CPNS examination.