BAB 31. AI MATCHING ARCHITECTURE

Pendahuluan

AI Matching merupakan inti kecerdasan TemuBelajar yang bertugas mempertemukan siswa yang membutuhkan bantuan dengan tutor sebaya atau guru yang paling sesuai berdasarkan data nyata (evidence-based), bukan hanya klaim kemampuan pengguna.

Tujuan utama AI Matching:

• Mempercepat pencarian tutor
• Meningkatkan peluang masalah terselesaikan
• Mendistribusikan beban tutor secara adil
• Membangun reputasi berdasarkan kontribusi nyata

---

Prinsip Arsitektur

Prinsip	Implementasi
Evidence Based	Menggunakan histori aktivitas nyata, bukan klaim
Explainable	Skor dapat dijelaskan kepada pengguna
Deterministic	Hasil konsisten untuk input yang sama
Modular	Mudah diganti ke ML di masa depan
Scalable	Mendukung ribuan request secara bersamaan

---

Arsitektur Komponen

flowchart LR
    A["📝 Request Bantuan"] --> B["🔍 Candidate\nGenerator"]
    B --> C["⚙️ Scoring\nEngine"]
    C --> D["📊 Ranking\nEngine"]
    D --> E["📲 Notification\nEngine"]
    E --> F["✅ Tutor\nTerpilih"]

    style A fill:#4f63d2,color:#fff
    style C fill:#7c3aed,color:#fff
    style F fill:#059669,color:#fff

---

Detail Komponen

🔍 Candidate Generator

Menghasilkan daftar tutor yang memenuhi syarat dasar sebelum memasuki proses scoring.

Filter awal:

• Berada di sekolah yang sama
• Status akun aktif
• Tidak diblokir oleh sistem
• Bukan siswa yang membuat request (diri sendiri)
• Memiliki skill yang relevan dengan request

⚙️ Scoring Engine

Menghitung skor kesesuaian untuk setiap kandidat tutor berdasarkan multi-faktor dengan bobot yang telah ditentukan.

📊 Ranking Engine

Mengurutkan seluruh kandidat berdasarkan skor dari tertinggi ke terendah, dengan penyesuaian fairness.

📲 Notification Engine

Mengirim push notification ke tutor berdasarkan urutan prioritas secara bertahap (cascade notification).

---

Data Input AI Matching

Data	Sumber
Mata pelajaran	Request dari siswa
Materi spesifik	Request dari siswa
Skill tutor	Academic Portfolio siswa
Rating historis	Tabel ratings
Histori keberhasilan	Tabel meetings
Jadwal ketersediaan	Tabel bookings
Lokasi	Meeting location request
Beban aktif saat ini	Active bookings
Response time rata-rata	Booking history

---

Output AI Matching

Output	Deskripsi
Tutor Prioritas	Tutor dengan matching score tertinggi
Matching Score	Nilai numerik 0–100
Confidence Level	Tingkat keyakinan sistem terhadap rekomendasi
Recommendation Reason	Alasan pemilihan tutor yang dapat ditampilkan

---

Alur Lengkap AI Matching

flowchart TD
    A["📝 Request Baru Dibuat"] --> B["🔀 Dispatch MatchingJob ke Queue"]
    B --> C["🔍 Candidate Generator\n— Filter awal —"]
    C --> D{{"Kandidat\nTersedia?"}}
    D -->|Tidak| E["⚠️ Notifikasi siswa:\nTutor tidak tersedia"]
    D -->|Ya| F["⚙️ Scoring Engine\n— Hitung skor —"]
    F --> G["📊 Ranking Engine\n— Urutkan —"]
    G --> H["⚖️ Fairness Adjustment"]
    H --> I["📲 Cascade Notification\nTutor #1 → #2 → #3"]
    I --> J{{"Tutor\nMenerima?"}}
    J -->|Ya| K["✅ Booking Aktif"]
    J -->|Tidak (semua)| E

    style A fill:#4f63d2,color:#fff
    style K fill:#059669,color:#fff
    style E fill:#dc2626,color:#fff