Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Teknika
Depi Rahma Wati
Informatics and Business Institute Darmajaya
Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Control & Systems Engineering Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Model Sistem Rekomendasi Dosen Pembimbing Skripsi Menggunakan Algoritma Naïve Bayes Berdasarkan Klasifikasi Topik Penelitian Sulyono Sulyono; Depi Rahma Wati
TEKNIKA Vol. 20 No. 3 (2026): TEKNIKA
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36257/teknika.v20i3.11938

Abstract

Penentuan dosen pembimbing skripsi yang sesuai dengan topik penelitian mahasiswa merupakan faktor penting dalam menunjang kelancaran penyusunan skripsi. Penelitian ini bertujuan membangun sistem rekomendasi dosen pembimbing skripsi berbasis web-mobile menggunakan algoritma Multinomial Naïve Bayes. Sistem mengklasifikasikan kesesuaian topik skripsi mahasiswa berbasis data teks publikasi ilmiah dosen sebagai representasi bidang keahliannya. Penelitian ini memanfaatkan korpus data berupa 397 artikel ilmiah dari 15 dosen kandidat serta 81 judul skripsi mahasiswa sebagai data uji. Teks diolah melalui tahap case folding, tokenization, stopword removal, stemming, dan pembobotan Laplace smoothing untuk menghitung nilai posterior probability sebagai dasar perankingan rekomendasi kandidat dosen. Evaluasi fungsional melalui uji Black Box mengonfirmasi bahwa seluruh fungsi sistem berjalan dengan baik. Sementara itu, evaluasi model menggunakan confusion matrix menghasilkan nilai Accuracy sebesar 84,83%, Precision 86,18%, Recall 84,08%, dan F1-Score 85,11%. Pengujian Top-N Accuracy terhadap data penugasan aktual yang divalidasi oleh Ketua Program Studi Informatika menunjukkan akurasi Top-1 sebesar 84,83%, Top-3 sebesar 93,83%, dan Top-5 sebesar 97,53%. Hasil ini membuktikan bahwa algoritma Multinomial Naïve Bayes mampu memberikan rekomendasi dosen pembimbing secara otomatis dan akurat untuk mendukung pengambilan keputusan program studi.
Co-Authors Sulyono Sulyono