<![CDATA[Case Based Reasoning (CBR) merupakan sistem penalaran yang menggunakan kasus lama untuk mengatasi masalah baru. CBR memberikan solusi terhadap kasus baru dengan melihat kasus lama yang paling mendekati kasus baru. Sistem yang dibangun dalam penelitian ini adalah sistem CBR untuk rekomendasi topik skripsi program studi informatika Univeritas Pembangunan Nasional ?Veteran? Jawa Timur. Proses perhitungan dilakukan dengan memasukkan kasus baru yang berisi fitur-fitur yang dihitung oleh sistem untuk menemukan nilai similaritas antara kasus baru dengan basis kasus menggunakan metode perhitungan similaritas manhattan distance dan euclidean distance. Penelitian ini dikelompokkan menjadi laboratorium Pemrograman, Pengembangan dan Strategi IT (PPS) dan Sistem Cerdas dan Robotika (SCR). Kasus yang diambil menggunakan klasifikasi hasil K-Nearest Neighbour yang bidandingkan dengan mengambil rekomendasi dari tiga similaritas tertinggi. Jika suatu kasus tidak berhasil mencapai nilai threshold, maka kasus direvisi oleh pakar. Hasil pengujian rata-rata sistem untuk merekomendasikan topik skripsi menggunakan transkrip nilai dari salah satu laboratoium, ditemukan bahwa pada laboratorium PPS dengan hasil rekomendasi topik skripsi terbaik dengan menerapkan pemilihan salah satu dari rekomendasi tiga similaritas tertinggi untuk hasil rekomendasi bidang keahlian yang direkomendasikan kepada mahasiswa yang menggunakan perhitungan similaritas euclidean distance dengan hasil akurasi sistem sebesar 68.75% dan validasi menggunakan k-fold cross validation memiliki akurasi sebesar 74%. Sedangkan laboratorium SCR dengan hasil rekomendasi topik skripsi terbaik dengan menerapkan pemilihan salah satu dari rekomendasi tiga similaritas tertinggi untuk hasil rekomendasi bidang keahlian yang direkomendasikan kepada mahasiswa yang menggunakan perhitungan similaritas manhattan distance dengan hasil akurasi sistem sebesar 87.5% dan validasi menggunakan k-fold cross validation memiliki akurasi sebesar 79%.]]>
