Klasifikasi Dokumen Tugas Akhir Berbasis Text Mining menggunakan Metode Naïve Bayes Classifier dan K-Nearest Neighbor

Hamdani Asril (Universitas Islam Negeri Sultan Syarif Kasim Riau)
Mustakim Mustakim (Universitas Islam Negeri Sultan Syarif Kasim Riau)
Insanul Kamila (Universitas Islam Negeri Sultan Syarif Kasim Riau)

Seminar Nasional Teknologi Informasi Komunikasi dan Industri
2019: SNTIKI 11

Tugas akhir merupakan salah satu syarat yang harus dipenuhi oleh mahasiswa untuk menyelesaikan pendidikan di perguruan tinggi. Dalam proses pengerjaan tugas akhir, mahasiswa membutuhkan dosen pembimbing sebagai tempat untuk berkonsultasi yang sesuai dengan kategori/bidang ilmu topik tugas akhir yang diajukan mahasiswa dalam proposal tugas akhir. Pada Program Studi Sistem Informasi UIN SUSKA Riau penentuan dosen pembimbing ditentukan berdasarkan keputusan dari Ketua Program Studi sehingga membutuhkan waktu yang cukup lama dalam penentuannya. Tujuan penelitian ini adalah untuk membangun sistem rekomendasi dosen pembimbing menggunakan metode klasifikasi, Naïve Bayes Clasifier dan K-Nearest Neighbor (KNN). Dari percobaan 3 kelas dan 16 kelas diperoleh akurasi terbaik pada percobaan 3 kelas dengan nilai 86,11% untuk Naive Bayes Classifier (NBC) dan 91,67% untuk K-Nearest Neighbor (KNN). Pada pembangunan sistem digunakan metode KNN untuk proses klasifikasinya dengan menggunakan Bahasa pemograman Python.