KLASIFIKASI TOPIK SKRIPSI TEKNIK INFORMATIKA BERDASARKAN PEMINATAN MENGGUNAKAN METODE NAIVE BAYES DAN K-NEAREST NEIGHBOR (K-NN)

Magai, Etinus
Istiadi, Istiadi
Putra, Rangga Pahlevi

Prosidia Widya Saintek
Vol. 4 No. 2 (2025)

Pemilihan topik skripsi yang sesuai dengan minat mahasiswa menjadi tantangan bagi program studi Teknik Informatika. Penelitian ini bertujuan mengembangkan sistem klasifikasi topik skripsi berdasarkan peminatan menggunakan algoritma Naive Bayes dan K-Nearest Neighbor (K-NN). Dataset berjumlah 121 judul skripsi diklasifikasikan ke dalam empat kategori: Machine Learning, Data Mining, Web/Mobile, dan IoT/Jaringan. Hasil evaluasi menunjukkan bahwa metode K-NN memberikan akurasi tertinggi sebesar 92%, sedangkan Naive Bayes mencapai 88%. Temuan ini menunjukkan bahwa klasifikasi otomatis berbasis machine learning dapat membantu mahasiswa memilih topik skripsi secara lebih efektif dan sesuai minat.