<![CDATA[Abstrak — Kolaborasi penelitian sangat penting untuk meningkatkan kualitas dan produktivitas penelitian, sehingga dapat memperkuat peran inovasi dalam pengembangan ilmu pengetahuan dan teknologi. Namun, banyak peneliti di ruang lingkup Telkom University Surabaya yang kesulitan menemukan dosen atau rekan peneliti yang sesuai bidang keahliannya, yang menjadi suatu tantangan besar dalam membangun kerjasama penelitian yang efektif. Penelitian ini bertujuan untuk meningkatkan kolaborasi multidisipliner dan memfasilitasi pencarian rekan peneliti di lingkungan akademik Telkom University Surabaya, melalui pengembangan sistem rekomendasi dosen peneliti yang inovatif dengan memanfaatkan data publikasi dari Google Scholar. Metode yang digunakan adalah model Latent Dirichlet Allocation (LDA) sebagai identifikasi topik, sementara Naïve Bayes digunakan untuk klasifikasi data kata kunci guna memprediksi dosen peneliti yang relevan. Hasil penelitian ini berupa sistem rekomendasi yang dapat merekomendasikan dosen sesuai dengan bidang keahlian dan pengalaman penelitian mereka. Sistem ini diharapkan mendukung peneliti dalam menemukan mitra kolaborasi dan membantu mahasiswa dalam memilih dosen pembimbing. Evaluasi model menunjukkan performa baik dalam membantu pengguna untuk merekomendasikan dosen peneliti dengan akurasi 88%, precision 86%, recall 85%, dan F1-score 85%. Sistem ini sejalan dengan tujuan Sustainable Development Goals (SDGs) dalam mendukung inovasi yang modern dan kolaborasi penelitian. Kata kunci— Sistem Rekomendasi, Latent Dirichlet Allocation, Naïve Bayes.]]>
Copyrights © 2025
