<![CDATA[Pemilihan dosen pembimbing dan dosen penguji tugas akhir merupakan proses penting yang sangat memengaruhi kualitas bimbingan, objektivitas penilaian, dan kelancaran penyelesaian studi mahasiswa. Namun, pada banyak perguruan tinggi proses ini masih dilakukan secara manual dan cenderung subjektif, tanpa analisis kesesuaian topik penelitian maupun pemerataan beban akademik dosen secara sistematis. Kondisi tersebut berpotensi menimbulkan ketidaksesuaian antara keahlian dosen dan topik tugas akhir mahasiswa serta distribusi beban bimbingan yang tidak merata. Penelitian ini bertujuan merancang dan membangun sistem pendukung keputusan berbasis web yang mengintegrasikan metode Content-Based Filtering (CBF) dan Multi-Attribute Utility Theory (MAUT). Metode CBF digunakan untuk mengukur kesesuaian antara judul tugas akhir mahasiswa dan publikasi dosen melalui teknik TF-IDF dan Cosine Similarity, sedangkan MAUT menggabungkan nilai kemiripan tersebut dengan kriteria jabatan fungsional, jumlah publikasi lima tahun terakhir, dan beban akademik dosen untuk menghasilkan perangkingan rekomendasi. Sistem dikembangkan menggunakan metode Rational Unified Process (RUP). Pengujian metode dilakukan menggunakan Precision, Recall, F1-Score, dan Korelasi Rank Spearman, sedangkan penerimaan pengguna diukur dengan User Acceptance Testing (UAT). Hasil pengujian CBF memperoleh rata-rata F1-Score 0,5309 untuk kategori pembimbing dan 0,4539 untuk kategori penguji, sedangkan MAUT memperoleh nilai korelasi Spearman 0,40 (pembimbing) dan -0,12 (penguji). Hasil UAT memperoleh nilai penerimaan keseluruhan 84,33% yang termasuk kategori sangat baik. Dengan demikian, sistem yang dikembangkan dinilai dapat diterima dan mampu membantu proses pemilihan dosen secara lebih objektif, efisien, dan terukur.]]>
Copyrights © 2026
