Klasifikasi Pemilihan Dosen Pembimbing untuk Penyusunan Tugas Akhir Sesuai dengan Keahlian Dosen Menggunakan Metode Naïve Bayes (Studi Kasus: IT Telkom Surabaya)

DINDA TRESNA TEJA NIRWANA

Informasi Umum

Kode

24.04.1292

Klasifikasi

001 - Knowledge, history, description, critical appraisal of intellectual activity in general, discussion of ideas from many fields

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Teknologi Informasi, Ta,

Dilihat

24 kali

Informasi Lainnya

Abstraksi

Kesesuaian dalam pemilihan dosen pembimbing tugas akhir bagi mahasiswa memiliki peranan yang penting sebagai penunjang keberhasilan tugas akhir mahasiswa. Mahasiswa membutuhkan dosen pembimbing untuk memberikan masukan dan arahan dalam memahami topik serta dapat menyelesaikan studi kasus tugas akhir yang telah dipilih. Dalam penentuan dosen pembimbing di Institut Teknologi Telkom Surabaya masih dilakukan dengan sistem manual, tentunya hal tersebut cukup memerlukan waktu yang panjang dikarenakan perlu dilakukannya penelitian dan penyesuaian judul yang diajukan dengan calon dosen pembimbing yang memiliki keahlian selaras dengan judul yang dipilih mahasiswa. Atas dasar hal tersebut maka diperlukan sebuah sistem otomatis yang dapat memberikan rekomendasi dosen pembimbing, sistem tersebut juga dapat dibangun dengan memanfaatkan text mining dan algoritma naïve bayes sebagai teknik prediksi berbasis probabilitas sederhana yang dapat menampilkan probabilitas dari masing-masing keterkaitan kata dalam judul penelitian yang dipilih dengan keahlian yang dimiliki dosen. Rekomendasi yang dihasilkan didasarkan pada training dan testing yang telah dilakukan dengan menggunakan data penelitian yang telah dilakukan sebelumnya di Fakultas Teknologi Informasi dan Bisnis, output yang dikeluarkan dari sistem sudah menunjukan hasil cukup sesuai dengan akurasi sebesar 70%, secara garis besar penelitian ini dapat digunakan untuk membantu mahasiswa Fakultas Teknologi Informasi dan Bisnis dalam menentukan dosen pembimbing yang sesuai.

Kata Kunci: Tugas Akhir, Text Mining, Naïve Bayes, Web