Sistem Rekomendasi Topik Skripsi Program Studi Informatika

Lukas Kurniawan, Agata Filiana, Gloria Virginia, Bastian Surya Hartono

Abstract


Salah satu syarat kelulusan kuliah adalah lulus skripsi. Pada skripsi, mahasiswa perlu menentukan topik skripsi. Penentuan topik adalah hal yang penting pada skripsi, karena topik yang tepat akan mengurangi kendala dalam membuat skripsi [1]. Penulis melakukan analisa terhadap persentase nilai E pada nilai mata kuliah seminar dan skripsi. Hasil analisis menunjukan terdapat 21.6% dari 351 mahasiswa seminar yang mendapat nilai E dan 61.25% dari 240 mahasiswa yang belum dapat lulus skripsi. Hal tersebut menunjukan mahasiswa belum siap mengerjakan skripsi. FTI UKDW (Fakultas Teknologi Informasi Universitas Kristen Duta Wacana) ingin membuat sistem rekomendasi topik skripsi agar mahasiswa dapat memilih topik skripsi dengan tepat. Hasil penelitian, menunjukan sistem rekomendasi topik skripsi dapat dibuat menggunakan kombinasi K-Means++, cosine similarity, dan LDA Gibbs sampling. Sistem diimplementasikan pada framework Laravel.

Keywords


K-Means++; K-Means; LDA Gibbs Sampling; TF-IDF;Cosine similarity;Principal Component Analysis; sistem rekomendasi topik skripsi; Laravel

Full Text:

PDF

References


G. Janura and Ahyanuardi, "Analisis Kendala Mahasiswa dalam Penyelesaian Skripsi pada Masa Pandemi Covid-19," Jurnal Pendidikan Teknik Elektro, vol. 2, no. 2, pp. 97-102, 2021.

B. K. Francis and S. S. Babu, "Predicting Academic Performance of Students Using a Hybrid Data Mining Approach," Journal of Medical Systems, vol. 43, p. 162, 2019.

Haviluddin, S. J. Patandianan, G. M. Putra, N. Puspitasari and H. S. Pakpahan, "Implementasi Metode K-Means untuk Pengelompokkan Rekomendasi," Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer, 2021.

B. Aubaidan, M. Mohd and M. Albared, "Comparative Study of K-means and K-means++ Clustering on Crime Dromain," Journal of Computer Science, vol. 10, no. 7, pp. 1197-1206, 2014.

N. T. Hartanti, "Metode Elbow dan K-Means Guna Mengukur Kesiapan Siswa SMK Dalam Ujian Nasional," Jurnal Nasional Teknologi dan Sistem Informasi, vol. 6, no. 2, pp. 82-89, 2020.

N. P. E. Merliana, Ernawati and A. J. Santoso, "Analisa Penentuan Jumlah Cluster Terbaik Pada Metode K-Means Clustering," in PROSIDING SEMINAR NASIONAL MULTI DISIPLIN ILMU, Yogyakarta.

P. Prabhu and N. Anbazhagan, "Improving the Performance of K-Means Clustering For High Dimensional Data Set," International Journal on Computer Science and Engineering (IJCSE), vol. 3, no. 6, pp. 2317-2322, 2011.

A. Toraismaya, L. R. Sasongko and F. S. Rondonuwu, "Principal Component Dan K-Means Cluster Analysis Untuk Data Spektrum Black Tea Grades Guna Penilaian Kualitas Alternatif," Journal of Fundamental Mathematics and Applications (JFMA), vol. 3, no. 2, 2020.

R. N. Afifuddin and D. Nurjanah, "Sistem Rekomendasi Pemilihan Mata kuliah Peminatan Menggunakan Algoritma K-means dan Apriori (studi kasus: Jurusan S1 Teknik Informatika Fakultas Informatika)," in e-Proceeding of Engineering, 2019.

D. Kurniadi, S. F. C. Haviana and A. Novianto, "Implementasi Algoritma Cosine Similarity pada sistem arsip dokumen di Universitas Islam Sultan Agung," Transformatika, vol. 17, no. 2, pp. 124-132, 2020.

Apriani, H. Zakiyudin and K. Marzuki, "Penerapan Algoritma Cosine Similarity dan Pembobotan TF-IDF System Penerimaan Mahasiswa Baru pada Kampus Swasta," Jurnal Bumigora Information Technology (BITe), vol. 3, no. 1, pp. 19-27, 1 June 2021.

A. Nurlayli and M. A. Nasichuddin, "Topic Modeling Penelitian Dosen JPTEI UNY pada Google Scholar Menggunakan Latent Dirichlet Allocation," ELINVO (Electronics, Informatics, and Vocational Education), vol. 4, no. 2, pp. 154-161, 2019.

I. M. K. B. Putra and n. R. P. Kusumawardani, "Analisis Topik Informasi Publik Media Sosial di Surabaya Menggunakan Pemodelan Latent Dirichlet Allocation (LDA)," Jurnal Teknik ITS, vol. 6, no. 2, 2017.

M. F. A. Bashiri, "Analisa Sentimen Menggunakan Latent Dirichlet Allocation dan Visualisasi Topic Popularity Wordcloud," Ungaran, 2017.

A. Haryoso, "Analisis Website Performance Milik Kementerian di Indonesia Menggunakan Metode Pembobotan Entropi Dan Metode Pemeringkatan Electre," https://eprints.uny.ac.id/54806/, Yogyakarta, 2017.

I. N. S. W. Wijaya, I. B. A. I. Iswara and I. N. A. Arsana, "Analisis dan Evaluasi Pengalaman Pengguna PaTik Bali Dengan Metode User Experience Questionnaire (UEQ)," Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 8, no. 2, pp. 217-226, 2021.

R. Y. Sari, H. Oktavianto and H. W. Sulistyo, "Algoritma K-Means Dengan Metode Elbow Untuk Mengelompokkan Kabupaten/Kota Di Jawa Tengah Berdasarkan Komponen Pembentuk Indeks Pembangunan Manusia," Jurnal Smart Teknologi, vol. 3, no. 2, pp. 104-108, 2022.

T. Santika, "Evaluasi Perplexity Untuk Pemodelan Topik Diskusi Agama Islam di Media Sosial Twitter Indonesia Tahun 2006-2018 Menggunakan Latent Dirichlet Allocation," Building of Informatics, Technology and Science (BITS), vol. 3, no. 3, pp. 122-129, 2021.

Y. Sahria and D. H. Fudholi, "Analisis Topik Penelitian Kesehatan di Indonesia Menggunakan Metode Topic Modeling LDA (Latent Dirichlet Allocation)," Jurnal Rekayasa Sistem dan Teknologi Informasi, vol. 4, no. 2, p. 336–344, 2020.

A. M. Rukmi and I. M. Iqbal, "Using k-means++ algorithm for researches clustering," in AIP Conference Proceedings, 2017.

A. Riyani, M. Z. Nafan and A. B. Hanuddin, "Penerapan Cosine Similarity dan Pembobotan TF-IDF untuk Mendeteksi Kemiripan Dokumen," Journal Linguistik Komputasional, vol. 2, no. 1, 2019.

A. Rahman, R. B. Waskitho, M. F. A. U. Nuha and N. A. Rakhmawati, "Klasterisasi Topik Konten Channel Youtube Gaming Indonesia Menggunakan Latent Dirichlet Allocation," Journal Information Engineering and Educational Technology, vol. 5, no. 2, 2021.

D. Purwitasari, A. Muflichah, N. A. Hasanah and A. Z. Arifin, "Pemodelan Topik dengan LDA untuk Temu Kembali Informasi dalam Rekomendasi Tugas Akhir," Jurnal Rekayasa Sistem dan Teknologi Informasi, vol. 5, no. 3, pp. 421-428, 2021.

N. Nugroho and F. D. Adhinata, "Penggunaan Metode K-Means dan K-Means++ Sebagai Clustering Data Covid-19 di Pulau Jawa," Teknika, vol. 11, no. 3, pp. 170-179, 2022.

A. Y. Nugraha and F. F. Abdulloh, "Optimasi Naive Bayes dan Cosine Similarity Menggunakan Particle," Jurnal Media Informatika Budidarma, vol. 6, no. 3, pp. 1444-1451, 2022.

N. P. E. Merliana, Ernawati and A. J. Santoso, "Analisa Penentuan Jumlah Cluster Terbaik Pada Metode K-Means Clustering," in Prosiding Seminar Nasional Multi Disiplin Ilmu, Yogyakarta.

I. W. Jepriana and S. Hanief, "Metode item-based Collaborative Filtering Untuk Model Sistem Rekomendasi Konsentrasi Penjurusan di STMIK STIKOM Bali," Jurnal Teknologi Informasi dan Komputer, vol. 6, no. 1, pp. 22-28, 2020.

F. O. Isinkaye, Y. O. Yolajimi and B. A. Ojokoh, "Recommendation systems: Principles, methods and evaluation," Egyptian Informatics Journal, vol. 16, no. 3, pp. 261-273, 2015.

S. R. Henim and R. P. Sari, "Evaluasi User Experience Sistem Informasi Akademik Mahasiswa pada Perguruan Tinggi Menggunakan User Experience Questionnaire," Jurnal Komputer Terapan, vol. 6, no. 1, p. 69–78, 2020.

J. Boyd-Graber, Applications of Topic Models, Boulder: now publishers, 2017, pp. 1-154.

S. Barber, "How Fast Does a Website Need To Be?," 2009. [Online]. Available: http://www.perftestplus.com/resources/how_fast.pdf.

N. Anbazhagan, "Improving the Performance of K-Means," International Journal on Computer Science and Engineering (IJCSE), vol. 3, no. 6, pp. 2317-2322, 2011.

A. I. Alfanzar, Khalid and I. S. Rozas, "Topic Modelling Skripsi Menggunakan Metode Latent Dirichlet Allocation," Jurnal Sistem Informasi, vol. 7, no. 1, pp. 7-13, March 2020.

F. O. Isinkaye, Y. O. Yolajimi and B. A. Ojokoh, "Recommendation systems: Principles, methods and evaluation," Egyptian Informatics Journal, pp. 261-273, 2015.

I. W. Jepriana and S. Hanief, "Metode item-based Collaborative Filtering Untuk Model Sistem Rekomendasi Konsentrasi Penjurusan di STMIK STIKOM Bali," Jurnal Teknologi Informasi dan Komputer, 2020.




DOI: http://dx.doi.org/10.26418/jp.v9i2.65425

Refbacks

  • There are currently no refbacks.