SISTEM REKOMENDASI TOPIK SKRIPSI BERBASIS MINAT MAHASISWA MENGGUNAKAN CONTENT-BASED FILTERING (CBF) DENGAN TF-IDF DAN COSINE SIMILARITY

AKHIR, SITTI MAY (2025) SISTEM REKOMENDASI TOPIK SKRIPSI BERBASIS MINAT MAHASISWA MENGGUNAKAN CONTENT-BASED FILTERING (CBF) DENGAN TF-IDF DAN COSINE SIMILARITY. Skripsi thesis, UPN ''Veteran'' Yogyakarta.

	Text COVER.pdf Download (215kB)
	Text halaman pengesahan pembimbing.pdf Download (191kB)
	Text halaman pengesahan pembimbing.pdf Download (191kB)
	Text ABSTRAK.pdf Download (240kB)
	Text DAFTAR ISI.pdf Download (224kB)
	Text DAFTAR PUSTAKA.pdf Download (203kB)
	Text NASKAH TA LENGKAP_SITTI MAY AKHIR.pdf Restricted to Repository staff only Download (5MB)

Abstract

Penentuan topik skripsi merupakan tahap penting dalam proses penyusunan tugas
akhir mahasiswa yang memengaruhi arah dan keberhasilan penelitian. Namun, banyak
mahasiswa mengalami kesulitan dalam memilih topik yang sesuai dengan minat dan bidang
keilmuan akibat keterbatasan referensi yang relevan. Ketiadaan sistem yang mampu
memberikan rekomendasi secara personal mengakibatkan proses pemilihan topik menjadi
kurang efisien, memakan waktu, dan sering kali menghasilkan pilihan yang kurang tepat.
Oleh karena itu, diperlukan sebuah sistem yang dapat merekomendasikan topik skripsi
secara cepat, akurat, dan relevan dengan preferensi mahasiswa.
Penelitian ini mengembangkan sistem rekomendasi topik skripsi berbasis Content-
Based Filtering (CBF) dengan representasi teks menggunakan metode Term Frequency–
Inverse Document Frequency (TF-IDF) dan pengukuran kemiripan antar dokumen
menggunakan Cosine Similarity. Dataset terdiri dari judul dan abstrak skripsi yang diperoleh
dari platform publik. Proses preprocessing mencakup case folding, tokenisasi, stopword
removal, dan stemming. Sistem menerima masukan berupa label peminatan, kata kunci, atau
kombinasi keduanya, kemudian menghasilkan daftar rekomendasi yang diurutkan
berdasarkan skor kemiripan. Sistem dirancang agar fleksibel, responsif, dan mudah
digunakan di lingkungan akademik.
Pengujian dilakukan melalui metode black-box untuk memastikan seluruh fitur
berfungsi dengan baik, serta evaluasi performa menggunakan metrik Precision@K,
Recall@K, dan F1-Score@K dengan variasi K dari 1 hingga 20. Hasil pengujian
menunjukkan precision tertinggi sebesar 100% pada K=1–5, recall tertinggi sebesar 100%
pada K=10–20, dan F1-Score tertinggi sebesar 89,92% pada K=10, yang menunjukkan titik
keseimbangan optimal antara ketepatan dan cakupan rekomendasi. Hasil ini membuktikan
bahwa sistem mampu memberikan rekomendasi yang relevan dan personal sesuai minat
mahasiswa. Selain itu, penerapan kombinasi metode TF-IDF dan Cosine Similarity terbukti
efektif dalam memetakan preferensi akademik terhadap topik yang tersedia, sekaligus
mendukung efisiensi dan personalisasi dalam proses pemilihan topik skripsi.
Kata Kunci: sistem rekomendasi, topik skripsi, Content-Based Filtering, TF-IDF, Cosine
Similarity

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	SITTI MAY AKHIR (Penulis - 123210018) ; Agus Sasmito A (Pembimbing)
Uncontrolled Keywords:	sistem rekomendasi, topik skripsi, Content-Based Filtering, TF-IDF, Cosine Similarity
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	UPA Perpustakaan
Date Deposited:	24 Nov 2025 02:12
Last Modified:	24 Nov 2025 02:12
URI:	http://eprints.upnyk.ac.id/id/eprint/45714

Actions (login required)

View Item