Abstract:
Skripsi merupakan sebuah karya tulis ilmiah yang akan diuji oleh dua dosen penguji yang ditentukan oleh Koordinator Skripsi. Umumnya, dosen penguji dipilih berdasarkan pusat studi dari dosen dan penelitian yang diuji. Namun, terdapat beberapa bidang ilmu yang berbeda dalam satu pusat studi yang sama. Tidak jarang, dosen yang dipilih berasal dari bidang ilmu yang berbeda. Ketidaksesuaian ini menyebabkan perbedaan dalam standar penilaian dan mempengaruhi pertanyaan yang diberikan. Terdapat juga situasi saat dosen meminta Koordinator Skripsi untuk memilih dosen penguji lain saat topik penelitian yang diangkat tidak sesuai dengan bidang ilmu dosen tersebut.
Idealnya, pemilihan dosen penguji dapat mempertimbangkan bidang ilmu dosen dan pengalaman dosen. Namun, Koordinator Skripsi tidak memiliki informasi mengenai pengalaman dosen dengan penelitian yang pernah dilakukan. Setiap tahunnya juga, terdapat ratusan skripsi yang diterima oleh administrasi program studi, sehingga jika pencatatan keterlibatan ini dilakukan secara manual, akan dibutuhkan waktu yang lama. Penelitian ini bertujuan untuk memberikan rekomendasi dosen berdasarkan topik penelitiannya untuk membantu Koordinator Skripsi menentukan dosen penguji dengan menggunakan metode text mining, khususnya TF-IDF dan cosine similarity. Kedua metode ini digunakan untuk menentukan kata penting dari sebuah abstrak skripsi dan mencocokannya dengan abstrak skripsi yang sudah dimiliki. Dosen yang terlibat dalam abstrak ini kemudian direkomendasikan sebagai dosen penguji dari abstrak yang baru.
Dari penelitian ini, dapat disimpulkan bahwa metode TF-IDF dan cosine similarity dapat digunakan untuk membantu menentukan dosen penguji berdasarkan abstrak penelitian. Walaupun begitu, terdapat faktor lain yang menjadi pertimbangan saat menentukan dosen penguji, seperti jadwal dosen dan jumlah sidang dosen. Karenanya, hasil yang didapatkan memberikan rekomendasi dosen yang berpengalaman dalam topik penelitian yang diujikan dan Koordinator Skripsi dapat memilih dua dari dosen yang direkomendasikan. Selain rekomendasi dosen, TF-IDF juga dapat digunakan untuk membuat kata kunci dari topik penelitian yang sering melibatkan dosen.
