Arisetiawan, Anak Agung Bagus (2019) Sistem Rekomendasi Dosen Pembimbing Berdasarkan Dokumen Judul Skripsi di Bidang Komputasi Cerdas Menggunakan Metode BM25. Sarjana thesis, Universitas Brawijaya.
Abstract
Di dalam text mining terdapat suatu proses untuk melakukan temu kembali informasi atau information retrieval. Permasalahan yang berkaitan tentang temu kembali informasi ditemukan pada perguruan tinggi khususnya di Fakultas Ilmu Komputer Universitas Brawijaya (FILKOM UB). Permasalahannya adalah pemilihan dosen pembimbing skripsi untuk program studi S1 Teknik Informatika FILKOM UB pada keminatan Komputasi Cerdas masih dilakukan secara manual. Penentuan dosen pembimbing hanya mengandalkan pengetahuan personal terkait dengan spesialisasi dosen yang diperlukan untuk membimbing selama pengerjaan skripsi. Permasalahan tersebut dapat diselesaikan melalui sistem rekomendasi berdasarkan information retrieval menggunakan metode BM25. Proses yang dilakukan adalah preprocessing dokumen, perhitungan score BM25 pada setiap dokumen, dan mengambil hasil scoring BM25 tertinggi sebanyak nilai k. Pada penelitian ini dilakukan pengujian sebanyak 3 kali. Setiap pengujian menggunakan data testing yang sama sejumlah 20 dokumen. Hasil rata-rata dari setiap pengujian memperoleh hasil rekomendasi terbaik yaitu pada nilai k=3, dengan nilai precision @k sebesar 0,87. Semakin tinggi nilai k yang digunakan dapat mempengaruhi hasil rekomendasi menjadi kurang maksimal karena semakin banyak dokumen tidak relevan yang ikut terhitung.
English Abstract
In the text mining there is a process for information retrieval. Problems related to information retrieval are found in universities, especially in the Faculty of Computer Science, Universitas Brawijaya (FILKOM UB). The problem is the selection of the thesis supervisor for the FILKOM UB Informatics Engineering S1 study program in the interest of Smart Computing is still done manually. Determination of supervisors only relies on personal knowledge related to the specialization of lecturers needed to guide during the execution of the thesis. These problems can be solved through a recommendation system based on information retrieval using the BM25 method. The process carried out is document preprocessing, calculation of BM25 score in each document, and taking the highest BM25 scoring result as much as k. In this study three tests were carried out. Each test uses the same testing data of 20 documents. The average results of each test obtained the best recommendation results, namely at the value k = 3, with a value of precision @k of 0.87. The higher the value of k used can affect the recommendation results to be less optimal because more and more irrelevant documents are counted.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/FILKOM/2019/391/051905709 |
Uncontrolled Keywords: | recommendations, thesis, information retrieval, text mining, BM25 |
Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.31 Machine learning > 006.312 Data mining |
Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
Depositing User: | Endang Susworini |
Date Deposited: | 24 Aug 2020 06:51 |
Last Modified: | 24 Aug 2020 06:51 |
URI: | http://repository.ub.ac.id/id/eprint/171574 |
Actions (login required)
View Item |