Sistem Rekomendasi Dosen Pembimbing Berdasarkan Latar Belakang Menggunakan Metode Multi-Class Support Vector Machine Dan Weighted Product

Pradana, Yustinus Radityo and Dr. Eng. Ahmad Afif Supianto, S.Si., M.Kom., and Yusi Tyroni Mursityo, S.Kom., M.AB., (2020) Sistem Rekomendasi Dosen Pembimbing Berdasarkan Latar Belakang Menggunakan Metode Multi-Class Support Vector Machine Dan Weighted Product. Sarjana thesis, Universitas Brawijaya.

Abstract

Pada Fakultas Ilmu Komputer Universitas Brawijaya, pengerjaan skripsi dimulai dengan melakukan pembuatan praproposal yang berisi latar belakang dan bidang skripsi. Dalam pengerjaan skripsi, mahasiswa butuh pendampingan oleh dosen pembimbing. Dosen pembimbing berfungsi sebagai motivator, pendamping serta pemberi arahan bagi mahasiswa yang sedang mengerjakan skripsi. Dosen pembimbing menjadi krusial dalam pengerjaan skripsi seorang mahasiswa. Oleh karena hal tersebut, pemilihan dosen pembimbing yang memiliki bidang keahlian yang sesuai dengan topik skripsi sangat penting. Topik skripsi ditentukan dari latar belakang sebuah proposal skripsi. Untuk menjawab permasalahan dibutuhkan sebuah sistem yang mampu menentukan topik skripsi dan memprediksi dosen pembimbing yang sesuai berdasarkan latar belakang proposal skripsi. Rekomendasi dosen diberikan berdasarkan kesesuaian bidang dosen dengan topik dan beberapa data dosen yang didapatkan dari unit Pengelola Sistem Informasi, Infrastruktur TI dan Kehumasan Fakultas Ilmu Komputer (PSIK FILKOM) seperti jurusan dosen, sisa kuota bimbingan, tingkatan gelar, dan beban kerja. Hasil pengujian akurasi menghasilkan akurasi klasifikasi bidang skripsi sebesar 93,75% dan akurasi prediksi dosen pembimbing sebesar 57,14%. Hasil pengujian unit menunjukkan bahwa sistem 100% valid dan sesuai dengan kebutuhan. Hasil pengujian kompatibilitas menunjukkan bahwa sistem dapat digunakan di berbagai web browser, sistem operasi, dan platform. Hasil pengujian performa menunjukkan bahwa 85,71% bagian dari sistem telah responsive dan dapat digunakan dengan baik.

Item Type:	Thesis (Sarjana)
Identification Number:	0520150375
Uncontrolled Keywords:	rekomendasi dosen, pembimbing, support vector machine, weighted product, topik, skripsi.
Subjects:	000 Computer science, information and general works > 004 Computer science
Divisions:	Fakultas Ilmu Komputer > Sistem Informasi
Depositing User:	Budi Wahyono Wahyono
Date Deposited:	24 Aug 2022 04:41
Last Modified:	03 Oct 2024 01:11
URI:	http://repository.ub.ac.id/id/eprint/193506

Text Yustinus Radityo Pradana.pdf Download (4MB)

Actions (login required)

View Item