Sistem Rekomendasi Judul Skripsi Menggunakan Cosine Similarity Pada JATI ITN Malang
DOI:
https://doi.org/10.70609/jusifor.v4i2.8340Keywords:
Sistem Rekomendasi, Cosine Similarity, TF-IDF, Judul SkripsiAbstract
Pertumbuhan publikasi ilmiah yang meningkat di lingkungan kampus mendorong mahasiswa untuk menghasilkan skripsi yang orisinal dan relevan. Namun, meningkatnya jumlah publikasi sering membuat mahasiswa kesulitan menentukan judul skripsi karena pencarian referensi masih sederhana. Penelitian ini bertujuan untuk membangun sistem rekomendasi judul skripsi dengan algoritma Cosine similarity untuk membantu mahasiswa memperoleh referensi dalam menentukan judul skripsi serta mencegah duplikasi topik penelitian. Sistem ini menggunakan dataset publikasi JATI (Jurnal Mahasiswa Teknik Informatika) ITN Malang, melalui tahapan preprocessing teks, pembobotan TF-IDF, serta perhitungan cosine similarity dalam mengukur tingkat kemiripan judul publikasi di JATI ITN Malang. Evaluasi dilakukan dengan metode Confusion Matrix untuk menilai performa sistem dalam memberikan rekomendasi yang relevan. Hasil pengujian menunjukkan nilai akurasi sebesar 90%, precision 100%, recall 83,33%, dan F1-score 90,91%. Berdasarkan hasil yang diperoleh, sistem terbukti mampu merekomendasikan judul skripsi yang sesuai, sehingga dapat membantu mahasiswa dalam proses penentuan judul sebagai acuan penyusunan skripsi.
References
[1] R. Artikel and K. Kunci, “Jurnal Pendidikan Indonesia : SISTEM PENDETEKSI KEMIRIPAN JUDUL SKRIPSI BERBASIS WEB,” vol. 5, no. 5, 2025, doi: 10.59818/jpi.v5i5.1964.
[2] L. Mayola, M. Hafizh, and D. M. Putra, “Perancangan Aplikasi Similarity Deteksi Kemiripan Judul Disertasi Berbasis Web,” J. Teknol. Dan Sist. Inf. Bisnis, vol. 6, no. 2, pp. 452–257, 2024, doi: 10.47233/jteksis.v6i2.1164.
[3] R. K. Ari Shandy and G. N. Pramudyo, “Literasi Media Sosial Instagram Mahasiswa Ilmu Perpustakaan Universitas Diponegoro dalam Menentukan Informasi yang dipercaya,” Anuva J. Kaji. Budaya, Perpustakaan, dan Inf., vol. 7, no. 3, pp. 529–546, 2023, doi: 10.14710/anuva.7.3.529-546.
[4] D. Fisabilillah, K. Auliasari, and Y. A. Pranoto, “Sistem Rekomendasi Konversi Program Msib Dengan Mata Kuliah Prodi Informatika Itn Malang Menggunakan Cosine similarity,” SKANIKA Sist. Komput. dan Tek. Inform., vol. 8, no. 1, pp. 83–94, 2025, doi: 10.36080/skanika.v8i1.3325.
[5] N. Vendyansyah and Y. A. Pranoto, “Perancangan dan pembuatan aplikasi untuk mendeteksi kemiripan jawaban menggunakan cosine similarity,” vol. 13, no. 1, pp. 23–28, 2021.
[6] Z. B. Toyibah and N. Aini, “Sistem Rekomendasi Skripsi Menggunakan Metode Content Based Filtering,” Infotech J. Technol. Inf., vol. 11, no. 1, pp. 89–98, 2025, doi: 10.37365/jti.v11i1.377.
[7] A. P. Muriaa, H. Sujainia, and H. S. Pratiwia, “Sistem Rekomendasi Artikel sebagai Acuan Studi Literatur Article Recommendation System as a Reference for Literature Studies Using the N-Gram Method,” vol. 01, no. 1, pp. 69–84, 2023, doi: 10.26418/juristi.v1i1.61170.
[8] D. B. Elnursa, V. Nofriana, A. Syamsuri, and L. Cahyani, “Sistem Rekomendasi Pemilihan Program MSIB Bagi Mahasiswa Pendidikan Informatika,” J. Software, Hardw. Inf. Technol., vol. 3, no. 2, pp. 34–45, 2023, doi: 10.24252/shift.v3i2.92.
[9] A. A. Huda, R. Fajarudin, and A. Hadinegoro, “Sistem Rekomendasi Content-based Filtering Menggunakan TF-IDF Vector Similarity Untuk Rekomendasi Artikel Berita,” Build. Informatics, Technol. Sci., vol. 4, no. 3, pp. 1679–1686, 2022, doi: 10.47065/bits.v4i3.2511.
[10] Y. Januzaj and A. Luma, “Cosine similarity – A Computing Approach to Match Similarity Between Higher Education Programs and Job Market Demands Based on Maximum Number of Common Words,” Int. J. Emerg. Technol. Learn., vol. 17, no. 12, pp. 258–268, 2022, doi: 10.3991/ijet.v17i12.30375.
[11] T. P. Rinjeni, A. Indriawan, and N. A. Rakhmawati, “Matching Scientific Article Titles using Cosine similarity and Jaccard Similarity Algorithm,” Procedia Comput. Sci., vol. 234, no. 2023, pp. 553–560, 2024, doi: 10.1016/j.procs.2024.03.039.
[12] L. M. Purnomo and M. Ayub, “Analisis Data Hasil Web Scraping untuk Menentukan Kualitas Jurnal Ilmiah,” J. Strateg., vol. 3, no. 1, pp. 122–132, 2021.
[13] A. Apriani, H. Zakiyudin, and K. Marzuki, “Penerapan Algoritma Cosine similarity dan Pembobotan TF-IDF System Penerimaan Mahasiswa Baru pada Kampus Swasta,” J. Bumigora Inf. Technol., vol. 3, no. 1, pp. 19–27, 2021, doi: 10.30812/bite.v3i1.1110.
[14] M. Z. Mubarok, S. Rizqi, R. M. Rizal, A. B. N. Syalim, and N. Iksan, “Klasifikasi Sentimen Ulasan Aplikasi Claude Menggunakan Naive Bayes dan Support Vector Machine,” JUSIFOR J. Sist. Inf. dan Inform., vol. 4, no. 1, pp. 110–119, 2025, doi: 10.70609/jusifor.v4i1.7054.
[15] I. A. Fahrezi, Rudiman, and Nauval Azmi Verdikha, “Analisis Sentimen Twitter Atas Isu Hak Angket Menggunakan Pembobotan TF-IDF dan Algoritma SVM,” Sci-tech J., vol. 3, no. 2, pp. 179–192, 2024, doi: 10.56709/stj.v3i2.526.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Marita Putri Nabila, Joseph Dedy Irawan, Ahmad Faisol
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
