Integrasi Kategori Skripsi Dan Keahlian Dosen Dalam Naïve Bayes Untuk Pemilihan Dosen Pembimbing

Abstract

Tugas akhir bagi mahasiswa adalah hal terpenting yang harus dilakukan dengan sungguh-sungguh dan penuh pemikiran. Dalam melaksanakan tugas akhir, mahasiswa memerlukan dosen pendamping dan pembimbing yang dapat memberikan masukan, arahan dan informasi-informasi yang dapat mendukung pengerjaan tugas akhir mahasiswa. Dosen pendamping dan pembimbing yang mengerti dan memahami secara penuh apa yang menjadi tema dan studi kasus tugas akhirnya, mahasiswa diharapkan dapat mengerjakan tugas akhir dengan baik, lancer dan selesai tepat waktu. Untuk itu diperlukan ketepatan pemberian dosen pembimbing bagi mahasiswa yang mengambil sks proposal maupun tugas akhir. Seperti halnya pada mahasiswa Prodi Teknik Informatika Universitas Nusantara PGRI Kediri. Sistem bantu rekomendasi pemilihan dosen pembimbing tugas akhir pada Prodi Teknik Informatika UN PGRI Kediri adalah solusi dari permasalahan. Sistem rekomendasi dosen pembimbing yang di bangun  memanfaatkan algoritma naïve bayes classifier sebagai penentu hasil probabilitas dosen yang dapat dipilih oleh mahasiswa. Naive Bayes merupakan teknik prediksi berbasis probabilistic sederhana yang berdasar pada penerapan torema bayes (aturan bayes) dengan asumsi independensi (ketidak tergantungan) yang kuat. Pemilihan ini didasarkan pada kriteria kategori tugas akhir mahasiswa, keahlian dosen, jam masuk dosen (jam bimbingan), dan domisili dosen. Dari aplikasi rekomendasi ini didapatkan rekomendasi dosen pembimbing yang sesuai dengan konsep tugas akhir dan keahlian dosen. Dengan acuan data training dan aturan bayes didapat hasil yang cukup memberikan kepuasan bagi mahasiswa dalam penentuan dosen pembimbing pilihan.

 Kata Kunci:  Keahlian Dosen, Naive Bayes Clasifier, Sistem Pendukung Keputusan, Skripsi