Sistem Penunjang Keputusan Penentuan Dosen Pembimbing Menggunakan Algoritma Naive Bayes Studi Kasus STIKI Malang

Ketepatan dan kesesuaian dalam pemilihan dosen pembimbing dan co pembimbing tugas akhir bagi mahasiswa mempunyai peranan penting bagi keberhasilan tugas akhir mahasiswa. Mahasiswa sangat memerlukan dosen pembimbing yang dapat memberikan arahan dan masukan bagi mahasiswa yang sedang mengerjakan tugas akhir serta memahami judul dan tema studi kasus tugas akhir mahasiswa. Saat ini Kaprodi masih menggunakan sistem manual dalam menentukan dosen pembimbing tugas akhir. Hal tersebut memerlukan waktu yang lama dalam proses penentuan dosen pembimbing tugas akhir bagi mahasiswa yang bersangkutan, salah satu faktornya adalah kaprodi harus meneliti satu persatu judul sesuai calon dosen pembimbing yang mempunyai pengalaman didalam judul yang akan di angkat. Untuk itu diperlukan sebuah sistem yang dapat membantu Kepala Program Studi (KAPRODI) yang dapat merekomendasikan dosen pembimbing dan co pembimbing yang sesuai dengan kompetensi judul tugas akhir mahasiswa. Sistem rekomendasi dosen pembimbing yang dibangun memanfaatkan algoritma Naive Bayes Clasiffier dan cosine similarity sebagai penentu rekomendasi dosen pembimbing dan co pembimbing Naive Bayes Classifier merupakan teknik prediksi berbasis probabilistic sederhana yang berdasar pada penerapan teorema bayes atau aturan bayes dengan asumsi independensi (ketidak tergantungan) yang kuat sedangkan algoritma cosine similarity merupakan metode yang digunakan untuk menghitung Similarity (tingkat kesamaan) antar dua buah objek. Rekomendasi dosen pembimbing dan co pembimbing didasarkan pada kompetensi dosen pembimbing dan judul tugas akhir yang pernah dibimbing oleh dosen sebelumnya sehingga sistem dapat merekomendasi dosen pembimbing yang sesuai dan berkompeten. dengan acuan data training judul tugas akhir didapat hasil yang dapat membantu dalam proses penentuan dosen pembimbing bagi kaprodi STIKI Malang dan mahasiswa.