Klasifikasi Judul Skripsi Program Studi Teknologi Informasi Berbasis Naive Bayes Classifier Dengan Analisis Tren Topik
Abstract
Proses penentuan judul skripsi merupakan langkah awal yang sangat penting dalam penyusunan tugas akhir mahasiswa. Namun, banyak mahasiswa mengalami kesulitan dalam memilih judul yang sesuai dengan minat dan kompetensinya, serta dalam memastikan orisinalitas judul yang diajukan. Hal ini mengakibatkan kurangnya keberagaman topik dan potensi terjadinya pengulangan penelitian. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi judul skripsi menggunakan algoritma Naive Bayes Classifier (NBC) dan menambahkan dimensi analisis tren topik untuk mengidentifikasi perkembangan isu penelitian dari tahun ke tahun. Data yang digunakan terdiri dari 81 judul skripsi mahasiswa Program Studi Teknologi Informasi Universitas Muhammadiyah Purworejo, yang dikategorikan ke dalam lima bidang: sistem informasi/website, multimedia, jaringan, IoT, dan sistem cerdas. Metode yang digunakan mencakup tahapan pengumpulan data, pra-pemrosesan teks (case folding, tokenizing, dan stopword removal), ekstraksi fitur menggunakan metode TF-IDF, pelatihan model NBC, serta eval__uasi performa model menggunakan confusion matrix dengan metrik akurasi, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model mencapai akurasi 76,5%, precision 77,3%, recall 76,5%, dan F1-score 72,5%, yang menandakan performa model yang cukup baik. Selain itu, melalui analisis frekuensi kata (Word Frequency Analysis), diperoleh gambaran topik dominan pada setiap tahun, yang divisualisasikan menggunakan diagram batang. Penelitian ini diharapkan dapat membantu mahasiswa dan institusi dalam memilih judul skripsi secara lebih terarah dan berdasarkan tren yang berkembang.
References
Andriani, N., & Wibowo, A. (2021). Implementasi Text Mining Klasifikasi Topik Tugas Akhir Mahasiswa Teknik Informatika Menggunakan Pembobotan TF-IDF dan Metode Cosine Similarity Berbasis Web. Senamika, September, 130–137.
Atmaja, D. M. U., & Mandala, R. (2020). Analisa Judul Skripsi untuk Menentukan Peminatan Mahasiswa Menggunakan Vector Space Model dan Metode K-Nearest Neighbor. IT for Society, 4(2), 1–6. https://doi.org/10.33021/itfs.v4i2.1182
Da’awi, M. M., & Nisa, W. I. (2021). PSIKODINAMIKA : JURNAL LITERASI PSIKOLOGI Pengaruh Dukungan Sosial terhadap Tingkat Stres dalam Penyusunan Tugas Akhir Skripsi. Jurnal Literasi Psikologi, 1(1), 67–75.
Dania, S., Ishak, R., Kom, M., & Dalai, H. (2024). Penerapan Algoritma Naive Bayes Classifier Untuk Klasifikasi Judul Skripsi Berdasarkan Konsentrasi. Jurnal Ilmiah Ilmu Komputer Banthayo Lo Komputer, 3(1), 15–22.
Erna, A., Jailani, A. K., Informasi, S., & Dipa, U. (2024). Identifikasi Potensi Topik Penelitian Baru : Analisis Judul Skripsi Teknik Informatika ( 2022-2024 ) menggunakan Latent Dirichlet Allocation ( LDA ). XIII(2), 159–167.
Irawan, B. H., Simarangkir, M. S. H., & Erlinna, E. (2021). Deteksi Kemiripan Judul Skripsi Menggunakan Algoritma Levenshtein Distance Pada Kampus Stmik Mic Cikarang. Edutic - Scientific Journal of Informatics Education, 7(2), 143–149. https://doi.org/10.21107/edutic.v7i2.10051
Nuraeni, R., Sudiarjo, A., & Rizal, R. (2021). Perbandingan Algoritma Naïve Bayes Classifier dan Algoritma Decision Tree untuk Analisa Sistem Klasifikasi Judul Skripsi. Innovation in Research of Informatics (INNOVATICS), 3(1), 26–31. https://doi.org/10.37058/innovatics.v3i1.2976
Nurdin, N., Suhendri, M., Afrilia, Y., & Rizal, R. (2021). Klasifikasi Karya Ilmiah (Tugas Akhir) Mahasiswa Menggunakan Metode Naive Bayes Classifier (NBC). Sistemasi, 10(2), 268. https://doi.org/10.32520/stmsi.v10i2.1193
Putra, D., & Wibowo, A. (2020). Prediksi Keputusan Minat Penjurusan Siswa SMA Yadika 5 Menggunakan Algoritma Naïve Bayes. Prosiding Seminar Nasional Riset Dan Information Science (SENARIS), 2, 84–92.
Ridwansyah, T. (2022). Implementasi Text Mining Terhadap Analisis Sentimen Masyarakat Dunia Di Twitter Terhadap Kota Medan Menggunakan K-Fold Cross Validation Dan Naïve Bayes Classifier. KLIK: Kajian Ilmiah Informatika Dan Komputer, 2(5), 178–185. https://doi.org/10.30865/klik.v2i5.362
Rosalin, S., & Supriyanto, B. F. (2023). Analisis Sentimen Program Merdeka Belajar dengan Text Analysis Wordcloud & Word Frequency. Jurnal Minfo Polgan, 12(1), 25–32. https://doi.org/10.33395/jmp.v12i1.12312
Sukriadi, S., Ismail, I., & Andzar, A. M. (2023). Penerapan Text Mining Dalam Klasifikasi Judul Skripsi Yang Diusulkan Mahasiswa Menggunakan Metode Naïve Bayes. Jurnal Ilmiah Sistem Informasi Dan Teknik Informatika (JISTI), 6(2), 184–196. https://doi.org/10.57093/jisti.v6i2.174
Sulaiman, R., Artiono, R., & Rahajeng, B. (2022). Menentukan Topik Skripsi Mahasiswa Dengan Menggunakan Relasi Fuzzy Intuisionistik. Sainmatika: Jurnal Ilmiah Matematika Dan Ilmu Pengetahuan Alam, 19(1), 8. https://doi.org/10.31851/sainmatika.v19i1.7927
Supriatman, A. (2021). Pembobotan TF-IDF pada Judul Penelitian Dosen Sebagai Dasar Klasifikasi Menggunakan Algoritma K-NN (Studi Kasus: Universitas Siliwangi). Jurnal Serambi Engineering, 6(1), 1573–1579. https://doi.org/10.32672/jse.v6i1.2645
Wangge, M. (2021). Penerapan Metode Principal Component Analysis (PCA) Terhadap Faktor-faktor yang Mempengaruhi Lamanya Penyelesaian Skripsi Mahasiswa Program Studi Pendidikan Matematika FKIP UNDANA. Jurnal Cendekia : Jurnal Pendidikan Matematika, 5(2), 974–988. https://doi.org/10.31004/cendekia.v5i2.465
Wibiyanto, A. D. D., & Wibowo, A. (2023). Penerapan Algoritma Multiclass Support Vector Machine Dan Tf-Idf Untuk Klasifikasi Topik Tugas Akhir. Skanika, 6(1), 42–50. https://doi.org/10.36080/skanika.v6i1.2999
Yumami, E., Jannah, M., Putra, K. O., Teknologi, I., & Gama, M. (2025). KONSENTRASI PROGRAM STUDI MENGGUNAKAN. 5(1), 24–28.
Zaza, D. A. U., Umar, E., Ema, F., & Sanga, O. (2024). Penerapan Text Mining Dalam Klasifikasi Judul Skripsi Mahasiswa Pada Universitas Stella Maris Sumba Menggunakan Metode Naïve Bayes. 02(03), 327–338.
Copyright (c) 2025 Ike Yunia Pasa, Nur Wachid Adi Prasetya
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
