PEMANFAATAN TEXT MINING PADA SISTEM PENGOLAHAN SKRIPSI MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER DAN SIMPLE ADDITIVE WEIGHTING

Tahapan awal skripsi adalah pengajuan proposal skripsi. Proposal skripsi akan diproses untuk menentukan dosen pembimbing, kemudian skripsi dapat dilanjutkan ke tahap penyusunan. Saat ini pengolahan skripsi menggunakan cara manual, dari penentuan dosen pembimbing hingga pengumpulan laporan akhir. Koordinator Skripsi juga harus mencocokkan data proposal dengan data dosen pembimbing secara manual. Maka, penggunaan Sistem Informasi dapat membantu menentukan dosen pembimbing dan sebagai layanan skripsi. Langkah awal dalam menentukan dosen pembimbing adalah mengetahui tema dan konsentrasi proposal skripsi. Untuk mengetahui tema dan konsentrasi proposal dilakukan analisis isi proposal menggunakan metode Text Mining. Text Mining bekerja dengan cara preprocessing menggunakan tokenizing, filtering, dan stemming untuk mendapatkan kata dasar dari setiap kata dalam setiap kalimat. Kemudian melakukan klasifikasi dokumen proposal sesuai dengan tema dan konsentrasi menggunakan algoritma Naive Bayes Classifier berdasarkan hasil preprocessing. Tema dan konsentrasi merupakan salah satu kriteria penentukan dosen pembimbing menggunakan algoritma Simple Additive Weighting untuk dilakukan perangkingan pembobotan setiap dosen. Berdasarkan hasil penelitian yang telah dilakukan, proses penentuan tema dan konsentrasi dari proposal skripsi mahasiswa dapat membantu dalam melakukan klasifikasi dokumen dengan tingkat akurasi mencapai 78%. Pembobotan dosen pembimbing proposal skripsi sesuai dengan kriteria menunjukkan hasil dengan nilai perangkingan yang beragam sesuai dengan bobot kriteria setiap dosen pembimbing.