Penerapan Sistem Rekomendasi Peneliti Berbasis Hybird Dengan Model LDA Dan Naïve Bayes

Authors

Abstract

 

Abstrak — Kolaborasi penelitian sangat penting untuk meningkatkan kualitas dan produktivitas penelitian, sehingga dapat memperkuat peran inovasi dalam pengembangan ilmu pengetahuan dan teknologi. Namun, banyak peneliti di ruang lingkup Telkom University Surabaya yang kesulitan menemukan dosen atau rekan peneliti yang sesuai bidang keahliannya, yang menjadi suatu tantangan besar dalam membangun kerjasama penelitian yang efektif. Penelitian ini bertujuan untuk meningkatkan kolaborasi multidisipliner dan memfasilitasi pencarian rekan peneliti di lingkungan akademik Telkom University Surabaya, melalui pengembangan sistem rekomendasi dosen peneliti yang inovatif dengan memanfaatkan data publikasi dari Google Scholar. Metode yang digunakan adalah model Latent Dirichlet Allocation (LDA) sebagai identifikasi topik, sementara Naïve Bayes digunakan untuk klasifikasi data kata kunci guna memprediksi dosen peneliti yang relevan. Hasil penelitian ini berupa sistem rekomendasi yang dapat merekomendasikan dosen sesuai dengan bidang keahlian dan pengalaman penelitian mereka. Sistem ini diharapkan mendukung peneliti dalam menemukan mitra kolaborasi dan membantu mahasiswa dalam memilih dosen pembimbing. Evaluasi model menunjukkan performa baik dalam membantu pengguna untuk merekomendasikan dosen peneliti dengan akurasi 88%, precision 86%, recall 85%, dan F1-score 85%. Sistem ini sejalan dengan tujuan Sustainable Development Goals (SDGs) dalam mendukung inovasi yang modern dan kolaborasi penelitian.

Kata kunci— Sistem Rekomendasi, Latent Dirichlet Allocation, Naïve Bayes.

Downloads

Download data is not yet available.

References

[1] C. M. D. Butar Butar et al., “Analisis Produktivitas Publikasi Ilmiah Mengenai Program Pertukaran Mahasiswa Merdeka (Pmm),” Communnity Development Journal, vol. 4, no. 2, pp. 4921–4924, 2023.

[2] D. K. Kemdikbudristek, “Analisis Total Publikasi Nasional 5 Tahun Terakhir,” PTNBH. Accessed: Dec. 13, 2024. [Online]. Available: https://sinta.kemdikbud.go.id/ptnbhanalytics/v2/indicators?indicator=14

[3] D. Diktiristek, “Mahasiswa PMDSU Didorong Produktif Hasilkan Publikasi Berkualitas,” 2022. [Online]. Available: https://dikti.kemdikbud.go.id/kabar-dikti/kabar/mahasiswa-pmdsu-didorong-produktif-hasilkan-publikasi-berkualitas/

[4] H. Setiawan, “Implementasi Algoritma Fuzzy Topsis Pada Sistem Rekomendasi Beasiswa,” Jurnal Sistem Telekomunikasi Elektronika Sistem Kontrol Power Sistem & Komputer, vol. 1, no. 2, pp. 2776–5822, 2021.

[5] M. Alkaff, H. Khatimi, and A. Eriadi, “Sistem Rekomendasi Buku pada Perpustakaan Daerah Provinsi Kalimantan Selatan Menggunakan Metode Content-Based Filtering,” MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, vol. 20, no. 1, pp. 193–202, Sep. 2020, doi: 10.30812/matrik.v20i1.617.

[6] F. R. Hariri and L. W. Rochim, “Sistem Rekomendasi Produk Aplikasi Marketplace Berdasarkan Karakteristik Pembeli Menggunakan Metode User Based Collaborative Filtering,” Teknika, vol. 11, no. 3, pp. 208–217, Nov. 2022, doi: 10.34148/teknika.v11i3.538.

[7] Z. Fayyaz, M. Ebrahimian, D. Nawara, A. Ibrahim, and R. Kashef, “Recommendation systems: Algorithms, challenges, metrics, and business opportunities,” Applied Sciences (Switzerland), vol. 10, no. 21, pp. 1–20, Nov. 2020, doi: 10.3390/app10217748.

[8] D. Rosmala and R. N. Cahyadi, “Analisis Sentimen Web Novel Menggunakan Metode Latent Dirichlet Allocation (LDA) (Study Kasus Komentar Novel Harry Potter),” Jurnal Riset Sistem Informasi dan Teknik Informatika, vol. 2, no. 2, 2024, doi: 10.61132/merkurius.v2i2.74.

[9] H. Oktafiandi, “Implementasi LDA untuk Pengelompokan Topik Twitter Bertagar #Mypertamina,” JURNAL EKONOMI DAN TEKNIK INFORMATIKA, vol. 11, no. 1, pp. 2579–3322, 2023.

[10] N. L. P. M. Putu, Ahmad Zuli Amrullah, and Ismarmiaty, “Analisis Sentimen dan Pemodelan Topik Pariwisata Lombok Menggunakan Algoritma Naive Bayes dan Latent Dirichlet Allocation,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 1, pp. 123–131, Feb. 2021, doi: 10.29207/resti.v5i1.2587.

[11] K. Anwar, “Analisa sentimen Pengguna Instagram Di Indonesia Pada Review Smartphone Menggunakan Naive Bayes,” KLIK: Kajian Ilmiah Informatika dan Komputer, vol. 2, no. 4, pp. 148–155, 2022, [Online]. Available: https://djournals.com/klik

[12] R. Rizqi Robbi Arisandi, B. Warsito, and A. Rachman Hakim, “Aplikasi Naïve Bayes Classifier (Nbc) Pada Klasifikasi Status Gizi Balita Stunting Dengan Pengujian K-Fold Cross Validation,” JURNAL GAUSSIAN, vol. 11, no. 1, pp. 130–139, 2022, [Online]. Available: https://ejournal3.undip.ac.id/index.php/gaussian/

[13] N. Nurainun, E. Haerani, F. Syafria, and L. Oktavia, “Penerapan Algoritma Naïve Bayes Classifier Dalam Klasifikasi Status Gizi Balita dengan Pengujian K-Fold Cross Validation,” Journal of Computer System and Informatics (JoSYC), vol. 4, no. 3, pp. 578–586, May 2023, doi: 10.47065/josyc.v4i3.3414.

[14] D. Zakeshia Tiara Kannitha and P. Kartikasari, “Pemodelan Topik Pada Keluhan Pelanggan Menggunakan Algoritma Latent Dirichlet Allocation Dalam Media Sosial Twitter,” JURNAL GAUSSIAN, vol. 11, no. 2, pp. 266–277, 2022, [Online]. Available: https://ejournal3.undip.ac.id/index.php/gaussian/

[15] V. Alpiana, A. Salam, F. Alzami, I. Rizqa, and D. Aqmala, “Analisis Topic-Modelling Menggunakan Latent Dirichlet Allocation (LDA) Pada Ulasan Sosial Media Youtube,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 8, no. 1, p. 332, Jan. 2024, doi: 10.30865/mib.v8i1.7127.

[16] M. R. Fahlevvi and A. SN, “Topic Modeling on Online News.Portal Using Latent Dirichlet Allocation (LDA),” IJCCS (Indonesian Journal of Computing and Cybernetics Systems), vol. 16, no. 4, p. 335, Oct. 2022, doi: 10.22146/ijccs.74383.

[17] H. F. Putro, R. T. Vulandari, and W. L. Y. Saptomo, “Penerapan Metode Naive Bayes Untuk Klasifikasi Pelanggan,” Jurnal Teknologi Informasi dan Komunikasi (TIKomSiN), vol. 8, no. 2, Oct. 2020, doi: 10.30646/tikomsin.v8i2.500.

[18] S. H. Ramadhani and M. I. Wahyudin, “Analisis Sentimen Terhadap Vaksinasi Astra Zeneca pada Twitter Menggunakan Metode Naïve Bayes dan K-NN,” Jurnal Teknologi Informasi dan Komunikasi), vol. 6, no. 4, p. 2022, 2022, doi: 10.35870/jti.

[19] N. Paramitha, E. Junianto, and S. Susanti, “Penerapan Teorema Bayes Untuk Diagnosis Penyakit Pada Ibu Hamil Berbasis Android,” 2019. [Online]. Available: http://ejournal.bsi.ac.id/ejurnal/index.php/ji/article/view/4

[20] D. F. Ningtyas and N. Setiyawati, “Implementasi Flask Framework pada Pembangunan Aplikasi Purchasing Approval Request,” Jurnal Janitra Informatika dan Sistem Informasi, vol. 1, no. 1, pp. 19–34, Apr. 2021, doi: 10.25008/janitra.v1i1.120.

Published

2025-12-01

Issue

Pages

1 - 8

Section

Prodi S1 Sistem Informasi - Kampus Surabaya

How to Cite

Alfonsus Antero Arnayusrendito, Nizar Palefi Ma'ady, M., & Anaking, P. (2025). Penerapan Sistem Rekomendasi Peneliti Berbasis Hybird Dengan Model LDA Dan Naïve Bayes. EProceedings of Engineering, 12(6), 1-8. https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/28652