SISTEM REKOMENDASI TOPIK SKRIPSI BERDASARKAN MINAT DAN NILAI AKADEMIK MAHASISWA MENGGUNAKAN MACHINE LEARNING DI UNIVERSITAS MUHAMMADIYAH KUNINGAN DALAM PERSPEKTIF RASIONALITAS ILMIAH

Abstract

Penentuan topik skripsi merupakan tahap krusial dalam proses epistemologis mahasiswa yang sering kali menghadapi kendala subjektivitas. Permasalahan utama dalam penelitian ini adalah pemilihan topik yang sering kali bersifat pragmatis dan tidak selaras dengan kompetensi akademik, sehingga berdampak pada rendahnya motivasi dan risiko keterlambatan kelulusan. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi topik skripsi berbasis machine learning yang mampu memberikan saran secara objektif. Metode penelitian melibatkan komparasi empat algoritma klasifikasi: k-Nearest Neighbors (k-NN), Decision Tree, Naive Bayes, dan Random Forest. Tahapan pengolahan data mencakup pembersihan, transformasi, penanganan ketidakseimbangan data menggunakan SMOTE, serta validasi model melalui 10-Fold Cross-Validation. Hasil penelitian menunjukkan bahwa algoritma Random Forest menghasilkan performa terbaik dengan nilai AUC sebesar 0.804, sehingga dikategorikan sebagai model klasifikasi yang baik. Meskipun demikian, model masih memiliki keterbatasan dalam memprediksi kelas minoritas seperti topik Networking. Secara keseluruhan, sistem ini dapat menjadi alat bantu pendukung keputusan bagi mahasiswa untuk memetakan potensi akademik mereka secara lebih sistematis dan ilmiah