Rekomendasi Prioritas Penyelesaian Masalah Berdasarkan Notulensi dari Bimbingan Skripsi dengan Machine Learning

Abstract

Abstrak— Proses bimbingan skripsi sering kali menghasilkan notulensi yang memuat berbagai permasalahan yang harus diselesaikan dengan tingkat prioritas berbeda. Namun, penentuan tingkat prioritas tersebut sering kali subjektif dan memakan waktu. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi tingkat prioritas berdasarkan notulensi bimbingan skripsi menggunakan Machine Learning dengan algoritma SVM. Proses pengembangan model meliputi pengumpulan dataset notulensi dari mahasiswa semester akhir, augmentasi data melalui back-translation, preprocessing data, pencarian parameter optimal, serta pelatihan model SVM. Data penelitian diambil dari notulensi mahasiswa dengan total 1720 data yang telah diproses menjadi tiga kelas prioritas. Evaluasi model dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score, menghasilkan akurasi tertinggi 97% dengan kernel RBF setelah penghapusan outlier. Sistem sederhana berbasis model SVM kemudian diuji 58 mahasiswa dari berbagai universitas untuk mengevaluasi tingkat kepuasan terhadap akurasi dan kemudahan sistem. Penilaian dilakukan melalui kuesioner berbasis skala likert. Hasil analisis menunjukkan bahwa pengguna memberikan penilaian positif terhadap akurasi hasil rekomendasi, kemudahan penggunaan, serta kejelasan informasi yang diberikan sistem

Kata Kunci— Machine Learning, SVM, Notulensi, Rekomendasi, Prioritas, Bimbingan Skripsi