Sistem Rekomendasi Referensi Berbasis mBERT dan Analytical Hierarchy Process Terintegrasi Semantic Scholar

Abstract

Abstrak — Perkembangan teknologi informasi dan meningkatnya jumlah mahasiswa menyebabkan kompleksitas dalam penentuan referensi tugas akhir yang relevan, berkualitas, dan memiliki unsur kebaruan, sehingga proses pencarian referensi seringkali memakan waktu lama dan bersifat subjektif. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi referensi tugas akhir berbasis website yang mampu memberikan rekomendasi jurnal internasional secara otomatis berdasarkan kriteria kualitas novelty, clarity, specificity, dan relevance, serta menampilkan referensi yang sesuai dengan tren penelitian global melalui integrasi Semantic Scholar API. Metode yang digunakan meliputi analisis semantik berbasis Multilingual BERT (mBERT) untuk menghasilkan embedding teks dan menghitung kemiripan menggunakan cosine similarity, serta metode Analytical Hierarchy Process (AHP) untuk pembobotan multi-kriteria dalam proses pemeringkatan referensi. Dataset yang digunakan berasal dari metadata publikasi ilmiah dari Semantic Scholar. Hasil evaluasi menunjukkan nilai accuracy sebesar 82%, precision sebesar 85,2%, recall sebesar 92%, dan F1-score sebesar 0,885 yang mengindikasikan performa model yang baik dalam klasifikasi kemiripan semantik. Berdasarkan hasil implementasi, waktu rata-rata preprocessing dan pembentukan embedding berkisar antara 0,2–0,5 detik per data, sedangkan waktu rekomendasi berada pada kisaran 40–100 detik. Pengujian terhadap 50 responden menggunakan metode System Usability Scale (SUS) menghasilkan skor rata-rata 70,1 yang termasuk dalam kategori baik. Dengan demikian, sistem ini efektif dalam membantu mahasiswa dan dosen dalam memperoleh referensi penelitian yang relevan, terstruktur, dan sesuai dengan perkembangan riset terkini.

Kata Kunci — Sistem Rekomendasi, BERT, AHP, Semantic Scholar, Analisis Semantik.