Sistem Rekomendasi Dua Arah untuk Pemilihan Dosen Pembimbing Menggunakan Data Histori dan Skyline View Queries

Abstract

Pemilihan dosen pembimbing merupakan salah satu faktor yang mempengaruhi proses penyelesaian tugas akhir. Pada mekanisme pemilihan dosen pembimbing, sering kali mahasiswa sendiri belum memahami dengan jelas kemampuan dirinya serta topik apa yang akan dipilihnya, sehingga nama calon dosen pembimbing yang diusulkan mahasiswa umumnya belum mempertimbangkan hal tersebut. Mekanisme seperti ini juga menyebabkan terjadinya penumpukan calon bimbingan pada dosen tertentu dan kekurangan bimbingan pada dosen yang lain, meskipun keduanya memiliki latar belakang keilmuan yang mirip. Pada saat yang sama, umumnya dosen pembimbing tidak pernah ditanya preferensinya terhadap mahasiswa seperti apa yang sesuai untuk topik penelitian yang akan ditawarkan. Sistem rekomendasi yang ada biasanya hanya mempertimbangkan preferensi salah satu pihak saja, dari sisi dosen saja ataupun sisi mahasiswa saja. Penelitian ini membangun sistem rekomendasi dua arah baik dari sisi dosen maupun dari sisi mahasiswa menggunakan skyline view queries. Skyline view queries merekomendasikan dosen yang dominan kepada mahasiswa sesuai dengan preferensi mahasiswa, dan merekomendasikan mahasiswa yang dominan kepada dosen sesuai dengan preferensi dosen. Untuk mendapatkan preferensi dari kedua sisi, digunakan teknik text mining dan clustering pada data histori nilai akademik dan topik penelitian dari mahasiswa yang sudah lulus sebagai acuan untuk mahasiswa yang akan memilih dosen pembimbing. Hasil percobaan menunjukkan bahwa penggabungan metode skyline view queries dengan profil akademik dan data histori dapat mengatasi permasalahan penumpukan calon bimbingan pada dosen tertentu serta dapat memberikan rekomendasi yang sesuai dengan kemampuan akademik dan preferensi mahasiswa dan dosen. AbstractSelection of thesis supervisor is a factor that have an effect on the final thesis process. In the process of choosing thesis supervisor, student often has not clearly recognize his/her capability and topic that will be researched. Therefore, this issue is likely not considered when the student propose his/her thesis supervisor. This selection process typically also makes one supervisor is proposed by many student while other supervisor is proposed by less student, even though both supervisor has similar scientific background. At the same time, generally the thesis supervisor has never been asked his/her student preferences related to the supervisor’s research topics. Existing recommendation systems usually consider preferences from one party, either supervisor’s or student’s preferences. This research develop a two-way recommendation system, considering both supervisor’s and student’s preferences using skyline view queries. Skyline view queries recommend dominant supervisor to student based on student’s preferences, and recommend dominant student to supervisor based on supervisor’s preferences. To acquire preferences from both party, text mining techniques and clustering is used on student’s historical academic scores data and data of research topics from graduated student as reference for student in choosing thesis supervisor. Experiment results show that using skyline view queries method on student’s academic profile and historical data can overcome the issue of one supervisor is proposed by too many students. In addition, the results shows that the method can also give appropriate recommendation based on student’s academic portfolio and student’s and supervisor’s preferences.