PERBANDINGAN COSINE DAN JACCARD SIMILARITY UNTUK REKOMENDASI DOSEN PENGUJI TUGAS AKHIR MENGGUNAKAN CONTENT-BASED FILTERING

Banyaknya jumlah mahasiswa beserta judul penelitian atau skripsi yang beragam, menjadi salah satu permasalahan utama dan sebuah pertimbangan dalam menentukan dosen penguji skripsi yang sesuai dengan topik penelitian setiap mahasiswa. Dengan adanya permasalahan tersebut, dibutuhkan sebuah sistem yang mampu merekomendasikan dosen penguji untuk skripsi mahasiswa. Sistem rekomendasi ini menggunakan metode Content-Based Filtering dengan dua metode similarity yaitu Cosine Similarity dan Jaccard Similarity yang akan menghasilkan rekomendasi dosen penguji dengan nilai perbandingan dari kedua metode tersebut. Hasil dari penelitian ini akan diuji dengan menggunakan tiga metrik evaluasi yaitu Precission, Recall, dan nDCG (Normalized Discounted Cumulative Gain). Berdasarkan hasil pengujian yang menggunakan 50 dataset penelitian mahasiswa yang diambil dari e-library, metode Cosine Similarity menunjukkan performa yang lebih baik dibandingkan Jaccard Similarity, dengan nilai precision sebesar 15%, recall sebesar 49%, dan nDCG sebesar 30%. Sementara itu, metode Jaccard Similarity menghasilkan nilai yang lebih rendah, yaitu precision sebesar 12%, recall sebesar 41%, dan nDCG sebesar 26%. Dilakukan juga perhitungan Hit Rate yang memperoleh hasil 90% untuk Cosine Similarity dan 82% untuk Jaccard Similarity.