Rekomendasi Pemilihan Topik Konsentrasi Skripsi Mahasiswa menggunakan Metode Case Based Reasoning (Studi Kasus: Program Studi S1 Teknik Informatika IST AKPRIND Yogyakarta)
ANNISAA UTAMI, Dr. Yohanes Suyanto, M.I.Kom;Dr. Agus Sihabuddin, S.Si., M.Kom
2020 | Tesis | MAGISTER ILMU KOMPUTERCase Based Reasoning (CBR) merupakan sistem penalaran komputer yang menggunakan pengetahuan lama untuk mengatasi masalah baru. CBR memberikan solusi terhadap permasalahan baru dengan melihat kasus lama yang paling mendekati permasalahan baru. Sistem yang dibangun dalam penelitian ini adalah sistem CBR untuk melakukan rekomendasi topik konsentrasi skripsi mahasiswa. Penelitian ini bertujuan merancang dan membangun sistem Case Based Reasoning menggunakan Metode Similaritas Nearest Neighbor dan Manhattan Distance, serta membandingkan hasil nilai akurasi menggunakan Metode Nearest Neighbor Similarity dan Manhattan Distance Similarity. Penelitian ini menggunakan Case Based Reasoning (CBR) untuk memberikan rekomendasi topik konsentrasi skripsi kepada mahasiswa S1 Teknik Informatika IST AKPRIND Yogyakarta. Inputan dari sistem adalah IPK pada saat pengajuan skripsi, nilai mata kuliah wajib umum dan nilai mata kuliah wajib konsentrasi dari semester 1 s/d 8. Sistem CBR akan menyelesaikan permasalahan baru menggunakan solusi dari permasalahan lama yaitu dengan cara menghitung nilai kedekatan atau similaritas antara permasalahan baru dengan seluruh kasus lama yang tersimpan dalam basis kasus menggunakan Metode Similaritas Nearest Neighbor dan Manhattan Distance. Penelitian ini menggunakan 115 data yang terdiri dari 80 data latih dan 35 data uji. Kasus yang diambil adalah kasus dengan nilai similaritas paling tinggi. Jika suatu kasus tidak berhasil direkomendasi atau target case dibawah nilai trashold 0.8, maka akan dilakukan revisi kasus oleh pakar. Kasus yang telah direvisi oleh pakar akan tersimpan di basis kasus,secara langsung sistem akan mendapatkan pengetahuan baru dari masalah baru yang telah di revisi Berdasarkan hasil implementasi menunjukkan bahwa Case Based Reasoning dapat digunakan sebagai sistem rekomendasi topik konsentrasi skripsi mahasiswa. Hasil pengujian menggunakan Metode Nearest Neighbor mendapat nilai akurasi sebesar 97,14% adalah lebih tinggi jika dibandingkan dengan hasil nilai akurasi menggunakan Metode Manhattan Distance yaitu sebesar 94,29%.
Case Based Reasoning (CBR) is a computer reasoning system that uses old knowledge to solve new problems. CBR provides solutions to new problems by seeing the old cases that are closest to the new problem. The system built in this research is CBR's system to make recommendations on the topic of student thesis concentration. The research aims to design and build Case Based Reasoning systems using the Similaritas method Nearest Neighbor and Manhattan Distance, as well as comparing the value of accuracy with Nearest Neighbor Similarity and Manhattan Distance Similarity methods. This study uses Case Based Reasoning (CBR) to recommend the topic of thesis concentration of students in S1 Informatics engineering IST AKPRIND Yogyakarta. The input of the system is the GPA at the time of submission of the thesis, the general mandatory course value and the value of the compulsory subject of concentration from semester 1 to 8. CBR system will solve new problems using the solution of the old problem by calculating the value of proximity or similarity between new problems with all the old cases stored in the case basis using the similarity method Nearest Neighbor and Manhattan Distance. The study uses 115 data consisting of 80 training data and 35 test data. The case taken is the case with the highest value of similarity. If a case is not successfully recommended or the target case below the 0.8 trashold value, the expert will be revised by the case. Cases that have been revised by an expert will be stored on the case basis, the system will directly gain new knowledge of recent problems that have been revised. Based on the results of the implementation shows that Case Based Reasoning can be used as a recommendation system for student thesis concentration. The test results using the Nearest Neighbor method received an accuracy value of 97.14% is higher compared to the accuracy value of the Manhattan Distance method of 94.29%.
Kata Kunci : Case Based Reasoning,Manhattan Distance,Nearest Neighbor,Topik Konsentrasi Skripsi
