Analisis Preprocessing Pada Similarity Judul Skripsi Menggunakan TF-IDF Dan Cosine Similarity

Abstrak

Kemiripan judul skripsi dapat menyebabkan pengulangan topik penelitian dan mengurangi variasi penelitian mahasiswa. Penelitian ini bertujuan menganalisis pengaruh tahapan preprocessing terhadap nilai similarity judul skripsi menggunakan metode TF-IDF dan Cosine Similarity. Dataset penelitian terdiri atas 480 judul skripsi bidang teknologi informasi yang digunakan sebagai data pembanding dalam proses perhitungan similarity. Pengujian sistem dilakukan menggunakan 50 judul uji yang berada di luar dataset, terdiri atas 25 judul skripsi dari periode sebelumnya dan 25 judul usulan terbaru pada periode Genap 2025. Tahapan preprocessing yang dianalisis meliputi raw text, cleaning, stopword removal, dan stemming. Hasil penelitian menunjukkan bahwa setiap tahapan preprocessing menghasilkan variasi nilai similarity. Pada kelompok judul lama, nilai similarity rata-rata berturut-turut sebesar 36,89%, 37,07%, 36,61%, dan 38,28%, sedangkan pada kelompok judul baru sebesar 39,18%, 39,44%, 39,07%, dan 39,62%. Tahap stemming menghasilkan nilai similarity rata-rata tertinggi dibandingkan tahapan preprocessing lainnya pada kedua kelompok data uji. Namun, peningkatan yang diperoleh relatif kecil sehingga menunjukkan bahwa pengaruh preprocessing terhadap nilai similarity pada dataset penelitian cenderung terbatas. Penelitian ini juga menghasilkan sistem berbasis web yang dapat digunakan untuk membantu proses evaluasi pengajuan judul skripsi secara lebih cepat dan objektif.