Sistem Rekomendasi Judul Skripsi Berdasarkan Kemiripan Topik Menggunakan Sentence-BERT dan Cosine Similarity
Abstract
Pemilihan judul skripsi merupakan tahapan penting dalam penyusunan tugas akhir mahasiswa, namun mahasiswa sering mengalami kesulitan menentukan judul yang sesuai minat penelitian sekaligus memastikan judul tersebut tidak memiliki kemiripan topik yang tinggi dengan penelitian terdahulu. Proses pengecekan kemiripan judul secara manual, yang umumnya hanya mengandalkan pencocokan kata kunci (keyword matching), membutuhkan waktu lama dan belum mampu memahami kemiripan makna antarjudul yang disusun dengan susunan kata berbeda. Penelitian ini bertujuan mengembangkan sistem rekomendasi judul skripsi berbasis website yang menerapkan Sentence-BERT (Sentence Bidirectional Encoder Representations from Transformers) untuk mengubah judul skripsi menjadi representasi vektor semantik (sentence embedding), serta Cosine Similarity untuk menghitung tingkat kemiripan antara judul yang dimasukkan pengguna dengan 2.764 data judul skripsi yang diperoleh melalui web scraping dari repository Universitas Sumatera Utara (USU), Universitas Negeri Medan (UNIMED), dan Universitas Islam Negeri Sumatera Utara (UINSU). Sistem dikembangkan menggunakan framework Flask (Python) sebagai backend dan basis data MySQL, dengan antarmuka berbasis HTML, CSS, dan Bootstrap. Hasil pengujian fungsional terhadap lima variasi kueri judul menunjukkan bahwa sistem berhasil menampilkan sepuluh rekomendasi judul teratas (Top 10) untuk setiap kueri, dengan nilai kemiripan tertinggi mencapai 76,00% pada kueri uji "Sistem Pakar" dan waktu pemrosesan pencarian rata-rata sekitar 4,357 detik terhadap keseluruhan dataset. Sistem yang dikembangkan terbukti mampu memahami kemiripan makna antarjudul secara semantik, bukan hanya kesamaan kata, sehingga berpotensi membantu mahasiswa memperoleh referensi judul yang lebih relevan dan mengurangi kemungkinan duplikasi topik penelitian.
References
Al-Hassan, M., Abu-Salih, B., Alshdaifat, E., Aloqaily, A., & Rodan, A. (2024). An Improved Fusion-Based Semantic Similarity Measure for Effective Collaborative Filtering Recommendations. International Journal of Computational Intelligence Systems, 17(1), Article 45. https://doi.org/10.1007/s44196-024-00429-4
Cer, D., Yang, Y., Kong, S. Y., Hua, N., Limtiaco, N., St. John, R., Constant, N., Guajardo-Céspedes, M., Yuan, S., Tar, C., Sung, Y. H., Strope, B., & Kurzweil, R. (2018). Universal Sentence Encoder for English. Proceedings of the 2018 Conference on Empirical Methods in Natural Language Processing: System Demonstrations, 169–174. https://doi.org/10.18653/v1/D18-2029
Choi, H., Kim, J., Joe, S., & Gwon, Y. (2021). Evaluation of BERT and ALBERT Sentence Embedding Performance on Downstream NLP Tasks. 2020 25th International Conference on Pattern Recognition (ICPR), 5482–5487. https://doi.org/10.1109/ICPR48806.2021.9412102
Devlin, J., Chang, M. W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. Proceedings of NAACL-HLT 2019, 1, 4171–4186. https://doi.org/10.18653/v1/N19-1423
Fathuddin, M. A. H., Mandyartha, E. P., & Nurlaili, A. L. (2025). Penerapan Sentence-BERT dan Cosine Similarity untuk Pencarian Semantik Dokumen Skripsi dalam Format PDF. Ranah Research: Journal of Multidisciplinary Research and Development, 8(1), 322–337. https://doi.org/10.38035/rrj.v8i1.1865
Febianto Agiharta, K., Renaldy Suteja, B., & Ayub, M. (2024). Application of Sentence BERT for Job Competency and Course Similarity. JUTISI (Jurnal Teknik Informatika dan Sistem Informasi), 10(3), 449–467.
Gao, T., Yao, X., & Chen, D. (2021). SimCSE: Simple Contrastive Learning of Sentence Embeddings. Proceedings of the 2021 Conference on Empirical Methods in Natural Language Processing, 6894–6910. https://doi.org/10.18653/v1/2021.emnlp-main.552
Gusdevi, H., Setyanto, A., Kusrini, K., & Utami, E. (2025). Cosine Similarity-Based Evidences Selection for Fact Verification Using SBERT on the FEVER Dataset. CogITo Smart Journal, 11(1), 52–66. https://doi.org/10.31154/cogito.v11i1.917.52-66
Hartatik, H., & Syafrianto, A. (2025). Penerapan Model Sentence-BERT untuk Sistem Rekomendasi Buku Berbasis Konten di Perpustakaan Digital. Jurnal Dialektika Informatika (Detika), 6(1), 12–19. https://doi.org/10.24176/detika.v6i1.15916
Henderson, M., Al-Rfou, R., Strope, B., Sung, Y. H., Lukács, L., Guo, R., Kumar, S., Miklós, B., & Kurzweil, R. (2017). Efficient Natural Language Response Suggestion for Smart Reply. arXiv. http://arxiv.org/abs/1705.00652
Holis, R. M., Utomo, P. E. P., & Hutabarat, B. F. (2025). Semantic FAQ Chatbot Using SBERT (Sentence-BERT) and Cosine Similarity for Academic Services. Brilliance: Research of Artificial Intelligence, 5(2), 915–922. https://doi.org/10.47709/brilliance.v5i2.7027
Karpukhin, V., Oğuz, B., Min, S., Lewis, P., Wu, L., Edunov, S., Chen, D., & Yih, W. T. (2020). Dense Passage Retrieval for Open-Domain Question Answering. Proceedings of EMNLP 2020, 6769–6781. https://doi.org/10.18653/v1/2020.emnlp-main.550
Khattab, O., & Zaharia, M. (2020). ColBERT: Efficient and Effective Passage Search via Contextualized Late Interaction over BERT. Proceedings of the 43rd International ACM SIGIR Conference on Research and Development in Information Retrieval, 39–48. https://doi.org/10.1145/3397271.3401075
Lubis, I., Lubis, H., & Nur Wahidah, I. (2026). Implementation of Semantic Search in an Academic Repository Using Sentence-BERT and FAISS. Sinkron: Jurnal dan Penelitian Teknik Informatika, 10(2), 1060–1069. https://doi.org/10.33395/sinkron.v10i2.15940
Ma'arif, O. M., & Kurniasih, T. (2024). Perancangan Sistem Inventory Berbasis Web Menggunakan Framework Flask: PT. Gagas Mitra Jaya (Area Salatiga). Jurnal Indonesia: Manajemen Informatika dan Komunikasi, 5(2), 1947–1959. https://doi.org/10.35870/jimik.v5i2.822
Mahadi, M. R. S., & Utama, N. P. (2023). Indonesian Text-to-Image Synthesis with Sentence-BERT and FastGAN. arXiv. http://arxiv.org/abs/2303.14517
Malik, A., Srinivasan, S., & Prakash, P. (2024). Enhancing Recommendations of Items by Making Some Changes in Layers of BERT Model. International Journal of Computer Applications, 186(3), 28–36. https://doi.org/10.5120/ijca2024923366
Noorian, A., Harounabadi, A., & Hazratifard, M. (2024). A Sequential Neural Recommendation System Exploiting BERT and LSTM on Social Media Posts. Complex & Intelligent Systems, 10(1), 721–744. https://doi.org/10.1007/s40747-023-01191-4
Pangestu, F. A., Athallah, F., Sofwan, A., & Christyono, Y. (2024). Pengembangan Aplikasi Sistem Informasi Reservasi Ruangan Berbasis Website. Transient: Jurnal Ilmiah Teknik Elektro, 13(3), 115–124.
Reimers, N., & Gurevych, I. (2019). Sentence-BERT: Sentence Embeddings Using Siamese BERT-Networks. Proceedings of EMNLP-IJCNLP 2019, 3982–3992. https://doi.org/10.18653/v1/D19-1410
Rofiq, M. A., & Khair, R. (2026). Aplikasi Pendeteksi Plagiat Karya Tulis Ilmiah Berbasis Web Menggunakan NLP dan Algoritma KMP. Indonesian Journal of Multidisciplinary Scientific Studies (IJOMSS), 4(5), 318–327. https://doi.org/10.33151/ijomss.v4i5.1114
Sabilillah, F. T., Winarno, S., & Abiyyi, R. B. (2024). Implementasi BERT dan Cosine Similarity untuk Rekomendasi Dosen Pembimbing Berdasarkan Judul Tugas Akhir. Edumatic: Jurnal Pendidikan Informatika, 8(2), 585–594. https://doi.org/10.29408/edumatic.v8i2.27791
Suhardi Rahman, E., Iswal Burhan, M., & T Mangesa, R. (2025). Development of Sentence Similarity Detection Application with Semantic Similarity and Machine Learning Approaches (Case Study: Student Thesis Title). Jurnal Media Elektrik, 23(1), 19–36. https://doi.org/10.59562/metrik.v23i1.10503
Syah, M. P., Wardani, A. P., Idhom, M., & Trimono. (2025). Perbandingan Representasi Teks TF-IDF dan BERT terhadap Akurasi Cosine Similarity dalam Penilaian Otomatis Jawaban Berbasis Teks. Data Sciences Indonesia (DSI), 5(1), 47–59. https://doi.org/10.47709/dsi.v5i1.6021
Copyright (c) 2026 Dicki Danuarta, Muhammad Haris
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
