<mods:mods version="3.3" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd" xmlns:mods="http://www.loc.gov/mods/v3" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"><mods:titleInfo><mods:title>PENERAPAN METODE SENTENCE-BERT UNTUK SISTEM REKOMENDASI&#13;
PEMILIHAN PROGRAM STUDI</mods:title></mods:titleInfo><mods:name type="personal"><mods:namePart type="given">Rifandi Sapto</mods:namePart><mods:namePart type="family">Aji</mods:namePart><mods:role><mods:roleTerm type="text">author</mods:roleTerm></mods:role></mods:name><mods:abstract>Pemilihan program studi merupakan keputusan penting bagi calon&#13;
mahasiswa agar sesuai dengan minat dan arah pengembangan karier di masa depan.&#13;
Namun, banyaknya pilihan program studi pada bidang komputer sering kali&#13;
menimbulkan kebingungan karena informasi yang tersedia masih berupa teks&#13;
deskriptif yang belum diolah secara terstruktur untuk mendukung pengambilan&#13;
keputusan. Oleh karena itu, penelitian ini bertujuan untuk merancang dan&#13;
membangun sistem rekomendasi pemilihan program studi berbasis web&#13;
menggunakan metode Sentence-BERT (SBERT). Penelitian ini menggunakan&#13;
dataset 23 deskripsi program studi yang diekstraksi dari 8 Perguruan Tinggi Swasta&#13;
(PTS) di bawah naungan LLDIKTI Wilayah V Daerah Istimewa Yogyakarta.&#13;
Tahapan penelitian meliputi pra-pemrosesan teks (case folding, tokenization,&#13;
stopword removal, dan stemming), ekstraksi fitur menggunakan arsitektur SBERT&#13;
(model paraphrase-multilingual-MiniLM-L12-v2), perhitungan tingkat kemiripan&#13;
semantik menggunakan Cosine Similarity, serta implementasi antarmuka&#13;
menggunakan framework Streamlit. Hasil pengujian menunjukkan bahwa model&#13;
SBERT berhasil memahami konteks dan kedekatan makna semantik antara input&#13;
minat pengguna dengan kurikulum program studi, bukan sekadar melakukan&#13;
pencocokan kata kunci secara leksikal. Evaluasi sistem membuktikan efektivitas&#13;
yang sangat baik, dibuktikan dengan capaian nilai Precision@5 sebesar 60% dan&#13;
skor sempurna pada Mean Reciprocal Rank (MRR) sebesar 1.0. Sistem&#13;
rekomendasi ini diharapkan dapat membantu calon mahasiswa dalam mengambil&#13;
keputusan pemilihan program studi secara lebih objektif dan relevan berdasarkan&#13;
penjabaran minat mereka.</mods:abstract><mods:classification authority="lcc">005 Pemrograman komputer, program dan data</mods:classification><mods:originInfo><mods:dateIssued encoding="iso8061">2026-05-25</mods:dateIssued></mods:originInfo><mods:originInfo><mods:publisher>Universitas AMIKOM Yogyakarta;Fakultas Ilmu Komputer</mods:publisher></mods:originInfo><mods:genre>Thesis</mods:genre></mods:mods>