Pengembangan Sistem Rekomendasi Judul Tugas Akhir Menggunakan Large Language Model dengan Integrasi Referensi Ilmiah

Abstract

Penelitian ini dilatarbelakangi oleh kesulitan mahasiswa dalam menentukan judul tugas akhir yang sesuai dengan minat dan kompetensi yang dimiliki. Pemilihan judul yang kurang tepat dapat menghambat proses penyusunan tugas akhir dan memengaruhi keberhasilan penelitian. Penelitian ini bertujuan mengembangkan sistem rekomendasi judul tugas akhir berbasis Large Language Model (LLM) yang mampu menghasilkan rekomendasi judul, metodologi, beserta referensi ilmiah yang relevan untuk membantu mahasiswa memperoleh ide penelitian. Metodologi yang digunakan adalah Design Thinking yang terdiri dari tahapan Empathize, Define, Ideate, Prototype, dan Test. Sistem dikembangkan menggunakan model Llama 3.1 8B Instant melalui layanan Groq dan terintegrasi dengan Semantic Scholar untuk memperoleh referensi ilmiah yang relevan. Selain itu, dilakukan eksplorasi dan perbandingan beberapa model LLM berdasarkan waktu respons dan kesesuaian keluaran untuk menentukan model yang paling sesuai dengan kebutuhan sistem. Hasil penelitian menunjukkan bahwa sistem mampu menghasilkan tiga rekomendasi judul tugas akhir dalam satu kali proses beserta deskripsi penelitian, metodologi, dan referensi ilmiah pendukung. Hasil evaluasi pengguna terhadap enam responden menunjukkan bahwa 83% responden menilai rekomendasi yang dihasilkan sesuai dengan minat mereka dan 83% responden menilai rekomendasi yang diberikan telah cukup spesifik. Selain itu, seluruh responden menyatakan bahwa sistem membantu dalam memperoleh dan mengembangkan ide tugas akhir. Integrasi dengan Semantic Scholar memungkinkan sistem menyediakan minimal dua referensi ilmiah yang relevan pada setiap rekomendasi. Berdasarkan hasil pengujian dan evaluasi yang dilakukan, sistem yang dikembangkan mampu membantu mahasiswa memperoleh rekomendasi judul tugas akhir yang lebih terarah dan didukung oleh referensi ilmiah yang dapat diverifikasi.