Analisis Kemiripan Portofolio Mahasiswa Rekognisi Pembelajaran Lampau Dengan Capaian Pembelajaran Menggunakan Cosine Similarity
Article Sidebar
Published:
May 30, 2026
Keywords:
Cosine Similarity, TF-IDF, Portofolio, Rekognisi Pembelajaran Lampau, Capaian Pembelajaran
Main Article Content
Abstract
Rekognisi Pembelajaran Lampau (RPL) merupakan program pengakuan terhadap capaian pembelajaran yang diperoleh melalui pendidikan formal, nonformal, informal, maupun pengalaman kerja. Dalam proses penerimaan mahasiswa Rekognisi Pembelajaran Lampau, dokumen portofolio menjadi komponen penting untuk menilai kesesuaian pengalaman dan kompetensi calon mahasiswa dengan capaian pembelajaran program studi. Penelitian ini bertujuan untuk menganalisis kemiripan dokumen portofolio mahasiswa Rekognisi Pembelajaran Lampau dengan capaian pembelajaran pada bidang Akuntansi Perpajakan dan Akuntansi Manajerial menggunakan metode Cosine Similarity. Data penelitian terdiri dari 40 dokumen portofolio calon mahasiswa dan 8 dokumen capaian pembelajaran program studi. Tahapan penelitian meliputi preprocessing teks, pembobotan kata menggunakan Term Frequency-Inverse Document Frequency, perhitungan kemiripan menggunakan Cosine Similarity, dan pengelompokan hasil ke dalam kategori tinggi, sedang, dan rendah. Hasil penelitian menunjukkan 17 dokumen memiliki kemiripan tinggi, 16 dokumen sedang, dan 7 dokumen rendah. Metode ini dapat membantu analisis awal portofolio secara lebih objektif, terstruktur, dan efisien.
Article Details
How to Cite
Sudiatmika, I. P. G. A., Made Yessi Puspitha, Ida Ayu Gde Suwiprabayanti Putra, & Made Suci Ariantini. (2026). Analisis Kemiripan Portofolio Mahasiswa Rekognisi Pembelajaran Lampau Dengan Capaian Pembelajaran Menggunakan Cosine Similarity. Jurnal Sistem Dan Informatika (JSI), 20(1), 41-49. https://doi.org/10.30864/jsi.v20i1.812
Section
Articles
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Jurnal Sistem dan Informatika (JSI) bersifat open access, yaitu dapat diakses secara umum tanpa dikenakan biaya. Penulis yang menerbitkan artikelnya di JSI setuju dengan ketentuan berikut:- JSI menggunakan perjanjian lisensi ekslusif, yaitu penulis memegang hak cipta atas artikel dan memberikan hak publikasi kepada Jurnal Sistem dan Informatika (JSI).
- JSI mempunyai hak ekslusif untuk mempublikasi dan mendistribusikan artikel secara sebagian atau keseluruhan, dan memberikan hak kepada orang lain sesuai dengan lisensi yang digunakan.
- JSI berhak untuk menyediakan artikel dalam berbagai bentuk dan media, sehingga artikel dapat digunakan untuk teknologi terbaru bahkan setelah dipublikasikan.
- JSI berhak untuk menegakkan hak-hak atas nama penulis pada artikel terhadap pihak ketiga. Misalnya dalam kasus plagiarisme atau pelanggaran hak cipta.
- Artikel harus dirujuk, link terhadap lisensi harus disediakan, dan jika terdapat bagian artikel yang diubah harus ditandai.
- Jika artikel disadur sehingga terdapat perubahan, hasil saduran harus didistribusikan menggunakan lisensi yang sama.
- Tidak diperkenankan untuk membatasi orang lain terhadap apa yang diperbolehkan oleh lisensi.
References
K. R. Penerapan Permendikbudristek Nomor, R. Nasir, C. Author, S. Muhammadiyah Kalabahi, N. Tenggara Timur, dan I. Abstrak, “Rekognisi Pembelajaran Lampau di Perguruan Tinggi: Kajian Penerapan Permendikbudristek RI Nomor 41 Tahun 2021,” Bul. Edukasi Indones., vol. 1, no. 01, 2022.
[2] Rahmad Nasir, “Rekognisi Pembelajaran Lampau di Perguruan Tinggi,” Bul. Edukasi Indones., vol. 1, no. 01, 2022, doi: 10.56741/bei.v1i01.20.
[3] D. Jatmoko, W. Widiyatmoko, Y. Widiyono, dan M. F. Rais, “Analisis Pendukung dan Penghambat Kelulusan Tepat Waktu Mahasiswa Rekognisi Pembelajaran Lampau,” J. Penelit. Inov., vol. 4, no. 3, 2024, doi: 10.54082/jupin.513.
[4] Lukman Rais et al., “Sosialisasi Peningkatan Kapabilitas Aparatur Pemerintah MelaluiPendidikan Rekognisi Pembelajaran Lampau diKabupaten Sorong,” Abdimas Papua J. Community Serv., vol. 6, no. 1, 2024.
[5] M. Ali et al., “Sosialisasi Sistem Pendidikan Rekognisi Pembelajaran Lampau (RPL) di Pemerintah Kota Sorong,” Abdimas Papua J. Community Serv., vol. 6, no. 1, 2024, doi: 10.33506/pjcs.v6i1.3128.
[6] H. Hassani, C. Beneki, S. Unger, M. T. Mazinani, dan M. R. Yeganegi, “Text mining in big data analytics,” Big Data Cogn. Comput., vol. 4, no. 1, 2020, doi: 10.3390/bdcc4010001.
[7] T. Yuniarti, J. Astuti, F. Faujiyah, dan M. Zaiyar, “Pendekatan Text Mining dalam Menilai Sentimen Publik pada Baterai Kendaraan Listrik,” J. Serambi Eng., vol. 9, no. 4, 2024.
[8] A. Karami, M. Lundy, F. Webb, dan Y. K. Dwivedi, “Twitter and Research: A Systematic Literature Review through Text Mining,” IEEE Access, vol. 8, 2020, doi: 10.1109/ACCESS.2020.2983656.
[9] B. S. Tanjung, “Pendekatan Text Mining sebagai Sistem Pendeteksi Pemberitaan Palsu yang Tersebar dalam Twitter,” Semin. Nas. Ilmu Terap. 2018 – Univ. Widya Kartika, 2018.
[10] S. Lumbansiantar, S. Dwiasnati, dan N. S. Fatonah, “Penerapan Metode Cosine Similarity Dalam Mendeteksi Plagiarisme Pada Jurnal,” Format J. Ilm. Tek. Inform., vol. 12, no. 2, 2023, doi: 10.22441/format.2023.v12.i2.007.
[11] N. Setiawan dan F. Amin, “Sistem Temu Kembali Informasi Jurnal Ilmiah Unisbank Dengan Metode Cosine Similarity,” J. Teknol. Dan Sist. Inf. Bisnis, vol. 6, no. 3, 2024, doi: 10.47233/jteksis.v6i3.1391.
[12] R. P. Pratama, M. Faisal, dan A. Hanani, “Deteksi Plagiarisme pada Dokumen Jurnal Menggunakan Metode Cosine Similarity,” SMARTICS J., vol. 5, no. 1, 2019, doi: 10.21067/smartics.v5i1.2848.
[13] L. Meilina, I. N. S. Kumara, dan I. N. Setiawan, “Literature Review Klasifikasi Data Menggunakan Metode Cosine Similarity dan Artificial Neural Network,” Maj. Ilm. Teknol. Elektro, vol. 20, no. 2, 2021, doi: 10.24843/mite.2021.v20i02.p15.
[14] A. Hanani, “Algoritma Term Frequency – Inverse Document Frequency ( Tf-Idf ),” ResearchGate, no. December, 2023.
[15] L. Havrlant dan V. Kreinovich, “A simple probabilistic explanation of term frequency-inverse document frequency (tf-idf) heuristic (and variations motivated by this explanation),” Int. J. Gen. Syst., vol. 46, no. 1, 2017, doi: 10.1080/03081079.2017.1291635.
[16] D. Septiani dan I. Isabela, “SINTESIA: Jurnal Sistem dan Teknologi Informasi Indonesia ANALISIS TERM FREQUENCY INVERSE DOCUMENT FREQUENCY (TF-IDF) DALAM TEMU KEMBALI INFORMASI PADA DOKUMEN TEKS,” SINTESIA J. Sist. dan Teknol. Inf. Indones., vol. 1, no. 2, 2022.
[17] I. P. G. A. Sudiatmika, P. S. Saputra, R. L. Rahardian, dan K. H. S. Dewi, “Sentiment Analysis of Tourist Reviews on Google Maps For Pura Besakih Using Machine Learning Algorithms,” J. Mandiri IT, vol. 14, no. 1, 2025.
[18] B. Herwijayanti, D. E. Ratnawati, dan L. Muflikhah, “Klasifikasi Berita Online dengan menggunakan Pembobotan TF-IDF dan Cosine Similarity,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 1, 2018.
[19] P. Xia, L. Zhang, dan F. Li, “Learning similarity with cosine similarity ensemble,” Inf. Sci. (Ny)., vol. 307, 2015, doi: 10.1016/j.ins.2015.02.024.
[20] A. Riyani, M. Zidny Naf’an #2, dan A. Burhanuddin, “Penerapan Cosine Similarity dan Pembobotan TF-IDF untuk Mendeteksi Kemiripan Dokumen,” Jlk, vol. 2, no. 1, 2019.
[2] Rahmad Nasir, “Rekognisi Pembelajaran Lampau di Perguruan Tinggi,” Bul. Edukasi Indones., vol. 1, no. 01, 2022, doi: 10.56741/bei.v1i01.20.
[3] D. Jatmoko, W. Widiyatmoko, Y. Widiyono, dan M. F. Rais, “Analisis Pendukung dan Penghambat Kelulusan Tepat Waktu Mahasiswa Rekognisi Pembelajaran Lampau,” J. Penelit. Inov., vol. 4, no. 3, 2024, doi: 10.54082/jupin.513.
[4] Lukman Rais et al., “Sosialisasi Peningkatan Kapabilitas Aparatur Pemerintah MelaluiPendidikan Rekognisi Pembelajaran Lampau diKabupaten Sorong,” Abdimas Papua J. Community Serv., vol. 6, no. 1, 2024.
[5] M. Ali et al., “Sosialisasi Sistem Pendidikan Rekognisi Pembelajaran Lampau (RPL) di Pemerintah Kota Sorong,” Abdimas Papua J. Community Serv., vol. 6, no. 1, 2024, doi: 10.33506/pjcs.v6i1.3128.
[6] H. Hassani, C. Beneki, S. Unger, M. T. Mazinani, dan M. R. Yeganegi, “Text mining in big data analytics,” Big Data Cogn. Comput., vol. 4, no. 1, 2020, doi: 10.3390/bdcc4010001.
[7] T. Yuniarti, J. Astuti, F. Faujiyah, dan M. Zaiyar, “Pendekatan Text Mining dalam Menilai Sentimen Publik pada Baterai Kendaraan Listrik,” J. Serambi Eng., vol. 9, no. 4, 2024.
[8] A. Karami, M. Lundy, F. Webb, dan Y. K. Dwivedi, “Twitter and Research: A Systematic Literature Review through Text Mining,” IEEE Access, vol. 8, 2020, doi: 10.1109/ACCESS.2020.2983656.
[9] B. S. Tanjung, “Pendekatan Text Mining sebagai Sistem Pendeteksi Pemberitaan Palsu yang Tersebar dalam Twitter,” Semin. Nas. Ilmu Terap. 2018 – Univ. Widya Kartika, 2018.
[10] S. Lumbansiantar, S. Dwiasnati, dan N. S. Fatonah, “Penerapan Metode Cosine Similarity Dalam Mendeteksi Plagiarisme Pada Jurnal,” Format J. Ilm. Tek. Inform., vol. 12, no. 2, 2023, doi: 10.22441/format.2023.v12.i2.007.
[11] N. Setiawan dan F. Amin, “Sistem Temu Kembali Informasi Jurnal Ilmiah Unisbank Dengan Metode Cosine Similarity,” J. Teknol. Dan Sist. Inf. Bisnis, vol. 6, no. 3, 2024, doi: 10.47233/jteksis.v6i3.1391.
[12] R. P. Pratama, M. Faisal, dan A. Hanani, “Deteksi Plagiarisme pada Dokumen Jurnal Menggunakan Metode Cosine Similarity,” SMARTICS J., vol. 5, no. 1, 2019, doi: 10.21067/smartics.v5i1.2848.
[13] L. Meilina, I. N. S. Kumara, dan I. N. Setiawan, “Literature Review Klasifikasi Data Menggunakan Metode Cosine Similarity dan Artificial Neural Network,” Maj. Ilm. Teknol. Elektro, vol. 20, no. 2, 2021, doi: 10.24843/mite.2021.v20i02.p15.
[14] A. Hanani, “Algoritma Term Frequency – Inverse Document Frequency ( Tf-Idf ),” ResearchGate, no. December, 2023.
[15] L. Havrlant dan V. Kreinovich, “A simple probabilistic explanation of term frequency-inverse document frequency (tf-idf) heuristic (and variations motivated by this explanation),” Int. J. Gen. Syst., vol. 46, no. 1, 2017, doi: 10.1080/03081079.2017.1291635.
[16] D. Septiani dan I. Isabela, “SINTESIA: Jurnal Sistem dan Teknologi Informasi Indonesia ANALISIS TERM FREQUENCY INVERSE DOCUMENT FREQUENCY (TF-IDF) DALAM TEMU KEMBALI INFORMASI PADA DOKUMEN TEKS,” SINTESIA J. Sist. dan Teknol. Inf. Indones., vol. 1, no. 2, 2022.
[17] I. P. G. A. Sudiatmika, P. S. Saputra, R. L. Rahardian, dan K. H. S. Dewi, “Sentiment Analysis of Tourist Reviews on Google Maps For Pura Besakih Using Machine Learning Algorithms,” J. Mandiri IT, vol. 14, no. 1, 2025.
[18] B. Herwijayanti, D. E. Ratnawati, dan L. Muflikhah, “Klasifikasi Berita Online dengan menggunakan Pembobotan TF-IDF dan Cosine Similarity,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 1, 2018.
[19] P. Xia, L. Zhang, dan F. Li, “Learning similarity with cosine similarity ensemble,” Inf. Sci. (Ny)., vol. 307, 2015, doi: 10.1016/j.ins.2015.02.024.
[20] A. Riyani, M. Zidny Naf’an #2, dan A. Burhanuddin, “Penerapan Cosine Similarity dan Pembobotan TF-IDF untuk Mendeteksi Kemiripan Dokumen,” Jlk, vol. 2, no. 1, 2019.
