At PLN Technical College (STT-PLN), the determination type of document attachments letter a companion qualifications (SKPI) are still done manually. This research aims to provide an alternative to determine the type of document
attachments to SKPI. The methods are applied to build the system is Text Mining, Term Frequency Inverse Document – Freqeuncy (TF-IDF) and Vector Space Model (VSM). Text mining to perform processing of data, where the data to be processed is title and data from document SKPI, while VSM to perform classification based on the highest weighting of each document. This research can recommend six types of categories to be the determination of the types of SKPI. Among them is the international language, championship award, character education, final project/thesis, internship industry and also the experience of the organization. In this research, the author uses the model of software development is a Cross-Industry Standard Process for Data Mining (CRISP-DM). The results of this research use 30 test data that has an accuracy rate of 93.33%.

Pada Sekolah Tinggi Teknik PLN (STT-PLN) proses penentuan dokumen lampiran Surat Keterangan Pendamping Ijazah (SKPI) masih dilakukan secara manual. Penelitian ini bertujuan untuk memberikan alternatif untuk menentukan jenis dokumen lampiran SKPI. Metode yang diterapkan untuk membangun sistem ini adalah Text Mining, Term Frequency – Inverse Document Freqeuncy (TF-IDF) dan Vector Space Model (VSM). Text mining untuk melakukan processing data, dimana data yang akan diproses adalah judul dan data dari dokumen SKPI, sedangkan VSM untuk melakukan pengklasifikasian berdasarkan bobot tertinggi tiap dokumen. Penelitian ini dapat merekomendasikan enam jenis kategori untuk menjadi penentuan jenis SKPI. Diantaranya adalah Bahasa Internasional, Penghargaan Kejuaraan, Pendidikan Karakter, Tugas Akhir/Skripsi, Magang Industri dan Pengalaman Organisasi. Pada penelitian ini, penulis menggunakan model pengembangan perangkat lunak Cross-Industry Standard Process for Data Mining (CRISP-DM). Hasil dari penelitian ini yakni menggunakan 30 data uji yang memiliki tingkat akurasi sebesar 93,33%.