Penelitian ini bertujuan untuk membuat sistem penentuan dosen pembimbing skripsi di Institut Teknologi PLN jurusan Teknik Informatika yang saat ini masih melakukan penentuan dosen pembimbing dengan cara sederhana yaitu dengan mengisi form yang disediakan oleh pihak jurusan, kemudian di tentukan oleh Kaprodi (Kepala Program Studi). Penelitian ini menggunakan pengembangan metode waterfall. Metode yang digunakan oleh penulis adalah Metode text mining, TF-IDF dan Vector Space Model. Penerapan text mining digunakan untuk menganalisa data yang diperoleh dari judul skripsi. Penerapan TF-IDF (Term Frequency-Inserve Document Frequency) dan VSM (Vector Space Model) digunakan untuk pengklasifikasikan dosen pembimbing yang sesuai antara judul skripsi dengan bidang/keahlian dosen berdasarkan kecocokan
antara judul skripsi dengan bidang keahlian dosen. Pada pengujian yang dilakukan oleh penulis dengan menggunakan 54 dokumen berupa judul skripsi dengan berbagai katergori dari jurusan Teknik Informatika, 5 diantaranya memiliki nilai salah . sehingga diperoleh nilai akurasi sebesar 90,74%.

This study aims to create a system for determining the thesis supervisor at the PLN Institute of Technology majoring in Informatics Engineering, which currently
determines the supervising lecturer in a simple way by filling out the form provided by the department, then determined by the Head of Study Program (Head of Study Program). This research uses the development of the waterfall method. The method used by the author is the text mining method, TF-IDF and Vector Space Model. The application of text mining is used to analyze data obtained
from the thesis title. The application of TF-IDF (Term Frequency-Inserve Document Frequency) and VSM (Vector Space Model) is used to classify the appropriate supervisor between the thesis title and the field / expertise of the
lecturer based on the match between the thesis title and the competence of the lecturer. In the test conducted by the author using 54 documents in the form of a thesis title with various categories of Informatics Engineering majors, 5 of which have incorrect values. so that an accuracy value of 90.74% is obtained.