Nama : Ilma Alpha Mannix Program Studi : Magister Ilmu Komputer Judul : Pencarian Dosen Pakar Menggunakan Kombinasi Semantic Matching IndoBERT dan Textual Matching BM25 Pembimbing : Evi Yulianti, Ph.D. Pencarian dosen pakar memiliki berbagai manfaat, termasuk mendukung kolaborasi penelitian. Namun, penelitian tugas pencarian pakar ini masih jarang dilakukan. Sebagian besar penelitian hanya mengandalkan satu model machine learning yang masing-masing memiliki kelemahan tersendiri. Model semantic matching, seperti IndoBERT, kurang optimal dalam menangkap exact match, sementara model textual matching, seperti BM25, menghadapi masalah vocabulary mismatch. Penelitian ini bertujuan menguji efektivitas tugas pencarian dosen pakar menggunakan kombinasi semantic matching IndoBERT dan textual matching BM25 pada dataset human judgment bidang kepakaran di Fakultas Ilmu Komputer Universitas Indonesia dalam bahasa Indonesia. Tugas pencarian dosen pakar terdiri dari tiga komponen utama, yaitu pakar, bukti kepakaran, dan kepakaran. Data pakar merupakan data dosen Fakultas Ilmu Komputer Universitas Indonesia (Fasilkom UI). Data bukti kepakaran menggunakan data digital tugas akhir mahasiswa Fasilkom UI. Data kepakaran terdiri dari bidang-bidang kepakaran dalam domain Ilmu Komputer. Penelitian ini menggunakan kombinasi linear, two stage retrieval, dan query expansion untuk menggabungkan kedua model. Hasil evaluasi menggunakan kombinasi linear dapat meningkatkan 2–9% nilai P@5 dibandingkan baseline. Dengan menggunakan initial ranking BM25 dapat meningkatkan 4–8.5% nilai MRR dibandingkan baseline. Sementara itu, initial ranking IndoBERT dapat meningkatkan 7–15% nilai MAP dibandingkan baseline. Penggunaan query expansion dapat meningkatkan 4–9% nilai NDCG@5 dibandingkan baseline. Hasil evaluasi menunjukkan bahwa kombinasi model IndoBERT dan BM25 menghasilkan performa yang lebih baik dibandingkan penggunaan satu model saja. Dari ketiga metode kombinasi, jika fokus utamanya adalah mengidentifikasi 10 pakar teratas, maka penelitian ini menyarankan menggunakan kombinasi two stage retrieval. Penelitian selanjutnya disarankan untuk menggunakan large language models (LLM) dan mengembangkan teknik lain, seperti melakukan ringkasan judul-judul bukti kepakaran dengan pemberian bobot berdasarkan jenis tugas akhir dan peran pakar sebagai pembimbing. Kata kunci: Pencarian pakar; semantic matching; IndoBERT; textual matching; BM25; kombinasi linear; two stage retrieval; query expansion