Penulisan skripsi merupakan tahap penting dalam penyelesaian studi di perguruan tinggi. Seiring dengan meningkatnya jumlah pengajuan proposal skripsi di Program Studi Informatika Fakultas Teknologi Informasi dan Sains Data, Universitas Sebelas Maret (UNS) sebesar 112% pada periode 2022–2024 berdasarkan data Sistem Informasi Layanan Terintegrasi, penentuan dosen penguji menjadi tantangan tersendiri. Oleh karena itu, penelitian ini mengembangkan sistem rekomendasi dosen penguji proposal skripsi berbasis teks yang ditujukan untuk mahasiswa Program Studi Informatika, Universitas Sebelas Maret. Sistem ini memanfaatkan data proposal mahasiswa dan publikasi dosen serta menerapkan dua pendekatan representasi teks, yaitu Latent Dirichlet Allocation (LDA) sebagai representasi topik dan Term Frequency–Inverse Document Frequency (TF-IDF) sebagai representasi kemiripan kata. Pengukuran kemiripan dilakukan menggunakan dua metode, yaitu directed similarity yang mempertimbangkan order of authorship dan time decay, serta cosine similarity. Hasil evaluasi menunjukkan bahwa LDA dengan 30 topik dan directed similarity merupakan konfigurasi terbaik. Performa pasa recall of existence sebesar 12,5% pada Top-5 dan 10,3% pada Top-10 dibandingkan TF-IDF dengan directed. Pada skenario Top-7, LDA 30 topik juga mencatat nilai euclidean distance terendah. Selain itu, recall Top-3 pada posisi penguji 1 mencapai 38?ngan peningkatan relatif sebesar 46% dibandingkan TF-IDF dengan directed.