Tahap awal pelaksanaan skripsi di Jurusan Teknik Informatika dan Komputer Politeknik Negeri Jakarta mencakup pengusulan topik dan pemilihan dosen pembimbing oleh mahasiswa. Namun, rendahnya pemahaman mahasiswa mengenai kelompok bidang keahlian dan dosen yang relevan dengan topik mereka sering kali menyebabkan pemilihan dosen yang tidak tepat. Survei menunjukkan bahwa 58,3% mahasiswa tidak mengetahui kelompok bidang keahlian dan dosen dari kelompok terkait, serta 95,8% setuju bahwa pemahaman tersebut penting. Penelitian ini bertujuan mengembangkan model klasifikasi kelompok bidang keahlian dan rekomendasi dosen pembimbing menggunakan machine learning dengan data skripsi terdahulu untuk mengatasi masalah tersebut. Model klasifikasi menggunakan BERT-CNN memperoleh akurasi 94,44%, sementara algoritma content-based filtering berbasis TF-IDF dan cosine similarity diterapkan sebagai model rekomendasi. Model tersebut kemudian diimplementasikan ke dalam aplikasi web agar dapat digunakan oleh para mahasiswa. Evaluasi aplikasi web melalui alpha dan beta testing menunjukkan hasil positif dengan nilai black box testing sebesar 100%, System Usability Scale (SUS) sebesar 78,75%, dan Net Promoter Score (NPS) sebesar 50%.