Perpustakaan Universitas Kristen Petra memiliki search engine pada website yang sering digunakan untuk mencari koleksi digital seperti skripsi dan tugas akhir. Namun, hasil pencarian seringkali tidak optimal karena cara pencarian menggunakan kecocokan literal tanpa mempertimbangkan hubungan semantik. Akibatnya, koleksi relevan yang tidak mengandung kata kunci secara eksplisit sering terlewat. Optimasi seach engine diperlukan agar hasil lebih relevan dan mencakup hubungan semantik. Pada skripsi ini, digunakan pendekatan knowledge graph berbasis semantic web. Knowledge graph dibuat dengan proses keywod extraction yang kemudian dipetakan ke entitas terkait di Wikidata. Hubungan antar entitas dalam knowledge graph dimanfaatkan untuk memperluas cakupan hasil pencarian. Untuk menentukan algoritma terbaik, dibandingkan performa tiga algoritma yaitu Jaccard Similarity, Euclidean Distance, dan Cosine Similarity. Hasil penelitian menunjukkan Jaccard Similarity memiliki performa terbaik dengan rata-rata Precision@10 sebesar 0.787, Precision@20 sebesar 0.683, Precision sebesar 0.241, Recall sebesar 0.749, F1-Score sebesar 0.306, dan MAP sebesar 0.508. Dengan knowledge graph, search engine juga mampu menemukan keterkaitan koleksi berdasarkan hubungan semantik, menghasilkan pencarian yang lebih relevan dan mencakup konsep lebih luas.