Klasifikasi Kepakaran Reviewer Menggunakan Metode ANN (Artificial Neural Network)

LAELIYAH, AKHSINATUL (2022) Klasifikasi Kepakaran Reviewer Menggunakan Metode ANN (Artificial Neural Network). Undergraduate thesis, Universitas Islam Sultan Agung Semarang.

	Text Teknik Informatika_32601800005_fullpdf.pdf Download (3MB)
	Text Teknik Informatika_32601800005_pernyataan_publikasi.pdf Restricted to Registered users only Download (393kB)

Abstract

Reviewer jurnal adalah seseorang yang ditugaskan untuk meninjau atau menilai kelayakan suatu artikel untuk dipublikasikan di jurnal tertentu. Seorang reviewer harus memahami isi dari sebuah artikel jurnal yang akan direview sehingga harus ada kesesuaian antara bidang ilmu reviewer dan bidang ilmu yang direview. Kemendikbud sendiri mempunyai sebuah program untuk meningkatkan jumlah publikasi di Indonesia yang dapat bereputasi Internasional. Untuk menjalankan program tersebut dibutuhkan tenaga reviewer yang sesuai dengan bidang ilmu para peneliti dan dosen yang akan publikasi. Dengan banyaknya bidang ilmu yang berbeda-beda maka diperlukan suatu metode untuk mengklasifikasi secara otomatis sehingga pemasaran reviewer dan para peneliti lainnya sesuai. Penelitian ini menggunakan metode Artificial Neural Network Backpropagation untuk mengklasifikasikan data reviewer ke 5 bidang utama yaitu Arts & Humanities, Engineering & Technology, Life Sciences & Medicine, Natural Sciences, dan Social Sciences & Management. Data reviewer akan melalui proses preprocessing teks, kemudian hasil dari preprocessing akan dilanjut menggunakan metode ANN Backpropagation, dan terakhir untuk mengukur tingkat keakurasian atau kecocokan menggunakan pengukuran akurasi, precision, recall, F1-Score untuk mengukur kinerja klasifikator. Hasil dari pengujian yang dilakukan dengan menggunakan metode Artificial Neural Network mendapatkan nilai yang cukup baik yaitu dengan nilai akurasi 0,767 atau setara dengan 76% dengan waktu testing dan training yang dipunya adalah 47 detik. Selain nilai akurasi juga menghasilkan nilai recall 0,566, precission 0,570 dan F1 0,544. Key word : Artificial Neural Network, Backpropagation, Preprocessing, Reviewer, Data Mining. A journal reviewer is someone assigned to review or assess the feasibility of an article for publication in a particular journal. A reviewer must understand the contents of a journal article to be reviewed so that there must be compatibility between the reviewer's field of science and the field of study being reviewed. The Ministry of Education and Culture itself has a program to increase the number of publications in Indonesia that can have an international reputation. To run the program, reviewers are needed in accordance with the fields of science of the researchers and lecturers who will be publishing. With so many different fields of knowledge, a method is needed to classify automatically so that marketing reviewers and other researchers are appropriate. This study uses the Artificial Neural Network Backpropagation method to classify reviewer data into 5 main fields, namely Arts & Humanities, Engineering & Technology, Life Sciences & Medicine, Natural Sciences, and Social Sciences & Management. The reviewer's data will go through a text preprocessing process, then the results of the preprocessing will be continued using the ANN Backpropagation method, and finally to measure the level of accuracy or suitability using measurements of accuracy, precision, recall, F1-Score to measure classifier performance. The results of the tests carried out using the Artificial Neural Network method obtained a fairly good value with an accuracy value of 0.767 or the equivalent of 76% with a testing and training time of 47 seconds. In addition to the accuracy value, it also produces a recall value of 0.566, precision of 0.570 and F1 of 0.544. Key word : Artificial Neural Network, Backpropagation, Preprocessing, Reviewer, Data Mining.

Item Type:	Thesis (Undergraduate)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknologi Industri Fakultas Teknologi Industri > Teknik Informatika
Depositing User:	Pustakawan 5 UNISSULA
Date Deposited:	17 Jul 2023 06:45
Last Modified:	17 Jul 2023 06:45
URI:	http://repository.unissula.ac.id/id/eprint/29659

Actions (login required)

View Item