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

Dosen Pembimbing:	Much Ibnu Subroto, Imam and Farisa Chaerul Haviana, Sam | UNSPECIFIED
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:	https://repository.unissula.ac.id/id/eprint/29659

Actions (login required)

View Item