Rahma, Amelia Sahira (2018) Ekstraksi Fitur berdasarkan Topik pada Artikel Ilmiah untuk Pengelompokan Potensi Penulis dalam Jaringan Kolaborasi Dinamis. Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
5116201024-Master_Thesis.pdf - Accepted Version Download (4MB) | Preview |
Abstract
Artikel ilmiah merupakan dokumentasi yang memaparkan hasil suatu metode usulan untuk menyelesaikan sebuah permasalahan dalam bidang tertentu. Publikasi artikel ilmiah memiliki kontribusi penting bagi penulis atau author, baik dalam hal karir, kemampuan bekerjasama, maupun tolak ukur kinerja, dan potensi author. Terdapat banyak metode untuk pengelompokan potensi author yang telah diusulkan sebelumnya, diantaranya perangkingan, klasifikasi, dan clustering author. Setiap metode mempertimbangkan beberapa aspek penilaian yang berbeda, yaitu jumlah produktifitas author, peringkat tempat publikasi artikel, kemampuan kolaborasi author, dan jumlah sitasi artikel. Mengingat seorang author mampu melakukan penelitian dalam beberapa bidang yang berbeda, sehingga terdapat dinamika kegiatan penelitian author yang terus berubah, dibutuhkan suatu metode yang dapat mempertimbangkan unsur topik penelitian untuk membedakan potensi penulis. Penelitian ini mengusulkan pendekatan baru dalam mengekstraksi beberapa fitur dengan menambahkan unsur topik pada artikel ilmiah untuk pengelompokan potensi penulis dalam jaringan kolaborasi dinamis. Metode ini mengekstraksi informasi author dari beberapa aspek, diantaranya informasi produktifitas dan kolaborasi berdasarkan topik, serta informasi dinamika author untuk mengetahui perubahan kegiatan penelitian pada setiap periode. Selanjutnya fitur-fitur tersebut digunakan sebagai inputan dalam algoritma k-means++ clustering untuk pengelompokan author berdasarkan potensi dan bidang penelitiannya. Uji coba dilakukan pada 3.481 author dengan 296.341 artikel ilmiah. Berdasarkan hasil uji coba, penelitian ini menghasilkan 10 kelompok potensi author dengan 9 topik penelitian. Analisis empiris menunjukkan bahwa metode yang diusulkan telah membedakan penulis dengan baik, masing-masing kelompok mempertahankan perbedaan substansial satu sama lain dalam jumlah publikasi dan sitasi pada semua periode. Dapat disimpulkan bahwa penggunaan ekstraksi fitur berdasarkan topik yang diusulkan mampu mengelompokkan penulis dalam beberapa kelompok menurut potensi pada masing-masing topik penelitian.
==================================================================================================
Scientific article is a documentation that describes the results of a proposed method to solve a problem in a particular field. Publication of scientific articles has an important contribution to the author, both in terms of career, ability to cooperate, as well as benchmark performance and potential author. There are many methods for grouping of potential authors that have been proposed before, such as ranking, classification and clustering author. Each method considers several different aspects of assessment, namely the amount of author's productivity, the ranking of the article publication, the author's collaboration capabilities and the number of article citations. Given that an author is able to conduct research in several fields, so that there is a dynamic research activity of the author that is constantly changing, it takes a method that can consider the topic of research to differentiate the potential of the author. This research proposes a new approach by doing feature extraction based on topic of scientific articles for grouping of potential authors in a dynamic collaboration network. This method extracts author information from several aspects, such as productivity and collaboration information by topic, as well as author's dynamic information to know the change of research activities in each period. Furthermore, these features are used as input in the k-means clustering algorithm for grouping the author based on the potential and field of research. Extensive experiments conducted on 3,481 authors with 296,341 scientific articles from AMiner dataset. The empirical analysis demonstrates that proposed method has distinguished authors well, each cluster maintain substantial differences with each other in number of publications and citations over time. It could be concluded that the used of proposed author potential detection is capable to detect several author potentials in respective topic of research
| Item Type: | Thesis (Masters) |
|---|---|
| Uncontrolled Keywords: | artikel ilmiah, ekstraksi fitur berdasarkan topik, pengelompokan potensi author, jaringan kolaborasi dinamis. |
| Subjects: | Q Science > QA Mathematics > QA166 Graph theory Q Science > QA Mathematics > QA76.9 Computer algorithms. Virtual Reality. Computer simulation. |
| Divisions: | Faculty of Information and Communication Technology > Informatics > 55101-(S2) Master Thesis |
| Depositing User: | Amelia Sahira Rahma |
| Date Deposited: | 09 Aug 2021 20:38 |
| Last Modified: | 09 Aug 2021 20:38 |
| URI: | http://repository.its.ac.id/id/eprint/58794 |
Actions (login required)
 |
View Item |