KLASIFIKASI BIDANG ILMU PADA PUBLIKASI TERINDEKS SCOPUS MENGGUNAKAN METODE K-NEAREST NEIGHBOR

Aina Nurul Maulida, Andi Riansyah, Imam Much Ibnu Subroto

Abstract


Daftar publikasi nasional yang terakreditasi disediakan oleh SINTA, situs web atau portal ilmiah online yang dikelola oleh Kemendikbud. SINTA juga dapat dilihat sebagai repository atau pusat data jurnal nasional yang terakreditasi. Saat ini permasalahan yang dihadapi oleh SINTA ialah klasifikasi bidang ilmu pada publikasi terindeks Scopus yang belum sesuai dengan 5 bidang ilmu. Berlandaskan permasalahan tersebut maka tujuan dilaksanakannya penelitian ini yaitu untuk mengklasifikasi bidang ilmu setiap judul publikasi menjadi 5 bidang ilmu. Untuk mendapatkan hasil klasifikasi maka penelitian ini memakai metode K-Nearest Neighbor. Pengklasifikasian artikel publikasi dapat dilakukan melalui beberapa proses, diantaranya seperti Data Cleaning, Case Folding, Tokenizing, Stopword Removal, serta Stemming. Pada penelitian ini penulis menggunakan data sebanyak 750, dimana masing-masing bidang terdapat 150 data, kemudian data tersebut dibagi menjadi data training dan data testing yaitu masing-masing 675 dan 75 dengan 6 kali percobaan menggunakan beberapa parameter K yaitu 5,15,20,25,45,50. Dari hasil percobaan tersebut menghasilkan nilai tertinggi dengan K=5 yaitu akurasi sebesar 0.5384%, presisi sebesar 0.3768%, dan recall sebesar 0.2977%. hasil tersebut belum sesuai dengan hasil yang diharapkan penulis dikarenakan pada saat pelabelan data yang diambil tidak tepat.

Keyword: Klasifikasi, KNN, Scopus.


Full Text:

PDF

References


U. Andayani, “Perkembangan Kajian Pendidikan Islam Pada Publikasi Internasional Terindeks Scopus Tahun 2017-2021,†Al Maktab., vol. 20, pp. 11–20, 2021.

D. A. (Universitas M. R. A. H. Siti Julaiha, Marteli Bettiza, “Penerapan Algoritma K-Nearest Neighbor (KNN) Untuk Klasifikasi Calon Penerima Bidikmisi,†Student Online J., vol. 2, pp. 230–235, 2021.

Y. I. Kurniawan and T. I. Barokah, “Klasifikasi Penentuan Pengajuan Kartu Kredit Menggunakan K-Nearest Neighbor,†J. Ilm. Matrik, vol. 22, no. 1, pp. 73–82, 2020, doi: 10.33557/jurnalmatrik.v22i1.843.

M. Diki and B. Nurina, “Penerapan Algoritma K-Nearest Neighbor dalam Klasifikasi Judul Berita Hoax,†2022.

A. Rahmat Dian Nugraha, K. Auliasari, and Y. Agus Pranoto, “IMPLEMENTASI METODE K-NEAREST NEIGHBOR (KNN) UNTUK SELEKSI CALON KARYAWAN BARU (Studi Kasus : BFI Finance Surabaya),†JATI (Jurnal Mhs. Tek. Inform., vol. 4, no. 2, pp. 14–20, 2020, doi: 10.36040/jati.v4i2.2656.

D. Pajri, Y. Umaidah, and T. N. Padilah, “K-Nearest Neighbor Berbasis Particle Swarm Optimization untuk Analisis Sentimen Terhadap Tokopedia,†J. Tek. Inform. dan Sist. Inf., vol. 6, no. 2, pp. 242–253, 2020, doi: 10.28932/jutisi.v6i2.2658.

H. A. D. Fasnuari, H. Yuana, and M. T. Chulkamdi, “PENERAPAN ALGORITMA K-NEAREST NEIGHBOR UNTUK KLASIFIKASI PENYAKIT DIABETES MELITUS STUDI KASUS : WARGA DESA JATITENGAH,†vol. 16, no. 2, pp. 133–142, 2022.

Danilo Gomes de Arruda, “IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR UNTUK MENGANALISIS SENTIMEN USER TWITTER,†p. 6, 2021.

R. Sagita, U. Enri, and A. Primajaya, “Klasifikasi Berita Clickbait Menggunakan K-Nearest Neighbor ( KNN ),†vol. 5, no. 2, pp. 230–238, 2020, doi: 10.33633/joins.v5i2.3705.

I. A. Nikmatun and I. Waspada, “Implementasi Data Mining untuk Klasifikasi Masa Studi Mahasiswa Menggunakan Algoritma K-Nearest Neighbor,†J. SIMETRIS, vol. 10, no. 2, pp. 421–432, 2019.


Refbacks

  • There are currently no refbacks.