Intan Putri Nur Fajarini
Universitas Islam Sultan Agung

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Klasifikasi Kepakaran Reviewer Menggunakan Algoritma K-Nearest Neighbor (KNN) Intan Putri Nur Fajarini; Imam Much Ibnu Subroto; Andi Riansyah
Prosiding Seminar Riset Mahasiswa Vol 1, No 1: Maret 2023
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Ada banyak hal yang bisa dilakukan dalam meningkatkan kualitas pendidikan di negara Indonesia salah satunya yaitu Kemdikbud membuat sebuah program untuk meningkatkan jumlah publikasi jurnal di Indonesia yang bereputasi internasional. Jika dilakukan upaya peningkatan publikasi jurnal maka diperlukan reviewer jurnal, yang mana bidang keilmuan reviewer harus sesuai dengan bidang ilmu dari jurnal yang akan direview, data reviewer ini diperoleh dari database SINTA (Science and Technology Index). Bidang ilmu dari jurnal tersebut dikelompokkan ke dalam 5 bidang yaitu Arts & Humanities, Engineering & Tecnology, Life Sciences & Medicine, Natural Science, dan Social Science & Management. Saat ini belum ada penelitian yang menerapkan suatu metode untuk mengklasifikasikan reviewer dengan 5 bidang ilmu kepakaran, untuk memudahkan hal tersebut bisa memanfaatkan teknik yang ada saat ini yaitu menggunakan metode data mining untuk mengolah data tersebut, dalam penerapan data mining untuk klasifikasi akan digunakan algoritma KNN. Dalam penelitian ini tahap yang dilakukan adalah pengumpulan data, kemudian data tersebut akan diolah menggunakan metode preprocessing agar diperoleh data yang bersih dan memiliki kualitas yang baik, setelah itu akan diproses lagi dengan menerapkan metode klasifikasi menggunakan algoritma KNN. Setelah melakukan beberapa pengujian jumlah K dan menggunakan 3 skenario pengujian, pada penelitian ini menghasilkan akurasi 0,751 atau 75 %, precission 0.628, recall 0.54, dan f-measure 0.528 dengan K = 30 pada pengujian skenario uji 80% : 20%.Kata Kunci : reviewer , data mining, klasifikasi, KNN