Pengelompokan Dokumen Publikasi Ilmiah Berdasarkan Bidang Kepakaran Menggunakan Metode PSO-Kmeans

Abstract

Pakar merupakan seseorang yang memiliki keahlian khusus yang tidak dimiliki oleh kebanyakan orang. Saat ini, situs seperti Google Scholar dan Science and Technology Index menyediakan informasi terkait kepakaran dalam bidang akademik berdasarkan klaim dari yang bersangkutan. Klaim tersebut dapat dikonfirmasi dengan melihat dokumen publikasi ilmiah yang ada. Untuk menentukan kelompok kepakaran pada sekumpulan dokumen publikasi ilmiah, dibutuhkan pengetahuan cukup serta waktu yang relatif lama. Penelitian ini bertujuan untuk melakukan pengelompokan dokumen publikasi ilmiah berdasarkan bidang kepakaran secara otomatis yang harapannya dapat menghasilkan klaster-klaster kepakaran yang dapat digunakan sebagai alternatif dalam mengonfirmasi klaim kepakaran seorang dosen. Pada penelitian ini, data yang digunakan adalah dokumen publikasi ilmiah dosen Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor berbahasa Inggris yang diperoleh melalui situs sipakaril.ipb.ac.id. Dokumen yang diperoleh dikelompokkan dengan Metode PSO-KMeans dengan distribusi topik sebagai representasi dokumen. Distribusi topik pada dokumen diperoleh dengan menggunakan algoritma Latent Dirichlet Allocation. Penelitian ini berhasil mengelompokan dokumen publikasi ilmiah dengan nilai koefisien silhouette sebesar 0,42. Setiap klaster yang dihasilkan diberi label oleh pakar berdasarkan deskripsi serta subjek Universal Decimal Classification dari istilah yang ada di dalam klaster. Selain itu, penelitian ini juga menemukan bahwa penggunaan Particle Swarm Optimization sebagai penentu centroid optimum pada algoritma K-means dapat meningkatkan nilai koefisien silhouette sebesar 5,56%. Klaster kepakaran yang diperoleh pada penelitian ini dievaluasi dengan mencocokkan klaster dengan klaim dosen. Hasilnya sebanyak 75% hasil pencocokan sesuai dan 25% tidak sesuai.