Model Regresi Logistik dan Random Forest untuk Prediksi Potensi Co-authorship Penulis LIPI

Abstract

Kolaborasi penelitian merupakan salah satu aspek penting dalam pengelolaan penelitian karena memberikan dampak positif terhadap kuantitas dan kualitas penelitian. Dalam melakukan kolaborasi yang pertama kali, peneliti memerlukan informasi mengenai mitra yang tepat untuk berkolaborasi. Informasi semacam ini belum tersedia dengan baik di Indonesia. Sistem Penilaian Angka Kredit Nasional yang dibangun oleh Lembaga Ilmu Pengetahuan Indonesia (LIPI) bertujuan untuk mempermudah peneliti dalam mengajukan kenaikan angka kredit melalui hasil kerjanya. Sistem ini belum dapat digunakan untuk menganalisis kolaborasi karena keterbatasan rentang dan pemutakhiran data. Salah satu pendekatan untuk melihat kolaborasi penelitian adalah melalui Analisis hubungan menggunakan jejaring co-authorship untuk membantu memprediksi potensi co-authorship. Penelitian ini bertujuan membangun model untuk memprediksi co-authorship yang pertama kali. Data yang digunakan adalah artikel ilmiah terkait penelitian keanekaragaman hayati yang diterbitkan di Scopus selama tahun 2006-2015. Sebanyak 4 628 pasangan penulis dianalisis berdasarkan karakteristik pasangan tersebut, meliputi kedekatan dalam jejaring co-authorship, kemiripan ketertarikan area penelitian, dan kesamaan komunitasnya. Karakteristik tersebut digunakan untuk memprediksi apakah sepasang penulis akan melakukan co-authorship atau tidak. Model prediksi yang disusun adalah regresi logistik dan random forest. Penyusunan kedua model dilakukan menggunakan teknik validasi silang 10 lipat dan percontohan ulang random undersampling dan random oversampling. Diskretisasi diterapkan pada model regresi logistik sebagai teknik prapemrosesan data untuk memperoleh hasil yang baik. Hasil penelitian menunjukkan bahwa ketiga faktor yang digunakan merupakan faktor yang bermanfaat untuk memprediksi potensi co-authorship. Baik regresi logistik maupun random forest mampu menghasilkan model prediksi yang sama baiknya dengan AUC dan sensitivitas mencapai 0.8 dan 0.79. Prediksi dilakukan terhadap pasangan yang melibatkan penulis dari LIPI menggunakan kedua model untuk mengidentifikasi pasangan potensial yang direkomendasikan untuk melakukan co-authorship. Penelusuran terhadap 100 pasangan paling potensial menunjukkan bahwa pasangan yang memiliki nilai peluang tertinggi justru didominasi oleh co-authorship antara penulis LIPI dengan penulis dari luar LIPI.