Pengelompokan Penelitian ke dalam Sustainable Development Goals (SDGs) Berdasarkan Kata Kunci Menggunakan Metode TF-IDF

Abstract

SIPPM dikembangkan oleh IPB untuk menyimpan data penelitian, termasuk informasi seperti judul, abstrak, dan klasifikasi ke SDG. Pada awalnya, klasifikasi SDG tidak diwajibkan, yang menyebabkan banyak penelitian tidak memiliki kategori SDG. Klasifikasi ini menjadi penting untuk memenuhi persyaratan hibah internasional yang sering memerlukan rekam jejak penelitian terkait tujuan pembangunan berkelanjutan. Penelitian ini bertujuan untuk memetakan abstrak penelitian di Institut Pertanian Bogor (IPB) terhadap Sustainable Development Goals (SDGs) menggunakan metode Term Frequency Inverse Document Frequency (TF-IDF). Data yang digunakan mencakup abstrak penelitian dari SIPPM IPB antara tahun 2019 hingga 2022. Proses penelitian dimulai dengan praproses data yang melibatkan penerjemahan, tokenisasi, penghapusan kata-kata umum, dan stemming. Setelah itu, nilai TF-IDF dihitung dan digunakan untuk memetakan abstrak ke SDG yang sesuai. Kemudian, untuk penelitian yang telah memiliki data SDG sebelumnya berdasarkan input dari peneliti, hasil pemetaan ini kemudian dibandingkan dengan data SDG yang telah memiliki data SDG tersebut. Hasil penelitian menunjukkan bahwa proporsi abstrak yang sesuai dengan SDG yang telah ditentukan sebelumnya lebih banyak dibandingkan dengan abstrak yang berbeda, yaitu sebanyak 60% abstrak tergolong sama, sementara 26,3% abstrak berbeda dengan klasifikasi yang ditentukan sebelumnya. Dengan menggunakan metode ini, penelitian yang sebelumnya tidak memiliki klasifikasi SDG kini dapat dipetakan ke SDG yang sesuai. Berdasarkan temuan ini, metode TF-IDF dapat digunakan sebagai alat bantu yang efektif dalam pemetaan SDG, namun validasi manual tetap diperlukan untuk memastikan akurasi yang lebih tinggi.

SIPPM was developed by IPB to store research data, including information such as titles, abstracts, and SDG classifications. Initially, SDG classification was not mandatory, which resulted in many research papers lacking SDG categories. This classification has become important to meet the requirements of international grants, which often require a research track record related to Sustainable Development Goals. This study aims to map the research abstracts at the Bogor Agricultural University (IPB) to the Sustainable Development Goals (SDGs) using the Term Frequency-Inverse Document Frequency (TF-IDF) method. The data used consists of research abstracts from SIPPM IPB between 2019 and 2022. The research process begins with data preprocessing, which includes translation, tokenization, removal of common words, and stemming. After that, the TF-IDF values are calculated and used to map the abstracts to the appropriate SDGs. Then, for research that already has SDG data based on input from researchers, the mapping results are compared with the existing SDG data. The results of the study indicate that the proportion of abstracts that match the SDGs previously assigned is higher than those that do not, with 60% of abstracts classified as the same, while 26.3% of abstracts differ from the previously assigned classification. By using this method, research that previously lacked SDG classification can now be mapped to the appropriate SDGs. Based on these findings, the TF-IDF method can be used as an effective tool for SDG mapping, although manual validation is still necessary to ensure higher accuracy.