REINFORCED: ATTRIBUTED NETWORK EMBEDDING PADA KNOWLEDGE GRAPH DAN ONTOLOGI SEBAGAI BASIS REKOMENDASI KOLABORASI PENELITIAN
Penelitian ini bertujuan untuk menemukan rekomendasi kolaborator untuk penelitian dengan mengadaptasi model Attributed Network Embedding menggunakan knowledge graph yang berbasis ontologi. Data yang digunakan berupa data peneliti dan publikasi dari web Sinta berdasarkan afiliasi salah satu perguruan tinggi di Bandung. Data didapatkan menggunakan teknik scraping, dan data yang didapatkan digunakan untuk instansiasi individu pada ontologi. Ontologi yang dibangun digunakan sebagai representasi profil penelitian yang menjadi dasar pemodelan knowledge graph. Knowledge graph digunakan untuk visualisasi graf, menjawab pertanyaan kompetensi untuk evaluasi model knowledge graph dan ontologi yang dibangun, serta sebagai basis data graf yang di gunakan pada model Attributed Network Embedding (ANE). ANE digunakan sebagai model menghasilkan rekomendasi yang memanfaatkan struktur jaringan dan atribut peneliti melalui proses auto-encoder yang menghasilkan embedding peneliti. Evaluasi model menggunakan Precision, Recall, dan F1 digunakan untuk menentukan parameter terbaik, parameter freq proses penentuan tetangga non-lokal dan parameter dimensi embedding pada proses auto-encoder. Parameter yang dipilih untuk freq yaitu 10, dan dimensi embedding yaitu 40, menunjukkan Precision, Recall, dan F1 tertinggi. Rekomendasi kolaborator yang diberikan untuk setiap peneliti target adalah 5 rekomendasi. Rekomendasi yang diberikan dilakukan penilaian langsung oleh peneliti terkait sebagai responden, dengan memberikan nilai 1 (sangat tidak setuju) hingga 5 (sangat setuju) sebagai evaluasi. Penilaian yang didapatkan dari 25 responden, dihitung menggunakan metrik Precision dan MAP, dengan hasil Precision sebesar 0.616 dan MAP sebesar 0.705. Precision sebesar 61.6% menunjukkan proporsi relevansi dari rekomendasi yang diperoleh. MAP sebesar 70.4% menunjukkan rata-rata kualitas urutan rekomendasi yang dihasilkan. Selain penilaian secara kuantitatif, responden juga memberikan penilaian kualitatif melalui komentar. Responden yang memberikan nilai yang dikategorikan sebagai tidak relevan (1 sampai 3) umumnya menyatakan bahwa kolaborator yang direkomendasikan kurang relevan dengan bidang keilmuan mereka. Sehingga bidang penelitian disarankan untuk dipertimbangkan sebagai salah satu atribut tambahan pada pengembangan model di masa mendatang. Hal ini berguna untuk meningkatkan relevansi dan kualitas rekomendasi yang dihasilkan.
APA Style
. (2025).REINFORCED: ATTRIBUTED NETWORK EMBEDDING PADA KNOWLEDGE GRAPH DAN ONTOLOGI SEBAGAI BASIS REKOMENDASI KOLABORASI PENELITIAN ().Sistem Informasi:FTI
Chicago Style
.REINFORCED: ATTRIBUTED NETWORK EMBEDDING PADA KNOWLEDGE GRAPH DAN ONTOLOGI SEBAGAI BASIS REKOMENDASI KOLABORASI PENELITIAN ().Sistem Informasi:FTI,2025.Text
MLA Style
.REINFORCED: ATTRIBUTED NETWORK EMBEDDING PADA KNOWLEDGE GRAPH DAN ONTOLOGI SEBAGAI BASIS REKOMENDASI KOLABORASI PENELITIAN ().Sistem Informasi:FTI,2025.Text
Turabian Style
.REINFORCED: ATTRIBUTED NETWORK EMBEDDING PADA KNOWLEDGE GRAPH DAN ONTOLOGI SEBAGAI BASIS REKOMENDASI KOLABORASI PENELITIAN ().Sistem Informasi:FTI,2025.Text
