Tesis
Analisis performa ensemble model dalam klasifikasi kuartil jurnal scopus di spesifik domain / Nastiti Susetyo Fanany Putri
Abstrak
Jurnal merupakan Jurnal merupakan salah satu sumber literasi dalam menuliskan sebuah karya ilmiah. Didalam jurnal terdapat peringkat yang menunjukkan seberapa sering jurnal tersebut digunakan sebagai rujukan atau dikenal sebagai kuartil jurnal. Peringkatan jurnal ini dilakukan oleh scimago journal rank (SJR). Namun dalam kuartil jurnal terdapat ketidak seimbangan dimana nilai jurnal yang sama memiliki peringkat berbeda dalam domain yang berbeda. Untuk mengatasi masalah tersebut dilakukan pendekatan dengan metode data mining klasifikasi. Terdapat beberapa penelitian serupa namun hasil yang diperoleh belum optimal. Kebaruan dalam penelitian ini adalah metode klasifikasi yang digunakan yaitu ensemble Bagging dan Boosting (AdaBoost dan XGBoost) dan penggunaan semua domain SJR. Decision tree dan gaussian na iuml ve bayes diterapkan sebagai base-learner. Analisis pengaruh nilai depth dan estimator dilakukan dalam penelitian ini. Hasil penelitian menujukkan bahwa metode yang ensemble yang digunakan mampu bekerja melampaui metode tunggal. Ensemble yang bekerja paling optimal adalah Bagging dengan base-learner decision tree. Penambahan nilai depth tidak berpengaruh pada performa klasifikasi. Hubungan signifikan terjadi pada penambahan nilai estimator terhadap akurasi klasifikasi.