Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Buletin Sistem Informasi dan Teknologi Islam
Iwan Setiawan
Informatika, Universitas Muhammadiyah Makassar, Makassar, Indonesia
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
H-QGQS: Kerangka Kerja Hybrid QGNN–QSVM untuk Prediksi Kinerja Publikasi Universitas Berbasis Data Scientometrik Lukman Anas; Aghus Sofwan; Iwan Setiawan
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 7, No 3 (2026)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v7i3.3786

Abstract

Evaluasi kinerja publikasi universitas berbasis indikator scientometrik menghadapi tantangan karena data bersifat relasional, heterogen, dan nonlinier. Penelitian ini mengusulkan H-QGQS, kerangka hibrida yang mengintegrasikan Quantum Graph Neural Network (QGNN) dan Quantum Support Vector Machine (QSVM) untuk mengklasifikasikan kinerja publikasi universitas ke dalam kategori rendah, sedang, dan tinggi. Evaluasi dilakukan pada 3.818 rekaman dengan skenario eksperimen dari pendekatan klasik hingga berbasis kuantum. Hasil menunjukkan bahwa SVM (S-1) mencapai akurasi 0,92, sedangkan H-QGQS (S-3) memperoleh akurasi 0,73. Meskipun akurasi SVM lebih tinggi, H-QGQS menunjukkan potensi dalam merepresentasikan hubungan scientometrik yang kompleks dan mengidentifikasi universitas berkinerja tinggi. Temuan ini menegaskan peluang pemanfaatan quantum-enhanced graph learning untuk pemodelan scientometrik, meskipun masih diperlukan peningkatan pada arsitektur, fitur, efisiensi komputasi, dan skalabilitas model.
Co-Authors Aghus Sofwan Lukman Anas