Claim Missing Document
Check
Articles

Found 2 Documents
Search

Pengkategorian Otomatis Artikel Ilmiah dalam Pangkalan Data Perpustakaan Digital Menggunakan Metode Kernel Graph Budi Nugroho; Ekawati Marlina
IPTEK-KOM : Jurnal Ilmu Pengetahuan dan Teknologi Komunikasi Vol 19, No 2 (2017): JURNAL IPTEK-KOM (JURNAL ILMU PENGETAHUAN DAN TEKNOLOGI KOMUNIKASI)
Publisher : BPSDMP KOMNFO Yogyakarta, Kementerian Komunikasi dan Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33164/iptekkom.19.2.2017.95-106

Abstract

Artikel ilmiah dalam pangkalan data perpustakaan digital dikelompokkan dalam kategori-kategori tertentu. Pengelompokan artikel ilmiah dalam jumlah besar yang dilakukan secara manual membutuhkan sumber daya manusia yang banyak dan waktu yang tidak singkat. Penelitian ini bertujuan untuk membantu tim pengolah bahan pustaka dalam mengelompokkan artikel ilmiah sesuai dengan kategorinya masing-masing secara otomatis. Dalam penelitian ini, pengkategorian otomatis artikel ilmiah dilakukan dengan menggunakan kernel graph yang diterapkan pada graph bipartite antara dokumen artikel ilmiah dengan kata kuncinya. Lima fungsi kernel digunakan untuk menghitung nilai matriks kernel, yaitu KEGauss, KELinear, KVGauss, KVLinear dan KRW. Matriks kernel dihitung dari proyeksi satu-moda graph bipartit, lalu digunakan sebagai masukan pengklasifikasi SVM (support vector machine) dalam menentukan kategori yang tepat. Kinerja pengkategorian otomatis dihitung dari ketepatan yang merupakan perbandingan antara jumlah artikel yang dikategorikan secara tepat dengan jumlah keseluruhan artikel dalam dataset. Penerapan metode ini dalam pangkalan data ISJD (Indonesian Scientific Journal Database) menghasilkan rata-rata ketepatan yang signifikan yaitu 87,43% untuk fungsi kernel KVGauss. Sedangkan kernel lainnya memberikan hasil berturut-turut 86,14% (KELinear), 85,86% (KEGauss), 42,23% (KVLinear dan 25,15% (KRW). Hasil ini menunjukkan bahwa penggunaan metode kernel graf efektif untuk mengelompokkan artikel ilmiah ke dalam kategori yang ditentukan dalam pangkalan data perpustakaan digital.
Post-Pandemic Trends in Mathematics Education: A Bibliometric Study on the Flipped Classroom Approach (2022-2024) Griffin Lurim Sebastian Sihite; Della Maulidiya; Yaniasih Yaniasih; Ekawati Marlina; Elwan Stiadi
MATHEMA: JURNAL PENDIDIKAN MATEMATIKA Vol. 7 No. 2 (2025): MATHEMA
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jm.v7i2.144

Abstract

Flipped classroom pedagogy has emerged as an innovative approach in mathematics education, promising to enhance student engagement, deepen conceptual understanding, and improve learning outcomes. This study aimed to map the research landscape of flipped classrooms in mathematics education from 2022 to 2024 through a bibliometric analysis of 253 publications retrieved from the ERIC database. The bibliometric analysis, using Biblioshiny, revealed a significant disparity in author productivity, with a small group of researchers contributing a disproportionate share of publications. Furthermore, the study identified key journals and analyzed the co-occurrence of keywords, revealing two major research clusters: core pedagogical themes and the integration of technology and contemporary challenges. The analysis highlighted the influence of high-impact journals, particularly those from the United Kingdom and the United States, on the field. These findings underscore the need to encourage collaboration among researchers, diversify funding sources, and promote equitable access to research publications to ensure a more inclusive and impactful research landscape in flipped classroom mathematics education.