<![CDATA[Penelitian ini bertujuan mengembangkan model visualisasi metadata jurnal ilmiah berbasis kecerdasan buatan (AI) untuk mendeteksi duplikasi dan ketidakkonsistenan data secara otomatis, cepat, dan akurat. Permasalahan utama dalam pengelolaan jurnal ilmiah adalah tingginya potensi redundansi metadata, perbedaan format penulisan, serta inkonsistensi informasi yang dapat menurunkan kualitas pengindeksan dan integritas publikasi. Metode penelitian menggunakan pendekatan pengembangan sistem yang menggabungkan teknik pemrosesan bahasa alami, pencocokan pola berbasis pembelajaran mesin, dan visual analytics. Dataset metadata jurnal dikumpulkan dari berbagai sumber, kemudian diproses melalui tahap normalisasi, ekstraksi fitur, dan pemodelan deteksi anomali. Model divisualisasikan dalam dashboard interaktif untuk memudahkan identifikasi pola duplikasi dan ketidaksesuaian data. Hasil penelitian menunjukkan bahwa model mampu meningkatkan akurasi deteksi duplikasi metadata secara signifikan, mempercepat proses verifikasi editorial, serta menurunkan tingkat kesalahan pencatatan metadata. Visualisasi yang dihasilkan membantu pengguna memahami hubungan data secara intuitif dan mendukung pengambilan keputusan berbasis bukti. Simpulan penelitian menegaskan bahwa integrasi AI dan visualisasi metadata merupakan solusi efektif untuk meningkatkan kualitas pengelolaan jurnal ilmiah, efisiensi kerja editorial, serta konsistensi data publikasi.]]>
Copyrights © 2025
