Pengkategorian Otomatis Artikel Ilmiah dalam Pangkalan Data Perpustakaan Digital Menggunakan Metode Kernel Graph

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 KE Gauss , KE Linear , KV Gauss , KV Linear dan KRW . M atriks 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 m erupakan 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 signi fikan yaitu 87 43% untuk fungsi kernel KV Gauss . Sedangkan kernel lainnya memberikan hasil berturut turut 86,14% KE Linear ), 85,86% KE Gauss ), 42,23% KV Linear dan 25,15% KRW ). Hasil ini menunjukkan bahwa penggunaan metode kernel graf efektif untuk mengelo mpokkan artikel ilmiah ke dalam kategori yang ditentukan dalam pangkalan data perpustakaan digital