Perpustakaan Digital ITB

Pertumbuhan publikasi ilmiah yang pesat menimbulkan tantangan dalam pengelompokan jurnal berdasarkan dampak yang dihasilkan. Banyak bibliometrik yang telah dikembangkan untuk mengukur dan mengelompokkan jurnal berdasarkan dampaknya, namun pada pengukuran tersebut kerap kali konteks open access, muldisiplin, dan umur jurnal hilang, padahal hal-hal tersebut berpengaruh terhadap ukuran dampak jurnal. Oleh karenanya, Tugas Akhir ini bertujuan untuk mengungkap struktur pada data bibliometrik jurnal dengan melakukan klasterisasi menggunakan beberapa metode, untuk kemudian dilakukan analisis komparasi terhadap performanya secara kuantitatif dan kualitatif (kontekstual). Metode yang digunakan adalah kombinasi dari Self-Organizing Map (SOM), Normalized Cut (Ncut), dan K-Means, untuk kemudian dilakukan klasterisasi terhadap data jurnal pada situs Scimago Journal Rank (ScimagoJR). Tahapan penelitian mencakup analisis data eksploratoris, prapemrosesan data, perumusan model klasterisasi, pelatihan SOM, klasterisasi menggunakan Ncut dan K-Means, dan analisis komparasi terhadap setiap model. Hasil penelitian menunjukkan bahwa saat terdeteksi struktur yang jelas pada data jurnal, setiap metode klasterisasi cenderung memberikan hasil klaster yang mirip. Struktur tersebut dapat terdeteksi dengan jelas saat diperkenalkan variabel kategorikal pada model. Penggunaan K-Means secara langsung memberikan hasil klasterisasi yang cukup memuaskan, namun mereduksi data terlebih dahulu dengan SOM untuk kemudian dilakukan klasterisasi menggunakan K-Means, memberikan hasil yang lebih baik dari sisi interpretasi dibandingkan dengan menggunakan K-Means secara langsung.