Hasil Pencarian  ::  Simpan CSV :: Kembali

"Summary:Organized by content/research area, this text offers complete coverage of core topics in experimental psychology, including experimentation, small-n experimentation, observation and measurement. The book begins with the basics of scientific investigation, including the philosophy of scienc"

"Tren adalah suatu pola yang berulang, sementara analisis tren merupakan praktik pengumpulan dan analisis data dalam upaya untuk menemukan pola tersebut. Analisis tren adalah suatu metode untuk memproyeksikan kondisi masa depan berdasarkan data masa lalu hingga saat ini. Tinjauan literatur sistematis, bibliometrik, dan topic modeling adalah beberapa contoh pendekatan yang sering dipakai untuk menangkap fenomena perkembangan tren sains dan teknologi. Penelitian ini bertujuan untuk melakukan pengujian dan implementasi algoritma deteksi topik berbasis clustering yang dikombinasikan dengan analisis kualitatif dalam pendeteksian tren topik untuk mendapatkan gambaran yang menyeluruh mengenai konsep, struktur ilmiah, topik utama, dan perkembangan bidang teknologi big data dan smart sustainable city. Analisis topik dilakukan terhadap kumpulan data bibliografi publikasi ilmiah terkait kedua bidang tersebut yang didapat dari basis data Scopus dan CORE. Pengujian terhadap kinerja algoritma Deep-autoencoder based Fuzzy C-Means (DFCM) untuk deteksi topik dari corpus dokumen publikasi ilmiah menunjukkan bahwa algoritma DFCM menunjukkan kinerja yang baik serta dapat mengungguli kinerja algoritma-algoritma standar yang banyak dipakai untuk pendeteksian topik seperti Non-negatif Matrix Factorization (NMF) dan Latent Dirichlet Allocation (LDA) pada corpus dengan ukuran besar. Analisis hasil clustering terhadap data publikasi ilmiah memberikan gambaran perkembangan dan topik-topik yang menjadi “highlight” dalam periode tertentu, mencari research gap dan mengetahui karakteristik penelitian, serta memprediksi topik penelitian apa saja yang menjanjikan di masa depan.

---

A trend is a recurring pattern, while trend analysis is the practice of collecting and analyzing data to find that pattern. Trend analysis is a method for projecting future conditions based on past to present data. Systematic literature review, bibliometrics, and topic modeling are examples of approaches that are often used to capture the phenomenon of the development of science and technology trends. This study examined and implemented clustering-based topic detection algorithms, combined with qualitative analysis, to comprehensively picture the concept, scientific structure, main topics, and developments in big data technology and smart and sustainable city. The topic analysis is performed on collecting bibliographic data from scientific publications related to these two fields obtained from the Scopus and CORE database. In this research, the deep-autoencoder based on the Fuzzy C-Means (DFCM) algorithm's performance for topic detection from the corpus of scientific publication documents was examined. Based on the experiment's results, it can be concluded that the DFCM algorithm shows good performance and can outperform standard algorithms that are widely used for topic detection, such as Non-negative Matrix Factorization (NMF) and Latent Dirichlet Allocation (LDA) on topic detection tasks in huge corpus text. The clustering results analysis on scientific publication data provides an overview of research topics and developments that become "highlights" in a certain period, discover research gaps and characteristics, and predict what research topics are promising in the future."

"buku ini membahas tentang metodologi penelitian untuk suatu karya yang membutuhkan penelitian secara efektif dan baik."

"Masalah produktivitas penelitian, khususnya di Indonesia dapat dikatakan masih belum ideal dan diperlukan motivasi yang tinggi untuk mengoptimalkan jumlah publikasi ilmiah. Lemahnya produktivitas penelitian dosen bisa disebabkan oleh beberapa permasalahan yang dihadapi dosen dalam setiap tahapan kegiatan penelitian. Permasalahan mengenai produktivitas penelitian dapat diatasi melalui proses Knowledge Management (KM) yang baik. Proses penciptaan pengetahuan dimana dalam konteks institusi pendidikan tinggi adalah proses penciptaan karya ilmiah dapat ditangani melalui pemanfaatan teknologi informasi dan komunikasi terbaru, pengembangan strategi, model, teknik, metode dan sistem manajemen pengetahuan. Penelitian ini bertujuan untuk merancang prototipe Knowledge Management System (KMS) untuk mendukung kegiatan penelitian ilmiah di institusi pendidikan tinggi. Objek dari penelitian ini adalah Universitas PGRI Madiun, Universitas PGRI Kanjuruhan Malang, Universitas Pembangunan Nasional “Veteran” Jawa Timur dan Universitas Negeri Semarang. Untuk merancang prototipe KMS, dalam penelitian ini menggunakan metode SECI dan juga user centered design (UCD). Metode SECI digunakan untuk mengidentifikasi proses pengetahuan yang terdapat pada setiap kegiatan penelitian ilmiah. Perancangan prototipe KMS dilakukan dengan menggunakan aplikasi Figma. Terjadi proses iterasi sebanyak dua kali karena terdapat beberapa masukan dari stakeholder untuk perancangan prototipe tahap pertama. Tahap terakhir adalah melakukan evaluasi prototipe KMS yang telah dirancang. Evaluasi prototipe dilakukan dengan menggunakan pengukuran KMS Success Model. Hasil dari evaluasi prototipe menunjukkan bahwa setiap dimensi pada KMS Success Model memiliki nilai rata-rata yang tinggi. Hasil penelitian ini dapat menawarkan rekomendasi yang memungkinkan bagi regulator di institusi pendidikan tinggi untuk menggunakan prototipe KMS sebagai blueprint untuk mengembangkan KMS konkret berbasis website.

---

The problem of research productivity, especially in Indonesia, can be said to be still not ideal and high motivation is needed to optimize the number of scientific publications. The weak research productivity of lecturers can be caused by several problems faced by lecturers in each stage of research activities. Problems regarding research productivity can be overcome through a good Knowledge Management (KM) process. The process of creating knowledge which in the context of higher education institutions is the process of creating scientific work can be handled through the use of the latest information and communication technology, the development of strategies, models, techniques, methods and systems of knowledge management. This study aims to design a Knowledge Management System (KMS) prototype to support scientific research activities in higher education institutions. The objects of this research are PGRI Madiun University, PGRI Kanjuruhan University Malang, East Java "Veteran" National Development University and Semarang State University. To design a KMS prototype, this research uses the SECI method and also user centered design (UCD). The SECI method is used to identify the knowledge processes contained in every scientific research activity. The design of the KMS prototype was carried out using the Figma application. The iteration process occurred twice because there were several inputs from stakeholders for the design of the first stage prototype. The final stage is to evaluate the KMS prototype that has been designed. Prototype evaluation was carried out using the KMS Success Model measurement. The results of the prototype evaluation show that each dimension in the KMS Success Model has a high average value. The results of this study can offer recommendations that make it possible for regulators in higher education institutions to use the KMS prototype as a blueprint for developing concrete web based KMS."