Tugas 1: Analisis Kritis Paper Referensi Skripsi dan Identifikasi Research Gap
Tugas 1: Analisis Kritis Paper Referensi Skripsi dan Identifikasi Research Gap
Laporan penugasan telaah kritis (critical article review) terhadap empat publikasi jurnal ilmiah internasional terindeks Scopus dan nasional bereputasi, yang dijadikan rujukan utama dalam perumusan proposal tugas akhir skripsi bidang kecerdasan komputasi dan analisis data.
1. Deskripsi Penugasan
Setiap mahasiswa diwajibkan memilih dan membedah minimal empat artikel jurnal ilmiah primer yang relevan dengan topik rencana penelitian skripsi. Analisis harus mencakup telaah atas metodologi yang diusulkan, karakteristik dataset, pengujian parameter, hasil evaluasi performa, serta batasan masalah (limitations) yang membuka peluang kebaruan (novelty) bagi penelitian lanjutan.
2. Korpus Artikel Ilmiah Referensi yang Dianalisis
Empat artikel jurnal ilmiah yang ditelaah secara mendalam dalam penugasan ini mencakup:
- Artikel 1 (Computers MDPI - Jurnal Internasional Terindeks Scopus Q2):
- Judul Dokumen:
computers-12-00235.pdf - Fokus Kajian: Penerapan arsitektur deep learning mutakhir untuk klasifikasi representasi citra dan pola spasial. Menyoroti optimasi fungsi loss dan kecepatan konvergensi model pada komputasi paralel GPU.
- Judul Dokumen:
- Artikel 2 (Jurnal Nasional Terindeks SINTA 2 / Prosiding Nasional):
- Judul Dokumen:
gilang,+ID4040_Ahmad+Rizal+Khamdani_Februari2025.pdf - Fokus Kajian: Studi eksperimental machine learning pada domain dataset tekstual/numerik lokal Indonesia. Membahas penanganan pra-pemrosesan data tidak seimbang (imbalanced classes) menggunakan kombinasi metode oversampling SMOTE dan ensemble classifier.
- Judul Dokumen:
- Artikel 3 (PeerJ Computer Science - Jurnal Internasional Terindeks Scopus Q1/Q2, ID 2824):
- Judul Dokumen:
peerj-cs-2824.pdf - Fokus Kajian: Eksplorasi teknik ekstraksi fitur otomatis dan reduksi dimensionalitas untuk peningkatan akurasi sistem prediksi cerdas pada data berskala masif.
- Judul Dokumen:
- Artikel 4 (PeerJ Computer Science - Jurnal Internasional Terindeks Scopus Q1/Q2, ID 2975):
- Judul Dokumen:
peerj-cs-2975.pdf - Fokus Kajian: Investigasi komparatif performa algoritma ensemble learning mutakhir (XGBoost, LightGBM, CatBoost) terhadap model neural network dalam menyelesaikan permasalahan inferensi data multi-atribut kompleks.
- Judul Dokumen:
3. Matriks Telaah Kritis (Comparative Literature Matrix)
Mahasiswa menyusun laporan sintesis yang membandingkan parameter kunci dari keempat artikel:
- Tujuan dan Masalah Utama: Apa tantangan komputasi spesifik yang berusaha diselesaikan oleh masing-masing penulis?
- Dataset dan Pra-pemrosesan: Bagaimana prosedur akuisisi data, jumlah sampel, pembagian data (train-test split), dan teknik normalisasi yang diterapkan?
- Metodologi dan Algoritma: Apa arsitektur model utama yang diusulkan, parameter apa yang diuji, dan apa baseline pembandingnya?
- Metrik Kinerja: Evaluasi komparatif nilai akurasi, Precision, Recall, F1-Score, AUC-ROC, serta waktu eksekusi komputasi (inference time).
- Kelemahan dan Ruang Kebaruan (Identified Research Gap): Aspek apa yang belum terselesaikan dengan optimal, dan bagaimana penelitian tugas akhir kita dapat memberikan kontribusi perbaikan metode yang terukur.
Berkas artikel jurnal lengkap dalam format PDF telah dilampirkan sebagai dokumen acuan resmi pembelajaran.