Pengembangan Sistem Review Otomatis Berbasis Logika Visual untuk Artikel Ilmiah Multidisiplin

Fricles A. Sianturi

Authors

Fricles A. Sianturi Universitas Tjut Nyak Dhien Author

Keywords:

Sistem Review Otomatis, Logika Visual, Artikel Ilmiah Multidisiplin, Evaluasi Dokumen, Kecerdasan Buatan

Abstract

Penelitian ini bertujuan mengembangkan sistem review otomatis berbasis logika visual untuk meningkatkan kualitas, konsistensi, dan efisiensi proses penilaian artikel ilmiah multidisiplin. Tantangan utama dalam review artikel multidisiplin adalah perbedaan struktur penulisan, terminologi, serta standar evaluasi yang sering menimbulkan subjektivitas dan inkonsistensi. Metode penelitian menggunakan pendekatan pengembangan sistem dengan integrasi pemrosesan bahasa alami, aturan logika visual, dan analisis pola dokumen. Dataset artikel ilmiah dari berbagai bidang dianalisis melalui tahap praproses teks, ekstraksi fitur struktural dan semantik, serta pemodelan logika visual untuk mengidentifikasi kelengkapan komponen artikel, kesesuaian format, dan potensi anomali. Sistem kemudian diuji melalui eksperimen komparatif terhadap proses review manual. Hasil penelitian menunjukkan bahwa sistem mampu meningkatkan konsistensi evaluasi, mempercepat proses penyaringan awal artikel, serta mengurangi kesalahan identifikasi struktur dokumen. Visualisasi logika yang dihasilkan membantu reviewer memahami hubungan antarbagian artikel secara intuitif. Simpulan penelitian menegaskan bahwa sistem review otomatis berbasis logika visual merupakan solusi efektif untuk mendukung proses evaluasi artikel ilmiah multidisiplin yang lebih objektif, sistematis, dan efisien.

References

J. P. Tennant, “A multi-disciplinary perspective on emergent and future innovations in peer review,” F1000Research, vol. 6, p. 1151, 2017.

Elsevier, “Artificial Intelligence in the Editorial Process: Enhancing Quality and Speed,” White Paper, 2021.

P. Ginsparg, “ArXiv at 20.” Cornell University Library, 2011.

S. Price and J. Flach, “Computational Support for Scholarly Peer Review,” Communications of the ACM, vol. 60, no. 1, pp. 32-34, 2017.

M. J. G. Veen, “Inconsistency in Peer Review: An Analysis of Editor and Reviewer Reliability,” Journal of Scholarly Publishing, vol. 50, no. 1, pp. 24-42, 2018.

D. Fanelli, “Is science really facing a reproducibility crisis, and do we need it to?",” Proceedings of the National Academy of Sciences, vol. 115, no. 11, pp. 2628-2631, 2018.

T. B. Brown, “Language Models are Few-Shot Learners,” in Advances in Neural Information Processing Systems (NeurIPS, 2020.

H. Snyder, “Literature review as a research methodology: An overview and guidelines,” Journal of Business Research, vol. 104, pp. 333-339, 2019.

R. S. J. Koopman, “The Future of Peer Review: Human and Machine Collaboration,” Journal of Documentation, vol. 77, no. 5, pp. 1100-1120, 2021.

S. Schulz, “Visualization of Citation Networks and Bibliographic Metadata,” IEEE Transactions on Visualization and Computer Graphics, vol. 22, no. 1, pp. 240-249, 2016.

K. Börner, “Visualizing Science and Technology,” Proceedings of the National Academy of Sciences, vol. 111, no. 2, pp. 5767-5773, 2014.

N. Nur Annisa, M. Esterina, L. S. Hanafi, L. A. H. Putr, and Zulfi, “Pemanfaatan Media Sosial Bagi Pengembangan Pemasaran UMKM dan Strategi Brand Image (Logo),” Jurnal Pengabdian Kepada Masyaraka Pelita Nusantara, vol. 1, no. 2, pp. 44–49, 2023.