Main Article Content
Abstract
Prediksi topik penelitian diperlukan terutama oleh pengambil kebijakan misalnya untuk menentukan tema penelitian yang akan datang. Analisis terhadap tren topik penelitian dengan menggunakan pendekatan numerik berdasarkan publikasi ilmiah dan/atau paten telah dilakukan dalam beberapa peneliti sebelumnya dengan menghitung frekuensi kata yang sama dalam beberapa dokumen untuk mengelompokkan topik. Sementara itu, analisis time series dilakukan peneliti lainnya dengan menggunakan teknik statistik, pembelajaran mesin dan kurva logistik untuk domain di luar topik penelitian. Dalam penelitian ini, akan dilakukan analisis time series untuk memprediksi topik penelitian dengan menggabungkan teknik pembelajaran mesin, yakni Support Vector Regression (SVR), dan kurva logistik, dengan asumsi bahwa terdapat batas atas terhadap siklus pertumbuhan setiap topik penelitian. Data yang digunakan dalam studi ini adalah data laporan penelitian dari situs Garuda selama kurun waktu 16 tahun. Selain itu, sebagai acuan, digunakan juga data dari ITU (International Telecommunication Unit) yang serupa dengan yang digunakan oleh peneliti sebelumnya. Hasil eksperimen menunjukkan bahwa kombinasi antara SVR dan kurva logistik dapat meningkatkan akurasi prediksi. Selain itu, dari data yang digunakan, dapat diketahui bahwa topik penelitian yang pertumbuhannya cukup tinggi adalah Medicine, Biology dan Social pathology and public walfare.