MODEL PREDIKSI KOLABORASI ILMIAH DENGAN MEMBANDINGKAN WEIGHTED PREFERENTIAL ATTACHMENT DAN WEIGHTED KATZ INDEX PADA JARINGAN CO-AUTHORSHIP

Abstract

Prediksi kolaborasi ilmiah merupakan permasalahan penting dalam analisis jaringan akademik untuk mengidentifikasi potensi hubungan antar peneliti di masa depan. Namun, sebagian besar pendekatan belum mempertimbangkan frekuensi kolaborasi sebagai bobot hubungan dalam jaringan co-authorship. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan model prediksi keterhubungan pada jaringan co-authorship berbobot dengan membandingkan metode Weighted Katz Index (WKatz), Weighted Preferential Attachment (WPA), serta metode dasar Preferential Attachment (PA) dan Katz Index. Dataset yang digunakan merupakan publikasi ilmiah dosen Program Studi Psikologi Universitas Ahmad Dahlan periode 2010–2024 yang dikumpulkan dari Google Scholar dan direpresentasikan sebagai graf tak berarah berbobot. Evaluasi dilakukan menggunakan skema link prediction berbasis waktu dengan sepuluh iterasi temporal dan diukur menggunakan metrik Area Under the Curve (AUC). Hasil penelitian menunjukkan bahwa Katz Index dengan parameter β = 0,01 memperoleh nilai rata-rata AUC tertinggi sebesar 0,96560, diikuti oleh WKatz sebesar 0,95376, sedangkan WPA dan PA menghasilkan nilai yang lebih rendah, masing-masing sebesar 0,67870 dan 0,64363. Temuan ini menunjukkan bahwa pendekatan berbasis Katz memiliki kinerja prediksi yang lebih unggul dibandingkan metode lainnya dalam konteks jaringan co-authorship berbobot