Inovasi dalam Sistem Penilaian Otomatis (Automatic Evaluation System) melibatkan penerapan teknologi canggih, terutama kecerdasan buatan (AI), untuk meningkatkan kecepatan, efisiensi, dan akurasi dalam mengevaluasi artikel jurnal. Berikut adalah beberapa elemen inovatif dalam pengembangan sistem penilaian otomatis:

>Penggunaan Kecerdasan Buatan (AI): Implementasi teknologi kecerdasan buatan memungkinkan sistem untuk belajar dari pola penilaian sejawat yang telah ada, memahami konteks dan kompleksitas bahasa ilmiah, serta memberikan penilaian yang lebih mendalam.

>Analisis Konteks dan Keterkaitan: Sistem dapat mengevaluasi artikel dengan memahami konteksnya, termasuk relevansi topik, urgensi penelitian, dan kontribusi terhadap literatur ilmiah yang sudah ada.

>Penilaian Multi-Aspek: Sistem dapat diprogram untuk menilai artikel melalui berbagai aspek, seperti metodologi penelitian, kejelasan presentasi, kontribusi unik, dan interpretasi data, memberikan penilaian yang lebih holistik.

>Pelabelan Otomatis dan Analisis Sentimen: Penggunaan teknologi pemrosesan bahasa alami (NLP) dan analisis sentimen memungkinkan sistem untuk menilai tingkat kejelasan, kohesi, dan sentimen umum dalam tulisan, membantu dalam mengevaluasi kualitas bahasa dan penyampaian pesan.

>Integrasi dengan Basis Data Ilmiah: Sistem dapat terhubung dengan basis data ilmiah besar untuk memeriksa keaslian dan orisinalitas artikel, mengidentifikasi potensi plagiarisme, dan memastikan bahwa kontribusi penelitian benar-benar baru.

>Adaptabilitas terhadap Bidang Penelitian: Sistem dapat disesuaikan dengan kebutuhan dan norma penilaian yang berlaku dalam berbagai bidang penelitian, memastikan keakuratan dan relevansi penilaian.

>Penggunaan Algoritma Pencocokan Penilai: Algoritma dapat digunakan untuk mencocokkan artikel dengan penilai yang memiliki keahlian khusus yang sesuai, meningkatkan akurasi penilaian dan memberikan umpan balik yang lebih bermakna.

>Analisis Kualitas Statistik dan Metodologi: Sistem dapat menganalisis metode penelitian dan statistik yang digunakan, mengidentifikasi kelemahan metodologi dan memberikan rekomendasi untuk perbaikan.

>Pemahaman Kontribusi Terhadap Literatur Ilmiah: Sistem dapat mengevaluasi bagaimana artikel berkontribusi terhadap literatur ilmiah yang sudah ada, membantu membedakan antara penelitian yang bersifat inkremental dan yang bersifat revolusioner.

>Ketersediaan Umpan Balik Otomatis: Sistem dapat memberikan umpan balik otomatis kepada penulis, memberikan informasi yang lebih rinci mengenai kelebihan dan kekurangan artikel serta saran perbaikan.

Dengan menggabungkan teknologi ini, sistem penilaian otomatis dapat mengoptimalkan proses penelaahan sejawat dengan memberikan hasil yang cepat, akurat, dan dapat diandalkan, mendukung kemajuan ilmu pengetahuan dan penyuntingan jurnal.

The 9th International Islamic Monetary Economics and Finance Conference (9th IIMEFC)

Accelerating Digitalization in Sharia Economy and Finance for Inclusive and Sustainable Growth in the Post Pandemic Recovery"

25th – 26th October 2023 (Hybrid Mode - Online and in Person), Jakarta – Indonesia

DESCRIPTION

The 9th International Islamic Monetary Economics and Finance Conference (IIMEFC) and call for papers shall be held as part of the Indonesia Sharia Economic Festival (ISEF) 2023. This conference will cover topics published in the Journal of Islamic Monetary Economics and Finance (JIMF) year 2023 that arise from the development of the global Islamic economy in an environment of new normal and digital transformation. JIMF is an international peer-reviewed journal published quarterly by Bank Indonesia Institute which has been accepted for inclusion in SCOPUS. JIMF publishes important research contributions to a wide range of Islamic economics, monetary, and finance, including work along empirical, methodological, and theoretical lines.

OBJECTIVES

The purpose of this “Call for Papers” are 1) to serve as the avenue for some desirable areas and questions in the field of Islamic economics and finance and to list and reiterate the topics that arise from the development of the global Islamic economy in an environment of new normal and digital transformation. 2) to discuss issues with respect to strengthening the ecosystem of the Islamic economy in the new normal, within the Islamic economics and finance frameworks. The 9th International Islamic Monetary Economics and Finance Conference (9th-IIMEFC) will provide an ideal platform for dialogue and discussion among practitioners, academics, higher-degree students, researchers, as well as policymakers around the world.

THEME

The Sub themes of the-conference cover but not limited to the followings:

• Digital Transformation and Role of Islamic Economy
• Islamic Monetary Policy in the Post Pandemic and Digital Era
• Islamic Financial Development and Cyber Currency
• Islamic Economic and Finance for Inclusive and Sustainable Development
• Integration Islamic Commercial and Social Finance in Digital Era
• Digital Innovation in Islamic Finance
• Islamic Entrepreneurship and the Role of Digitalization
• Green Economy and Finance under Islamic Perspectives
• The Islamic viewpoints on Global Talent Development in Digital Era
• Recent Development and Innovation in Halal Industry

IMPORTANT DATES

Registration and Submission Open  : 14th March 2023

Deadline for Submission of Final Paper : 31th July 2023

Acceptance Notification of Accepted Papers : 25th September 2023

Conference Dates : 25th – 26th October 2023

SUBMISSION GUIDELINE

Keywords for the article 2 - 4 keywords are sufficient; JEL Classifications: 2 - 4

Only full papers along with the abstracts, maximum 10,000 words, should be submitted and follow a scientific approach, which include but not limited to:

Title: The title of the article should be no more than 12 words;

Introduction; Literature Review; Methodology; Results and Analysis

Conclusion and Recommendation

PUBLICATIONS

JIMF (Journal of Islamic Monetary Economics and Finance) with rewards;

Authors are recommended to follow the guideline of the respected Journal in the website.

Registration and submission of Full Paper can be done electronically through:  https://submit.confbay.com/conf/iimefc2023  

AWARDS & REWARDS

There will be Best Papers Awards with prize money

REGISTRATION FEES

Free registration

Index by : Scopus | Sinta S1

Detail Info:

https://jimf-bi.org/index.php/JIMF/announcement/view/20

TELAH DIBUKA
BEASISWA RISET
Kategori Umum & Program Studi Manajemen Zakat Wakaf

Beasiswa Riset BAZNAS adalah program beasiswa dengan memberikan bantuan dana riset tugas akhir untuk membantu mahasiswa/i di perguruan tinggi baik jenjang diploma, sarjana dan pascasarjana.

Beasiswa Riset BAZNAS memiliki dua kategori :
1. Kategori Riset Umum
2. Kategori Riset Program Studi Manajemen Zakat & Wakaf

💡 FASILITAS BEASISWA
1. Pembinaan Rutin Bulanan
2. Forum Pemaparan Hasil Riset
3. Biaya Penelitian dengan nominal berikut :
• Diploma sebesar Rp4.000.000,-
• S1 sebesar Rp4.000.000,-
• S2 sebesar Rp7.000.000,-
• S3 sebesar Rp10.000.000,-

📚 TATA CARA PENDAFTARAN

LANGKAH 1
Pendaftar mengunduh (download) panduan dan melengkapi formulir pendaftaran sesuai format berkas persyaratan yang dapat diunduh melalui link berikut :
bit.ly/PanduanBeasiswaRiset

LANGKAH 2
Peserta mendaftarkan diri dan mengunggah (upload) berkas pendaftaran melalui link berikut :
https://bit.ly/PendaftaranBeasiswaRisetBAZNAS

Pendaftaran dibuka:
30 Agustus s.d 10 September 2023
pukul 23.59 WIB

Yuk kolaborasi untuk untuk membangun anak negeri.

#BerkahBerzakat
#GerakanCintaZakat
#BAZNASINDONESIA
#BeasiswaRisetBAZNAS
#PilihanPertamaPembayarZakat
#LembagaUtamaMenyejahterakanUmat

Di tengah gejolak opini publik yang semakin kompleks, pemahaman tentang sentimen masyarakat menjadi kunci bagi organisasi, perusahaan, dan pemerintah untuk mengambil keputusan yang tepat. Dua pendekatan utama dalam menganalisis sentimen publik adalah melalui teknologi machine learning dan leksikon berbasis. Mari kita jelajahi keunggulan masing-masing dan bagaimana cara menggunakannya.

1. Analisis Sentimen Machine Learning:

Teknologi machine learning memungkinkan komputer untuk belajar dari data dan mengidentifikasi pola yang rumit tanpa perlu pemrograman yang eksplisit. Dalam konteks analisis sentimen, metode machine learning digunakan untuk mengklasifikasikan teks atau data yang mengandung sentimen positif, negatif, atau netral.

Keunggulan:
- Skalabilitas: Metode machine learning dapat menangani volume data yang besar dengan cepat dan efisien.
- Ketepatan: Dengan pelatihan yang tepat, model machine learning dapat menghasilkan prediksi sentimen yang akurat dan dapat diandalkan.
- Adaptabilitas: Model dapat ditingkatkan dan disesuaikan dengan mengintegrasikan data baru atau mengubah parameter.

Cara Menggunakan:
- Kumpulkan dan klasifikasikan data latihan berlabel.
- Pilih algoritma machine learning yang sesuai, seperti Naive Bayes, Support Vector Machines (SVM), atau Neural Networks.
- Latih model dengan data latihan dan validasi menggunakan data uji.
- Evaluasi kinerja model dan lakukan fine-tuning jika diperlukan.
- Terapkan model untuk menganalisis teks atau data baru.

2. Analisis Sentimen Berbasis Leksikon:

Pendekatan leksikon berbasis mengandalkan kamus atau daftar kata yang dikaitkan dengan sentimen tertentu, seperti positif, negatif, atau netral. Analisis sentimen leksikon berbasis mencocokkan kata-kata dalam teks dengan daftar kata dalam leksikon dan menghitung skor sentimen berdasarkan kata-kata tersebut.

Keunggulan:
- Transparansi: Metode ini mudah dipahami dan diinterpretasikan karena mengandalkan leksikon kata-kata yang sudah ditentukan.
- Efisiensi: Tidak memerlukan pelatihan model yang rumit, sehingga bisa diterapkan dengan cepat.

Cara Menggunakan:
- Pilih leksikon atau daftar kata yang sesuai dengan konteks dan bahasa Anda.
- Anotasikan teks dengan skor sentimen berdasarkan leksikon yang dipilih.
- Hitung skor sentimen keseluruhan berdasarkan kata-kata dalam teks.

Penerapan dalam Menganalisis Sentimen Publik:

- Media Sosial: Analisis sentimen digunakan untuk memantau dan memahami opini dan reaksi masyarakat terhadap merek, produk, atau isu tertentu di platform media sosial.
- Tinjauan Pelanggan: Perusahaan menggunakan analisis sentimen untuk mengevaluasi umpan balik pelanggan dan menemukan tren dan pola dalam pendapat dan preferensi pelanggan.
- Krisis Reputasi: Pemerintah dan organisasi mengandalkan analisis sentimen untuk memantau dan menanggapi krisis reputasi dengan cepat berdasarkan respon publik.

Dengan menggunakan kombinasi teknologi machine learning dan leksikon berbasis, organisasi dapat memperoleh wawasan yang lebih dalam tentang sentimen masyarakat dan mengambil langkah-langkah yang tepat dalam meresponsnya. Keberhasilan dalam menganalisis sentimen publik tidak hanya membutuhkan teknologi yang tepat, tetapi juga pemahaman yang mendalam tentang konteks dan tujuan analisis tersebut.