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.

1. Perumusan Tujuan Penelitian: Langkah pertama dalam metodologi survei adalah merumuskan tujuan penelitian yang jelas. Peneliti perlu memahami apa yang ingin mereka teliti dan apa pertanyaan penelitian yang akan dijawab melalui survei.

2. Pengembangan Instrumen: Peneliti harus mengembangkan instrumen survei yang mencakup pertanyaan-pertanyaan yang relevan untuk tujuan penelitian. Instrumen ini dapat berupa kuesioner tertulis atau daftar pertanyaan yang akan diajukan kepada responden.

3. Pemilihan Sampel: Peneliti perlu memilih sampel responden yang mewakili populasi yang ingin diteliti. Pengambilan sampel yang baik adalah langkah penting untuk memastikan hasil survei dapat digeneralisasi ke seluruh populasi.

4. Pelaksanaan Survei: Survei dapat dilakukan dalam berbagai cara, termasuk survei daring (online), survei telepon, wawancara tatap muka, atau dengan mengirimkan kuesioner tertulis kepada responden. Selama pelaksanaan survei, penting untuk memastikan bahwa responden memahami pertanyaan dan memberikan jawaban dengan jujur.

5. Pengolahan Data: Setelah data dikumpulkan, langkah berikutnya adalah pengolahan data. Ini termasuk pemeriksaan data untuk mengidentifikasi kesalahan atau data yang hilang, pengkodean jawaban, dan memasukkan data ke dalam format yang dapat diolah komputer.

6. Analisis Data: Data yang sudah terkumpul kemudian dianalisis menggunakan teknik statistik yang sesuai, seperti uji chi-kuadrat, analisis regresi, atau statistik deskriptif, tergantung pada jenis data dan tujuan penelitian.

7. Interpretasi Hasil: Hasil analisis data harus diinterpretasikan untuk menjawab pertanyaan penelitian. Peneliti harus mengambil kesimpulan berdasarkan temuan mereka dan mengevaluasi implikasi dari hasil survei.

8. Pelaporan Hasil: Hasil survei perlu dilaporkan dalam laporan penelitian yang rinci. Laporan tersebut biasanya mencakup deskripsi metodologi, temuan, analisis, dan kesimpulan.

9. Validitas dan Reliabilitas: Selama seluruh proses survei, penting untuk memperhatikan validitas (apakah instrumen survei mengukur apa yang seharusnya diukur) dan reliabilitas (sejauh mana hasil yang diperoleh dapat diandalkan).

10. Etika: Peneliti juga perlu mematuhi etika penelitian, termasuk mendapatkan izin dari responden, menjaga kerahasiaan data, dan memberikan informasi yang jelas tentang tujuan survei kepada responden.

Metodologi survei adalah alat yang kuat untuk mengumpulkan data kuantitatif dan menjawab pertanyaan penelitian dalam berbagai disiplin ilmu, termasuk ilmu sosial, ekonomi, kesehatan, dan lainnya.

The Sumitomo Foundation memberikan kesempatan bagi Prof/Bapak/Ibu untuk mengajukan proposal proyek penelitian yang terkait dengan Jepang untuk tahun pendanaan 2024. Adapun informasi lebih lanjut adalah sebagai berikut:

Tujuan Program: meningkatkan pemahaman yang menguntungkan antara negara di Asia dan Jepang melalui pengenalan proyek penelitian pada bidang social sciences atau humaniora yang berkaitan dengan Jepang.

Persyaratan Pengusul: 

1. Proyek riset yang dilaksanakan oleh individu atau grup yang bergerak pada bidang social sciences atau humaniora.
2. Peneliti berasal dari negara yang berada di benua Asia dan tinggal di luar Jepang.
3. penelitian yang didanai wajib dijalankan oleh tim pengusul.

Timeline:

• Periode Pengajuan: 1 September 2023 – 31 Oktober 2023
• Periode Pendanaan: 1 tahun (April 2024-Maret 2025)
• Budget Pendanaan: 50 juta yen (total) dengan 70 proyek yang akan didanai (maksimum 2 juta yen/proposal)

More info: https://research.binus.ac.id/2023/09/call-for-proposal-sumitomo-grant-for-japan-related-research-project/

Analisis Statistik Deskriptif adalah langkah awal yang penting dalam penelitian kuantitatif. Ini membantu peneliti untuk merangkum, menggambarkan, dan memahami data yang dikumpulkan. Berikut adalah langkah-langkah utama dalam melakukan Analisis Statistik Deskriptif:

1. Pengumpulan Data:
  - Mulailah dengan mengumpulkan data kuantitatif yang relevan sesuai dengan tujuan penelitian Anda. Data ini dapat berupa angka, ukuran, atau hasil dari survei, eksperimen, atau observasi.

2. Organisasi Data:
  - Susun data Anda dengan rapi. Data dapat disusun dalam bentuk tabel, grafik, atau diagram. Pastikan data tersusun dengan jelas untuk memudahkan analisis.

3. Pengukuran Pusat:
  - Hitung ukuran pusat yang mencerminkan pusat distribusi data, seperti mean (rata-rata), median (nilai tengah), dan modus (nilai yang paling sering muncul). Ini memberikan informasi tentang "nilai tengah" data Anda.

4. Pengukuran Variabilitas:
  - Hitung ukuran variabilitas data, seperti rentang (range), deviasi standar, dan varians. Ini memberikan gambaran tentang sebaran data Anda.

5. Visualisasi Data:
  - Buat grafik atau diagram yang sesuai dengan jenis data yang Anda miliki. Misalnya, histogram untuk data yang kontinu atau diagram batang (bar chart) untuk data kategorikal. Visualisasi membantu Anda memahami pola-pola dalam data.

6. Interpretasi Hasil:
  - Analisis data deskriptif membantu Anda memahami karakteristik data Anda, termasuk apakah data tersebut condong ke kiri atau kanan, memiliki outlier (data yang jauh dari yang lain), atau memiliki pola tertentu.

7. Menyusun Ringkasan:
  - Sajikan hasil analisis deskriptif dalam bentuk narasi atau laporan yang mudah dimengerti. Jelaskan apa yang ditemukan dari analisis Anda.

8. Kesimpulan:
  - Tarik kesimpulan awal berdasarkan analisis deskriptif yang telah Anda lakukan. Kesimpulan ini bisa mengarahkan penelitian Anda ke tahap selanjutnya, seperti pengujian hipotesis atau analisis lebih mendalam.

Analisis Statistik Deskriptif adalah tahap penting dalam penelitian kuantitatif karena memberikan gambaran awal tentang data yang Anda miliki. Ini membantu peneliti untuk merinci karakteristik data sebelum melakukan analisis statistik lebih lanjut.