ABSTRAK Nama : Yaniasih Program Studi : Doktor Ilmu Komputer Judul : Klasifikasi dan pengukuran kualitas sitasi menggunakan deep multitask learning dan multiple criteria decision making Pembimbing : Dr. Indra Budi, S.Kom, M.Kom Analisis sitasi merupakan kajian multi disiplin yang dapat diimplementasikan dalam berbagai topik perolehan informasi. Analisis sitasi tradisional menghitung sama besar setiap sitasi dalam daftar pustaka. Metode ini dinilai kurang valid karena hanya melihat kuantitas bukan kualitas sitasi. Perkembangan kecerdasan buatan mendorong munculnya metode analisis sitasi dalam seluruh teks dokumen publikasi berbasis pada kualitas sitasi. Paradigma baru ini terus berkembang dan masih memiliki kekurangan dalam ketersediaan data, pengembangan metode, dan pemanfaatanya. Penelitian ini bertujuan untuk 1) mengembangkan metode deep multi-task learning (MTL) untuk klasifikasi tiga makna sitasi secara bersamaan, dan 2) menentukan bobot skor atribut sitasi dan kerangka pengukuran nilai kualitas sitasi dalam artikel. Penelitian menggunakan data sitasi jurnal Indonesia dari lima bidang ilmu yaitu pangan, kesehatan, sosial, energi, dan komputer. Set data terdiri dari 852 artikel dan 9.173 kalimat sitasi. Kalimat sitasi dianotasi manual untuk memperoleh data tiga makna sitasi yaitu sentimen, sumber peran, dan fungsi. Pada tahap ini disusun skema baru kategori fungsi sitasi. Model MTL dibangun untuk klasifikasi tiga makna tersebut secara bersamaan. Ada tiga jenis model MTL yang dikembangkan yaitu shared-trunk, cross-stitched, dan shared-private dengan menggunakan tiga arsitektur yaitu convolutional neural network (CNN), long-short term memory (LSTM), dan bi-directional long-short term memory (BiLSTM). Hasil klasifikasi model MTL dibandingkan dengan model mesin pembelajar tradisional dan deep learning tugas tunggal. Evaluasi kinerja menemukan model terbaik adalah MTL shared-private menggunakan CNN. Model ini memperoleh skor F1 makro 0,81 untuk klasifikasi sentimen, 0,87 untuk klasifikasi sumber peran, dan 0,90 untuk klasifikasi fungsi sitasi. Pengukuran kualitas sitasi dilakukan menggunakan metode pembobotan multiple criteria decision making (MCDM). MCDM yang digunakan adalah best worst method untuk memperoleh bobot ground truth, dan dibandingkan dengan lima metode obyektif yaitu Standar Deviasi, Koefisien Gini, Entropi, Criteria Importance Through Intercriteria Correlation (CRITIC), dan Method Based on the Removal Effects of Criteria (MEREC). Hasil perbandingan bobot dan korelasi ranking Spearman menunjukkan metode MEREC menghasilkan bobot paling mendekati ground truth. Hasil ini memberikan bobot tertinggi sitasi pada bab pembahasan, sitasi bersumber peran dari data, sitasi bersentimen positif, dan sitasi berfungsi sebagai pembanding. Kerangka penilaian mengusulkan metrik Nilai Kualitas Sitasi (NKS) yang merupakan metrik baru dengan menjumlahkan bobot atribut lokasi, sentimen, sumber peran, dan fungsi sitasi per kemunculan (𝑁𝐾𝑆𝑓), dalam satu dokumen (𝑁𝐾𝑆𝑑), dan total dalam keseluruhan data (𝑁𝐾𝑆𝑇). Kata kunci: analisis sitasi, kualitas sitasi, multi-task learning, multiple criteria decision making, metrik sitasi