Paper Matrix Builder

Paper Matrix Builder

Overview

Skill ini ditujukan untuk mengotomatiskan pembuatan matriks penelitian terdahulu (State-of-the-Art matrix) secara sistematis. Dengan menyusun data teknis seperti metode, dataset, metrik pengujian, dan hasil performa ke dalam satu tabel yang terstandarisasi, peneliti dapat dengan mudah memetakan posisi riset mereka di antara riset sejenis.

Dependencies

• extract-methodology

Quick Start

Contoh penggunaan: "Gunakan skill paper-matrix-builder untuk menyusun tabel matriks perbandingan metodologi dari 5 paper terpilih tentang klasifikasi fraud detection."

Workflow

1. Penentuan Dimensi Pembanding (Matrix Schema Selection)

Pilih schema matriks berdasarkan kebutuhan analisis:

• Matriks Metodologi (Teknis): Membandingkan arsitektur model, parameter, hyperparameter, dan lingkungan eksperimen.
• Matriks Data & Evaluasi: Membandingkan tipe dataset, ukuran data, metrik pengujian, dan performa numerik.
• Matriks Kajian Literatur (SLR): Membandingkan fokus studi, gap, kontribusi, keterbatasan, dan relevansi.

2. Ekstraksi Data Konsisten

• Gunakan data yang telah diekstrak secara akurat (melalui skill extract-methodology).
• Pastikan tidak ada data yang dikarang. Jika informasi dari suatu paper tidak lengkap, wajib diisi dengan "tidak dilaporkan" atau "tidak disebutkan".

3. Pembuatan Tabel Komparasi (Programmatic Matrix Generation)

• Eksekusi Helper Programatik (WAJIB): Sebelum menyusun rincian narasi, jalankan skrip pembangun matriks untuk mengombinasikan JSON ekstraksi menjadi tabel Markdown dan CSV yang terstandarisasi (Gunakan path absolut dari build_sota_matrix.py di direktori instalasi skill ini):

  python "<PATH_KE_SKILL>/scripts/build_sota_matrix.py" --input extractions/ --output-md sota_matrix.md --output-csv sota_matrix.csv
  

• Tampilkan isi sota_matrix.md ke dalam jawaban akhir agen. Format tabel standar:

  Penulis & Tahun	Pendekatan/Model	Dataset Utama	Parameter Kunci	Metrik Evaluasi	Angka Performa	Celah / Keterbatasan

4. Pembuatan Evidence Map (Peta Bukti / Taksonomi)

Grup-kan paper berdasarkan kluster tertentu (misalnya kluster metode, kluster dataset, atau kluster tahun publikasi) untuk menunjukkan konsentrasi arah riset dan area kosong (white spaces) yang belum banyak disentuh.

Common Mistakes & Aturan Kritis

• Halusinasi & Pemalsuan Data (FATAL): Dilarang keras mengarang atau menebak data teknis, metode, atau arsitektur dari sebuah paper untuk mengisi kekosongan tabel. Anda wajib menuliskan "TIDAK DILAPORKAN" (Not Reported) jika informasi tersebut tidak ada di dalam paper asli.
• Ketidakkonsistenan Format Kolom: Mengubah susunan kolom di tengah matriks sehingga menyulitkan pembandingan langsung.
• Membandingkan Metrik yang Tidak Kompatibel: Memasukkan performa yang menggunakan metode validasi yang berbeda (misalnya membandingkan F1-score pengujian silang 10-fold dengan pengujian split data acak sederhana tanpa penjelasan).
• Matriks yang Terlalu Padat Paragraf: Memasukkan terlalu banyak teks narasi panjang di dalam sel tabel. Sel tabel matriks harus berisi poin-poin ringkas, parameter angka, atau frasa singkat.
• Data Kosong yang Disembunyikan: Menghapus baris atau kolom hanya karena suatu paper tidak melaporkan data tertentu. Tuliskan ketidaktersediaan data tersebut secara jujur karena itu merupakan bagian dari temuan keterbatasan paper tersebut.