perbandingan raw tf dan binary tf pada sistem …repository.usd.ac.id/32223/2/145314052_full.pdf ·...

i

PERBANDINGAN RAW TF DAN BINARY TF

PADA SISTEM PENCARIAN DI SITUS MUSEUM WAYANG

KEKAYON YOGYAKARTA

SKRIPSI

Diajukan untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Komputer

Program Studi Teknik Informatika

Diajukan oleh

YOREN

145314052

PROGRAM STUDI TEKNIK INFORMATIKA

JURUSAN TEKNIK INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

2018

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

ii

THE COMPARISON OF RAW TF AND BINARY TF ON

SEARCHING SYSTEM IN WEBSITE OF KEKAYON

MUSEUM OF PUPPETS IN YOGYAKARTA

A THESIS

Presented as a Partial Fullfillment of The Requirements

to Obtain The Sarjana Komputer Degree

in Informatics Engineering Study Program

Created by :

YOREN

145314052

INFORMATICS ENGINEERING STUDY PROGRAM

DEPARTMENT OF INFORMATICS ENGINEERING

FACULTY OF SCIENCE AND TECHNOLOGY

SANATA DHARMA UNIVERSITY

YOGYAKARTA

2018


iii


iv


v

HALAMAN MOTTO

“Think Smarter, Not Harder !”


vi

PERNYATAAN KEASLIAN KARYA

Saya menyatakan dengan sesungguhnya bahwa di dalam skripsi yang saya

tidak memuat karya atau bagian orang lain, kecuali yang telah disebutkan dalam

kutipan dan daftar pustaka, sebagaimana layaknya karya ilmiah.

Yogyakarta, 20 Agustus 2018

Penulis

Yoren


vii

ABSTRAK

Museum Wayang Kekayon Yogyakarta menyimpan ratusan koleksi wayang

nusantara. Namun pendataan koleksi wayang masih dilakukan secara manual,

sehingga akibatnya pengunjung museum hanya mendapatkan informasi yang

minim tentang koleksi wayang yang ada.

Pada penelitian ini dibangun Situs Musuem Wayang Kekayon dengan

sistem pencarian menggunakan metode Term Frecuency-Inverse Document

Frecuency (TF-IDF). Lebih lanjut penelitian ini mambandingkan 2 model TF yaitu

Raw TF dan Binary TF dilihat dari efektivitasnya yang diuji dengan perhitungan

recall dan precision.

Hasil akhir yang diperoleh adalah sebuah Situs Museum Wayang Kekayon

dengan sistem pencarian yang dapat menghasilkan dokumen yang relevan sesuai

kebutuhan pengguna. Hasil penelitian menunjukan bahwa Binary TF dengan rata-

rata recall sebesar 100% sedikit lebih efektif daripada Raw TF dengan nilai recall

96%. Kedua metode tersebut sangat efektif dalam memanggil dokumen yang

relevan (recall) dengan skor 96%-100% namun tingkat kemampuan sistem untuk

tidak memanggil yang tidak relevan (precision) masih rendah dengan skor 22,5%-

25%.

Kata Kunci : Information Retrieval, Metode TF-IDF, Raw TF, Binary TF, Wayang.


viii

ABSTRACT

The Website of Yogyakarta Kekayon Puppet Museum has hundreds of

archipelago puppet collections. But the data collection of the puppet collection is

still done manually, so as a result visitors of the museum only get minimal

information about the existing puppet collection.

In this study built The Website of Yogyakarta Kekayon Puppet Museum

with a search system using the Term Frecuency-Inverse Document Frecuency (TF-

IDF) method. Furthermore, this study compared 2 TF models, namely Raw TF and

Binary TF as seen from their effectiveness tested with recall and precision

calculations.

The final result obtained is a The Website of Yogyakarta Kekayon Puppet

Museum with a search system that can produce relevant documents according to

user needs. The results showed that Binary TF with an average recall of 100% was

slightly more effective than Raw TF with a 96% recall value. Both methods are

very effective in calling the relevant document (recall) with a score of 96% -100%

but the level of the system's ability not to call the precision is still low with a score

of 22.5% -25%.

Keywords: Information Retrieval, TF-IDF Method, Raw TF, Binary TF, Wayang.


ix

LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI

KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS

Yang bertanda tangan di bawah ini, saya mahasiswa Universitas Sanata Dharma

Yogyakarta :

Nama : Yoren

NIM : 145314052

Demi pengembangan ilmu pengetahuan, saya memberikan kepada Perpustakaan

Universitas Sanata Dharma karya ilmiah saya yang berjudul :

PERBEDAAN RAW TF DAN BINARY TF PADA PENCARIAN DI

SITUS MUSEUM WAYANG KEKAYON YOGYAKARTA.

Dengan demikian saya memberikan kepada Perpustakaan Universitas Sanata

Dharma hak untuk menyimpan, mengalihkan dalam bentuk media lain,

mengelolanya dalam bentuk pangkalan data, mendistribusikan secara terbatas, dan

mempublikasikannya di internet atau media lain untuk kepentingan akademis

tanpa perlu meminta ijin dari saya maupun memberikan royalty kepada saya

selama tetap mencantumkan nama saya sebagai penulis. Demikian pernyataan ini

saya buat dengan sebenarnya.

Dibuat di Yogyakarta,

Pada tanggal : 20 Agustus 2018

Yang menyatakan,

( Yoren )


x

KATA PENGANTAR

Puji Syukur kepada Tuhan, atas segala berkat dan karuniaNya sehingga penulis

dapat menyelesaikan tugas akhir ini sebagai salah satu syarat memperoleh gelar

sarjana program studi Teknik Informatika, Fakultas Sains dan Teknologi

Universitas Sanata Dharma Yogyakarta.

Penelitian dan penulisan tugas akhir ini berjalan dengan baik dari awal hingga akhir

karena adanya dukungan doa, semangat dan motivasi yang diberikan oleh banyak

pihak. Untuk itu, penulis ingin mengucapkan terima kasih kepada :

1. Tuhan yang selalu memberkati, menyertai, dan memberikan kekuatan

sehingga penulis dapat menyelesaikan tugas akhir ini dengan baik.

2. Kedua orang tua tercinta, Kiannis Taniar, Tjong Hap Ing, dan kedua

saudara, Miranda, Dirga untuk setiap doa, kasih saying, motivasi, serta

dukungan yang selalu diberikan.

3. Ibu Agnes Maria Polina S.Kom., M.Sc. selaku dosen pembimbing yang

telah membimbing dengan sabar, serta memberikan saran, motivasi, waktu,

pikiran, dan tenaga sehingga penulis dapat menyelesaikan tugas akhir ini

dengan baik.

4. Bapak Sudi Mungkasi S.Si., M.Math.Sc., Ph.D selaku Dekan Fakultas Sains

dan Teknologi Universitas Sanata Dharma Yogyakarta.

5. Dr. Anastasia Rita selaku Ketua Program Studi Teknik Informatika

Universitas Sanata Dharma.


xi

6. Seluruh dosen-dosen yang telah mendidik dan memberikan ilmu

pengetahuan selama penulis menjalani studi di Universitas Sanata Dharma

Yogyakarta.

7. Bapak RM. Donny Surya Megananda S. Si, M.B.A selaku Pemilik Museum

Wayang Kekayon dan Edukator Museum Novi dan Yoga yang sudah

membantu saat penelitian di Museum.

8. Keluarga besar kontrakan yang menjadi teman hidup dan penyemangat

selama masa perkuliahan.

9. Keluarga besar UKM Basket USD yang telah memberikan semangat tiada

henti.

10. Keluarga besar TI 2014. Terima kasih untuk kebersamaan kita selama

menjalani perkuliahan.

11. Bastian Pramudityo yang sudah menemani suka duka selama 4 tahun masa

perkuliahan.

12. Pihak-pihak yang turut menyelesaikan tugas akhir ini,

Yogyakarta, 20 Agustus 2018

Yoren


xii

DAFTAR ISI

HALAMAN JUDUL ................................................................................................ i

HALAMAN PERSETUJUAN ............................................................................... iv

HALAMAN PENGESAHAN ................................................................................. v

HALAMAN MOTTO ............................................................................................ vi

PERNYATAAN KEASLIAN KARYA ................................................................ vi

ABSTRAK ............................................................................................................ vii

ABSTRACT ........................................................................................................ viiiix

LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI................................. ix

KATA PENGANTAR ........................................................................................... xi

DAFTAR ISI ......................................................................................................... xii

DAFTAR GAMBAR ........................................................................................... xvi

DAFTAR TABEL ................................................................................................ xix

DAFTAR LISTING ............................................................................................. xxi

BAB I ...................................................................................................................... 1

PENDAHULUAN .................................................................................................. 1

1.1. Latar Belakang ......................................................................................... 1

1.2. Rumusan Masalah .................................................................................... 3

1.3. Tujuan ....................................................................................................... 4

1.4. Manfaat Penelitian .................................................................................... 4

1.5. Batasan Masalah ....................................................................................... 5

1.6. Sistematika Penulisan ............................................................................... 5

BAB II ..................................................................................................................... 7

LANDASAN TEORI .............................................................................................. 7

2.1. Sistem ....................................................................................................... 7

2.2. Pengertian Informasi ................................................................................ 7

2.3. Sistem Informasi ..................................................................................... 19

2.4. Sistem Informasi Berbasis Web ............................................................. 22

2.5. Hypertext Preprocessor (PHP) ............................................................... 22

2.6. Cascading Style Sheet(CSS) .................................................................. 29


xiii

2.7. Pemerolehan Informasi ........................................................................... 30

2.8. Metode TF-IDF ...................................................................................... 31

2.8.1. Term Frequency .............................................................................. 14

2.8.2. Inverse Document Frecuency .......................................................... 16

2.9. Recall dan Precision ............................................................................... 20

2.10. Interpretasi Tingkat Relevansi ............................................................ 22

2.11. Metode Waterfall ................................................................................ 24

2.12. Notasi Pemodelan Sistem ................................................................... 25

2.12.1. Use Case Diagram ........................................................................... 25

2.12.2. Database Conceptual Design .......................................................... 26

2.12.3. Logical Design dan Physical Design .............................................. 28

2.12.4. Pemodelan Proses ........................................................................... 29

2.13. Museum Wayang Kekayon Yogyakarta ............................................. 32

2.14. Wayang ............................................................................................... 33

BAB III ................................................................................................................. 33

METODOLOGI PENELITIAN ............................................................................ 33

3.1. Metode Penelitian ....................................................................................... 33

3.2. Kebutuhan Perangkat Lunak dan Keras ..................................................... 36

3.3. Tinjauan Pustaka ....................................................................................... 37

BAB IV ................................................................................................................. 38

ANALISA DAN PERANCANGAN SISTEM ..................................................... 38

4.1 Analisa Sistem ............................................................................................. 38

4.1.1 Pembuatan Korpus/Pengumpulan Informasi Wayang .......................... 38

4.1.2 Pencarian Informasi Wayang ................................................................ 39

4.1.3 Flowchart Pencarian Informasi Wayang dengan Raw TF .................... 42

4.1.4 Flowchart Pencarian Informasi Wayang dengan Binary TF ................ 43

4.1.5 Use case Diagram ................................................................................. 45

4.1.5.1 Narasi Use Case ............................................................................. 46

4.2 Perancangan Sistem ................................................................................ 57

4.2.1 Pemodelan Proses ........................................................................... 57

4.2.1.1 Diagram Konteks ......................................................................... 57

4.2.1.2 Diagram Berjenjang .................................................................... 57


xiv

4.2.1.3 Diagram Overview ....................................................................... 58

4.2.1.4 Diagram Level 1 Proses 1 ........................................................... 59






4.2.1.10 Diagram Level 1 Proses 7 ........................................................ 61

4.2.2 Diagram Level 2 Proses 1 ........................................................... 61



4.2.3 Pemodelan Data .............................................................................. 63

4.2.3.1 Desain Basis Data Konseptual .................................................... 63

4.2.3.2 Desain Basis Data Logikal .......................................................... 64

4.2.3.3 Desain Basis Data Fisikal ............................................................ 64

4.2.4 Perancangan Subsistem Dialog ....................................................... 67

4.2.4.1 Interface Halaman Utama............................................................ 67

4.2.4.2 Interface Halaman Admin ........................................................... 68

4.2.4.3 Halaman Admin Kelola Ruangan ................................................ 69

4.2.4.4 Halaman Admin Kelola Wayang................................................. 70

4.2.4.5 Halaman Pengguna ...................................................................... 71

4.2.4.6 Halaman Lihat Wayang ............................................................... 71

4.2.5 Contoh kasus Flowchart Pencarian ................................................. 72

BAB V ................................................................................................................... 88

IMPLEMENTASI SISTEM .................................................................................. 88

5.1. Implementasi Manajemen Data .................................................................. 88

5.2. Implementasi Manajemen Dialog (Antar Muka) ................................... 91

5.2.1. Halaman Pengguna.......................................................................... 91

5.2.2. Halaman Admin ................................................................................... 97

5.3. Implementasi Proses Pencarian ............................................................ 108

BAB VI ............................................................................................................... 114

PENGUJIAN DAN ANALISIS HASIL ............................................................. 114


xv

6.1. Analisis Hasil Uji Coba Perangkat Lunak (Alpha Test) ........................... 114

6.1.1. Pengujian sistem pencarian dengan Raw TF dan Binary TF ............ 114

6.1.1.1 Responden Pertama ...................................................................... 114

6.1.1.2. Responden Kedua ................................................................. 117

6.1.1.3. Responden Ketiga .................................................................. 120

6.1.1.4. Responden Keempat ............................................................. 123

6.1.1.5. Responden Kelima ................................................................. 126

6.1.2 Hasil Uji Recall dan Precision............................................................ 130

BAB VII .............................................................................................................. 133

KESIMPULAN DAN SARAN ........................................................................... 133

7.1 Kesimpulan ................................................................................................ 133

7.2 Saran .......................................................................................................... 134

DAFTAR PUSTAKA ......................................................................................... 136


xvi

DAFTAR GAMBAR

Gambar 2.1 Arsitektur Information Retrieval....................................... 8

Gambar 2.2 Proses Menuju Pengindeksan ........................................... 8

Gambar 2.3 Proses Pemotongan Kata................................................... 9

Gambar 2.4 Proses Penghilangan Kata Sambung ................................. 9

Gambar 2.5 Simbol Use Case ............................................................. 25

Gambar 2.6 Simbol Aktor ................................................................... 26

Gambar 2.7 Notasi dalam ERD .......................................................... 28

Gambar 3.1 Fase-Fase Dalam Model Waterfall ................................. 34

Gambar 4.1 Flowchart Pembuatan Korpus ........................................ 40

Gambar 4.2 Flowchart Pencarian Informasi Wayang dengan Raw TF

............................................................................................................ 42

Gambar 4.3 Flowchart Pencarian Informasi Wayang dengan Binary

TF ........................................................................................................ 43

Gambar 4.4 Use Case Diagram .......................................................... 45

Gambar 4.5 Diagram Konteks ............................................................ 57

Gambar 4.6 Diagram Berjenjang ........................................................ 58

Gambar 4.7 Diagram Overview .......................................................... 58

Gambar 4.8 Diagram Level 1 Proses 1 ............................................... 59

Gambar 4.9 Diagram Level 1 Proses 2 ............................................... 59

Gambar 4.10 Diagram Level 1 Proses 3 ............................................. 59








Gambar 4.15 Desain Basis Data Konseptual ...................................... 63

Gambar 4.16 Desain Basis Data Logikal ............................................ 64

Gambar 4.17 Desain interface halaman utama ................................... 67


xvii

Gambar 4.18 Desain interface halaman admin ................................... 68

Gambar 4.19 Desain interface halaman admin kelola ruangan .......... 69

Gambar 4.20 Desain interface halaman kelola wayang ...................... 70

Gambar 4.21 Desain interface pengguna ............................................ 71

Gambar 4.22 Desain interface lihat wayang ....................................... 72

Gambar 5.1 Database tbl_stopword .................................................... 88

Gambar 5.2 Database tbl_kbbi............................................................ 88

Gambar 5.3 Database tbl_kegiatan ..................................................... 89

Gambar 5.4 Database tbl_room .......................................................... 89

Gambar 5.5 Database tbl_search ........................................................ 89

Gambar 5.6 Database tbl_stemming ................................................... 90

Gambar 5.7 Database tbl_term ........................................................... 90

Gambar 5.8 Database tbl_tokenizing .................................................. 90

Gambar 5.9 Database tbl_wayang ...................................................... 91

Gambar 5.10 Halaman Utama Pengguna ............................................ 92

Gambar 5.11 Halaman Pengguna Lihat Ruangan ............................... 93

Gambar 5.12 Halaman Pengguna Lihat Wayang................................ 94

Gambar 5.13 Halaman Pengguna Lihat Tentang Kami ...................... 95

Gambar 5.14 Halaman Pengguna Cari Wayang ................................. 97

Gambar 5.15 Halaman Login Admin ................................................. 98

Gambar 5.16 Halaman Utama Admin ................................................ 99

Gambar 5.17 Halaman Menu Kelola Data........................................ 100

Gambar 5.18 Halaman Admin Kelola Ruangan ............................... 101

Gambar 5.19 Halaman Admin Tambah Ruangan ............................. 101

Gambar 5.20 Halaman Admin Kelola Kegiatan ............................... 103

Gambar 5.21 Halaman Admin Tambah Kegiatan ............................ 104

Gambar 5.22 Lihat Tentang Kami .................................................... 105

Gambar 5.23 Edit Tentang Kami ...................................................... 106

Gambar 5.24 Halaman Admin Hasil Pencarian ................................ 108

Gambar 5.25 Halaman Admin Lihat Perhitungan ............................ 108

Gambar 5.26 Halaman Admin Tambah Wayang .............................. 109

Gambar 6.1 Hasil Pencarian Raw : Responden Pertama .................. 115


xviii

Gambar 6.2 Hasil Pencarian Responden Pertama ............................ 117

Gambar 6.3 Hasil Pencarian Raw : Responden Kedua ..................... 118

Gambar 6.4 Hasil Pencarian Binary : Responden Kedua ................. 119

Gambar 3 Hasil Pencarian Raw :Responden Kedua ......................... 121

Gambar 6.6 Hasil Pencarian Binary : Responden Ketiga ................. 123

Gambar 6.7 Hasil Pencarian Raw : Responden Keempat ................. 124

Gambar 6.8 Hasil Pencarian Binary : Responden Keempat ............. 126

Gambar 6.9 Hasil Pencarian Raw : Responden Kelima ................... 127

Gambar 6.10 Hasil Pencarian Binary : Responden Kelima .............. 128


xix

DAFTAR TABEL

Tabel 2.1 Kombinasi awalan akhiran yang tidak diijinkan ................................... 12

Tabel 2.2 Jenis awalan berdasarkan tipe awalannya ............................................. 12

Tabel 2.3 Bobot setiap term pada query dalam dokumen ..................................... 19

Tabel 2.5 Perhitungan rasio recall dan precision ................................................. 21

Tabel 4.1 Narasi Use Case Login .......................................................................... 46

Tabel 4.2 Narasi Use Case Tambah Kegiatan ....................................................... 46

Tabel 4.3 Narasi Use Case Edit Kegiatan ............................................................. 47

Tabel 4.4 Narasi Use Case Hapus Kegiatan.......................................................... 48

Tabel 4.5 Narasi Use Case Cari Kegiatan ............................................................. 48

Tabel 4.6 Narasi Use Case Tambah Wayang ........................................................ 49

Tabel 4.7 Narasi Use Case Edit Wayang .............................................................. 50

Tabel 4.8 Narasi Use Case Hapus Wayang ........................................................... 50

Tabel 4.9 Narasi Use Case Lihat Wayang ............................................................ 51

Tabel 4.9 Narasi Use Case Tambah Ruangan ....................................................... 52

Tabel 4.10 Narasi Use Case Edit Ruangan ........................................................... 53

Tabel 4.11 Narasi Use Case Hapus Ruangan ........................................................ 54

Tabel 4.12 Narasi Use Case Cari Ruangan ........................................................... 54

Tabel 4.13 Narasi Use Case Lihat Ruangan.......................................................... 55

Tabel 4.14 Narasi Use Case Logout ...................................................................... 55

Tabel 4.15 Narasi Use Case Lihat Perhitungan .................................................... 56

Tabel 4.16 Tabel tbl_buang................................................................................... 64

Tabel 4.17 Tabel tbl_kbbi ..................................................................................... 65

Tabel 4.18 Tabel tbl_room .................................................................................... 65

Tabel 4.19 Tabel tbl_search .................................................................................. 65

Tabel 4.20 Tabel tbl_stemming............................................................................. 66

Tabel 4.21 Tabel tbl_stopword ............................................................................. 66

Tabel 4.22 Tabel tbl_tekonizing ........................................................................... 66

Tabel 4.23 Tabel tbl_wayang ................................................................................ 66


xx

Tabel 4.24 Tabel Tokenization ............................................................................. 76

Tabel 4.25 Perhitungan DF ................................................................................... 81

Tabel 4.26 Perhitungan TF-IDF dengan Raw TF ................................................. 85

Tabel 4.27 Perhitungan TF-IDF dengan Binary TF. ............ Error! Bookmark not

defined.

Tabel 4.25 Perhitungan TF-IDF dengan Binary TF pada sistem .......................... 87

Tabel 6.1 Hasil Pengujian Recall dan Precision dengan Raw TF ....................... 131

Tabel 6.2 Precision dan Recall Raw TF .............................................................. 131

Tabel 6.3 Recall dan Precision TF Binary .......................................................... 132


xxi

DAFTAR LISTING

Listing 5.1 Lihat Ruangan ..................................................................................... 93

Listing 5.2 Lihat Wayang ...................................................................................... 95

Listing 5.3 Lihat Tentang Kami ............................................................................ 96

Listing 5.4 Tambah data wayang ........................................................................ 110

Listing 5.5 Hapus data wayang ........................................................................... 100

Listing 5.6 Tambah Ruangan .............................................................................. 102

Listing 5.7 Hapus Ruangan ................................................................................. 102

Listing 5.8 Tambah Kegiatan .............................................................................. 104

Listing 5.9 Hapus Kegiatan ................................................................................. 105

Listing 5.10 Edit Tentang Kami .......................................................................... 107

Listing 5.11 Spliter .............................................................................................. 111

Listing 5.12 Tokenization .................................................................................. 111

Listing 5.13 Stopword ......................................................................................... 112

Listing 5.14 Stemming ........................................................................................ 113


1

BAB I

PENDAHULUAN

1.1.Latar Belakang

Museum umumnya digunakan oleh pengunjung sebagai tempat

rekreasi dan tempat mencari referensi serta informasi. Permasalahan yang

dihadapi saat ini adalah banyak museum yang belum memiliki sistem

informasi berbasis web secara online untuk melayani masyarakat. Selain itu,

banyak museum yang masih mendata koleksinya secara manual.

Demikian pula yang terjadi di Museum Wayang Kekayon

Yogyakarta yang menyimpan ratusan koleksi wayang Nusantara, namun

pendataan koleksi wayang masih dilakukan secara manual. Penelitian ini

dilakukan berdasarkan studi kasus di Museum Wayang Kekayon

Yogyakarta yang menjadi salah satu objek wisata di kota Yogyakarta, yang

didirikan oleh guru besar UGM, almarhum Prof. DR. dr.KPH Soejono

Prawirohadikusumo pada tahun 1991. Semua informasi wayang masih

dilakukan secara manual dengan cara menempelkan kertas berisi informasi

wayang di papan display. Akibatnya pengunjung hanya mendapatkan

informasi yang minim tentang informasi wayang yang dicarinya. Dalam

mempromosikan Museum Wayang Kekayon Yogyakarta ini pun

mempunyai keterbatasan masing-masing dimana biasanya promosi melalui


2

brosur dan facebook, sehingga hal ini berdampak pada kurangnya sarana

bagi masyarakat untuk lebih mengenal tentang wayang, padahal wayang

merupakan World Master Piece of Oral and Intangible Heritage of

Humanity yang diakui oleh UNESCO. Penjaga museum wayang juga

terbatas sehingga tidak dapat melayani pengunjung secara maksimal. Di lain

pihak para pengunjung yang datang akhirnya tidak mendapatkan informasi

yang lengkap.

Dari hasil pengamatan langsung terhadap museum tersebut terutama

pada bagian pencarian informasi koleksi wayang, diperlukan suatu mesin

pencari bagi situs itu sendiri. Penelitian tentang sistem pencarian dilakukan

melalui disiplin ilmu pemerolehan informasi (information retrieval).

Pemerolehan informasi merupakan bidang yang mengkaji metode-metode

di dalam pencarian dokumen berdasarkan representasi kebutuhan informasi

berupa kata kunci, yaitu keyword atau query.

Metode Term Frecuency-Inverse Document Frecuency (TF-IDF)

adalah salah satu metode pemerolehan informasi yaitu menghitung bobot

suatu dokumen terhadap suatu istilah. Terdapat 4 model TF pada

perhitungan TF-IDF yaitu Binary, Raw, Augmented, dan Logartmic. Dari

keempat model tersebut yang sering digunakan diantaranya yaitu Raw TF

dan Binary TF (Kamaryasa,2012). Perbedaan utama dari Raw TF dan

Binary TF adalah cara memnentukan nilai TF. Jika menggunakan Raw TF


3

maka nilai TF akan sama dengan jumlah kemunculan suatu term, namun

pada Binary TF nilai TF hanya ada 0 (jika suatu term tidak muncul) dan 1

(jika suatu term muncul). Pencarian dengan metode TF-IDF ini akan

menghitung bobot dokumen terhadap suatu istilah, dimana jika suatu

dokumen memiliki istilah yang besar maka menjadi peringkat pertama dan

seterusnya. Mesin pencarian akan menampilkan output berdasarkan ranking

teratas.

Dari latar belakang tersebut peneliti tertarik untuk mengkaji

perbedaan Raw TF and Binary TF pada pencarian di Situs Museum Wayang

Kekayon Yogyakarta. Adapun data-data yang digunakan adalah data

deskripsi wayang. Penambahan wayang diartikan juga sebagai penambahan

korpus yang digunakan untuk proses pencarian. Melalui penelitian ini

diharapkan dapat diketahui perbandingan efektivitas antara kedua TF

tersebut dan dapat menghasilkan dokumen yang relevan dari beberapa

dokumen yang ada pada koleksi dokumen melalui pencarian query yang

dimasukkan pengguna. Relevan atau tidaknya suatu dokumen terhadap

suatu istilah akan diverifikasi oleh Edukator Museum Wayang Kekayon.

1.2.Rumusan Masalah

a. Bagaimana membangun Situs Museum Wayang Kekayon Yogyakarta

dengan Sistem Pencarian Menerapkan Metode TF-IDF ?


4

b. Manakah yang lebih efektif antara Raw TF dibandingkan dengan Binary

TF pada mesin pencarian situs Museum Wayang Kekayon?

1.3.Tujuan

Tujuan penelitian ini adalah :

a. Menyediakan Situs Museum Wayang Kekayon dengan sistem pencarian

untuk mencari koleksi wayang di Museum Wayang Kekayon

Yogyakarta.

b. Membantu staff museum dalam memberikan informasi tentang wayang

secara cepat.

c. Menghasilkan informasi wayang yang relevan dari hasil pencarian

berdasarkan keyword yang diinputkan pengguna dengan

mengimplementasikan metode TF-IDF.

1.4.Manfaat Penelitian

Manfaat dari penelitian ini adalah:

a. Memberi kemudahan kepada masyarakat/pengguna yang ingin

mengetahui informasi tentang koleksi wayang.

b. Mempromosikan wayang ke masyarakat/pengguna khususnya

generasi muda agar tetap mengenal budaya wayang sehingga tidak

punah.


5

c. Memberikan hasil pencarian yang relevan kepada pengguna saat

mencari informasi koleksi wayang pada Museum Wayang Kekayon.

1.5.Batasan Masalah

Dalam penelitian ini terdapat beberapa batasan masalah yang terdiri dari:

a. Situs pencarian menerapkan metode TF-IDF yaitu Binary TF dan Raw

TF.

b. Keyword pencarian meliputi nama tokoh wayang dan deskripsi wayang.

c. Hasil pencarian dibatasi yaitu ranking 1-8 dari hasil pencarian.

d. Studi kasus dilaksanakan di Museum Wayang Kekayon Yogyakarta,

dengan tokoh wayang, yaitu koleksi Ramayana, Mahabarata,

Baratayuda di unit 1, unit 2 dan unit 3.

1.6.Sistematika Penulisan

Sistematika penulisan ini memberikan gambaran secara menyeluruh isi

yang akan dibahas dalam skripsi ini.

BAB I PENDAHULUAN

Bab ini membahas mengenai latar belakang, rumusan masalah,

tujuan, manfaat, batasan masalah, metode penelitian dan sistematika

penulisan.

BAB II KAJIAN PUSTAKA


6

Bab ini membahas tentang dasar teori yang digunakan untuk

membangun situs museum wayang dan tinjauan pustaka atas

penelitian-penelitian lain yang pernah dikerjakan sesuai topik yang

terkait meliputi, wayang, sistem informasi, PHP, CSS, Javascript,

dan metode TF-IDF.

BAB III ANALISIS DAN PERANCANGAN SISTEM

Bab ini membahas tentang analisis dan perancangan sistem yang

digunakan untuk membangun situs ini yang terdiri dari gambaran

umum sistem, analisis sistem, rancangan basis data, diagram use

case, dan rancangan User Interface.

BAB IV IMPLEMENTASI SISTEM

Bab ini membahas tentang pengimplementasian dari hasil rancangan

yang berupa coding program yaitu bahasa pemrograman PHP dan

MySql.

BAB V ANALISIS HASIL

Bab ini membahas tentang analisis hasil dari sistem yang telah

dibuat dan pembahasan tentang kelebihan dan kekurangan dari

sistem.

BAB VI PENUTUP

Bab ini membahas tentang kesimpulan dan saran yang berguna

untuk mengembangkan sistem di masa yang akan datang.


7

BAB II

LANDASAN TEORI

2.1. Pemerolehan Informasi

Information Retrieval (IR) merupakan bagian dari computer science yang

berhubungan dengan pengambilan informasi dari dokumen-dokumen yang

didasarkan pada isi dan konteks dari dokumen-dokumen itu sendiri.

Information Retrieval merupakan suatu pencarian informasi (biasanya

berupa dokumen) yang didasarkan pada suatu query (masukan user) yang

diharapkan dapat memenuhi keinginan user dari kumpulan dokumen yang

ada. Sedangkan, definisi query dalam IR menurut referensi merupakan

sebuah formula yang digunakan untuk mencari informasi yang dibutuhkan

oleh user, dalam bentuk yang paling sederhana, sebuah query merupakan

suatu keywords (kata kunci) dan dokumen yang mengandung keywords

merupakan dokumen yang dicari dalam sistem IR(Manning, Raghavan, &

Schütze, 2009).


8

Gambar 2.1 Arsitektur Information Retrieval

Sebelum melakukan pencarian, diperlukan suatu metode yang mampu

memproses dokumen agar menjadi suatu kumpulan indeks, metode tersebut

disebut Teks Operasi. Berikut ini adalah gambaran untuk Teks Operasi :

Gambar 2.2 Proses Menuju Pengindeksan

Teks Operasi yaitu pengurangan kompleksitas dari representasi dokumen dan

mengizinkan memproses data teks menuju pengindeksan (Baeza et al, 1999).


9

Proses tersebut dilakukan dengan cara pemisahan kata,penghapusan istilah

umum dan pencarian akar kata.

1. Word Tokenization yaitu mengubah dokumen menjadi potongan-potongan

kata yang lebih detail, hasil potongan tersebut adalah token, hal yang serupa

juga diberlakukan untuk karakter special seperti tanda baca (Manning et al.

2009).

Gambar 2.3 Proses Pemotongan Kata

2. Stopword Removal yaitu proses penghapusan kata-kata yang sering

ditampilkan dalam dokumen seperti: and, or, not dan sebagainya.

Gambar 2.4 Proses Penghilangan Kata Sambung

3. Stemming yaitu proses mengubah suatu kata bentukan menjadi kata dasar.

Stemming memiliki fungsi untuk mentransformasi kata-kata yang terdapat

dalam suatu dokumen ke kata akarnya (root word) dengan menggunakan

aturan-aturan tertentu. Sebagai contoh, kata Bersama, kebersamaan,

menyamai, akan distem ke root wordnya yaitu “sama”.


10

Proses stemming pada teks berBahasa Indonesia berbeda dengan stemming

pada teks berbahasa Inggris. Pada teks berbahasa Inggris, proses yang

diperlukan hanya proses menghilangkan surfiks. Sedangkan pada teks

berbahasa Indonesia, selain surfiks, prefix, dan konfliks juga dihilangkan.

Pada umumnya kata dasar pada bahasa Indonesia terdiri dari kombinasi :

Prefiks 1 + Prefiks 2 + Kata dasar + Surfiks 3 + Surfiks 2 + Surfiks 12

Algoritma yang dibuat oleh Bobby Nazief dan Mirna Adriani ini memiliki

tahap-tahap sebagai berikut:

a) Cari kata yang akan distem dalam kamus. Jika ditemukan maka

diasumsikan bahwa kata tersebut adalah root word. Maka algoritma

berhenti.

b) Inflection Suffixes ( “-lah”, “-kah”, “-ku”, “-mu” atau “-nya”)

dibuang.Jika berupa particles (“-lah”, “-kah”, “-tah” atau “-pun”)

maka langkah ini diulangi lagi untuk menghapus Possesive Pronouns

(“-ku”, “-mu”, atau “-nya”), jika ada.

c) Hapus Derivation Suffixes (“-I”, “-an” atau “-kan”). Jika kata

ditemukan di kamus, maka algoritma berhenti. Jika tidak maka ke

langkah c1

1. Jika “-an” telah dihapus dan huruf terakhir dari kata tersebut

adalah “-k”, maka “-k” juga ikut dihapus. Jika kata tersebut


11

ditemukn dalam kamus maka algoritma berhenti. Jika tidak

ditemukan maka lakukan langkah c2.

2. Akhiran yang dihapus (“-I”, “-an” atau “-kan”) dikembalikan.

Lanjut ke langkah d.

d) Hapus Derivation Prefix. Jika pada langkah c ada surfiks yang dihapus

maka pergi ke langkah d1, jika tidak pergi ke langkah d2.

1. Periksa table kombinasi awalan-akhiran yang tidak diijinkan. Jika

ditemukan maka algoritma berhenti, jika tidak pergi ke langkah d2.

2. For I = 1 to 3, tentukan tipe awalan kemudian hapus awalan. Jika

root word belum juga ditemukan lakukan langkah e, jika sudah maka

algoritma berhenti. Catatan : jika awalan kedua sama dengan awalan

pertama algoritma berhenti.

e) Melakukan Recoding

f) Jika semua langkah telah selesai tetapi tidak juga berhasil maka kata

awal diasumsikan sebagai root word. Proses selesai.

Tipe awalan ditentukan melalui langkah-langkah berikut:

1. Jika awalannya adalah: “di-“, “ke-“, atau “se-“ maka tipe awalannya

secara berturut-turut adalah “di-“, “ke-“, atau “se-“.


12

2. Jika awalannya adalah “te-“, “me-“, “be-“, atau “pe-“ maka

dibutuhkan sebuah proses tambahan untuk menentukan tipe awalanya.

3. Jika dua karakter pertama bukan “di-“, “ke-“, “se-“, “te-“, “be-“,

“me-“, atau “pe-“ maka berhenti.

4. Jika tipe awalan adalah “none” maka berhenti. Jika tipe awalan

adalah bukan “none” maka awalan dapat dilihat pada Tabel 2.2 Hapus

awalan jika ditemukan.

Tabel 2.1 Kombinasi awalan akhiran yang tidak diijinkan

Awalan Akhiran yang tidak diijinkan

Be- -i

Di- -an

Ke- -I, -kan

Me- -an

Se- -I, -kan

Tabel 2.2 Jenis awalan berdasarkan tipe awalannya

Tipe awalan Awalan yang harus dihapus

di- di-

Ke- Ke-

Se- Se-

Te- Te-

Ter-t Ter-


13

ter-luluh Ter

Untuk mengatasi keterbatasan pada algoritma di atas, maka ditambahkan aturan-

aturan di bawah ini:

1. Aturan untuk reduplikasi.

• Jika kedua kata yang dihubungkan oleh kata penghubung adalah kata

yang sama maka root word adalah bentuk tunggalnya, contoh : “buku-

buku” root word-nya adalah “buku”.

• Kata lain, misalnya “bolak-balik”, “berbalas-balasan, dan “seolah-

olah”. Untuk mendapatkan root word-nya, kedua kata diartikan secara

terpisah. Jika keduanya memiliki root word yang sama maka diubah

menjadi bentuk tunggal, contoh: kata “berbalas-balasan”, “berbalas”

dan “balasan” memiliki root word yang sama yaitu “balas”, maka root

word “berbalas-balasan” adalah “balas”. Sebaliknya, pada kata “bolak-

balik”, “bolak” dan “balik” memiliki root word yang berbeda, maka

root word-nya adalah “bolak-balik”.

2. Tambahan bentuk awalan dan akhiran serta aturannya.

• Untuk tipe awalan “mem-“, kata yang diawali dengan awalan “memp-“

memiliki tipe awalan “mem-“.

• Tipe awalan “meng-“, kata yang diawali dengan awalan “mengk-“

memiliki tipe awalan “meng-“.


14

4. Term Weighting yaitu proses pembobotan setiap term di dalam dokumen.

2.2. Metode TF-IDF

Metode TF-IDF merupakan metode untuk menghitung bobot setiap kata

yang paling umum digunakan pada information retrieval. Metode ini juga

terkenal efisien, mudah dan memiliki hasil yang akurat. Metode ini akan

menghitung nilai Term Frequency (TF) dan Inverse Document Frequency

(IDF) pada setiap token (kata) di setiap dokumen dalam korpus

(Maarif,2015).

2.2.1. Term Frequency

Menurut Karmayasa (2012) Term Frecuency (TF) adalah

algoritma pembobotan heuristic yang menentukan bobot

dokumen berdasarkan kemunculan term (istilah). Semakin

sering sebuah istilah muncul, semakin tinggi bobot dokumen

untuk istilah tersebut, dan sebaliknya. Hasil pembobotan ini

selanjutnya akan digunakan oleh fungsi perbandingan untuk

menentukan dokumen-dokumen yang relevan.

Terdapat 4 macam algoritma TF yang digunakan :

• Raw TF

Raw TF menentukan bobot suatu dokumen terhadap istilah

dengan menghitung frekuensi kemunculan suatu istilah


15

tersebut pada dokumen. Raw TF selanjutnya akan dituliskan

sebagai tf.

• Logarithmic TF

Logarithmic TF mengurangi tingkat kepentingan

kemunculan kata dalam menghitung bobot dokumen

terhadap suatu istilah dengan melakukan log terhadap TF.

Log TF dapat dihitung dengan rumus:

Ltf =1+log(tf) (2.1)

• Binary TF

Binary TF menyeragamkan bobot dokumen terhadap istilah

dengan memberi nilai 0 dan 1. Nilai 1 menyatakan suatu

istilah muncul minimal satu kali dalam suatu dokumen,

sementara nilai 0 menyatakan suatu istilah tidak muncul

sama sekali.

• Augmented TF

Augmented TF menyeragamkan bobot dokumen terhadap

istilah dengan memberikan range antara 0.5 hingga 1 sebagai

bobot dokumen. Augmented TF dapat dihitung dengan

rumus:

Atf = 0,5 + 0,5(𝑡𝑓

max 𝑡𝑓 𝑑𝑎𝑟𝑖 𝑠𝑒𝑙𝑢𝑟𝑢ℎ 𝑑𝑜𝑘𝑢𝑚𝑒𝑛) (2.2)


16

2.2.2. Inverse Document Frecuency

Inverse Document Frecuency (IDF) merupakan nilai

kepentingan suatu dokumen terhadap term. Biasanya istilah

‘adalah’ begitu sering muncul, sehingga kata ini bukan kata

kunci yang baik untuk membedakan dokumen dan istilah

yang relevan. Oleh karena itu IDF mengurangi bobot istilah

yang sangat sering muncul dalam kumpulan dokumen.

Karen Spark Jones & Robertson (1972) menyusun

interpretasi statistic kekhususan istilah yang disebut IDF.

𝐼𝐷𝐹𝑖 = (log (𝑁

𝑛𝑗)) + 1 (2.3)

Dimana :

N = total dokumen di dalam korpus

𝑛𝑗= jumlah dokumen yang mengandung term i.

Rumus metode TF-IDF sebagai berikut:

W = TF . IDF (2.4)

Dimana :

W : bobot dokumen ke-d terhadap kata ke-t

Setelah bobot (W) masing-masing dokumen diketahui, maka

dilakukan proses pengurutan dimana semakin besar nilai W,


17

semakin besar tingkat similaritas dokumen tersebut terhadap

kata kunci, demikian sebaliknya.

Contoh perhitungan TF-IDF dengan Raw TF :

Terdapat query terms (Q):

- Gold

- Silver

- Truck

Dengan koleksi dokumen :

Dokumen 1 (d1) = shipment of gold damaged in a fire

Dokumen 2 (d2) = Delivery of silver arrived in a silver truck

Dokumen 3 (d3) = Shipment od gold arrived in a truck

Total dokumen (D) = 3

Tahap pertama yang dilakukan yaitu pemotongan string

berdasarkan tiap kata yang menyusunnya, menghilangkan tanda

baca, angka dan stopword. Sehingga hasil yang didapat yaitu

kata “of”, “in”, dan “a” pada ketiga dokumen dihapus lalu di

stemming sehingga didapatkan term-term (document terms)

sebagai berikut:

Ship – gold – damage – fire – deliver – silver – arrive – truck

Tahap ini disebut preprocessing text.


18

Semakin besar nilai perhitungan bobot yang diperoleh maka

semakin tinggi tingkat similaritas dokumen terhadap query.

Contohnya untuk perhitungan bobot (w) term query silver dalam

dokumen2 (d2) = Delivery of silver arrived in a silver truck ,

yaitu: jumlah kemunculan term silver dalam dokumen 2 (d2)

adalah sebanyak dua kali (tf = 2), total dokumen yang ada di

koleksi sebanyak tiga dokumen (D)=3, dari ketiga dokumen

dalam koleksi, term silver muncul pada dokumen 2 (d2) saja,

sehingga total dokumen yang mengandung term silver adalah

satu dokumen (df)=1, sehingga dapat diperoleh nilai bobot term

silver pada dokumen 2 (d2).

Berapapun besarnya nilai 𝑡𝑓𝑖𝑗 apabila D = 𝑑𝑓𝑗 maka akan

didapatkan hasil 0 (nol), dikarenakan hasil dari log 1, untuk

perhitungan IDF. Untuk itu dapat ditambahkan nilai 1 pada

sisi IDF, sehingga perhitungan bobotnya menjadi sebagai

berikut :

𝑊𝑖𝑗 = 𝑡𝑓𝑖𝑗 x log(D/𝑑𝑓𝑗 )+ 1

𝑊𝑖𝑗 = 2 x (log(3/1) + 1)

𝑊𝑖𝑗 = 2 x ( 0.477 + 1 )

𝑊𝑖𝑗 = 2.954


19

Dengan demikian dapat diperoleh nilai bobot (w) untuk setiap term

pada query dalam masing-masing dokumen:

Tabel 2.3 Bobot setiap term pada query dalam dokumen

Tf df D

_

df

IDF IDF

+ 1

W = tf * (IDF+1)

Q D1 D2 D3 D1 D2 D3

Gold 1 0 1 2 1.5 0.176 1.176 1.176 0 1.176

Silver 0 2 0 1 3 0.477 1.477 0 2.954 0

Truck 1 1 1 2 1.5 0.176 1.176 0 1.176 1.176

Sum(d1) Sum(d2) Sum(d3)

Nilai Bobot setiap dokumen = 1.176 4.130 2.352

Ranking = 3 1 2

2.3. Recall dan Precision

Recall adalah rasio antara dokumen relevan yang berhasil

ditemukembalikan (di-retrieved) dari seluruh dokumen relevan yang ada di

dalam sistem, sedangkan precision adalah rasio dokumen relevan yang

berhasil ditemukembalikan dari seluruh dokumen yang berhasil ditemu-

kembalikan (Grossman,2002).

Menurut Purwono (2010) Recall (perolehan berhubungan dengan

kemampuan sistem untuk memanggil dokumen yang relevan, sedangkan


20

precision (ketepatan) adalah berkaitan dengan kemampuan sistem untuk

tidak memanggil dokumen yang tidak relevan.

Ada dua model evaluasi :

a) Non Ranked

b) Ranked

Berikut ini adalah nilai precission dan recall untuk Non Ranked dapat

dihitung dengan menggunakan tabel ketergantungan(Manning, 2008: 155).

Tabel 2.4 Evaluasi Perhitungan Not Ranked Precision dan Recall

Relevant nonrelevant

Retrieved True positive (tp) False positive (fp)

Non retrieved False negative (fn) True negative (tn)

Rumus menentukan precission dan recall :

Precision = 𝑡𝑝

𝑡𝑝+𝑓𝑝

Recall = 𝑡𝑝

𝑡𝑝+𝑓𝑛

Contoh perhitungan precision dan recall :

1. Andaikan suatu file dalam database menyimpan 100 dokumen.


21

2. Pada suatu penelusuran menggunakan query “Chemical Industry”, ternyata

diperkirakan ada 10 dokumen yang mungkin dapat terambil (retrieved)

menggunakan query tersebut, akan tetapi dalam kenyataannya setelah

dilakukan penelusuran hanya 4 dokumen yang terambil dalam pencarian

sedangkan 6 dokumen lain tidak terambil karena mungkin kurang/tidak

relevan.

3. Kemudian diketahui bahwa ada 2 dokumen lain dalam file dabase diketahui

relevan kepada query akan tetapi tidak terambil (not retrieved).

4. Untuk menghitung rasio recall dan precision dari seperti disebut pada soal di

atas, sering digunakan tabel berikut :

Tabel 2.5 Perhitungan rasio recall dan precision

Relevant Not Relevant Total

Retrieved 4 (tp) 6 (fp) 10

Not Retrieved 2 (fn) 88 (tn) 90

Total 6 94 100

5. Berdasarkan tabel di atas, sekarang perhitungannya dapat dilakukan dengan

mengacu kepada kepada rasio yang telah dikemukakan sebelumnya. Untuk

menghitung rasio recall, terlebih dahulu kita tentukan jumlah dokumen

relevan yang terambil, berdasarkan data pada tabel yaitu tp , sedangkan

Jumlah dokumen relevan yang ada dalam database adalah tp + fn. Dengan

demikian rasio recall ( R ) tersebut dapat dinyatakan sebagai berikut :


22

R = 𝑡𝑝

𝑡𝑝+𝑓𝑛

R = 4

4+2 = 0.66

6. Selanjutnya untuk menghitung precision, hal yang sama pada penghitungan

recall diberlakukan yaitu jumlah dokumen relevan yang terambil adalah tp ,

sedangkan Jumlah dokumen yang terambil dalam pencarian adalah tp + fp.

Dengan demikian rasio precision ( P ) dapat dinyatakan sebagai berikut :

P = 𝑡𝑝

𝑡𝑝+𝑓𝑝

P = 4

4+6 = 0.40

2.4. Interpretasi Tingkat Relevansi

Ada tiga tingkatan relevansi (Burgin, 1992: 621) yaitu :

(a) Relevan : artikel atau makalah yang diperoleh adalah respon langsung

bagi permintaan. Sesuai kebutuhan/permintaan pengguna

(b) Relevan Marginal: Topik artikel/makalah relevan, tetapi bukan respon

langsung bagi permintaan (hampir mirip).

(c) Tidak Relevan: Makalah/artikel tidak relevan dengan permintaan.

Catatan: yang menentukan relevan atau tidak adalah end user (pengguna).


23

Efektivitas sistem temu kembali informasi dinilai berdasarkan teori dari

Lancaster dalam Pendit (2008) yaitu relevan dan tidak relevan. Dalam teori

tersebut juga dijelaskan bahwa efektivitas sistem temu kembali informasi

dikategorikan menjadi dua yaitu efektif jika nilainya diatas 50% dan tidak

efektif jika nilainya dibawah 50%. Kedua ukuran diatas dinilai dalam

bentuk presentase, 1-100%. Sebuah sistem temu kembali informasi akan

dianggap baik jika tingkat recall maupun precision-nya tinggi. Kondisi

ideal efektivitas sistem temu kembali informasi menurut Pao dalam

Hasugian (2006) adalah apabila rasio recall dan precision-nya sama

besarnya (1:1).

Menurut Rowley dalam Hasugian (2006) menjelaskan bahwa efektivitas

sistem bisa juga diukur hanya berdasarkan tinggi atau rendahnya ketepatan

dokumen dengan query. Selain itu, juga dijelaskan bahwa recall sebenarnya

sulit diukur karena jumlah seluruh dokumen yang relevan dalam database

sangat besar. Oleh karena itu ketepatan-lah (precision) yang biasanya

menjadi salah satu ukuran yang digunakan untuk menilai efektivitas sistem

temu kembali informasi.


24

2.5. Metode Waterfall

Menurut Pressman(2010), metode Waterfall disebut juga dengan classic life

cycle, artinya suatu siklus klasik dari pembangunan suatu sistem. Langkah-

langkahnya adalah sebagai berikut:

a. Communication

Proses Communication adalah langkah pertama dari pembangunan

suatu sistem. Pada langkah ini dilakukan analisis kebutuhan sistem,

dan mempelejari teori-teori berkaitan dengan sistem yang akan

dibangun.

b. Planning

Proses Planning/perencanaan adalah langkah kedua dari

pembangunan sistem. Pada langkah ini dilakukan perkiraan

kebutuhan sistem, penjadwalan, dan tracking/jalur yang akan

ditempuh.

c. Modeling

Proses Modeling adalah langkah ketiga dari pembangunan suatu

sistem. Pada langkah ini dilakukan menganalisis rancangan basis

data, dan desain interface/tampilan.

d. Construction

Proses Construction merupakan proses penerjamahan desain

menjadi bahasa yang dimengerti oleh mesin(coding).


25

e. Deployment

Proses Deployment adalah langkah terakhir dari pembangunan

sistem. Setelah selesai coding dan tidak ada bug dalam sistem, maka

disebar luaskan ke masyarakat. Tujuannya adalah untuk

mendapatkan feedback dan saran.

2.6. Notasi Pemodelan Sistem

2.6.1. Use Case Diagram

Use Case diagram adalah diagram yang menggambarkan interaksi

antara sistem dengan sistem eksternal dan pengguna. Use case

diagram akan menggambarkan secara grafikal pengguna sistem dan

cara user berinteraksi dengan sistem (Whitten, 2004).

Use case digambarkan secara grafik dengan bentuk elips horizontal

dengan nama dari user case tertera dibawah atau didalam elips.

Gambar 2.5 Simbol Use Case

Aktor merupakan segala sesuatu yang dibutuhkan untuk

berinteraksi dengan sistem untuk mengubah informasi. Aktor dapat

berupa orang, organisasi atau sistem informasi yang lain atau juga

mungkin adalah suatu waktu kejadian.


26

Gambar 2.6 Simbol Aktor

2.6.2. Database Conceptual Design

Hasil dari fase ini disebut sebagai conceptual schema dan

dinyatakan dalam conceptual data model yang menggunakan Entity

Relationship Diagram (ERD). ERD merupakan alat yang digunakan

untuk membantu dalam proses pemodelan data. Dua komponen

utama pembentuk ERD adalah entitas dan relasi. Entitas adalah

sebuah objek yang nyata ada dan dibedakan dari sesuatu yang lain.

Setiap entitas pasti memiliki atribut yang mendeskripsikan

karakteristik dari entitas tersebut. Sedangkan relasi adalah hubungan

antara entitas (Nugroho,2010). Ada beberapa macam relasi yang

dapat digambarkan dalam ERD yaitu:

1. Relasi Satu lawan Satu (One to One Relationship)

Relasi ini terjadi bila tiap anggota entity A hanya boleh

berpasangan dengan tepat satu anggota entity B. Hubungan

1 : 1 mencakup juga relasi 1 : 0 dan 0 : 1.

2. Relasi Satu lawan Banyak (One to Many Relationship)


27

Relasi ini terjadi bila tiap anggota entity A berpasangan lebih

dari satu anggota entity B. Hubungan one to manu

mencakup relasi 1 : 1, 0 : 1, 1 : 1.

3. Relasi Banyak lawan Banyak (many to many Relationship)

Relasi ini terjadi bila tiap anggota entity AA boleh

berpasangan ddengan lebih dari satu anggota entity B, begitu

juga sebalikya tiap anggota B boleh berpasangan dengan

lebih dari satu anggota entity A. Relasi ini mencakup 1 : *, 1

: 1, 1 : 0, 0 : 1


28

Gambar 2.7 Notasi dalam ERD

2.6.3. Logical Design dan Physical Design

Dalam fase logical design ini dilakukan proses transaksi dari

conceptual schema yang sudah dibuat pada fase sebelumnya. Hassil

dari fase ini disebut sebagai logical scema dan dinyatakan dalam

logical data model yang digambarkan menggunakan relational

model. Dalam fase ini harus dilakukan beberapa optimalisasi

terhadap operasi-operasi yang akan dilakukan terhadap data-data

yang ada. Teknik yang biasa digunakan untuk melakukan

optimalisasi ini dinamakan normalisasi.

Normalisasi adalah suatu proses pengelompokan elemen data ke

dalam sejumlah table yang mempresentasikan sejumlah entitas dan

relasinya. Langkah normalisasi bertujuan :

1. Sebagai alat penolong dalam proses perancangan database.

2. Untuk meminimalkan grup elemen data yang sama dan

berulang-ulang (redundansi) dalam database karena hal tersebut

menyebabkan akses menjadi lambat dan meborokan tempat

penyimpanan.

3. Untuk memudahkan proses penyisian, penghausan, dan

pengembangan database.


29

Sedangkan untuk fase physical design harus dipastikan bahwa

logical schema yang sudah dibuat pada fase sebelumnya

dilengkapi dengan detail-detal yang diperlukan untuk

pengimplementasian secara fisik pada Database Management

System (DBMS) yang akan digunakan. Hasil dari fase ini disebut

sebagai physical schema.

2.6.4. Pemodelan Proses

DFD digunakan untuk menggambarkan sistem yang ada atau system

baru yang akan dikembangkan secara logika tanpa

mempertimbangkan lingkungan fisik dimana data itu mengalir dan

disimpan. DFD tingkat 0 disebut juga dengan model sistem

fundamental atau model konteks atau diagram konteks,

merepresentasikan seluruh elemen system sebagai sebuah bubble

tunggal dengan data input dan output yang di tujukan dengan anak

panah yang masuk dan keluar secara berurutan (Pressman, 2002).

2.7. Hypertext Preprocessor (PHP)

Menurut Doyle (2009, p3), PHP adalah bahasa pemrograman untuk

membuat situs web dinamis dan interaktif. PHP berjalan di server web dan

melayani pengunjung dengan halaman web sesuai permintaan. Artinya


30

adalah sintaks dan perintah-perintah yang kita berikan akan sepenuhnya

dijalankan di server tetapi disertakan HTML biasa.

PHP dikenal sebgai bahasa scripting yang menyatu dengan tag HTML,

dieksekusi di server dan digunakan untuk membuat halaman web yang

dinamis seperti ASP (Active Server Pages) dan JSP (Java Server Pages).

Tujuan dari bahasa scripting ini adalah untuk membuat aplikasi yang

dijalankan diatas teknologi web. Dalam hal ini, aplikasi pada umumnya

akan memberikan hasil pada web browser, tetapi prosesnya secara

keseluruhan dijalankan web server.

Kelebihan PHP ketika e-commerce semakin berkembang, situs-situs yang

statispun semakin ditinggalkan, karena dianggap sudah tidak memenuhi

keinginan pasar, padahal situs tersebut harus tetap dinamis. Pada saat ini

bahasa PERL dan CGI sudah jauh ketinggalan jaman sehingga sebagian

besar designer web banyak beralih ke bahasa server-side scripting yang

lebih dinamis seperti PHP. Seluruh aplikasi berbasis web dapat dibuat

dengan PHP. Namun kekuatan yang paling utama PHP adalah pada

konektivitasnya dengan system database didalam web.

2.8. Cascading Style Sheet(CSS)

CSS adalah kependekan dari Casarionacading Style Sheet, berfungsi untuk

mempercantik penampilan HTML atau menentukan bagaimana elemen


31

HTML ditampilkan, seperti menentukan posisi, merubah warna teks atau

background dan lain sebagainya (Ariona, 2013).

2.9. Museum Wayang Kekayon Yogyakarta

Museum Wayang Kekayon didirikan oleh almarhum Prof. DR. dr. KPH.

Soejono Prawirohadikusumo (Guru besar UGM sekaligus dokter ahli saraf

jiwa) dan diresmikan KGPAA Paku Alam VIII pada tahun 1991. Museum

ini berlokasi di Jalan Jogja-Wonosari, Baturetno, Banguntapan, Kota

Yogyakarta (GudegNet,2008).

2.10. Wayang

Menurut Kamus Besar Bahasa Indonesia(KBBI), wayang adalah boneka

tiruan orang yang terbuat dari pahatan kulit atau kayu dan sebagainya yang

dapat dimanfaatkan untuk memerankan tokoh dalam pertunjukan drama

tradisional (Bali, Jawa, Sunda, dan sebagainya), biasanya dimainkan oleh

seseorang yang disebut dalang. Menteri Negara Kebudayaan dan

Pariwisata, I Gede Ardika mengungkapkan, sejak 7 November 2003 lalu

Organisasi Pendidikan, Ilmu Pengetahuan dan Kebudayaan PBB

(UNESCO) telah mengakui wayang sebagai World Master Piece of Oral

and Intangible Heritage of Humanity. Disebutkan pula bahwa tidak hanya

menjadi milik bangsa Indonesia. Ini adalah sangat tinggi nilainya, milik

masyarakat dunia, sebuah warisan mahakarya dunia yang tak ternilai dalam

seni bertutur. Jenis-jenis wayang menurut bahan pembuatannya yaitu


32

wayang kulit, wayang bambu, wayang kayu, wayang orang, wayang

motekar , wayang rumput, dan wayang menurut asal daerah.


33

BAB III

METODOLOGI PENELITIAN

3.1. Metode Penelitian

Metodologi penelitian dalam menyelesaikan permasalahan ini adalah

sebagai berikut:

1. Perencanaan

Pada tahap ini dilakukan penentuan tujuan dibangunnya sistem.

Langkah ini merupakan langkah awal yang sangat penting, karena akan

menentukan metode yang digunakan untuk sistem pencarian. Kemudian

akan didapatkan kebutuhan sistem yang akan digunakan dalam

penelitian. Setelah proses perencanaan dilakukan maka akan dilakukan

proses pembuatan sistem.

2. Pengumpulan Data

a. Survei awal

Pada tahap ini penulis melakukan survei awal dengan

mengunjungi untuk observasi Museum Wayang Kekayon

Yogyakarta sehingga mendapatkan data-data yang akan dikelola

oleh sistem.

b. Sumber Data


34

Data-data yang diperlukan untuk menghasilkan informasi

museum wayang yang dibutuhkan dalam Situs Museum Wayang

Kekayon diantaranya adalah nama wayang, jumlah ruangan di

museum, dan deskripsi wayang. Semua kelengkapan data yang

dibutuhkan didapatkan dari edukator yang bekerja di Musuem

Wayang Kekayon, Yogyakarta.

3. Studi Literatur

Pada tahap ini penulis mempelajari literatur terkait dengan sistem

informasi berbasis web, Bahasa pemrograman PHP, basis data, dan

metode pencarian kata dengan TF-IDF.

4. Pembangunan Sistem

Pembangunan sistem menggunakan metode Waterfall. Fase-fase dalam

model waterfall menurut referensi Pressman (2010):

Gambar 3.1 Fase-Fase Dalam Model Waterfall

i. Communication

Pada tahap ini dilakukan pengumpulan data dan

menganalisa kebutuhan pengguna agar sistem yang


35

dibangun sesuai dengan kebutuhan pengguna. Pada

tahap ini dilakukan wawancara terhadap pemilik

museum dan masyarakat umum.

ii. Planning

Setelah data terkumpul dan dianalisis kemudian

dilakukan perancangan sistem yang terdiri dari

dokumen user requirement (kebutuhan user) dalam

bentuk diagram use case, diagram konteks, diagram

berjenjang, diagram aliran data.

iii. Modeling

Pada tahap ini dilakukan desain/perancangan sistem

yang diantaranya akan merancang basis data dan user

interface yang digunakan pada sistem.

iv. Construction

Pada tahap ini akan dilakukan proses implementasi

desain sistem dan masuk ke proses coding yang

menggunakan Bahasa pemrograman PHP dan basis

data MySQL.


36

v. Deployment

Pada tahap ini dilakukan pengujian singkat terhadap

sistem dengan menjalankan setiap modul agar dapat

diketahui apakah sistem yang telah dibuat dapat

memenuhi sesuai kebutuhan yang diinginkan oleh

pengguna. Uji coba perhitungan pada sistem

dilakukan dengan 5 data, namun pada sistem

sebenernya terdapat 90 data.

4. Uji coba Binary TF dan Raw TF untuk mengetahui seberapa efektif

kedua TF tersebut untuk menghasilkan pencarian wayang yang relevan.

Uji tingkat relevan dan tidak relevan suatu dokumen menurut teori 2.10

tentang Interpretasi Tingkat Relevansi.

3.2. Kebutuhan Perangkat Lunak dan Keras

Perangkat lunak dan perangkat keras yang akan digunakan dalam

implementasi sistem antara lain :

1. Perangkat Lunak

• Sistem Operasi Windows 10 Pro 64-bit

• XAMPP

• Notepad++


37

Software ini digunakan untuk membuat program/ source code dan

tampilan dari program atau interface.

• Sistem manajemen basis data MySQL

2. Perangkat Keras

• Processor AMD A9 7TH GEN

• HDD 500 GB

• RAM 4.00 GB

3.3. Penelitian yang Terkait

1. Yohanes (2010) membuat sebuah prototipe sistem informasi

Museum Kekayon Yogyakarta yang menyediakan informasi

tentang koleksi wayang Museum Kekayon Yogyakarta.

2. Abdul Azis Maarif (2015) membuat penerapan agoritma TF-IDF

untuk pencarian karya ilmiah.


38

BAB IV

ANALISA DAN PERANCANGAN SISTEM

4.1 Analisa Sistem

Sistem pemerolehan informasi wayang pada situs museum wayang kekayon ini

terdiri dari 2 tahap didasarkan pada gambar 2.1 tentang arsitektur information

retreival :

1. Pembuatan Korpus

2. Pencarian Informasi Wayang

4.1.1 Pembuatan Korpus/Pengumpulan Informasi Wayang

Pembuatan korpus ini dilakukan oleh admin, yang bertugas

menambahkan data wayang dimana dokumen yang disimpan yaitu

biografi tokoh wayang disertai dengan gambar wayang. Dokumen

(biografi) akan melewati proses :

1. Tokenization (memenggal kata)

2. Penyimpanan kata penting/ pembuangan kata tidak penting

3. Stemming (penghilangan imbuhan)


39

4.1.2 Pencarian Informasi Wayang

Pencarian informasi wayang dilakukan oleh pengguna/masyarakat.

Pengguna memasukan kata kunci pada kolom pencarian. Kata kunci akan

melewati proses :

1. Tokenization,pembuangan kata tidak penting, stemming.

2. Kemudian kata kunci akan disimpan pada tabel search untuk dicari pada

tabel stemming.

3. Jika ditemukan, akan dihitung bobot dokumen yang memuat kata kunci

tersebut.

4. Perankingan bobot dokumen.

5. Dokumen yang berada pada ranking 1-8 akan ditampilkan sebagai hasil

dari pencarian.

4.1 Flowchart Pembuatan Korpus


40

Gambar 4.1 Flowchart Pembuatan Korpus

Dimulai dari input dokumen yaitu biografi wayang, kemudian biografi wayang

akan disimpan pada table wayang. Setelah itu akan lanjut ke proses tokenizing,

dimana biografi wayang yang sudah tersimpan di tabel wayang akan dipenggal

per kata kemudian disimpan di table tokenizing. Proses selanjutnya yaitu proses

menyimpan kata yang penting, dimana pada proses ini term/kata yang tersimpan

pada table tokenizing akan dibandingkan dengan table stopword (table


41

stopword berisikan kata seperti ‘adalah, jika, maka, dll’). Jika pada table

tokenizing terdapat kata yang sama dengan di table stopword maka kata tersebut

tidak akan disimpan di table term, melainkan kata yang lainnya yang akan

disimpan, sehingga pada table term hanya kata yang penting saja yang

tersimpan. Proses terakhir yaitu proses stemming, dimana pada proses ini akan

dilakukan penghilangan imbuhan atau pencarian akar kata. Proses stemming ini

akan melihat satu per satu kata di tabel term apakah kata tersebut merupakan

akar kata atau tidak dengan melakukan pencarian pada tabel kbbi. Tabel kbbi

ini menyimpan berbagai kata yang sudah menjadi akar kata, sehingga jika kata

di table term terdapat juga pada table kbbi maka kata tersebut adalah akar kata

dan langsung disimpan pada table stemming, jika tidak ada pada table kbbi

maka akan dilakukan proses stemming dan jika proses stemming sudah selesai

maka akan disimpan juga table stemming. Tabel stemming berisikan kata yang

sudah menjadi akar kata.


42

4.1.3 Flowchart Pencarian Informasi Wayang dengan Raw TF

Gambar 4.2 Flowchart Pencarian Informasi Wayang dengan Raw TF


43

4.1.4 Flowchart Pencarian Informasi Wayang dengan Binary TF

Gambar 4.3 Flowchart Pencarian Informasi Wayang dengan Binary TF


44

Penjelasan pada flowchart pencarian informasi wayang pada Raw TF dan

Binary TF.

1. Pengguna memasukan kata kunci pada kolom pencarian.

2. Kata kunci akan diproses tokenizing,pembuangan kata tidak penting dan

stemming.

3. Kata kunci disimpan pada tabel search.

4. Kata kunci pada tabel search akan dicari apakah terdapat pada tabel

stemming atau tidak.

5. Jika ditemukan maka dokumen yang memuat kata tersebut akan

ditampilkan.

6. Akan dilakukan perhitungan jumlah seluruh dokumen pada database = N.

7. Menghitung jumlah dokumen yang mengandung kata kunci tersebut = DF.

8. Menghitung IDF yaitu log(N/DF).

9. Mendeklarasikan nilai TF. Pada Raw TF, TF diambil sesuai jumlah

kemunculan suatu kata. Pada Binary TF, TF hanya bernilai 0 dan 1. Nilai 0

jika suatu term tidak muncul pada dokumen dan nilai 1 jika kata tersebut

muncul walaupun lebih dari 1 kali.

10. Menghitung TF * IDF pada tiap dokumen.

11. Melakukan perankingan dari bobot dokumen tersebut.

12. Menampilkan dokumen yang berada pada ranking 8 teratas.


45

4.1.5 Use case Diagram

Gambar 4.4 Use Case Diagram


46

4.1.5.1 Narasi Use Case

Tabel 4.1 Narasi Use Case Login

Nama Use Case : Login

Aktor : Admin

Deskripsi : Use case ini mengambarkan actor yang melakukan

login.

Kondisi Awal : Aktor sudah membuka sistem.

Kondisi Akhir : Aktor sudah login ke sistem.

Skenario Use Case : Aksi Aktor Reaksi Sistem

Step 1 :

Aktor klik menu “Login”

Step 3 :

Aktor mengisi username

serta password lalu klik

Login

Step 2 :

Sistem menampilkan

kolom username dan

password

Step 4 :

Sistem menampilkan

halaman admin

Tabel 4.2 Narasi Use Case Tambah Kegiatan

Nama Use Case : Tambah Kegiatan

Aktor : Admin

Deskripsi : Use case ini mengambarkan aktor menambah kegiatan.

Kondisi Awal : Aktor sudah masuk ke dalam sistem.

Kondisi Akhir : Kegiatan sudah berhasil ditambahkan ke sistem.


Step 1 : Step 2 :


47

Aktor klik menu table

aktivitas.

Step 3 :

Aktor memilih menu

tambah.

Step 5 :

Aktor mengisi data

kegiatan dan klik simpan.

Sistem menampilkan

halaman kelola kegiatan

Step 4 :

Sistem menampilkan form

input data wayang.

Step 6 :

Sistem telah menyimpan

kegiatan.

Tabel 4.3 Narasi Use Case Edit Kegiatan

Nama Use Case : Edit Kegiatan

Aktor : Admin

Deskripsi : Use case ini mengambarkan aktor mengedit data

kegiatan.


Kondisi Akhir : Data kegiatan sudah berhasil diubah ke sistem.


Step 1 :


aktivitas.

Step 3 :

Aktor memilih menu edit

pada kegiatan tertentu.

Step 5 :

Step 2 :

Sistem menampilkan


Step 4 :


kegiatan yang sudah

tersimpan sebelumnya.

Step 6 :


48

Aktor mengubah data

kegiatan dan klik simpan.


perubahan kegiatan.

Tabel 4.4 Narasi Use Case Hapus Kegiatan

Nama Use Case : Hapus Kegiatan

Aktor : Admin

Deskripsi : Use case ini mengambarkan aktor menghapus kegiatan.


Kondisi Akhir : Data kegiatan sudah terhapus dari sistem.


Step 1 :


aktivitas.

Step 3 :

Aktor memilih menu

hapus pada kegiatan

tertentu.

Step 2 :

Sistem menampilkan


Step 4 :

Kegiatan sudah terhapus

dan sistem menampilkan

halaman kegiatan yang

baru.

Tabel 4.5 Narasi Use Case Cari Kegiatan

Nama Use Case : Cari Kegiatan

Aktor : Admin

Deskripsi : Use case ini mengambarkan aktor mencari kegiatan.


Kondisi Akhir : Data kegiatan ditemukan.



49

Step 1 :


aktivitas.

Step 3 :

Aktor memasukan kata

kunci pada kolom

pencarian kegiatan.

Step 2 :

Sistem menampilkan


Step 4 :

Sistem menampilkan

kegiatan yang dicari.

Tabel 4.6 Narasi Use Case Tambah Wayang

Nama Use Case : Tambah Wayang

Aktor : Admin


kegiatan.


Kondisi Akhir : Data wayang sudah ditambahkan ke sistem.


Step 1 :

Aktor klik menu kelola

wayang.

Step 3 :

Aktor memilih menu

tambah.

Step 5 :

Step 2 :

Sistem menampilkan

halaman kelola wayang.

Step 4 :


wayang.

Step 6 :


wayang.


50

Aktor mengisi data

wayang beserta ruang

wayang berada.

Tabel 4.7 Narasi Use Case Edit Wayang

Nama Use Case : Edit Wayang

Aktor : Admin


wayang.


Kondisi Akhir : Data wayang sudah diperbaharui ke sistem.


Step 1 :


wayang.

Step 3 :

Aktor memilih menu edit

wayang pada salah satu

wayang.

Step 5 :

Aktor mengedit data

wayang.

Step 2 :

Sistem menampilkan


Step 4 :


wayang yang sudah

tersimpan sebelumnya.

Step 6 :


data wayang yang sudah

diperbaharui.

Tabel 4.8 Narasi Use Case Hapus Wayang

Nama Use Case : Hapus Wayang

Aktor : Admin


51

Deskripsi : Use case ini mengambarkan aktor menghapus data

kegiatan.


Kondisi Akhir : Data wayang sudah dihapus dari sistem.


Step 1 :


wayang.

Step 3 :

Aktor memilih menu

hapus pada salah satu

wayang.

.

Step 2 :

Sistem menampilkan


Step 4 :

Wayang sudah terhapus

dari sistem dan sistem

menampilkan halaman

kelola wayang.

Tabel 1 Narasi Use Case Cari Wayang

Nama Use Case : Cari Wayang

Aktor : Admin dan Customer

Deskripsi : Use case ini mengambarkan aktor mencari wayang.

Kondisi Awal : Aktor sudah membuka website.

Kondisi Akhir : Data wayang ditemukan.


Step 1 :

Aktor mengisi kata kunci

pada kolom pencarian.

Step 2 :

Sistem menampilkan

wayang yang dicari.

Tabel 4.9 Narasi Use Case Lihat Wayang

Nama Use Case : Lihat Wayang


52


Deskripsi : Use case ini mengambarkan aktor melihat wayang.

Kondisi Awal : Aktor sudah membuka website.

Kondisi Akhir : Data wayang ditampilkan.


Step 1 :

Aktor klik menu wayang

Step 2 :

Sistem menampilkan

seluruh data wayang.

Tabel 4.9 Narasi Use Case Tambah Ruangan

Nama Use Case : Tambah Ruangan

Aktor : Admin

Deskripsi : Use case ini mengambarkan aktor menambahkan

ruangan.


Kondisi Akhir : Ruangan sudah ditambahkan.


Step 1 :


wayang.

Step 3 :

Aktor klik menu ruangan.

Step 5 :

Aktor memilih menu

tambah.

Step 2 :

Sistem menampilkan


Step 4 :

Sistem menampilkan data

ruangan.

Step 6 : Sistem

menampilkan form

ruangan.


53

Step 7 :

Aktor mengisi data

ruangan dan klik simpan.

Step 8 :

Data ruangan sudah

tersimpan dan sistem

menampilkan halaman

kelola ruangan.

Tabel 4.10 Narasi Use Case Edit Ruangan

Nama Use Case : Edit Ruangan

Aktor : Admin

Deskripsi : Use case ini mengambarkan aktor mengedit ruangan.


Kondisi Akhir : Ruangan sudah diperbaharui.


Step 1 :


wayang.

Step 3 :


Step 5 :

Aktor memilih menu edit.

Step 7 :

Aktor mengedit data

ruangan dan klik simpan.

Step 2 :

Sistem menampilkan


Step 4 :


ruangan.

Step 6 :


ruangan yang sudah ada.

Step 8 :

Data ruangan sudah

diperbaharui dan sistem

menampilkan halaman

kelola ruangan.


54

Tabel 4.11 Narasi Use Case Hapus Ruangan

Nama Use Case : Hapus Ruangan

Aktor : Admin

Deskripsi : Use case ini mengambarkan aktor menghapus ruangan.


Kondisi Akhir : Ruangan sudah dihapus.


Step 1 :


wayang.

Step 3 :


Step 5 :

Aktor memilih menu

hapus pada salah satu

ruangan.

Step 2 :

Sistem menampilkan


Step 4 :


ruangan.

Step 6 :

Data ruangan sudah

terhapus dan

menampilkan halaman

kelola ruangan.

Tabel 4.12 Narasi Use Case Cari Ruangan

Nama Use Case : Cari Ruangan

Aktor : Admin

Deskripsi : Use case ini mengambarkan aktor mencari ruangan.


Kondisi Akhir : Data ruangan sudah ditemukan.


55


Step 1 :


wayang.

Step 3 :


Step 5 :

Aktor mengisi kata kunci

di kolom pencarian

ruangan.

Step 2 :

Sistem menampilkan


Step 4 :


ruangan.

Step 6 :

Sistem menampilkan

ruangan yang dicari.

Tabel 4.13 Narasi Use Case Lihat Ruangan

Nama Use Case : Cari Ruangan


Deskripsi : Use case ini mengambarkan aktor melihat ruangan.


Kondisi Akhir : Data ruangan ditampilkan.


Step 1 :


Step 2 :

Sistem menampilkan

seluruh data ruangan.

Tabel 4.14 Narasi Use Case Logout

Nama Use Case : Logout

Aktor : Admin


56

Deskripsi : Use case ini mengambarkan actor yang melakukan

logout.

Kondisi Awal : Aktor sudah login ke dalam sistem.

Kondisi Akhir : Aktor sudah logout dari sistem.


Step 1 :

Aktor klik menu

“Logout”.

Step 2 :

Sistem menampilkan

halaman utama website.

Tabel 4.15 Narasi Use Case Lihat Perhitungan

Nama Use Case : Lihat Perhitungan

Aktor : Admin

Deskripsi : Use case ini mengambarkan actor yang melihat hasil

perhitungan pencarian

Kondisi Awal : Aktor sudah login

Kondisi Akhir : Hasil pencarian sudah ditampilkan.


Step 1 :

Aktor memasukan kata

kunci pada kolom

pencarian

Step 3 :

Aktor klik hasil

perhitungan

Step 2 :

Sistem menampilkan hasil

pencarian

Step 4 :

Sistem menampilkan hasil

perhitungan.


57

4.2 Perancangan Sistem

4.2.1 Pemodelan Proses

4.2.1.1 Diagram Konteks

Gambar 4.5 Diagram Konteks

4.2.1.2 Diagram Berjenjang


58

Gambar 4.6 Diagram Berjenjang

4.2.1.3 Diagram Overview

Gambar 4.7 Diagram Overview


59

4.2.1.4 Diagram Level 1 Proses 1

Gambar 4.8 Diagram Level 1 Proses 1






60








61



4.2.2 Diagram Level 2 Proses 1





62




63

4.2.3 Pemodelan Data

4.2.3.1 Desain Basis Data Konseptual

Gambar 4.15 Desain Basis Data Konseptual


64

4.2.3.2 Desain Basis Data Logikal

Gambar 4.16 Desain Basis Data Logikal

4.2.3.3 Desain Basis Data Fisikal

Tabel 4.16 Tabel tbl_buang

Nama Tipe Size Key

idUser smallint 6 PK

Nama varchar 125

Username varchar 125

pass Varchar 15

Nama Tipe Size Key


65

Tabel 4.17 Tabel tbl_kbbi

Nama Tipe Size Key

Id_word Int 100 PK

word Varchar 70

stopword Enum

category Enum

sentiment Enum

Tabel 4.18 Tabel tbl_room

Nama Tipe Size Key

IdRoom Int 11 PK

Room Varchar 125

Keterangan Text

Tabel 4.19 Tabel tbl_search

Nama Tipe Size Key

IdTerm Int 11 PK

Term varchar 125

Kata Varchar 100 PK


66

Tabel 4.20 Tabel tbl_stemming

Nama Tipe Size Key

IdWayang Int 11 FK

Term varchar 125

Jml double

wd double

wdwdi double

pvektor double

Tabel 4.21 Tabel tbl_stopword

Nama Tipe Size Key

IdWayang Int 11

Term varchar 125

Jml smallint 6

Tabel 4.22 Tabel tbl_tekonizing

Nama Tipe Size Key

IdWayang Int 11

Term varchar 125

Jml smallint 6

Tabel 4.23 Tabel tbl_wayang

Nama Tipe Size Key


67

IdWayang Int 11 PK

Categori varchar 75

Judul varchar 125

Deskripsi longtext

Tanggal Date

4.2.4 Perancangan Subsistem Dialog

4.2.4.1 User Interface Halaman Utama

Gambar 4.17 Desain user interface halaman utama

Halaman ini merupakan halaman awal untuk admin dan pengguna. Pada

halaman ini admin harus memasukan username dan password yang benar,

maka halaman utama admin untuk mengedit data akan terbuka. Pengguna

tidak perlu login untuk mengakses situs web.


68

4.2.4.2 Interface Halaman Admin

Gambar 4.18 Desain interface halaman admin

Halaman ini merupakan halaman utama admin. Pada halaman ini admin

dapat mengelola data kegiatan, ruangan dan wayang.


69

4.2.4.3 Halaman Admin Kelola Ruangan

Gambar 4.19 Desain user interface halaman admin kelola ruangan

Halaman ini merupakan halaman admin dalam mengelola ruangan. Dimana ada

menu untuk tambah ruangan, edit ruangan dan hapus ruangan.


70

4.2.4.4 Halaman Admin Kelola Wayang

Gambar 4.20 Desain user interface halaman kelola wayang

Halaman ini merupakan halaman admin dalam mengelola wayang.

Diamana ada menu untuk tambah wayang, edit wayang dan hapus wayang.


71

4.2.4.5 Halaman Pengguna

Gambar 4.21 Desain user interface pengguna

Halaman ini merupakan halaman awal pengguna, dimana terdapat menu

ruangan, ruangan, tentang kami dan menu pencarian wayang. Pengguna

memasukan kata kunci pada kolom pencarian.

4.2.4.6 Halaman Lihat Wayang


72

Gambar 4.22 Desain user interface lihat wayang

Halaman ini merupakan halaman admin dan pengguna dalam melihat

wayang yang tersimpan pada museum.

4.2.5 Contoh kasus Flowchart Pencarian

Pengujian ini dilakukan dengan cara membandingkan hasil

perhitungan secara manual dari rumus TF-IDF.

Terdapat 5 dokumen :

Baladewa =

Kakrasana setelah menjadi raja menggantikan Prabu Basudewa, ayahnya,

memegang tampuk pimpinan negara Mandura dengan gelar: Prabu Baladewa.

Adiknya, Narayana bertakhta dinegara Dwarawati dengan gelar: Prabu Kresna.

Prabu Baladewa mempunyai permaisuri bernama Dewi Erawati, putri negara

Mandaraka di bawah pemerintahan Prabu Salya. Dari perkawinan ini mereka

mempunyai dua orang putra bernama: Wisata dan Wilmuka. Setelah berusia

lanjut, ia bergelar Wasi Jaladara dan berkedudukan di pertapaan Grojogansewu.

Rahwana =


73

Dalam perdalangan namanya disebut Rahwana, karena pada waktu lahir erada di

tengah hutan dan terdiri dari segumpal darah.

Rah = darah, wana = berarti hutan.

Ibunya bernama Dewi Sukesi, putri Prabu Sumali raja Alengka. Ayahnya

bernama Begawan Wisrawa keturunan Hyang Sambu. Lima keturunan dari Batara

Sambodana, putra Hyang Samb, kemudian lahir resi Supadna. Resi Supadna

inilah yang menjadi ayah Wisrawa. Prabu Dasamuka mempunyai permaisuri

bernama Dewi Tari, putri Hyang Indra. Ia mempunyai seorang putra bernama

Indrajit/Megananda yang menjadi putra mahkota Alengka.

Putra dan istrinya yang lain diantaranya: Trikaya, Trisirah, Trinetra,

Pratalamariyam, Trimurda dan lain-lainnya. Rahwana mempunyai saudara

seayah-seibu bernama:

1. Kumbakarna, berwujud raksasa.

2. Dewi Sarpakenaka, berwujud raksasi.

3. Wibisana, berwujud manusia.

Bogadenta =

Di Dalam pedalangan, beberapa dalang lebih banyak mengucapkan nama

Bogadenta daripaa Bogadatta. Konon Bogadatta terjadi dari embing-embing/ari-


74

ari Kurawa. Dalam lakon "Timbangan" atau "trajon", diceritakan : Bogadatta

terpental karena tekanan Bima. Ia terpental jatuh di negara Turilaya dan akhirnya

menjadi raja negara tersebut.

Catatan :

timbangan = traju - trajon.

Akhir kehidupannya, gugur di medan perang Baratayuda oleh tangan Arjuna

dalam babak ke II "Tawur", binasa dengan Pasopati.

Dewi Sarwati =

Ia mempunyai nama sebutannya yang lain yaitu Dewi Rawati.

Dewi Sarwati adalah permaisuri Sanghyang Nurcahya. Di dalam perkawinan itu

lahirlah tiga orang putra masing-masing yaitu:

1. Sanghyang Wening

2. Sanghyang Wenang dan

3. Sanghyang Taya.

Dari putranya yang bernama Sanghyang Wenang yang berputra Sanghyang

Tunggal, selanjutnya menurunkan para Dewa di Suralaya seperti apa yang

tersebut di dalam pedalangan.


75

Ugrasena =

Arya Ugrasena adalah putra Prabu Basukunti, raja Mandura.

Catatan:

Arya Ugrasena menurut pedalangan Jogjakarta adalah putra Prabu Kuntiboja.

Saudara-saudaranya adalah :

1. Arya Basudewa, yang kemudian naik singgasana kerajaan Mandura

menggantikan kedudukan ayahnya, bergelar Prabu Basudewa.

2. Dewi Kunti, kemudian menjadi permaisuri Prabu Pandudewanata, raja Astina

dan menurunkan tiga di antara Pandawa Lima yang terkenal.

3. Arya Prabu Rukma, kemudian menduduki negara Kubina dan dinobatkan

menjadi raja bergelar Prabu Bismaka.

Arya Ugrasena setelah menduduki negara Lesanpura dan dilantik menjadi raja

kemudian bergelar Prabu Setyajit.

Dalam memegang tampuk pimpinan negara ia didampingi permaisuri Dewi

Sini/Wresini.

Dengan perkawinan tersebut memperoleh dua orang putra, yaitu:


76

1. Dewi Setyaboma, yang kemudian dipersuntingkan oleh Narayana/Sri Kresna.

2. Arya Setyaki, banteng negara Dwarawati dibawah pemerintahan Sri Kresna.

Tahap kedua yaitu tahap tokenizing, dimana tahap ini merupakan tahap

pemotongan string input bedasarkan tiap kata yang menyusunnya. Berikut

hasil dari pemotongan semua dokumen.

Contoh :

Kata kakrasana pada D1 ada 1, dan pada D2-D5 tidak mengandung kata

kakrasana.

Tabel 4.24 Tabel Tokenization

Term D1 D2 D3 D4 D5

Kakrasana 1 0 0 0 0

Raja 1 2 1 0 2

Ganti 1 0 0 0 1

Prabu 1 1 0 0 1

Basudewa 1 0 0 0 1

Ayah 1 3 0 0 1

Pegang 1 0 0 0 1

Tampuk 1 0 0 0 1

Pimpin 1 0 0 0 1

Mandura 1 0 0 0 0

Gelar 2 0 0 0 1

Baladewa 1 0 0 0 0

Adik 1 0 0 0 0

narayana 1 0 0 0 1

takhta 1 0 0 0 0


77

dwarawati 1 0 0 0 0

kresna 1 0 0 0 0

punya 1 1 0 1 0

permaisuri 1 0 0 1 1

Nama 1 2 1 2

Dewi 1 1 0 1 1

erawati 1 0 0 0 0

Putri 1 1 0 0 0

mandaraka 1 0 0 0 0

bawah 1 0 0 0 1

perintah 1 0 0 0 1

Salya 1 0 0 0 0

kawin 1 0 0 1 1

mereka 1 0 0 0 0

Dua 1 0 0 0 1

Orang 1 2 0 1 1

Putra 1 1 0 3 1

wisata 1 0 0 0 0

wilmuka 1 0 0 0 0

Usia 1 0 0 0 0

Ia 1 1 1 1 1

Wasi 1 0 0 0 0

jaladara 1 0 0 0 0

keduduk 1 0 0 0 1

Tapa 1 0 0 0 0

grojongansewu 1 0 0 0 0

dalang 0 1 2 1 1

rahwana 0 1 0 0 0

lahir 0 2 0 1 0

erada 0 1 0 0 0

tengah 0 1 0 0 0

hutan 0 1 0 0 0

diri 0 2 0 0 0

gumpal 0 1 0 0 0

darah 0 1 0 0 0

rah 0 1 0 0 0


78

wana 0 1 0 0 0

arti 0 1 0 0 0

ibu 0 3 0 0 0

sukesi 0 1 0 0 0

sumali 0 1 0 0 0

alengka 0 1 0 0 0

begawan 0 1 0 0 0

wisrawa 0 1 0 0 0

turun 0 1 0 1 1

hyang 0 1 0 0 0

sambu 0 1 0 0 0

lima 0 1 0 0 1

batara 0 1 0 0 0

sambodana 0 1 0 0 0

samb 0 1 0 0 0

resi 0 1 0 0 0

supadna 0 1 0 0 0

dasamuka 0 1 0 0 0

permaisuri 0 1 0 0 0

tari 0 1 0 0 0

indra 0 1 0 0 0

indrajit 0 1 0 0 0

megananda 0 1 0 0 0

mahkota 0 1 0 0 0

istri 0 2 0 0 0

trikaya 0 1 0 0 0

trisirah 0 1 0 0 0

trinetra 0 1 0 0 0

pratalamariyam 0 1 0 0 0

trimurda 0 1 0 0 0

saudara 0 2 0 0 2

kumbakarna 0 1 0 0 0

wujud 0 1 0 0 0

raksasa 0 1 0 0 0

sarpakenaka 0 1 0 0 0

raksasi 0 1 0 0 0


79

wibisana 0 1 0 0 0

manusia 0 1 0 0 0

ucap 0 0 1 0 0

bogadenta 0 0 1 0 0

daripaa 0 0 1 0 0

konon 0 0 1 0 0

jadi 0 0 1 0 0

embing 0 0 1 0 0

ari 0 0 1 0 0

kurawa 0 0 1 0 0

lakon 0 0 1 0 0

timbang 0 0 1 0 0

trajon 0 0 1 0 0

cerita 0 0 1 0 0

pental 0 0 1 0 0

tekan 0 0 1 0 0

bima 0 0 1 0 0

jatuh 0 0 1 0 0

turilaya 0 0 1 0 0

catat 0 0 1 0 1

traju 0 0 1 0 0

akhir 0 0 1 0 0

hidup 0 0 1 0 0

gugur 0 0 1 0 0

medan 0 0 1 0 0

perang 0 0 1 0 0

baratayuda 0 0 1 0 0

tang 0 0 1 0 0

arjuna 0 0 1 0 0

babak 0 0 1 0 0

tawur 0 0 1 0 0

binasa 0 0 1 0 0

pasopati 0 0 1 0 0

sebut 0 0 0 1 0

rawat 0 0 0 1 0

sarwati 0 0 0 1 0


80

Sanghyang 0 0 0 1 0

nurcahya 0 0 0 1 0

tiga 0 0 0 1 1

masing 0 0 0 1 0

wening 0 0 0 1 0

wenang 0 0 0 1 0

taya 0 0 0 1 0

tunggal 0 0 0 1 0

dewa 0 0 0 1 0

suralaya 0 0 0 1 0

arya 0 0 0 0 1

ugrasena 0 0 0 0 1

basukinti 0 0 0 0 1

mandura 0 0 0 0 1

jogjakarta 0 0 0 0 1

kuntiboja 0 0 0 0 1

naik 0 0 0 0 1

singgasana 0 0 0 0 1

kunti 0 0 0 0 1

pandudewanata 0 0 0 0 1

astina 0 0 0 0 1

pandawa 0 0 0 0 1

kenal 0 0 0 0 1

rukma 0 0 0 0 1

duduk 0 0 0 0 1

kubina 0 0 0 0 1

nobat 0 0 0 0 1

bismaka 0 0 0 0 1

lesanpura 0 0 0 0 1

lantik 0 0 0 0 1

setyajit 0 0 0 0 1

damping 0 0 0 0 1

wresni 0 0 0 0 1

setyaboma 0 0 0 0 1

sunting 0 0 0 0 1

sri 0 0 0 0 1


81

kresna 0 0 0 0 1

setyaki 0 0 0 0 1

banteng 0 0 0 0 1

dwarawati 0 0 0 0 1

Tahap selanjutnya yaitu menghitung document frequency (df). Document

frequency (df) adalah banyaknya dokumen dimana suatu term (t) muncul.

Tabel 2 Perhitungan DF

term D1 D2 D3 D4 D5 df

kakrasana 1 0 0 0 0 1

raja 1 2 1 0 2 4

ganti 1 0 0 0 1 2

prabu 1 1 0 0 1 3

basudewa 1 0 0 0 1 2

ayah 1 3 0 0 1 3

pegang 1 0 0 0 1 2

tampuk 1 0 0 0 1 2

pimpin 1 0 0 0 1 2

mandura 1 0 0 0 0 1

gelar 2 0 0 0 1 2

baladewa 1 0 0 0 0 1

adik 1 0 0 0 0 1

narayana 1 0 0 0 1 2

takhta 1 0 0 0 0 1

dwarawati 1 0 0 0 0 1

kresna 1 0 0 0 0 1

punya 1 1 0 1 0 3

permaisuri 1 1 0 1 1 4

nama 1 2 1 2 0 4

dewi 1 1 0 1 1 4

erawati 1 0 0 0 0 1

putri 1 1 0 0 0 2

mandaraka 1 0 0 0 0 1

bawah 1 0 0 0 1 2


82

perintah 1 0 0 0 1 2

salya 1 0 0 0 0 1

kawin 1 0 0 1 1 3

mereka 1 0 0 0 0 1

dua 1 0 0 0 1 2

orang 1 2 0 1 1 4

putra 1 1 0 3 1 4

wisata 1 0 0 0 0 1

wilmuka 1 0 0 0 0 1

usia 1 0 0 0 0 1

ia 1 1 1 1 1 5

wasi 1 0 0 0 0 1

jaladara 1 0 0 0 0 1

keduduk 1 0 0 0 1 2

tapa 1 0 0 0 0 1

grojongansewu 1 0 0 0 0 1

dalang 0 1 2 1 1 4

rahwana 0 1 0 0 0 1

lahir 0 2 0 1 0 2

erada 0 1 0 0 0 1

tengah 0 1 0 0 0 1

hutan 0 1 0 0 0 1

diri 0 2 0 0 0 1

gumpal 0 1 0 0 0 1

darah 0 1 0 0 0 1

rah 0 1 0 0 0 1

wana 0 1 0 0 0 1

arti 0 1 0 0 0 1

ibu 0 3 0 0 0 1

sukesi 0 1 0 0 0 1

sumali 0 1 0 0 0 1

alengka 0 1 0 0 0 1

begawan 0 1 0 0 0 1

wisrawa 0 1 0 0 0 1

turun 0 1 0 1 1 3

hyang 0 1 0 0 0 1

sambu 0 1 0 0 0 1

lima 0 1 0 0 1 2


83

batara 0 1 0 0 0 1

sambodana 0 1 0 0 0 1

samb 0 1 0 0 0 1

resi 0 1 0 0 0 1

supadna 0 1 0 0 0 1

dasamuka 0 1 0 0 0 1

tari 0 1 0 0 0 1

indra 0 1 0 0 0 1

indrajit 0 1 0 0 0 1

megananda 0 1 0 0 0 1

mahkota 0 1 0 0 0 1

istri 0 2 0 0 0 1

trikaya 0 1 0 0 0 1

trisirah 0 1 0 0 0 1

trinetra 0 1 0 0 0 1

pratalamariyam 0 1 0 0 0 1

trimurda 0 1 0 0 0 1

saudara 0 2 0 0 2 2

kumbakarna 0 1 0 0 0 1

wujud 0 1 0 0 0 1

raksasa 0 1 0 0 0 1

sarpakenaka 0 1 0 0 0 1

raksasi 0 1 0 0 0 1

wibisana 0 1 0 0 0 1

manusia 0 1 0 0 0 1

ucap 0 0 1 0 0 1

bogadenta 0 0 1 0 0 1

daripaa 0 0 1 0 0 1

konon 0 0 1 0 0 1

jadi 0 0 1 0 0 1

embing 0 0 1 0 0 1

ari 0 0 1 0 0 1

kurawa 0 0 1 0 0 1

lakon 0 0 1 0 0 1

timbang 0 0 1 0 0 1

trajon 0 0 1 0 0 1

cerita 0 0 1 0 0 1

pental 0 0 1 0 0 1


84

tekan 0 0 1 0 0 1

bima 0 0 1 0 0 1

jatuh 0 0 1 0 0 1

turilaya 0 0 1 0 0 1

catat 0 0 1 0 1 2

traju 0 0 1 0 0 1

akhir 0 0 1 0 0 1

hidup 0 0 1 0 0 1

gugur 0 0 1 0 0 1

medan 0 0 1 0 0 1

perang 0 0 1 0 0 1

baratayuda 0 0 1 0 0 1

tang 0 0 1 0 0 1

arjuna 0 0 1 0 0 1

babak 0 0 1 0 0 1

tawur 0 0 1 0 0 1

binasa 0 0 1 0 0 1

pasopati 0 0 1 0 0 1

sebut 0 0 0 1 0 1

rawat 0 0 0 1 0 1

sarwati 0 0 0 1 0 1

Sanghyang 0 0 0 1 0 1

nurcahya 0 0 0 1 0 1

tiga 0 0 0 1 1 2

masing 0 0 0 1 0 1

wening 0 0 0 1 0 1

wenang 0 0 0 1 0 1

taya 0 0 0 1 0 1

tunggal 0 0 0 1 0 1

dewa 0 0 0 1 0 1

suralaya 0 0 0 1 0 1

arya 0 0 0 0 1 1

ugrasena 0 0 0 0 1 1

basukinti 0 0 0 0 1 1

mandura 0 0 0 0 1 1

jogjakarta 0 0 0 0 1 1

kuntiboja 0 0 0 0 1 1

naik 0 0 0 0 1 1


85

singgasana 0 0 0 0 1 1

kunti 0 0 0 0 1 1

pandudewanata 0 0 0 0 1 1

astina 0 0 0 0 1 1

pandawa 0 0 0 0 1 1

kenal 0 0 0 0 1 1

rukma 0 0 0 0 1 1

duduk 0 0 0 0 1 1

kubina 0 0 0 0 1 1

nobat 0 0 0 0 1 1

bismaka 0 0 0 0 1 1

lesanpura 0 0 0 0 1 1

lantik 0 0 0 0 1 1

setyajit 0 0 0 0 1 1

damping 0 0 0 0 1 1

wresni 0 0 0 0 1 1

setyaboma 0 0 0 0 1 1

sunting 0 0 0 0 1 1

sri 0 0 0 0 1 1

kresna 0 0 0 0 1 1

setyaki 0 0 0 0 1 1

banteng 0 0 0 0 1 1

dwarawati 0 0 0 0 1 1

Tahap ini merupakan tahap perhitungan TF-IDF dengan Raw TF

Tabel 4.26 Perhitungan TF-IDF dengan Raw TF

Tf w= tf * (idf + 1)

term D1 D2 D3 D4 D5 Df idf IDF+1 D1 D2 D3 D4 D5

prabu 5 2 0 0 7 3 0 1 5 2 0 0 7

basudewa 1 0 0 0 2 2 0.176 1.176 1.176 0 0 0 2.352

kresna 1 0 0 0 2 1 0.176 1.176 1.176 0 0 0 2.352

jumlah bobot = 7.352 2 0 0 11.704

ranking = 2 3 4 5 1


86

Tahap perhitungan TF-IDF dengan Raw TF pada sistem

Gambar 4.24 Perhitungan TF-IDF dengan Raw TF pada sistem


87

Tabel 4.25 Perhitungan TF-IDF dengan Binary TF pada sistem


88

BAB V

IMPLEMENTASI SISTEM

5.1. Implementasi Manajemen Data

Pada tahap ini dilakukan pembangunan basis data menggunakan MySQL untuk

menunjang sistem yang dibangun. Manajemen data yang digunakan dalam

sistem ini adalah basis data dengan nama “blog_yoren” yang terdiri dari tabel-

tabel yang telah dijelaskan pada bab sebelumnya. Berikut ini adalah query

yang digunakan untuk membuat basis data pada “Situs Museum Wayang

Kekayon dengan Sistem Pencarian Menerapkan Metode TF-IDF” beserta

tabel-tabel didalamnya:

• Database tbl_stopword

Gambar 5.1 Database tbl_stopword

• Database tbl_kbbi

Gambar 5.2 Database tbl_kbbi


89

• Database tbl_kegiatan

Gambar 5.3 Database tbl_kegiatan

• Database tbl_room

Gambar 5.4 Database tbl_room

• Database tbl_search

Gambar 5.5 Database tbl_search

• Database tbl_stemming


90

Gambar 5.6 Database tbl_stemming

• Database tbl_term

Gambar 5.7 Database tbl_term

• Database tbl_tokenizing

Gambar 5.8 Database tbl_tokenizing

• Database tbl_wayang


91

Gambar 5.9 Database tbl_wayang

5.2. Implementasi Manajemen Dialog (Antar Muka)

5.2.1. Halaman Pengguna

a. Halaman Utama Pengguna

Halaman ini merupakan tampilan utama pengguna. Pengguna dapat

melihat data kegiatan pada tampilan awal ini. Pengguna juga dapat

melihat data ruangan dan data wayang pada menu “Wayang” dan

“Bagian Museum” serta “Tentang Kami” yang memberikan informasi

tentag museum. Pada halaman ini terdapat menu Login, tapi menu ini

hanya untuk administrator saja.


92

Gambar 5.10 Halaman Utama Pengguna

b. Halaman Pengguna Lihat Bagian Museum

Halaman ini merupakan halaman pengguna melihat ruangan yang ada

pada museum.


93

Gambar 5.11 Halaman Pengguna Lihat Ruangan

public function room(){

$wayang = $this->uri->segment(3);

$this->page['data']= $this->db->query("SELECT *FROM `tbl_room`");

$this->page['main'] = "room";

$this->load->view('themes', $this->page);}

Listing 5.1 Lihat Ruangan

c. Halaman Pengguna Lihat Wayang

Halaman ini merupakan halaman pengguna melihat wayang yang ada

pada museum.


94

Gambar 5.12 Halaman Pengguna Lihat Wayang

public function wayang(){

$wayang = $this->uri->segment(3);

if(in_array($wayang, array('Activity', 'Rooms'))){

$this->page['data']= $this->db->query("SELECT `IdWayang`, IF(

`Categori` = 'Activity','Activity Next',`Categori`) AS Categori, `Judul`,

`Deskripsi`, DATE_FORMAT(`Tanggal`, '%d-%m-%Y %H:%i:%s') AS

Tanggal FROM `tbl_wayang`

WHERE `Categori` = '".$wayang."' ORDER BY Judul asc");

}else{

$this->page['data']= $this->db->query("SELECT `IdWayang`,

IF( `Categori` = 'Activity', 'Activity Next', `Categori`) AS Categori,

`Judul`, `Deskripsi`, DATE_FORMAT(`Tanggal`, '%d-%m-%Y %H:%i:%s') AS

Tanggal FROM `tbl_wayang`


95

WHERE `Categori` NOT IN ('Activity', 'Rooms') ORDER BY Judul asc");}

Listing 5.1 Lihat Wayang

d. Halaman Pengguna Lihat Tentang Kami

Halaman ini merupakan halaman pengguna melihat informasi tentang

museum.

Gambar 5.13 Halaman Pengguna Lihat Tentang Kami

public function aboutus(){

$get= $this->db->query("SELECT `IdWayang`,

IF( `Categori` = 'Activity', 'Activity Next', `Categori` ) AS Categori,`Judul`,

`Deskripsi`, DATE_FORMAT(`Tanggal`, '%d-%m-%Y %H:%i:%s') AS Tanggal


96

FROM `tbl_wayang`

WHERE `Categori` = 'Rooms'");

if($get->num_rows()>0){

$this->page['Judul'] = $get->row()->Judul;

$this->page['Deskripsi']= $get->row()->Deskripsi;

$this->page['Tanggal'] = $get->row()->Tanggal;

}else{

$this->page['Judul'] = "";

$this->page['Deskripsi']= "";

$this->page['Tanggal'] = "";}

$this->page['main'] = "aboutus";

$this->load->view('themes', $this->page);}

Listing 5.2 Lihat Tentang Kami

e. Halaman Pengguna Cari Wayang

Halaman ini memuat kolom pencarian yang digunakan oleh pengguna

untuk mencari wayang yang tersimpan pada museum. Pengguna

memasukan kata kunci pada kolom pencarian kemudian pilih menu

cari.


97

Gambar 5.14 Halaman Pengguna Cari Wayang

5.2.2. Halaman Admin

a. Halaman Utama

Halaman ini merupakan tampilan halaman utama admin.

Admin dapat melihat data kegiatan pada tampilan awal ini.

Admin juga dapat melihat data ruangan dan data wayang

pada menu “Wayang” dan “Ruangan” serta “Tentang


98

Kami” yang memberikan informasi tentang museum.

Terdapat menu login yang dikhususkan untuk admin.

Gambar 5.15 Halaman Login Admin

b. Halaman Utama Admin

Halaman ini merupakan tampilan yang hamper sama

dengan halaman utama hanya saja dibagian menu

ditambahkan menu kelola data dan menu untuk edit

pada bagian kegiatan.


99

Gambar 5.16 Halaman Utama Admin

c. Halaman Admin Kelola Data

Halaman ini merupakan halaman admin untuk

mengelola wayang dan ruangan. Terdapat menu


100

tambah, hapus, dan edit wayang. Pada halaman ini juga

terdapat menu ruangan yang dapat dikelola.

Gambar 5.17 Halaman Menu Kelola Data

public function delete_wayang(){

$IdWayang = $this->uri->segment(3);

$this->db->query("DELETE FROM tbl_wayang WHERE IdWayang='".$IdWayang."'");

redirect("welcome/mwayang");}

Listing 3.5 Hapus data wayang

d. Halaman Admin Kelola Ruangan

Halaman ini merupakan halaman admin untuk mengelola data

ruangan.


101

Gambar 5.18 Halaman Admin Kelola Ruangan

e. Halaman Admin Tambah Ruangan


menambah data ruangan.

Gambar 5.19 Halaman Admin Tambah Ruangan

public function smp_room(){

if($this->input->server('REQUEST_METHOD')=='POST'){

$IdRoom = $this->db->escape_str($this->input->post('IdRoom'));


102

$Judul = $this->db->escape_str($this->input->post('Title'));

$Categori = $this->db->escape_str($this->input->post('Categori'));

$Deskripsi = $this->db->escape_str($this->input->post('Deskripsi'));

$get = $this->db->query("SELECT * FROM tbl_room

WHERE Room='".$Judul."' AND Keterangan='".$Deskripsi."'");

if($IdRoom=="" && $get->num_rows()<=0){

$query = "INSERT INTO tbl_room SET

Room='".$Judul."', Keterangan='".$Deskripsi."'";

}else{

$query = "UPDATE tbl_room SET Room='".$Judul."', Keterangan='".$Deskripsi."'

WHERE IdRoom='".$IdRoom."'";

}$this->db->query($query);

}redirect("welcome/tabel_room");}

Listing 5.4 Tambah Ruangan

public function delete_room(){

$IdRoom = $this->uri->segment(3);

$this->db->query("DELETE FROM tbl_room WHERE IdRoom='".$IdRoom."'");

redirect("welcome/tabel_room");}

Listing 5.5 Hapus Ruangan

f. Halaman Admin Kelola Kegiatan


103


mengelola kegiatan, dimana terdapat menu tambah,

hapus dan edit kegiatan.

Gambar 5.20 Halaman Admin Kelola Kegiatan

g. Halaman Admin Tambah Kegiatan


menambah kegiatan, dimana terdapat form kegiatan.


104

Gambar 5.21 Halaman Admin Tambah Kegiatan

public function smp_activity(){


$IdKegiatan = $this->db->escape_str($this->input->post('IdKegiatan'));



$get = $this->db->query("SELECT * FROM tbl_kegiatan

WHERE Judul='".$Judul."' AND Keterangan='".$Deskripsi."'");

if($IdKegiatan=="" && $get->num_rows()<=0){

$query = "INSERT INTO tbl_kegiatan SET

Judul='".$Judul."', Keterangan='".$Deskripsi."'";

}else{

$query = "UPDATE tbl_kegiatan SET

Judul='".$Judul."', Keterangan='".$Deskripsi."'

WHERE IdKegiatan='".$IdKegiatan."'";}

$this->db->query($query);}

redirect("welcome/tabel_activity");}

Listing 5.6 Tambah Kegiatan

public function delete_activity(){

$IdKegiatan = $this->uri->segment(3);


105

$this->db->query("DELETE FROM tbl_kegiatan WHERE

IdKegiatan='".$IdKegiatan."'");

redirect("welcome/tabel_activity");}

Listing 5.9 Hapus Kegiatan

h. Halaman Admin Kelola Tentang Kami

Halaman ini menampilkan informasi tentang museum

yang dapat dilihat oleh pengguna. Pada halaman

Tentang Kami jika diakses oleh admin maka akan

muncul menu untuk mengedit.

Gambar 5.22 Lihat Tentang Kami


106

Gambar 5.23 Edit Tentang Kami

public function aboutus(){

$get= $this->db->query("SELECT `IdWayang`,

IF( `Categori` = 'Activity', 'Activity Next', `Categori` ) AS Categori, `Judul`,

`Deskripsi`, DATE_FORMAT(`Tanggal`, '%d-%m-%Y %H:%i:%s') AS Tanggal

FROM `tbl_wayang` WHERE `Categori` = 'Rooms'");


$this->page['Judul'] = $get->row()->Judul;

$this->page['Deskripsi']= $get->row()->Deskripsi;

$this->page['Tanggal'] = $get->row()->Tanggal;

}else{

$this->page['Judul'] = "";

$this->page['Deskripsi']= "";


107

$this->page['Tanggal'] = ""; }

$this->page['main'] = "aboutus";

$this->load->view('themes', $this->page); }

Listing 5.7 Edit Tentang Kami

i. Halaman Admin Cari Wayang

Halaman ini memuat kolom pencarian yang digunakan

oleh admin untuk mencari wayang yang tersimpan pada

museum. Admin memasukan kata kunci pada kolom

pencarian kemudian pilih menu cari. Halaman

pencarian ini sama persis dengan halaman pencarian

untuk pengguna, hanya saja output yang keluar berbeda.

Pada halaman pengguna, output yang keluar berupa

data wayang. Pada halaman admin, output berupa data

wayang dan menu untuk melihat perhitungan.


108

Gambar 5.24 Halaman Admin Hasil Pencarian

j. Halaman Admin Lihat Perhitungan

Halaman ini merupakan halaman perhitungan pencarian dengan

metode TF-IDF.

Gambar 5.25 Halaman Admin Lihat Perhitungan

5.3. Implementasi Proses Pencarian

Pada tahap pertama yaitu dimulai dari penambahan korpus :

a. Halaman Admin Tambah Wayang

Halaman ini merupakan halaman admin untuk menambah data

wayang.


109

Gambar 5.26 Halaman Admin Tambah Wayang

public function smp_wayang(){


$IdWayang = $this->db->escape_str($this->input->post('IdWayang'));


$Categori = $this->db->escape_str($this->input->post('Categori'));


$get = $this->db->query("SELECT * FROM tbl_wayang

WHERE Categori='".$Categori."' AND Judul='".$Judul."' AND Deskripsi='".$Deskripsi."'");

if($IdWayang=="" && $get->num_rows()<=0){

$query = "INSERT INTO tbl_wayang SET

Categori='".$Categori."', Judul='".$Judul."', Deskripsi='".$Deskripsi."', Tanggal=NOW()";

}else{

$query = "UPDATE tbl_wayang SET

Categori='".$Categori."', Judul='".$Judul."', Deskripsi='".$Deskripsi."

, Tanggal=NOW()


110

WHERE IdWayang='".$IdWayang."'";

}if($this->db->query($query)){

$get = $this->db->query("SELECT * FROM tbl_wayang

WHERE Categori='".$Categori."' AND Judul='".$Judul."' AND Deskripsi='".$Deskripsi."'");


$IdWayang = $get->row()->IdWayang;

$Deskripsi = strip_tags(preg_replace("/<img[^>]+\>/i","",$get->row()->Deskripsi));

$Spliter = $this->spliter($Deskripsi);

$this->tokenizing($IdWayang, $Spliter);

$this->stopword($IdWayang);

$this->stemming_nazief($IdWayang);}}}

redirect("welcome/mwayang");}

Listing 5.8 Tambah data wayang

b. Tahap kedua merupakan tahap memisahkan kata (spliter) dari tanda

baca dan angka.

function spliter($text){

$replace = ' ';

$search = array("-", "'",")","(", ",", "/","\",",".","=","?","!",":",";","1","0","2","3","4","5","6","7","8","9","--",'"','%','+','<','>','&lt','&gt',"\n");

$word = str_replace($search, $replace, strtolower($text));

$wordb = explode(' ',$word);

return $wordb;}


111

Listing 5.9 Spliter

c. Tahap ketiga yaitu tokenizing, deskripsi wayang yang sudah

dihilangkan tanda bacanya dipenggal dan dihitung jumlah kemunculan

katanya.

function tokenizing($IdWayang, $Tokenzing){

$this->db->query("DELETE FROM tbl_tokenizing WHERE IdWayang='".$IdWayang."'");

for($i = 0; $i < count($Tokenzing); $i++){

$Kata = $this->db->escape_str($Tokenzing[$i]);

$getToken = $this->db->query("select * from tbl_tokenizing WHERE

IdWayang='".$IdWayang."' and Term='".$Kata."'");

if(!empty($Kata) && $Kata!=" "){

if($getToken->num_rows()<=0){

$query = "insert into tbl_tokenizing set IdWayang='".$IdWayang."',

Term='".$Kata."', Jml='1'";

}else{

$query = "UPDATE tbl_tokenizing set Jml='".($getToken->row()->Jml+1)."'

WHERE IdWayang='".$IdWayang."'

AND Term='".$Kata."'";}

$this->db->query($query);}}}

Listing 5.10 Tokenization

d. Tahap keempat yaitu menghilangkan kata yang tidak penting seperti

ada,adalah,yaitu.

function stopword($IdWayang){


112

$this->db->query("DELETE FROM tbl_term WHERE IdWayang = '" . $IdWayang."'");

$this->db->query("INSERT INTO `tbl_term` (IdWayang, Term, Jml)

SELECT a.*FROM `tbl_tokenizing` a

LEFT JOIN `tbl_stopword` bON b.`kata` = a.`Term`

WHERE b.`kata` IS NULL

AND NOT EXISTS (SELECT * FROM tbl_term WHERE `IdWayang`=a.IdWayang AND Term=a.Term)

AND a.IdWayang='".$IdWayang."'");}

Listing 5.11 Stopword

e. Tahap kelima yaitu tahap pembuangan imbuhan prefix dan surfiks.

function stemming_nazief($IdWayang){

$this->db->query("DELETE FROM tbl_stemming WHERE IdWayang='".$IdWayang."'");

$Stopword = $this->db->query("SELECT * FROM tbl_term WHERE IdWayang='".$IdWayang."'")->result();

foreach($Stopword as $key => $val){

$Stemming = $this->Stemming->stem($val->Term);

$Buang = $this->db->query("select * from tbl_buang WHERE kata='".$Stemming."'");

if($Stemming!="" && $Stemming!=" " && $Buang->num_rows()<=0){

$get = $this->db->query("SELECT * FROM tbl_stemming

WHERE IdWayang='".$IdWayang."' and Term='".$Stemming."'");

if($get->num_rows()<=0){

$query = "insert into tbl_stemming set IdWayang='".$IdWayang."',

Term='".$Stemming."', Jml='1'";


113

}else{ $query = "UPDATE tbl_stemming set Jml='".($get->row()->Jml+1)."'

WHERE IdWayang='".$IdWayang."'

AND Term='".$Stemming."'";}

$this->db->query($query);}}}

Listing 5.14 Stemming


114

BAB VI

PENGUJIAN DAN ANALISIS HASIL

6.1. Analisis Hasil Uji Coba Perangkat Lunak (Alpha Test)

Pengujian yang dilakukan penulis (pengembang sistem) terhadap unjuk kerja

dari Situs Museum Wayang Kekayon Yogyakarta dengan Sistem Pencarian

Menggunakan Metode TF-IDF menunjukan bahwa sistem dapat bekerja

dengan baik untuk mengelola informasi museum dan wayang seperti

penambahan bagian museum, wayang, serta dapat memberikan informasi yang

relevan sesuai pencarian pengguna.

6.1.1. Pengujian sistem pencarian dengan Raw TF dan Binary TF

Pengujian ini dilakukan kepada 5 mahasiswa Sanata Dharma. Pengujian

dilakukan dengan cara menjalankan fitur pencarian. Responden juga

mengisikan kuesioner untuk menentukan dokumen yang sesuai dengan

kebutuhannya, baik pada hasil pencarian maupun pada seluruh dokumen yang

terdapat pada koleksi. Tujuan dari pengujian ini adalah selain mencoba fungsi

sistem, pengujian ini juga akan membandingkan Binary TF atau Raw TF yang

lebih tinggi performansinya.

6.1.1.1 Responden Pertama

Responden yang menguji pada Jumat, 14 Agustus 2018 dengan

keterangan sebagai berikut:


115

Kata Kunci : gatotkaca

Dokumen relevan sesuai kata kunci menurut Edukator

Museum : Gatotkaca

Jumlah : 1

Berikut adalah hasil pencarian yang dilakukan oleh sistem.

▪ Dengan Raw TF

Dokumen ditemukan : 8

Dokumen sesuai dari hasil pencarian : 1

Dokumen sesuai dari seluruh dokumen : 1

Berikut adalah hasil pencarian yang dilakukan oleh sistem

Gambar 6.1.

Gambar 6.1 Hasil Pencarian Raw : Responden Pertama

Setelah dilakukan pengujian dapat dilakukan perhitungan

untuk Recall and Precision .


116

Relevant Nonrelevant

Retrieved 1 (tp) 7 (fp)

Not retrieved 0 (fn) 78 (tn)

Recall (R) = 𝑡𝑝

𝑡𝑝+𝑓𝑝

Recall (R) = 1

1+0= 1

Precision (P) = 𝑡𝑝

𝑡𝑝+𝑓𝑛

Precision (P) = 1

1+7= 0.125

▪ Dengan Binary TF





Gambar 6.2.


117

Gambar 6.2 Hasil Pencarian Responden Pertama


untuk Recall and Precision.





𝑡𝑝+𝑓𝑝

Recall (R) = 1

1+0= 1


𝑡𝑝+𝑓𝑛

Precision (P) = 1

1+7= 0.125

6.1.1.2. Responden Kedua

Responden yang menguji pada Jumat, 14 Agustus 2018

dengan keterangan sebagai berikut:

Kata Kunci : brahma


118


Museum : Brahma

Jumlah : 1


▪ Dengan Raw TF




Berikut adalah hasil pencarian yang dilakukan oleh sistem Gambar

6.3.

Gambar 6.3 Hasil Pencarian Raw : Responden Kedua

Setelah dilakukan pengujian dapat dilakukan perhitungan untuk

Recall and Precision .





119


𝑡𝑝+𝑓𝑝

Recall (R) = 1

1+0= 1


𝑡𝑝+𝑓𝑛

Precision (P) = 1

1+3= 0.25





Berikut adalah hasil pencarian yang dilakukan oleh sistem Gambar

6.4.

Gambar 6.4 Hasil Pencarian Binary : Responden Kedua


120







𝑡𝑝+𝑓𝑝

Recall (R) = 1

1+0= 1


𝑡𝑝+𝑓𝑛

Precision (P) = 1

1+3= 0.25

6.1.1.3. Responden Ketiga



Kata Kunci : wayang yang memiliki sifat licik dan jahat


Museum : Sengkuni

Jumlah : 1


121


▪ Dengan Raw TF





Gambar 6.5.

Gambar 1 Hasil Pencarian Raw :Responden Kedua


Recall and Precision.





122


𝑡𝑝+𝑓𝑝

Recall (R) = 1

1+0= 1


𝑡𝑝+𝑓𝑛

Precision (P) = 1

1+7= 0.125






Gambar 6.6.


123

Gambar 6.6 Hasil Pencarian Binary : Responden Ketiga







𝑡𝑝+𝑓𝑝

Recall (R) = 1

1+0= 1


𝑡𝑝+𝑓𝑛

Precision (P) = 1

1+7= 0.125

6.1.1.4. Responden Keempat



Kata Kunci : bima


Museum : Bima

Jumlah : 1


124


• Dengan Raw TF





Gambar 6.7.

Gambar 6.7 Hasil Pencarian Raw : Responden Keempat


Recall and Precision.



125




𝑡𝑝+𝑓𝑝

Recall (R) = 1

1+0= 1


𝑡𝑝+𝑓𝑛

Precision (P) = 1

1+7= 0.125

• Dengan Binary TF





Gambar 6.8.


126

Gambar 6.8 Hasil Pencarian Binary : Responden Keempat







𝑡𝑝+𝑓𝑝

Recall (R) = 1

1+0= 1


𝑡𝑝+𝑓𝑛

Precision (P) = 1

1+7= 0.125

6.1.1.5. Responden Kelima



Kata Kunci : putra pandu dewanata


Museum : Arjuna, Yudhistira, Bima, Nakula, Sadewa

Jumlah : 5


127


▪ Dengan Raw TF





Gambar 6.9 Hasil Pencarian Raw : Responden Kelima







𝑡𝑝+𝑓𝑝


128

Recall (R) = 4

4+1= 0.8


𝑡𝑝+𝑓𝑛

Precision (P) = 4

4+4= 0.5






Gambar 6.10.

Gambar 6.10 Hasil Pencarian Binary : Responden Kelima




129





𝑡𝑝+𝑓𝑝

Recall (R) = 5

5+0= 1


𝑡𝑝+𝑓𝑛

Precision (P) = 5

5+3= 0.625

Dari hasil pengujian Raw TF dan Binary TF dilihat dari contoh

responden ke-lima maka bisa terlihat perbedaan hasil pencarian antara

kedua TF tersebut. Pada Binary TF, kemunculan suatu term/kata sebanyak

apapun dalam suatu dokumen tidak akan berpengaruh karena tetap bernilai

1, dan jika tidak muncul bernilai 0. Sedangkan pada Raw TF, kemunculan

term/kata semakin banyak maka akan berpengaruh pada nilai akhir

pembobotan kata misalnya kemunculan suatu kata sebanyak 5 kali maka

TF bernilai 5. Contoh responden ke-lima:

Kata kunci : Putra Pandu Dewanata

Kata ‘Putra’ muncul hampir di setiap dokumen wayang.


130

Kata ‘Pandu’ dan ‘Dewanata’ muncul hanya pada beberapa

dokumen saja.

Hasil pencarian Putra Pandu Dewanata seharusnya Yudhistira, Arjuna,

Nakula, Sadewa dan Bima. Namun pada Gambar 6.9 hasil pencarian Raw TF,

Bima yang seharusnya menjadi Putra Pandu Dewanata tidak muncul. Wayang

yang seharusnya bukan merupakan putra pandu dewanata yaitu Durpada, Narada,

Gatotkaca dan Pancawala muncul. Hal ini karena pada keempat wayang tersebut

memuat kata Putra lebih banyak dari pada wayang Bima, sehingga Bima tidak

masuk ke ranking 8 teratas.

Kedua TF tersebut memiliki kekurangan dan kelebihan.

Pada Raw TF, jika kita menginputkan kata pada kolom pencarian, maka dokumen

yang akan dihasilkan yaitu dokumen wayang yang memuat papling banyak kata

tersebut.

Pada Binary TF, jika kita menginputkan suatu kata pada kolom pencarian, hasil

penarian akan menampilkan dokumen wayang memuat kata tersebut dan

diurutkan sesuai nilai, dan jika nilai antara satu wayang ke wayang lainnya sama

maka akan diurutkan sesuai dengan id wayang yang disimpan di database.

6.1.2 Hasil Uji Recall dan Precision

Semua term atau kata diuji menggunakan formula recall

dan precision.


131

Tabel 6.1 Hasil Pengujian Recall dan Precision dengan Raw TF dan Binary TF

Kata Kunci

Raw

TF

Binary

TF

Raw

TF

Binary

TF

Recall Precision

Yang memiliki gelar 1 1 0.125 0.125

Brahma 1 1 0.25 0.25

Wayang yang memiliki

sifat jahat dan licik

1 1 0.125 0.125

Bima 1 1 0.125 0.125

Putra pandu dewanata 0.8 1 0.5 0.625

Rata-rata = 0.96 1 0.225 0.25

Persentase 96% 100% 22,5% 25%

Gambar 6.11 Precision dan Recall Raw TF

Pengujian Recall dan Precision pada Raw TF ini dapat disimpulkan

bahwa Recall (kemampuan sistem untuk menampilkan dokumen

yang relevan) memiliki nilai yang tinggi yaitu rata-rata 96%, namun


132

Precision (kemampuan sistem untuk tidak menampilkan dokumen

yang tidak relevan) masih rendah yaitu 22,5.

Gambar 6.12 Recall dan Precision Binary TF

Pengujian Recall dan Precision dari Binary TF ini dapat

disimpulkan bahwa Recall (kemampuan sistem untuk menampilkan

dokumen yang relevan) memiliki nilai yang sangat tinggi yaitu rata-

rata 100%, namun Precision (kemampuan sistem untuk tidak

menampilkan dokumen yang tidak relevan) masih rendah yaitu 25%

Dapat disimpulkan bahwa penggunaan kedua TF yaitu Raw TF dan

Binary TF memiliki nilai Recall yang tinggi namun Precision

masih rendah.


133

BAB VII

KESIMPULAN DAN SARAN

7.1 Kesimpulan

Berdasarkan hasisl analisis, desain, implementasi dan uji coba Situs

Muusem Wayang Kekayon Yogyakarta dengan Pencarian Menggunakan

Metode TF-IDF ini dapat disimpulkan bahwa :

a) Situs Museum Wayang Kekayon Yogyakarta dengan Pencarian

Menggunakan Metode TF-IDF berhasil dibangun dengan cara:

1. Menggunakan Bahasa pemrograman PHP dengan basisdata

MySQL.

2. Menggunakan metode preprocessing dokumen seperti

tokenizing, removal stopwords, stemming kemudian proses

perhitungan dengan metode TF-IDF pada tahap pencarian.

b) Situs Museum Wayang Kekayon Yogyakarta dengan Pencarian

Menggunakan Metode TF-IDF dapat berfungsi dengan baik diantaranya

dapat mencari koleksi wayang di Museum Wayang Kekayon.

c) Berdasarkan hasil uji terhadap pengguna pada sistem pencarian, recall

dan precision sebagai berikut :

1. Raw TF menghasilkan rata-rata recall (kemampuan sistem

untuk memanggil dokumen yang relevan) = 96% dan rata-


134

rata precision (kemampuan sistem untuk tidak memanggil

dokumen tang tidak relevan) = 25% dimana.

2. TF Binary menghasilkan rata-rata recall (kemampuan sistem

untuk memanggil dokumen yang relevan) = 100% dan rata-

rata precision (kemampuan sistem untuk tidak memanggil

dokumen yang tidak relevan) = 25%

Dapat disimpulkan bahwa pencarian dengan kedua TF tersebut

dapat menghasilkan dokumen yang relevan sesuai pencarian sebesar

96% - 100% sedangkan kemampuan tidak menampilkan dokumen

yang tidak relevan masih kecil yaitu sebesar 25%. Hasil dari

perbandingan kedua TF tersebut menunjukan Binary TF sedikit

lebih baik daripada Raw TF.

d) Sistem pencarian dengan menggunakan metode TF-IDF efektif dalam

menghasilkan dokumen yang relevan, namun belum efektif untuk tidak

menampilkan dokumen yang tidak relevan.

7.2 Saran

Berdasarkan hasil pengujian yang sudah dilakukan dapat dilihat bahwa

sistem masih belum sempurna. Hal tersebut membuat munculnya ide atau

saran yang berguna untuk penelitian selanjutnya yaitu penambahan


135

pencarian lanjutan yang akan membuat hasil pencarian menjadi lebih akurat

seperti adanya beberapa filter.

Contoh : Wayang yang ingin dicari yaitu tokoh wayang dari cerita

Mahabaratha yang memiliki sifat baik. Pada pencarian lanjutan akan

mencari pada cerita Mahabaratha dulu kemudian mencari tokoh wayang

yang bersifat baik.


136

DAFTAR PUSTAKA

Ariona, Rian. 2013. Belajar HTML dan CSS: Tutorial Fundamental dalam

Mempelajari HTML & CSS.

Baeza-Yates, R. and Ribeiro-Neto, B. 1999. Modern Information Retrieval.

Addison Wesley.

Burgin, R. (1992). “Variation in Relevance Judgement and the Evaluation of

Retrieval Performance”. Information Processing and Managment,. 28 ( 5),:

619-627

Conoly, Thomas & Carolyn Begg. 2005. Database Systems: A Practical

Approach to Design, Implementation, and Management, Fourth Edition.

London : Addison Wesley.

Davis, F.D.,1989. Perceived Usefulness, Perceived Ease of Use, and User

Acceptance of Information Technology, MIS Quarterly.

Diita, Whitten Bentley. 2004. Systems Analysis and Design Methods. McGraw-

Hill Companies.

Doyle, Matt. 2009. Beginning PHP 5.3.

Grossman, David A., Ophir Frieder (1998). Information Retrieval: Algorithms

and Heuristics. Kluwer Academic Publisher.

GudegNet. 2008. Museum Wayang Kekayon.

Available at:

https://gudeg.net/direktori/590/museum-wayang-kekayon.html

[accessed at 20 April 2017]

Hasugian, Jonner, Visual Modelling Menggunakan UML dan Rational Rose.

Informatika. Bandung. 2006

Siallagan, Sariadin. 2009. Java. Yogyakarta : Andi.

Jogiyanto. 2005. Analisis dan Desain Sistem Informasi. Yogyakarta: Andi Offset.

Karmayasa, O., Mahendra, I. B.. 2012. Implementasi Vector Space Model dan

Beberapa Notasi Metode Term Frequency Inverse Document Frequency


https://gudeg.net/direktori/590/museum-wayang-kekayon.html

137

(TFIDF) pada Sistem Temu Kembali Informasi. Jurnal Elektronik Ilmu

Komputer Universitas Udayana, Vol. 1, No. 1

Aziz, Abdul., Saptono, Ristu., Suryajaya, Kartika Permatasari. 2015.

Implementasi Vector Space Model dalam Pemabgnkitan Frequently Asked

Questions Otomatis dan Solusi yang Relevan untuk Keluhan Pelanggan.

KBBI, 2016. Kamus Besar Bahasa Indonesia (KBBI). [Online]

Available at:

http://kbbi.web.id/wayang

[Diakses 21 April 2017].

Khannedy, Eko Kurniawan. 2007. Tutorial JavaScript. Bandung

Kurniawan, D 2010. Evaluasi sistem temu kembali informasi model ruang vector

dengan pendekatan user judgement, Jurusan Matematika Program Studi

Ilmu Komputer FMIPA Universitas Lampung, Lampung. J. Sains MIPA,

Desember 2010, Vol. 16, No. 3, Hal.: 155 - 162

Maarif, Abdul Azis. 2015. Penerapan Algoritma TF-IDF Untuk Pencarian Karya

Ilmiah.

Mandala, R. Bahan Kuliah Sistem Temu Balik Informasi. Institut Teknologi

Bandung. Departemen Teknik Informatika. 2004

Mandala, R., dan Setiawan, H. 2002. Peningkatan Performansi Sistem Temu

Kembali Informasi dengan Perluasan Query secara Otomatis. Bandung,

Indonesia: Institut Teknologi Bandung.

Manning, Raghavan, & Schutze. 2009. Introduction Information Retrieval.

Nazief, Bobby dan Mirna Adriani, Confix-Stripping: Approach to Stemming

Algorithm for Bahasa Indonesia, Fakulty of Computer Science University

of Indonesia.

Pressman, Roger S. 2010. Software Engineering A Practitioner’s Approach,

Seventh Edition. New York : Mc Graw Hill

Pamungkas, Yohanes Wisnu Ari. 2010. Sistem Informasi Museum Wayang

Kekayon Yogyakarta Berbasis Web. Yogyakarta: Universitas Sanata

Dharma.

O’Brien. 2010. Sistem Informasi Manajemen.


138

Robertson, S.. 2005. Understanding Inverse Document Frequency: On Theoretical

Arguments for IDF. England: Journal of Documentation, Vol. 60, 502-520.


perbandingan raw tf dan binary tf pada sistem …repository.usd.ac.id/32223/2/145314052_full.pdf ·...

Documents