uin syarif hidayatullah jakarta official...
TRANSCRIPT
IMPLEMENTASI METODE NAÏVE BAYES
CLASSIFIER PADA APLIKASI KOTAK SARAN FST-
UIN JAKARTA BERBASIS ANDROID
Skripsi
Oleh
MOHAMAD HILMY ZHAFRANI
NIM: 1112091000094
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
2019 M / 1440 H
IMPLEMENTASI METODE NAÏVE BAYES
CLASSIFIER PADA APLIKASI KOTAK SARAN FST-
UIN JAKARTA BERBASIS ANDROID
Skripsi
Diajukan sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer (S.Kom)
Oleh
MOHAMAD HILMY ZHAFRANI
NIM: 1112091000094
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
2019 M / 1440 H
ii
LEMBAR PERYATAAN ORISINALITAS
Dengan ini saya menyatakan bahwa:
1. Skripsi ini merupakan hasil karya asli saya yang diajukan untuk memenuhi
salah satu persyaratan memperoleh gelar strata 1 di UIN Syarif
Hidayatullah Jakarta.
2. Semua sumber yang saya gunakan dalam penulisan ini telah saya
cantumkan sesuai dengan ketentuan yang berlaku di UIN Syarif
Hidayatullah Jakarta.
3. Jika dikemudian hari terbukti bahwa karya ini bukan hasil karya asli saya
atau merupakan hasil jiplakan dari karya orang lain, maka saya bersedia
menerima sanksi yang berlaku di UIN Syarif Hidayatullah Jakarta.
Jakarta, 11 Februari 2019
Mohamad Hilmy Zhafrani
iii
iv
v
KATA PENGANTAR
Segala puji dan syukur saya panjatkan kehadirat Allah SWT yang telah
melimpahkan rahmat dan karunia-Nya, sehingga saya dapat menyelesaikan skripsi
ini. Penulisan skripsi ini dilakukan dalam rangka memenuhi salah satu syarat
untuk mencapai gelar Sarjana Komputer Program Studi Teknik Informatika
Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah
Jakarta. Saya menyadari bahwa, tanpa bantuan dan bimbingan dari berbagai
pihak, dari masa perkuliahan sampai pada penyusunan skripsi ini, sangatlah sulit
bagi saya untuk menyelesaikan skripsi ini. Oleh karena itu, saya mengucapkan
terima kasih kepada:
(1) Ibunda Nani Mulyani dan Ayahanda H.M. Taufik Hidayat yang senantiasa
memberikan do‟a, inspirasi dan semangat;
(2) Adinda Inas Yulieta Zhafira, Ananda Mohamad Rajendra Khalfani, dan Indah
Lestari, S.E. yang telah membantu memberikan dukungan dari awal hingga
akhir pembuatan skripsi ini.
(3) A. Hanifa Setianingrum M.Si, selaku Dosen Pembimbing I dan Nenny
Anggraini, S.Kom, MT, selaku Dosen Pembimbing II Fakultas Sains dan
Teknologi UIN Syarif Hidayatullah Jakarta yang telah menyediakan waktu,
tenaga, dan pikiran untuk mengarahkan saya dalam penyusunan skripsi ini;
(4) Bapak Ahmad Zaidi, S.Sos., M.Si serta pihak bagian umum Fakultas Sains
dan Teknologi yang telah banyak membantu dalam usaha memperoleh data
yang saya perlukan;
(5) Seluruh Dosen Program Studi Teknik Informatika yang telah memberikan
bekal ilmu pengetahuan selama penulis mengikuti pendidikan di UIN Syarif
Hidayatullah Jakarta.
Semoga skripsi ini bermanfaat bagi pengembangan ilmu. Hanya Allah yang Maha
Rahman dan Rahiim yang mampu membalas semua amal kebaikan yang telah
diberikan dengan balasan yang berlipat ganda. Aamiin.
Jakarta, 11 Februari 2019
vi
Penulis
HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI SKRIPSI
UNTUK KEPENTINGAN AKADEMIS
________________________________________________________
Sebagai sivitas akademik UIN Syarif Hidayatullah Jakarta, saya yang bertanda
tangan di bawah ini:
Nama : Mohamad Hilmy Zhafrani
NIM : 1112091000094
Program Studi : Teknik Informatika
Fakultas : Sains dan Teknologi
Jenis Karya : Skripsi
Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada
Universitas Islam Negeri Syarif Hidayatullah Jakarta Hak Bebas Royalti
Noneksklusif (Non-exclusive Royalti Free Right) atas karya ilmiah saya yang
berjudul:
Implementasi Metode Naïve Bayes Classifier pada Aplikasi Kotak Saran
FST-UIN Jakarta Berbasis Android
beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti
Noneksklusif ini Universitas Islam Negeri Syarif Hidayatullah Jakarta berhak
menyimpan, mengalihmedia/formatkan, mengelola dalam bentuk pangkalan data
(database), merawat, dan memublikasikan tugas akhir saya selama tetap
mencantumkan nama saya sebagai penulis/pencipta dan sebagai pemilik Hak
Cipta.
Demikian pernyataan ini saya buat dengan sebenarnya.
Dibuat di: Jakarta
Pada Tanggal: 11 Februari 2019
Yang menyatakan
(Mohamad Hilmy Zhafrani)
vii
ABSTRAK
Mohamad Hilmy Zhafrani (1112091000094), IMPLEMENTASI METODE
NAÏVE BAYES CLASSIFIER PADA APLIKASI KOTAK SARAN FST-UIN
JAKARTA BERBASIS ANDROID. Dibimbing oleh A. Hanifa Setianingrum,
M.Si dan Nenny Anggraini, S.Kom, MT
Informasi saran tersimpan dalam bentuk teks yang belum terkategori. Oleh
karena itu, dibutuhkan sistem pengelolaan teks yaitu dengan metode text mining
yang diyakini memiliki potensial nilai komersial tinggi. Salah satu implementasi
dari text mining yaitu klasifikasi teks. Peneliti mengkaji Naive Bayes Classifier
untuk mengklasifikasi saran sehingga dapat menentukan kategori saran secara
otomatis. Sistem klasifikasi didukung dengan stemmer untuk menemukan kata
dasar dan term frequency untuk pembobotan kata. Saran yang diklasifikasikan
terdiri dari tiga kategori yaitu administratif, keamanan, dan kebersihan. Setiap
kalimat saran akan diproses melalui tahapan case folding, tokenizing, filtering,
dan stemming. Kemudian setiap kata dari hasil stemming dihitung frekuensi
kemunculannya pada setiap kategori dan dihitung peluang kategorinya dari
seluruh kata tersebut. Dari hasil pengujian menunjukkan bahwa implementasi
Naive Bayes Classifier pada sistem klasifikasi saran memiliki tingkat kesalahan
sebesar 26,66% yang diuji terhadap 30 dokumen dan berkurang menjadi 6,6%
ketika ditambah menjadi 45 dokumen.
Kata Kunci: Naïve Bayes Classifier, Android, Klasifikasi, Text Mining
Jumlah Pustaka: 12 Buku + 5 Jurnal + 5 Website
Jumlah Halaman: VI Bab + XIX Halaman + 184 Halaman
viii
ABSTRACT
Mohamad Hilmy Zhafrani (1112091000094), IMPLEMENTASI METODE
NAÏVE BAYES CLASSIFIER PADA APLIKASI KOTAK SARAN FST-UIN
JAKARTA BERBASIS ANDROID. Dibimbing oleh A. Hanifa Setianingrum,
M.Si and Nenny Anggraini, S.Kom, MT
The suggestion information is stored in un-categorized text form. Therefore, it
needs a text management system that is by text mining method which is believed
to have high commercial value potential. One of the implementation of text
mining is text classification. The researcher reviewed the Naive Bayes Classifier
to classify suggestions so as to determine the category of suggestions
automatically. The classification system is supported by stemmer to find the basic
word and term frequency for word weighting. Classified suggestions consist of
three categories: administrative, security, and hygiene. Each suggestion sentence
will be processed through case folding, tokenizing, filtering, and stemming steps.
Then each word of the stemming result is calculated the frequency of occurrence
in each category and calculated the chance of the category from all the words.
From the test results showed that the implementation of Naive Bayes Classifier in
the classification system of suggestion has an error rate of 26.66% tested against
30 documents and reduced to 6.6% when added to 45 documents.
Keywords: Naïve Bayes Classifier, Android, Classification, Text Mining
Total Library: 12 Books + 5 Journals + 5 Website
Number of Pages: VI Chapter + XIX Pages + 184 Pages
ix
DAFTAR ISI
LEMBAR PERYATAAN ORISINALITAS .......................................................... ii
PENGESAHAN UJIAN ........................................................................................ iv
KATA PENGANTAR ............................................................................................ v
HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI SKRIPSI UNTUK
KEPENTINGAN AKADEMIS ............................................................................. vi
ABSTRAK ............................................................................................................ vii
ABSTRACT ......................................................................................................... viii
DAFTAR ISI .......................................................................................................... ix
DAFTAR GAMBAR ............................................................................................ xii
DAFTAR TABEL ................................................................................................ xiv
DAFTAR LAMPIRAN ........................................................................................ xix
BAB I PENDAHULUAN ....................................................................................... 1
1.1 Latar Belakang ......................................................................................... 1
1.2 Tujuan ....................................................................................................... 3
1.3 Manfaat Penelitian .................................................................................... 3
1.4 Rumusan Masalah .................................................................................... 4
1.5 Batasan Masalah ....................................................................................... 4
1.6 Sistematika Penulisan ............................................................................... 5
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI ............................... 6
2.1 Tinjauan Pustaka ...................................................................................... 6
2.2 Landasan Teori ....................................................................................... 10
2.2.1 Universitas Islam Negeri (UIN) ...................................................... 10
2.2.2 Text Mining ..................................................................................... 10
2.2.3 Metode Naïve Bayes ....................................................................... 12
2.2.3.1 Teorema Naïve Bayes ................................................................. 12
2.2.3.2 Naïve Bayes Classifier ................................................................ 13
2.2.4 Android ........................................................................................... 16
2.2.4.1 Sejarah Android ........................................................................... 16
x
2.2.4.2 Android Software Development Kit (SDK) ................................ 17
2.2.4.3 Android Development Tools (ADT) ........................................... 17
2.2.4.4 Arsitektur Android ...................................................................... 18
2.2.4.5 Fundamental Aplikasi .................................................................. 21
2.2.4.6 Versi Android .............................................................................. 23
2.2.5 Rapid Application Development (RAD) ......................................... 23
2.2.5.1 Requirement Planning ................................................................. 24
2.2.5.2 RAD Design Workshop ............................................................... 24
2.2.5.3 Implementation Phase ................................................................. 25
2.2.6 Unified Modelling Language (UML) .............................................. 26
2.2.6.1 Sejarah UML ............................................................................... 26
2.2.6.2 Use Case Diagram ....................................................................... 27
2.2.6.3 Activity Diagram ......................................................................... 29
2.2.7 Basisdata ......................................................................................... 29
2.2.7.1 Entity Relationship Diagram (ERD) ............................................... 30
2.2.8 Alat Perancangan Sistem................................................................. 31
2.2.8.1 Microsoft Office Visio ................................................................ 31
2.2.8.2 Balsamiq Mockups ...................................................................... 32
2.2.9 Alat Pengembangan Sistem............................................................. 33
2.2.9.1 Android Studio ............................................................................ 33
2.2.9.2 PhpMyAdmin .............................................................................. 34
2.2.10 Metode Pengujian Sistem ................................................................ 36
2.2.10.1 Blackbox Testing ..................................................................... 36
BAB III METODE PENELITIAN........................................................................ 37
3.1 Metode Pengumpulan Data .................................................................... 37
3.2 Metode Pengembangan Sistem .............................................................. 38
3.2.1 Metode RAD ................................................................................... 38
3.2.2 Metode Naïve Bayes Classifier (NBC) ........................................... 39
3.3 Metode Pengujian ................................................................................... 40
3.4 Kerangka Penelitian ............................................................................... 42
BAB IV IMPLEMENTASI PENELITIAN DAN PENGEMBANGAN SISTEM 43
xi
4.1 Pengumpulan Data ................................................................................. 43
4.1.1 Kuesioner ........................................................................................ 43
4.1.2 Wawancara ...................................................................................... 44
4.1.3 Studi Pustaka ................................................................................... 44
4.2 Metode Pengembangan Sistem RAD ..................................................... 45
4.2.1 Requirements Planning ................................................................... 45
4.2.2 Workshop Design ............................................................................ 46
4.2.3 Implementation ................................................................................ 77
BAB V HASIL DAN PEMBAHASAN ................................................................ 86
5.1 Hasil Klasifikasi ..................................................................................... 86
BAB VI PENUTUP ............................................................................................ 157
6.1 Kesimpulan ........................................................................................... 157
6.2 Saran ..................................................................................................... 157
DAFTAR PUSTAKA ......................................................................................... 158
LAMPIRAN ........................................................................................................ 160
xii
DAFTAR GAMBAR
Gambar 2.1 Gambar Linux Kernel......................................................................... 20
Gambar 2.2 Gambar RAD Design Workshop........................................................ 25
Gambar 2.3 Gambar Komponen ERD ................................................................... 30
Gambar 3.1 Kerangka Penelitian ........................................................................... 40
Gambar 4.1 Pengetahuan Adanya Kotak Saran ..................................................... 41
Gambar 4.2 Persentase Pengguna Android ............................................................ 42
Gambar 4.3 Alur Sistem Berjalan .......................................................................... 43
Gambar 4.4 Alur Sistem Usulan ............................................................................ 44
Gambar 4.5 Flowchart Text Mining ...................................................................... 45
Gambar 4.6 Pseudocode Text Mining .................................................................... 46
Gambar 4.7 Case Folding ....................................................................................... 47
Gambar 4.8 Tokenizing .......................................................................................... 47
Gambar 4.9 Filtering .............................................................................................. 48
Gambar 4.10 Stemming ......................................................................................... 48
Gambar 4.11 Flowchart Naïve Bayes Classifier .................................................... 49
Gambar 4.12 Use Case Diagram ............................................................................ 54
Gambar 4.13 Entity Relationship Diagram ............................................................ 64
Gambar 4.14 Form Login ....................................................................................... 67
Gambar 4.15 Menu Admin .................................................................................... 68
Gambar 4.16 Form Daftar Akun ............................................................................ 69
Gambar 4.17 Menu Kotak Saran ............................................................................ 69
Gambar 4.18 Menu Kabag FST ............................................................................. 70
Gambar 4.19 Menu Data Akun .............................................................................. 70
Gambar 4.20 Menu Mahasiswa ............................................................................. 71
Gambar 4.21 Form Posting Saran .......................................................................... 71
Gambar 4.22 Form Login ....................................................................................... 75
Gambar 4.23 Registrasi User ................................................................................. 76
Gambar 4.24 Gambar Form Edit Akun .................................................................. 76
Gambar 4.25 Gambar Form Edit Saran.................................................................. 77
Gambar 4.26 Gambar Form Edit Biodata .............................................................. 78
Gambar 4.27 Gambar Form Posting Saran ............................................................ 79
xiii
Gambar 4.28 Gambar Menu Utama Kabag............................................................ 79
Gambar 4.29 Gambar Form Setujui atau Tolak Saran ........................................... 80
Gambar 4.30 Gambar Form Status Saran .............................................................. 80
xiv
DAFTAR TABEL
Tabel 2.1 Detail Use Case Login ............................................................................. 6
Tabel 4.1 Nilai P(Vj) Setiap Kategori .................................................................... 50
Tabel 4.2 Tabel Term Frequency ........................................................................... 50
Tabel 4.3 Tabel Nilai n dan vocabulary ................................................................. 51
Tabel 4.4 Nilai P(Wk | Vj) Setiap Kategori ........................................................... 52
Tabel 4.5 Nilai VMAP Setiap Kategori .................................................................... 53
Tabel 4.6 Detail Use Case Login ........................................................................... 54
Tabel 4.7 Detail Use Case Registrasi User ............................................................ 55
Tabel 4.8 Detail Use Case Edit Data User ............................................................. 56
Tabel 4.9 Detail Use Case Hapus Data User ......................................................... 56
Tabel 4.10 Detail Use Case Edit Status Saran ....................................................... 57
Tabel 4.11 Detail Use Case Hapus Saran .............................................................. 58
Tabel 4.12 Detail Use Case Edit Biodata ............................................................... 59
Tabel 4.13 Detail Use Case Logout ....................................................................... 59
Tabel 4.14 Detail Use Case Posting Saran ............................................................. 60
Tabel 4.15 Aktifitas Tambah Data ......................................................................... 61
Tabel 4.16 Aktifitas Ubah Data ............................................................................. 61
Tabel 4.17 Aktifitas Hapus Data ............................................................................ 62
Tabel 4.18 Aktifitas Tolak Saran ........................................................................... 63
Tabel 4.19 Aktifitas Setujui Saran ......................................................................... 63
Tabel 4.20 Aktifitas Posting Saran......................................................................... 64
Tabel 4.21 Struktur Tabel User .............................................................................. 65
Tabel 4.22 Struktur Tabel Kotak Saran.................................................................. 66
Tabel 4.23 Tabel Pengujian Blackbox ................................................................... 81
Tabel 5.1 Tabel Data Latih..................................................................................... 83
Tabel 5.2 Tabel Data Uji ........................................................................................ 85
Tabel 5.3 Tabel Nilai P(Vj) .................................................................................... 90
Tabel 5.4 Tabel Jumlah Kata ................................................................................. 90
Tabel 5.5 Tabel Text Mining ................................................................................. 91
Tabel 5.6 Tabel Term Frequency ........................................................................... 91
xv
Tabel 5.7 Tabel Nilai P(Wk|Vj) ............................................................................. 92
Tabel 5.8 Tabel Nilai VMAP ................................................................................. 93
Tabel 5.9 Tabel Text Mining ................................................................................. 93
Tabel 5.10 Tabel Term Frequency ......................................................................... 94
Tabel 5.11 Tabel Nilai P(Wk|Vj) ........................................................................... 94
Tabel 5.12 Tabel Nilai VMAP ............................................................................... 94
Tabel 5.13 Tabel Text Mining ............................................................................... 95
Tabel 5.14 Tabel Term Frequency ......................................................................... 95
Tabel 5.15 Tabel Nilai P(Wk|Vj) ........................................................................... 96
Tabel 5.16 Tabel Nilai VMAP ............................................................................... 96
Tabel 5.17 Tabel Text Mining ............................................................................... 96
Tabel 5.18 Tabel Term Frequency ......................................................................... 97
Tabel 5.19 Tabel Nilai P(Wk|Vj) ........................................................................... 97
Tabel 5.20 Tabel Nilai VMAP ............................................................................... 98
Tabel 5.21 Tabel Text Mining ............................................................................... 98
Tabel 5.22 Tabel Term Frequency ......................................................................... 99
Tabel 5.23 Tabel Nilai P(Wk|Vj) ........................................................................... 99
Tabel 5.24 Tabel Nilai VMAP ............................................................................... 99
Tabel 5.25 Tabel Text Mining ............................................................................... 99
Tabel 5.26 Tabel Term Frequency ....................................................................... 100
Tabel 5.27 Tabel Nilai P(Wk|Vj) ......................................................................... 101
Tabel 5.28 Tabel Nilai VMAP ............................................................................. 101
Tabel 5.29 Tabel Text Mining ............................................................................. 101
Tabel 5.30 Tabel Term Frequency ....................................................................... 102
Tabel 5.31 Tabel Nilai P(Wk|Vj) ......................................................................... 103
Tabel 5.32 Tabel Nilai VMAP ............................................................................. 103
Tabel 5.33 Tabel Text Mining ............................................................................. 103
Tabel 5.34 Tabel Term Frequency ....................................................................... 104
Tabel 5.35 Tabel Nilai P(Wk|Vj) ......................................................................... 105
Tabel 5.36 Tabel Nilai VMAP ............................................................................. 105
Tabel 5.37 Tabel Text Mining ............................................................................. 106
Tabel 5.38 Tabel Term Frequency ....................................................................... 107
Tabel 5.39 Tabel Nilai P(Wk|Vj) ......................................................................... 107
Tabel 5.40 Tabel Nilai VMAP ............................................................................. 107
xvi
Tabel 5.41 Tabel Text Mining ............................................................................. 108
Tabel 5.42 Tabel Term Frequency ....................................................................... 109
Tabel 5.43 Tabel Nilai P(Wk|Vj) ......................................................................... 109
Tabel 5.44 Tabel Nilai VMAP ............................................................................. 110
Tabel 5.45 Tabel Text Mining ............................................................................. 110
Tabel 5.46 Tabel Term Frequency ....................................................................... 111
Tabel 5.47 Tabel Nilai P(Wk|Vj) ......................................................................... 111
Tabel 5.48 Tabel Nilai VMAP ............................................................................. 111
Tabel 5.49 Tabel Text Mining ............................................................................. 112
Tabel 5.50 Tabel Term Frequency ....................................................................... 113
Tabel 5.51 Tabel Nilai P(Wk|Vj) ......................................................................... 113
Tabel 5.52 Tabel Nilai VMAP ............................................................................. 114
Tabel 5.53 Tabel Text Mining ............................................................................. 114
Tabel 5.54 Tabel Term Frequency ....................................................................... 115
Tabel 5.55 Tabel Nilai P(Wk|Vj) ......................................................................... 115
Tabel 5.56 Tabel Nilai VMAP ............................................................................. 116
Tabel 5.57 Tabel Text Mining ............................................................................. 116
Tabel 5.58 Tabel Term Frequency ....................................................................... 117
Tabel 5.59 Tabel Nilai P(Wk|Vj) ......................................................................... 117
Tabel 5.60 Tabel Nilai VMAP ............................................................................. 117
Tabel 5.61 Tabel Text Mining ............................................................................. 117
Tabel 5.62 Tabel Term Frequency ....................................................................... 118
Tabel 5.63 Tabel Nilai P(Wk|Vj) ......................................................................... 119
Tabel 5.64 Tabel Nilai VMAP ............................................................................. 119
Tabel 5.65 Tabel Text Mining ............................................................................. 119
Tabel 5.66 Tabel Term Frequency ....................................................................... 120
Tabel 5.67 Tabel Nilai P(Wk|Vj) ......................................................................... 120
Tabel 5.68 Tabel Nilai VMAP ............................................................................. 120
Tabel 5.69 Tabel Text Mining ............................................................................. 121
Tabel 5.70 Tabel Term Frequency ....................................................................... 121
Tabel 5.71 Tabel Nilai P(Wk|Vj) ......................................................................... 122
Tabel 5.72 Tabel Nilai VMAP ............................................................................. 122
Tabel 5.73 Tabel Text Mining ............................................................................. 122
Tabel 5.74 Tabel Term Frequency ....................................................................... 123
xvii
Tabel 5.75 Tabel Nilai P(Wk|Vj) ......................................................................... 123
Tabel 5.76 Tabel Nilai VMAP ............................................................................. 124
Tabel 5.77 Tabel Text Mining ............................................................................. 124
Tabel 5.78 Tabel Term Frequency ....................................................................... 125
Tabel 5.79 Tabel Nilai P(Wk|Vj) ......................................................................... 125
Tabel 5.80 Tabel Nilai VMAP ............................................................................. 126
Tabel 5.81 Tabel Text Mining ............................................................................. 126
Tabel 5.82 Tabel Term Frequency ....................................................................... 127
Tabel 5.83 Tabel Nilai P(Wk|Vj) ......................................................................... 127
Tabel 5.84 Tabel Nilai VMAP ............................................................................. 128
Tabel 5.85 Tabel Text Mining ............................................................................. 128
Tabel 5.86 Tabel Term Frequency ....................................................................... 129
Tabel 5.87 Tabel Nilai P(Wk|Vj) ......................................................................... 129
Tabel 5.88 Tabel Nilai VMAP ............................................................................. 130
Tabel 5.89 Tabel Text Mining ............................................................................. 130
Tabel 5.90 Tabel Term Frequency ....................................................................... 131
Tabel 5.91 Tabel Nilai P(Wk|Vj) ......................................................................... 132
Tabel 5.92 Tabel Nilai VMAP ............................................................................. 132
Tabel 5.93 Tabel Text Mining ............................................................................. 133
Tabel 5.94 Tabel Term Frequency ....................................................................... 134
Tabel 5.95 Tabel Nilai P(Wk|Vj) ......................................................................... 134
Tabel 5.96 Tabel Nilai VMAP ............................................................................. 134
Tabel 5.97 Tabel Text Mining ............................................................................. 135
Tabel 5.98 Tabel Term Frequency ....................................................................... 135
Tabel 5.99 Tabel Nilai P(Wk|Vj) ......................................................................... 136
Tabel 5.100 Tabel Nilai VMAP ........................................................................... 136
Tabel 5.101 Tabel Text Mining ........................................................................... 136
Tabel 5.102 Tabel Term Frequency ..................................................................... 137
Tabel 5.103 Tabel Nilai P(Wk|Vj) ....................................................................... 138
Tabel 5.104 Tabel Nilai VMAP ........................................................................... 138
Tabel 5.105 Tabel Text Mining ........................................................................... 138
Tabel 5.106 Tabel Term Frequency ..................................................................... 139
Tabel 5.107 Tabel Nilai P(Wk|Vj) ....................................................................... 140
Tabel 5.108 Tabel Nilai VMAP ........................................................................... 140
xviii
Tabel 5.109 Tabel Text Mining ........................................................................... 140
Tabel 5.110 Tabel Term Frequency ..................................................................... 142
Tabel 5.111 Tabel Nilai P(Wk|Vj) ....................................................................... 142
Tabel 5.112 Tabel Nilai VMAP ........................................................................... 143
Tabel 5.113 Tabel Text Mining ........................................................................... 143
Tabel 5.114 Tabel Term Frequency ..................................................................... 144
Tabel 5.115 Tabel Nilai P(Wk|Vj) ....................................................................... 145
Tabel 5.116 Tabel Nilai VMAP ........................................................................... 145
Tabel 5.117 Tabel Text Mining ........................................................................... 146
Tabel 5.118 Tabel Term Frequency ..................................................................... 147
Tabel 5.119 Tabel Nilai P(Wk|Vj) ....................................................................... 147
Tabel 5.120 Tabel Nilai VMAP ........................................................................... 148
Tabel 5.121 Tabel Text Mining ........................................................................... 148
Tabel 5.122 Tabel Term Frequency ..................................................................... 149
Tabel 5.123 Tabel Nilai P(Wk|Vj) ....................................................................... 149
Tabel 5.124 Tabel Nilai VMAP ........................................................................... 150
Tabel 5.125 Tabel Studi Kasus Pertama .............................................................. 150
Tabel 5.126 Tabel Studi Kasus Kedua ................................................................. 152
Tabel 5.127 Tabel Studi Kasus Ketiga ................................................................. 155
xix
DAFTAR LAMPIRAN
Lampiran 1. Wawancara ...................................................................................... 160
Lampiran 2. Surat Keterangan Bimbingan Skripsi .............................................. 161
Lampiran 3. Surat Permohonan Data / Riset ........................................................ 162
Lampiran 4. Hasil Kuesioner ............................................................................... 163
Lampiran 5. Source Code ..................................................................................... 165
1 UIN Syarif Hidayatullah Jakarta
BAB I
PENDAHULUAN
1.1 Latar Belakang
Keputusan Presiden Republik Indonesia Nomor 031 tanggal 20 Mei 2002,
Institut Agama Islam Negeri (IAIN) Syarif Hidayatullah Jakarta resmi
berubah menjadi Universitas Islam Negeri (UIN) Syarif Hidayatullah Jakarta.
UIN Jakarta sendiri memiliki sebelas fakultas salah satunya yaitu Fakultas
Sains dan Teknologi (FST). Kegiatan perkuliahan tentu ditunjang dengan
fasilitas yang diberikan oleh pihak fakultas, seperti Pelayanan Administrasi,
Kebersihan Sarana dan Prasarana, serta Keamanan. Dalam proses tersebut
FST menyediakan kotak saran untuk meningkatkan kualitas pelayanan yang
diberikan kepada mahasiswa.
Saran yang membangun dari mahasiswa sangat diperlukan agar tingkat
dan mutu pelayanan di FST dapat menjadi lebih baik. Prosedur dalam
menyampaikan saran pada sistem yang berjalan saat ini yaitu mahasiswa
menulis pada sebuah kertas lalu dimasukkan ke dalam kotak yang bertuliskan
kotak saran. Tidak jarang ditemukan isi kotak tersebut masih kosong, menurut
beberapa mahasiswa FST tidak tahu keberadaan kotak saran dan beberapa
mahasiswa lain malas untuk mengisi dengan alasan tidak disediakan kertas
pada setiap kotak saran yang tersedia. Tentu butuh sebuah solusi agar saran
mudah untuk disampaikan dan tepat sasaran.
Banyaknya pengguna smartphone di lingkungan perkuliahan membuat
cara lama dalam menyampaikan saran dapat berubah menjadi lebih mudah
dan menarik. Di Indonesia, jumlah pengguna Android mengalami
pertumbuhan yang sangat pesat, dengan peningkatan sebesar 150% dari tahun
2014 ke 2015 (detikNet, 2015). Untuk memperkuat latar belakang, penulis
menyebar kuesioner kepada beberapa responden mahasiswa Fakultas Sains
dan Teknologi (FST) UIN Syarif Hidayatullah Jakarta.
2
UIN Syarif Hidayatullah Jakarta
Dalam proses penerimaan saran, diperlukan adanya klasifikasi saran agar
mudah dalam melihat prioritas dari saran tersebut. Beberapa metode yang
digunakan dalam klasifikasi yaitu Naïve Bayes Classifier, K-Nearest
Neighbor, K-Means, Decision Tree, dan LVQ. Dalam penelitian ini penulis
menggunakan Naïve Bayes Classifier, algoritme ini memanfaatkan metode
probabilitas dan statistik yang dikemukakan oleh ilmuwan Inggris Thomas
Bayes, yaitu memprediksi probabilitas di masa depan berdasarkan
pengalaman di masa sebelumnya (Ismail, 2008).
Menurut jurnal karya Dedy Santoso, Dian Eka, dan Indriati dari
Universitas Brawijaya Malang yang berjudul “Perbandingan Kinerja Metode
Naïve Bayes, K-Nearest Neighbor, dan Metode Gabungan K-Means dan LVQ
dalam Pengkategorian Buku Komputer Berbahasa Indonesia Berdasarkan
Judul dan Sinopsis” menyatakan bahwa metode Naïve Bayes memiliki tingkat
akurasi 98% dalam mengklasifikasikan data berbentuk teks, nilai ini lebih
tinggi dari metode K-Nearest Neighbor yang memiliki tingkat akurasi sebesar
96%. Sementara menurut Mila Listiana, Sudjalwo, dan Dedi Gunawan dari
Universitas Muhammadiyah Surakarta yang berjudul “Perbandingan
Algoritma Decision Tree (c4.5) dan Naïve Bayes pada Data Mining untuk
Identifikasi Tumbuh Kembang Anak Balita (Studi Kasus Puskesmas
Kartasura)” menyatakan bahwa metode Naïve Bayes lebih baik digunakan
dari pada metode Decision Tree dengan nilai akurasi 75,66% untuk Decision
Tree dan 76,97% untuk Naïve Bayes.
Maka dari itu penulis berusaha untuk membuat solusi agar penyampaian
saran dapat lebih mudah dan menarik dengan cara mengubah mekanisme
penyampaian yang sebelumnya menggunakan kertas menjadi tanpa kertas
serta menerapkan metode Naïve Bayes agar klasifikasi saran berjalan otomatis
pada aplikasi tersebut. Penyampaian saran dilakukan melalui aplikasi pada
smartphone berbasis Android sehingga mahasiswa dapat dengan mudah
menyampaikan aspirasinya dimanapun. Begitu juga dengan pihak fakultas
yang dapat melihat saran yang masuk melalui smartphone yang
3
UIN Syarif Hidayatullah Jakarta
digunakannya. Oleh karena itu penulis mengajukan judul penulisan skripsi
mengenai “Implementasi Metode Naïve Bayes Classifier pada Aplikasi
Kotak Saran FST-UIN Jakarta Berbasis Android”.
1.2 Tujuan
Adapun tujuan dari penelitian ini adalah:
1. Membuat aplikasi kotak saran terhadap pelayanan Fakultas Sains dan
Teknologi (FST) berbasis android.
2. Mengimplementasikan metode Naïve Bayes Classifier pada aplikasi
kotak saran untuk mengetahui tingkat persentase saran yang diberikan
mahasiswa.
1.3 Manfaat Penelitian
Sedangkan manfaat yang ingin dicapai oleh penulis dalam pembuatan
aplikasi ini adalah:
1. Bagi User
a. Mahasiswa dapat memberikan saran dengan mudah melalui
smartphone berbasis android.
b. Memudahkan subbag umum FST dalam melakukan analisa saran
yang diberikan oleh mahasiswa.
c. Kabag FST dapat melihat dan menyetujui saran yang disampaikan
tanpa harus berada di lingkungan FST, sehingga dapat menindak
lanjuti dengan cepat.
2. Bagi Penulis
a. Mengetahui bagaimana alur kerja subbag umum di FST.
b. Menambah wawasan tentang bagaimana membuat aplikasi berbasis
android.
c. Menambah daftar portofolio penulis di masa yang akan datang.
3. Bagi Universitas
a. Mengetahui kemampuan mahasiswa dalam menguasai materi
kuliah yang diperoleh selama masa perkuliahan.
4
UIN Syarif Hidayatullah Jakarta
b. Mengetahui kemampuan mahasiswa dalam memberikan kontribusi
sosial secara nyata dan sebagai bahan evaluasi.
1.4 Rumusan Masalah
Berdasarkan latar belakang yang telah disebutkan diatas, maka didapatkan
rumusan masalah yang akan dibahas sebagai berikut:
1. Bagaimana pihak subbag umum Fakultas Sains dan Teknologi dapat
melihat saran secara mudah dan cepat ketika ada saran yang diberikan
mahasiswa?
2. Bagaimana cara menerapkan metode Naïve Bayes Classifier pada
aplikasi kotak saran agar dapat mengetahui tingkat persentase kategori
saran yang dikirimkan oleh mahasiswa?
1.5 Batasan Masalah
Agar pembahasan lebih terarah, maka penulis memberikan batasan
masalah diantaranya:
1. Ruang lingkup pelayanan Fakultas Sains dan Teknologi dalam
penelitian ini hanya pelayanan yang diberikan kepada mahasiswa.
2. Saran yang diberikan oleh mahasiswa untuk pelayanan FST hanya
dalam bidang kebersihan, keamanan, dan administratif.
3. Penerapan algoritme naïve bayes classifier menggunakan Bahasa
pemrograman Java berbasis android.
4. Pengguna aplikasi ini adalah mahasiswa, subbag umum FST, dan
Kabag FST.
5. Data yang digunakan untuk pengujian berjumlah 40 data yang terdiri
dari 10 kategori kebersihan, 10 kategori keamanan, 10 kategori
administratif, dan 10 kategori kombinasi.
6. Aplikasi kotak saran ini hanya fokus pada penerapan metode NBC,
bukan terhadap spam filtering, fitur-fitur aplikasi serta validasi.
5
UIN Syarif Hidayatullah Jakarta
1.6 Sistematika Penulisan
Agar lebih mempermudah perumusan dan pemecahan masalah yang akan
dibahas pada penelitian ini, maka penulis menguraikan tahapan-tahapan
sebagai berikut:
BAB I PENDAHULUAN
Bab ini membahas latar belakang penulisan skripsi, batasan
masalah, tujuan, manfaat, metodologi dan sistematika penulisan.
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
Bab ini akan membahas tentang tinjauan pustaka dan teori-teori
yang diperlukan dalam penulisan skripsi ini.
BAB III METODE PENELITIAN
Dalam bab ini akan diuraikan metode pengembangan sistem yang
digunakan dalam penulisan yang berhubungan dengan judul skripsi
ini.
BAB IV IMPLEMENTASI PENELITIAN DAN PENGEMBANGAN
SISTEM
Dalam bab ini akan dijelaskan bagaimana menganalisa,
merancang, membuat serta menguji sebuah aplikasi untuk
memberikan saran dan kritik terhadap pelayanan fakultas sains dan
teknologi berbasis android.
BAB V HASIL DAN PEMBAHASAN
Dalam bab ini akan dijelaskan bagaimana hasil serta pembahasan
dari sebuah aplikasi yang telah dibuat pada bab sebelumnya.
BAB VI PENUTUP
Bab ini berisi kesimpulan secara keseluruhan yang diperoleh dari
hasil analisis dan perancangan serta saran-saran untuk penerapan
dan pengembangan lebih lanjut sistem yang bersangkutan.
6 UIN Syarif Hidayatullah Jakarta
BAB II
TINJAUAN PUSTAKA DAN LANDASAN TEORI
2.1 Tinjauan Pustaka
Beberapa penelitian yang berhubungan dengan penggunaan algoritme
Naïve Bayes sudah pernah dilakukan, diantaranya penelitian yang dilakukan
oleh (Mila, Sudjalwo, dan Dedi:2015), (Dedy, Dian, dan Indriati:2014), (Silfia
Andini:2013), (Samuel Natalius:2011), dan (Dea Herwinda Kalokasari, Dr.
Imam Marzuki Shofi, Anif Hanifa Setyaningrum:2017).
Tabel 2.1 Tabel Studi Pustaka
1
Nama Dea Herwinda, Imam M. Shofi, dan A. Hanifa
Tahun 2017
Judul Implementasi Algoritme Multinomial Naive
Bayes Classifier pada Sistem Klasifikasi Surat
Keluar
Kelebihan Sistem klasifikasi surat keluar didukung
dengan penerapan Confix-Stripping Stemmer
pada proses stemming dan TF-IDF untuk
pembobotan setiap kata yang terkandung pada
dokumen (term weighting).
Kekurangan Sistem klasifikasi surat berbasis dekstop dan
basis data mySQL terbatas pada data input
yaitu berupa surat keluar dengan format word
berekstensi (.docx), (.doc), dan (.txt).
Hasil Hasil evaluasi sistem klasifikasi surat keluar
didapatkan nilai Accuracy, Precision, Recall,
dan F-measure secara berurutan sebesar
89,58%, 79,17%, 78,72%, dan 77,05%. Perlu
ditambahkan lebih banyak bag of word pada
sistem, karena semakin banyak kamus kata,
semakin lebih tepat proses stemming yang
7
UIN Syarif Hidayatullah Jakarta
dilakukan.
2
Nama Silfia Andini
Tahun 2013
Judul Klasifikasi Dokumen Teks Menggunakan
Algoritme Naïve Bayes dengan Bahasa
Pemrograman Java
Kelebihan Implementasi metode Naïve Bayes pada
dokumen berita yang memiliki banyak
kalimat.
Kekurangan Tidak menampilkan proses Text Mining dan
Naïve Bayes pada pemrograman Java.
Hasil Algoritme Naïve Bayes Classifier yang
sederhana dan kecepatannya yang tinggi
dalam proses pelatihan dan klasifikasi
membuat algoritme ini menarik untuk
digunakan sebagai salah satu metode
klasifikasi dan terbukti dapat digunakan
secara efektif untuk mengklasifikasikan
dokumen secara otomatis.
3
Nama Samuel Natalius
Tahun 2011
Judul Metoda Naïve Bayes Classifier dan
Penggunaannya pada Klasifikasi Dokumen
Kelebihan Dalam klasifikasi dokumen dapat ditinjau dari
prosesnya yang mengambil aksi berdasarkan
data-data yang telah ada sebelumnya. Maka
proses klasifikasi dokumen dapat disesuaikan
sesuai dengan sifat dan kebutuhan masing-
8
UIN Syarif Hidayatullah Jakarta
masing orang.
Kekurangan Banyaknya celah untuk mengurangi
keefektifan metode ini dan akibatnya
meloloskan dokumen ke dalam kelas tertentu
padahal jelas-jelas dokumen tersebut tidak
layak berada di kelas tersebut.
Hasil Metoda Naïve Bayes classifier turut didukung
oleh ilmu statistika khususnya dalam
penggunaan data petunjuk untuk mendukung
keputusan pengklasifikasian. Seperti halnya
metoda-metoda lain, metoda Naïve Bayes
classifier ini tidaklah 100% sempurna. Ada
banyak kelebihan dan kekurangan dari
metoda ini, yang dapat menjadi dasar bahan
kajian lebih lanjut untuk mendapatkan atau
mengembangkan metoda klasifikasi lain, yang
dapat bekerja dengan lebih efektif dan efisien,
serta mengurangi jumlah titik kelemahan yang
dapat disalahgunakan oleh orang lain.
4
Nama Dedy Santoso, Dian Eka, dan Indriati
Tahun 2014
Judul Perbandingan Kinerja Metode Naïve Bayes,
K-Nearest Neighbor, dan Metode Gabungan
K-Means dan LVQ dalam Pengkategorian
Buku Komputer Berbahasa Indonesia
Berdasarkan Judul dan Sinopsis.
Kelebihan Membandingkan empat metode klasifikasi
dalam satu kasus dengan mencari nilai atribut
ideal dari masing-masing metode.
9
UIN Syarif Hidayatullah Jakarta
Kekurangan Klasifikasi dilakukan hanya dari kategori
yang terdapat pada buku komputer saja.
Hasil Hasil pengujian menunjukkan bahwa rata-rata
akurasi metode KNN adalah 96%, sedangkan
metode Naive Bayes adalah 98%, dan metode
gabungan k-means dan LVQ adalah 92,2%.
5
Nama Mila Listiana, Sudjalwo, dan Dedi Gunawan
Tahun 2015
Judul Perbandingan Algoritma Decision Tree (c4.5)
dan Naïve Bayes pada Data Mining untuk
Identifikasi Tumbuh Kembang Anak Balita
(Studi Kasus Puskesmas Kartasura)
Kelebihan Menggunakan penilaian accuracy, recall, dan
precision dalam membandingkan metode
Naïve Bayes dengan Decision Tree.
Kekurangan Tidak menampilkan secara detail alasan dari
status gizi yang muncul, sehingga pengguna
sulit untuk memahami penyebabnya.
Hasil Berdasarkan nilai accuracy maupun recallnya
naive bayes lebih tinggi dibandingkan
decision tree dengan nilai accuracy 75,66%
untuk decision tree dan 76,97% untuk naive
bayes. Untuk nilai recall-nya naive bayes
lebih unggul yaitu 96,89% dibandingkan
decision tree 89,78%.
10
UIN Syarif Hidayatullah Jakarta
2.2 Landasan Teori
2.2.1 Universitas Islam Negeri (UIN)
UIN adalah bentuk perguruan tinggi Islam negeri di Indonesia
yang menyelenggarakan pendidikan akademik pada sejumlah disiplin
ilmu pengetahuan, termasuk ilmu pengetahuan di luar studi keislaman.
UIN merupakan salah satu bentuk perguruan tinggi Islam negeri selain
Institut Agama Islam Negeri (IAIN) dan Sekolah Tinggi Agama Islam
Negeri (STAIN). UIN sendiri saat ini ada di enam belas kota di
Indonesia, salah satunya adalah UIN Syarif Hidayatullah Jakarta yang
merupakan UIN pertama sebelum ada di kota lain. UIN Jakarta
memiliki sebelas fakultas, salah satunya yaitu Fakultas Sains dan
Teknologi (FST). Kegiatan perkuliahan tentu memiliki fasilitas
pelayanan agar dapat berjalan dengan baik. Pelayanan menurut Kamus
Besar Bahasa Indonesia (KBBI) adalah sebagai suatu usaha untuk
melayani kebutuhan orang lain dengan memperoleh imbalan. FST
menyediakan kotak saran untuk mahasiswa agar manajemen FST
mengetahui respons dari pelayanan yang telah diberikan kepada
mahasiswa.
2.2.2 Text Mining
Text mining dapat diartikan sebagai penemuan informasi yang baru
dan tidak diketahui sebelumnya oleh komputer, dengan secara
otomatis mengekstrak informasi dari sumber-sumber yang berbeda.
Kunci dari proses ini adalah menggabungkan informasi yang berhasil
diekstraksi dari berbagai sumber (Hearst, 2003). Sedangkan menurut
(Harlian Milkha, 2006) text mining memiliki definisi menambang data
yang berupa teks dimana sumber data biasanya didapatkan dari
dokumen, dan tujuannya adalah mencari kata-kata yang dapat
mewakili isi dari dokumen sehingga dapat dilakukan analisa
keterhubungan antar dokumen.
11
UIN Syarif Hidayatullah Jakarta
Dengan text mining tugas-tugas yang berhubungan dengan
penganalisaan teks dengan jumlah yang besar, penemuan pola serta
penggalian informasi yang mungkin berguna dari suatu teks dapat
dilakukan. Informasi klasifikasi dapat berbentuk angka-angka
probabilitas, set aturan atau bentuk lainnya.
Berikut merupakan tahapan dari proses text mining:
1. Text Preprocessing
Tahapan awal dari text mining adalah text preprocessing yang
bertujuan untuk mempersiapkan teks menjadi data yang akan
mengalami pengolahan pada tahapan berikutnya. Beberapa contoh
tindakan yang dapat dilakukan pada tahap ini, mulai dari tindakan
yang bersifat kompleks seperti partofspeech (pos) tagging, parse tree,
hingga tindakan yang bersifat sederhana seperti proses parsing
sederhana terhadap teks, yaitu memecah suatu kalimat menjadi
sekumpulan kata. Selain itu pada tahapan ini biasanya juga dilakukan
case folding, yaitu pengubahan karakter huruf menjadi huruf kecil.
2. Text Transformation
Pada tahap ini hasil yang diperoleh dari tahap text preprocessing
akan melalui proses tranformasi. Adapun proses transformasi ini
dilakukan dengan mengurangi jumlah kata-kata yang ada dengan
penghilangan stopword dan juga dengan mengubah kata-kata ke dalam
bentuk dasarnya (stemming). Stopword adalah kata-kata yang bukan
merupakan ciri (kata unik) dari suatu dokumen seperti kata sambung
dan kata kepunyaan. Memperhitungkan stopword pada transformasi
teks akan membuat keseluruhan sistem text mining bergantung kepada
faktor bahasa. Hal ini menjadi kelemahan dari proses penghilangan
stopword. Namun proses penghilangan stopword tetap digunakan
karena proses ini akan sangat mengurangi beban kerja sistem.
12
UIN Syarif Hidayatullah Jakarta
3. Pattern Discovery
Tahap penemuan pola atau pattern discovery adalah tahap
terpenting dari seluruh proses text mining. Tahap ini berusaha
menemukan pola atau pengetahuan dari keseluruhan teks. Dalam
data/text mining terdapat dua teknik pembelajaran pada tahap pattern
discovery ini, yaitu unsupervised dan supervised learning. Adapun
perbedaan antara keduanya adalah pada supervised learning terdapat
label atau nama kelas pada data latih (supervisi) dan data baru
diklasifikasikan berdasarkan data latih. Sedangkan pada unsupervised
learning tidak terdapat label atau nama kelas pada data latih, data latih
dikelompokkan berdasarkan ukuran kemiripan pada suatu kelas.
Berdasarkan keluaran dari fungsi, supervised learning dibagi menjadi
2, regresi dan klasifikasi. Regresi terjadi jika output dari fungsi
merupakan nilai yang kontinyu, sedangkan klasifikasi terjadi jika
keluaran dari fungsi adalah nilai tertentu dari suatu atribut tujuan (tidak
kontinyu). Tujuan dari supervised learning adalah untuk memprediksi
nilai dari fungsi untuk sebuah data masukan yang sah setelah melihat
sejumlah data latih.
2.2.3 Metode Naïve Bayes
2.2.3.1 Teorema Naïve Bayes
Bayes merupakan teknik klasifikasi berbasis probabilistik
sederhana yang berdasar pada penerapan teorema Bayes
dengan asumsi independensi (ketidaktergantungan) yang kuat.
Dengan kata lain, model yang digunakan dalam Naïve Bayes
adalah model fitur independen. Maksud yang kuat pada fitur
adalah bahwa sebuah fitur pada data tidak berkaitan denga nada
atau tidaknya fitur lain dalam data yang sama. Contohnya pada
kasus klasifikasi hewan dengan fitur penutup kulit, melahirkan,
berat dan menyusui. Dalam dunia nyata, hewan yang
melahirkan biasanya menyusui, atau hewan bertelur biasanya
13
UIN Syarif Hidayatullah Jakarta
tidak menyusui. Dalam Bayes, hal tersebut tidak dipandang
sebagai masing-masing fitur seolah tidak memiliki hubungan
apapun, atau dengan kata lain setiap fitur tidak ada hubungan
tersendiri (Prasetyo, 2012:59).
Prediksi Bayes didasarkan pada teorema Bayes dengan
formula sebagai berikut:
( | ( | (
(
Dimana:
P(B|A) = Probabilitas hipotesis B jika diberikan bukti
(evidence) A.
P(A|B) = Probabilitas munculnya evidence A jika diketahui
hipotesis B.
P(B) = Probabilitas B tanpa mengandung evidence
apapun.
P(A) = Probabilitas evidence A.
2.2.3.2 Naïve Bayes Classifier
Kaitan antara Naïve Bayes dengan klasifikasi, korelasi
hipotesis, dan bukti dengan klasifikasi adalah bahwa hipotesis
dalam teorema Bayes merupakan label kelas yang menjadi
target pemetaan dalam klasifikasi, sedangkan bukti merupakan
fitur-fitur yang menjadi masukan dalam model klasifikasi
(Prasetyo, 2012:61).
Metode NBC menempuh dua tahap dalam proses klasifikasi
teks, yaitu tahap pelatihan dan tahap klasifikasi. Pada tahap
pelatihan dilakukan proses analisis terhadap sampel dokumen
berupa pemilihan vocabulary, yaitu kata yang mungkin muncul
dalam koleksi dokumen sampel yang sedapat mungkin dapat
menjadi representasi dokumen. Selanjutnya adalah penentuan
(2.1)
14
UIN Syarif Hidayatullah Jakarta
probabilitas prior bagi tiap kategori berdasarkan sampel
dokumen. Pada tahap klasifikasi ditentukan nilai kategori dari
suatu dokumen berdasarkan term yang muncul dalam dokumen
yang diklasifikasi. Lebih jelasnya jika diasumsikan dimiliki
koleksi dokumen D={di | i=1,2,…|D|}={d1,d2,…,d|D|} dan
koleksi kategori V={vj|j=1,2,…|V|}={v1,v2,…,v|V|}. Klasifikasi
NBC dilakukan dengan cara mencari probabilitas P(V=vj |
D=di), yaitu probabilitas kategori vj jika diketahui dokumen di.
Dokumen di dipandang sebagai tuple dari kata-kata dalam
dokumen, yaitu <a1, a2,…,an>, yang frekuensi kemunculannya
diasumsikan sebagai variable random dengan distribusi
probabilitas Bernoulli (McCallum and Nigam, 1998).
Selanjutnya klasifikasi dokumen adalah mencari nilai
maksimum dari:
(1)
Teorema Bayes menyatakan tentang probabilitas bersyarat
sebagai berikut:
(2)
Dengan menerapkan teorema Bayes tersebut maka dapat
ditulis:
(3)
Karena nilai P(a1, a2, …, an) untuk semua vj besarnya sama
maka nilainya dapat diabaikan, sehingga persamaan (3)
menjadi:
15
UIN Syarif Hidayatullah Jakarta
(4)
Tingkat kesulitan menghitung P(a1, a2 …. an| vj) menjadi
tinggi karena jumlah P(a1, a2 …. an| vj) bisa jadi akan sangat
besar. Ini disebabkan jumlah term tersebut sama dengan jumlah
semua kombinasi posisi kata dikali dengan jumlah kategori.
Naïve Bayes Classifier menyederhanakan hal ini dengan
mengasumsikan bahwa di dalam setiap kategori, setiap kata
independen satu sama lain. Dengan kata lain persamaan (4)
dapat ditulis menjadi persamaan (5).
(5)
Sehingga persamaan (4) dan persamaan (5) dapat
disubstitusikan menjadi:
(6)
VMAP merupakan nilai probabilitas hasil perhitungan
Naïve Bayes Classifier untuk nilai fungsi target yang
bersangkutan. Frekuensi kemunculan kata menjadi dasar
perhitungan nilai dari (𝑣𝑗 ) dan (𝑤𝑘 |𝑣𝑗). Sehingga pelatihan
teks untuk algoritme naive bayes dapat didefinisikan menjadi
persamaan
(7) dan
persamaan (8).
(7)
16
UIN Syarif Hidayatullah Jakarta
dimana |docj| adalah banyaknya dokumen yang memiliki
kategori j dalam pelatihan, sedangkan |Contoh| banyaknya
dokumen dalam contoh yang digunakan untuk pelatihan.
Untuk nilai P(wk|vj), yaitu probabilitas kata wk dalam kategori
j ditentukan dengan:
(8)
Dimana nk adalah frekuensi munculnya kata wk dalam
dokumen yang berkategori vj, sedangkan nilai n adalah
banyaknya seluruh kata dalam dokumen berkategori vj, dan
|vocabulary| adalah banyaknya kata dalam contoh pelatihan.
2.2.4 Android
2.2.4.1 Sejarah Android
Android adalah sebuah sistem operasi untuk perangkat
mobile berbasis linux yang mencakup sistem operasi,
middleware dan aplikasi. Android menyediakan platform
terbuka bagi para pengembang untuk menciptakan aplikasi
mereka sendiri. Pengembangan aplikasi android dirilis pada 5
November 2007 oleh Open Handset Alliance (OHA) yang
menyatakan mendukung pengembangan open source pada
perangkat mobile. OHA merupakan gabungan dari perusahaan
peranti keras, peranti lunak, dan telekomunikasi termasuk
Google, HTC, Intel, Qualcomm, dan Nvidia (J.F. DiMarzio,
2008:5).
Google mengenalkan Nexus One, salah satu jenis
smartphone yang menggunakan Android sebagai sistem
operasinya. Produk dari HTC Corporation tersebut tersedia di
17
UIN Syarif Hidayatullah Jakarta
pasaran pada 5 Januari 2010. Seiring pembentukan Open
Handset Alliance, OHA mengumumkan produk perdana
mereka yaitu Android, perangkat mobile yang merupakan
modifikasi kernel Linux 2.6. Sejak Android dirilis telah
dilakukan berbagai pembaruan berupa perbaikan bug dan
penambahan fitur baru (Nazruddin Safaat H, 2015:1).
2.2.4.2 Android Software Development Kit (SDK)
Android SDK adalah tools Application Programming
Interface (API) yang diperlukan untuk mulai mengembangkan
aplikasi pada platform Android menggunakan Bahasa
pemrograman Java. Beberapa fitur-fitur Android yang paling
penting adalah (Nazruddin Safaat H, 2015:5):
Framework Aplikasi yang mendukung penggantian
komponen dan reusable.
Mesin Virtual Dalvik dioptimalkan untuk perangkat
mobile.
Integrated browser berdasarkan mesin open source
WebKit.
Grafis yang dioptimalkan dan didukung oleh libraries
grafis 2D, grafis 3D berdasarkan spesifikasi opengl ES
1,0 (Opsional akselerasi hardware).
SQLite untuk penyimpanan data.
Lingkungan Development yang lengkap dan kaya
termasuk perangkat emulator, tools untuk debugging,
profil dan kinerja memori, dan plugin untuk IDE
Eclipse.
2.2.4.3 Android Development Tools (ADT)
Android Development Tools (ADT) adalah plugin yang
didesain untuk memberikan kemudahan dalam
18
UIN Syarif Hidayatullah Jakarta
mengembangkan aplikasi berbasis sistem operasi android.
Pengguna dapat membuat project android, membuat GUI
aplikasi, dan menambahkan komponen-komponen yang
diperlukan, begitu juga pengguna dapat melakukan running
aplikasi serta ADT dapat digunakan untuk pembuatan package
android (.apk) yang dibutuhkan untuk distribusi aplikasi
android yang telah dibuat.
2.2.4.4 Arsitektur Android
Secara garis besar arsitektur android dapat dijelaskan dan
digambarkan sebagai berikut (Nazruddin Safaat H, 2015:6-8):
Applications dan Widgets
Applications dan Widgets ini adalah layer dimana kita
berhubungan dengan aplikasi saja, dimana biasanya kita
unduh aplikasi kemudian kita lakukan instalasi dan
jalankan aplikasi tersebut. Di layer terdapat aplikasi inti
termasuk klien email, program sms, kalender, peta,
browser, kontak, dan lain-lain. Semua aplikasi ditulis
menggunakan Bahasa pemrograman Java.
Applications Framework
Application Frameworks ini adalah layer dimana para
pembuat aplikasi melakukan pengembangan/pembuatan
aplikasi yang akan dijalankan di sistem operasi
Android, karena pada layer inilah aplikasi dapat
dirancang dan dibuat, seperti content provider yang
berupa sms dan panggilan telepon. Komponen-
komponen yang termasuk di dalam Applications
Frameworks adalah:
a) Views
b) Content Provider
19
UIN Syarif Hidayatullah Jakarta
c) Resource Manager
d) Notification Manager
e) Activity Manager
Libraries
Libraries ini adalah layer dimana fitur-fitur Android
berada, biasanya para pembuat aplikasi mengakses
libraries untuk menjalankan aplikasinya. Berjalan
diatas kernel, layer ini meliputi berbagai library C/C++
inti seperti Libc dan SSL, serta:
a) Libraries media untuk pemutaran media audio dan
video.
b) Libraries untuk manajemen tampilan.
c) Libraries Grafis mencakup SGL dan OpenGL untuk
grafis 2D dan 3D.
d) Libraries SQLite untuk dukungan database.
e) Libraries SSL dan WebKit terintegrasi dengan web
browser dan security.
f) Libraries LiveWebcore mencakup modern web
browser dengan engine embedded web view.
g) Libraries 3D yang mencakup implementasi
OpenGL ES 1.0 API‟s.
Android Run Time
Layer yang membuat aplikasi android dapat dijalankan
dimana dalam prosesnya menggunakan implementasi
linux. Di dalam android run time dibagi menjadi dua
bagian yaitu:
a) Core Libraries: Aplikasi Android dibangun dalam
Bahasa Java, sementara Dalvik sebagai virtual
mesinnya, sehingga diperlukan sebuah libraries
20
UIN Syarif Hidayatullah Jakarta
yang berfungsi untuk menterjemahkan Bahasa
java/c yang ditangani oleh Core Libraries.
b) Dalvik Virtual Machine: Virtual mesin berbasis
register yang dioptimalkan untuk menjalankan
fungsi-fungsi secara efisien, dimana merupakan
pengembangan yang mampu membuat linux kernel
untuk melakukan threading dan manajemen tingkat
rendah.
Linux Kernel
Linux kernel adalah layer dimana inti dari sistem
operasi dari Android itu berada. Berisi file-file sistem
yang mengatur system processing, memori, resource,
drivers, dan sistem-sistem operasi android lainnya.
Linux kernel yang digunakan android adalah linux
kernel release 2.6.
Gambar 2.1 Gambar Linux Kernel
21
UIN Syarif Hidayatullah Jakarta
2.2.4.5 Fundamental Aplikasi
Aplikasi Android ditulis dalam Bahasa pemrograman java.
Kode java dikompilasi bersama dengan data file resource yang
dibutuhkan oleh aplikasi, dimana prosesnya dipaket oleh tools
yang dinamakan “apt tools” ke dalam paket android sehingga
menghasilkan file dengan ekstensi apk. File apk itulah yang
disebut dengan aplikasi, dan nantinya dapat di install di
perangkat mobile.
Ada empat jenis komponen pada aplikasi android yaitu
(Nazruddin Safaat H, 2015:9-10):
a) Activities
Suatu activity akan menyajikan user interface (UI)
kepada pengguna, sehingga pengguna dapat melakukan
interaksi. Sebuah aplikasi android bisa jadi hanya
memiliki satu activity, tetapi umumnya aplikasi
memiliki banyak activity tergantung pada tujuan
aplikasi dan desain dari aplikasi tersebut. Satu activity
biasanya akan dipakai untuk menampilkan aplikasi,
kemudian untuk pindah dari satu activity ke activity lain
dapat melakukan dengan satu even, misalnya klik
tombol, memilih opsi atau menggunakan triggers
tertentu. Secara hirarki sebuah windows activity
dinyatakan dengan method Activity.setContentView().
ContentView adalah objek yang berada pada root hirarki
b) Service
Service tidak memiliki Graphic User Interface
(GUI), tetapi service background, sebagai contoh dalam
memainkan musik, service mungkin memainkan musik
atau mengambil data dari jaringan, tetapi setiap service
22
UIN Syarif Hidayatullah Jakarta
harus berada dalam kelas induknya. Misalnya, media
player sedang memutar lagu dari daftar yang ada,
aplikasi ini akan memiliki dua atau lebih activity yang
memungkinkan pengguna untuk memilih lagu misalnya,
atau menulis sms namun musik terus berjalan. Untuk
menjaga musik tetap di jalankan, activity player dapat
menjalankan service. Service dijalankan pada thread
utama dari proses aplikasi.
c) Broadcast Receiver
Broadcast receiver berfungsi menerima dan
bereaksi untuk menyampaikan notifikasi. Contoh
broadcast seperti notifikasi zona waktu berubah, baterai
habis, gambar telah selesai diambil oleh kamera, atau
pengubahan referensi Bahasa yang digunakan. Aplikasi
juga dapat menginisiasi broadcast misalnya
memberikan informasi pada aplikasi lain bahwa ada
data yang telah diunduh ke perangkat dan siap untuk
digunakan.
Broadcast receiver tidak memiliki user interface
(UI), tetapi memiliki sebuah activity untuk merespon
informasi yang mereka terima, atau mungkin
menggunakan Notification Manager untuk
memberitahu kepada pengguna, seperti lampu latar atau
vibrating (getaran) perangkat, dan lain sebagainya.
d) Content Provider
Content Provider membuat kumpulan aplikasi data
secara spesifik sehingga bisa digunakan oleh aplikasi
lain. Data disimpan dalam sistem data seperti database
SQLite. Content Provider meyediakan cara untuk
mengakses data yang dibutuhkan oleh suatu activity,
23
UIN Syarif Hidayatullah Jakarta
misalnya ketika kita menggunakan aplikasi yang
membutuhkan peta, atau aplikasi yang membutuhkan
untuk mengakses data kontak dan navigasi, maka
disinilah fungsi content provider.
2.2.4.6 Versi Android
Sejak awal sistem operasi android dirilis hingga saat ini
telah mengalami perkembangan yang cepat, hal ini ditandai
dengan banyaknya versi yang dirilis. Berikut adalah berbagai
macam versi android:
1. Android versi 1.0 dirilis 23 September 2008.
2. Android versi 1.1 dirilis 9 Maret 2009.
3. Android versi 1.5 (Cupcake)
4. Android versi 1.6 (Donut)
5. Android versi 2.0 / 2.1 (Eclair)
6. Android versi 2.2 (Frozen Yogurth / Froyo)
7. Android versi 2.3 (Gingerbread)
8. Android versi 3.0 (Honeycomb)
9. Android versi 4.0 (Ice Cream Sandwich)
10. Android versi 4.4 (KitKat)
11. Android versi 5.0 (Lollipop)
12. Android versi 6.0 (Marshmellow)
13. Android versi 7.0 (Nougat)
14. Android versi 8.0 (Oreo)
2.2.5 Rapid Application Development (RAD)
Rapid Application Development (RAD) merupakan sebuah
metodologi yang menjanjikan kemampuan organisasi untuk
mengembangkan dan menyebarkan sistem strategis yang penting
dengan lebih cepat sekaligus menjaga kualitas dan mengurangi biaya
pengembangan (George, 2006:190).
24
UIN Syarif Hidayatullah Jakarta
Ada tiga fase dalam RAD yang melibatkan pengguna dan tim
analis dalam penilaian, desain, dan implementasi. RAD melibatkan
pengguna dalam setiap bagian dari upaya pembangunan, dengan
partisipasi yang intens di bagian bisnis dari desain. Tiga fase tersebut
ialah requirement planning, RAD design workshop, dan
implementation (Kendall, 2011:164).
2.2.5.1 Requirement Planning
Pada tahap requirement planning atau persyaratan
perencanaan, pengguna dan analis bertemu untuk
mengidentifikasi tujuan dari aplikasi atau sistem untuk
mengidentifikasi kebutuhan informasi yang timbul dari tujuan-
tujuan tersebut. Fase ini membutuhkan keterlibatan intens dari
kedua kelompok, tidak hanya penandatanganan pada proposal
atau dokumen. Selain itu, mungkin melibatkan pengguna dari
berbagai tingkat organisasi. Pada tahap persyaratan
perencanaan, ketika kebutuhan informasi masih sedang
dibahas, mungkin saja pada waktu bersamaan juga bekerja
dengan Chief Information Officer (CIO) jika itu adalah
organisasi yang besar atau dengan perencana strategis, terutama
jika bekerja dengan aplikasi e-commerce yang dimaksudkan
untuk tujuan organisasi yang lebih strategis. Orientasi pada fase
ini adalah menuju pemecahan masalah bisnis. Meskipun
teknologi informasi dan sistem mendorong beberapa solusi
yang diusulkan, fokus fase ini akan selalu tetap pada mencapai
tujuan bisnis.
2.2.5.2 RAD Design Workshop
RAD design workshop adalah fase desain dan mencari yang
terbaik dan dapat diibaratkan sebagai workshop atau lokakarya.
Ketika membayangkan sebuah lokakarya, sudah pasti terdapat
25
UIN Syarif Hidayatullah Jakarta
partisipasi yang intens, tidak pasif. Biasanya peserta duduk di
meja bundar atau dalam meja yang berbentuk seperti huruf U
dengan kursi dan meja yang terpasang dimana setiap orang
dapat melihat yang lain dan dimana ada ruang untuk bekerja
pada komputer. Jika memiliki sistem pendukung keputusan
kelompok yang tersedia di perusahaan atau melalui universitas,
maka gunakanlah untuk melakukan setidaknya bagian dari
RAD design workshop.
Selama fase RAD design workshop, pengguna menanggapi
prototipe kerja yang sebenarnya dan analis memperbaiki modul
yang dirancang dengan menggunakan beberapa perangkat
lunak berdasarkan tanggapan pengguna. Format lokakarya ini
sangat menarik, dan jika pengguna berpengalaman dan analis
memahami, tidak ada pertanyaan bahwa sebuah proyek ini
dapat mendorong pengembangan ke depan pada tingkat yang
cepat.
2.2.5.3 Implementation Phase
Dalam pembahasan sebelumnya, dapat dilihat bahwa analis
bekerja dengan pengguna secara intens selama lokakarya untuk
merancang bisnis atau aspek non teknis dari sistem. Begitu
aspek ini disepakati dan sistem yang dibangun dan
disempurnakan, sistem baru atau bagian dari sistem diuji dan
kemudian diperkenalkan kepada organisasi. Karena RAD dapat
digunakan untuk membuat aplikasi e-commerce yang baru
tanpa ada penggunaan sistem yang lama, maka seringkali tidak
ada kebutuhan dan tidak ada cara nyata untuk menjalankan
sistem lama dan baru secara paralel sebelum pelaksanaan. Pada
saat ini, desain lokakarya RAD akan dihasilkan ketertarikan,
kepemilikan pengguna, dan penerimaan dari aplikasi baru.
Biasanya, perubahan yang dibawa dengan cara ini jauh lebih
26
UIN Syarif Hidayatullah Jakarta
memilukan daripada ketika sistem disampaikan dengan sedikit
atau tanpa partisipasi pengguna.
Gambar 2.2 Gambar RAD Design Workshop
2.2.6 Unified Modelling Language (UML)
2.2.6.1 Sejarah UML
Unified Modelling Language (UML) merupakan sistem
arsitektur yang bekerja dalam OOAD (Object Oriented
Analysis and Design) dengan satu bahasa yang konsisten untuk
menentukan, visualisasi, mengkonstruksi, dan
mendokumentasikan artifact yang terdapat dalam sebuah
software. UML merupakan bahasa pemodelan yang paling
sukses dari tiga metode OO (Object Oriented) yang telah ada
sebelumnya, yaitu Booch, OMT, OOSE. UML merupakan
kesatuan dari ketiga metode pemodelan tersebut dan ditambah
kemampuan lebih karena mengandung metode tambahan untuk
mengatasi masalah pemodelan yang tidak dapat ditangani
ketiga metode tersebut.
Tujuan UML diantaranya adalah untuk:
Memberikan model yang siap pakai, bahasa pemodelan visual
yang ekspresif untuk mengembangkan dan saling menukar
model dengan mudah dan dimengerti umum.
27
UIN Syarif Hidayatullah Jakarta
Memberikan bahasa pemodelan yang bebas dari berbagai
bahasa pemrograman dan proses rekayasa.
Menyatukan praktik-praktik terbaik (Best Practise) yang
terdapat dalam pemodelan.
UML tidak mencakup:
Bahasa Pemrograman.
UML adalah bahasa pemodelan visual, bukan dimaksudkan
untuk menjadi suatu bahasa pemrograman visual, tetapi UML
memberikan arah untuk bergerak ke arah kode, dalam aplikasi
Visual UML model tertentu dapat melakukan konversi dari
model yang sudah dibuat menjadi skeleton code.
Tool (Software aplikasi) pemodelan.
Membuat standar sebuah bahasa diperlukan oleh tool-tool
dan proses. UML mendefinisikan semantik dan notasi, bukan
sebuah tool. Contoh tool yang menggunakan UML sebagai
bahasanya adalah Rational Ros, Enterprise Architect, Visual
Paradigm.
Proses Rekayasa.
UML digunakan sebagai bahasa dalam proyek denga proses
yang berbeda-beda. UML bebas dari proses dan mendefinisikan
sebuah proses standar bukan tujuan UML atau RFP dari OMG.
2.2.6.2 Use Case Diagram
Use case diagram secara grafis menggambarkan interaksi
antara sistem, sistem ekternal dan pengguna. Dengan kata lain
use case diagram secara grafis mendeskripsikan siapa yang
akan menggunakan sistem dan dalam cara apa pengguna
mengharapkan interaksi dengan sistem tersebut. Use case
secara naratif digunakan untuk menggambarkan langkah-
langkah dari setiap interaksi.
28
UIN Syarif Hidayatullah Jakarta
Diagram use case mendeskripsikan sebuah interaksi antara
satu atau lebih aktor dengan sistem yang akan dibuat. Dengan
pengertian yang cepat, diagram use case digunakan untuk
mengetahui fungsi apa saja yang ada didalam sebuah sistem
dan siapa saja yang berhak menggunakan fungsi-fungsi
tersebut.
Terdapat beberapa simbol dalam menggambarkan diagram
use case, yaitu:
1. Actor
Orang, proses atau system lain yang berinteraksi
dengan system informasi yang akan dibuat diluar
system informasi yang akan dibuat sendiri. Actor
belum tentu merupakan orang, biasanya dinyatakan
menggunakan kata benda di awal frase actor.
2. Use case
Fungsionalitas yang disediakan system sebagai unit-
unit yang saling bertukar pesan antar unit atau actor,
biasanya dinyatakan dengan menggunakan kata
kerja diawal frase use case.
3. Asosiasi
Komunikasi antara actor dan use case yang
berpartisipasi pada use case atau use case memiliki
interaksi dengan actor.
4. Extend
Relasi use case tambahan ke sebuah use case
dimana use case yang ditambahkan dapat berdiri
sendiri walau tanpa use case tambahan itu, mirip
seperti prinsip inheritance pada pemrograman
berorientasi objek, biasanya use case tambahan
29
UIN Syarif Hidayatullah Jakarta
memiliki nama depan yang sama dengan use case
yang ditambahkan, arah panah menunjuk pada use
case yang dituju.
5. Include
Relasi use case tambahan ke sebuah use case
dimana use case yang ditambahkan memerlukan use
case ini untuk menjalankan fungsinya atau sebagai
syarat dijalankan use case ini. Ada dua sudut
pandang yang cukup besar mengenai include di use
case, include berarti use case yang ditambahkan
akan selalu dipanggil saat use case tambahan
dijalankan.
2.2.6.3 Activity Diagram
Diagram aktivitas memperlihatkan aliran aktivitas dalam
sebuah proses. Diagram ini berbeda dengan diagram bagan
keadaan, yang memfokuskan pada keadaan dan transisi
keadaan daripada urutan aktivitas selama operasi. Diagram
aktivitas memperlihatkan transisi antara keadaan dan aliran
kontrol dalam proses (Kendall, 2003:448).
2.2.7 Basisdata
Basisdata adalah pusat sumber data yang caranya dipakai oleh
banyak pemakai untuk berbagai aplikasi. Inti dari basisdata adalah
database management system (DBMS), yang membolehkan
pembuatan, modifikasi dan pembaharuan basisdata, mendapatkan
kembali data, dan membangkitkan laporan. Orang yang memastikan
bahwa basisdata memenuhi tujuannya disebut administrator basisdata
(Kendall, 2003:128).
Tujuan basisdata yang efektif termuat di bawah ini:
30
UIN Syarif Hidayatullah Jakarta
1. Memastikan bahwa data dapat dipakai diantara pemakai untuk
berbagai aplikasi.
2. Memelihara data baik keakuratan maupun kekonsistenannya.
3. Memastikan bahwa semua data yang diperlukan untuk aplikasi
sekarang dan yang akan datang akan disediakan dengan cepat.
4. Membolehkan basisdata untuk berkembang dan kebutuhan
pemakai untuk berkembang.
5. Membolehkan pemakai untuk membangun pandangan
personalnya tentang data tanpa memperhatikan cara data
disimpan secara fisik.
2.2.7.1 Entity Relationship Diagram (ERD)
Entity Relationship Diagram (ERD) digunakan untuk
mewakili persyaratan data konseptual untuk sistem yang
diusulkan yang mengidentifikasi aturan dan hubungan antar
data. ERD menunjukkan berbagai entitas data yang terkait
dengan sistem atau lingkungan bisnis, hubungan antara entitas-
entitas, dan atribut spesifik dari kedua entitas dan hubungan
entitas tersebut. Awalnya diusulkan oleh Chen pada tahun
1976, kemudian notasi yang digunakan dalam pembangunan
sebuah ERD telah diperluas untuk mencakup konstruksi
tambahan, dan dengan demikian berbagai notasi dan simbol
telah ada. Pada penelitian ini, notasi ERD yang digunakan
mengadopsi metode notasi yang paling umum digunakan,
disebut sebagai simbol crowsfoot symbology yang
diperkenalkan oleh Martin dan Finkelstein pada tahun 1981
(George, 2006:145-146).
31
UIN Syarif Hidayatullah Jakarta
Gambar 2.3 Gambar Komponen ERD
Berikut ini merupakan komponen-komponen yang
digunakan dalam membangun sebuah ERD:
a) Entitas
b) Atribut
c) Kunci Atribut
d) Multivalued Attributes
e) Hubungan
f) Cardinality dan Optionality
2.2.8 Alat Perancangan Sistem
2.2.8.1 Microsoft Office Visio
Microsoft Visio (atau sering disebut Visio) adalah
sebuah program aplikasi komputer yang sering digunakan
untuk membuatdiagram, diagram alir (flowchart), brainstorm,
dan skema jaringan yang dirilis oleh Microsoft Corporation.
Aplikasi ini menggunakan grafik vektor untuk membuat
diagram-diagramnya.
Visio aslinya bukanlah buatan Microsoft Corporation,
melainkan buatan Visio Corporation, yang diakusisisi oleh
Microsoft pada tahun 2000. Versi yang telah menggunakan
nama Microsoft Visio adalah Visio 2002, Visio 2003, dan
Visio 2007 yang merupakan versi terbaru. Visio 2007 Standard
32
UIN Syarif Hidayatullah Jakarta
dan Professional menawarkan antarmuka pengguna yang sama,
tapi seri Professional menawarkan lebih banyak pilihan
template untuk pembuatan diagram yang lebih lanjut dan juga
penataan letak (layout). Selain itu, edisi Professional juga
memudahkan pengguna untuk mengoneksikan diagram-
diagram buatan mereka terhadap beberapa sumber data dan
juga menampilkan informasi secara visual dengan
menggunakan grafik.
2.2.8.2 Balsamiq Mockups
Mockup artinya model atau replika mesin atau struktur,
yang digunakan untuk tujuan instruksional atau eksperimental.
Balsamiq mockup adalah program aplikasi yang digunakan
dalam pembuatan tampilan user interface sebuah aplikasi.
Software ini sudah menyediakan tools yang dapat memudahkan
dalam membuat desain prototyping aplikasi yang akan kita
buat. Software ini berfokus pada konten yang ingin digambar
dan fungsionalitas yang dibutuhkan oleh pengguna.
Alih-alih menggambar sketsa (wireframe) atau prototype
rancangan desain website di atas kertas balsamiq mockups
membantu seorang web desainer membuat tampilan web dalam
bentuk gambar di komputer. Tujuannya selain agar membuat
tampilan (desain) website menarik juga dapat menyesuaikan
dengan kebutuhan customer (pelanggan). Dengan alat pembuat
mockup maka seorang web desainer dapat menganalisa tata
letak, desain dan fungsi.
Kelebihan Balsamiq Mockups dibanding software pembuat
mockup lainnya adalah aplikasi ini berbasis cloud, disertai
aplikasi desktop yang memungkinkan kita dengan cepat dan
mudah membuat rancangan website. Dengan konten yang
33
UIN Syarif Hidayatullah Jakarta
terbuat seperti dari gambaran tangan, akan membuat kita fokus
pada pemecahan masalah user interface yang lebih besar,
daripada pada perincian website. Di websitenya sendiri ada dua
pilihan untuk para pengguna, ada versi trial for dekstop dan ada
juga yang bisa kita download untuk versi dekstop. Namun ada
juga yang disediakan dalam versi berbayar. Aplikasi ini bisa
digunakan untuk sistem operasi Windows, Mac OS, dan Linux.
2.2.9 Alat Pengembangan Sistem
2.2.9.1 Android Studio
Android studio merupakan lingkungan pengembangan
Android baru berdasarkan IntelliJ IDEA. Mirip dengan Eclipse
dengan ADT Plugin, android studio menyediakan alat
pengembang terintegrasi untuk pengembangan dan debugging.
Android studio menawarkan:
Berbasis Gradle.
Android-spesifik refactoring dan perbaikan yang cepat.
Alat Lint untuk menangkap kinerja, kegunaan, versi
kompatibilitas dan masalah lainnya.
ProGuard dan app-signature.
Wizard untuk design dan membuat komponen-komponen
umum Sebuah layout editor yang memungkinkan untuk
drag-and-drop komponen UI, pratinjau layout pada
beberapa konfigurasi layar, dan banyak lagi.
Built-in dukungan untuk Google Cloud platform , sehingga
mudah untuk mengintegrasikan Google Cloud Messaging
dan App Engine sebagai komponen server-side.
Android studio memiliki kelebihan diantaranya sebagai berikut:
1. Android studio sebagai code editor cerdas
34
UIN Syarif Hidayatullah Jakarta
Inti dari android studio adalah editor
code cerdas mampu code completion dengan cerdas,
refactoring, dan analisis code. Editor yang baik membantu
pengembang aplikasi android lebih produktif.
2. Tersedia template dan bisa integrasi GitHub
New project wizards membuatnya lebih mudah dari
sebelumnya untuk memulai sebuah projek baru. Memulai
projek menggunakan kode template untuk pola seperti
navigasi laci dan melihat halaman, dan bahkan mengimpor
contoh kode Google dari GitHub.
3. Multi-screen app development
Membangun aplikasi untuk ponsel android, tablet, android
wear, android TV, android auto dan google glass.
Dengan project android view baru dan modul dukungan di
android studio, lebih mudah untuk mengelola project
aplikasi dan sumber daya.
4. Virtual devices for all shapes and sizes
Android studio hadir pra-diskonfigurasi dengan emulator
gambar yang optimal. Diperbarui dan efisien virtual device
manager memberikan profil perangkat yang telah ditetapkan
untuk perangkat android umum.
5. Android builds evolved, with Grad
Membuat beberapa APK untuk aplikasi android dengan
fitur yang berbeda, menggunakan project yang sama,
mengelola aplikasi dependensi dengan maven dan
membangun APK dari android studio atau command line.
2.2.9.2 PhpMyAdmin
PhpMyAdmin adalah sebuah aplikasi/perangkat lunak
bebas (opensource) yang ditulis dalam bahasa pemrograman
35
UIN Syarif Hidayatullah Jakarta
PHP yang digunakan untuk menangani administrasi database
MySQL melalui jaringan lokal maupun internet. PhpMyAdmin
mendukung berbagai operasi MySQL, diantaranya (mengelola
basis data, tabel-tabel, bidang (fields), relasi (relations), indeks,
pengguna (users), perijinan (permissions), dan lain-lain).
Pada dasarnya, mengelola basis data dengan MySQL
harus dilakukan dengan cara mengetikkan baris-baris perintah
yang sesuai (command line) untuk setiap maksud tertentu. Jika
seseorang ingin membuat basis data (database), ketikkan baris
perintah yang sesuai untuk membuat basis data. Jika seseorang
menghapus tabel, ketikkan baris perintah yang sesuai untuk
menghapus tabel. Hal tersebut tentu saja sangat menyulitkan
karena seseorang harus hafal dan mengetikkan perintahnya satu
per satu.
Saat ini banyak sekali perangkat lunak yang dapat
dimanfaatkan untuk mengelola basis data dalam MySQL, salah
satunya adalah PhpMyAdmin. Dengan PhpMyAdmin,
seseorang dapat membuat database, membuat tabel, mengisi
data, dan lain-lain dengan mudah, tanpa harus menghafal baris
perintahnya.
PhpMyAdmin merupakan bagian untuk mengelola basis
data MySQL yang ada di komputer. Untuk membukanya, buka
browser lalu ketikkan alamat http://localhost/phpmyadmin,
maka akan muncul halaman phpMyAdmin. Di situ nantinya
seseorang bisa membuat (create) basis data baru, dan
mengelolanya. (Sumber : Wikipedia Indonesia)
36
UIN Syarif Hidayatullah Jakarta
2.2.10 Metode Pengujian Sistem
2.2.10.1 Blackbox Testing
Konsep kotak hitam digunakan untuk merepresentasikan
system yang cara kerja didalamnya tidak tersedia untuk
diinspeksi. Didalam kotak hitam, objek yang diuji dianggap
“gelap” karena logikanya tidak diketahui, yang diketahui hanya
apa yang masuk dan apa yang keluar dari kotak hitam.
Pada pengujian black box, akan dilakukan beragam
masukan dan memeriksa keluaran yang dihasilkan. Penguji
dapat mempelajari apa yang dilakukan kotak, tapi tidak
mengetahui sama sekali mengenai cara konversi dilakukan.
Teknik pengujian black box juga dapat digunakan untuk
pengujian berbasis skenario, dimana isi dalam sistem mungkin
tidak tersedia untuk diinspeksi tapi masukan dan keluaran yang
didefinisikan dengan use case dan informasi analisis yang lain.
(Sutabri, 2012:35)
36 UIN Syarif Hidayatullah Jakarta
BAB III
METODE PENELITIAN
3.1 Metode Pengumpulan Data
Menurut Sugiyono (2013:224) teknik pengumpulan data merupakan
langkah yang paling strategis dalam penelitian, karena tujuan utama dari
penelitian adalah mendapatkan data.
Pada penelitian ini penulis melakukan tiga kegiatan dalam proses
pengumpulan data, yaitu:
1. Kuesioner
Kuesioner atau angket yang digunakan dalam penelitian ini adalah
jenis kuesioner atau angket langsung yang tertutup karena responden
hanya tinggal memberikan tanda pada salah satu jawaban yang
dianggap benar. Penulis memilih metode kuesioner karena terdapat
beberapa kelebihan yaitu:
Menghemat waktu, maksudnya dengan waktu yang singkat dapat
memperoleh data yang cukup.
Menghemat biaya, karena tidak memerlukan banyak peralatan.
Menghemat tenaga.
Namun penulis juga menyadari adanya kelemahan pada metode ini,
sehingga dapat menjadi acuan dalam memitigasi risiko. Kelemahan
metode angket yaitu:
Ada kemungkinan dalam memberikan jawaban atas pertanyaan
yang disampaikan adalah tidak jujur.
Apabila pertanyaan kurang jelas dapat mengakibatkan jawaban
bermacam-macam.
Langkah-langkah pelaksanaan kuesioner sebagai berikut:
Penulis membuat daftar pertanyaan.
Setelah itu diberikan kepada responden baik secara online maupun
offline.
38
UIN Syarif Hidayatullah Jakarta
Kumpulan jawaban disusun untuk diolah sesuai dengan standar
yang ditetapkan sebelumnya, kemudian disajikan dalam laporan
penelitian.
2. Wawancara
Menurut Esterberg dalam Sugiyono (2013:231) wawancara merupakan
pertemuan dua orang untuk bertukar informasi dan ide melalui tanya
jawab, sehingga dapat dikonstruksikan makna dalam suatu topik
tertentu. Penulis memilih metode wawancara agar mendapatkan
informasi yang sangat jelas melalui narasumber yang berkaitan dengan
topik penelitian. Metode ini dilakukan dengan mengadakan wawancara
kepada Bapak Ahmad Zaidi selaku Kepala Bagian Umum FST dengan
menggunakan tipe wawancara terstruktur, yaitu penulis menyiapkan
instrumen berupa pertanyaan-pertanyaan tertulis.
3. Studi Pustaka:
Pada tahapan pengumpulan data dengan cara studi pustaka, penulis
mencari referensi-referensi yang relevan dengan objek yang akan
diteliti. Pencarian referensi dilakukan di perpustakaan, toko buku,
maupun secara online melalui internet. Referensi yang dijadikan acuan
dapat dilihat pada Daftar Pustaka yang terdiri dari 17 sumber, yaitu 5
e-book, 12 buku, dan beberapa informasi dari website.
3.2 Metode Pengembangan Sistem
3.2.1 Metode RAD
Pada pengembangan aplikasi kotak saran ini penulis menerapkan
metode pengembangan sistem RAD karena metode tersebut dapat
menghemat waktu serta biaya. Selain itu, penulis dapat berinteraksi
secara intensif kepada pengguna aplikasi kotak saran dalam membahas
batasan-batasan pada aplikasi agar tidak ada perubahan serta desain
aplikasi yang dapat diterima.
39
UIN Syarif Hidayatullah Jakarta
a. Requirements Planning Phase
Pada fase ini penulis menemui pengguna aplikasi yang
terdiri dari mahasiswa, kabag FST, dan subbag umum FST
untuk mengidentifikasi objek apa saja yang nantinya terdapat
pada aplikasi kotak saran serta untuk mendapatkan kebutuhan
informasi dari semua objek yang diperlukan. Pertemuan ini
bertujuan agar mendapat sebuah solusi dari masalah-masalah
yang ada.
b. RAD Design Workshop
Seperti halnya pada sebuah workshop, dimana partisipan
berperan aktif dalam sebuah materi yang dibawakan oleh
pembicara. Pada fase ini pengguna aplikasi juga ikut berperan
dalam mengembangkan aplikasi kotak saran, komunikasi yang
intens dibutuhkan agar ketika penulis membuat aplikasi akan
sesuai dengan kebutuhan.
c. Implementation Phase
Fase implementasi merupakan fase terakhir pada metode
pengembangan sistem RAD, pada fase inilah penulis
menerapkan semua informasi serta kebutuhan yang telah
didapat pada fase sebelumnya. Sebuah sistem yang baru
diperkenalkan kepada subbag umum FST yang kemudian
dilakukan pengujian terhadap aplikasi kotak saran. Setelah itu
aplikasi siap untuk digunakan oleh semua user dan tidak lagi
menggunakan sistem lama yang sebelumnya digunakan oleh
subbag umum FST.
3.2.2 Metode Naïve Bayes Classifier (NBC)
Dalam proses klasifikasi saran yang diberikan oleh mahasiswa,
diperlukan sebuah metode yang dapat memudahkan dalam
menentukan kategori saran tersebut. Penulis memilih metode NBC
karena memiliki tingkat akurasi sebesar 98% dan menghasilkan
40
UIN Syarif Hidayatullah Jakarta
akurasi yang paling stabil dibandingkan dengan metode K-Nearest
Neighbor dan metode gabungan K-Means dan LVQ (Dedy, Dian,
Indriati, 2014).
3.3 Metode Pengujian
Pada tahap pengujian ini penulis menggunakan metode pengujian black
box karena metode ini digunakan untuk menemukan kesalahan dan
mendemonstrasikan fungsional aplikasi saat dioperasikan, apakah input
diterima dengan benar dan output yang dihasilkan telah sesuai dengan yang
diharapkan.
Pengujian secara black box yang dilakukan dalam sistem ini diantaranya
adalah fungsi-fungsi yang tidak benar, baik input maupun output, kesalahan
interface serta kesalahan dalam struktur data atau akses database. Penulis
memulai pengujian dari tahap use case login, yang apabila berfungsi menu
tersebut akan menampilkan form untuk mengisi username dan password.
Kemudian dilanjutkan denga use case registrasi user, ubah data user, dan
hapus data user, jika berfungsi maka pada menu registrasi akan menampilkan
form untuk mengisi data user baru dan pada menu ubah data akan
menampilkan data user yang akan dilakukan perubahan serta menu hapus data
akan menampilkan konfirmasi apakah benar ingin dihapus atau tidak.
Setelah itu pengujian berlanjut pada use case posting saran, ubah saran,
dan lihat status saran, jika berfungsi maka pada menu posting saran akan
menampilkan form yang digunakan oleh mahasiswa untuk mengisi saran dan
pada menu ubah saran akan menampilkan saran yang akan diubah serta pada
menu status saran akan menampilkan semua saran yang diberikan oleh
mahasiswa.
Selanjutnya pengujian dilakukan pada use case menolak saran dan
menyetujui saran, apabila berfungsi dengan baik maka ketika user Kabag
melakukan penolakan atau menyetujui terhadap saran yang diberikan
mahasiswa maka status saran tersebut akan berubah sesuai dengan tindakan
yang dilakukan oleh Kabag.
41
UIN Syarif Hidayatullah Jakarta
42
UIN Syarif Hidayatullah Jakarta
3.4 Kerangka Penelitian
Gambar 3.1 Kerangka Penelitian
41 UIN Syarif Hidayatullah Jakarta
BAB IV
IMPLEMENTASI PENELITIAN DAN PENGEMBANGAN
SISTEM
Bab ini akan membahas secara detail dan terperinci mengenai aplikasi
sistem yang akan diimplementasikan dengan menerapkan metode pengembangan
sistem yang telah diuraikan pada bab sebelumnya. Metode pengembangan sistem
yang digunakan dalam pengembangan aplikasi ini adalah metode pemodelan
berorientasi objek dengan alur pendekatan Rapid Application Development
(RAD).
4.1 Pengumpulan Data
4.1.1 Kuesioner
Kuesioner diberikan kepada 50 mahasiswa Fakultas Sains dan Teknologi
UIN Jakarta. Kuesioner ini terdiri dari 16 pertanyaan tentang pelayanan dan
fasilitas fakultas yang diberikan kepada mahasiswa, kemudian tentang kotak
saran serta penggunaan smartphone bagi mahasiswa. Pertanyaan yang
diberikan berupa pilihan ganda, jawaban singkat, kotak centang dan skala
nilai.
Gambar 4.1 Pengetahuan Adanya Kotak Saran
44
UIN Syarif Hidayatullah Jakarta
Sebanyak 12% mahasiswa ternyata tidak mengetahui adanya kotak saran
yang tersedia di Fakultas Sains dan Teknologi. Kemudian dari 88%
mahasiswa yang tahu, hanya 8% saja yang pernah mengisi.
Gambar 4.2 Persentase Pengguna Android
Sebanyak 98% mahasiswa menggunakan smartphone android, hal ini yang
menjadi landasan mengapa aplikasi kotak saran berbasis android.
4.1.2 Wawancara
Data yang terkait dengan objek penelitian didapatkan melalui metode
wawancara dengan Kepala Bagian Umum Fakultas Sains dan Teknologi
yaitu Bapak Ahmad Zaidi. Detail dari percakapan dapat dilihat pada
lampiran.
4.1.3 Studi Pustaka
Studi pustaka merupakan bagian dari data sekunder pada penelitian ini
yang berperan penting dalam hal dokumentasi penulisan. Pada tahapan
pengumpulan data dengan cara studi pustaka, penulis mencari referensi-
referensi yang relevan dengan pembahasan dalam penelitian ini. Pencarian
referensi dilakukan di perpustakaan, secara online melalui internet maupun
di toko buku. Referensi yang dijadikan acuan dapat dilihat pada daftar
pustaka yang terdiri dari 17 sumber, yaitu 5 e-book dan 12 buku.
45
UIN Syarif Hidayatullah Jakarta
4.2 Metode Pengembangan Sistem RAD
4.2.1 Requirements Planning
Pada tahap awal pengembangan sistem, penulis membagi kedalam tiga
bagian, yaitu:
a. Identifikasi Masalah
Beberapa masalah yang ditemukan diantaranya adalah:
Mahasiswa sebenarnya punya saran yang ingin disampaikan,
namun merasa malas karena biasanya tidak tersedia kertas pada
kotak saran.
Pihak subbag umum jarang memperhatikan kotak saran sehingga
kecil kemungkinan saran dari mahasiswa mendapatkan feedback.
Kabag umum FST juga tidak mudah melihat pelayanan apa yang
harus segera ditingkatkan, karena pendataan saran yang belum
tersimpan secara rapih.
b. Analisa Sistem Berjalan
Gambar 4.3 Alur Sistem Berjalan
Pada alur sistem berjalan ini, mahasiswa tidak dapat mengetahui
apakah saran yang diberikan diterima atau tidak. Kemudian dari alur
46
UIN Syarif Hidayatullah Jakarta
tersebut juga dapat memakan waktu cukup lama, karena data yang
dikumpulkan dan dianalisa masih secara manual yaitu pengumpulan
berkas dari kotak saran dilakukan dengan periode waktu tertentu.
Setelah itu barulah dilakukan proses klasifikasi kategori saran dan
disunting apabila terdapat kata-kata yang tidak pantas untuk
disampaikan.
c. Usulan Sistem
Gambar 4.4 Alur Sistem Usulan
Pada usulan sistem ini dapat dilihat bahwa mahasiswa akan
mendapatkan feedback mengenai saran yang diberikan yaitu
mahasiswa akan mengetahui apakah sarannya diterima atau ditolak.
Proses klasifikasi akan menghemat waktu karena akan langsung
dilakukan oleh sistem ketika mahasiswa memberikan saran. Tidak ada
lagi periode waktu tertentu untuk mengumpulkan saran dari kotak
saran, dan Kabag FST dapat segera mengambil keputusan untuk
menindaklanjuti saran yang telah diterima dengan bantuan grafik
persentase kategori saran.
4.2.2 Workshop Design
Tahap ini merupakan tahap kedua dalam pengembangan sistem yang dapat
dijabarkan sebagai berikut:
a. Desain Algoritme
47
UIN Syarif Hidayatullah Jakarta
Desain algoritme akan dibagi menjadi dua bagian, yaitu:
1. Text Mining
Gambar 4.5 Flowchart Text Mining
48
UIN Syarif Hidayatullah Jakarta
Gambar 4.6 Pseudocode Text Mining
a. Text Preprocessing
Tahapan awal dari klasifikasi teks ialah Text Preprocessing
yang bertujuan untuk mempersiapkan teks menjadi data yang
akan mengalami pengolahan pada tahapan berikutnya. Terdapat
dua tindakan yang dapat dilakukan yaitu:
1. Case Folding
Tindakan yang dilakukan adalah mengubah semua huruf
pada teks menjadi huruf kecil. Karakter selain huruf „a‟
sampai dengan „z‟ dihilangkan dan dianggap delimiter.
Berikut contoh dari tahap case folding:
49
UIN Syarif Hidayatullah Jakarta
Gambar 4.7 Case Folding
2. Tokenizing
Kumpulan teks diproses menjadi satuan kata-kata, sehingga
tiap kata tidak lagi menjadi sebuah kalimat. Berikut contoh
dari tahap tokenizing:
Gambar 4.8 Tokenizing
b. Text Transformation
Proses transformasi ini dilakukan dengan dua tindakan yaitu:
1. Filtering
Tahap ini untuk mengurangi jumlah kata-kata yang ada
dengan penghilangan stopword. Berikut contoh dari tahap
filtering:
50
UIN Syarif Hidayatullah Jakarta
Gambar 4.9 Filtering
2. Stemming
Stemming adalah mengubah kata-kata dalam bentuk
dasarnya. Berikut contoh dari tahap stemming:
Gambar 4.10 Stemming
c. Pattern Discovery
Tahap penemuan pola atau pattern discovery adalah tahap
terpenting dari seluruh proses text mining. Tahap ini berusaha
menemukan pola atau pengetahuan dari keseluruhan teks.
Seperti yang disebutkan dalam bab sebelumnya bahwa dalam
text mining terdapat dua teknik pembelajaran pada tahap
pattern discovery ini, yaitu unsupervised dan supervised
learning. Dalam penelitian ini digunakan teknik supervised
learning, dimana dokumen training telah ditentukan
51
UIN Syarif Hidayatullah Jakarta
kategorinya dan dokumen testing akan diklasifikasikan
berdasarkan dokumen training.
2. Naïve Bayes Classifier
Gambar 4.11 Flowchart Naïve Bayes Classifier
Terdapat dua tahap dalam melakukan proses klasifikasi
teks, yaitu tahap pelatihan dan tahap klasifikasi. Pada tahap
pelatihan dilakukan proses analisis terhadap sampel dokumen
berupa pemilihan vocabulary, yaitu kata yang mungkin muncul
dalam koleksi dokumen sampel yang sedapat mungkin dapat
menjadi representasi dokumen.
Nilai P(vj) ditentukan pada saat pelatihan, yang nilainya
didekati dengan:
52
UIN Syarif Hidayatullah Jakarta
dimana |docj| adalah banyaknya dokumen yang memiliki kategori j
dalam pelatihan, sedangkan |Contoh| banyaknya dokumen dalam
contoh yang digunakan untuk pelatihan. Pada penelitian ini penulis
memberikan 10 dokumen untuk setiap kategori, sehingga jumlah
dokumen dari seluruh kategori sebanyak 30 dokumen. Hasil dari
perhitungan P(vj) ini dapat dilihat pada Tabel 4.1.
Tabel 4.1 Nilai P(vj) Setiap Kategori
Kategori Nilai P(vj)
Administratif
Keamanan
Kebersihan
Kemudian setelah mendapatkan nilai P(Vj), proses
selanjutnya adalah term frequency atau menghitung jumlah
frekuensi setiap kata pada kategori yang terdapat pada data latih.
Hasil kumpulan kata-kata stemming yang terdiri dari “sampah”,
“serak”, “ruang”, “kelas”, “501”, “mohon” dan “bersih”, masing-
masing kata dihitung seberapa banyak kata tersebut muncul pada
setiap kategori dokumen. Hasil perhitungan tersebut dapat dilihat
pada Tabel 4.2.
Tabel 4.2 Tabel Term Frequency
Kata Kategori Frekuensi
sampah Kebersihan 8
serak Kebersihan 3
53
UIN Syarif Hidayatullah Jakarta
ruang Kebersihan 1
kelas Kebersihan 1
501 Kebersihan 1
mohon Kebersihan 1
bersih Kebersihan 2
mohon Keamanan 3
kelas Keamanan 1
ruang Administratif 2
mohon Administratif 1
Selanjutnya adalah penentuan probabilitas bobot kata bagi
setiap kategori berdasarkan sampel dokumen dengan menghitung
nilai P(Wk|Vj). Pada tahap klasifikasi ditentukan nilai kategori dari
suatu dokumen berdasarkan term yang muncul dalam dokumen
yang diklasifikasi. Untuk nilai P(Wk|Vj), yaitu probabilitas kata
(Wk) dalam kategori (Vj) ditentukan dengan:
dimana nk adalah frekuensi munculnya kata wk dalam dokumen
yang berkategori vj, sedangkan nilai n adalah banyaknya seluruh
kata dalam dokumen berkategori vj, dan |vocabulary| adalah
banyaknya kata dalam contoh pelatihan.
Tabel 4.3 Tabel Nilai n dan vocabulary
Kategori Jumlah Kata (n)
Kebersihan 114
Keamanan 118
Administratif 93
Total 325 (vocabulary)
54
UIN Syarif Hidayatullah Jakarta
Tabel 4.4 Nilai P(Wk | Vj) Setiap Kategori
Kata Kategori Nilai P(Wk | Vj)
sampah
Kebersihan
0.020501138952164
serak
0.0091116173120729
ruang
0.0045558086560364
kelas
0.0045558086560364
501
0.0045558086560364
mohon
0.0045558086560364
bersih
0.0068337129840547
sampah
Keamanan
0.0022573363431151
serak
0.0022573363431151
ruang
0.0022573363431151
kelas
0.0045146726862302
501
0.0022573363431151
mohon
0.0090293453724605
bersih
0.0022573363431151
sampah
Administratif
0.0023923444976077
serak
0.0023923444976077
ruang
0.007177033492823
kelas
0.0023923444976077
501
0.0023923444976077
mohon
0.0047846889952153
bersih
0.0023923444976077
55
UIN Syarif Hidayatullah Jakarta
Selanjutnya klasifikasi dokumen adalah mencari nilai
maksimum dari:
VMAP merupakan nilai probabilitas hasil perhitungan Naïve Bayes
Classifier. Nilai VMAP didapatkan dari hasil perkalian nilai P(Vj)
pada masing-masing kategori dan nilai P(Wk|Vj) pada masing-
masing kata disetiap kategori. Nilai yang paling besar yang
kemudian menjadi hasil akhir dalam menentukan sebuah saran
masuk dalam kategori tersebut. Nilai VMAP pada setiap kategori ini
dapat dilihat pada Tabel 4.5.
Tabel 4.5 Nilai VMAP Setiap Kategori
Kategori Nilai P(Wk | Vj) Nilai
P(Vj) Nilai VMAP
sampah serak ruang kelas 501 mohon bersih
Kebersihan
0.33 1.8 x 10
-16
Keamanan
0.33 7.8 x 10
-19
Administratif
0.33 8.8 x 10
-19
Dari nilai VMAP tersebut kemudian diambil nilai terbesar
yang menjadi acuan kategori dari saran yang diberikan. Pada saran
tersebut, didapat bahwa nilai VMAP untuk kategori Kebersihan
memiliki nilai tertinggi dibandingkan dengan kategori lainnya.
Sehingga saran tersebut diklasifikasikan sebagai kategori
Kebersihan.
56
UIN Syarif Hidayatullah Jakarta
b. Desain UML
1. Use Case Diagram
Gambar 4.12 Use Case Diagram
Berikut ini akan dijelaskan lebih detail mengenai use case yang
terdapat pada gambar 4.10:
Tabel 4.6 Detail Use Case Login
Nama Use Case Login
Aktor Admin
Deskripsi Use Case ini mendeskripsikan event dari login
pada sistem
Prakondisi Buka aplikasi kotak saran
Basic Flow Kegiatan Pelaku
Langkah 1: Admin
membuka aplikasi
kotak saran
Respon Sistem
Langkah 2: Sistem
menampilkan form
login
57
UIN Syarif Hidayatullah Jakarta
Langkah 3: Admin
memasukkan user id
dan password
Langkah 4:
Melakukan validasi
terhadap masukan dari
admin
Bidang Alternatif Alt-langkah 1: Jika sistem mengalami masalah
maka admin tidak dapat membuka aplikasi
Postkondisi -
Aturan Bisnis Admin harus memiliki user id dan password
Tabel 4.7 Detail Use Case Registrasi User
Nama Use Case Registrasi User
Aktor Admin
Deskripsi Use Case ini mendeskripsikan event dari
registrasi user pada sistem
Prakondisi Melakukan login pada sistem
Basic Flow Kegiatan Pelaku
Langkah 1: Admin
memilih menu
registrasi user
Langkah 3: Admin
mengisi form registrasi
user
Respon Sistem
Langkah 2: Sistem
menampilkan form
registrasi user
Langkah 4: Sistem
memvalidasi form yang
telah diisi admin
Langkah 5: Sistem
menginput data user
Bidang Alternatif Alt-langkah 1: Jika dalam mengirimkan data ke
server koneksi internet terputus, maka data tidak
akan masuk kedalam database server
58
UIN Syarif Hidayatullah Jakarta
Postkondisi -
Aturan Bisnis -
Tabel 4.8 Detail Use Case Edit Data User
Nama Use Case Edit data user
Aktor Admin
Deskripsi Use Case ini mendeskripsikan event dari edit data
user pada system
Prakondisi Melakukan login pada system
Basic Flow Kegiatan Pelaku
Langkah 1: Admin
memilih menu edit data
user
Langkah 3: Admin
mengubah data pada
form edit data user
Respon Sistem
Langkah 2: Sistem
menampilkan form edit
data user
Langkah 4: Sistem
memvalidasi form yang
telah diubah admin
Langkah 5: Sistem
menginput data user
Bidang Alternatif Alt-langkah 1: Jika dalam mengubah data ke
server koneksi internet terputus, maka data tidak
akan masuk kedalam database server
Postkondisi -
Aturan Bisnis -
Tabel 4.9 Detail Use Case Hapus Data User
Nama Use Case Hapus data user
Aktor Admin
Deskripsi Use Case ini mendeskripsikan event dari hapus
data user pada sistem
59
UIN Syarif Hidayatullah Jakarta
Prakondisi Melakukan login pada sistem
Basic Flow Kegiatan Pelaku
Langkah 1: Admin
memilih menu hapus
data user
Langkah 3: Admin
menghapus data user
yang telah dipilih
Langkah 5: Admin
melakukan konfirmasi
penghapusan
Respon Sistem
Langkah 2: Sistem
menampilkan data user
Langkah 4: Sistem
menampilkan
konfirmasi hapus data
user
Langkah 6: Sistem
menghapus data user
Bidang Alternatif Alt-langkah 1: Jika dalam menghapus data ke
server koneksi internet terputus, maka data tidak
akan terhapus database server
Postkondisi -
Aturan Bisnis -
Tabel 4.10 Detail Use Case Edit Status Saran
Nama Use Case Edit status saran
Aktor Admin
Deskripsi Use Case ini mendeskripsikan event dari edit
status saran pada sistem
Prakondisi Melakukan login pada sistem
Basic Flow Kegiatan Pelaku
Langkah 1: Admin
memilih menu edit
status saran
Langkah 3: Admin
mengubah status saran
Respon Sistem
Langkah 2: Sistem
menampilkan form edit
status saran
Langkah 4: Sistem
memvalidasi form yang
60
UIN Syarif Hidayatullah Jakarta
pada form edit status
saran
telah diubah admin
Langkah 5: Sistem
menginput status saran
Bidang Alternatif Alt-langkah 1: Jika dalam mengirimkan data ke
server koneksi internet terputus, maka data tidak
akan masuk kedalam database server
Postkondisi -
Aturan Bisnis -
Tabel 4.11 Detail Use Case Hapus Saran
Nama Use Case Hapus saran
Aktor Admin
Deskripsi Use Case ini mendeskripsikan event dari hapus
saran pada sistem
Prakondisi Melakukan login pada sistem
Basic Flow Kegiatan Pelaku
Langkah 1: Admin
memilih menu hapus
saran
Langkah 3: Admin
menghapus saran yang
telah dipilih
Langkah 5: Admin
melakukan konfirmasi
penghapusan
Respon Sistem
Langkah 2: Sistem
menampilkan data
saran
Langkah 4: Sistem
menampilkan
konfirmasi hapus saran
Langkah 6: Sistem
menghapus saran
Bidang Alternatif Alt-langkah 1: Jika dalam menghapus data ke
server koneksi internet terputus, maka data tidak
akan terhapus pada database server
61
UIN Syarif Hidayatullah Jakarta
Postkondisi -
Aturan Bisnis -
Tabel 4.12 Detail Use Case Edit Biodata
Nama Use Case Edit biodata
Aktor Admin, Kabag, Mahasiswa
Deskripsi Use Case ini mendeskripsikan event dari edit
biodata pada sistem
Prakondisi Melakukan login pada sistem
Basic Flow Kegiatan Pelaku
Langkah 1: User
memilih menu edit
biodata
Langkah 3: User
mengubah biodata
Respon Sistem
Langkah 2: Sistem
menampilkan form edit
biodata
Langkah 4: Sistem
menginput biodata
Bidang Alternatif Alt-langkah 1: Jika dalam menghapus data ke
server koneksi internet terputus, maka data tidak
akan terhapus pada database server
Postkondisi -
Aturan Bisnis -
Tabel 4.13 Detail Use Case Logout
Nama Use Case Logout
Aktor Admin, Kabag, Mahasiswa
Deskripsi Use Case ini mendeskripsikan event dari logout
pada sistem
Prakondisi Melakukan login pada sistem
Basic Flow Kegiatan Pelaku
Langkah 1: User
Respon Sistem
Langkah 2: Sistem
62
UIN Syarif Hidayatullah Jakarta
memilih tombol logout menampilkan form
login
Bidang Alternatif Alt-langkah 1: Jika dalam menghapus data ke
server koneksi internet terputus, maka data tidak
akan terhapus pada database server
Postkondisi -
Aturan Bisnis -
Tabel 4.14 Detail Use Case Posting Saran
Nama Use Case Posting Saran
Aktor Mahasiswa
Deskripsi Use Case ini mendeskripsikan event dari edit
biodata pada sistem
Prakondisi Melakukan login pada sistem
Basic Flow Kegiatan Pelaku
Langkah 1:
Mahasiswa memilih
menu posting saran
Langkah 3:
Mahasiswa mengirim
saran
Respon Sistem
Langkah 2: Sistem
menampilkan form
posting saran
Langkah 4: Sistem
menginput saran
Bidang Alternatif Alt-langkah 1: Jika dalam menyimpan data ke
server koneksi internet terputus, maka data tidak
akan tersimpan pada database server
Postkondisi -
Aturan Bisnis -
2. Activity Diagram
63
UIN Syarif Hidayatullah Jakarta
Tabel 4.15 Aktifitas Tambah Data
Pertama admin akan mengisi form untuk menambahkan data
pengguna, kemudian sistem akan melakukan validasi apakah
semua form sudah diisi atau belum. Kemudian jika data lengkap
akan disimpan dalam database sehingga admin dapat melihat akun
yang sudah terdaftar.
Tabel 4.16 Aktifitas Ubah Data
Admin akan mengisi form untuk mengubah data pengguna,
kemudian sistem akan melakukan validasi apakah semua form
sudah diisi atau belum. Kemudian jika data lengkap akan disimpan
64
UIN Syarif Hidayatullah Jakarta
dalam database sehingga admin dapat melihat akun yang sudah
dilakukan perubahan data.
Tabel 4.17 Aktifitas Hapus Data
Pertama admin akan memilih menu hapus data pengguna,
kemudian sistem akan melakukan konfirmasi apakah data benar-
benar ingin dihapus. Jika tidak maka akan kembali ke menu
sebelumnya, namun jika benar ingin dilakukan penghapusan data
maka data akan dihapus dari database. Admin sudah tidak dapat
melihat data pengguna yang telah dihapus pada menu lihat data
pengguna.
65
UIN Syarif Hidayatullah Jakarta
Tabel 4.18 Aktifitas Tolak Saran
Kabag FST akan memilih menu tolak saran ketika tidak
menyetujui saran yang telah diberikan oleh mahasiswa. Kemudian
sistem akan melakukan konfirmasi apakah benar saran akan
ditolak. Jika tidak akan kembali ke menu sebelumnya, namun jika
iya maka status saran akan berubah menjadi ditolak.
Tabel 4.19 Aktifitas Setujui Saran
Kabag FST akan memilih menu setujui saran ketika akan
menyetujui saran yang telah diberikan oleh mahasiswa. Kemudian
66
UIN Syarif Hidayatullah Jakarta
sistem akan melakukan konfirmasi apakah benar saran akan
disetujui. Jika tidak akan kembali ke menu sebelumnya, namun
jika iya maka status saran akan berubah menjadi disetujui.
Tabel 4.20 Aktifitas Posting Saran
Mahasiswa akan memilih menu posting saran dan memasukkan
saran pada form yang telah disediakan. Kemudian sistem akan
melakukan validasi apakah saran sudah diisi atau belum. Jika
belum diisi, mahasiswa harus mengisi terlebih dahulu. Jika sudah
diisi maka saran yang disampaikan akan disimpan pada database
dan mahasiswa dapat melihat semua saran yang sudah
disampaikan.
c. Desain Database
67
UIN Syarif Hidayatullah Jakarta
Gambar 4.13 Entity Relationship Diagram
Pada gambar diatas terdapat dua entitas yang digunakan, yaitu:
1. User
Entitas user digunakan untuk menyimpan data pengguna, data ini
berguna ketika pengguna akan melakukan login pada aplikasi.
Selain itu data ini juga diperlukan ketika pengguna melakukan
aktifitas di dalam aplikasi kotak saran.
2. Kotak Saran
Entitas kotak saran digunakan untuk menyimpan saran yang
diberikan dari mahasiswa, dari entitas ini dapat diketahui kategori
dari sebuah saran apakah termasuk dalam kategori administratif,
keamanan, atau kebersihan.
Dari rancangan pada diagram tersebut maka dapat dibuat struktur tabel
pada database sebagai berikut:
Tabel 4.21 Struktur Tabel User
68
UIN Syarif Hidayatullah Jakarta
Pada tabel user terdapat lima atribut yaitu:
3. Id_user
Atribut ini digunakan sebagai primary key dan diatur secara
otomatis tanpa perlu masukan dari pengguna aplikasi.
4. Nim_user
Ketika pengguna aplikasi melakukan registrai akun, maka perlu
menggunakan nim_user sebagai username ketika melakukan login
pada aplikasi.
5. Nama
Atribut ini dibutuhkan agar saran yang disampaikan dapat
diketahui siapa pengirimnya.
6. Password
Password berfungsi sebagai proses otentikasi ketika pengguna
aplikasi melakukan login.
7. Status
Atribut status diperlukan untuk memberikan hak otorisasi pada
setiap pengguna aplikasi.
Tabel 4.22 Struktur Tabel Kotak Saran
69
UIN Syarif Hidayatullah Jakarta
Pada tabel kotak saran terdapat enam atribut yaitu:
1. Id_saran
Atribut ini digunakan sebagai primary key dan diatur secara
otomatis tanpa perlu masukan dari pengguna aplikasi.
2. Nim
Sangat penting untuk mengetahui identitas pengirim saran, maka
dari itu atribut nim berfungsi untuk mengetahui siapa pengirim
saran yang telah diberikan.
3. Tgl_kirim
Ketika terdapat saran yang masuk, penting untuk diketahui kapan
saran itu diberikan. Atribut ini menyimpan data tanggal semua
saran yang diberikan.
4. Kategori
Atribut ini digunakan untuk menyimpan hasil kategori klasifikasi
saran yang telah diproses menggunakan metode naïve bayes
classifier.
5. Isi
Semua saran yang diberikan oleh mahasiswa disimpan pada atribut
ini dan diberikan batas panjang karakter sebanyak 1000 karakter
untuk menampung saran yang cukup panjang.
6. Status_saran
Atribut ini digunakan untuk mengetahui apakah saran yang
diberikan sudah ditindak lanjuti atau belum.
d. Desain Antarmuka
70
UIN Syarif Hidayatullah Jakarta
Gambar 4.14 Form Login
Pada tampilan login terdapat dua form yang harus diisi oleh user, yaitu
user id dan password. Kemudian terdapat tombol login yang
digunakan untuk mulai menjalankan aktifitas pada aplikasi. Selain itu
terdapat pula link pendaftaran bagi yang belum mempunyai akun, user
bisa langsung membuat akun tanpa harus menemui admin.
Gambar 4.15 Menu Admin
Terdapat empat menu yang disediakan untuk user admin, yaitu:
1. Daftar Akun
Menu ini digunakan untuk mendaftarkan akun baru, setiap user
bisa meminta untuk dibuatkan akun melalui admin.
2. Data Akun
71
UIN Syarif Hidayatullah Jakarta
Menu data akun berisi semua data akun yang sudah terdaftar,
admin juga dapat mengubah data akun apabila diperlukan. Selain
itu admin juga dapat menghapus data akun apabila terjadi
kesalahan ataupun hal lainnya.
3. Biodata
Menu ini berisi informasi biodata dari admin, yang sudah
dimasukkan terlebih dahulu.
4. Kotak Saran
Pada menu ini admin dapat melihat semua data saran yang sudah
dimasukkan oleh mahasiswa, selain itu admin dapat mengubah isi
dari saran tersebut apabila terdapat bahasa yang kurang sesuai.
Gambar 4.16 Form Daftar Akun
Pada menu daftar akun ini, admin bisa memasukkan data berupa user
id, nama, dan password. Untuk akun mahasiswa, user id yang
digunakan harus Nomor Induk Mahasiswa (NIM). Sementara untuk
Kabag dan admin bisa menggunakan Nomor Induk Pegawai (NIP).
72
UIN Syarif Hidayatullah Jakarta
Gambar 4.17 Menu Kotak Saran
Pada menu kotak saran, admin bisa melihat seluruh data saran yang
sudah dimasukkan oleh mahasiswa, selain itu admin dapat melakukan
perubahan pada data saran apabila terdapat bahasa yang kurang sesuai.
Gambar 4.18 Menu Kabag FST
Menu utama pada akun Kabag menampilkan data saran yang sudah
diberikan oleh mahasiswa, Kabag bisa langsung menentukan apakah
saran yang diberikan akan disetujui untuk diimplementasikan atau
tidak. Selain itu terdapat pula menu untuk melihat data akun dan
biodata dari akun Kabag itu sendiri.
73
UIN Syarif Hidayatullah Jakarta
Gambar 4.19 Menu Data Akun
Menu data akun ini menampilkan data seluruh akun yang telah
didaftarkan sebelumnya, baik akun mahasiswa maupun akun admin.
Gambar 4.20 Menu Mahasiswa
Pada menu utama akun mahasiswa, terdapat menu untuk memberikan
saran dan melihat biodata akun. Selain itu terdapat daftar saran yang
sudah diberikan oleh mahasiswa, data yang ditampilkan meliputi nama
akun yang memberikan saran, kategori saran, isi saran, serta status
saran apakah sudah terlaksana, belum terlaksana, atau ditolak.
74
UIN Syarif Hidayatullah Jakarta
Gambar 4.21 Form Posting Saran
Pada menu ini mahasiswa bisa memberikan saran dalam bentuk teks,
saran yang diberikan harus menggunakan bahasa Indonesia yang baik
dan benar. Setelah mengisi saran, mahasiswa dapat langsung menekan
tombol kirim dan otomatis menampilkan kategori dari saran yang
ditulis tersebut.
e. Coding
Pada fase ini penulis menggunakan aplikasi Android Studio 3.0.1
untuk membuat aplikasi kotak saran dan XAMPP v3.2.2 untuk
menjalankan layanan MySQL. Penulis membuat beberapa file java
diantaranya untuk mengimplementasikan metode naïve bayes
classifier, menghubungkan aplikasi dengan database, menentukan
otorisasi pengguna, dan lain sebagainya yang secara lengkap dapat
dilihat pada lampiran.
Berikut merupakan kode yang digunakan untuk melakukan text
mining pada aplikasi kotak saran:
kode diatas digunakan pada tahap case folding yaitu menjadikan
semua huruf pada kalimat menjadi huruf kecil. Kode yang digunakan
75
UIN Syarif Hidayatullah Jakarta
hanya satu baris saja, karena pemrograman java sudah menyediakan
fungsi untuk menjadikan huruf kecil.
kode diatas digunakan pada tahap tokenizing yaitu menjadikan kalimat
ke dalam bentuk token. Kode yang digunakan hanya satu baris saja,
karena pemrograman java sudah menyediakan fungsi untuk mengubah
kalimat menjadi token.
76
UIN Syarif Hidayatullah Jakarta
kode diatas digunakan pada tahap filtering yaitu menghilangkan kata-
kata yang tidak penting atau biasa disebut dengan stop word. Penulis
membuat data array yang berisi stop word sebanyak 757 kata yang
kemudian digunakan untuk mengecek apakah token yang terkirim
merupakan salah satu dari stop word atau bukan. Jika token merupakan
salah satu dari stop word, maka token tersebut akan dihilangkan dan
tidak akan diproses ke tahap berikutnya.
kode diatas digunakan pada tahap stemming yaitu menghilangkan kata
imbuhan atau mengubah sebuah token menjadi kata dasar. Pada tahap
ini setiap token akan diperiksa apakah token tersebut sudah merupakan
kata dasar atau belum. Jika belum maka token akan diubah menjadi
kata dasar yang telah disesuaikan dengan database pada file /root-
words.txt.
Setelah proses text mining tersebut selesai, maka selanjutnya
adalah coding untuk mengimplementasikan metode naïve bayes
classifier sebagai berikut:
77
UIN Syarif Hidayatullah Jakarta
Kode diatas digunakan untuk menghitung banyaknya frekuensi
kata pada setiap kategori yaitu keamanan, kebersihan, dan
administratif.
Kode diatas digunakan untuk menghitung peluang kata yang
muncul pada setiap kategori yaitu keamanan, kebersihan, dan
administratif.
4.2.3 Implementation
Pada tahap terakhir ini penulis melakukan testing aplikasi dengan
menggunakan metode pengujian blackbox. Pengujian blackbox ini dilakukan
untuk memperlihatkan bahwa semua fungsi aplikasi telah berfungsi secara
keseluruhan. Pengujian dilakukan dengan menggunakan sistem operasi
android lollipop 5.0.2.
78
UIN Syarif Hidayatullah Jakarta
Gambar 4.22 Form Login
Form login merupakan tampilan yang akan digunakan ketika pengguna akan
melakukan aktifitas pada aplikasi. Pengguna diharuskan memasukkan
username dan password agar aplikasi dapat melakukan otentikasi pengguna
dan memberikan tampilan sesuai dengan otoritas pengguna.
Gambar 4.23 Registrasi User
79
UIN Syarif Hidayatullah Jakarta
Sebelum pengguna dapat melakukan aktifitas pada aplikasi, pengguna
terlebih dahulu harus mendaftarkan atau membuat akun. Dalam form
registrasi ini mahasiswa memasukkan Nomor Induk Mahasiswa, nama, dan
password. Mahasiswa dapat membuat akun sendiri tanpa harus menemui
admin, sehingga lebih mudah dan lebih cepat apabila ada saran yang ingin
segera disampaikan ke pihak FST.
Gambar 4.24 Gambar Form Edit Akun
Apabila ada perubahan data pengguna, maka admin dapat mengubahnya
melalui menu edit akun. Semua pengguna baik kabag dan mahasiswa bisa
menghubungi admin apabila ada perubahan data yang tidak bisa diubah
melalui menu edit biodata.
80
UIN Syarif Hidayatullah Jakarta
Gambar 4.25 Gambar Form Edit Saran
Melalui menu edit saran ini, admin dapat mengubah kata-kata yang kurang
berkenan pada saran yang telah diposting oleh mahasiswa. Sehingga saran
yang akan ditinjau oleh Kabag Umum FST sudah diverifikasi kalimatnya
dan meminimalisir terjadinya hal yang tidak diinginkan. Menu edit saran
hanya terdapat pada admin, sementara Kabag Umum FST hanya meninjau
untuk menyetujui atau menolak saran yang diberikan oleh mahasiswa.
81
UIN Syarif Hidayatullah Jakarta
Gambar 4.26 Gambar Form Edit Biodata
Setiap pengguna dapat mengubah data pribadinya masing-masing melalui
menu edit biodata yang tersedia pada aplikasi sehingga tidak perlu menemui
admin hanya untuk merubah data. Data yang dapat diubah yaitu nama dan
password. Sementara NIM tidak dapat diubah karena sudah melalui proses
verifikasi pada saat melakukan registrasi pengguna, jika memang terdapat
kesalahan maka mahasiswa harus datang ke admin untuk dilakukan
perubahan dan verifikasi ulang.
82
UIN Syarif Hidayatullah Jakarta
Gambar 4.27 Gambar Form Posting Saran
Menu posting saran ini digunakan oleh mahasiswa ketika ingin
menyampaikan saran yang berkaitan dengan layanan di FST dalam kategori
kebersihan, keamanan, dan administratif.
Gambar 4.28 Gambar Menu Utama Kabag FST
Halaman utama pada pengguna Kabag FST ini menampilkan persentase
kategori saran yang diterima dari mahasiswa sehingga Kabag FST dapat
83
UIN Syarif Hidayatullah Jakarta
mengambil keputusan untuk segera menindaklanjuti saran yang memiliki
persentase terbesar. Selain itu, daftar saran juga dapat terlihat secara urut
mulai dari kiriman terbaru hingga terlama.
Gambar 4.29 Gambar Form Setujui atau Tolak Saran
Menu untuk menyetujui atau menolak saran ini terdapat pada pengguna
Kabag FST, selain itu menu ini tidak akan muncul pada aplikasi.
Gambar 4.30 Gambar Form Status Saran
84
UIN Syarif Hidayatullah Jakarta
Menu ini menampilkan status saran yang telah diposting oleh mahasiswa,
dan terdapat tiga status yang disediakan aplikasi. Status tersebut adalah
pending, ditolak, dan disetujui.
Dari hasil tersebut maka hasil pengujian dapat dilihat pada tabel berikut:
Tabel 4.23 Tabel Pengujian Blackbox
No Nama Use
Case Kegiatan
Hasil yang
Diharapkan Hasil
1 Login Memilih menu
login
Menampilkan
menu login
Sesuai
2 Registrasi User Memilih menu
registrasi user
Menampilkan
form untuk
registrasi user
Sesuai
3 Edit Data User Memilih menu
edit data user
Menampilkan
form untuk
mengubah data
user
Sesuai
4 Hapus Data
User
Memilih menu
hapus data user
Menampilkan
notifikasi bahwa
data berhasil
dihapus
Sesuai
5 Edit Saran Memilih menu
edit saran
Menampilkan
form untuk
mengubah saran
Sesuai
6 Edit Biodata Memilih menu
edit biodata
Menampilkan
form untuk
mengubah biodata
Sesuai
85
UIN Syarif Hidayatullah Jakarta
7 Posting Saran Memilih menu
posting saran
Menampilkan
form untuk
memposting saran
Sesuai
8 Lihat Status
Saran
Memilih menu
lihat saran
Menampilkan data
saran
Sesuai
9 Menolak Saran Memilih menu
tolak saran
Menampilkan
notifikasi bahwa
saran ditolak
Sesuai
10 Menyetujui
Saran
Memilih menu
setujui saran
Menampilkan
notifikasi bahwa
saran disetujui
Sesuai
83 UIN Syarif Hidayatullah Jakarta
BAB V
HASIL DAN PEMBAHASAN
5.1 Hasil Klasifikasi
Sebelum melakukan klasifikasi untuk menentukan kategori saran, langkah
pertama adalah dengan memasukkan terlebih dahulu data untuk pembelajaran.
Masing-masing kategori (Administratif, Keamanan, dan Kebersihan)
diberikan 10 buah dokumen, kemudian pada studi kasus dipergunakan
masing-masing 10 buah dokumen lain yang berbeda.
Berikut merupakan dokumen yang akan digunakan sebagai data
pembelajaran:
Tabel 5.1 Tabel Data Latih
No Kategori
Kebersihan Keamanan Administratif
1 Banyak sampah yang
berserakan di ruang
kelas, mohon
dibersihkan segera
Hp saya hilang di
mushalla lantai dua,
harap ditindak lanjuti
Pegawai di lantai
dua sering tidak ada
di tempat
2 Sebaiknya diberi
pengharum untuk
kamar mandi pria di
lantai enam karena
kotor dan bau
Mohon segera
diperbaiki lift karena
pernah nyangkut dan
bergoyang saat naik
maupun turun
Komputer di lantai
dua kadang tidak
menyala
3 Perbanyak tempat
sampah di setiap
lantai agar mahasiswa
mudah membuang
sampah
Dompet saya hilang di
perpustakaan,
seharusnya tempat
penitipan tas ada
kuncinya seperti loker
Cara pegawai
melayani
mahasiswa sering
tidak ramah
4 Sediakan tempat
sampah di toilet
wanita
Saya kehilangan laptop
di mushalla lantai lima
Proses input nilai
lama
87
UIN Syarif Hidayatullah Jakarta
5 Bersihkan area lobby,
ada sampah bekas
jajan dan puntung
rokok yang dibuang
sembarangan
Tombol lift kadang tidak
berfungsi dengan baik
Alur pembuatan
surat menyurat di
lantai dua tidak
disiapkan oleh
karyawan
6 Kamar mandi wanita
di lantai 5 WCnya
mampet sehingga
tidak bisa digunakan
Pintu kamar mandi
wanita tidak bisa
dikunci sehingga jika
ingin buang air kecil
pintu harus diganjel
dengan ember supaya
tidak terbuka
mohon diperbaiki
alur proses
pelayanan
mahasiswa, kalau
bisa tampilkan
alurnya di dinding
pelayanan agar
mahasiswa tau
7 Saya terpeleset di
kamar mandi karena
lantai yang licin dan
kotor
mohon dipasang cctv di
area yang
memungkinkan
pencurian seperti di
perpustakaan, kelas, dan
mushalla
pegawai tidak
ramah saat
melayani
mahasiswa
8 Mukena di mushola
lantai 5 bau dan kotor
sehingga tidak
nyaman dipakai untuk
sholat
mohon sediakan kardus
bekas atau keset di
lobby pada saat hujan,
karena lantai licin dan
membahayakan
karyawan yang
melayani terkesan
malas, sehingga
menghambat proses
pelayanan
mahasiswa
9 sampah di sekitar
halaman FST
berserakan dimana
mana jika dilihat dari
atas gedung
sediakan tempat tas
yang aman di
perpustakaan
proses pelayanan
input nilai
mahasiswa tidak
secepat yang
diharapkan
10 sampah di tangga
darurat berserakan
tolong sediakan
tempat sampah
tempat penitipan tas di
perpustakaan seharusnya
ada kuncinya supaya
aman
komputer
pelayanan
mahasiswa di lantai
dua sering mati,
sehingga
menghambat proses
input dari
mahasiswa
88
UIN Syarif Hidayatullah Jakarta
Tabel 5.2 Tabel Data Uji
No Kategori
Kebersihan Keamanan Administratif Campuran
1 Banyak
sampah yang
berserakan di
ruang kelas
501, mohon
dibersihkan
Sebaiknya
tersedia CCTV
di area parkiran
Fakultas Sains
dan Teknologi
untuk
menghindari
pencurian helm
maupun
kendaraannya
Sebaiknya bagian
administratif
lebih sigap dan
cekatan dalam
melayani
mahasiswa.
Untuk proses
pembuatan surat
jangan menunggu
hingga berhari
hari untuk
diambil karena
tidak efisien
Sebaiknya
setiap sudut
ruangan
disediakan
tempat
sampah
supaya tidak
ada yang
membuang
sampah
sembarangan
dan diberi
cctv di setiap
fasilitas
umum seperti
perpus,
mushola,
tempat
parikir, demi
keamanan
bersama, dan
bagian
administratif
kampus lebih
bijak lagi
dalam
melayani
mahasiswa
2 Kamar mandi
untuk pria di
lantai enam
kotor dan bau,
sebaiknya
diberi
pengharum
Lift pernah
nyangkut dan
bergoyang saat
naik maupun
turun, mohon
diperbaiki
Hindari praktik
KKN pada
petugas bagian
administratif
karena untuk
minta legalisir
ada uang
administratifnya
Sebaiknya
setiap kamar
mandi ada
penjaga yang
selalu standby
agar selalu
bersih. Dan
mushola
89
UIN Syarif Hidayatullah Jakarta
dan seharusnya
itu gratis atau
tidak dikenakan
biaya
dikasih loker
dan kunci
untuk
menaruh
barang2
berharga
ketika ingin
sholat supaya
aman. Dan
untuk bagian
administratif,
harusnya
selalu standby
ketika
dibutuhkan
3 Setiap kamar
mandi di
Fakultas Sains
dan Teknologi
sebaiknya ada
petugas
kebersihan
yang berjaga
membersihkan
kamar mandi
karena kamar
mandi sering
banyak
genangan air
yang terkadang
membahayakan
mahasiswa
apabila
terpeleset dan
terjatuh
Pada area parkir
sebaiknya ada
petugas yang
mengontrol
keliling karena
sebagian
mahasiswa
memarkirkan
kendaraannya
tidak benar
sehingga
membuat lecet
atau baret pada
kendaraan
orang lain
khususnya
sepeda motor
Cara pegawai
melayani
mahasiswa sering
tidak ramah
Setiap
ruangan diberi
tempat
sampah dan
setiap sudut
diberikan cctv
agar aman dan
bagian admin
lebih ramah
lagi
pelayanannya
4 Sebaiknya
fasilitas yang
ada di kamar
mandi tersedia
seperti adanya
Sebaiknya di
tempat parkir
terdapat
penanggung
jawab
Sebaiknya bagian
akademik perlu
untuk
meningkatkan
keberadaan
Sebaiknya
diberikan
tulisan
peringatan
jangan
90
UIN Syarif Hidayatullah Jakarta
ember, gayung
dan sabun
keamanan,
sehingga jika
ada pencurian
motor, kunci
hilang ataupun
jatuh dan helm
hilang lebih
mudah untuk
menanyakannya
kepada bagian
penanggung
jawab
keamanan
sarana pendukung
elektronik seperti
komputer untuk
mewujudkan
sistem layanan
online agar
prosesnya lebih
cepat
membuang
sampah
sembarangan.
Dan untuk
parkir
harusnya ada
petugas yang
selalu standby
ditempatnya
untuk
mengawasi.
Dan untuk
bagian
administrasi,
sebaiknya
jangan
meninggalkan
tempat kecuali
saat istirahat
5 Sebaiknya
setiap lift yang
ada di Fakultas
Sains dan
Teknologi di
lap supaya
bersih dan
tidak berbau
Sebaiknya di
musholla juga
disedikan
CCTV, selain
karena ramai
juga menjadi
pusat pencurian
benda berharga
seperti laptop
Karyawan di
lantai dua tidak
menyiapkan alur
pembuatan surat
menyurat
Harusnya ada
tempat
sampah di
kamar mandi
biar pada ga
buang
sembarangan
di pojokan
kamar mandi.
Parkiran
harusnya ada
satpam yang
selalu ada
supaya ga ada
yang
kehilangan
helm. Kalo
bagian
administratif
sebaiknya
kalo sedang
pergi dapat
91
UIN Syarif Hidayatullah Jakarta
digantikan
dengan yang
lain supaya
pelayanan
dapat berjalan
6 Sebaiknya
setiap ruangan
disediakan
tempat sampah
baik sampah
organik
maupun non
organik
Sebaiknya
disediakan
loker di
perpustakaan
Fakultas Sains
dan Teknologi
selain lebih rapi
juga lebih aman
Kalau bisa,
pegawai bagian
akademik
ditambah lagi
jumlahnya untuk
memudahkan dan
mempersingkat
waktu mahasiswa
tanpa harus
menunggu lama
Petugas
kebersihan
harus lebih
rajin terutama
bagian kamar
mandi agar
tidak licin dan
bau. Untuk
perpustakaan
dan musholla
sebaiknya
dikasih cctv
supaya aman.
Dan bagian
administratif
lebih ramah
lagi dalam
melayani
mahasiswa
7 Sebaiknya ada
petugas yang
standby
membersihkan
kelas saat
pergantian
kelas dilakukan
sehingga ruang
kelas menjadi
bersih untuk
belajar
Tidak hanya di
tempat parkir,
musholla atau
perpustakaan,
sebaiknya
CCTV juga
disediakan di
lobby dan
dalam kelas
untuk
menghindari
adanya
pencurian saat
malam hari
Jika ada aturan
atau prosedur
baru di Fakultas
Sains dan
Teknologi
sebaiknya
diberitahukan
kepada
mahasiswa
dengan pelayanan
yang ramah dan
ditempel
informasinya
Kamar mandi
dikasih keset
supaya tidak
licin dan
pengharum
ruangan
supaya tidak
bau.
Perpustakaan
fakultas
harusnya
dikasih cctv
supaya ga ada
yang mencuri
8 Untuk kamar
mandi Fakultas
Sebaiknya ada
petugas
Masih adanya
pegawai yang
Tempelkan
alur proses
92
UIN Syarif Hidayatullah Jakarta
Sains dan
Teknologi
pintu kamar
mandi sering
rusak tidak
bisa ditutup
bahkan
berlubang
sebaiknya ada
perbaikan
segera karena
kamar mandi
sering dipakai
oleh
mahasiswa
keamanan yang
selalu
mengontrol
kondisi pada
area kampus
dan menjaga
fasilitas di
Fakultas Sains
dan Teknologi
belum mampu
atau cakap dalam
memberikan
layanan kepada
mahasiswa,
sehingga layanan
kepada
mahasiswa
berlangsung lama
untuk
mengurus
keperluan
akademik agar
mahasiswa
tidak bingung
serta
perbanyak
tempat
sampah di
setiap lantai
9 Untuk lobby di
Fakultas Sains
dan Teknologi,
banyak sampah
berserakan.
Sebaiknya ada
poster yang
mengingatkan
mahasiswa
untuk menjaga
kebersihan
pada
lingkungan
kampus
Di dalam lift
sebaiknya ada
petugas lift
yang memandu
mahasiswa.
Karena lift
sering mati saat
banyak
mahasiswa
yang menaiki
lift tersebut
Dalam
memberikan
layanan
administrasi
akademik kepada
mahasiswa
petugas kurang
disiplin, petugas
sering
meninggalkan
tugas dan
kewajibannya,
terkadang mereka
malah
mengalihkan
tugas mereka ke
yang lain tanpa
memperhitungkan
apakah orang
tersebut sanggup
atau tidak untuk
mengemban tugas
itu
Pengaduan
helm hilang
tidak ada
kelanjutannya,
seharusnya
sediakan
tempat
penitipan
helm fakultas
juga petugas
kebersihan di
tempat parkir
agar tidak
banyak
sampah
berserakan
10 Sebaiknya
diadakan area
Sebaiknya
musholla juga
Saat
menyampaikan
Masa butuh
waktu 2 hari
93
UIN Syarif Hidayatullah Jakarta
bebas rokok di
Fakultas Sains
dan Teknologi
karena banyak
puntung rokok
yang dibuang
sembarangan
selain itu asap
rokok akan
menimbulkan
polusi udara di
area kampus
sehingga udara
menjadi tidak
sehat untuk
dihirup
perlu
disediakan
loker untuk
menaruh benda
yang dibawa
ketika mau
sholat.
Sehingga jika
mau sholat bisa
menaruh
barangnya di
loker tanpa
harus khawatir
kehilangan.
Selain itu, ada
petugas loker
yang
menjaganya
informasi kepada
mahasiswa,
petugas
administrasi
akademik masih
ada sebagian
pegawai yang
kurang
menghargai
mahasiswa
hanya untuk
membuat
surat
pengantar,
seharusnya
gak sampai
sejam selesai.
Tingkatkan
kecepatan
pelayanan dan
kebersihan
khususnya di
area layanan
akademik
Tabel 5.3 Tabel Nilai P(Vj)
Nilai P(Vj) Setiap Kategori
Kategori Nilai P(Vj)
Kebersihan 10/30 = 0,33
Keamanan 10/30 = 0,33
Administratif 10/30 = 0,33
Nilai P(Vj) dihitung dengan cara membagi jumlah dokumen setiap
kategori dengan total jumlah dokumen dari semua kategori. Nilai ini akan
digunakan untuk mendapatkan nilai VMAP pada hasil akhir perhitungan.
Tabel 5.4 Tabel Jumlah Kata
Jumlah Kata
Kebersihan 114
Keamanan 118
Administratif 93
94
UIN Syarif Hidayatullah Jakarta
Total 325
Jumlah kata akan digunakan sebagai nilai pembagi untuk menghitung nilai
P(Wk|Vj). Nilai pembagi tersebut didapat dengan cara menjumlahkan total
jumlah kata dengan jumlah kata pada kategori yang akan dihitung.
Tabel 5.5 Tabel Text Mining
Saran: Banyak sampah yang berserakan di ruang kelas 501,
mohon dibersihkan
Tahap 1: Case
Folding
Tahap 2:
Tokenizing
Tahap 3:
Filtering
Tahap 4:
Stemming
banyak sampah
yang berserakan di
ruang kelas 501,
mohon
dibersihkan
banyak sampah sampah
sampah berserakan serak
yang ruang ruang
berserakan kelas kelas
di 501 501
ruang mohon mohon
kelas dibersihkan bersih
501
mohon
dibersihkan
Pada tabel 5.5 dapat dilihat bahwa terdapat empat tahap dalam melakukan
text mining, dimana tahap pertama yaitu mengubah huruf besar menjadi huruf
kecil, kemudian tahap kedua mengubah kalimat menjadi token, pada tahap
ketiga yang dilakukan adalah menghilangkan stop word, dan tahap keempat
mengubah kata yang berimbuhan menjadi kata dasar.
Tabel 5.6 Tabel Term Frequency
Kata Kategori Frekuensi
sampah Kebersihan 8
serak Kebersihan 3
95
UIN Syarif Hidayatullah Jakarta
ruang Kebersihan 1
kelas Kebersihan 1
501 Kebersihan 1
mohon Kebersihan 1
bersih Kebersihan 2
mohon Keamanan 3
kelas Keamanan 1
ruang Administratif 2
mohon Administratif 1
Selanjutnya pada tabel 5.5 merupakan tabel yang memperlihatkan
banyaknya kemunculan kata pada setiap dokumen kategori. Sebagai contoh
dapat dilihat bahwa kata “banyak” muncul dua kali pada kategori kebersihan,
sedangkan pada dokumen yang berkategori keamanan dan administratif tidak
ditemukan kata “banyak”. Sehingga hanya kata yang muncul pada dokumen
setiap kategori saja yang ditampilkan pada tabel.
Tabel 5.7 Tabel Nilai P(Wk|Vj)
Kata Nilai P(Wk | Vj) setiap kategori
Kebersihan Keamanan Administratif
sampah 0.020501138952164 0.0022573363431151 0.0023923444976077
serak 0.0091116173120729 0.0022573363431151 0.0023923444976077
ruang 0.0045558086560364 0.0022573363431151 0.007177033492823
kelas 0.0045558086560364 0.0045146726862302 0.0023923444976077
501 0.0045558086560364 0.0022573363431151 0.0023923444976077
mohon 0.0045558086560364 0.0090293453724605 0.0047846889952153
bersih 0.0068337129840547 0.0022573363431151 0.0023923444976077
Pada tahap ini dilakukan perhitungan untuk mencari nilai P(Wk|Vj)
dengan cara nilai frekuensi setiap kata dijumlah dengan angka satu kemudian
96
UIN Syarif Hidayatullah Jakarta
dibagi dengan jumlah kata pada kategori ditambah total jumlah kata semua
kategori.
Tabel 5.8 Tabel Nilai VMAP
Kategori Nilai Perkalian
P(Wk | Vj)
Nilai
P(Vj) Nilai VMAP
Kebersihan 5.499106066927204 x 10-16 0.33 1.814705002085977 x 10
-16
Keamanan 2.38926270150775 x 10-18 0.33 7.884566914975575 x 10
-19
Administratif 2.691022183895969 x 10-18 0.33 8.880373206856697 x 10
-19
Pada tabel 5.7 dapat dilihat bahwa terdapat kolom nilai perkalian dari nilai
P(Wk|Vj) yang terdapat pada tabel sebelumnya. Kemudian nilai tersebut
dikalikan dengan nilai P(Vj) untuk mendapatkan nilai VMAP. Setelah
didapatkan nilai VMAP, maka terlihat nilai yang paling kecil diantara tiga
kategori tersebut. Nilai VMAP yang paling kecil inilah yang menjadi hasil
penentuan kategori dari saran yang telah diberikan. Dalam hal ini dapat dilihat
bahwa kategori pada saran tersebut adalah kebersihan, sesuai dengan hasil
perhitungan menggunakan metode naïve bayes classifier.
Tabel 5.9 Tabel Text Mining
Saran: Cara pegawai melayani mahasiswa sering tidak ramah
Tahap 1: Case
Folding
Tahap 2:
Tokenizing
Tahap 3:
Filtering
Tahap 4:
Stemming
cara pegawai
melayani
mahasiswa
sering tidak
ramah
cara pegawai pegawai
pegawai melayani layan
melayani mahasiswa mahasiswa
mahasiswa sering sering
sering ramah ramah
tidak
ramah
Tabel 5.10 Tabel Term Frequency
97
UIN Syarif Hidayatullah Jakarta
Kata Kategori Frekuensi
pegawai Administratif 3
layan Administratif 8
mahasiswa Administratif 8
sering Administratif 3
ramah Administratif 2
mahasiswa Kebersihan 1
tidak Kebersihan 2
tidak Keamanan 3
Tabel 5.11 Tabel Nilai P(Wk|Vj)
Kata Nilai P(Wk | Vj) setiap kategori
Kebersihan Keamanan Administratif
pegawai 0.0022779043280182 0.0022573363431151 0.0095693779904306
layan 0.0022779043280182 0.0022573363431151 0.0215311004784689
mahasiswa 0.0045558086560364 0.0022573363431151 0.0215311004784689
sering 0.0022779043280182 0.0022573363431151 0.0095693779904306
ramah 0.0022779043280182 0.0022573363431151 0.007177033492823
Tabel 5.12 Tabel Nilai VMAP
Kategori Nilai Perkalian
P(Wk | Vj)
Nilai
P(Vj) Nilai VMAP
Kebersihan 1.226612523523451 x 10-13 0.33 4.047821327627389 x 10
-14
Keamanan 5.861130198852491 x 10-14 0.33 1.934172965621322 x 10
-14
Administratif 3.046806317182284 x 10-10 0.33 1.005446084670154 x 10
-10
Tabel 5.13 Tabel Text Mining
98
UIN Syarif Hidayatullah Jakarta
Saran: Kamar mandi untuk pria di lantai enam kotor dan
bau, sebaiknya diberi pengharum
Tahap 1: Case
Folding
Tahap 2:
Tokenizing
Tahap 3:
Filtering
Tahap 4:
Stemming
kamar mandi
untuk pria di lantai
enam kotor dan
bau, sebaiknya
diberi pengharum
kamar kamar kamar
mandi mandi mandi
untuk pria pria
pria lantai lantai
di enam enam
lantai kotor kotor
enam bau bau
kotor pengharum harum
dan
bau
sebaiknya
diberi
pengharum
Tabel 5.14 Tabel Term Frequency
Kata Kategori Frekuensi
kamar Kebersihan 3
mandi Kebersihan 3
pria Kebersihan 1
lantai Kebersihan 5
enam Kebersihan 1
kotor Kebersihan 2
Bau Kebersihan 2
harum Kebersihan 1
kamar Keamanan 1
99
UIN Syarif Hidayatullah Jakarta
mandi Keamanan 1
lantai Keamanan 3
lantai Administratif 4
Tabel 5.15 Tabel Nilai P(Wk|Vj)
Kata Nilai P(Wk | Vj) setiap kategori
Kebersihan Keamanan Administratif
Kamar 0.0091116173120729 0.0045146726862302 0.0023923444976077
Mandi 0.0091116173120729 0.0045146726862302 0.0023923444976077
Pria 0.0045558086560364 0.0022573363431151 0.0023923444976077
Lantai 0.0136674259681093 0.0090293453724605 0.0119617224880383
Enam 0.0045558086560364 0.0022573363431151 0.0023923444976077
Kotor 0.0068337129840547 0.0022573363431151 0.0023923444976077
Bau 0.0068337129840547 0.0022573363431151 0.0023923444976077
Harum 0.0045558086560364 0.0022573363431151 0.0023923444976077
Tabel 5.16 Tabel Nilai VMAP
Kategori Nilai Perkalian
P(Wk | Vj)
Nilai
P(Vj) Nilai VMAP
Kebersihan 5.010575004033964 x 10-18 0.33 1.653489751331208 x 10
-18
Keamanan 1.078673905872562 x 10-20 0.33 3.559623889379454 x 10
-21
Administratif 5.364876762153245 x 10-21 0.33 1.770409331510571 x 10
-21
Tabel 5.17 Tabel Text Mining
Saran: Lift pernah nyangkut dan bergoyang saat naik
maupun turun, mohon diperbaiki
Tahap 1: Case
Folding
Tahap 2:
Tokenizing
Tahap 3:
Filtering
Tahap 4:
Stemming
100
UIN Syarif Hidayatullah Jakarta
lift pernah
nyangkut dan
bergoyang saat
naik maupun
turun, mohon
diperbaiki
lift lift lift
pernah nyangkut sangkut
nyangkut bergoyang goyang
dan turun turun
bergoyang mohon mohon
saat diperbaiki baik
naik
maupun
turun
mohon
diperbaiki
Tabel 5.18 Tabel Term Frequency
Kata Kategori Frekuensi
Lift Keamanan 2
sangkut Keamanan 1
goyang Keamanan 1
Turun Keamanan 1
mohon Keamanan 3
Baik Keamanan 2
mohon Kebersihan 1
Baik Kebersihan 1
mohon Administratif 1
Baik Administratif 1
Tabel 5.19 Tabel Nilai P(Wk|Vj)
Kata Nilai P(Wk | Vj) setiap kategori
Kebersihan Keamanan Administratif
lift 0.0022779043280182 0.0067720090293454 0.0023923444976077
sangkut 0.0022779043280182 0.0045146726862302 0.0023923444976077
101
UIN Syarif Hidayatullah Jakarta
goyang 0.0022779043280182 0.0045146726862302 0.0023923444976077
turun 0.0022779043280182 0.0045146726862302 0.0023923444976077
mohon 0.0045558086560364 0.0090293453724605 0.0047846889952153
baik 0.0045558086560364 0.0067720090293454 0.0047846889952153
Tabel 5.20 Tabel Nilai VMAP
Kategori Nilai Perkalian
P(Wk | Vj)
Nilai
P(Vj) Nilai VMAP
Kebersihan 5.588211952270791 x 10-16
0.33 1.844109944249361 x 10-16
Keamanan 3.810396156364713 x 10-14
0.33 1.257430731600355 x 10-14
Administratif 7.498981819123241 x 10-16
0.33 2.47466400031067 x 10-16
Tabel 5.21 Tabel Text Mining
Saran: Karyawan di lantai dua tidak menyiapkan alur
pembuatan surat menyurat
Tahap 1: Case
Folding
Tahap 2:
Tokenizing
Tahap 3:
Filtering
Tahap 4:
Stemming
karyawan di lantai
dua tidak
menyiapkan alur
pembuatan surat
menyurat
karyawan karyawan karyawan
di lantai lantai
lantai alur alur
dua pembuatan buat
tidak surat surat
menyiapkan menyurat surat
alur
pembuatan
surat
menyurat
Tabel 5.22 Tabel Term Frequency
Kata Kategori Frekuensi
102
UIN Syarif Hidayatullah Jakarta
karyawan Administratif 2
lantai Administratif 4
alur Administratif 3
buat Administratif 1
surat Administratif 2
lantai Keamanan 3
lantai Kebersihan 5
Tabel 5.23 Tabel Nilai P(Wk|Vj)
Kata Nilai P(Wk | Vj) setiap kategori
Kebersihan Keamanan Administratif
karyawan 0.0022779043280182 0.0022573363431151 0.007177033492823
lantai 0.0136674259681093 0.0090293453724605 0.0119617224880383
alur 0.0022779043280182 0.0022573363431151 0.0095693779904306
buat 0.0022779043280182 0.0022573363431151 0.0047846889952153
surat 0.0022779043280182 0.0022573363431151 0.007177033492823
Tabel 5.24 Tabel Nilai VMAP
Kategori Nilai Perkalian P(Wk |
Vj)
Nilai
P(Vj) Nilai VMAP
Kebersihan 3.67983757057038 x 10-13 0.33 1.214346398288226 x 10
-13
Keamanan 2.344452079541022 x 10-13 0.33 7.736691862485374 x 10
-14
Administratif 2.821116960353985 x 10-11 0.33 9.309685969168151 x 10
-12
Tabel 5.25 Tabel Text Mining
Saran:
Sebaiknya tersedia CCTV di area parkiran Fakultas
Sains dan Teknologi untuk menghindari pencurian
helm maupun kendaraannya
Tahap 1: Case
Folding
Tahap 2:
Tokenizing
Tahap 3:
Filtering
Tahap 4:
Stemming
103
UIN Syarif Hidayatullah Jakarta
sebaiknya tersedia
cctv di area
parkiran fakultas
sains dan
teknologi untuk
menghindari
pencurian helm
maupun
kendaraannya
sebaiknya tersedia sedia
tersedia cctv cctv
cctv area area
di parkiran parkir
area fakultas fakultas
parkiran sains sains
fakultas teknologi teknologi
sains menghindari hindar
dan pencurian curi
teknologi helm helm
untuk kendaraannya kendaraan
menghindari
pencurian
helm
maupun
kendaraannya
Tabel 5.26 Tabel Term Frequency
Kata Kategori Frekuensi
sedia Keamanan 2
cctv Keamanan 1
area Keamanan 1
curi Keamanan 1
sedia Kebersihan 2
area Kebersihan 1
Tabel 5.27 Tabel Nilai P(Wk|Vj)
Kata Nilai P(Wk | Vj) setiap kategori
104
UIN Syarif Hidayatullah Jakarta
Kebersihan Keamanan Administratif
sedia 0.0068337129840547 0.0067720090293454 0.0023923444976077
cctv 0.0022779043280182 0.0045146726862302 0.0023923444976077
area 0.0045558086560364 0.0045146726862302 0.0023923444976077
parkir 0.0022779043280182 0.0022573363431151 0.0023923444976077
fakultas 0.0022779043280182 0.0022573363431151 0.0023923444976077
sains 0.0022779043280182 0.0022573363431151 0.0023923444976077
teknologi 0.0022779043280182 0.0022573363431151 0.0023923444976077
hindar 0.0022779043280182 0.0022573363431151 0.0023923444976077
curi 0.0022779043280182 0.0045146726862302 0.0023923444976077
helm 0.0022779043280182 0.0022573363431151 0.0023923444976077
kendaraan 0.0022779043280182 0.0022573363431151 0.0023923444976077
Tabel 5.28 Tabel Nilai VMAP
Kategori Nilai Perkalian P(Wk |
Vj)
Nilai
P(Vj) Nilai VMAP
Kebersihan 5.140928073569165 x 10-29 0.33 1.696506264277825 x 10
-29
Keamanan 1.861102331805008 x 10-28 0.33 6.141637694956527 x 10
-29
Administratif 1.469132277452575 x 10-29 0.33 4.848136515593496 x 10
-30
Tabel 5.29 Tabel Text Mining
Saran:
Sebaiknya bagian administratif lebih sigap dan
cekatan dalam melayani mahasiswa. Untuk proses
pembuatan surat jangan menunggu hingga berhari
hari untuk diambil karena tidak efisien
Tahap 1: Case
Folding
Tahap 2:
Tokenizing
Tahap 3:
Filtering
Tahap 4:
Stemming
sebaiknya bagian
administratif lebih
sebaiknya administratif administratif
bagian sigap sigap
105
UIN Syarif Hidayatullah Jakarta
sigap dan cekatan
dalam melayani
mahasiswa untuk
proses pembuatan
surat jangan
menunggu hingga
berhari-hari untuk
diambil karena
tidak efisien
administratif cekatan cekatan
lebih melayani layan
sigap mahasiswa mahasiswa
dan proses proses
cekatan surat surat
dalam menunggu tunggu
melayani diambil ambil
mahasiswa efisien efisien
untuk
proses
pembuatan
surat
jangan
menunggu
hingga
berhari-hari
untuk
diambil
karena
tidak
efisien
Tabel 5.30 Tabel Term Frequency
Kata Kategori Frekuensi
layan Administratif 8
mahasiswa Administratif 8
proses Administratif 5
surat Administratif 1
mahasiswa Kebersihan 1
106
UIN Syarif Hidayatullah Jakarta
Tabel 5.31 Tabel Nilai P(Wk|Vj)
Kata Nilai P(Wk | Vj) setiap kategori
Kebersihan Keamanan Administratif
administratif 0.0022779043280182 0.0022573363431151 0.0023923444976077
sigap 0.0022779043280182 0.0022573363431151 0.0023923444976077
cekatan 0.0022779043280182 0.0022573363431151 0.0023923444976077
layan 0.0022779043280182 0.0022573363431151 0.0215311004784689
mahasiswa 0.0045558086560364 0.0022573363431151 0.0215311004784689
proses 0.0022779043280182 0.0022573363431151 0.0143540669856459
surat 0.0022779043280182 0.0022573363431151 0.0047846889952153
tunggu 0.0022779043280182 0.0022573363431151 0.0023923444976077
ambil 0.0022779043280182 0.0022573363431151 0.0023923444976077
efisien 0.0022779043280182 0.0022573363431151 0.0023923444976077
Tabel 5.32 Tabel Nilai VMAP
Kategori Nilai Perkalian P(Wk |
Vj)
Nilai
P(Vj) Nilai VMAP
Kebersihan 7.522891414322845 x 10-27 0.33 2.482554166726539 x 10
-27
Keamanan 3.435284720790064 x 10-27 0.33 1.133643957860721 x 10
-27
Administratif 8.953538516997382 x 10-24 0.33 2.954667710609136 x 10
-24
Tabel 5.33 Tabel Text Mining
Saran:
Hindari praktik KKN pada petugas bagian
administratif karena untuk minta legalisir ada uang
administratifnya dan seharusnya itu gratis atau tidak
dikenakan biaya
Tahap 1: Case
Folding
Tahap 2:
Tokenizing
Tahap 3:
Filtering
Tahap 4:
Stemming
hindari praktik kkn hindari hindari hindar
107
UIN Syarif Hidayatullah Jakarta
pada petugas
bagian
administratif
karena untuk
minta legalisir ada
uang
administratifnya
dan seharusnya itu
gratis atau tidak
dikenakan biaya
praktik praktik praktik
kkn kkn kkn
pada petugas tugas
petugas bagian bagian
bagian administratif administratif
administratif legalisir legalisir
karena uang uang
untuk gratis gratis
minta dikenakan kena
legalisir biaya biaya
ada
uang
administratifnya
dan
seharusnya
itu
gratis
atau
tidak
dikenakan
biaya
Tabel 5.34 Tabel Term Frequency
Kata Kategori Frekuensi
hindar Administratif 0
praktik Administratif 0
kkn Administratif 0
tugas Administratif 0
bagian Administratif 0
108
UIN Syarif Hidayatullah Jakarta
administratif Administratif 0
legalisir Administratif 0
uang Administratif 0
gratis Administratif 0
kena Administratif 0
biaya Administratif 0
Tabel 5.35 Tabel Nilai P(Wk|Vj)
Kata Nilai P(Wk | Vj) setiap kategori
Kebersihan Keamanan Administratif
hindar 0.0022779043280182 0.0022573363431151 0.0023923444976077
praktik 0.0022779043280182 0.0022573363431151 0.0023923444976077
Kkn 0.0022779043280182 0.0022573363431151 0.0023923444976077
Tugas 0.0022779043280182 0.0022573363431151 0.0023923444976077
bagian 0.0022779043280182 0.0022573363431151 0.0023923444976077
administratif 0.0022779043280182 0.0022573363431151 0.0023923444976077
legalisir 0.0022779043280182 0.0022573363431151 0.0023923444976077
Uang 0.0022779043280182 0.0022573363431151 0.0023923444976077
Gratis 0.0022779043280182 0.0022573363431151 0.0023923444976077
Kena 0.0022779043280182 0.0022573363431151 0.0023923444976077
Biaya 0.0022779043280182 0.0022573363431151 0.0023923444976077
Tabel 5.36 Tabel Nilai VMAP
Kategori Nilai Perkalian P(Wk |
Vj)
Nilai
P(Vj) Nilai VMAP
Kebersihan 8.568213455948483 x 10-30 0.33 2.827510440463 x 10
-30
Keamanan 7.75459304918742 x 10-30
0.33 2.559015706231849 x 10-30
Administratif 1.469132277452602 x 10-29 0.33 4.848136515593586 x 10
-30
109
UIN Syarif Hidayatullah Jakarta
Tabel 5.37 Tabel Text Mining
Saran:
Setiap kamar mandi di Fakultas Sains dan
Teknologi sebaiknya ada petugas kebersihan yang
berjaga untuk membersihkan kamar mandi
Tahap 1: Case
Folding
Tahap 2:
Tokenizing
Tahap 3:
Filtering
Tahap 4:
Stemming
setiap kamar
mandi di fakultas
sains dan
teknologi
sebaiknya ada
petugas kebersihan
yang berjaga untuk
membersihkan
kamar mandi
setiap kamar kamar
kamar mandi mandi
mandi fakultas fakultas
di sains sains
fakultas teknologi teknologi
sains petugas tugas
dan kebersihan bersih
teknologi berjaga jaga
sebaiknya membersihkan bersih
ada
petugas
kebersihan
yang
berjaga
untuk
membersihkan
kamar
mandi
Tabel 5.38 Tabel Term Frequency
Kata Kategori Frekuensi
kamar Kebersihan 3
110
UIN Syarif Hidayatullah Jakarta
mandi Kebersihan 3
bersih Kebersihan 2
kamar Keamanan 1
mandi Keamanan 1
Tabel 5.39 Tabel Nilai P(Wk|Vj)
Kata Nilai P(Wk | Vj) setiap kategori
Kebersihan Keamanan Administratif
kamar 0.0091116173120729 0.0045146726862302 0.0023923444976077
mandi 0.0091116173120729 0.0045146726862302 0.0023923444976077
fakultas 0.0022779043280182 0.0022573363431151 0.0023923444976077
sains 0.0022779043280182 0.0022573363431151 0.0023923444976077
teknologi 0.0022779043280182 0.0022573363431151 0.0023923444976077
tugas 0.0022779043280182 0.0022573363431151 0.0023923444976077
bersih 0.0068337129840547 0.0022573363431151 0.0023923444976077
jaga 0.0022779043280182 0.0022573363431151 0.0023923444976077
Tabel 5.40 Tabel Nilai VMAP
Kategori Nilai Perkalian P(Wk |
Vj)
Nilai
P(Vj) Nilai VMAP
Kebersihan 3.47956597502351 x 10-20 0.33 1.148256771757758 x 10
-20
Keamanan 2.696684764681375 x 10-21 0.33 8.899059723448536 x 10
-22
Administratif 1.072975352430667 x 10-21 0.33 3.540818663021201 x 10
-22
Tabel 5.41 Tabel Text Mining
Saran: Pada area parkir sebaiknya ada petugas yang
mengontrol keliling karena sebagian mahasiswa
111
UIN Syarif Hidayatullah Jakarta
memakirkan kendaraannya tidak benar sehingga
membuat lecet atau baret pada kendaraan orang lain
khususnya sepeda motor
Tahap 1: Case
Folding
Tahap 2:
Tokenizing
Tahap 3:
Filtering
Tahap 4:
Stemming
pada area parkir
sebaiknya ada
petugas yang
mengontrol
keliling karena
sebagian
mahasiswa
memarkirkan
kendaraannya
tidak benar
sehingga membuat
lecet atau baret
pada kendaraan
orang lain
khususnya sepeda
motor
pada area area
area parkir parkir
parkir petugas tugas
sebaiknya mengontrol kontrol
ada keliling keliling
petugas mahasiswa mahasiswa
yang memarkirkan parkir
mengontrol kendaraannya kendaraan
keliling lecet lecet
karena baret baret
sebagian sepeda sepeda
mahasiswa motor motor
memarkirkan
kendaraannya
tidak
benar
sehingga
membuat
lecet
atau
baret
pada
kendaraan
orang
112
UIN Syarif Hidayatullah Jakarta
lain
khususnya
sepeda
motor
Tabel 5.42 Tabel Term Frequency
Kata Kategori Frekuensi
area Keamanan 1
mahasiswa Administratif 8
mahasiswa Kebersihan 1
area Kebersihan 1
Tabel 5.43 Tabel Nilai P(Wk|Vj)
Kata Nilai P(Wk | Vj) setiap kategori
Kebersihan Keamanan Administratif
area 0.0045558086560364 0.0045146726862302 0.0023923444976077
parkir 0.0022779043280182 0.0022573363431151 0.0023923444976077
tugas 0.0022779043280182 0.0022573363431151 0.0023923444976077
kontrol 0.0022779043280182 0.0022573363431151 0.0023923444976077
keliling 0.0022779043280182 0.0022573363431151 0.0023923444976077
mahasiswa 0.0045558086560364 0.0022573363431151 0.0215311004784689
kendaraan 0.0022779043280182 0.0022573363431151 0.0023923444976077
lecet 0.0022779043280182 0.0022573363431151 0.0023923444976077
baret 0.0022779043280182 0.0022573363431151 0.0023923444976077
sepeda 0.0022779043280182 0.0022573363431151 0.0023923444976077
motor 0.0022779043280182 0.0022573363431151 0.0023923444976077
Tabel 5.44 Tabel Nilai VMAP
Kategori Nilai Perkalian P(Wk |
Vj)
Nilai
P(Vj) Nilai VMAP
113
UIN Syarif Hidayatullah Jakarta
Kebersihan 3.427285382379393 x 10-29 0.33 1.1310041761852 x 10
-29
Keamanan 1.550918609837484 x 10-29 0.33 5.118031412463697 x 10
-30
Administratif 1.322219049707317 x 10-28 0.33 4.363322864034146 x 10
-29
Tabel 5.45 Tabel Text Mining
Saran: Sebaiknya fasilitas yang ada di kamar mandi
tersedia seperti adanya ember, gayung dan sabun
Tahap 1: Case
Folding
Tahap 2:
Tokenizing
Tahap 3:
Filtering
Tahap 4:
Stemming
sebaiknya fasilitas
yang ada di kamar
mandi tersedia
seperti adanya
ember, gayung dan
sabun
sebaiknya fasilitas fasilitas
fasilitas kamar kamar
yang mandi mandi
ada tersedia sedia
di ember ember
kamar gayung gayung
mandi sabun sabun
tersedia
seperti
adanya
ember
gayung
Dan
sabun
Tabel 5.46 Tabel Term Frequency
Kata Kategori Frekuensi
kamar Kebersihan 3
114
UIN Syarif Hidayatullah Jakarta
mandi Kebersihan 3
sedia Kebersihan 2
kamar Keamanan 1
mandi Keamanan 1
sedia Keamanan 2
ember Keamanan 1
Tabel 5.47 Tabel Nilai P(Wk|Vj)
Kata Nilai P(Wk | Vj) setiap kategori
Kebersihan Keamanan Administratif
fasilitas 0.0022779043280182 0.0022573363431151 0.0023923444976077
kamar 0.0091116173120729 0.0045146726862302 0.0023923444976077
mandi 0.0091116173120729 0.0045146726862302 0.0023923444976077
sedia 0.0068337129840547 0.0067720090293454 0.0023923444976077
ember 0.0022779043280182 0.0045146726862302 0.0023923444976077
gayung 0.0022779043280182 0.0022573363431151 0.0023923444976077
sabun 0.0022779043280182 0.0022573363431151 0.0023923444976077
Tabel 5.48 Tabel Nilai VMAP
Kategori Nilai Perkalian P(Wk |
Vj)
Nilai
P(Vj) Nilai VMAP
Kebersihan 1.527529463035336 x 10-17 0.33 5.04084722801661 x 10
-18
Keamanan 7.167788104523276 x 10-18 0.33 2.365370074492681 x 10
-18
Administratif 4.485036973160104 x 10-19 0.33 1.480062201142834 x 10
-19
Tabel 5.49 Tabel Text Mining
Saran: Sebaiknya di tempat parkir terdapat penanggung
jawab keamanan, sehingga jika ada pencurian
115
UIN Syarif Hidayatullah Jakarta
motor, kunci hilang ataupun jatuh dan helm hilang
lebih mudah untuk menanyakannya kepada bagian
penanggung jawab keamanan
Tahap 1: Case
Folding
Tahap 2:
Tokenizing
Tahap 3:
Filtering
Tahap 4:
Stemming
sebaiknya di
tempat parkir
terdapat
penanggung jawab
keamanan,
sehingga jika ada
pencurian motor,
kunci hilang
ataupun jatuh dan
helm hilang lebih
mudah untuk
menanyakannya
kepada bagian
penanggung jawab
keamanan
sebaiknya parkir parkir
di penanggung tanggung
tempat kemanan aman
parkir pencurian curi
terdapat motor motor
penanggung kunci kunci
jawab hilang hilang
keamanan jatuh jatuh
sehingga helm helm
jika mudah mudah
ada
pencurian
motor
kunci
hilang
ataupun
jatuh
dan
helm
hilang
lebih
mudah
untuk
menanyakannya
116
UIN Syarif Hidayatullah Jakarta
kepada
bagian
penanggung
jawab
keamanan
Tabel 5.50 Tabel Term Frequency
Kata Kategori Frekuensi
aman Keamanan 2
curi Keamanan 1
kunci Keamanan 3
hilang Keamanan 3
mudah Kebersihan 1
Tabel 5.51 Tabel Nilai P(Wk|Vj)
Kata Nilai P(Wk | Vj) setiap kategori
Kebersihan Keamanan Administratif
parkir 0.0022779043280182 0.0022573363431151 0.0023923444976077
tanggung 0.0022779043280182 0.0022573363431151 0.0023923444976077
aman 0.0022779043280182 0.0067720090293454 0.0023923444976077
curi 0.0022779043280182 0.0045146726862302 0.0023923444976077
motor 0.0022779043280182 0.0022573363431151 0.0023923444976077
kunci 0.0022779043280182 0.0090293453724605 0.0023923444976077
hilang 0.0022779043280182 0.0090293453724605 0.0023923444976077
jatuh 0.0022779043280182 0.0022573363431151 0.0023923444976077
helm 0.0022779043280182 0.0022573363431151 0.0023923444976077
mudah 0.0045558086560364 0.0022573363431151 0.0023923444976077
Tabel 5.52 Tabel Nilai VMAP
Kategori Nilai Perkalian P(Wk |
Vj) Nilai Nilai VMAP
117
UIN Syarif Hidayatullah Jakarta
P(Vj)
Kebersihan 7.522891414322845 x 10-27 0.33 2.482554166726539 x 10
-27
Keamanan 3.297873331958583 x 10-25 0.33 1.088298199546332 x 10
-25
Administratif 6.140972919751761 x 10-27 0.33 2.026521063518081 x 10
-27
Tabel 5.53 Tabel Text Mining
Saran:
Sebaiknya bagian akademik perlu untuk
meningkatkan keberadaan sarana pendukung
elektronik seperti komputer untuk mewujudkan
sistem layanan online agar prosesnya lebih cepat
Tahap 1: Case
Folding
Tahap 2:
Tokenizing
Tahap 3:
Filtering
Tahap 4:
Stemming
sebaiknya bagian
akademik perlu
untuk
meningkatkan
keberadaan sarana
pendukung
elektronik seperti
komputer untuk
mewujudkan
sistem layanan
online agar
prosesnya lebih
cepat
sebaiknya akademik akademik
bagian meningkatkan tingkat
akademik sarana sarana
perlu pendukung dukung
untuk elektronik elektronik
meningkatkan komputer komputer
sarana mewujudkan wujud
pendukung sistem sistem
elektronik layanan layan
seperti online online
komputer prosesnya proses
untuk cepat cepat
mewujudkan
sistem
layanan
online
agar
118
UIN Syarif Hidayatullah Jakarta
prosesnya
lebih
cepat
Tabel 5.54 Tabel Term Frequency
Kata Kategori Frekuensi
komputer Administratif 2
layan Administratif 8
proses Administratif 5
cepat Administratif 1
Tabel 5.55 Tabel Nilai P(Wk|Vj)
Kata Nilai P(Wk | Vj) setiap kategori
Kebersihan Keamanan Administratif
akademik 0.0022779043280182 0.0022573363431151 0.0023923444976077
tingkat 0.0022779043280182 0.0022573363431151 0.0023923444976077
sarana 0.0022779043280182 0.0022573363431151 0.0023923444976077
dukung 0.0022779043280182 0.0022573363431151 0.0023923444976077
elektronik 0.0022779043280182 0.0022573363431151 0.0023923444976077
komputer 0.0022779043280182 0.0022573363431151 0.007177033492823
wujud 0.0022779043280182 0.0022573363431151 0.0023923444976077
sistem 0.0022779043280182 0.0022573363431151 0.0023923444976077
layan 0.0022779043280182 0.0022573363431151 0.0215311004784689
online 0.0022779043280182 0.0022573363431151 0.0023923444976077
proses 0.0022779043280182 0.0022573363431151 0.0143540669856459
cepat 0.0022779043280182 0.0022573363431151 0.0047846889952153
Tabel 5.56 Tabel Nilai VMAP
Kategori Nilai Perkalian P(Wk | Nilai Nilai VMAP
119
UIN Syarif Hidayatullah Jakarta
Vj) P(Vj)
Kebersihan 1.951757051468883 x 10-32 0.33 6.440798269847314 x 10
-33
Keamanan 1.75047247159985 x 10-32 0.33 5.776559156279506 x 10
-33
Administratif 1.138753248551714 x 10-29 0.33 3.757885720220656 x 10
-30
Tabel 5.57 Tabel Text Mining
Saran: Sebaiknya setiap lift yang ada di Fakultas Sains dan
Teknologi di lap supaya bersih dan tidak berbau
Tahap 1: Case
Folding
Tahap 2:
Tokenizing
Tahap 3:
Filtering
Tahap 4:
Stemming
sebaiknya setiap
lift yang ada di
fakultas sains dan
teknologi di lap
supaya bersih dan
tidak berbau
sebaiknya lift lift
setiap fakultas fakultas
lift sains sains
yang teknologi teknologi
ada lap lap
di bersih bersih
fakultas berbau bau
sains
dan
teknologi
di
lap
supaya
bersih
dan
tidak
berbau
Tabel 5.58 Tabel Term Frequency
120
UIN Syarif Hidayatullah Jakarta
Kata Kategori Frekuensi
bersih Kebersihan 2
bau Kebersihan 2
lift Keamanan 2
Tabel 5.59 Tabel Nilai P(Wk|Vj)
Kata Nilai P(Wk | Vj) setiap kategori
Kebersihan Keamanan Administratif
lift 0.0022779043280182 0.0067720090293454 0.0023923444976077
fakultas 0.0022779043280182 0.0022573363431151 0.0023923444976077
sains 0.0022779043280182 0.0022573363431151 0.0023923444976077
teknologi 0.0022779043280182 0.0022573363431151 0.0023923444976077
lap 0.0022779043280182 0.0022573363431151 0.0023923444976077
bersih 0.0068337129840547 0.0022573363431151 0.0023923444976077
bau 0.0068337129840547 0.0022573363431151 0.0023923444976077
Tabel 5.60 Tabel Nilai VMAP
Kategori Nilai Perkalian P(Wk |
Vj)
Nilai
P(Vj) Nilai VMAP
Kebersihan 2.864117743191235 x 10-18 0.33 9.451588552531074 x 10
-19
Keamanan 8.959735130654095 x 10-19 0.33 2.956712593115851 x 10
-19
Administratif 4.485036973160104 x 10-19 0.33 1.480062201142834 x 10
-19
Tabel 5.61 Tabel Text Mining
Saran:
Sebaiknya di musholla juga disedikan CCTV, selain
karena ramai juga menjadi pusat pencurian benda
berharga seperti laptop
Tahap 1: Case
Folding
Tahap 2:
Tokenizing
Tahap 3:
Filtering
Tahap 4:
Stemming
sebaiknya di sebaiknya musholla musholla
121
UIN Syarif Hidayatullah Jakarta
musholla juga
disedikan cctv,
selain karena
ramai juga
menjadi pusat
pencurian benda
berharga seperti
laptop
di disediakan sedia
musholla cctv cctv
juga ramai ramai
disediakan pusat pusat
cctv pencurian curi
selain benda benda
karena berharga harga
ramai laptop laptop
juga
menjadi
pusat
pencurian
benda
berharga
seperti
laptop
Tabel 5.62 Tabel Term Frequency
Kata Kategori Frekuensi
musholla Keamanan 3
sedia Keamanan 2
cctv Keamanan 1
curi Keamanan 1
laptop Keamanan 1
musholla Kebersihan 1
sedia Kebersihan 2
Tabel 5.63 Tabel Nilai P(Wk|Vj)
122
UIN Syarif Hidayatullah Jakarta
Kata Nilai P(Wk | Vj) setiap kategori
Kebersihan Keamanan Administratif
musholla 0.0045558086560364 0.0090293453724605 0.0023923444976077
sedia 0.0068337129840547 0.0067720090293454 0.0023923444976077
cctv 0.0022779043280182 0.0045146726862302 0.0023923444976077
ramai 0.0022779043280182 0.0022573363431151 0.0023923444976077
pusat 0.0022779043280182 0.0022573363431151 0.0023923444976077
curi 0.0022779043280182 0.0045146726862302 0.0023923444976077
benda 0.0022779043280182 0.0022573363431151 0.0023923444976077
harga 0.0022779043280182 0.0022573363431151 0.0023923444976077
laptop 0.0022779043280182 0.0045146726862302 0.0023923444976077
Tabel 5.64 Tabel Nilai VMAP
Kategori Nilai Perkalian P(Wk |
Vj)
Nilai
P(Vj) Nilai VMAP
Kebersihan 9.907647992663433 x 10-24 0.33 3.269523837578933 x 10
-24
Keamanan 1.460957886057652 x 10-22 0.33 4.821161023990251 x 10
-23
Administratif 2.566926680456189 x 10-24 0.33 8.470858045505422 x 10
-25
Tabel 5.65 Tabel Text Mining
Saran: Sebaiknya setiap ruangan disediakan tempat sampah
baik sampah organik maupun non organik
Tahap 1: Case
Folding
Tahap 2:
Tokenizing
Tahap 3:
Filtering
Tahap 4:
Stemming
sebaiknya setiap
ruangan
disediakan tempat
sampah baik
sampah organik
sebaiknya ruangan ruang
setiap disediakan sedia
ruangan sampah sampah
disediakan organik organik
tempat non non
123
UIN Syarif Hidayatullah Jakarta
maupun non
organik
sampah
baik
sampah
organik
maupun
non
organik
Tabel 5.66 Tabel Term Frequency
Kata Kategori Frekuensi
ruang Kebersihan 1
sedia Kebersihan 2
sampah Kebersihan 8
sedia Keamanan 2
Tabel 5.67 Tabel Nilai P(Wk|Vj)
Kata Nilai P(Wk | Vj) setiap kategori
Kebersihan Keamanan Administratif
ruang 0.0045558086560364 0.0022573363431151 0.0023923444976077
sedia 0.0068337129840547 0.0067720090293454 0.0023923444976077
sampah 0.020501138952164 0.0022573363431151 0.0023923444976077
organik 0.0022779043280182 0.0022573363431151 0.0023923444976077
non 0.0022779043280182 0.0022573363431151 0.0023923444976077
Tabel 5.68 Tabel Nilai VMAP
Kategori Nilai Perkalian P(Wk |
Vj)
Nilai
P(Vj) Nilai VMAP
Kebersihan 3.311853813513399 x 10-12 0.33 1.092911758459422 x 10
-12
124
UIN Syarif Hidayatullah Jakarta
Keamanan 1.758339059655773 x 10-13 0.33 5.802518896864052 x 10
-14
Administratif 7.836436000983969 x 10-14 0.33 2.58602388032471 x 10
-14
Tabel 5.69 Tabel Text Mining
Saran:
Sebaiknya disediakan loker di perpustakaan
Fakultas Sains dan Teknologi selain lebih rapi juga
lebih aman
Tahap 1: Case
Folding
Tahap 2:
Tokenizing
Tahap 3:
Filtering
Tahap 4:
Stemming
sebaiknya
disediakan loker di
perpustakaan
fakultas sains dan
teknologi selain
lebih rapi juga
lebih aman
sebaiknya disediakan sedia
disediakan loker loker
loker perpustakaan pustaka
perpustakaan fakultas fakultas
fakultas sains sains
sains teknologi teknologi
dan rapi rapi
teknologi aman aman
selain
lebih
rapi
juga
lebih
aman
Tabel 5.70 Tabel Term Frequency
Kata Kategori Frekuensi
sedia Keamanan 2
loker Keamanan 1
pustaka Keamanan 4
125
UIN Syarif Hidayatullah Jakarta
aman Keamanan 2
sedia Kebersihan 2
Tabel 5.71 Tabel Nilai P(Wk|Vj)
Kata Nilai P(Wk | Vj) setiap kategori
Kebersihan Keamanan Administratif
sedia 0.0068337129840547 0.0067720090293454 0.0023923444976077
loker 0.0022779043280182 0.0045146726862302 0.0023923444976077
pustaka 0.0022779043280182 0.0112866817155756 0.0023923444976077
fakultas 0.0022779043280182 0.0022573363431151 0.0023923444976077
sains 0.0022779043280182 0.0022573363431151 0.0023923444976077
teknologi 0.0022779043280182 0.0022573363431151 0.0023923444976077
rapi 0.0022779043280182 0.0022573363431151 0.0023923444976077
aman 0.0022779043280182 0.0067720090293454 0.0023923444976077
Tabel 5.72 Tabel Nilai VMAP
Kategori Nilai Perkalian P(Wk |
Vj)
Nilai
P(Vj) Nilai VMAP
Kebersihan 2.174728734389646 x 10-21 0.33 7.176604823485831 x 10
-22
Keamanan 6.067540720533326 x 10-20 0.33 2.002288437775998 x 10
-20
Administratif 1.072975352430667 x 10-21 0.33 3.540818663021201 x 10
-22
Tabel 5.73 Tabel Text Mining
Saran:
Kalau bisa, pegawai bagian akademik ditambah lagi
jumlahnya untuk memudahkan dan mempersingkat
waktu mahasiswa tanpa harus menunggu lama
Tahap 1: Case
Folding
Tahap 2:
Tokenizing
Tahap 3:
Filtering
Tahap 4:
Stemming
126
UIN Syarif Hidayatullah Jakarta
kalau bisa,
pegawai bagian
akademik
ditambah lagi
jumlahnya untuk
memudahkan dan
mempersingkat
waktu mahasiswa
tanpa harus
menunggu lama
kalau pegawai pegawai
bisa akademik akademik
pegawai memudahkan mudah
bagian mempersingkat singkat
akademik mahasiswa mahasiswa
ditambah menunggu tunggu
lagi
jumlahnya
untuk
memudahkan
dan
mempersingkat
waktu
mahasiswa
tanpa
harus
menunggu
lama
Tabel 5.74 Tabel Term Frequency
Kata Kategori Frekuensi
pegawai Administratif 3
mahasiswa Administratif 8
mudah Kebersihan 1
mahasiswa Kebersihan 1
Tabel 5.75 Tabel Nilai P(Wk|Vj)
Kata Nilai P(Wk | Vj) setiap kategori
Kebersihan Keamanan Administratif
pegawai 0.0022779043280182 0.0022573363431151 0.0095693779904306
127
UIN Syarif Hidayatullah Jakarta
akademik 0.0022779043280182 0.0022573363431151 0.0023923444976077
mudah 0.0045558086560364 0.0022573363431151 0.0023923444976077
singkat 0.0022779043280182 0.0022573363431151 0.0023923444976077
mahasiswa 0.0045558086560364 0.0022573363431151 0.0215311004784689
tunggu 0.0022779043280182 0.0022573363431151 0.0023923444976077
Tabel 5.76 Tabel Nilai VMAP
Kategori Nilai Perkalian P(Wk |
Vj)
Nilai
P(Vj) Nilai VMAP
Kebersihan 5.588211952270791 x 10-16 0.33 1.844109944249361 x 10
-16
Keamanan 1.323054220959916 x 10-16 0.33 4.366078929167723 x 10
-17
Administratif 6.749083637210933 x 10-15 0.33 2.227197600279608 x 10
-15
Tabel 5.77 Tabel Text Mining
Saran:
Sebaiknya ada petugas yang berjaga membersihkan
kelas saat pergantian kelas dilakukan sehingga
ruang kelas menjadi bersih untuk belajar
Tahap 1: Case
Folding
Tahap 2:
Tokenizing
Tahap 3:
Filtering
Tahap 4:
Stemming
sebaiknya ada
petugas yang
berjaga
membersihkan
kelas saat
pergantian kelas
dilakukan
sehingga ruang
kelas menjadi
bersih untuk
sebaiknya petugas tugas
ada berjaga jaga
petugas membersihkan bersih
yang kelas kelas
berjaga pergantian ganti
membersihkan ruang ruang
kelas bersih bersih
saat belajar ajar
pergantian
kelas
128
UIN Syarif Hidayatullah Jakarta
belajar dilakukan
sehingga
ruang
kelas
menjadi
bersih
untuk
belajar
Tabel 5.78 Tabel Term Frequency
Kata Kategori Frekuensi
bersih Kebersihan 2
kelas Kebersihan 1
ruang Kebersihan 1
kelas Keamanan 1
Tabel 5.79 Tabel Nilai P(Wk|Vj)
Kata Nilai P(Wk | Vj) setiap kategori
Kebersihan Keamanan Administratif
tugas 0.0022779043280182 0.0022573363431151 0.0023923444976077
jaga 0.0022779043280182 0.0022573363431151 0.0023923444976077
bersih 0.0068337129840547 0.0022573363431151 0.0023923444976077
kelas 0.0045558086560364 0.0045146726862302 0.0023923444976077
ganti 0.0022779043280182 0.0022573363431151 0.0023923444976077
ruang 0.0045558086560364 0.0022573363431151 0.0023923444976077
bersih 0.0022779043280182 0.0022573363431151 0.0023923444976077
ajar 0.0022779043280182 0.0022573363431151 0.0023923444976077
129
UIN Syarif Hidayatullah Jakarta
Tabel 5.80 Tabel Nilai VMAP
Kategori Nilai Perkalian P(Wk |
Vj)
Nilai
P(Vj) Nilai VMAP
Kebersihan 8.698914937558583 x 10-21 0.33 2.870641929394332 x 10
-21
Keamanan 1.348342382340687 x 10-21 0.33 4.449529861724268 x 10
-22
Administratif 1.072975352430667 x 10-21 0.33 3.540818663021201 x 10
-22
Tabel 5.81 Tabel Text Mining
Saran:
Tidak hanya di tempat parkir, musholla atau
perpustakaan, sebaiknya CCTV juga disediakan di
lobi dan dalam kelas untuk menghindari adanya
pencurian saat malam hari
Tahap 1: Case
Folding
Tahap 2:
Tokenizing
Tahap 3:
Filtering
Tahap 4:
Stemming
tidak hanya di
tempat parkir,
musholla atau
perpustakaan,
sebaiknya cctv
juga disediakan di
lobi dan dalam
kelas untuk
menghindari
adanya pencurian
saat malam hari
tidak parkir parkir
hanya musholla musholla
di perpustakaan pustaka
tempat cctv cctv
parkir disediakan sedia
musholla lobi lobi
atau kelas kelas
perpustakaan menghindari hindar
sebaiknya pencurian curi
cctv malam malam
juga
disediakan
di
lobi
dan
130
UIN Syarif Hidayatullah Jakarta
dalam
kelas
untuk
menghindari
adanya
pencurian
saat
malam
hari
Tabel 5.82 Tabel Term Frequency
Kata Kategori Frekuensi
musholla Keamanan 3
pustaka Keamanan 4
cctv Keamanan 1
sedia Keamanan 2
Lobi Keamanan 1
kelas Keamanan 1
curi Keamanan 1
musholla Kebersihan 1
sedia Kebersihan 2
lobi Kebersihan 1
kelas Kebersihan 1
Tabel 5.83 Tabel Nilai P(Wk|Vj)
Kata Nilai P(Wk | Vj) setiap kategori
Kebersihan Keamanan Administratif
parkir 0.0022779043280182 0.0022573363431151 0.0023923444976077
musholla 0.0045558086560364 0.0090293453724605 0.0023923444976077
131
UIN Syarif Hidayatullah Jakarta
pustaka 0.0022779043280182 0.0112866817155756 0.0023923444976077
cctv 0.0022779043280182 0.0045146726862302 0.0023923444976077
sedia 0.0068337129840547 0.0067720090293454 0.0023923444976077
lobi 0.0045558086560364 0.0045146726862302 0.0023923444976077
kelas 0.0045558086560364 0.0045146726862302 0.0023923444976077
hindar 0.0022779043280182 0.0022573363431151 0.0023923444976077
curi 0.0022779043280182 0.0022573363431151 0.0023923444976077
malam 0.0022779043280182 0.0022573363431151 0.0023923444976077
Tabel 5.84 Tabel Nilai VMAP
Kategori Nilai Perkalian P(Wk |
Vj)
Nilai
P(Vj) Nilai VMAP
Kebersihan 9.027469697187546 x 10-26 0.33 2.97906500007189 x 10
-26
Keamanan 1.648936665979288 x 10-24 0.33 5.44149099773165 x 10
-25
Administratif 6.140972919751761 x 10-27 0.33 2.026521063518081 x 10
-27
Tabel 5.85 Tabel Text Mining
Saran:
Jika ada aturan atau prosedur baru di Fakultas Sains
dan Teknologi sebaiknya diberitahukan kepada
mahasiswa dengan pelayanan yang ramah dan
ditempel informasinya
Tahap 1: Case
Folding
Tahap 2:
Tokenizing
Tahap 3:
Filtering
Tahap 4:
Stemming
jika ada aturan
atau prosedur baru
di fakultas sains
dan teknologi
sebaiknya
diberitahukan
jika aturan atur
ada prosedur prosedur
aturan fakultas fakultas
atau sains sains
prosedur teknologi teknologi
baru diberitahukan tahu
132
UIN Syarif Hidayatullah Jakarta
kepada mahasiswa
dengan pelayanan
yang ramah dan
ditempel
informasinya
di mahasiswa mahasiswa
fakultas pelayanan layan
sains ramah ramah
dan ditempel tempel
teknologi informasinya informasi
sebaiknya
diberitahukan
kepada
mahasiswa
dengan
pelayanan
yang
ramah
dan
ditempel
informasinya
Tabel 5.86 Tabel Term Frequency
Kata Kategori Frekuensi
tahu Administratif 1
mahasiswa Administratif 8
layan Administratif 8
ramah Administratif 2
mahasiswa Kebersihan 1
Tabel 5.87 Tabel Nilai P(Wk|Vj)
Kata Nilai P(Wk | Vj) setiap kategori
Kebersihan Keamanan Administratif
atur 0.0022779043280182 0.0022573363431151 0.0023923444976077
133
UIN Syarif Hidayatullah Jakarta
prosedur 0.0022779043280182 0.0022573363431151 0.0023923444976077
fakultas 0.0022779043280182 0.0022573363431151 0.0023923444976077
sains 0.0022779043280182 0.0022573363431151 0.0023923444976077
teknologi 0.0022779043280182 0.0022573363431151 0.0023923444976077
tahu 0.0022779043280182 0.0022573363431151 0.0047846889952153
mahasiswa 0.0045558086560364 0.0022573363431151 0.0215311004784689
layan 0.0022779043280182 0.0022573363431151 0.0215311004784689
ramah 0.0022779043280182 0.0022573363431151 0.007177033492823
tempel 0.0022779043280182 0.0022573363431151 0.0023923444976077
informasi 0.0022779043280182 0.0022573363431151 0.0023923444976077
Tabel 5.88 Tabel Nilai VMAP
Kategori Nilai Perkalian P(Wk |
Vj)
Nilai
P(Vj) Nilai VMAP
Kebersihan 1.713642691189697 x 10-29 0.33 5.655020880925999 x 10
-30
Keamanan 7.75459304918742 x 10-30 0.33 2.559015706231849 x 10
-30
Administratif 7.139982868419131 x 10-27 0.33 2.356194346578313 x 10
-27
Tabel 5.89 Tabel Text Mining
Saran:
Untuk kamar mandi Fakultas Sains dan Teknologi
pintu kamar mandi sering rusak tidak bisa ditutup
bahkan berlubang sebaiknya ada perbaikan segera
karena kamar mandi sering dipakai oleh mahasiswa
Tahap 1: Case
Folding
Tahap 2:
Tokenizing
Tahap 3:
Filtering
Tahap 4:
Stemming
untuk kamar
mandi fakultas
sains dan
teknologi pintu
untuk kamar kamar
kamar mandi mandi
mandi fakultas fakultas
fakultas sains sains
134
UIN Syarif Hidayatullah Jakarta
kamar mandi
sering rusak tidak
bisa ditutup
bahkan berlubang
sebaiknya ada
perbaikan segera
karena kamar
mandi sering
dipakai oleh
mahasiswa
sains teknologi teknologi
dan pintu pintu
teknologi rusak rusak
pintu ditutup tutup
kamar berlubang lubang
mandi perbaikan baik
sering dipakai pakai
rusak mahasiswa mahasiswa
tidak
bisa
ditutup
bahkan
berlubang
sebaiknya
ada
perbaikan
segera
karena
kamar
mandi
sering
dipakai
oleh
mahasiswa
Tabel 5.90 Tabel Term Frequency
Kata Kategori Frekuensi
kamar Keamanan 1
mandi Keamanan 1
135
UIN Syarif Hidayatullah Jakarta
Tabel 5.91 Tabel Nilai P(Wk|Vj)
Kata Nilai P(Wk | Vj) setiap kategori
Kebersihan Keamanan Administratif
kamar 0.0091116173120729 0.0045146726862302 0.0023923444976077
mandi 0.0091116173120729 0.0045146726862302 0.0023923444976077
fakultas 0.0022779043280182 0.0022573363431151 0.0023923444976077
sains 0.0022779043280182 0.0022573363431151 0.0023923444976077
teknologi 0.0022779043280182 0.0022573363431151 0.0023923444976077
pintu 0.0022779043280182 0.0067720090293454 0.0023923444976077
rusak 0.0022779043280182 0.0022573363431151 0.0023923444976077
tutup 0.0022779043280182 0.0022573363431151 0.0023923444976077
lubang 0.0022779043280182 0.0022573363431151 0.0023923444976077
baik 0.0045558086560364 0.0067720090293454 0.0047846889952153
pakai 0.0045558086560364 0.0022573363431151 0.0023923444976077
mahasiswa 0.0045558086560364 0.0022573363431151 0.0215311004784689
Tabel 5.92 Tabel Nilai VMAP
Kategori Nilai Perkalian P(Wk |
Vj)
Nilai
P(Vj) Nilai VMAP
Kebersihan 2.498249025880225 x 10-30 0.33 8.244221785404742 x 10
-31
pintu Keamanan 2
baik Keamanan 2
baik Administratif 1
mahasiswa Administratif 8
kamar Kebersihan 3
mandi Kebersihan 3
baik Kebersihan 1
pakai Kebersihan 1
mahasiswa Kebersihan 1
136
UIN Syarif Hidayatullah Jakarta
Keamanan 6.301700897759647 x 10-31 0.33 2.079561296260684 x 10
-31
Administratif 6.326406936398632 x 10-31 0.33 2.087714289011548 x 10
-31
Tabel 5.93 Tabel Text Mining
Saran:
Sebaiknya ada petugas keamanan yang selalu
mengontrol kondisi pada area kampus dan menjaga
fasilitas di Fakultas Sains dan Teknologi
Tahap 1: Case
Folding
Tahap 2:
Tokenizing
Tahap 3:
Filtering
Tahap 4:
Stemming
sebaiknya ada
petugas keamanan
yang selalu
mengontrol
kondisi pada area
kampus dan
menjaga fasilitas
di fakultas sains
dan teknologi
sebaiknya petugas tugas
ada keamanan aman
petugas mengontrol kontrol
keamanan kondisi kondisi
yang area area
selalu kampus kampus
mengontrol menjaga jaga
kondisi fasilitas fasilitas
pada fakultas fakultas
area sains sains
kampus teknologi teknologi
dan
menjaga
fasilitas
di
fakultas
sains
dan
teknologi
137
UIN Syarif Hidayatullah Jakarta
Tabel 5.94 Tabel Term Frequency
Kata Kategori Frekuensi
aman Keamanan 2
area Keamanan 1
area Kebersihan 1
Tabel 5.95 Tabel Nilai P(Wk|Vj)
Kata Nilai P(Wk | Vj) setiap kategori
Kebersihan Keamanan Administratif
tugas 0.0022779043280182 0.0022573363431151 0.0023923444976077
aman 0.0022779043280182 0.0067720090293454 0.0023923444976077
kontrol 0.0022779043280182 0.0022573363431151 0.0023923444976077
kondisi 0.0022779043280182 0.0022573363431151 0.0023923444976077
area 0.0045558086560364 0.0045146726862302 0.0023923444976077
kampus 0.0022779043280182 0.0022573363431151 0.0023923444976077
jaga 0.0022779043280182 0.0022573363431151 0.0023923444976077
fasilitas 0.0022779043280182 0.0022573363431151 0.0023923444976077
fakultas 0.0022779043280182 0.0022573363431151 0.0023923444976077
sains 0.0022779043280182 0.0022573363431151 0.0023923444976077
teknologi 0.0022779043280182 0.0022573363431151 0.0023923444976077
Tabel 5.96 Tabel Nilai VMAP
Kategori Nilai Perkalian P(Wk |
Vj)
Nilai
P(Vj) Nilai VMAP
Kebersihan 1.713642691189697 x 10-29 0.33 5.655020880925999 x 10
-30
Keamanan 4.652755829512521 x 10-29 0.33 1.535409423739132 x 10
-29
Administratif 1.469132277452602 x 10-29 0.33 4.848136515593586 x 10
-30
138
UIN Syarif Hidayatullah Jakarta
Tabel 5.97 Tabel Text Mining
Saran:
Masih adanya pegawai yang belum mampu atau
cakap dalam memberikan layanan kepada
mahasiswa, sehingga layanan kepada mahasiswa
berlangsung lama
Tahap 1: Case
Folding
Tahap 2:
Tokenizing
Tahap 3:
Filtering
Tahap 4:
Stemming
masih adanya
pegawai yang
belum mampu atau
cakap dalam
memberikan
layanan kepada
mahasiswa,
sehingga layanan
kepada mahasiswa
berlangsung lama
masih pegawai gawai
adanya cakap cakap
pegawai layanan layan
yang mahasiswa mahasiswa
belum
mampu
atau
cakap
dalam
memberikan
layanan
kepada
mahasiswa
sehingga
layanan
kepada
mahasiswa
berlangsung
lama
Tabel 5.98 Tabel Term Frequency
Kata Kategori Frekuensi
gawai Administratif 3
139
UIN Syarif Hidayatullah Jakarta
layan Administratif 8
mahasiswa Administratif 8
mahasiswa Kebersihan 1
Tabel 5.99 Tabel Nilai P(Wk|Vj)
Kata Nilai P(Wk | Vj) setiap kategori
Kebersihan Keamanan Administratif
gawai 0.0022779043280182 0.0022573363431151 0.0095693779904306
cakap 0.0022779043280182 0.0022573363431151 0.0023923444976077
layan 0.0022779043280182 0.0022573363431151 0.0215311004784689
mahasiswa 0.0045558086560364 0.0022573363431151 0.0215311004784689
Tabel 5.100 Tabel Nilai VMAP
Kategori Nilai Perkalian P(Wk |
Vj)
Nilai
P(Vj) Nilai VMAP
Kebersihan 5.384828978268006 x 10-11 0.33 1.776993562828442 x 10
-11
Keamanan 2.596480678091681 x 10-11 0.33 8.568386237702548 x 10
-12
Administratif 1.061304200485179 x 10-8 0.33 3.502303861601092 x 10
-9
Tabel 5.101 Tabel Text Mining
Saran:
Untuk lobi di Fakultas Sains dan Teknologi, banyak
sampah berserakan. Sebaiknya ada poster yang
mengingatkan mahasiswa untuk menjaga kebersihan
pada lingkungan kampus
Tahap 1: Case
Folding
Tahap 2:
Tokenizing
Tahap 3:
Filtering
Tahap 4:
Stemming
untuk lobi di
fakultas sains dan
untuk lobi lobi
lobi fakultas fakultas
140
UIN Syarif Hidayatullah Jakarta
teknologi, banyak
sampah
berserakan.
sebaiknya ada
poster yang
mengingatkan
mahasiswa untuk
menjaga
kebersihan pada
lingkungan
kampus
di sains sains
fakultas teknologi teknologi
sains sampah sampah
dan berserakan serak
teknologi poster poster
banyak mahasiswa mahasiswa
sampah menjaga jaga
berserakan kebersihan bersih
sebaiknya lingkungan lingkung
ada kampus kampus
poster
yang
mengingatkan
mahasiswa
untuk
menjaga
kebersihan
pada
lingkungan
kampus
Tabel 5.102 Tabel Term Frequency
Kata Kategori Frekuensi
lobi Kebersihan 1
sampah Kebersihan 8
serak Kebersihan 3
mahasiswa Kebersihan 1
bersih Kebersihan 2
lobi Keamanan 1
mahasiswa Administratif 8
141
UIN Syarif Hidayatullah Jakarta
Tabel 5.103 Tabel Nilai P(Wk|Vj)
Kata Nilai P(Wk | Vj) setiap kategori
Kebersihan Keamanan Administratif
lobi 0.0045558086560364 0.0045146726862302 0.0023923444976077
fakultas 0.0022779043280182 0.0022573363431151 0.0023923444976077
sains 0.0022779043280182 0.0022573363431151 0.0023923444976077
teknologi 0.0022779043280182 0.0022573363431151 0.0023923444976077
sampah 0.020501138952164 0.0022573363431151 0.0023923444976077
serak 0.0091116173120729 0.0022573363431151 0.0023923444976077
poster 0.0022779043280182 0.0022573363431151 0.0023923444976077
mahasiswa 0.0045558086560364 0.0022573363431151 0.0215311004784689
jaga 0.0022779043280182 0.0022573363431151 0.0023923444976077
bersih 0.0068337129840547 0.0022573363431151 0.0023923444976077
lingkung 0.0022779043280182 0.0022573363431151 0.0023923444976077
kampus 0.0022779043280182 0.0022573363431151 0.0023923444976077
Tabel 5.104 Tabel Nilai VMAP
Kategori Nilai Perkalian P(Wk |
Vj)
Nilai
P(Vj) Nilai VMAP
Kebersihan 8.431590462345872 x 10-30 0.33 2.782424852574138 x 10
-30
Keamanan 3.500944943199701 x 10-32 0.33 1.155311831255901 x 10
-32
Administratif 3.163203468199382 x 10-31 0.33 1.043857144505796 x 10
-31
Tabel 5.105 Tabel Text Mining
Saran:
Di dalam lift sebaiknya ada petugas lift yang
memandu mahasiswa. Karena lift sering mati saat
banyak mahasiswa yang menaiki lift tersebut
Tahap 1: Case
Folding
Tahap 2:
Tokenizing
Tahap 3:
Filtering
Tahap 4:
Stemming
142
UIN Syarif Hidayatullah Jakarta
di dalam lift
sebaiknya ada
petugas lift yang
memandu
mahasiswa. karena
lift sering mati
saat banyak
mahasiswa yang
menaiki lift
tersebut
di lift lift
dalam petugas tugas
lift memandu pandu
sebaiknya mahasiswa mahasiswa
ada mati mati
petugas
lift
yang
memandu
mahasiswa
karena
lift
sering
mati
saat
banyak
mahasiswa
yang
menaiki
lift
tersebut
Tabel 5.106 Tabel Term Frequency
Kata Kategori Frekuensi
lift Keamanan 2
mahasiswa Administratif 8
mati Administratif 1
mahasiswa Kebersihan 1
143
UIN Syarif Hidayatullah Jakarta
Tabel 5.107 Tabel Nilai P(Wk|Vj)
Kata Nilai P(Wk | Vj) setiap kategori
Kebersihan Keamanan Administratif
lift 0.0022779043280182 0.0067720090293454 0.0023923444976077
tugas 0.0022779043280182 0.0022573363431151 0.0023923444976077
pandu 0.0022779043280182 0.0022573363431151 0.0023923444976077
mahasiswa 0.0045558086560364 0.0022573363431151 0.0215311004784689
mati 0.0022779043280182 0.0022573363431151 0.0047846889952153
Tabel 5.108 Tabel Nilai VMAP
Kategori Nilai Perkalian P(Wk | Vj) Nilai
P(Vj) Nilai VMAP
Kebersihan 1.226612523523451 x 10-13 0.33 4.047821327627389x 10
-14
Keamanan 1.758339059655773 x 10-13 0.33 5.802518896864052 x 10
-14
Administratif 1.410558480177059 x 10-12 0.33 4.654842984584294 x 10
-13
Tabel 5.109 Tabel Text Mining
Saran:
Dalam memberikan layanan administrasi akademik
kepada mahasiswa petugas kurang disiplin, petugas
sering meninggalkan tugas dan kewajibannya, terkadang
mereka malah mengalihkan tugas mereka ke yang lain
tanpa memperhitungkan apakah orang tersebut sanggup
atau tidak untuk mengemban tugas itu
Tahap 1: Case
Folding
Tahap 2:
Tokenizing
Tahap 3:
Filtering
Tahap 4:
Stemming
dalam
memberikan
layanan
administrasi
dalam layanan layan
memberikan administrasi administrasi
layanan akademik akademik
administrasi mahasiswa mahasiswa
144
UIN Syarif Hidayatullah Jakarta
akademik kepada
mahasiswa
petugas kurang
disiplin, petugas
sering
meninggalkan
tugas dan
kewajibannya,
terkadang mereka
malah
mengalihkan tugas
mereka ke yang
lain tanpa
memperhitungkan
apakah orang
tersebut sanggup
atau tidak untuk
mengemban tugas
itu
akademik petugas tugas
kepada disiplin disiplin
mahasiswa meninggalkan tinggal
petugas tugas tugas
kurang kewajibannya wajib
disiplin terkadang kadang
petugas mengalihkan alih
sering memperhitungkan hitung
meninggalkan sanggup sanggup
tugas mengemban emban
dan
kewajibannya
terkadang
mereka
malah
mengalihkan
tugas
mereka
ke
yang
lain
tanpa
memperhitungkan
apakah
orang
tersebut
sanggup
atau
tidak
145
UIN Syarif Hidayatullah Jakarta
untuk
mengemban
tugas
itu
Tabel 5.110 Tabel Term Frequency
Kata Kategori Frekuensi
layan Administratif 8
mahasiswa Administratif 8
kadang Keamanan 1
mahasiswa Kebersihan 1
Tabel 5.111 Tabel Nilai P(Wk|Vj)
Kata Nilai P(Wk | Vj) setiap kategori
Kebersihan Keamanan Administratif
layan 0.0022779043280182 0.0022573363431151 0.0215311004784689
administrasi 0.0022779043280182 0.0022573363431151 0.0023923444976077
akademik 0.0022779043280182 0.0022573363431151 0.0023923444976077
mahasiswa 0.0045558086560364 0.0022573363431151 0.0215311004784689
tugas 0.0022779043280182 0.0022573363431151 0.0023923444976077
disiplin 0.0022779043280182 0.0022573363431151 0.0023923444976077
tinggal 0.0022779043280182 0.0022573363431151 0.0023923444976077
wajib 0.0022779043280182 0.0022573363431151 0.0023923444976077
kadang 0.0022779043280182 0.0045146726862302 0.0023923444976077
alih 0.0022779043280182 0.0022573363431151 0.0023923444976077
hitung 0.0022779043280182 0.0022573363431151 0.0023923444976077
sanggup 0.0022779043280182 0.0022573363431151 0.0023923444976077
emban 0.0022779043280182 0.0022573363431151 0.0023923444976077
146
UIN Syarif Hidayatullah Jakarta
Tabel 5.112 Tabel Nilai VMAP
Kategori Nilai Perkalian P(Wk |
Vj)
Nilai
P(Vj) Nilai VMAP
Kebersihan 8.891831669562018 x 10-35 0.33 2.934304450955466 x 10
-35
Keamanan 7.902810255529714 x 10-35 0.33 2.607927384324806 x 10
-35
Administratif 6.81072517076422 x 10-33 0.33 2.247539306352193 x 10
-33
Tabel 5.113 Tabel Text Mining
Saran:
Sebaiknya diadakan area bebas rokok di Fakultas
Sains dan Teknologi karena banyak puntung rokok
yang dibuang sembarangan selain itu asap rokok
akan menimbulkan polusi udara di area kampus
sehingga udara menjadi tidak sehat untuk dihirup
Tahap 1: Case
Folding
Tahap 2:
Tokenizing
Tahap 3:
Filtering
Tahap 4:
Stemming
sebaiknya
diadakan area
bebas rokok di
fakultas sains dan
teknologi karena
banyak puntung
rokok yang
dibuang
sembarangan
selain itu asap
rokok akan
menimbulkan
polusi udara di
area kampus
sebaiknya area area
diadakan bebas bebas
area rokok rokok
bebas fakultas fakultas
rokok sains sains
di teknologi teknologi
fakultas puntung puntung
sains dibuang buang
dan sembarangan sembarang
teknologi asap asap
karena menimbulkan timbul
banyak polusi polusi
puntung udara udara
rokok kampus kampus
147
UIN Syarif Hidayatullah Jakarta
sehingga udara
menjadi tidak
sehat untuk
dihirup
yang sehat sehat
dibuang dihirup hirup
sembarangan
selain
itu
asap
rokok
akan
menimbulkan
polusi
udara
di
area
kampus
sehingga
udara
menjadi
tidak
sehat
untuk
dihirup
Tabel 5.114 Tabel Term Frequency
Kata Kategori Frekuensi
area Kebersihan 1
rokok Kebersihan 1
puntung Kebersihan 1
buang Kebersihan 2
sembarang Kebersihan 1
148
UIN Syarif Hidayatullah Jakarta
area Keamanan 1
buang Keamanan 1
Tabel 5.115 Tabel Nilai P(Wk|Vj)
Kata Nilai P(Wk | Vj) setiap kategori
Kebersihan Keamanan Administratif
area 0.0045558086560364 0.0045146726862302 0.0023923444976077
bebas 0.0022779043280182 0.0022573363431151 0.0023923444976077
rokok 0.0045558086560364 0.0022573363431151 0.0023923444976077
fakultas 0.0022779043280182 0.0022573363431151 0.0023923444976077
sains 0.0022779043280182 0.0022573363431151 0.0023923444976077
teknologi 0.0022779043280182 0.0022573363431151 0.0023923444976077
puntung 0.0045558086560364 0.0022573363431151 0.0023923444976077
buang 0.0068337129840547 0.0045146726862302 0.0023923444976077
sembarang 0.0045558086560364 0.0022573363431151 0.0023923444976077
asap 0.0022779043280182 0.0022573363431151 0.0023923444976077
timbul 0.0022779043280182 0.0022573363431151 0.0023923444976077
polusi 0.0022779043280182 0.0022573363431151 0.0023923444976077
udara 0.0022779043280182 0.0022573363431151 0.0023923444976077
kampus 0.0022779043280182 0.0022573363431151 0.0023923444976077
sehat 0.0022779043280182 0.0022573363431151 0.0023923444976077
hirup 0.0022779043280182 0.0022573363431151 0.0023923444976077
Tabel 5.116 Tabel Nilai VMAP
Kategori Nilai Perkalian P(Wk |
Vj)
Nilai
P(Vj) Nilai VMAP
Kebersihan 2.522370703029291 x 10-41 0.33 8.323823319996661 x 10
-42
Keamanan 1.81802718001616 x 10-42 0.33 5.999489694053329 x 10
-43
Administratif 1.151276106923714 x 10-42 0.33 3.799211152848255 x 10
-43
149
UIN Syarif Hidayatullah Jakarta
Tabel 5.117 Tabel Text Mining
Saran:
Sebaiknya musholla juga perlu disediakan loker
untuk menaruh benda yang dibawa ketika mau
sholat. Sehingga jika mau sholat bisa menaruh
barangnya di loker tanpa harus khawatir kehilangan.
Selain itu, ada petugas loker yang menjaganya
Tahap 1: Case
Folding
Tahap 2:
Tokenizing
Tahap 3:
Filtering
Tahap 4:
Stemming
sebaiknya
musholla juga
perlu disediakan
loker untuk
menaruh benda
yang dibawa
ketika mau sholat.
sehingga jika mau
sholat bisa
menaruh
barangnya di loker
tanpa harus
khawatir
kehilangan. selain
itu, ada petugas
loker yang
menjaganya
sebaiknya musholla musholla
musholla disediakan sedia
juga loker loker
perlu menaruh taruh
disediakan benda benda
loker dibawa bawa
untuk sholat sholat
menaruh barangnya barang
benda khawatir khawatir
yang kehilangan hilang
dibawa petugas tugas
ketika menjaganya jaga
mau
sholat
sehingga
jika
mau
sholat
bisa
menaruh
barangnya
150
UIN Syarif Hidayatullah Jakarta
di
loker
tanpa
harus
khawatir
kehilangan
selain
itu
ada
petugas
loker
yang
menjaganya
Tabel 5.118 Tabel Term Frequency
Kata Kategori Frekuensi
musholla Keamanan 3
sedia Keamanan 2
loker Keamanan 1
hilang Keamanan 3
sholat Kebersihan 1
sedia Kebersihan 2
musholla Kebersihan 1
Tabel 5.119 Tabel Nilai P(Wk|Vj)
Kata Nilai P(Wk | Vj) setiap kategori
Kebersihan Keamanan Administratif
musholla 0.0045558086560364 0.0090293453724605 0.0023923444976077
sedia 0.0068337129840547 0.0067720090293454 0.0023923444976077
151
UIN Syarif Hidayatullah Jakarta
loker 0.0022779043280182 0.0045146726862302 0.0023923444976077
taruh 0.0022779043280182 0.0022573363431151 0.0023923444976077
benda 0.0022779043280182 0.0022573363431151 0.0023923444976077
bawa 0.0022779043280182 0.0022573363431151 0.0023923444976077
sholat 0.0045558086560364 0.0022573363431151 0.0023923444976077
barang 0.0022779043280182 0.0022573363431151 0.0023923444976077
khawatir 0.0022779043280182 0.0022573363431151 0.0023923444976077
hilang 0.0022779043280182 0.0090293453724605 0.0023923444976077
tugas 0.0022779043280182 0.0022573363431151 0.0023923444976077
jaga 0.0022779043280182 0.0022573363431151 0.0023923444976077
Tabel 5.120 Tabel Nilai VMAP
Kategori Nilai Perkalian P(Wk |
Vj)
Nilai
P(Vj) Nilai VMAP
Kebersihan 2.342108461762694 x 10-31 0.33 7.728957923816889x 10
-32
Keamanan 1.680453572735918 x 10-30 0.33 5.545496790028531 x 10
-31
Administratif 3.514670520221601 x 10-32 0.33 1.159841271673128 x 10
-32
Tabel 5.121 Tabel Text Mining
Saran:
Saat menyampaikan informasi kepada mahasiswa,
petugas administrasi akademik masih ada sebagian
pegawai yang kurang menghargai mahasiswa
Tahap 1: Case
Folding
Tahap 2:
Tokenizing
Tahap 3:
Filtering
Tahap 4:
Stemming
saat
menyampaikan
informasi kepada
mahasiswa,
petugas
saat informasi informasi
menyampaikan mahasiswa mahasiswa
informasi petugas tugas
kepada administrasi administrasi
mahasiswa akademik akademik
152
UIN Syarif Hidayatullah Jakarta
administrasi
akademik masih
ada sebagian
pegawai yang
kurang
menghargai
mahasiswa
petugas pegawai gawai
administrasi menghargai harga
akademik
masih
ada
sebagian
pegawai
yang
kurang
menghargai
mahasiswa
Tabel 5.122 Tabel Term Frequency
Kata Kategori Frekuensi
mahasiswa Administratif 8
gawai Administratif 3
mahasiswa Kebersihan 1
Tabel 5.123 Tabel Nilai P(Wk|Vj)
Kata Nilai P(Wk | Vj) setiap kategori
Kebersihan Keamanan Administratif
informasi 0.0022779043280182 0.0022573363431151 0.0023923444976077
mahasiswa 0.0045558086560364 0.0022573363431151 0.0215311004784689
Tugas 0.0022779043280182 0.0022573363431151 0.0023923444976077
administrasi 0.0022779043280182 0.0022573363431151 0.0023923444976077
akademik 0.0022779043280182 0.0022573363431151 0.0023923444976077
Gawai 0.0022779043280182 0.0022573363431151 0.0095693779904306
harga 0.0022779043280182 0.0022573363431151 0.0023923444976077
153
UIN Syarif Hidayatullah Jakarta
Tabel 5.124 Tabel Nilai VMAP
Kategori Nilai Perkalian P(Wk |
Vj)
Nilai
P(Vj) Nilai VMAP
Kebersihan 6.364706095980335 x 10-19 0.33 2.100353011673511 x 10
-19
Keamanan 2.986578376884654 x 10-19 0.33 9.855708643719359 x 10
-20
Administratif 1.614613310337574 x 10-17 0.33 5.328223924113993 x 10
-18
Tabel 5.125 Tabel Studi Kasus Pertama
No Saran Kategori Hasil Klasifikasi
1
Sebaiknya bagian administratif lebih
sigap dan cekatan dalam melayani
mahasiswa. Untuk proses pembuatan
surat jangan menunggu hingga
berhari hari untuk diambil karena
tidak efisien
Administratif Administratif
2
Hindari praktik KKN pada petugas
bagian administratif karena untuk
minta legalisir ada uang
administratifnya dan seharusnya itu
gratis atau tidak dikenakan biaya
Administratif Administratif
3 Cara pegawai melayani mahasiswa
sering tidak ramah Administratif Administratif
4
Sebaiknya bagian akademik perlu
untuk meningkatkan keberadaan
sarana pendukung elektronik seperti
komputer untuk mewujudkan sistem
layanan online agar prosesnya lebih
cepat
Administratif Administratif
5
Karyawan di lantai dua tidak
menyiapkan alur pembuatan surat
menyurat
Administratif Administratif
6
Sebaiknya tersedia CCTV di area
parkiran Fakultas Sains dan
Teknologi untuk menghindari
pencurian helm maupun
kendaraannya
Keamanan Keamanan
154
UIN Syarif Hidayatullah Jakarta
7
Lift pernah nyangkut dan bergoyang
saat naik maupun turun, mohon
diperbaiki
Keamanan Keamanan
8
Pada area parkir sebaiknya ada
petugas yang mengontrol keliling
karena sebagian mahasiswa
memarkirkan kendaraannya tidak
benar sehingga membuat lecet atau
baret pada kendaraan orang lain
khususnya sepeda motor
Keamanan Administratif
9
Sebaiknya di tempat parkir terdapat
penanggung jawab keamanan,
sehingga jika ada pencurian motor,
kunci hilang ataupun jatuh dan helm
hilang lebih mudah untuk
menanyakannya kepada bagian
penanggung jawab keamanan
Keamanan Keamanan
10
Sebaiknya di musholla juga
disedikan CCTV, selain karena
ramai juga menjadi pusat pencurian
benda berharga seperti laptop
Keamanan Kebersihan
11 Banyak sampah yang berserakan di
ruang kelas 501, mohon dibersihkan Kebersihan Kebersihan
12
Kamar mandi untuk pria di lantai
enam kotor dan bau, sebaiknya
diberi pengharum
Kebersihan Kebersihan
13
Setiap kamar mandi di Fakultas
Sains dan Teknologi sebaiknya ada
petugas kebersihan yang berjaga
membersihkan kamar mandi karena
kamar mandi sering banyak
genangan air yang terkadang
membahayakan mahasiswa apabila
terpeleset dan terjatuh
Kebersihan Kebersihan
14
Sebaiknya fasilitas yang ada di
kamar mandi tersedia seperti adanya
ember, gayung dan sabun
Kebersihan Kebersihan
15 Sebaiknya setiap lift yang ada di
Fakultas Sains dan Teknologi di lap Kebersihan Kebersihan
155
UIN Syarif Hidayatullah Jakarta
supaya bersih dan tidak berbau
Dari 15 saran yang diujikan terdapat 2 saran yang salah. Maka studi kasus
kali ini memiliki persentase kesalahan sebagai berikut:
Kesalahan: 2/15 x 100% = 13,33%
Kemudian dilakukan penambahan database untuk data pembelajaran yaitu
dengan menambahkan 5 buah saran untuk setiap kategori (Administratif,
Keamanan, dan Kebersihan). Pada studi kasus kedua dipergunakan masing-
masing 5 buah saran yang belum diujikan pada studi kasus yang pertama pada
setiap kategori (Administratif, Keamanan, dan Kebersihan)
Tabel 5.126 Tabel Studi Kasus Kedua
No Saran Kategori Hasil Klasifikasi
1
Kalau bisa, pegawai bagian
akademik ditambah lagi
jumlahnya untuk memudahkan
dan mempersingkat waktu
mahasiswa tanpa harus
menunggu lama
Administratif Administratif
2
Jika ada aturan atau prosedur
baru di Fakultas Sains dan
Teknologi sebaiknya
diberitahukan kepada mahasiswa
dengan pelayanan yang ramah
dan ditempel informasinya
Administratif Administratif
3
Masih adanya pegawai yang
belum mampu atau cakap dalam
memberikan layanan kepada
mahasiswa, sehingga layanan
kepada mahasiswa berlangsung
lama
Administratif Administratif
4
Dalam memberikan layanan
administrasi akademik kepada
mahasiswa petugas kurang
disiplin, petugas sering
meninggalkan tugas dan
kewajibannya, terkadang mereka
malah mengalihkan tugas
mereka ke yang lain tanpa
memperhitungkan apakah orang
Administratif Administratif
156
UIN Syarif Hidayatullah Jakarta
tersebut sanggup atau tidak
untuk mengemban tugas itu
5
Saat menyampaikan informasi
kepada mahasiswa, petugas
administrasi akademik masih ada
sebagian pegawai yang kurang
menghargai mahasiswa
Administratif Administratif
6
Sebaiknya disediakan loker di
perpustakaan Fakultas Sains dan
Teknologi selain lebih rapi juga
lebih aman
Keamanan Administratif
7
Tidak hanya di tempat parkir,
musholla atau perpustakaan,
sebaiknya CCTV juga
disediakan di lobby dan dalam
kelas untuk menghindari adanya
pencurian saat malam hari
Keamanan Keamanan
8
Sebaiknya ada petugas
keamanan yang selalu
mengontrol kondisi pada area
kampus dan menjaga fasilitas di
Fakultas Sains dan Teknologi
Keamanan Keamanan
9
Di dalam lift sebaiknya ada
petugas lift yang memandu
mahasiswa. Karena lift sering
mati saat banyak mahasiswa
yang menaiki lift tersebut
Keamanan Keamanan
10
Sebaiknya musholla juga perlu
disediakan loker untuk menaruh
benda yang dibawa ketika mau
sholat. Sehingga jika mau sholat
bisa menaruh barangnya di loker
tanpa harus khawatir kehilangan.
Selain itu, ada petugas loker
yang menjaganya
Keamanan Keamanan
11
Sebaiknya setiap ruangan
disediakan tempat sampah baik
sampah organik maupun non
organik
Kebersihan Kebersihan
157
UIN Syarif Hidayatullah Jakarta
12
Sebaiknya ada petugas yang
standby membersihkan kelas
saat pergantian kelas dilakukan
sehingga ruang kelas menjadi
bersih untuk belajar
Kebersihan Kebersihan
13
Untuk kamar mandi Fakultas
Sains dan Teknologi pintu kamar
mandi sering rusak tidak bisa
ditutup bahkan berlubang
sebaiknya ada perbaikan segera
karena kamar mandi sering
dipakai oleh mahasiswa
Kebersihan Kebersihan
14
Untuk lobby di Fakultas Sains
dan Teknologi, banyak sampah
berserakan. Sebaiknya ada poster
yang mengingatkan mahasiswa
untuk menjaga kebersihan pada
lingkungan kampus
Kebersihan Kebersihan
15
Sebaiknya diadakan area bebas
rokok di Fakultas Sains dan
Teknologi karena banyak
puntung rokok yang dibuang
sembarangan selain itu asap
rokok akan menimbulkan polusi
udara di area kampus sehingga
udara menjadi tidak sehat untuk
dihirup
Kebersihan Kebersihan
Dari 15 saran yang diujikan terdapat 1 saran yang salah. Maka studi kasus
kali ini memiliki persentase kesalahan sebagai berikut:
Kesalahan: 1/15 x 100% = 6,6%
Selanjutnya pengujian dilakukan menggunakan 10 saran yang berkategori
campuran, yaitu terdapat tiga kategori secara langsung dalam satu kalimat.
Pengujian dilakukan terhadap 60 saran sebelumnya yang telah dimasukkan
pada studi kasus sebelumnya.
Tabel 5.127 Tabel Studi Kasus Ketiga
No Saran Kategori Hasil Klasifikasi
1 Sebaiknya setiap sudut ruangan
disediakan tempat sampah Campuran Kebersihan
158
UIN Syarif Hidayatullah Jakarta
supaya tidak ada yang
membuang sampah sembarangan
dan diberi cctv di setiap fasilitas
umum seperti perpus, mushola,
tempat parikir, demi keamanan
bersama, dan bagian
administratif kampus lebih bijak
lagi dalam melayani mahasiswa
2
Masa butuh waktu 2 hari hanya
untuk membuat surat pengantar,
seharusnya gak sampai sejam
selesai. Tingkatkan kecepatan
pelayanan dan kebersihan
khususnya di area layanan
akademik
Campuran Administratif
3
Sebaiknya setiap kamar mandi
ada penjaga yang selalu standby
agar selalu bersih. Dan mushola
dikasih loker dan kunci untuk
menaruh barang2 berharga
ketika ingin sholat supaya aman.
Dan untuk bagian administratif,
harusnya selalu standby ketika
dibutuhkan
Campuran Keamanan
4
Setiap ruangan diberi tempat
sampah dan setiap sudut
diberikan cctv agar aman dan
bagian admin lebih ramah lagi
pelayanannya
Campuran Administratif
5
Sebaiknya diberikan tulisan
peringatan jangan membuang
sampah sembarangan. Dan untuk
parkir harusnya ada petugas
yang selalu standby ditempatnya
untuk mengawasi. Dan untuk
bagian administrasi, sebaiknya
jangan meninggalkan tempat
kecuali saat istirahat
Campuran Kebersihan
6
Harusnya ada tempat sampah di
kamar mandi biar pada ga buang
sembarangan di pojokan kamar
mandi. Parkiran harusnya ada
Campuran Kebersihan
159
UIN Syarif Hidayatullah Jakarta
satpam yang selalu ada supaya
ga ada yang kehilangan helm.
Kalo bagian administratif
sebaiknya kalo sedang pergi
dapat digantikan dengan yang
lain supaya pelayanan dapat
berjalan
7
Petugas kebersihan harus lebih
rajin terutama bagian kamar
mandi agar tidak licin dan bau.
Untuk perpustakaan dan
musholla sebaiknya dikasih cctv
supaya aman. Dan bagian
administratif lebih ramah lagi
dalam melayani mahasiswa
Campuran Kebersihan
8
Kamar mandi dikasih keset
supaya tidak licin dan diberi
pengharum ruangan supaya tidak
bau. Perpustakaan fakultas
harusnya dikasih cctv supaya ga
ada yang mencuri
Campuran Kebersihan
9
Tempelkan alur proses untuk
mengurus keperluan akademik
agar mahasiswa tidak bingung
serta perbanyak tempat sampah
di setiap lantai
Campuran Administratif
10
Pengaduan helm hilang tidak ada
kelanjutannya, seharusnya
sediakan tempat penitipan helm
fakultas juga petugas kebersihan
di tempat parkir agar tidak
banyak sampah berserakan
Campuran Keamanan
157 UIN Syarif Hidayatullah Jakarta
BAB VI
PENUTUP
Setelah melakukan serangkaian penelitian, maka pada bab ini penulis akan
memberikan kesimpulan beserta saran yang dapat menjadi pertimbangan untuk
penelitian yang selanjutnya.
6.1 Kesimpulan
Berdasarkan hasil dan pembahasan yang sudah dijelaskan, maka terdapat
beberapa kesimpulan sebagai berikut:
1. Program untuk mengklasifikasi sebuah saran telah berhasil dibuat,
sehingga dapat dikategorikan sebagai dokumen administratif,
keamanan, dan kebersihan.
2. Tingkat keberhasilan dari program klasifikasi saran ini dipengaruhi
berdasarkan banyaknya jenis dan variasi kata serta jumlah kata yang
sama pada dokumen pembelajaran.
3. Pada dokumen Keamanan masih ada sedikit kesalahan, dikarenakan
cukup banyak kata-kata yang sama digunakan pada kategori tersebut.
4. Pada kategori campuran, algoritme NBC akan mengklasifikasikan
sesuai jumlah kata terbanyak pada salah satu kategori sehingga tetap
menghasilkan keluaran satu kategori saja.
6.2 Saran
Penulis menyadari bahwa penelitian ini masih belum sempurna, maka dari
itu ada beberapa saran yang penulis ingin sampaikan diantaranya:
1. Sebaiknya terdapat filter untuk menghapus kata-kata yang tidak pantas
disampaikan.
2. Sebaiknya terdapat validasi sistem agar yang memberikan saran benar-
benar mahasiswa dan saran yang diberikan tidak bisa dimasukkan
secara sembarang.
3. Lebih baik jika terdapat menu untuk memberikan komentar atau
bentuk dukungan terhadap saran yang telah diberikan oleh mahasiswa.
158 UIN Syarif Hidayatullah Jakarta
DAFTAR PUSTAKA
Arikunto, Suharsimi. 2006. Metodologi Penelitian. Yogyakarta: Bina Aksara.
DiMarzio, J.F. 2008. AndroidTM
A Programmer’s Guide. United States of
America: McGraw Hill Companies.
Dea Herwinda Kalokasari, Imam M. Shofi dan A. Hanifa Setianingrum. 2017.
Implementasi Algoritme Multinomial Naïve Bayes Classifier pada Sistem
Klasifikasi Surat Keluar. Jakarta: Jurnal Teknik Informatika Vol.10 No.2.
Harlian, Milka. 2006. Machine Learning Text Categorization. Austin: University
of Texas.
Hearst, Marti. 2003. What Is Text Minning? SIMS, UC Berkeley.
Kendall, Kenneth E, Kendall, Julie E. 2003. Analisis dan Perancangan Sistem
Edisi ke 5 – Jilid 2. Jakarta: PT INDEKS Kelompok GRAMEDIA.
Kendall, Kenneth E, Kendall, Julie E. 2011. System Analysis & Design Eight
Edition. New Jersey: Pearson Education, Inc.
Marakas, George M. 2006. System Analysis & Design Second Edition. United
States of America: McGraw Hill Companies.
Object Management Group. 2015. OMG Unified Modelling Language (OMG
UML) Version 2.5. [Online] Tersedia: http://www.omg.org/spec/UML/2.5.
[7 Februari 2016]
Safaat H, Nazruddin. 2015. Pemrograman Aplikasi Mobile Smartphone dan
Tablet PC Berbasis Android. Bandung: Informatika Bandung.
Safaat H, Nazruddin. 2015. Aplikasi Berbasis Android edisi revisi. Bandung:
Informatika Bandung.
Sugiarti, Yuni. 2013. Analisis dan Perancangan UML Generated VB.6.
Yogyakarta: Graha Ilmu.
Sugiyono. 2013. Metode Penelitian Kuantitatif, Kualitatif, dan R & D. Bandung:
Alfabeta.
Sutabri, Tata. 2012. Konsep Sistem Informasi. Jakarta: Andi.
159
https://id.wikipedia.org/wiki/Microsoft_Visio. 10.35 20/06/2016
http://staff.unila.ac.id/gigih/2011/10/27/uml-visual-modeling-with-rational-rose-
and-visual-paradigm/ 20/06/2016 10.57
http://www.jadibaru.com/android/pengenalan-android-studio-2/
21/06/2016 9.09
https://developer.android.com/studio/intro/index.html 21/06/2016
09.15
https://id.wikipedia.org/wiki/PhpMyAdmin 21/06/2016 10.25
160
LAMPIRAN
Lampiran 1 – Wawancara
Waktu : 31 Maret 2016, 13.30 WIB
Narasumber : Ahmad Zaidi, S.Sos, M.Si (Kepala Bagian FST)
1. Siapa yang mengelola kotak saran?
Jawaban: Kotak saran di Fakultas Sains dan Teknologi (FST) dikelola oleh
bagian umum FST.
2. Hal apa saja yang dapat disampaikan melalui kotak saran?
Jawaban: Mahasiswa dapat menyampaikan saran dalam tiga hal, yaitu
tentang kebersihan, keamanan, dan administratif.
3. Apakah disediakan kertas untuk mengisi kotak saran tersebut?
Jawaban: Tidak ada kertas yang disediakan untuk mengisi, mahasiswa
silahkan menulis di kertas sendiri.
4. Dimana kotak saran diproses?
Jawaban: Kotak saran diproses di subbag umum FST.
5. Bagaimana alur proses kotak saran dilakukan?
Jawaban: Semua saran yang ada di kotak saran dikumpulkan, kemudian
staff subbag umum akan memilih mana saran yang bisa direalisasikan.
Barulah kabag akan menentukan apakah saran yang sudah dipilih tersebut
disetujui atau tidak.
6. Jika proses penyampaian saran dilakukan melalui aplikasi, siapa yang akan
menjadi admin?
Jawaban: Kalau admin nanti dari orang umum juga, kalau butuh data bisa
langsung saja ketemu dengan Bapak Rahmat.
7. Berdasarkan alur sebelumnya, maka dalam aplikasi kotak saran
dibutuhkan tiga user yaitu admin, mahasiswa, dan kabag FST. Apakah
Bapak setuju?
Jawaban: Ya mas, saya setuju.
161
Lampiran 2 – Surat Keterangan Bimbingan Skripsi
162
Lampiran 3 – Surat Permohonan Data/Riset
163
Lampiran 4 – Hasil Kuesioner
164
165
Lampiran 5 - Source Code
Adapter.java
package com.example.ciqwan.app_volley.Adapter;
import android.app.Activity;
import android.content.Context;
import android.view.LayoutInflater;
import android.view.View;
import android.view.ViewGroup;
import android.widget.BaseAdapter;
import android.widget.TextView;
import com.example.ciqwan.app_volley.Data.*;
import com.example.ciqwan.app_volley.R;
import java.util.List;
public class Adapter extends BaseAdapter {
private Activity activity;
private LayoutInflater inflater;
private List<Data> items;
public Adapter(Activity activity, List<Data> items) {
this.activity = activity;
this.items = items;
}
@Override
public int getCount() {return items.size();}
@Override
public Object getItem(int location) {return items.get(location);}
@Override
public long getItemId(int position) {return position;}
@Override
public View getView(int position, View convertView, ViewGroup parent) {
if (inflater == null)
inflater = (LayoutInflater) activity
.getSystemService(Context.LAYOUT_INFLATER_SERVICE);
if (convertView == null)
convertView = inflater.inflate(R.layout.row_akun, null);
TextView nim = (TextView) convertView.findViewById(R.id.nim);
TextView nama = (TextView) convertView.findViewById(R.id.nama);
TextView status = (TextView) convertView.findViewById(R.id.status);
Data data = items.get(position);
nim.setText(data.getNim());
nama.setText(data.getNama());
status.setText(data.getStatus());
return convertView; }
}
AdapterSaran.java
package com.example.ciqwan.app_volley.Adapter;
import android.app.Activity;
import android.content.Context;
import android.view.LayoutInflater;
import android.view.View;
import android.view.ViewGroup;
import android.widget.BaseAdapter;
import android.widget.TextView;
import com.example.ciqwan.app_volley.Data.DataSaran;
import com.example.ciqwan.app_volley.R;
import java.util.List;
public class AdapterSaran extends BaseAdapter {
166
private Activity activity;
private LayoutInflater inflater;
private List<DataSaran> items;
public AdapterSaran(Activity activity, List<DataSaran> items) {
this.activity = activity;
this.items = items;
}
@Override
public int getCount() {return items.size();}
@Override
public Object getItem(int location) {return items.get(location);}
@Override
public long getItemId(int position) {return position;}
@Override
public View getView(int position, View convertView, ViewGroup parent) {
if (inflater == null)
inflater = (LayoutInflater) activity
.getSystemService(Context.LAYOUT_INFLATER_SERVICE);
if (convertView == null)
convertView = inflater.inflate(R.layout.row_saran, null);
TextView nim = (TextView) convertView.findViewById(R.id.nim);
TextView isi = (TextView) convertView.findViewById(R.id.isi);
TextView status_saran = (TextView)
convertView.findViewById(R.id.status_saran);
TextView kategori = (TextView) convertView.findViewById(R.id.kategori);
DataSaran data = items.get(position);
nim.setText(data.getNim());
isi.setText(data.getIsi());
status_saran.setText(data.getStatusSaran());
kategori.setText(data.getKategori());
return convertView;
}
}
appcontroller.java package com.example.ciqwan.app_volley.app;
import android.app.Application;
import android.text.TextUtils;
import com.android.volley.Request;
import com.android.volley.RequestQueue;
import com.android.volley.toolbox.Volley;
public class appcontroller extends Application {
public static final String TAG = appcontroller.class.getSimpleName();
private RequestQueue mRequestQueue;
private static appcontroller mInstance;
@Override
public void onCreate() {
super.onCreate();
mInstance = this;
}
public static synchronized appcontroller getInstance() {
return mInstance;
}
public RequestQueue getRequestQueue() {
if (mRequestQueue == null) {
mRequestQueue = Volley.newRequestQueue(getApplicationContext());
}
return mRequestQueue;
}
public <T> void addToRequestQueue(Request<T> req, String tag) {
req.setTag(TextUtils.isEmpty(tag) ? TAG : tag);
getRequestQueue().add(req);
}
167
public <T> void addToRequestQueue(Request<T> req) {
req.setTag(TAG);
getRequestQueue().add(req);
}
public void cancelPendingRequests(Object tag) {
if (mRequestQueue != null) {
mRequestQueue.cancelAll(tag);
}
}
}
data.java
package com.example.ciqwan.app_volley.Data;
public class Data {
private String nim, nama, password, status;
public Data() { }
public Data(String nim, String nama, String password, String status) {
this.nim = nim;
this.nama = nama;
this.password = password;
this.status = status;
}
public String getNim() {return nim;}
public void setNim(String nim) {this.nim = nim;}
public String getNama() {return nama;}
public void setNama(String nama) {this.nama = nama;}
public String getPassword() {return password;}
public void setPassword(String password) {this.password = password;}
public String getStatus() {return status;}
public void setStatus(String status) {this.status = status;}
}
dataSaran.java
package com.example.ciqwan.app_volley.Data;
public class DataSaran {
private String nim, isi, status_saran, kategori;
public DataSaran() { }
public DataSaran(String nim, String isi, String status_saran, String kategori)
{
this.nim = nim;
this.isi = isi;
this.status_saran = status_saran;
this.kategori = kategori;
}
public String getNim() {return nim;}
public void setNim(String nim) {this.nim = nim;}
public String getIsi() {return isi;}
public void setIsi(String isi) {this.isi = isi;}
public String getStatusSaran() {return status_saran;}
public void setStatusSaran(String status_saran) {
this.status_saran = status_saran;
}
public String getKategori() {
return kategori;
}
public void setKategori(String kategori) {
this.kategori = kategori;
}
}
168
server.java
package com.example.ciqwan.app_volley.Util;
public class Server {
public static final String URL =
"https://sikoran.000webhostapp.com/sikoran/";
public static final String
URL_ADD="https://sikoran.000webhostapp.com/sikoran/create.php";
public static final String URL_GET_ALL =
"https://sikoran.000webhostapp.com/sikoran/read.php";
public static final String KEY_EMP_NIM = "nim";
public static final String KEY_EMP_NAMA = "nama";
public static final String KEY_EMP_PASSWORD = "password";
public static final String KEY_EMP_STATUS = "status";
public static final String TAG_JSON_ARRAY="result";
public static final String TAG_NIM = "nim";
public static final String TAG_NAMA = "nama";
public static final String TAG_PASSWORD = "password";
public static final String TAG_STATUS = "status";
public static final String EMP_nim = "emp_nim";
}
admin_koran.java
package com.example.ciqwan.app_volley;
import android.content.DialogInterface;
import android.content.Intent;
import android.os.Bundle;
import android.support.v4.widget.SwipeRefreshLayout;
import android.support.v7.app.AlertDialog;
import android.support.v7.app.AppCompatActivity;
import android.util.Log;
import android.view.KeyEvent;
import android.view.LayoutInflater;
import android.view.View;
import android.widget.AdapterView;
import android.widget.EditText;
import android.widget.ListView;
import android.widget.TextView;
import android.widget.Toast;
import com.android.volley.Request;
import com.android.volley.Response;
import com.android.volley.VolleyError;
import com.android.volley.VolleyLog;
import com.android.volley.toolbox.JsonArrayRequest;
import com.android.volley.toolbox.StringRequest;
import com.example.ciqwan.app_volley.Adapter.AdapterSaran;
import com.example.ciqwan.app_volley.Data.DataSaran;
import com.example.ciqwan.app_volley.Util.Server;
import com.example.ciqwan.app_volley.app.appcontroller;
import org.json.JSONArray;
import org.json.JSONException;
import org.json.JSONObject;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
public class admin_koran extends AppCompatActivity implements
SwipeRefreshLayout.OnRefreshListener{
private long lastPressedTime;
private static final int PERIOD = 2000;
AlertDialog.Builder dialog;
AdapterSaran adapter;
List<DataSaran> itemList = new ArrayList<DataSaran>();
169
LayoutInflater inflater;
View dialogView;
SwipeRefreshLayout swipe;
ListView list;
TextView txt_nim;
EditText txt_isi;
int success;
String tag_json_obj = "json_obj_req";
String nim, isi;
private static final String TAG = admin_koran.class.getSimpleName();
private static String url_select = Server.URL + "tampilSaran.php";
private static String url_edit = Server.URL + "edit.php";
private static String url_delete = Server.URL + "delete.php";
private static String url_update = Server.URL + "update.php";
public static final String TAG_NIM = "nim";
public static final String TAG_NAMA = "nama";
public static final String TAG_ISI = "isi";
public static final String TAG_STATUS = "status_saran";
public static final String TAG_KATEGORI = "kategori";
private static final String TAG_SUCCESS = "success";
private static final String TAG_MESSAGE = "message";
@Override
protected void onCreate(Bundle savedInstanceState) {
super.onCreate(savedInstanceState);
setContentView(R.layout.admin_saran);
list = (ListView) findViewById(R.id.array_list);
swipe = (SwipeRefreshLayout) findViewById(R.id.swipe_refresh_layout);
swipe.setOnRefreshListener(this);
swipe.post(new Runnable() {
@Override
public void run() {
swipe.setRefreshing(true);
itemList.clear();
callVolley();
adapter.notifyDataSetChanged();}});
list.setOnItemLongClickListener(new AdapterView.OnItemLongClickListener()
{
@Override
public boolean onItemLongClick(final AdapterView<?> parent, View view,
final int position, long id) {
// TODO Auto-generated method stub
final String nimx = itemList.get(position).getIsi();
final CharSequence[] dialogitem = {"Tinjau Saran"};
dialog = new AlertDialog.Builder(admin_koran.this);
dialog.setCancelable(true);
dialog.setItems(dialogitem, new DialogInterface.OnClickListener()
{
@Override
public void onClick(DialogInterface dialog, int which) {
// TODO Auto-generated method stub
switch (which) {
case 0:
edit(nimx);
break;
case 1:
delete(nimx);
break;}}}).show();
return false;}});}
public void onRefresh() {
itemList.clear();
adapter.notifyDataSetChanged();
callVolley();}
170
private void callVolley(){
swipe.setRefreshing(true);
JsonArrayRequest jArr = new JsonArrayRequest(url_select, new
Response.Listener<JSONArray>() {
@Override
public void onResponse(JSONArray response) {
Log.d(TAG, response.toString());
for (int i = 0; i < response.length(); i++) {
try {
JSONObject obj = response.getJSONObject(i);
DataSaran item = new DataSaran();
item.setNim(obj.getString(TAG_NAMA));
item.setIsi(obj.getString(TAG_ISI));
item.setStatusSaran(obj.getString(TAG_STATUS));
item.setKategori(obj.getString(TAG_KATEGORI));
itemList.add(item);
} catch (JSONException e) {
e.printStackTrace();}}
adapter.notifyDataSetChanged();
swipe.setRefreshing(false);}
}, new Response.ErrorListener() {
@Override
public void onErrorResponse(VolleyError error) {
VolleyLog.d(TAG, "Error: " + error.getMessage());
swipe.setRefreshing(false);}});
appcontroller.getInstance().addToRequestQueue(jArr);
adapter = new AdapterSaran(admin_koran.this, itemList);
list.setAdapter(adapter);}
private void DialogForm(String nimx, String isix, String button) {
dialog = new AlertDialog.Builder(admin_koran.this);
inflater = getLayoutInflater();
dialogView = inflater.inflate(R.layout.edit_saran,null);
dialog.setView(dialogView);
dialog.setCancelable(true);
dialog.setIcon(R.mipmap.ic_launcher);
dialog.setTitle("Status Saran");
txt_nim = (TextView) dialogView.findViewById(R.id.txt_nim);
txt_isi = (EditText) dialogView.findViewById(R.id.txt_isi);
if (!nimx.isEmpty()){
txt_nim.setText(nimx);
txt_isi.setText(isix);
} else {
Toast.makeText(admin_koran.this, "NIM Kosong",
Toast.LENGTH_LONG).show();}
dialog.setPositiveButton(button, new DialogInterface.OnClickListener() {
@Override
public void onClick(DialogInterface dialog, int which) {
nim = txt_nim.getText().toString();
isi = txt_isi.getText().toString();
simpan_update();
dialog.dismiss();
callVolley();
adapter.notifyDataSetChanged();}});
dialog.setNegativeButton("BATAL", new DialogInterface.OnClickListener() {
@Override
public void onClick(DialogInterface dialog, int which) {
dialog.dismiss();}});
dialog.show();}
private void simpan_update() {
StringRequest strReq = new StringRequest(Request.Method.POST, url_update,
new Response.Listener<String>() {
@Override
public void onResponse(String response) {
Log.d(TAG, "Response: " + response);
171
try {
JSONObject jObj = new JSONObject(response);
success = jObj.getInt(TAG_SUCCESS);
if (success == 1) {
Log.d("Add/update", jObj.toString());
Toast.makeText(admin_koran.this,
jObj.getString(TAG_MESSAGE), Toast.LENGTH_LONG).show();
} else {
Toast.makeText(admin_koran.this,
jObj.getString(TAG_MESSAGE), Toast.LENGTH_LONG).show();
}
} catch (JSONException e) {
e.printStackTrace();}}
}, new Response.ErrorListener() {
@Override
public void onErrorResponse(VolleyError error) {
Log.e(TAG, "Error: " + error.getMessage());
Toast.makeText(admin_koran.this, error.getMessage(),
Toast.LENGTH_LONG).show();}}) {
@Override
protected Map<String, String> getParams() {
Map<String, String> params = new HashMap<String, String>();
params.put("nim", nim);
params.put("isi", isi);
return params;}};
appcontroller.getInstance().addToRequestQueue(strReq, tag_json_obj);}
private void edit(final String nimx){
StringRequest strReq = new StringRequest(Request.Method.POST, url_edit,
new Response.Listener<String>() {
@Override
public void onResponse(String response) {
Log.d(TAG, "Response: " + response.toString());
try {
JSONObject jObj = new JSONObject(response);
success = jObj.getInt(TAG_SUCCESS);
if (success == 1) {
Log.d("get edit data", jObj.toString());
String nimx = jObj.getString(TAG_NIM);
String isix = jObj.getString(TAG_ISI);
DialogForm(nimx, isix, "UPDATE");
adapter.notifyDataSetChanged();
} else {
Toast.makeText(admin_koran.this,
jObj.getString(TAG_MESSAGE), Toast.LENGTH_LONG).show();}
} catch (JSONException e) {
e.printStackTrace();}}
}, new Response.ErrorListener() {
@Override
public void onErrorResponse(VolleyError error) {
Log.e(TAG, "Error: " + error.getMessage());
Toast.makeText(admin_koran.this, error.getMessage(),
Toast.LENGTH_LONG).show();}}) {
@Override
protected Map<String, String> getParams() {
// Posting parameters ke post url
Map<String, String> params = new HashMap<String, String>();
params.put("nim", nimx);
return params; }};
appcontroller.getInstance().addToRequestQueue(strReq, tag_json_obj);}
private void delete(final String nimx){
StringRequest strReq = new StringRequest(Request.Method.POST, url_delete,
new Response.Listener<String>() {
@Override
public void onResponse(String response) {
Log.d(TAG, "Response: " + response.toString());
try {
JSONObject jObj = new JSONObject(response);
172
success = jObj.getInt(TAG_SUCCESS);
if (success == 1) {
Log.d("delete", jObj.toString());
callVolley();
Toast.makeText(admin_koran.this,
jObj.getString(TAG_MESSAGE), Toast.LENGTH_LONG).show();
adapter.notifyDataSetChanged();
} else {
Toast.makeText(admin_koran.this,
jObj.getString(TAG_MESSAGE), Toast.LENGTH_LONG).show();
}
} catch (JSONException e) {
e.printStackTrace();}}
}, new Response.ErrorListener() {
@Override
public void onErrorResponse(VolleyError error) {
Log.e(TAG, "Error: " + error.getMessage());
Toast.makeText(admin_koran.this, error.getMessage(),
Toast.LENGTH_LONG).show();}}) {
@Override
protected Map<String, String> getParams() {
// Posting parameters ke post url
Map<String, String> params = new HashMap<String, String>();
params.put("nim", nimx);
return params;}};
appcontroller.getInstance().addToRequestQueue(strReq, tag_json_obj);}
public boolean onKeyDown(int keyCode, KeyEvent event) {
if (event.getKeyCode() == KeyEvent.KEYCODE_BACK) {
switch (event.getAction()) {
case KeyEvent.ACTION_DOWN:
if (event.getDownTime() - lastPressedTime < PERIOD) {
finish();
} else {
Intent intent = new Intent(admin_koran.this,
Dashboard.class);
startActivity(intent);
finish();
lastPressedTime = event.getEventTime();}
return true;}}
return false;}}
biodata.java
package com.example.ciqwan.app_volley;
import android.app.ProgressDialog;
import android.content.Intent;
import android.os.AsyncTask;
import android.os.Bundle;
import android.support.v7.app.AppCompatActivity;
import android.view.KeyEvent;
import android.view.View;
import android.widget.Button;
import android.widget.EditText;
import android.widget.Toast;
import org.json.JSONArray;
import org.json.JSONException;
import org.json.JSONObject;
import java.util.HashMap;
public class Biodata extends AppCompatActivity implements View.OnClickListener{
private long lastPressedTime;
private static final int PERIOD = 2000;
private EditText txtNim;
private EditText editTextName;
private EditText editTextPwd;
private EditText editTextConfirm;
private Button btnEdit;
private String nim;
173
@Override
protected void onCreate(Bundle savedInstanceState) {
super.onCreate(savedInstanceState);
setContentView(R.layout.biodata);
txtNim = findViewById(R.id.nim);
editTextName = findViewById(R.id.nama);
editTextPwd = findViewById(R.id.password);
editTextConfirm = findViewById(R.id.confirm);
Bundle b = getIntent().getExtras();
txtNim.setText(b.getCharSequence("nim"));
btnEdit = findViewById(R.id.cmd_daftar);
btnEdit.setOnClickListener(this);
nim = txtNim.getText().toString().trim();
getEmployee();}
public boolean onKeyDown(int keyCode, KeyEvent event) {
if (event.getKeyCode() == KeyEvent.KEYCODE_BACK) {
switch (event.getAction()) {
case KeyEvent.ACTION_DOWN:
if (event.getDownTime() - lastPressedTime < PERIOD) {
finish();
} else {
if(nim.length() > 12) {
Intent intent = new Intent(getApplicationContext(),
MDashboard.class);
startActivity(intent);finish();}
if(nim.length() < 12){
Intent intent = new Intent(getApplicationContext(),
Dashboard.class);
startActivity(intent);finish();}
if(nim.length() == 12){
Intent intent = new Intent(getApplicationContext(),
KDashboard.class);
startActivity(intent);finish();}
lastPressedTime = event.getEventTime();
}return true;}}return false;}
private void getEmployee(){
class GetEmployee extends AsyncTask<Void,Void,String> {
ProgressDialog loading;
@Override
protected void onPreExecute() {
super.onPreExecute();
loading =
ProgressDialog.show(Biodata.this,"Fetching...","Wait...",false,false);
}
@Override
protected void onPostExecute(String s) {
super.onPostExecute(s);
loading.dismiss();
showEmployee(s);}
@Override
protected String doInBackground(Void... params) {
RequestHandler rh = new RequestHandler();
String s = rh.sendGetRequestParam(koneksi.URL_GET_MHS,nim);
return s;}}
GetEmployee ge = new GetEmployee();
ge.execute();}
private void showEmployee(String json){
try {
JSONObject jsonObject = new JSONObject(json);
JSONArray result = jsonObject.getJSONArray(koneksi.TAG_JSON_ARRAY);
JSONObject c = result.getJSONObject(0);
String nama = c.getString(koneksi.TAG_NAMA);
String pwd = c.getString(koneksi.TAG_PASSWORD);
String conf = c.getString(koneksi.TAG_PASSWORD);
editTextName.setText(nama);
editTextPwd.setText(pwd);
editTextConfirm.setText(conf);
174
} catch (JSONException e) {
e.printStackTrace();}}
private void updateEmployee(){
final String nama = editTextName.getText().toString().trim();
final String pwd = editTextPwd.getText().toString().trim();
class UpdateEmployee extends AsyncTask<Void,Void,String>{
ProgressDialog loading;
@Override
protected void onPreExecute() {
super.onPreExecute();
loading =
ProgressDialog.show(Biodata.this,"Updating...","Wait...",false,false); }
@Override
protected void onPostExecute(String s) {
super.onPostExecute(s);
loading.dismiss();
Toast.makeText(Biodata.this,s,Toast.LENGTH_LONG).show(); }
@Override
protected String doInBackground(Void... params) {
HashMap<String,String> hashMap = new HashMap<>();
hashMap.put(koneksi.KEY_ID,nim);
hashMap.put(koneksi.KEY_NAMA,nama);
hashMap.put(koneksi.KEY_PASS,pwd);
RequestHandler rh = new RequestHandler();
String s = rh.sendPostRequest(koneksi.URL_UPDATE_MHS,hashMap);
return s; } }
UpdateEmployee ue = new UpdateEmployee();
ue.execute(); }
@Override
public void onClick(View v){
if(v==btnEdit) {
final String nama = editTextName.getText().toString().trim();
final String pwd = editTextPwd.getText().toString().trim();
final String conf = editTextConfirm.getText().toString().trim();
if (pwd.isEmpty() || conf.isEmpty() || nama.isEmpty()){
Toast.makeText(Biodata.this,"Isi dulu
formnya...",Toast.LENGTH_LONG).show();
}
else if(pwd.equals(conf)){ updateEmployee();}
else{Toast.makeText(Biodata.this,"Password tidak
sama",Toast.LENGTH_SHORT).show();}}}}
dashboard.java
package com.example.ciqwan.app_volley;
import android.content.Context;
import android.content.DialogInterface;
import android.content.Intent;
import android.content.SharedPreferences;
import android.os.Bundle;
import android.support.v7.app.AlertDialog;
import android.support.v7.app.AppCompatActivity;
import android.view.Menu;
import android.view.MenuItem;
import android.view.View;
import android.widget.ImageButton;
import android.widget.TextView;
public class Dashboard extends AppCompatActivity implements View.OnClickListener {
ImageButton ib_BuatAkun;
ImageButton ib_LihatAkun;
ImageButton ib_ButtonAkun;
ImageButton ib_ButtonKoran;
TextView id;
@Override
protected void onCreate(Bundle savedInstanceState) {
super.onCreate(savedInstanceState);
setContentView(R.layout.admin_dashboard);
ib_BuatAkun = (ImageButton) findViewById(R.id.button_buatAkun);
175
ib_LihatAkun = (ImageButton) findViewById(R.id.button_lihatAkun);
ib_ButtonAkun = (ImageButton) findViewById(R.id.button_akun);
ib_ButtonKoran = (ImageButton) findViewById(R.id.button_koran);
id = (TextView) findViewById(R.id.textView);
ib_BuatAkun.setOnClickListener(this);
ib_LihatAkun.setOnClickListener(this);
ib_ButtonAkun.setOnClickListener(this);
ib_ButtonKoran.setOnClickListener(this);
SharedPreferences sharedPreferences =
getSharedPreferences(koneksi.SHARED_PREF_NAME, Context.MODE_PRIVATE);
String username =
sharedPreferences.getString(koneksi.EMAIL_SHARED_PREF,"Not Available");
id.setText(username);}
private void logout(){
AlertDialog.Builder alertDialogBuilder = new AlertDialog.Builder(this);
alertDialogBuilder.setMessage("Apakah Kamu Yakin Untuk logout?");
alertDialogBuilder.setPositiveButton("Yes",
new DialogInterface.OnClickListener() {
@Override
public void onClick(DialogInterface arg0, int arg1) {
SharedPreferences preferences =
getSharedPreferences(koneksi.SHARED_PREF_NAME,Context.MODE_PRIVATE);
SharedPreferences.Editor editor = preferences.edit();
editor.putBoolean(koneksi.LOGGEDIN_SHARED_PREF, false);
editor.putString(koneksi.EMAIL_SHARED_PREF, "");
editor.commit();
Intent intent = new Intent(Dashboard.this,
MainActivity.class);
startActivity(intent);finish();}});
alertDialogBuilder.setNegativeButton("No",
new DialogInterface.OnClickListener() {
@Override
public void onClick(DialogInterface arg0, int arg1) {}});
AlertDialog alertDialog = alertDialogBuilder.create();
alertDialog.show();}
@Override
public boolean onCreateOptionsMenu(Menu menu) {
getMenuInflater().inflate(R.menu.menu_main, menu);
return true;}
@Override
public boolean onOptionsItemSelected(MenuItem item) {
int id = item.getItemId();
if (id == R.id.menuLogout) {logout();}
return super.onOptionsItemSelected(item);}
@Override
public void onClick(View v) {
if(v==ib_BuatAkun){
Intent intent = new Intent(Dashboard.this, register.class);
Bundle b = new Bundle();
b.putString("nim", id.getText().toString());
intent.putExtras(b); startActivity(intent); finish();}
else if(v==ib_LihatAkun){
Intent intent = new Intent(Dashboard.this, dataAkun.class);
startActivity(intent); finish();}
else if(v==ib_ButtonAkun){
Intent intent = new Intent(Dashboard.this, Biodata.class);
Bundle b = new Bundle();
b.putString("nim", id.getText().toString());
intent.putExtras(b);startActivity(intent); finish();}
else if(v==ib_ButtonKoran){
Intent intent = new Intent(Dashboard.this, admin_koran.class);
startActivity(intent);
finish();}}}
176
mainActivity.java
package com.example.ciqwan.app_volley;
import android.content.Intent;
import android.support.design.widget.NavigationView;
import android.support.v4.app.FragmentTransaction;
import android.support.v4.widget.DrawerLayout;
import android.support.v7.app.ActionBarDrawerToggle;
import android.support.v7.app.AppCompatActivity;
import android.os.Bundle;
import android.support.v7.widget.Toolbar;
import android.view.KeyEvent;
import android.view.MenuItem;
import android.view.View;
import android.view.animation.Animation;
import android.view.animation.AnimationUtils;
import android.widget.ArrayAdapter;
import android.widget.ImageView;
import android.widget.ListView;
import android.widget.TextView;
import android.widget.Toast;
import android.widget.ViewFlipper;
public class MainActivity extends AppCompatActivity {
private long lastPressedTime;
private static final int PERIOD = 2000;
private DrawerLayout dr;
private Toolbar tl;
@Override
protected void onCreate(Bundle savedInstanceState) {
super.onCreate(savedInstanceState);
setContentView(R.layout.activity_main);
tl = (Toolbar) findViewById(R.id.toolbar);
setSupportActionBar(tl);
if (findViewById(R.id.fragment_container) != null) {
if (savedInstanceState != null) {return; }
main_home firstFragment = new main_home();
firstFragment.setArguments(getIntent().getExtras());
getSupportFragmentManager().beginTransaction().add(R.id.fragment_container,
firstFragment).commit();}
ProsesNavigasi();}
public void ProsesNavigasi() {
NavigationView navigationView = (NavigationView)
findViewById(R.id.navigation_view);
navigationView.setNavigationItemSelectedListener(new
NavigationView.OnNavigationItemSelectedListener() {
@Override
public boolean onNavigationItemSelected(MenuItem menuItem) {
int id = menuItem.getItemId();
switch (id) {
case R.id.home:
getSupportFragmentManager().beginTransaction().replace(R.id.fragment_container,
new main_home()).commit();
dr.closeDrawers();break;
case R.id.login:
Intent intent = new Intent(getApplicationContext(),
login_activity.class);
startActivity(intent);
dr.closeDrawers();finish();break;
case R.id.help:
getSupportFragmentManager().beginTransaction().replace(R.id.fragment_container,
new main_help()).commit();
dr.closeDrawers();break;
case R.id.info:
getSupportFragmentManager().beginTransaction().replace(R.id.fragment_container,
new main_about()).commit();
dr.closeDrawers();break;} return true;} });
View header = navigationView.getHeaderView(0);
TextView tv_1 = (TextView) header.findViewById(R.id.tv_1);
tv_1.setText("Si Koran");
TextView tv_2 = (TextView) header.findViewById(R.id.tv_2);
177
tv_2.setText("Fakultas Sains dan Teknologi");
dr = (DrawerLayout) findViewById(R.id.drawer);
ActionBarDrawerToggle actionBarDrawerToggle = new
ActionBarDrawerToggle(this, dr, tl, R.string.drawer_open, R.string.drawer_close) {
@Override
public void onDrawerClosed(View v) {
super.onDrawerClosed(v); }
@Override
public void onDrawerOpened(View v) {
super.onDrawerOpened(v); }};
dr.addDrawerListener(actionBarDrawerToggle);
actionBarDrawerToggle.syncState();}
public boolean onKeyDown(int keyCode, KeyEvent event) {
if (event.getKeyCode() == KeyEvent.KEYCODE_BACK) {
switch (event.getAction()) {
case KeyEvent.ACTION_DOWN:
if (event.getDownTime() - lastPressedTime < PERIOD) {
finish();
} else {
Toast.makeText(getApplicationContext(), "Tekan sekali lagi
untuk keluar dari Aplikasi.", Toast.LENGTH_SHORT).show();
lastPressedTime = event.getEventTime();}
return true;}} return false;}}
mposting.java
package com.example.ciqwan.app_volley;
import android.content.Intent;
import android.os.Bundle;
import android.support.v7.app.AppCompatActivity;
import android.view.KeyEvent;
import android.view.View;
import android.widget.Button;
import android.widget.EditText;
import android.widget.Toast;
import com.android.volley.Request;
import com.android.volley.RequestQueue;
import com.android.volley.Response;
import com.android.volley.VolleyError;
import com.android.volley.toolbox.StringRequest;
import com.android.volley.toolbox.Volley;
import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.util.HashMap;
import java.util.HashSet;
import java.util.Map;
import java.util.Set;
import java.util.StringTokenizer;
import jsastrawi.morphology.DefaultLemmatizer;
import jsastrawi.morphology.Lemmatizer;
public class MPosting extends AppCompatActivity implements View.OnClickListener{
private long lastPressedTime;
private static final int PERIOD = 2000;
private EditText txtSaran;
private EditText txtNim;
private Button btnPost;
private String token;
private String kata = "";
private String stem;
private int jkata;
private int stop;
@Override
protected void onCreate(Bundle savedInstanceState) {
super.onCreate(savedInstanceState);
setContentView(R.layout.mahasiswa_posting);
txtNim = findViewById(R.id.txtNim);
178
txtSaran = findViewById(R.id.txtPosting);
btnPost = findViewById(R.id.btnPosting);
btnPost.setOnClickListener(this);
Bundle b = getIntent().getExtras();
txtNim.setText(b.getCharSequence("nim"));}
public boolean onKeyDown(int keyCode, KeyEvent event) {
if (event.getKeyCode() == KeyEvent.KEYCODE_BACK) {
switch (event.getAction()) {
case KeyEvent.ACTION_DOWN:
if (event.getDownTime() - lastPressedTime < PERIOD) {
finish();} else {
Intent intent = new Intent(getApplicationContext(),
MDashboard.class); startActivity(intent);finish();
lastPressedTime = event.getEventTime();}
return true;}} return false;}
private void filtering(){
String stop_word[] = new String[758];
stop_word[0]="ada"; stop_word[1]="adalah";
stop_word[2]="adanya"; stop_word[3]="adapun";
stop_word[4]="agak"; stop_word[5]="agaknya";
stop_word[6]="agar"; stop_word[7]="akan";
stop_word[8]="akankah"; stop_word[9]="akhir";
stop_word[10]="akhiri"; stop_word[11]="akhirnya";
stop_word[12]="aku"; stop_word[13]="akulah";
stop_word[14]="amat"; stop_word[15]="amatlah";
stop_word[16]="anda"; stop_word[17]="andalah";
stop_word[18]="antar"; stop_word[19]="antara";
stop_word[20]="antaranya"; stop_word[21]="apa";
stop_word[22]="apaan"; stop_word[23]="apabila";
stop_word[24]="apakah"; stop_word[25]="apalagi";
stop_word[26]="apatah"; stop_word[27]="artinya";
stop_word[28]="asal"; stop_word[29]="asalkan";
stop_word[30]="atas"; stop_word[31]="atau";
stop_word[32]="ataukah"; stop_word[33]="ataupun";
stop_word[34]="awal"; stop_word[35]="awalnya";
stop_word[36]="bagai"; stop_word[37]="bagaikan";
stop_word[38]="bagaimana"; stop_word[39]="bagaimanakah";
stop_word[40]="bagaimanapun"; stop_word[41]="bagi";
stop_word[42]="bagian"; stop_word[43]="bahkan";
stop_word[44]="bahwa"; stop_word[45]="bahwasanya";
stop_word[46]="baik"; stop_word[47]="bakal";
stop_word[48]="bakalan"; stop_word[49]="balik";
stop_word[50]="banyak"; stop_word[51]="bapak";
stop_word[52]="baru"; stop_word[53]="bawah";
stop_word[54]="beberapa"; stop_word[55]="begini";
stop_word[56]="beginian"; stop_word[57]="beginikah";
stop_word[58]="beginilah"; stop_word[59]="begitu";
stop_word[60]="begitukah"; stop_word[61]="begitulah";
stop_word[62]="begitupun"; stop_word[63]="bekerja";
stop_word[64]="belakang"; stop_word[65]="belakangan";
stop_word[66]="belum"; stop_word[67]="belumlah";
stop_word[68]="benar"; stop_word[69]="benarkah";
stop_word[70]="benarlah"; stop_word[71]="berada";
stop_word[72]="berakhir"; stop_word[73]="berakhirlah";
stop_word[74]="berakhirnya"; stop_word[75]="berapa";
stop_word[76]="berapakah"; stop_word[77]="berapalah";
stop_word[78]="berapapun"; stop_word[79]="berarti";
stop_word[80]="berawal"; stop_word[81]="berbagai";
stop_word[82]="berdatangan"; stop_word[83]="beri";
stop_word[84]="berikan"; stop_word[85]="berikut";
stop_word[86]="berikutnya"; stop_word[87]="berjumlah";
stop_word[88]="berkali-kali"; stop_word[89]="berkata";
stop_word[90]="berkehendak"; stop_word[91]="berkeinginan";
stop_word[92]="berkenaan"; stop_word[93]="berlainan";
stop_word[94]="berlalu"; stop_word[95]="berlangsung";
stop_word[96]="berlebihan"; stop_word[97]="bermacam";
stop_word[98]="bermacam-macam"; stop_word[99]="bermaksud";
stop_word[100]="bermula"; stop_word[101]="bersama";
stop_word[102]="bersama-sama"; stop_word[103]="bersiap";
179
stop_word[104]="bersiap-siap"; stop_word[105]="bertanya";
stop_word[106]="bertanya-tanya"; stop_word[107]="berturut";
stop_word[108]="berturut-turut"; stop_word[109]="bertutur";
stop_word[110]="berujar"; stop_word[111]="berupa";
stop_word[112]="besar"; stop_word[113]="betul";
stop_word[114]="betulkah"; stop_word[115]="biasa";
stop_word[116]="biasanya"; stop_word[117]="bila";
stop_word[118]="bilakah"; stop_word[119]="bisa";
stop_word[120]="bisakah"; stop_word[121]="boleh";
stop_word[122]="bolehkah"; stop_word[123]="bolehlah";
stop_word[124]="buat"; stop_word[125]="bukan";
stop_word[126]="bukankah"; stop_word[127]="bukanlah";
stop_word[128]="bukannya"; stop_word[129]="bulan";
stop_word[130]="bung"; stop_word[131]="cara";
stop_word[132]="caranya"; stop_word[133]="cukup";
stop_word[134]="cukupkah"; stop_word[135]="cukuplah";
stop_word[136]="cuma"; stop_word[137]="dahulu";
stop_word[138]="dalam"; stop_word[139]="dan";
stop_word[140]="dapat"; stop_word[141]="dari";
stop_word[142]="daripada"; stop_word[143]="datang";
stop_word[144]="dekat"; stop_word[145]="demi";
stop_word[146]="demikian"; stop_word[147]="demikianlah";
stop_word[148]="dengan"; stop_word[149]="depan";
stop_word[150]="di"; stop_word[151]="dia";
stop_word[152]="diakhiri"; stop_word[153]="diakhirinya";
stop_word[154]="dialah"; stop_word[155]="diantara";
stop_word[156]="diantaranya"; stop_word[157]="diberi";
stop_word[158]="diberikan"; stop_word[159]="diberikannya";
stop_word[160]="dibuat"; stop_word[161]="dibuatnya";
stop_word[162]="didapat"; stop_word[163]="didatangkan";
stop_word[164]="digunakan"; stop_word[165]="diibaratkan";
stop_word[166]="diibaratkannya"; stop_word[167]="diingat";
stop_word[168]="diingatkan"; stop_word[169]="diinginkan";
stop_word[170]="dijawab"; stop_word[171]="dijelaskan";
stop_word[172]="dijelaskannya"; stop_word[173]="dikarenakan";
stop_word[174]="dikatakan"; stop_word[175]="dikatakannya";
stop_word[176]="dikerjakan"; stop_word[177]="diketahui";
stop_word[178]="diketahuinya"; stop_word[179]="dikira";
stop_word[180]="dilakukan"; stop_word[181]="dilalui";
stop_word[182]="dilihat"; stop_word[183]="dimaksud";
stop_word[184]="dimaksudkan"; stop_word[185]="dimaksudkannya";
stop_word[186]="dimaksudnya"; stop_word[187]="diminta";
stop_word[188]="dimintai"; stop_word[189]="dimisalkan";
stop_word[190]="dimulai"; stop_word[191]="dimulailah";
stop_word[192]="dimulainya"; stop_word[193]="dimungkinkan";
stop_word[194]="dini"; stop_word[195]="dipastikan";
stop_word[196]="diperbuat"; stop_word[197]="diperbuatnya";
stop_word[198]="dipergunakan"; stop_word[199]="diperkirakan";
stop_word[200]="diperlihatkan"; stop_word[201]="diperlukan";
stop_word[202]="diperlukannya"; stop_word[203]="dipersoalkan";
stop_word[204]="dipertanyakan"; stop_word[205]="dipunyai";
stop_word[206]="diri"; stop_word[207]="dirinya";
stop_word[208]="disampaikan"; stop_word[209]="disebut";
stop_word[210]="disebutkan"; stop_word[211]="disebutkannya";
stop_word[212]="disini"; stop_word[213]="disinilah";
stop_word[214]="ditambahkan"; stop_word[215]="ditandaskan";
stop_word[216]="ditanya"; stop_word[217]="ditanyai";
stop_word[218]="ditanyakan"; stop_word[219]="ditegaskan";
stop_word[220]="ditujukan"; stop_word[221]="ditunjuk";
stop_word[222]="ditunjuki"; stop_word[223]="ditunjukkan";
stop_word[224]="ditunjukkannya"; stop_word[225]="ditunjuknya";
stop_word[226]="dituturkan"; stop_word[227]="dituturkannya";
stop_word[228]="diucapkan"; stop_word[229]="diucapkannya";
stop_word[230]="diungkapkan"; stop_word[231]="dong";
stop_word[232]="dua"; stop_word[233]="dulu";
stop_word[234]="empat"; stop_word[235]="enggak";
stop_word[236]="enggaknya"; stop_word[237]="entah";
stop_word[238]="entahlah"; stop_word[239]="guna";
stop_word[240]="gunakan"; stop_word[241]="hal";
180
stop_word[242]="hampir"; stop_word[243]="hanya";
stop_word[244]="hanyalah"; stop_word[245]="hari";
stop_word[246]="harus"; stop_word[247]="haruslah";
stop_word[248]="harusnya"; stop_word[249]="hendak";
stop_word[250]="hendaklah"; stop_word[251]="hendaknya";
stop_word[252]="hingga"; stop_word[253]="ia";
stop_word[254]="ialah"; stop_word[255]="ibarat";
stop_word[256]="ibaratkan"; stop_word[257]="ibaratnya";
stop_word[258]="ibu"; stop_word[259]="ikut";
stop_word[260]="ingat"; stop_word[261]="ingat-ingat";
stop_word[262]="ingin"; stop_word[263]="inginkah";
stop_word[264]="inginkan"; stop_word[265]="ini";
stop_word[266]="inikah"; stop_word[267]="inilah";
stop_word[268]="itu"; stop_word[269]="itukah";
stop_word[270]="itulah"; stop_word[271]="jadi";
stop_word[272]="jadilah"; stop_word[273]="jadinya";
stop_word[274]="jangan"; stop_word[275]="jangankan";
stop_word[276]="janganlah"; stop_word[277]="jauh";
stop_word[278]="jawab"; stop_word[279]="jawaban";
stop_word[280]="jawabnya"; stop_word[281]="jelas";
stop_word[282]="jelaskan"; stop_word[283]="jelaslah";
stop_word[284]="jelasnya"; stop_word[285]="jika";
stop_word[286]="jikalau"; stop_word[287]="juga";
stop_word[288]="jumlah"; stop_word[289]="jumlahnya";
stop_word[290]="justru"; stop_word[291]="kala";
stop_word[292]="kalau"; stop_word[293]="kalaulah";
stop_word[294]="kalaupun"; stop_word[295]="kalian";
stop_word[296]="kami"; stop_word[297]="kamilah";
stop_word[298]="kamu"; stop_word[299]="kamulah";
stop_word[300]="kan"; stop_word[301]="kapan";
stop_word[302]="kapankah"; stop_word[303]="kapanpun";
stop_word[304]="karena"; stop_word[305]="karenanya";
stop_word[306]="kasus"; stop_word[307]="kata";
stop_word[308]="katakan"; stop_word[309]="katakanlah";
stop_word[310]="katanya"; stop_word[311]="ke";
stop_word[312]="keadaan"; stop_word[313]="kebetulan";
stop_word[314]="kecil"; stop_word[315]="kedua";
stop_word[316]="keduanya"; stop_word[317]="keinginan";
stop_word[318]="kelamaan"; stop_word[319]="kelihatan";
stop_word[320]="kelihatannya"; stop_word[321]="kelima";
stop_word[322]="keluar"; stop_word[323]="kembali";
stop_word[324]="kemudian"; stop_word[325]="kemungkinan";
stop_word[326]="kemungkinannya"; stop_word[327]="kenapa";
stop_word[328]="kepada"; stop_word[329]="kepadanya";
stop_word[330]="kesampaian"; stop_word[331]="keseluruhan";
stop_word[332]="keseluruhannya"; stop_word[333]="keterlaluan";
stop_word[334]="ketika"; stop_word[335]="khususnya";
stop_word[336]="kini"; stop_word[337]="kinilah";
stop_word[338]="kira"; stop_word[339]="kira-kira";
stop_word[340]="kiranya"; stop_word[341]="kita";
stop_word[342]="kitalah"; stop_word[343]="kok";
stop_word[344]="kurang"; stop_word[345]="lagi";
stop_word[346]="lagian"; stop_word[347]="lah";
stop_word[348]="lain"; stop_word[349]="lainnya";
stop_word[350]="lalu"; stop_word[351]="lama";
stop_word[352]="lamanya"; stop_word[353]="lanjut";
stop_word[354]="lanjutnya"; stop_word[355]="lebih";
stop_word[356]="lewat"; stop_word[357]="lima";
stop_word[358]="luar"; stop_word[359]="macam";
stop_word[360]="maka"; stop_word[361]="makanya";
stop_word[362]="makin"; stop_word[363]="malah";
stop_word[364]="malahan"; stop_word[365]="mampu";
stop_word[366]="mampukah"; stop_word[367]="mana";
stop_word[368]="manakala"; stop_word[369]="manalagi";
stop_word[370]="masa"; stop_word[371]="masalah";
stop_word[372]="masalahnya"; stop_word[373]="masih";
stop_word[374]="masihkah"; stop_word[375]="masing";
stop_word[376]="masing-masing"; stop_word[377]="mau";
stop_word[378]="maupun"; stop_word[379]="melainkan";
181
stop_word[380]="melakukan"; stop_word[381]="melalui";
stop_word[382]="melihat"; stop_word[383]="melihatnya";
stop_word[384]="memang"; stop_word[385]="memastikan";
stop_word[386]="memberi"; stop_word[387]="memberikan";
stop_word[388]="membuat"; stop_word[389]="memerlukan";
stop_word[390]="memihak"; stop_word[391]="meminta";
stop_word[392]="memintakan"; stop_word[393]="memisalkan";
stop_word[394]="memperbuat"; stop_word[395]="mempergunakan";
stop_word[396]="memperkirakan"; stop_word[397]="memperlihatkan";
stop_word[398]="mempersiapkan"; stop_word[399]="mempersoalkan";
stop_word[400]="mempertanyakan"; stop_word[401]="mempunyai";
stop_word[402]="memulai"; stop_word[403]="memungkinkan";
stop_word[404]="menaiki"; stop_word[405]="menambahkan";
stop_word[406]="menandaskan"; stop_word[407]="menanti";
stop_word[408]="menanti-nanti"; stop_word[409]="menantikan";
stop_word[410]="menanya"; stop_word[411]="menanyai";
stop_word[412]="menanyakan"; stop_word[413]="mendapat";
stop_word[414]="mendapatkan"; stop_word[415]="mendatang";
stop_word[416]="mendatangi"; stop_word[417]="mendatangkan";
stop_word[418]="menegaskan"; stop_word[419]="mengakhiri";
stop_word[420]="mengapa"; stop_word[421]="mengatakan";
stop_word[422]="mengatakannya"; stop_word[423]="mengenai";
stop_word[424]="mengerjakan"; stop_word[425]="mengetahui";
stop_word[426]="menggunakan"; stop_word[427]="menghendaki";
stop_word[428]="mengibaratkan"; stop_word[429]="mengibaratkannya";
stop_word[430]="mengingat"; stop_word[431]="mengingatkan";
stop_word[432]="menginginkan"; stop_word[433]="mengira";
stop_word[434]="mengucapkan"; stop_word[435]="mengucapkannya";
stop_word[436]="mengungkapkan"; stop_word[437]="menjadi";
stop_word[438]="menjawab"; stop_word[439]="menjelaskan";
stop_word[440]="menuju"; stop_word[441]="menunjuk";
stop_word[442]="menunjuki"; stop_word[443]="menunjukkan";
stop_word[444]="menunjuknya"; stop_word[445]="menurut";
stop_word[446]="menuturkan"; stop_word[447]="menyampaikan";
stop_word[448]="menyangkut"; stop_word[449]="menyatakan";
stop_word[450]="menyebutkan"; stop_word[451]="menyeluruh";
stop_word[452]="menyiapkan"; stop_word[453]="merasa";
stop_word[454]="mereka"; stop_word[455]="merekalah";
stop_word[456]="merupakan"; stop_word[457]="meski";
stop_word[458]="meskipun"; stop_word[459]="meyakini";
stop_word[460]="meyakinkan"; stop_word[461]="minta";
stop_word[462]="mirip"; stop_word[463]="misal";
stop_word[464]="misalkan"; stop_word[465]="misalnya";
stop_word[466]="mula"; stop_word[467]="mulai";
stop_word[468]="mulailah"; stop_word[469]="mulanya";
stop_word[470]="mungkin"; stop_word[471]="mungkinkah";
stop_word[472]="nah"; stop_word[473]="naik";
stop_word[474]="namun"; stop_word[475]="nanti";
stop_word[476]="nantinya"; stop_word[477]="nyaris";
stop_word[478]="nyatanya"; stop_word[479]="oleh";
stop_word[480]="olehnya"; stop_word[481]="pada";
stop_word[482]="padahal"; stop_word[483]="padanya";
stop_word[484]="pak"; stop_word[485]="paling";
stop_word[486]="panjang"; stop_word[487]="pantas";
stop_word[488]="para"; stop_word[489]="pasti";
stop_word[490]="pastilah"; stop_word[491]="penting";
stop_word[492]="pentingnya"; stop_word[493]="per";
stop_word[494]="percuma"; stop_word[495]="perlu";
stop_word[496]="perlukah"; stop_word[497]="perlunya";
stop_word[498]="pernah"; stop_word[499]="persoalan";
stop_word[500]="pertama"; stop_word[501]="pertama-tama";
stop_word[502]="pertanyaan"; stop_word[503]="pertanyakan";
stop_word[504]="pihak"; stop_word[505]="pihaknya";
stop_word[506]="pukul"; stop_word[507]="pula";
stop_word[508]="pun"; stop_word[509]="punya";
stop_word[510]="rasa"; stop_word[511]="rasanya";
stop_word[512]="rata"; stop_word[513]="rupanya";
stop_word[514]="saat"; stop_word[515]="saatnya";
stop_word[516]="saja"; stop_word[517]="sajalah";
182
stop_word[518]="saling"; stop_word[519]="sama";
stop_word[520]="sama-sama"; stop_word[521]="sambil";
stop_word[522]="sampai"; stop_word[523]="sampai-sampai";
stop_word[524]="sampaikan"; stop_word[525]="sana";
stop_word[526]="sangat"; stop_word[527]="sangatlah";
stop_word[528]="satu"; stop_word[529]="saya";
stop_word[530]="sayalah"; stop_word[531]="se";
stop_word[532]="sebab"; stop_word[533]="sebabnya";
stop_word[534]="sebagai"; stop_word[535]="sebagaimana";
stop_word[536]="sebagainya"; stop_word[537]="sebagian";
stop_word[538]="sebaik"; stop_word[539]="sebaik-baiknya";
stop_word[540]="sebaiknya"; stop_word[541]="sebaliknya";
stop_word[542]="sebanyak"; stop_word[543]="sebegini";
stop_word[544]="sebegitu"; stop_word[545]="sebelum";
stop_word[546]="sebelumnya"; stop_word[547]="sebenarnya";
stop_word[548]="seberapa"; stop_word[549]="sebesar";
stop_word[550]="sebetulnya"; stop_word[551]="sebisanya";
stop_word[552]="sebuah"; stop_word[553]="sebut";
stop_word[554]="sebutlah"; stop_word[555]="sebutnya";
stop_word[556]="secara"; stop_word[557]="secukupnya";
stop_word[558]="sedang"; stop_word[559]="sedangkan";
stop_word[560]="sedemikian"; stop_word[561]="sedikit";
stop_word[562]="sedikitnya"; stop_word[563]="seenaknya";
stop_word[564]="segala"; stop_word[565]="segalanya";
stop_word[566]="segera"; stop_word[567]="seharusnya";
stop_word[568]="sehingga"; stop_word[569]="seingat";
stop_word[570]="sejak"; stop_word[571]="sejauh";
stop_word[572]="sejenak"; stop_word[573]="sejumlah";
stop_word[574]="sekadar"; stop_word[575]="sekadarnya";
stop_word[576]="sekali"; stop_word[577]="sekali-kali";
stop_word[578]="sekalian"; stop_word[579]="sekaligus";
stop_word[580]="sekalipun"; stop_word[581]="sekarang";
stop_word[582]="sekarang"; stop_word[583]="sekecil";
stop_word[584]="seketika"; stop_word[585]="sekiranya";
stop_word[586]="sekitar"; stop_word[587]="sekitarnya";
stop_word[588]="sekurang-kurangnya"; stop_word[589]="sekurangnya";
stop_word[590]="sela"; stop_word[591]="selain";
stop_word[592]="selaku"; stop_word[593]="selalu";
stop_word[594]="selama"; stop_word[595]="selama-lamanya";
stop_word[596]="selamanya"; stop_word[597]="selanjutnya";
stop_word[598]="seluruh"; stop_word[599]="seluruhnya";
stop_word[600]="semacam"; stop_word[601]="semakin";
stop_word[602]="semampu"; stop_word[603]="semampunya";
stop_word[604]="semasa"; stop_word[605]="semasih";
stop_word[606]="semata"; stop_word[607]="semata-mata";
stop_word[608]="semaunya"; stop_word[609]="sementara";
stop_word[610]="semisal"; stop_word[611]="semisalnya";
stop_word[612]="sempat"; stop_word[613]="semua";
stop_word[614]="semuanya"; stop_word[615]="semula";
stop_word[616]="sendiri"; stop_word[617]="sendirian";
stop_word[618]="sendirinya"; stop_word[619]="seolah";
stop_word[620]="seolah-olah"; stop_word[621]="seorang";
stop_word[622]="sepanjang"; stop_word[623]="sepantasnya";
stop_word[624]="sepantasnyalah"; stop_word[625]="seperlunya";
stop_word[626]="seperti"; stop_word[627]="sepertinya";
stop_word[628]="sepihak"; stop_word[629]="sering";
stop_word[630]="seringnya"; stop_word[631]="serta";
stop_word[632]="serupa"; stop_word[633]="sesaat";
stop_word[634]="sesama"; stop_word[635]="sesampai";
stop_word[636]="sesegera"; stop_word[637]="sesekali";
stop_word[638]="seseorang"; stop_word[639]="sesuatu";
stop_word[640]="sesuatunya"; stop_word[641]="sesudah";
stop_word[642]="sesudahnya"; stop_word[643]="setelah";
stop_word[644]="setempat"; stop_word[645]="setengah";
stop_word[646]="seterusnya"; stop_word[647]="setiap";
stop_word[648]="setiba"; stop_word[649]="setibanya";
stop_word[650]="setidak-tidaknya"; stop_word[651]="setidaknya";
stop_word[652]="setinggi"; stop_word[653]="seusai";
stop_word[654]="sewaktu"; stop_word[655]="siap";
183
stop_word[656]="siapa"; stop_word[657]="siapakah";
stop_word[658]="siapapun"; stop_word[659]="sini";
stop_word[660]="sinilah"; stop_word[661]="soal";
stop_word[662]="soalnya"; stop_word[663]="suatu";
stop_word[664]="sudah"; stop_word[665]="sudahkah";
stop_word[666]="sudahlah"; stop_word[667]="supaya";
stop_word[668]="tadi"; stop_word[669]="tadinya";
stop_word[670]="tahu"; stop_word[671]="tahun";
stop_word[672]="tak"; stop_word[673]="tambah";
stop_word[674]="tambahnya"; stop_word[675]="tampak";
stop_word[676]="tampaknya"; stop_word[677]="tandas";
stop_word[678]="tandasnya"; stop_word[679]="tanpa";
stop_word[680]="tanya"; stop_word[681]="tanyakan";
stop_word[682]="tanyanya"; stop_word[683]="tapi";
stop_word[684]="tegas"; stop_word[685]="tegasnya";
stop_word[686]="telah"; stop_word[687]="tempat";
stop_word[688]="tengah"; stop_word[689]="tentang";
stop_word[690]="tentu"; stop_word[691]="tentulah";
stop_word[692]="tentunya"; stop_word[693]="tepat";
stop_word[694]="terakhir"; stop_word[695]="terasa";
stop_word[696]="terbanyak"; stop_word[697]="terdahulu";
stop_word[698]="terdapat"; stop_word[699]="terdiri";
stop_word[700]="terhadap"; stop_word[701]="terhadapnya";
stop_word[702]="teringat"; stop_word[703]="teringat-ingat";
stop_word[704]="terjadi"; stop_word[705]="terjadilah";
stop_word[706]="terjadinya"; stop_word[707]="terkira";
stop_word[708]="terlalu"; stop_word[709]="terlebih";
stop_word[710]="terlihat"; stop_word[711]="termasuk";
stop_word[712]="ternyata"; stop_word[713]="tersampaikan";
stop_word[714]="tersebut"; stop_word[715]="tersebutlah";
stop_word[716]="tertentu"; stop_word[717]="tertuju";
stop_word[718]="terus"; stop_word[719]="terutama";
stop_word[720]="tetap"; stop_word[721]="tetapi";
stop_word[722]="tiap"; stop_word[723]="tiba";
stop_word[724]="tiba-tiba"; stop_word[725]="tidak";
stop_word[726]="tidakkah"; stop_word[727]="tidaklah";
stop_word[728]="tiga"; stop_word[729]="tinggi";
stop_word[730]="toh"; stop_word[731]="tunjuk";
stop_word[732]="turut"; stop_word[733]="tutur";
stop_word[734]="tuturnya"; stop_word[735]="ucap";
stop_word[736]="ucapnya"; stop_word[737]="ujar";
stop_word[738]="ujarnya"; stop_word[739]="umum";
stop_word[740]="umumnya"; stop_word[741]="ungkap";
stop_word[742]="ungkapnya"; stop_word[743]="untuk";
stop_word[744]="usah"; stop_word[745]="usai";
stop_word[746]="waduh"; stop_word[747]="wah";
stop_word[748]="wahai"; stop_word[749]="waktu";
stop_word[750]="waktunya"; stop_word[751]="walau";
stop_word[752]="walaupun"; stop_word[753]="wong";
stop_word[754]="yaitu"; stop_word[755]="yakin";
stop_word[756]="yakni"; stop_word[757]="yang";
for(int i=0;i<758;i++){
if(!token.equals(stop_word[i])){ kata = token;stop = 0;}
else{stop = 1; return;}}}
private void frekuensi(){StringRequest stringRequest=new
StringRequest(Request.Method.POST, koneksi.STEM_URL,new
response.Listener<String>() {
@Override
public void onResponse(String response) {}},
new Response.ErrorListener() {
@Override
public void onErrorResponse(VolleyError error) {
Toast.makeText(MPosting.this, error.toString(),
Toast.LENGTH_LONG).show();}}){
protected Map<String, String> getParams(){
Map<String,String> params = new HashMap<String, String>();
params.put(koneksi.KEY_STEM,stem);return params;}};
RequestQueue requestQueue= Volley.newRequestQueue(this);
requestQueue.add(stringRequest);}
184
private void peluang_kata(){
StringRequest stringRequest=new StringRequest(Request.Method.POST,
koneksi.PKata_URL,
new Response.Listener<String>() {
@Override
public void onResponse(String response) {}},
new Response.ErrorListener() {
@Override
public void onErrorResponse(VolleyError error) {
Toast.makeText(MPosting.this, error.toString(),
Toast.LENGTH_LONG).show();}}){
protected Map<String, String> getParams(){
Map<String,String> params = new HashMap<String, String>();
params.put(koneksi.KEY_STEM,stem); return params;}};
RequestQueue requestQueue= Volley.newRequestQueue(this);
requestQueue.add(stringRequest); }
private void inputSaran(){
final String jumlah_kata = Integer.toString(jkata);
final String nim = txtNim.getText().toString().trim();
final String saran = txtSaran.getText().toString().trim();
final String dukung = "0";
final String status = "Pending";
StringRequest stringRequest=new StringRequest(Request.Method.POST,
koneksi.SARAN_URL,
new Response.Listener<String>() {
@Override
public void onResponse(String response) {
Toast.makeText(MPosting.this, "Kategori saran anda: " +
response, Toast.LENGTH_LONG).show();Intent intent = new Intent(MPosting.this,
MDashboard.class); startActivity(intent);finish();}},
new Response.ErrorListener() {
@Override
public void onErrorResponse(VolleyError error) {
Toast.makeText(MPosting.this, "Error input saran",
Toast.LENGTH_LONG).show();Toast.makeText(MPosting.this, error.toString(),
Toast.LENGTH_LONG).show();}}){
protected Map<String, String> getParams(){
Map<String,String> params = new HashMap<String, String>();
params.put(koneksi.KEY_KATA,jumlah_kata);
params.put(koneksi.KEY_ID,nim);
params.put(koneksi.KEY_SARAN,saran);
params.put(koneksi.KEY_DUKUNG,dukung);
params.put(koneksi.KEY_STATUS,status); return params;}};
RequestQueue requestQueue= Volley.newRequestQueue(this);
requestQueue.add(stringRequest); }
@Override
public void onClick(View v){
if(v==btnPost) {
String saran = txtSaran.getText().toString().trim().toLowerCase();
if(saran.isEmpty()){Toast.makeText(MPosting.this,"Isi dulu
formnya...",Toast.LENGTH_LONG).show();}
else{StringTokenizer defaultTokenizer = new StringTokenizer(saran);
jkata = defaultTokenizer.countTokens();
while (defaultTokenizer.hasMoreTokens()) {
token = defaultTokenizer.nextToken();filtering();
if(stop == 0){
Set<String> dictionary = new HashSet<String>();
InputStream in =
Lemmatizer.class.getResourceAsStream("/root-words.txt");
BufferedReader br = new BufferedReader(new
InputStreamReader(in)); String line;
try{while ((line = br.readLine()) != null) {
dictionary.add(line);}
}catch (IOException var7) {
System.out.println("file not found");}
Lemmatizer lemmatizer = new DefaultLemmatizer(dictionary);
stem = lemmatizer.lemmatize(kata);
frekuensi();peluang_kata();}}
inputSaran();}}}}