KLASIFIKASI NOVEL SESUAI DENGAN GENRE MENGGUNAKAN TF-IDF SKRIPSI RUDYANTO BUDIMAN P

Transkripsi

1 KLASIFIKASI NOVEL SESUAI DENGAN GENRE MENGGUNAKAN TF-IDF SKRIPSI RUDYANTO BUDIMAN P PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2015

2 KLASIFIKASI NOVEL SESUAI DENGAN GENRE MENGGUNAKAN TF-IDF SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Teknologi Informasi RUDYANTO BUDIMAN P PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2015

3 ii PERSETUJUAN Judul : KLASIFIKASI NOVEL SESUAI DENGAN GENRE MENGGUNAKAN TF-IDF Kategori : SKRIPSI Nama : RUDYANTO BUDIMAN P Nomor Induk Mahasiswa : Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI (FASILKOM-TI) UNIVERSITAS SUMATERA UTARA Diluluskan di Medan, Juni 2015 Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Baihaqi Siregar, S.Si.,M.T Mohammad Fadly Syahputra, B.Sc, M.Sc.IT NIP NIP Diketahui / Disetujui oleh Program Studi S1 Teknologi Informasi Ketua, Muhammad Anggia Muchtar, S.T., M.M.I.T. NIP

4 iii PERNYATAAN KLASIFIKASI NOVEL SESUAI DENGAN GENRE MENGGUNAKAN TF-IDF SKRIPSI Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya. Medan, Juni 2015 RUDYANTO BUDIMAN P

5 iv UCAPAN TERIMA KASIH Segala puji dan syukur penulis panjatkan kepada Tuhan Yesus Kristus atas segala berkat dan pengasihannya yang sungguh berlimpah, sehingga penulis dapat menyelesaikan skripsi ini sebagai syarat untuk memperoleh gelar Sarjana Teknologi Informasi Program Studi S1 Teknologi Informasi. Penyelesaian skripsi ini tidak terlepas dari bantuan dari berbagai pihak, untuk itu, penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada: 1. Kedua orangtua penulis yang telah memberikan dukungan moril dan spiritual, alm Ir.Nelson Eddy Siahaan.(+) dan almh Dra.Bonur Rulyanna Sitorus.(+) yang terlebih dahulu meninggalkan dunia saat masa akhir perkuliahan penulis, kedua adik saya Stephany Novianty Siahaan SE, dan Silvia Pratiwi Yunisari Siahaan yang terus memberikan motivasi dan dukungan. 2. Bapak M.Fadly Syahputra B.Sc.,M.Sc.,IT dan Bapak Baihaqi Siregar,S.Si.,MT selaku pembimbing yang telah banyak meluangkan waktu dan pikirannya, memotivasi dan memberikan kritik dan saran kepada penulis. 3. Bapak M. Anggia Muchtar ST.,MM.IT dan Bapak Dani Gunawan,ST.,M.T yang telah bersedia menjadi dosen pembanding yang telah memberikan kritik dan saran kepada penulis. 4. Ketua dan Sekretaris Program Studi Teknologi Informasi, Bapak M. Anggia Muchtar, ST.,MM.IT dan Bapak M. Fadly Syahputra, B.Sc.,M.Sc.IT. 5. Seluruh Dosen dan Staff pegawai di Program Studi S1 Teknologi Informasi 6. Terima kasih juga penulis ucapkan kepada teman-teman: Fernando, Alex, Christop, Alman, Andi, Suando, Tony, Leo, Ranap, Juki, Salman, Icha, Amira, Fadullah, Fadli, Yanna, seluruh teman angkatan 09 Teknologi Informasi, seluruh abang kakak dan adik di jurusan Teknologi Informasi yang tidak dapat disebutkan satu per satu, Vanesa Felicia, Bruno, Karina, Mewati, J.sirait. Junnie hutabarat, dan Leonardi sitanggang, Akhir kata, penulis ucapkan terimakasih kepada semua pihak yang telah membantu menyelesaian skripsi ini yang tidak bisa penulis sebutkan satu persatu. Semoga Tuhan Yang Maha Esa membalas kebaikan kalian semua.

6 v ABSTRAK Novel memiliki beberapa genre antara lain genre romantis, horror, misteri, inspiratif dan masih banyak lagi. Namun pada saat ini pengklasifikasian novel kedalam genre-genre masih dilakukan secara manual. Oleh sebab itu dibutuhkan suatu sistem yang dapat mengklasifikasikan novel kedalam genrenya masingmasing secara otomatis. Hal ini dilakukan karena banyaknya genre dari novel tersebut, sehingga sistem ini nantinya dapat membantu pembaca, penerbit dan penulis yang hendak membuat dan membaca novel untuk mengetahui secara singkat genre novel yang sedang dibaca atau ditulisnya. Penelitian ini menggunakan text mining dan TF-IDF untuk proses pengklasifikasian novel. Text mining dapat diartikan sebagai penemuan informasi yang baru yang sebelumnya tidak diketahui oleh komputer dengan mengekstrak informasi secara otomatis dari sumber yang berbeda. Sedangkan data resource digunakan sebagai acuan dalam mengklasifikasi novel. Pada penelitian ini novel dibagi menjadi 4 kategori: horor,inspiratif,misteri dan romantis. Text yang dimasukan berupa judul, penulis, dan sinopsis. Sinopsis inilah yang akan diproses untuk menghasilkan klasifikasi genre novel. Proses pertama adalah proses persiapan dokumen dan seleksi dokumen. Kemudian dilanjutkan dengan proses pembobotan kata menggunakan TF-IDF, kemudian klasifikasi dilakukan dengan membandingkan nilai kemiripan diantara teks dan sebuah node yang ada di data resource. Teks yang diperoleh akan diklasifikasikan dalam sebuah genre atau node yang ada jika memiliki nilai kemiripan paling tinggi di salah satu node di data resource. Pengujian sistem dilakukan dengan mengambil 100 sinopsis novel online secara acak dan menghasilkan tingkat akurasi sebesar 75%. Kata kunci : Klasifikasi, Novel, Text Mining, TF-IDF

7 vi NOVEL CLASSIFICATION BASED ON GENRE USING TF-IDF ABSTRACT Novel has many genres such as romantic, horror, mystery, inspirational, and many more. However, today the classification of novel into genre is done manually. Therefore, we need a novel classification system which can classify novels into their each genre automatically. A novel classification system is needed because novel has many genres, so this system will help the reader, the publisher, and the writer who writing and reading a novel to know shortly about the genre of novel that they read or write. This research is using text mining method with TF- IDF method for classifying the novel. Text mining is a process to discover new information which is not known by the computer before by extracting the information automatically from the different sources. Whereas, data resource is used a as reference for classifying novel. This research will divide novel into four categories : horror, inspirational, mystery, and romantic. The text which is entered into the program such as title, writer, and synopsis. The synopsis will be processed to classify the genre of novel. The first step is preparing the document and selecting the document. The next step is giving a weight into word using TF-IDF method, then comparing the similarity between text and a node in data resource to do the classification process. The text that has been obtained will be classified into a genre or an existing node if it has the highest similarity value in one node in data resource. The system testing collects randomly 100 synopsis from electronic novel and the result is 75% accuracy rate from the testing. Keywords: Classification, Novel, Text Mining, TF-IDF

8 vii DAFTAR ISI Hal Persetujuan Pernyataan Ucapan Terima Kasih Abstrak Abstract Daftar Isi Daftar Tabel Daftar Gambar ii iii iv v vi vii x xi Bab 1 PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Penelitian Manfaat Penelitian Metodologi Penelitian Sistematika Penulisan 5 Bab 2 LANDASAN TEORI 2.1 Text Mining Tahapan Text mining Algoritma Nazief & Adriani Term Frequency-Inverse Document Frequency (TF-IDF) 12

9 viii 2.4 Novel Tesaurus Bahasa Indonesia Penelitian Terdahulu 15 Bab 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Data Novel Data Resource Analisis Sistem Data Set Proses Persiapan dan seleksi dokumen Tokenisasi Pembuangan Stopword Stemming Pembobotan Kata dengan TF-IDF Perancangan Tampilan Antarmuka Rancangan Tampilan Halaman Utama Rancangan Tampilan Halaman Data Resource Rancangan Tampilan Halaman About Rancangan Tampilan Halaman Proses 37 Bab 4 IMPLEMENTASI DAN PENGUJIAN 4.1 Implementasi Sistem Spesifikasi perangkat keras dan perangkat lunak Tampilan Halaman Utama Tampilan Halaman Data Resource Tampilan Halaman About Tampilan Halaman Proses Hasil Pengujian Sistem 44 Bab 5 KESIMPULAN DAN SARAN 5.1 Kesimpulan 52

10 ix 5.2 Saran 54 DATAR PUSTAKA 55

11 x DAFTAR TABEL Hal Tabel 2.1 Tabel kombinasi awalan akhiran yang tidak diijinkan 10 Tabel 2.2 Tabel aturan peluruhan kata dasar 10 Tabel 2.3 Tabel Penelitian Terdahulu 16 Tabel 3.1 Tabel Data Resource 18 Tabel 3.2 Tabel Tokenisasi 22 Tabel 3.3 Stopword list 24 Tabel 3.4 Hasil Filtering Proses Stopword 26 Tabel 3.5 Tahapan Hasil Stemming 30 Tabel 3.6 Hasil Pembobotan Kata 31 Tabel 3.7 Hasil Pengklasifikasian Genre Novel 33 Tabel 4.1 Pengujian Sistem 44

12 xi DAFTAR GAMBAR Halaman Gambar 3.1 Arsitektur Umum 20 Gambar 3.2 Input Sinopsis Novel 20 Gambar 3.3 Flowchart Proses Tokenisasi 21 Gambar 3.4 Flowchart Proses Stopword 24 Gambar 3.5 Flowchart Proses Steeming 27 Gambar 3.6 Rancangan Tampilan Halaman Utama 35 Gambar 3.7 Rancangan Tampilan Data Resource 36 Gambar 3.8 Rancangan Tampilan Halaman About 36 Gambar 3.9 Rancangan Tampilan Halaman Proses 37 Gambar 3.10 Rancangan Tampilan Halaman Hasil Proses 38 Gambar 3.11 Rancangan Tampilan Halaman Detail Proses 38 Gambar 4.1 Tampilan halaman utama 40 Gambar 4.2 Tampilan Halaman Data Resource 41 Gambar 4.3 Tampilan halaman about 41 Gambar 4.4 Tampilan halaman proses 42 Gambar 4.5 Tampilan halaman hasil proses 43 Gambar 4.6 Tampilan Halaman detail hasil proses 43