BAB III ANALISA DAN PERANCANGAN SISTEM
|
|
- Veronika Farida Tanudjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB III ANALISA DAN PERANCANGAN SISTEM 3.1 Gambaran Umum Sebelum membuat program aplikasi, terlebih dahulu dilakukan proses perancangan sistem. Hal ini dilakukan supaya aplikasi yang dibuat dapat berfungsi sesuai dengan yang diharapkan sehingga mampu berfungsi maksimal. Gambaran umum dari sistem ini dapat dilihat pada Gambar.3.1. Gambar.3.1. Gambaran Umum Sistem Deskripsi keterangan dari gambar.3.1 dapat dijelaskan sebagai berikut yang pertama adalah member, member diatas merupakan user/mahasiswa yang kehilangan atau menemukan barang. Member tersebut dapat melaporkan yaitu kehilangan ataupun menemukan ke website Lost & Found. Kemudian sistem tersebut akan mempreproses hasil inputan member sehingga diperoleh keywords yang akan tersimpan di database, kemudian sistem akan melakukan pembobotan terhadap keywords yang sudah tersimpan di database. Kemudian setelah sudah 9
2 dihitung bobot keyword, sistem akan mengecek apakah ada data yang kemungkinan sama, jika ada maka sistem akan melakukan proses perhitungan kemiripan cosine similarity. Semakin besar nilai cosinus (maksimal 1) maka semakin mirip dokumen yang dibandingkan. 3.2 Usecase Usecase Diagram adalah suatu model yang dangat fungsional dalam sebuah sistem yang menggunakan actor dan use case. Sedangkan pengertian dari use case sendiri adalah layanan atau fungsi-fungsi yang tersedia pada sistem untuk penggunannya. Berikut adalah Usecase Diagram dari sistem lost and found. 3.3 Dataset Dataset merupakan kumpulan data, yang mana biasanya satu dataset merepresentasikan satu tabel database, atau bisa juga suatu matriks data yang mana tiap kolom mewakili variabel tertentu, tiap baris merepresentasikan banyaknya data. Teknik pengumpulan data yaitu dengan cara memfoto brosur-brosur diarea Universitas Muhammadiyah Malang. Berikut adalah kumpulan data untuk nantinya digunakan sebagai sampel. Tabel 3.1. Tabel Dataset No Data 1 Bagi yang menemukan STNK dengan No Polisi N 5902 QQ Hub : Di cari STNK No Pol : AG 2613 HF Atasan Nama : SITI KHOLIFAH Jika Menemukan Hub (DHESYL) 10
3 3 Mbak, kalo cari kunci gantungan doraemon di titipin di penjaga perpus (loket masuk) 4 Dicari Dompet Warna Hitam (Planet Ocean) STNK a.n Eka Sriutami P 6474 AV KTM, SIM, KTP Mohammad Asadul Haq Bagi yang menemukan harap menghubungi STNK Hilang P 6453 NQ Atas nama DIAN RATNA APRILIA Bagi yang menemukan akan mendapat imbalan sepantasnya Terima kasih. Hub : Telah Hilang : STNK dengan No Pol : AG 2286 RAN a.n ASTUTIK bagi yang menemukan mohon hubungi : terima kasih. 7 Telah Hilang : Kunci Sepeda Motor Honda Supra X Helm In + STNK. STNK Atas Nama : Eko Rachmadi Siswanto Dengan Nomor Polisi : N 2859 AAA. Bagi yang menemukan Bisa menghubungi : Telah Hilang STNK plat N 5793 WT Atas Nama : Indah Suswati S,Pd. Bila ada yang menemukan harap hubungi DI CARI DOMPET WARNA HITAM STNK(Heri Soelistyo), SIM, KTP, KTM ATAS NAMA WISNU BRAGAS DIKA NO TELEPON BAGI YANG MENEMUKAN BPKB NOPOL AG 4385 IH A/N FALEN PUSPITA WIJAYA, Harap Menghubungi Nomor DI cari STNK Dengan Nomor Plat EA 5829 SK Bagi yang menemukan Tolong Hubungi Nomor Kehilangan di area kampus umm di tirto utomo gang Kehilangan STNK NOPOL N 4076 LC. Bagi yang menemukan Harap Hub: Telah hilang motor honda beat warna biru putih dengan no pol N 2362 Di sekitar perumahan landung sari tirto gang 2 Malang, bagi yang menemukan tolong hubungi :
4 14 Info kehilangan motor vario putih dengan plat nomor W 6329 MM di sekitaran Jl. Watugong II yang menemukan tolong hubungi Dompet atas nama mahasiswa tersebut mohon segera diambil dijurusan Atas nama Lukmanul Hakim Nim Mungkin ada yang merasa kehilangan STNK No Pol N 2441 WU, posisinya sekarang ada di posko satpam GKB 3 17 Telah Hilang STNK AG 4090 ZR (A/n Henik Triwulandari) yang menemukan hub : Telah Hilang STNK N 3154 WI yang menemukan hub : N 6113 TBG yang menemukan hub : W 5299 Q Yang menemukan Hub : Telah hilang : Dompet berwarna hitam (Hilang area parkiran depan GKB 2) A/N Ardriani Maulida Oktafia Yang menemukan hub : Ditemukan : Dompet beserta isinya, A/N Ali Zainal Abidin. Yang bersangkutan bisa hubungi : Telah Hilang STNK N 5040 AD (A/N Yoseph Basuki) Yang Menemukan Mohon Hub: (Luqi) 24 Telah Hilang STNK N 6375 KY (A/N Yuly Iswantono) Yang menemukan Mohon Hub: (Alpan) 25 Telah Hilang Dompet Warna Cokelat Lengkap dengan isinya (KTM, ATM BNI, SIM) A/N Septyadi Fathurrahman Yang menemukan mohon Hub: Telah Hilang Dompet Warna Cokelat Lengkap beserta isinya (KTP, SIM, KTM, STNK) A/N Zul Fadhli Kurnia Yang menemukan mohon Hub: Telah Ditemukan STNK Dengan No.POL EA 4606 SE AN. Nurwahyuni Ditemukan Di GKB 1 yang merasa kehilangan hub: AN. Wildan (yang menemukan) 12
5 28 Telah kehilangan STNK dengan no pol F 3315 NM an. Nuning emilia pepitasari hilang disekitar UMM GKB 1 dan sepanjang jalan DAU tlogomas. Dimohon jika menemukannya akan mendapat imbalan yang setimpal. Hub : (fadhil) 29 Telah hilang stnk dengan nopol N 2389 TAC A.N WIWIN IRMAWATI Hilang di sekitar musholla 3,5/parkir belakang teknik (kampus UMM) Bagi yang menemukan mohon hubungi no Ada imbalan bagi yang mengembalikan Terima kasih 30 Ditemukan STNK M 3580 HQ AN MASTIRUHA Hub nomor dibawah ini ya Telah hilang stnk : atas nama gusti bagus mariadi Nopol : DR 6206 CF Hilang di sekitar cokelat klasik malang 32 Ditemukan kunci motor honda di kantek 33 Telah ditemukan STNK AG 3814 RBN bagi yang kehilangan mohon menghubungi Yang menemukan dompet warna cokelat, isinya KTP, KTM, ATM, SIM C, KIS atas nama yogi yana, tolong hubungi Ditemukan STNK AE 5039 NW Yunila Nursanti kalau ada yang merasa kehilangan bisa hubungi kehilangan STNK dengan no pol S 5771 LB. Bagi yang menemukan dimohon untuk menghubungi nomor Telah hilang kunci mobil beserta STNK nya dengan plat nomer B 2198 SKJ atas nama ARI KRISTANI bagi yang menemukan tolong hubungi no Untuk pembalasan jasa bisa di atur nanti 38 Ditemukan dompet di GKB 2 lantai satu, atas nama deni cahya kusuma negara bisa hubungi Ditemukan KTM atas nama sahrul gunawan yang merasa kehilangan bisa hub terima kasih 13
6 40 kehilangan kunci sepeda motor scoopy ada gantungan boneka warna biru hilang daerah GKB 2 Jika ada yang menemukan hub WA : terima kasih 41 Kehilangan STNK dengan nomor Plat N 5736 TAY. Kalo ada yang menemukan silahkan hub nomor Telah ditemukan STNK daerah tirto gang 12, atas nama SAMUDI. Dengan nomor N 5325 TBG bagi yang merasa kehilangan silahkan hub Ditemukan STNK dengan nomor EA 3009 AK atas nama DEBY EKO SAPUTRO bagi yang kehilangan bisa hubungi Ditemukan STNK dengan nomor N 2627 JM atas nama SUYITNO bagi yang kehilangan silahkan menghubungi Nayla ( ) 45 Telah ditemukan STNK nopol N 5380 GX, bagi yang merasa kehilangan silahkan kontak terima kasih 46 Assalamualaikum, mohon bantuannya ya teman teman bagi yang menemukan STNK motor Supra X 125 dengan nomor N 3123 AI a.n. Lidya C diharap menghubungi ke terimakasih 47 Telah ditemukan dompet beserta isinya atasnama M arby Junesa maba UMM 2017 mohon yang bersangkutan hub: Ditemukan KTM, atas nama Febby Monica Sari jurusan ilmu hukum bagi yang merasa kehilangan bisa hubungi nomor ini Kehilangan dompet cokelat isi SIM A,SIM C & STNK an Arief Rahman Hakim. stnk motor yamaha xabre Nopol N 4540 AAU.kegilangan mungkin di wilayah banyuwangi-situbondo.yg menemukan bisa hubungi matur suwun 50 Info kehilangan = Telah hilang sebuah dompet warna biru,hilang/jatuh di jln RAYA GENENGAN PAKISAJI kab mlng,yg isinya. 1.STNK VARIO plat N 2149 BC an KUSMIATI almt PURI CEMPAKA PUTIH.. 2.STNK beat ats nm ahmad almt banyuwangi. 3.KTP&SIM C ats nm MOCHAMMAD ZAINUL MUIS alamat jl SUMPIL 1 BLIMBING 14
7 MALANG. 4.ATM&beberapa uang... Minta tolong dulur bagi yg menemukan/tahu info kberadaan barang tersebut bisa menghubungi an zainul almt SUMPIL 1 BLIMBING mlg..matur nuwun.. 51 Telah Hilang Dompet moutley warna cokelat panjang Hilang Di perempatan PM Rampal STNK atas nama ADE RYNDA, KTP atas nama BINTARI RIZKA, atm dan kartu penting lainnya Tolong hubungi sms/wa : Ada imbalan bagi yang menemukannya 52 Kehilangan tas biru spounbound tulisan kalam kudus isinya seragam sd anak saya Hub : johanapuspitasari@gmail.com Telp : Telah Ditemukan STNK dan SIM A dan C Atas nama MUHAMMAD YAZID AL BASTOMI Alamat PANARUKAN PANJEN Silahkan hubungi No
8 3.4 Diagram Alir Diagram Alir Metode Cosine Similarity Gambar.3.2. Diagram Alir Metode Cosine Similarity Deskripsi gambar.3.2. adalah sistem menerima inputan berupa keyword yang sudah di preprocessing kemudian keyword-keyword tersebut di hitung bobot TF-IDF nya. Setelah mendapatkan TF-IDF dari masing-masing term, hitung kemiripan kata tersebut dengan menggunakan rumus Cosine Similarity. Setelah mendapatkan nilai kemiripannya, sorting nilai dari yang terbesar ke yang terkecil. Kemudian tampilkan data tersebut berdasarkan nilai yang sudah diranking. 16
9 3.4.2 Diagram Alir Barang Hilang Gambar.3.3. Diagram Alir Barang Hilang Deskripsi dari gambar.3.3. adalah sistem menerima inputan barang hilang dari user. Kemudian sistem melakukan proses kemiripan kata dengan menggunakan Cosine Similarity. Alur Cosine Similarity dapat dilihat di gambar.3.1. dan gambar.3.2. Setelah dihitung dan didapatkan datanya, kemudian sistem akan melakukan check kemiripan data. Jika tidak ditemukan data yang kemungkinan mirip maka sistem akan menyarankan user tersebut untuk menginsert data kehilangan tadi. Jika sebaliknya maka sistem melakukan sorting nilai, dari yang terbesar ke yang terkecil. Setelah didapatkan nilainya, kemudian sistem akan menampilkan ranking di halaman website. 17
10 3.2.4 Diagram Alir Validasi Barang Gambar.3.4. Diagram Alir Validasi Barang Hilang Deskripsi dari gambar.3.4 adalah sistem menerima inputan dari user. Kemudian inputan tersebut di proses sehingga didapatkan berapa jarak tanggal posting dengan tanggal sekarang. Jika barang hilang belum juga di temukan dengan jarak lebih dari 7 hari maka sistem akan melakukan proses Send dan menanyakan kembali, apakah barang sudah ditemukan. Jika barang tersebut telah ditemukan dan sudah kembali ke tangan pemilik, maka status dari data tersebut akan di ganti menjadi case closed. 3.3 Desain Database Aplikasi Text Mining kemiripan dokumen ini membutuhkan database untuk penyimpanan dokumen. Dokumen tersebut digunakan sebagai sumber pencarian oleh user. Berikut adalah entity relationship diagram database: 18
11 Gambar.3.5. Desain Database Sistem Dari gambar.3.5, tabel tb_stop disini tidak terdapat relasi antar tabel, karena tabel tersebut digunakan untuk fungsi stopword removal yang terdapat pada proses preprocessing. Tabel tb_katadasar disini tidak terdapat relasi antar tabel, karena tabel tersebut digunakan untuk fungsi pengambilan keyword yang terdapat di proses pembobotan. Tabel cosine1 digunakan untuk fungsi perhitungan cosine tahap 1, yaitu perkalian antar bobot query dengan bobot dokumen. Tabel cosine2 digunakan untuk fungsi perhitungan cosine tahap 2, yaitu pengkuadratan bobot yang digunakan sebagai pembagi. Tabel cosine3 digunakan sebagai perkalian akar kuadrat dari bobot dokumen dengan bobot query. Sedangkan tabel cosinefinal digunakan sebagai perhitungan rumus cosine similarity, yaitu hasil dari tabel cosine3 field cs1 dibagi dengan field cs Perancangan Aplikasi Pada studi kasus ini, terdapat dokumen sejumlah 5 dokumen dengan term yang berbeda-beda. Studi kasus dapat dilihat pada tabel di bawah ini. 19
12 Tabel 3.2. Tabel Dokumen D Term Status Q Telah Ditemukan Dompet Berwarna Cokelat dengan STNK A/N Septyadi Fathurrahman - D1 D2 D3 D4 Telah Hilang STNK N 5040 AD (A/N Yoseph Basuki) Yang Menemukan Mohon Hub: (Luqi) Belum Ditemukan Telah Hilang STNK N 6375 KY (A/N Yuly Iswantono) Belum Yang menemukan Mohon Hub: Ditemukan (Alpan) Telah Hilang Dompet Warna Cokelat Lengkap dengan Belum isinya (KTM, ATM BNI, SIM) A/N Septyadi Ditemukan Fathurrahman Yang menemukan mohon Hub: Telah Hilang Dompet Warna Cokelat Lengkap beserta Sudah isinya (KTP, SIM, KTM, STNK) A/N Zul Fadhli Ditemukan Kurnia Yang menemukan mohon Hub: Preprocessing Preprocessing adalah proses awal dalam pembentukan keyword-keyword dari data barang yang nantinya akan di post kedalam database. Dalam preprocessing terdapat beberapa tahapan proses pengolahan kata yaitu: 1. Case Folding Case Folding merupakan proses pengubahan yang semula huruf kapital menjadi huruf kecil. Case Folding hanya menerima inputan berupa huruf a sampai dengan z, selain huruf akan dihapus atau dihilangkan. 2. Tokenizing Tokenizing merupakan proses pemenggalan kata berdasarkan separator (space). 3. Filtering Stopword Filtering Stopword merupakan proses penghilangan kata yang dianggap tidak penting atau tidak berpengaruh banyak terhadap kalimat. Stopword 20
13 diambil dari kamus stopword yang nantinya dibandingkan dengan kamus kata. 4. Stemming Stemming merupakan proses pencarian kata dasar dari sebuah kalimat yang terdapat pada dokumen. Contoh : kehilangan menjadi hilang, berwarna menjadi warna, menemukan menjadi temu. Proses stemming memiliki banyak algoritma, dan algoritma yang saya gunakan adalah Algoritma Nazief-Adriani. Berikut adalah tabel dokumen setelah dilakukan proses preprocessing: Tabel.3.3. Tabel Dokumen setelah dilakukan preprocessing D Q D1 D2 D3 D4 Term temu dompet warna cokelat stnk septyadi fathurrahman hilang stnk yoseph basuki temu mohon luqi hilang stnk yuly iswantono temu mohon alpan hilang dompet warna cokelat lengkap septyadi fathurrahman temu mohon hilang dompet warna cokelat lengkap serta stnk fadhli kurnia temu mohon 3.6 Tabel Term Frequency (TF) Term Frequency adalah frekuensi kemunculan term/kata yang terdapat pada dokumen. Berikut adalah term frequency (TF) dari tabel dokumen 3.1 diatas. Tabel.3.4. Term Frequency (TF) Term Key (q) d1 d2 d3 d4 cokelat dompet fathurrahman septyadi stnk temu warna
14 3.7 Tabel Document Frequency (DF) Document Frequency adalah jumlah dari dokumen yang mengandung kata (term) yang terdapat pada keyword. Tabel.3.5. Document Frequency (DF) Term DF septyadi 2 fathurrahman 2 cokelat 3 dompet 3 stnk 4 temu 5 warna Tabel Inverse Document Frequency (IDF) Inverse Document Frequency adalah inverse dari jumlah semua koleksi dokumen dibagi dengan jumlah dokumen yang mengandung kata (term) yang terdapat pada keyword. Rumus dari IDF adalah (2) Tabel.3.6. Inverse Document Frequency (IDF) Term DF IDF cokelat 3 0, dompet 3 0, septyadi 2 0, fathurrahman 2 0, stnk 4 0, temu 5 0 warna 3 0, Tabel Term Frequency - Inverse Document Frequency (TF-IDF) TF-IDF yaitu perhitungan yang menggambarkan seberapa pentingnya kata (term) dalam sebuah dokumen. Proses ini digunakan untuk menilai bobot relevansi term dari sebuah dokumen terhadap seluruh dokumen. Rumus TF-IDF adalah (3) 22
15 Tabel.3.7. Term Frequency - Inverse Document Frequency (TF-IDF) Term Tf.idf Q D1 D2 D3 D4 0, , , Cokelat , , , Dompet , , fathurrahman , , septyadi , , , , Stnk Temu Warna 0, , , Hitung Rumus Cosine Similarity Hitung kemiripan vektor Q (keyword) dengan setiap dokumen yang ada. Kemiripan antar dokumen dapat menggunakan Cosine Similarity. Rumus cosine similarity adalah (4) a. Langkah pertama t i=1 (w ij. w iq ) : w iq di simbolkan sebagai nilai Q (query) dalam tabel TF.IDF yang dikalikan dengan w ij yang merupakan nilai D (document) dari masing-masing dokumen dalam tabel TF.IDF. Yang kemudian dari hasil perkalian tersebut dijumlahkan. Dimana i=1 mewakili total nilai TF.IDF dari hasil perhitungan antara w ij dan w iq. Untuk hasil implementasi dari konversi rumus adalah TF.IDFq x TF.IDFd t Tabel.3.8. Tabel perhitungan Cosine Similarity langkah pertama Term tf.idf(q). tf.idf(d) D1 D2 D3 D4 cokelat 0 0 0, , dompet 0 0 0, , fathurrahman 0 0 0,
16 septyadi 0 0 0, stnk 0, , , temu warna 0 0 0, , Jumlah 0, , , , b. Langkah kedua t w 2 t i=1 ij. w 2 2 i=1 iq : w iq merupakan nilai kuadrat Q (query) dari 2 tabel tf.idf dan w ij merupakan nilai kuadrat D (document) dari masingmasing dokumen lainnya di dalam tabel tf.idf. yang kemudian hasil masing-masing kuadrat tersebut dijumlahkan dan kemudian di akarkan t dan di wakili oleh simbol i=1 untuk hasil dari nilai tf.idf masing-masing. Untuk hasil implementasi dari konversi rumus adalah TF. IDF q 2. 2 TF. IDF d Tabel 3.9 Tabel Perhitungan Cosine Similarity Langkah Kedua Term Q D1 D2 D3 D4 cokelat 0, , , dompet 0, , , fathurrahman 0, , septyadi 0, , stnk 0, , , , temu warna 0, , , Jumlah 0, , , , , Hasil Akar 0, , , , ,
17 c. Terapkan rumus Cosine Similarity similarity (d, q ) merupakan cosine dari perkalian antara Q (keyword) dengan masing-masing dokumen (D1 sampai D4). Berikut adalah perhitungan dari cosine similarity. similarity (D1, Q) = similarity (D2, Q) = similarity (D3, Q) = similarity (D4, Q) = 0, (0, x 0,09391) = , (0, x 0,09391) = ,46436 (0, x 0,681442) = , (0, x 0, ) = d. Tentukan nilai precision dan recall Sesuai dengan nilai yang didapat pada perhitungan cosine similarity, maka hasil perhitungan dan perankingan dalam tabel tampak pada Tabel.3.10 dan Tabel Tabel Tabel hasil perhitungan D1 D2 D3 D Dari Tabel.3.11, dilihat status barang yang belum ditemukan dalam semua dokumen yang ada pada tabel Kemudian dihitung kembali dengan menggunakan rumus Hasil = (similarity(d, Q) + 1)/2. Jika status sudah ditemukan maka rumusnya adalah Hasil = similarity(d, Q). Sehingga hasil perhitungan yang baru adalah Tabel Tabel hasil perhitungan menggunakan status D1 D2 D3 D
18 Tabel Tabel hasil perangkingan 1 D3 2 D1 3 D2 4 D4 Dari Tabel dokumen yang relevan dengan keyword Telah Ditemukan Dompet Berwarna Cokelat dengan STNK A/N Septyadi Fathurrahman adalah D3. Jika keempat dokumen tersebut diserahkan kepada pengguna, maka ditentukan perhitungan recall menggunakan rumus (5) R = 4 4 x 100% = 100% Dilanjutkan dengan perhitungan precision menggunakan rumus (6): P = 1 4 x 100% = 25% 3.11 Desain Antar Muka Sebuah sistem yang memiliki tampilan antarmuka menarik akan membuat pengguna merasa nyaman untuk menggunakan sebuah sistem. Disamping itu antarmuka yang menarik akan mempermudah pengguna dalam menggunakan sistem. Dibawah ini adalah desain tampilan dari aplikasi pencarian benda hilang lost and found. Desain user interface untuk pengguna merupakan desain halaman yang akan digunakan pengguna untuk melakukan pencarian benda hilang. Berikut adalah gambar-gambar dari decsain user interface untuk pengguna. 26
19 Gambar.3.6. Mockup Halaman Beranda Gambar.3.7. Mockup Halaman Periksa Barang Gambar.3.8. Mockup Halaman Register Gambar.3.9. Mockup Halaman Login 27
BAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Tinjauan Penelitian Terdahulu Penelitian sebelumnya dilakukan oleh Rahmatulloh (2016). Penelitian yang berjudul Rancang Bangun Sistem Informasi Pencarian Benda Hilang Lost &
Lebih terperinciPENGEMBANGAN APLIKASI LOST & FOUND BERBASIS WEBSITE DENGAN FITUR PENCARIAN MENGGUNAKAN COSINE SIMILARITY. Tugas Akhir
PENGEMBANGAN APLIKASI LOST & FOUND BERBASIS WEBSITE DENGAN FITUR PENCARIAN MENGGUNAKAN COSINE SIMILARITY Tugas Akhir Diajukan untuk Memenuhi Persyaratan Meraih Gelar Sarjana Strata 1 Teknik Informatika
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Buku merupakan media informasi yang memiliki peran penting dalam perkembangan ilmu pengetahuan, karena dengan buku kita dapat memperoleh banyak informasi, pengetahuan
Lebih terperinciBAB 1 PENDAHULUAN UKDW
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan ilmu pengetahuan yang pesat dewasa ini telah mendorong permintaan akan kebutuhan informasi ilmu pengetahuan itu sendiri. Cara pemenuhan kebutuhan
Lebih terperinciBAB 3 LANDASAN TEORI
BAB 3 LANDASAN TEORI 3.1 Twitter API Application Programming Interface (API) merupakan fungsi-fungsi/perintah-perintah untuk menggantikan bahasa yang digunakan dalam system calls dengan bahasa yang lebih
Lebih terperinciBAB IV ANALISA DAN PERANCANGAN
BAB IV ANALISA DAN PERANCANGAN 4.1 Analisa Sistem Lama Pada sistem peringkasan dokumen sebelumnya sistem sudah bisa dijalankan namun masih adanya kekurangan pada sistem tersebut yaitu penginputan dokumen
Lebih terperinciContoh Perhitungan Kemiripan Cosinus pada Model Ruang Vektor
Contoh Perhitungan Kemiripan Cosinus pada Model Ruang Vektor Persoalan 1: Ada 4 dokumen (D1 s.d D4): D1: dolar naik harga naik penghasilan turun D2: harga naik harusnya gaji juga naik D3: Premium tidak
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Sistem Rekomendasi Sistem rekomendasi adalah sebuah sistem yang dibangun untuk mengusulkan informasi dan menyediakan fasilitas yang diinginkan pengguna dalam membuat suatu keputusan
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI PENCARIAN INFORMASI BEASISWA DENGAN MENGGUNAKAN COSINE SIMILARITY
Vol. 4, No. 2 Desember 2014 ISSN 2088-2130 PERANCANGAN DAN PEMBUATAN APLIKASI PENCARIAN INFORMASI BEASISWA DENGAN MENGGUNAKAN COSINE SIMILARITY Andry Kurniawan, Firdaus Solihin, Fika Hastarita Prodi Teknik
Lebih terperinciBAB II LANDASDAN TEORI
DAFTAR ISI HALAMAN SAMPUL... HALAMAN JUDUL... i LEMBAR PERSETUJUAN... ii LEMBAR PENGESAHAN... iii MOTTO DAN PERSEMBAHAN... iv LEMBAR KEASLIAN... v HALAMAN PERNYATAAN PUBLIKASI... vi ABSTAKSI... vii ABSTRACT...
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. jenis dokumen, yaitu dokumen training dan dokumen uji. Kemudian dua
BAB IV HASIL DAN PEMBAHASAN 4.1. Dokumen yang digunakan Pada penelitian yang dilakukan oleh penulis ini menggunakan dua jenis dokumen, yaitu dokumen training dan dokumen uji. Kemudian dua jenis dokumen
Lebih terperinciTEKNIK VECTOR SPACE MODEL (VSM) DALAM PENENTUAN PENANGANAN DAMPAK GAME ONLINE PADA ANAK
F.13 TEKNIK VECTOR SPACE MODEL (VSM) DALAM PENENTUAN PENANGANAN DAMPAK GAME ONLINE PADA ANAK Bania Amburika 1*,Yulison Herry Chrisnanto 1, Wisnu Uriawan 2 1 Jurusan Informatika, Fakultas MIPA, Universitas
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian merupakan sistematika tahapan yang dilaksanakan selama proses pembuatan tugas akhir. Secara garis besar metodologi penelitian tugas akhir ini dapat dilihat
Lebih terperinciDAFTAR ISI. SKRIPSI... ii
DAFTAR ISI SKRIPSI... i SKRIPSI... ii HALAMAN PENGESAHAN... ii PERNYATAAN... iii HALAMAN MOTO DAN PERSEMBAHAN... iv PRAKATA... v DAFTAR ISI... vii DAFTAR GAMBAR... x DAFTAR TABEL... xiii INTISARI... xiv
Lebih terperinciRANCANG BANGUN SISTEM TEMU KEMBALI INFORMASI ABSTRAK TUGAS AKHIR MAHASISWA PRODI TEKNIK INFORMATIKA UNSOED Oleh : Lasmedi Afuan
RANCANG BANGUN SISTEM TEMU KEMBALI INFORMASI ABSTRAK TUGAS AKHIR MAHASISWA PRODI TEKNIK INFORMATIKA UNSOED Oleh : Lasmedi Afuan Prodi Teknik Informatika, Fakultas Sains dan Teknik, Universitas Jenderal
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Penelitian Terkait 2.1.1. Implementasi Opinion Mining Pernah dilakukan penelitian tentang opinion mining membahas tentang ekstraksi data opini publik pada perguruan tinggi.
Lebih terperinciBAB III METODELOGI PENELITIAN
BAB III METODELOGI PENELITIAN 3.1 Metode Penelitian Metode penelitian yang digunakan yaitu metode eksperimental dimana metode ini bekerja dengan memanipulasi dan melakukan kontrol pada objek penelitian
Lebih terperinciINFORMATION RETRIEVAL SYSTEM PADA PENCARIAN FILE DOKUMEN BERBASIS TEKS DENGAN METODE VECTOR SPACE MODEL DAN ALGORITMA ECS STEMMER
INFORMATION RETRIEVAL SSTEM PADA PENCARIAN FILE DOKUMEN BERBASIS TEKS DENGAN METODE VECTOR SPACE MODEL DAN ALGORITMA ECS STEMMER Muhammad asirzain 1), Suswati 2) 1,2 Teknik Informatika, Fakultas Teknik,
Lebih terperinciBAB 1 PENDAHULUAN UKDW
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pada era ini perkembangan teknologi informasi sangat pesat. Hal ini ditandai dengan semakin populernya penggunaan internet dan perangkat lunak komputer sebagai
Lebih terperinciPERANCANGAN DAN IMPLEMENTASI SISTEM REKOMENDASI PENCARIAN BUKU PERPUSTAKAAN MENGGUNAKAN METODE VECTOR SPACE MODEL
PERANCANGAN DAN IMPLEMENTASI SISTEM REKOMENDASI PENCARIAN BUKU PERPUSTAKAAN MENGGUNAKAN METODE VECTOR SPACE MODEL (Studi Kasus Perpustakaan Universitas Udayana) LEMBAR JUDUL KOMPETENSI RPL SKRIPSI NI MADE
Lebih terperinciImplementasi Algoritma Term Frequency Inverse Document Frequency dan Vector Space Model untuk Klasifikasi Dokumen Naskah Dinas
Implementasi Algoritma Term Frequency Inverse Document Frequency dan Vector Space Model untuk Klasifikasi Dokumen Naskah Dinas A. Achmad 1, A. A. Ilham 2, Herman 3 1 Program Studi Teknik Elektro, Jurusan
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN Dalam bab ini akan dijabarkan analisa, yang meliputi analisa masalah dan gambaran umum masalah yang sedang dibahas, perancangan sistem serta desain antarmuka (user interface)
Lebih terperinciPemanfaatan Metode Vector Space Model dan Metode Cosine Similarity pada Fitur Deteksi Hama dan Penyakit Tanaman Padi
Pemanfaatan Metode Vector Space Model dan Metode Cosine Similarity pada Fitur Deteksi Hama dan Penyakit Tanaman Padi Ana Triana Informatika, Fakultas MIPA, Universitas Sebelas Maret Surakarta Jl. Ir. Sutami
Lebih terperincicommit to user BAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Dasar Teori 2.1.1 Cosine Similarity Secara umum, fungsi similarity adalah fungsi yang menerima dua buah objek dan mengembalikan nilai kemiripan (similarity) antara kedua objek
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Ketersediaan informasi yang semakin banyak menjadikan ringkasan sebagai kebutuhan yang sangat penting (Mulyana, 2010). Menurut (Hovy, 2001) Ringkasan merupakan teks
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Information Retrieval System Sistem temu kembali informasi ( information retrieval system) merupakan sistem yang dapat digunakan untuk menemukan informasi yang relevan dengan
Lebih terperinciBAB II DASAR TEORI Crawler Definisi Focused Crawler dengan Algoritma Genetik [2]
BAB II DASAR TEORI Pada bab ini dibahas teori mengenai focused crawler dengan algoritma genetik, text mining, vector space model, dan generalized vector space model. 2.1. Focused Crawler 2.1.1. Definisi
Lebih terperinciPERSETUJUAI\ ARTIKEL ILMIAH. Mashar Eka Putra Dai. S1-Sistem Informasi. Teknik Informatika. Teknik. Penerapan Metode Document Frequency
PERSETUJUAI\ ARTIKEL ILMIAH Artikel ilmiah hasil penelitian mahasiswa: Nama NIM Mashar Eka Putra Dai 53 1409036 Program Studi S1-Sistem Informasi Jurusan Teknik Informatika Fakultas Teknik Judul Karya
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Semakin canggihnya teknologi di bidang komputasi dan telekomunikasi pada masa kini, membuat informasi dapat dengan mudah didapatkan oleh banyak orang. Kemudahan ini
Lebih terperinciPENCARIAN FULL TEXT PADA KOLEKSI SKRIPSI FAKULTAS TEKNIK UHAMKA MENGGUNAKAN METODE VECTOR SPACEMODEL
Vol. 2, 2017 PENCARIAN FULL TEXT PADA KOLEKSI SKRIPSI FAKULTAS TEKNIK UHAMKA MENGGUNAKAN METODE VECTOR SPACEMODEL Miftahul Ari Kusuma 1*, Mia Kamayani 2, Arry Avorizano 3 Program Studi Teknik Informatika,
Lebih terperinciIMPLEMENTASI VECTOR SPACE MODEL UNTUK MENINGKATKAN KUALITAS PADA SISTEM PENCARIAN BUKU PERPUSTAKAAN
Seminar Nasional Informatika 205 IMPLEMENTASI VECTOR SPACE MODEL UNTUK MENINGKATKAN KUALITAS PADA SISTEM PENCARIAN BUKU PERPUSTAKAAN Dedi Leman, Khusaeri Andesa 2 Teknik Informasi, Magister Komputer, Universitas
Lebih terperinciIMPLEMENTASI METODE TERM FREQUENCY INVERSED DOCUMENT FREQUENCE (TF-IDF) DAN VECTOR SPACE MODEL PADA APLIKASI PEMBERKASAN SKRIPSI BERBASIS WEB
IMPLEMENTASI METODE TERM FREQUENCY INVERSED DOCUMENT FREQUENCE (TF-IDF) DAN VECTOR SPACE MODEL PADA APLIKASI PEMBERKASAN SKRIPSI BERBASIS WEB Abdul Rokhim 1), Achmad ainul yaqin 2) 1) Program Studi/Prodi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Kata Pengertian kata secara sederhana adalah sekumpulan huruf yang mempunyai arti. Dalam kamus besar bahasa indonesia (KBBI) pengertian kata adalah unsur bahasa yang diucapkan
Lebih terperinciBAB 3 LANDASAN TEORI
BAB 3 LANDASAN TEORI Pada bab ini akan dibahas mengenai beberapa landasan teori yang digunakan untuk perancangan dan pembuatan aplikasi rekomendasi informasi yang bisa dijadikan sebagai acuan. 3.1 Media
Lebih terperinciPERANCANGAN CLIENT DENGAN PENGKLASIFIKASIAN MENGGUNAKAN ALGORITMA VECTOR SPACE MODEL SKRIPSI MOSES CHRISTIAN
PERANCANGAN EMAIL CLIENT DENGAN PENGKLASIFIKASIAN EMAIL MENGGUNAKAN ALGORITMA VECTOR SPACE MODEL SKRIPSI MOSES CHRISTIAN 081402050 PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI II.1 Text Mining Text Mining merupakan penerapan konsep dan teknik data mining untuk mencari pola dalam teks, proses penganalisaan teks guna menemukan informasi yang bermanfaat untuk
Lebih terperinciJURNAL ITSMART Vol 4. No 2. Desember 2015 ISSN :
Analisis Perbandingan Metode Vector Space Model dan Weighted Tree Similarity dengan Cosine Similarity pada kasus Pencarian Informasi Pedoman Pengobatan Dasar di Puskesmas Viko Basmalah Wicaksono Jurusan
Lebih terperinciBAB IV ANALISA DAN PERANCANGAN
BAB IV ANALISA DAN PERANCANGAN Pada bab ini akan dibahas mengenai analisa proses information retrieval dengan menggunakan cosine similarity dan analisa proses rekomendasi buku dengan menggunakan jaccard
Lebih terperinciBAB I PENDAHULUAN I.1. Latar Belakang Masalah
BAB I PENDAHULUAN I.1. Latar Belakang Masalah Dalam era teknologi seperti saat ini, informasi berupa teks sudah tidak lagi selalu tersimpan dalam media cetak seperti kertas. Orang sudah mulai cenderung
Lebih terperincicommit to user 5 BAB II TINJAUAN PUSTAKA 2.1 Dasar Teori Text mining
BAB II TINJAUAN PUSTAKA 2.1 Dasar Teori 2.1.1 Text mining Text mining adalah proses menemukan hal baru, yang sebelumnya tidak diketahui, mengenai informasi yang berpotensi untuk diambil manfaatnya dari
Lebih terperinciSISTEM PENCARIAN PASAL-PASAL PADA KITAB UNDANG-UNDANG HUKUM PIDANA DENGAN MENGGUNAKAN METODE TF-IDF. Abstrak
SISTEM PENCARIAN PASAL-PASAL PADA KITAB UNDANG-UNDANG HUKUM PIDANA DENGAN MENGGUNAKAN METODE TF-IDF Muh. Alfarisi Ali¹, Moh. Hidayat Koniyo², Abd. Aziz Bouty³ ¹Mahasiswa Teknik Informatika Universitas
Lebih terperinciBAB I. Pendahuluan. 1. Latar Belakang Masalah
BAB I Pendahuluan 1. Latar Belakang Masalah Semakin canggihnya teknologi di bidang komputasi dan telekomunikasi pada masa kini, membuat informasi dapat dengan mudah didapatkan oleh banyak orang. Kemudahan
Lebih terperinciBAB III ANALISA DAN PERANCANGAN
BAB III ANALISA DAN PERANCANGAN 3.1. Analisa Pada bab analisa dan perancangan ini akan dibahas tentang analisa kebutuhan dan desain antarmuka (interface) fitur analisis kedekatan matakuliah pada sistem
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Sumber informasi atau referensi sudah merupakan hal yang tidak asing lagi bagi seorang peneliti, terutamanya bagi para mahasiswa yang sedang melakukan penelitian untuk
Lebih terperinciBAB 3 ANALISIS MASALAH DAN PERANCANGAN
BAB 3 ANALISIS MASALAH DAN PERANCANGAN 3.1 State of the Art Pada penelitian sebelumnya sudah ada yang menggunakan metode Stemming untuk preprocessing text dalam mengolah data pelatihan dan data uji untuk
Lebih terperinciPEMANFAATAN ASSOCIATION RULE MINING DALAM MEMBANTU PENCARIAN DOKUMEN-DOKUMEN BERITA YANG SALING BERKAITAN
PEMANFAATAN ASSOCIATION RULE MINING DALAM MEMBANTU PENCARIAN DOKUMEN-DOKUMEN BERITA YANG SALING BERKAITAN Hermawan Andika Institut Informatika Indonesia andika@iii.ac.id Suhatati Tjandra Sekolah Tinggi
Lebih terperinciKLASIFIKASI DATA PENGADUAN MASYARAKAT PADA LAMAN PESDUK CIMAHI MENGGUNAKAN ROCCHIO
F.15 KLASIFIKASI DATA PENGADUAN MASYARAKAT PADA LAMAN PESDUK CIMAHI MENGGUNAKAN ROCCHIO Khusnul Khuluqiyah *, Tacbir Hendro Pudjiantoro, Agung Wahana Program Studi Informatika, Fakultas Matematika dan
Lebih terperinciSistem Temu Kembali Informasi pada Dokumen Teks Menggunakan Metode Term Frequency Inverse Document Frequency (TF-IDF)
Sistem Temu Kembali Informasi pada Dokumen Teks Menggunakan Metode Term Frequency Inverse Document Frequency (TF-IDF) 1 Dhony Syafe i Harjanto, 2 Sukmawati Nur Endah, dan 2 Nurdin Bahtiar 1 Jurusan Matematika,
Lebih terperinciKLASTERISASI DOKUMEN ARTIKEL ILMIAH MENGGUNAKAN ALGORITMA SINGLE PASS CLUSTERING DENGAN DETEKSI KESAMAAN KATA TUGAS AKHIR
KLASTERISASI DOKUMEN ARTIKEL ILMIAH MENGGUNAKAN ALGORITMA SINGLE PASS CLUSTERING DENGAN DETEKSI KESAMAAN KATA TUGAS AKHIR Diajukan Untuk Memenuhi Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peringkasan Teks Otomatis (Automatic Text Summarization) Peringkasan Teks Otomatis (Automatic Text Summarization) merupakan pembuatan rangkuman dari sebuah sumber teks secara
Lebih terperinciKLASIFIKASI TEKS BERBASIS ONTOLOGI UNTUK DOKUMEN TUGAS AKHIR BERBAHASA INDONESIA TUGAS AKHIR
KLASIFIKASI TEKS BERBASIS ONTOLOGI UNTUK DOKUMEN TUGAS AKHIR BERBAHASA INDONESIA TUGAS AKHIR Persyaratan Guna Meraih Gelar Sarjana Strata I Teknik Informatika Universitas Muhammadiyah Malang Nama : Ayu
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian merupakan sistematika tahap-tahap yang dilaksanakan dalam pembuatan tugas akhir. Adapun tahapan yang dilalui dalam pelaksanaan penelitian ini adalah
Lebih terperinciSistem Informasi Tugas Akhir Menggunakan Model Ruang Vektor (Studi Kasus: Jurusan Sistem Informasi)
Sistem Informasi Tugas Akhir Menggunakan Model Ruang Vektor (Studi Kasus: Jurusan Sistem Informasi) Wahyudi,MT Laboratorium Sistem Informasi Fakultas Sains dan Teknologi UINSUSKA RIAU Jl.HR.Subrantas KM.15
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1. Analisis Masalah Setiap tahunnya, DPP Infokom selaku panitia Pelatihan Aplikasi Teknologi dan Informasi (PATI) Universitas Muhammadiyah Malang menerima ribuan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN berikut. Tahapan penelitian yang dilakukan dalam penelitian adalah sebagai Indentifikasi Masalah Merumuskan Masalah Study Literatur Perancangan : 1. Flat Teks 2. Database
Lebih terperinciAPLIKASI PENGKATEGORIAN DOKUMEN DAN PENGUKURAN TINGKAT SIMILARITAS DOKUMEN MENGGUNAKAN KATA KUNCI PADA DOKUMEN PENULISAN ILMIAH UNIVERSITAS GUNADARMA
APLIKASI PENGKATEGORIAN DOKUMEN DAN PENGUKURAN TINGKAT SIMILARITAS DOKUMEN MENGGUNAKAN KATA KUNCI PADA DOKUMEN PENULISAN ILMIAH UNIVERSITAS GUNADARMA Adhit Herwansyah Jurusan Sistem Informasi, Fakultas
Lebih terperinciJurnal Ilmiah Sains, Teknologi, Ekonomi, Sosial dan Budaya Vol. 1 No. 4 Desember 2017
TEXT MINING DALAM PENENTUAN KLASIFIKASI DOKUMEN SKRIPSI DI PRODI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER BERBASIS WEB Teuku Muhammad Johan dan Riyadhul Fajri Program Studi Teknik Informatika Fakultas
Lebih terperinciSISTEM TEMU KEMBALI INFORMASI
SISTEM TEMU KEMBALI INFORMASI ROCCHIO CLASSIFICATION Badrus Zaman, S.Si., M.Kom Doc. 1..???? Doc. 2..**** Doc. 3. #### Doc. 4..@@@ 081211633014 Emilia Fitria Fahma S1 Sistem Informasi Pengertian Teknik
Lebih terperinciKLASIFIKASI HELPDESK UNIVERSITAS JENDERAL ACHMAD YANI MENGGUNAKAN CONCEPT FREQUENCY-INVERSE DOCUMENT FREQUENCY (CF-IDF) DAN K-NEAREST NEIGHBORS (K-NN)
Klasifikasi Helpdesk Universitas Jenderal Achmad ni... (Herawan dkk.) KLASIFIKASI HELPDESK UNIVERSITAS JENDERAL ACHMAD YANI MENGGUNAKAN CONCEPT FREQUENCY-INVERSE DOCUMENT FREQUENCY (CF-IDF) DAN K-NEAREST
Lebih terperinciBAB IV METODOLOGI PENELITIAN. Penelitian ini dilakukan dengan melalui empat tahap utama, dimana
BAB IV METODOLOGI PENELITIAN Penelitian ini dilakukan dengan melalui empat tahap utama, dimana tahap pertama adalah proses pengumpulan dokumen teks yang akan digunakan data training dan data testing. Kemudian
Lebih terperinciKLASIFIKASI TEKS SURAT KABAR DENGAN MENGGUNAKAN ALGORITMA N-GRAM STEMMERS TUGAS AKHIR
KLASIFIKASI TEKS SURAT KABAR DENGAN MENGGUNAKAN ALGORITMA N-GRAM STEMMERS TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang Oleh: KHOZINATUL
Lebih terperinciIntegrasi Peringkas Dokumen Otomatis Dengan Penggabungan Metode Fitur dan Metode Latent Semantic Analysis (LSA) Sebagai Feature Reduction
Integrasi Peringkas Dokumen Otomatis Dengan Penggabungan Metode Fitur dan Metode Latent Semantic Analysis (LSA) Sebagai Feature Reduction Junta Zeniarja 1, Abu Salam 2, Ardytha Luthfiarta 3, L Budi Handoko
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Pada penelitian tugas akhir ini ada beberapa tahapan penelitian yang akan dilakukan seperti yang terlihat pada gambar 3.1: Identifikasi Masalah Rumusan Masalah Studi Pustaka
Lebih terperinciIMPLEMENTASI K NEAREST NEIGHBOR (KNN) PADA KLASIFIKASI ARTIKEL WIKIPEDIA INDONESIA
IMPLEMENTASI K NEAREST NEIGHBOR (KNN) PADA KLASIFIKASI ARTIKEL WIKIPEDIA INDONESIA Erik Hardiyanto 1, Faisal Rahutomo 2, Dwi Puspitasari 3 Jurusan Teknologi Informasi, Program Studi Teknik Informatika,
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian merupakan rangkaian dari langkah-langkah yang diterapkan dalam penelitian, secara umum dan khusus langkah-langkah tersebut tertera pada Gambar flowchart
Lebih terperinciBAB 3 LANDASAN TEORI
BAB 3 LANDASAN TEORI 3.1 Text Mining Text mining merupakan suatu teknologi untuk menemukan suatu pengetahuan yang berguna dalam suatu koleksi dokumen teks sehingga diperoleh tren, pola, atau kemiripan
Lebih terperinciPEMBANGUNAN APLIKASI REKOMENDASI BERITA BERBASIS PREFERENSI PENGGUNA TWITTER
PEMBANGUNAN APLIKASI REKOMENDASI BERITA BERBASIS PREFERENSI PENGGUNA TWITTER SKRIPSI Diajukan Untuk Memenuhi Sebagian Persyaratan Mencapai Derajat Sarjana Teknik Informatika Oleh : Suryatul Arifidin NIM
Lebih terperinciTEMU BALIK INFORMASI PADA DOKUMEN TEKS BERBAHASA INDONESIA DENGAN METODE VECTOR SPACE RETRIEVAL MODEL
TEMU BALIK INFORMASI PADA DOKUMEN TEKS BERBAHASA INDONESIA DENGAN METODE VECTOR SPACE RETRIEVAL MODEL Giat Karyono 1, Fandy Setyo Utomo 2 1 Program Studi Teknik Informatika, STMIK AMIKOM Purwokerto E-mail
Lebih terperinciPRESENTASI TUGAS AKHIR KI PERANCANGAN DAN PEMBANGUNAN MODUL REKOMENDASI SECTION PADA OPEN JOURNAL SYSTEM (OJS)
PRESENTASI TUGAS AKHIR KI091391 PERANCANGAN DAN PEMBANGUNAN MODUL REKOMENDASI SECTION PADA OPEN JOURNAL SYSTEM (OJS) (Kata kunci: Jurnal, K-Nearest Neighbor, Karya Ilmiah, Klasifikasi Penyusun Tugas Akhir
Lebih terperinciPerangkingan Dokumen Berbahasa Arab Menggunakan Latent Semantic Indexing
Wahib, Perangkingan Dokumen Berbahasa Arab Menggunakan Latent Semantic Indexing 83 Perangkingan Dokumen Berbahasa Arab Menggunakan Latent Semantic Indexing Aminul Wahib 1, Pasnur 2, Putu Praba Santika
Lebih terperinciRANCANG BANGUN SISTEM PENCARIAN DOKUMEN JURNAL MENGGUNAKAN METODE BM25+
RANCANG BANGUN SISTEM PENCARIAN DOKUMEN JURNAL MENGGUNAKAN METODE BM25+ LEMBAR JUDUL SKRIPSI DENI SUPRIAWAN NIM. 1108605001 PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN
Lebih terperinciREKOMENDASI TAG PADA BERITA ONLINE MENGGUNAKAN TF-IDF DAN COLLABORATIVE TAGGING SKRIPSI SALMAN ALL FARIZI
REKOMENDASI TAG PADA BERITA ONLINE MENGGUNAKAN TF-IDF DAN COLLABORATIVE TAGGING SKRIPSI SALMAN ALL FARIZI 091402007 PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS
Lebih terperinciPENERAPAN VECTOR SPACE MODEL UNTUK PERINGKASAN KOMENTAR ANGKET MAHASISWA
PENERAPAN VECTOR SPACE MODEL UNTUK PERINGKASAN KOMENTAR ANGKET MAHASISWA Suprianto 1), Sunardi 2), Abdul Fadlil 3) 1 Sistem Informasi STMIK PPKIA Tarakanita Rahmawati 2,3 Magister Teknik Informatika Universitas
Lebih terperinciBAB III PERANCANGAN. Fitur. Reduksi & Pengelompokan. Gambar 3.1. Alur Pengelompokan Dokumen
BAB III PERANCANGAN Pada bab ini akan delaskan tahapan yang dilalui dalam melakukan perancangan penelitian yang akan dilakukan dalam tugas akhir ini. Tahapan tersebut meliputi perancangan implementasi
Lebih terperinciBAB II LANDASAN TEORI. 2.1 Peringkasan Teks Otomatis (Automatic Text Summarization) Peringkasan Teks Otomatis (Automatic Text Summarization) merupakan
BAB II LANDASAN TEORI 2.1 Peringkasan Teks Otomatis (Automatic Text Summarization) Peringkasan Teks Otomatis (Automatic Text Summarization) merupakan pembuatan rangkuman dari sebuah sumber teks secara
Lebih terperinciJurnal Aksara Komputer Terapan Politeknik Caltex Riau Vol. 4, No. 1, Tahun
Vol. 4, No. 1, Tahun 2015 61 Jurnal Aksara Komputer Terapan Politeknik Caltex Riau Website : https://jurnal.pcr.ac.id/index.php/jakt/about Email : pustaka@pcr.ac.id Sistem Pendeteksi Kemiripan Proyek Akhir
Lebih terperinciDETEKSI PLAGIARISME DENGAN ALGORITMA RABIN KARP DAN ALGORITMA KLASTERISASI SUFFIX TREE PADA TEKS DOKUMEN TUGAS AKHIR
DETEKSI PLAGIARISME DENGAN ALGORITMA RABIN KARP DAN ALGORITMA KLASTERISASI SUFFIX TREE PADA TEKS DOKUMEN TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas
Lebih terperinciPEMBUATAN WEB PORTAL SINDIKASI BERITA INDONESIA DENGAN KLASIFIKASI METODE SINGLE PASS CLUSTERING
PEMBUATAN WEB PORTAL SINDIKASI BERITA INDONESIA DENGAN KLASIFIKASI METODE SINGLE PASS CLUSTERING Noor Ifada, Husni, Rahmady Liyantanto Jurusan Teknik Informatika, Fakultas Teknik, Universitas Truojoyo
Lebih terperinciPENERAPAN SISTEM TEMU KEMBALI INFORMASI PADA KUMPULAN DOKUMEN SKRIPSI
18 PENERAPAN SISTEM TEMU KEMBALI INFORMASI PADA KUMPULAN DOKUMEN SKRIPSI Karter D. Putung, Arie Lumenta, Agustinus Jacobus Teknik Informatika Universitas Sam Ratulangi Manado, Indonesia. karterputung@gmail.com,
Lebih terperinciUKDW. 1.1 Latar Belakang BAB 1 PENDAHULUAN
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi komputer yang pesat pada masa kini menjadi perhatian utama bagi manusia. Kemajuan teknologi komputer yang pesat ini menimbulkan bermacam-macam
Lebih terperinciPERBANDINGAN METODE CLUSTERING MENGGUNAKAN METODE SINGLE LINKAGE DAN K - MEANS PADA PENGELOMPOKAN DOKUMEN
PERBANDINGAN METODE CLUSTERING MENGGUNAKAN METODE SINGLE LINKAGE DAN K - MEANS PADA PENGELOMPOKAN DOKUMEN Rendy Handoyo 1, R. Rumani M 2, Surya Michrandi Nasution 3 1,2,3 Gedung N-203, Program Studi Sistem
Lebih terperinciIMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK KLASIFIKASI OPINI PADA DATA TWITTER DENGAN EKSPASI QUERY MENGGUNAKAN PENDEKATAN SINONIM
IMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK KLASIFIKASI OPINI PADA DATA TWITTER DENGAN EKSPASI QUERY MENGGUNAKAN PENDEKATAN SINONIM Laporan Tugas Akhir Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata
Lebih terperinciSISTEM INFORMATION RETRIEVAL PENCARIAN KESAMAAN AYAT TERJEMAHAN AL QURAN BERBAHASA INDONESIA DENGAN QUERY EXPANSION DARI TAFSIRNYA
SISTEM INFORMATION RETRIEVAL PENCARIAN KESAMAAN AYAT TERJEMAHAN AL QURAN BERBAHASA INDONESIA DENGAN QUERY EXPANSION DARI TAFSIRNYA Broto Poernomo T.P. 1 dan Ir. Gunawan 2 1 Teknik Informtika Sekolah Tinggi
Lebih terperinci1.5 Metode Penelitian
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam perkembangan teknologi internet yang semakin maju ini kita dapat mengakses dokumen, buku dan majalah mulai dari bahasa asing sampai bahasa daerah yang
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Tes Secara harfiah kata tes berasal dari kata bahasa prancis kuno: testum yang berarti piring untuk menyisihkan logam-logam mulia, dalam bahasa Indonesia diterjemahkan dengan
Lebih terperinciJurnal Ilmiah Teknologi dan Informasi ASIA Vol. 7 No. 1, Februari 2013
PERANCANGAN INFORMATION RETRIEVAL (IR) BERBASIS TERM FREQUENCY- INVERSE DOCUMENT FREQUENCY (TF-IDF) UNTUK PERINGKASAN TEKS TUGAS KHUSUS BERBAHASA INDONESIA Erwien Tjipta Wijaya Sekolah Tinggi Manajemen
Lebih terperinciIMPLEMENTASI ALGORITMA VECTOR SPACE MODEL DALAM PENCARIAN E-BOOK
IMPLEMENTASI ALGORITMA VECTOR SPACE MODEL DALAM PENCARIAN E-BOOK Nurul Annisa 1),Warnia Nengsih, S.Kom., M.Kom. 2) & Ananda. S.kom., M.T. 3) Program Studi Sistem Informasi 12), Teknik Informatika Multimedia
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Information Retrieval Perkembangan teknologi internet yang sangat pesat membuat pengguna harus dapat menyaring informasi yang dibutuhkannya. Information retrieval atau sistem
Lebih terperinciKLASIFIKASI DOKUMEN NASKAH DINAS MENGGUNAKAN ALGORITMA TERM FREQUENCY INVERSED DOCUMENT FREQUENCY DAN VECTOR SPACE MODEL
KLASIFIKASI DOKUMEN NASKAH DINAS MENGGUNAKAN ALGORITMA TERM FREQUENCY INVERSED DOCUMENT FREQUENCY DAN VECTOR SPACE MODEL MANUSCRIPT DOCUMENT CLASSIFICATION ALGORITHM USING THE OFFICE OF TERM FREQUENCY
Lebih terperinciPerbandingan Penggunaan Algoritma Cosinus dan Wu Palmer untuk Mencari Kemiripan Kata dalam Plagiarism Checker
Perbandingan Penggunaan Algoritma Cosinus dan Wu Palmer untuk Mencari Kemiripan Kata dalam Plagiarism Checker 1 Aslihatul Millah, 2 Siti Nurazizah 1,2 Program Studi Sistem Informasi, Fakultas Sains dan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Berdasarkan data dari Kementerian Komunikasi dan Informasi Indonesia yang diperoleh dari Lembaga Riset Pasar E-Marketer, populasi pengguna internet tanah air pada tahun
Lebih terperinciPeningkatan Kinerja Pencarian Dokumen Tugas Akhir menggunakan Porter Stemmer Bahasa Indonesia dan Fungsi Peringkat Okapi BM25
54 Widiasri, M., dkk.: Peningkatan Kinerja Pencarian Dokumen Tugas Akhir Menggunakan Peningkatan Kinerja Pencarian Dokumen Tugas Akhir menggunakan Porter Stemmer Bahasa Indonesia dan Fungsi Peringkat Okapi
Lebih terperinciPENGUNAAN METODE COSINESIMILARITY PADA SISTEM PENGELOMPOKAN KERJA PRAKTEK, TUGAS AKHIR DAN SKRIPSI
ISSN : 338-418 PENGUNAAN METODE COSINESIMILARITY PADA SISTEM PENGELOMPOKAN KERJA PRAKTEK, TUGAS AKHIR DAN SKRIPSI Randy Agung Wibowo (agung.wbowo9@gmail.com) Didik Nugroho (masdidiknugroho@gmail.com) Bebas
Lebih terperinciBAB I PENDAHULUAN. penunjang Al-Quran untuk memudahkan untuk mempelajarinya, yang bisa
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dengan kemajuan teknologi yang sangat pesat ini sudah banyak aplikasi penunjang Al-Quran untuk memudahkan untuk mempelajarinya, yang bisa disebut atau di artikan
Lebih terperinciSistem Deteksi Kemiripan Identitas...
Sistem Deteksi Kemiripan Identitas... (Azwar dkk.) SISTEM DETEKSI KEMIRIPAN IDENTITAS UNTUK REKOMENDASI PERHITUNGAN PAJAK PROGRESIF PADA KENDARAAN BERMOTOR MENGGUNAKAN LATENT SEMANTIC ANALYSIS (LSA) Noor
Lebih terperinciSISTEM REKOMENDASI DOSEN PEMBIMBING TUGAS AKHIR BERBASIS TEXT MINING MENGGUNAKAN VECTOR SPACE MODEL
SISTEM REKOMENDASI DOSEN PEMBIMBING TUGAS AKHIR BERBASIS TEXT MINING MENGGUNAKAN VECTOR SPACE MODEL SKRIPSI Disusun Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Komputer pada Departemen Ilmu
Lebih terperinciSTMIK GI MDP. Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 20010/2011
STMIK GI MDP Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 20010/2011 PENERAPAN METODE CLUSTERING HIRARKI AGGLOMERATIVE UNTUK KATEGORISASI DOKUMEN PADA WEBSITE SMA NEGERI
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1. Analisis Sistem Analisis sistem bertujuan untuk mengidentifikasi permasalahanpermasalahan yang ada pada sistem yang meliputi perangkat lunak (software), pengguna
Lebih terperinciCosine Similarity (Tf-idf) Denny Setyo R ( ) STBI Kelas C
Cosine Similarity (Tf-idf) Denny Setyo R (080411100131) STBI Kelas C Contoh, Diketahui terdapat 6 dokumen (D1 s.d. D6) sebagai berikut : o D1. Komisi Yudisial dengan Universitas resmi menjalin kerjasama
Lebih terperinciImplementasi Vector Space Model dalam Pembangkitan Frequently Asked Questions Otomatis dan Solusi yang Relevan untuk Keluhan Pelanggan
Scientific Journal of Informatics Vol. 2, No. 2, November 2015 p-issn 2407-7658 http://journal.unnes.ac.id/nju/index.php/sji e-issn 2460-0040 Implementasi Vector Space Model dalam Pembangkitan Frequently
Lebih terperinci