Rancang Bangun Modul Pengelompokan Dokumen Pada Sistem Manajemen Dokumen Kepegawaian

Transkripsi

1 Rancang Bangun Modul Pengelompokan Dokumen Pada Sistem Manajemen Dokumen Kepegawaian ANITA SUSANTI Dosen Pembimbing Umi LailiYuhana S.Kom, M.Sc Nurul Fajrin Ariyani S.Kom, M.Sc

2 LATAR BELAKANG Banyaknya dokumen yang dipublikasikan SISTEM Kurangnya sarana MANAJEMEN prasarana penyimpanan dokumen DOKUMEN Susahnya mendapatkan dokumen terkait

3 TUJUAN Pengelompokan dokumen secara otomatis Dosen Jabatan Tenaga kependidikan

4 RUMUSAN MASALAH membuat aplikasi yang dapat melakukan pengelompokan dokumen secara otomatis ke dalam kategori yang telah ditentukan.

5 BATASAN MASALAH Data masukan berupa file pdf akan tetapi tidak termasuk file pdf hasil pemindaian data yang digunakan adalah dokumen kepegawaian Kategori dokumen : Dosen, jabatan dan tenaga kependidikan

6 Naïve Bayes menghitung probabilitas eksplisit untuk menggambarkan hipotesa yang dicari ditentukan terlebih dahulu nilai peluang dokumen terhadap setiap kategori, dan nilai peluang tiap term terhadap frekuensi kemunculannya pada tiap kategori P(Vj) = Dj D Dimana, P V j Dj D :Peluang Dokumen berkategori j :Jumlah dokumen yang memiliki kategori j :Jumlah keseluruhan dokumen

7 Fitur System Melakukan pencarian dokumen Mengunggah Dokumen Menambah admin Mengganti password Pengguna Admin Tambahan Melakukan pencarian dokumen kepegawaian mengunggah dokumen Menambah admin Admin Utama Mengganti password

8 IMPLEMENTASI PROSES PROSES CRAWL PORTAL (Task scheduler WINDOWS dengan script php) Alamat url portal yang di-crawl Klasifikasi dokumen Menyimpan persentase per kategori Mengecek file ekstensi pdf Mengecek kata dengan filter selesai Mengunduh dokumen Mengecek ketersediaan file hash

9 Proses Pengelompokan Dokumen Proses dibuat denganbahasa pemrograman Java yang nantinya dibuat Jar Jar akan dipanggil pada proses yang berhubungan dengan pengolahan dokumen yaitu proses crawl dan proses unggah dokumen. Proses terbagi menjadi dua yaitu training dan testing.

10 Proses Training Dokumen Inisialisasi variabel memasukkan data training Pra proses Menyimpan hasil model Melakukan training dokumen Pembobotan TF

11 Proses Testing Dokumen Membuka model klasifikasi memasukkan data uji Pra proses Menyimpan hasil persentase kategori Melakukan klasifikasi Pembobotan TF

12 PENGUJIAN Pengujian Pengguna Sistem telah diujikan ke 10 responden Responden menilai aspek : pengukuran tingkat kegunaan aplikasi dalam membantu pencarian dokumen, tingkat akurasi pengelompokan, tingkat kemudahan akses dan penilaian fitur aplikasi.

13 tingkat kegunaan aplikasi dalam membantu pencarian dokumen

14 Tingkat akurasi pengelompokan

15 Tingkat kemudahan akses

16 Penilaian fitur aplikasi

17 Hasil Berdasarkan survei yang dilakukan terhadap 10 responden, didapatkan sekitar 95% responden berpendapat bahwa aplikasi ini dapat membantu mempermudah pengguna dalam mencari dokumen tertentu sekitar 90% responden berpendapat bahwa tingkat kemudahan akses aplikasi baik. 86% responden yang berpendapat bahwa tingkat akurasi pengelompokan sistem baik. Tingkat Penilaian fitur aplikasi menghasilkan 93%.

18 Pengujian Presisi dan Recall dilakukan untuk mengukur performa dari sistem. Presisi dihitung dari jumlah dokumen relevan yang berhasil dideteksi dibandingkan dengan seluruh hasil deteksi. Sedangkan recall didapatkan dari perbandingan jumlah dokumen relevan yang berhasil dideteksi dengan jumlah dokumen relevan yang sebenarnya yang didapat dari analisis pengembang aplikasi.

19 Hasil Kategori TP TN FP FN Presisi Recall Dosen ,82 0,88 Jabatan ,85 0,67 Tenaga Kependidikan ,75 Rata-rata 0,85 0,76

20 Hasil nilai presisi dokumen keseluruhan yaitu 0,85 dan nilai recall 0,76. Dapat disimpulkan performa dari sistem untuk melakukan pengelompokan dokumen dengan baik dan benar.

21 KESIMPULAN RUMUSAN MASALAH membuat aplikasi yang dapat melakukan pengelompokan dokumen secara otomatis ke R dalam kategori yang telah ditentukan KESIMPULAN dapat melakukan pengelompokan dokumen kepegawaian dengan metode klasifikasi naïve bayes dan pembobotan TF dengan nilai presisi 0,85 dan nilai recall 0,76. dapat mempermudah pengguna dalam mencari dokumen kepegawaian yang dibutuhkan. Hasil survei terhadap 10 orang pengguna aplikasi dimana 95% pengguna menyatakan aplikasi dapat membantu pengguna dalam melakukan pencarian dokumen.

22 TERIMA KASIH