IMPLEMENTASI METODE COLLABORATIVE TAGGING PADA SISTEM REKOMENDASI ARTIKEL PUBLIKASI ILMIAH SKRIPSI HASMI FARHANDANI ANSARI 091402061 PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014
IMPLEMENTASI METODE COLLABORATIVE TAGGING PADA SISTEM REKOMENDASI ARTIKEL PUBLIKASI ILMIAH SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi Informasi HASMI FARHANDANI ANSARI 091402061 PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014
i PERSETUJUAN Judul : IMPLEMENTASI METODE COLLABORATIVE TAGGING PADA SISTEM REKOMENDASI ARTIKEL PUBLIKASI ILMIAH Kategori : SKRIPSI Nama : HASMI FARHANDANI ANSARI Nomor Induk Mahasiswa : 091042061 Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI (FASILKOM-TI) UNIVERSITAS SUMATERA UTARA Diluluskan di Medan, Juni 2014 Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Sarah Purnamawati, ST,M.Sc M.Fadly Syahputra, B.Sc., M.Sc.IT NIP 19830226 201012 2 003 NIP 19830129 200912 1 003 Diketahui/Disetujui oleh Program Studi S1 Teknologi Informasi Ketua, M.Anggia Muchtar, ST,MM.IT NIP 19800110 200801 1 010
ii PERNYATAAN IMPLEMENTASI METODE COLLABORATIVE TAGGING PADA SISTEM REKOMENDASI ARTIKEL PUBLIKASI ILMIAH SKRIPSI Saya mengakui bahwa skripsi ini adalah hasil karya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya. Medan, Juni 2014 Hasmi Farhandani Ansari 0910402061
iii UCAPAN TERIMA KASIH Puji dan syukur penulis sampaikan kehadirat Allah SWT yang telah memberikan rahmat dan hidayah-nya sehingga penulis dapat menyelesaikan skripsi ini sebagai syarat untuk memperoleh ijazah Sarjana Teknologi Informasi, Program Studi S1 Teknologi Informasi. Untuk itu penulis mengucapkan terima kasih kepada: 1. Dekan dan Pembantu Dekan Fakultas Ilmu Komputer danteknologi Informasi, semua dosen serta pegawai di Program Studi S1 Teknologi Informasi. 2. Ketua dan Sekretaris Program Studi S1 Teknologi Informasi, M. Anggia Muchtar, ST, MM.IT dan M. Fadly Syahputra, B.Sc, M.Sc.IT. 3. Seluruh dosen Departemen Teknologi Informasi dan Ilmu Komputer USU yang telah memberikan ilmu, dukungan, arahan dan bantuannya selama proses perkuliahan. 4. Kepada Bapak M. Fadly Syahputra, B.Sc, M.Sc.IT selaku pembimbing satu dan Ibu Sarah Purnamawati, ST,M.Sc selaku pembimbing dua yang telah banyak meluangkan waktu dan pikirannya, serta memberikan kritik dan saran kepada penulis. Ucapan terima kasih juga ditujukan kepada Bapak Dr.Syahril Effendi, S.Si, M.IT dan Bapak Baihaqi Siregar, S.Si, M.T yang telah bersedia menjadi dosen pembanding. 5. Skripsi ini penulis persembahkan untuk kedua orang tua dan keluarga penulis yang telah memberikan dukungan dan motivasi, ayahanda H.Al-Ansari,Se dan ibunda Hj.Sri Azneini, S.Pd yang selalu sabar dalam mendidik dan membesarkan penulis. Untuk adik penulis Hanny Natasya Ansari dan Hadid Fachriansyah Ansari yang selalu memberikan dorongan dan dukungan kepada penulis. 6. Penulis juga mengucapkan terima kasih kepada teman-teman angkatan 2009, Terutama buat wildan afifi yang telah banyak memberikan support dan dukungan kepada penulis, alvin,gilbert,najam,deny,darma warista, senior, dan junior yang telah memberikan dukungan, serta teman-teman mahasiswa yang tidak dapat penulis sebutkan satu-persatu.
iv 7. Serta kepada pihak lain yang telah mendukung serta memberikan bantuan, saran, dan kritik kepada penulis selama pengerjaan skripsi ini. Semoga segala kebaikan, bantuan dan dukungannya dibalas Allah SWT dengan nikmat yang berlimpah dan tugas akhir ini dapat bermanfaat bagi semua pihak yang memerlukannya.
v ABSTRAK Berkembangnya World Wide Web (WWW) dan banyaknya orang yang menulis informasi pada WWW membuat pengguna dapat mengakses informasi sangat banyak dan juga informasi yang tidak diinginkan oleh pengguna. Salah satunya adalah artikel publikasi ilmiah. Pengguna dihadapkan dengan banyaknya pilihan artikel publikasi ilmiah yang ada, sehingga pengguna kesulitan dalam menemukan artikel publikasi ilmiah yang sesuai dengan minat mereka. Oleh sebab itu dibutuhkan sebuah sistem rekomendasi yang dapat memberikan rekomendasi artikel publikasi yang sesuai dengan minat pengguna.salah satu metode sistem rekomendasi yang sedang berkembang adalah collaborative tagging. Collaborative tagging menjelaskan proses yang memungkinkan banyak pengguna untuk memberikan keterangan sebuah item dengan dengan sebuah kata kunci contohnya tagging.salah satu metode yang digunakan pada collaborative tagging adalah dengan menggunakan pemodelan vektor(vector Space Model) dan untuk memberikan rekomendasi dengan menggunakan cosine similarity. Pada penelitian ini penulis menggunakan collaborative tagging dengan pemodelan vektor (Vector Space Model). Hasil penelitian ini adalah penggunaan collaborative tagging dapat memberikan rekomendasi kepada pengguna sesuai dengan minat mereka. Kata kunci : World Wide Web, collaborative tagging, vector space model, cosine similarity,artikel publikasi ilmiah
vi The Implementation of Collaborative Tagging on Scientific Publication Recommender System ABSTRACT The development of the World Wide Web ( WWW ) and the number of people who write information on the WWW allow users to access a very large information and also the information that is not desired by the user. One of them is the article of scientific publications. Users are faced with many choices of available scientific publication articles, so it is difficult for users to find articles of scientific publications that match their interests. Therefore requires a recommendation system that can provide recommendations in accordance with users interests. One of the methods that is being rapidly developed in recommendation system is collaborative tagging. Collaborative tagging describes the process that allows many users to annotate an item with a keyword or tagging. One of the models used in collaborative tagging is vector model ( Vector Space Model ) and to provide recommendations, cosine similarity is used. In this study, the authors use collaborative tagging with vector modeling ( Vector Space Model ) and cosine similiarity. The results of this study is that the use of collaborative tagging can successfully provide recommendations to users that match their interests. Keyword : World Wide Web, collaborative tagging, vector space model, cosine similarity
vii DAFTAR ISI PERSETUJUAN PERNYATAAN UCAPAN TERIMA KASIH ABSTRAK DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR i ii iii v vii x xi BAB I 1 PENDAHULUAN 1 1.1. Latar Belakang 1 1.2. Rumusan Masalah 2 1.3. Batasan Masalah 2 1.4. Tujuan Penelitian 2 1.5. Manfaat Penelitian 2 1.6. Metodologi Penelitian 3 1.7. Sistematika Penulisan 4 BAB 2 6 LANDASAN TEORI 6 2.1. Sistem Rekomendasi 6 2.2. Tagging 7 2.2.1 User-Generated Tags 7 2.2.2 Machine-Generated Tags 7 2.3. Collaborative Tagging 8 2.4. Vector Space Model 8 2.4. Bahasa Pemrograman PHP 14 2.5. Database 14 2.6. Unified Modelling Language (UML) 15 2.8. Penelitian Terdahulu 16 2.9 Perbedaan dengan penelitian terdahulu 17
viii BAB 3 18 ANALISIS DAN PERANCANGAN 18 3.1. Data Yang Digunakan 18 3.2. Use Case Diagram 18 3.3. Activity Diagrams 20 3.3.1. Activity Diagram Register 20 3.3.2. Activity Diagram Logout 21 3.3.3. Activity Diagram Halaman Utama 22 3.3.4 Activity Diagram Halaman submit artikel 23 3.3.5. Activity Diagram Halaman Rekomendasi 24 3.3.6. Activity Diagram lihat daftar artikel publikasi oleh pengguna 25 3.3.7. Activity Diagram Logout 26 3.4. Flowchart 26 3.4.1. Flowchart Keseluruhan Rekomendasi 27 3.5. Perancangan Sistem 35 3.5.1. Kebutuhan Perangkat Lunak 35 3.5.2. Perancangan Antar Muka Perangkat Lunak 35 3.6. Perancangan Database 43 3.6.1 Perancangan Database 43 3.6.2. Relasi Antar Tabel 47 BAB 4 48 IMPLEMENTASI DAN PENGUJIAN SISTEM 48 4.1. Implementasi Sistem 48 4.2. Implementasi Perancangan Antarmuka 49 4.2.1. Halaman Registrasi 49 4.2.2. Halaman Login 50 4.2.3 Halaman Home 50 4.2.4 Halaman Rekomendasi 51 4.2 5 Halaman Lihat artikel publikasi ilmiah 51 4.2 6 Halaman submit artikel 52
ix 4.3 Pengujian Sistem 53 4.3.1. Rencana Pengujian Sistem 53 4.3.2. Hasil Pengujian Sistem 54 4.3.3 Persiapan Pengujian Data 56 BAB 5 64 KESIMPULAN DAN SARAN 64 5.1. Kesimpulan 64 5.2. Saran 64 DAFTAR PUSTAKA 65 Listing Program 65
x DAFTAR TABEL Tabel 3.1 Data artikel yang telah diberikan tagging oleh pengguna. 10 Tabel 3.2 Raw Data Jurnal. 11 Tabel 3.3 Normalized Vector jurnal 11 Tabel 3.4 Data Tagging user 12 Tabel 3.5 Raw Data User 13 Tabel 3.6 Normalized vector User 13 Tabel 3.7 Dot Product User x Jurnal 14 Tabel 3.2 Normalized Vector Pengguna u1 30 Tabel 3.3 Raw Data Jurnal 31 Tabel 4.1 Rencana Pengujian 53 Tabel 4.2 Hasil Pengujian 54 Tabel 4.2 Hasil Pengujian (Lanjutan) 57 Tabel 4.3 Artikel yang telah disubmit oleh agus 57 Tabel 4.3 Artikel yang telah disubmit oleh agus (Lanjutan) 58 Tabel 4.4 Raw Data Jurnal pada database 56 Tabel 4.4 Raw Data Jurnal pada database (Lanjutan) 56 Tabel 4.4 Raw Data Jurnal pada database (Lanjutan) 60 Tabel 4.5 Perhitungan Normalized Vector for journal 60 Tabel 4.5 Perhitungan Normalized Vector for Journal ( Lanjutan) 61 Tabel 4.6 Raw Data Pengguna Agus 61 Tabel 4.6 Raw Data Pengguna Agus (Lanjutan) 62 Tabel 4.7 Normalized Vector for agus 63 Tabel 4.8 Dot Product perhitungan user x jurnal 63
xi DAFTAR GAMBAR Gambar 3.1 Use Case Diagram 19 Gambar 3.2 Activity Diagram Register 20 Gambar 3.3 Activity Diagram Login 21 Gambar 3.4 Activity Diagram Halaman Utama 22 Gambar 3.5Activity Diagram Halaman submit artikel 23 Gambar 3.5 Activity Diagram Halaman Rekomendasi 24 Gambar 3.6 Activity Diagram Lihat Jurnal Yang dibookmark pengguna 25 Gambar 3.7 Activity diagram logout 26 Gambar 3.5 Flowchart Rekomendasi Keseluruhan 27 Gambar 3.7 Flowchart Perhitungan Normalized Vector Pengguna 29 Gambar 3.8 Flowchart Perhitungan Raw Data Jurnal 30 Gambar 3.9 Flowchart Perhitungan Normalized Vector Jurnal 32 Gambar 4.0 Flowchart Dot Product Pengguna dengan Jurnal 34 Gambar 3.12 Form Registrasi 35 Gambar 3.13 Form Login 36 Gambar 3.14 Halaman Utama 37 Gambar 3.15 Halaman All Article 38 Gambar 3.16 Halaman about 39 Gambar 3.17 Submit article 40 Gambar 3.18 Tabel user 43 Gambar 3.19 Tabel Author 43 Gambar 3.20 Tabel jurnal 44 Gambar 3.21 Tabel tagging 45 Gambar 3.22 Tabel user jurnal 45 Gambar 3.23 Tabel user_jurnal_tag 46 Gambar 3.24 Tabel Author_jurnal 46 Gambar 3.25 Relasi Antar Tabel 47 Gambar 4.1 Halaman Registrasi 49