PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI · 2016. 11. 23. · Pencarian dokumen makalah ilmiah yang sudah ada sebagian besar menghasilkan informasi berdasarkan abstrak, judul,pengarang,

i

SISTEM TEMU BALIK INFORMASI DOKUMEN MAKALAH ILMIAH

BERBAHASA INDONESIA MENGGUNAKAN STRUKTUR DATA

INVERTED INDEX BERBASIS HASH TABLE DAN LINKED LIST

SKRIPSI

Diajukan untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Komputer

Program Studi Teknik Informatika

Oleh:

Reza Mohammad Darojad

NIM:085314024

JURUSAN TEKNIK INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

2013

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

ii

INFORMATION RETRIEVAL SISTEM OF INDONESIAN SCIENTIFIC

PAPER USING INVERTED INDEX DATA STRUCTURE BASED ON

HASH TABLE AND LINKED LIST

THESIS

Presented as Partial Fullfilment of the Requirements

To Obtain the Computer Bachelor Degree

In Informatics Engineering

By:


NIM:085314024

INFORMATICS ENGINEERING STUDY PROGRAM

DEPARTMENT OF INFORMATICS ENGINEERING

FACULTY OF SCIENCE AND TECHNOLOGY

SANATA DHARMA UNIVERSITY

YOGYAKARTA

2013


iii

HALAMAN PERSTETUJUAN

SKRIPSI




Oleh:


NIM:085314024

Telah disetujui oleh:

Dosen Pembimbing

JB. Budi Darmawan, S.T., M.Sc. Tanggal:


iv

HALAMAN PERSTETUJUAN

SKRIPSI




Dipersiapkan dan ditulis oleh


NIM:085314024

Telah dipertahankan di depan Panitia Penguji

Pada tanggal 15 Februari 2013

dan dinyatakan memenuhi syarat

Susunan Panitia Penguji

Nama Lengkap Tanda Tangan

Ketua Sri Hartati Wijono, S. Si., M. Kom. .........................

Sekretaris Puspaningtyas Sanjoyo Adi, S.T., M.T. .........................

Asnggota JB. Budi Darmawan, S.T., M. Sc. .........................

Yogyakarta , .... Februari 2013

Fakultas Sains dan Teknologi

Universitas Sanata Dharma

Dekan,

Paulina Heuriningsih Prima Rosa, S.Si., M. Sc.


v

PERNYATAAN KEASLIAN KARYA

Saya menyatakan dengan seungguhnya bahwa skripsi yang saya tulis ini

tidak memuat karya orang lain kecuali yang telah disebutkan dalam kutipan dan

daftar pustaka, sebagaimana layaknya karya ilmiah.

Yogyakarta, Februari 2013

Penulis,

Reza M. Darojad


vi

ABSTRAKSI

Makalah ilmiah adalah karya ilmiah akademik yang dipublikasikan. Makalah

ilmiah berbahasa Indonesia lebih ditujukan untuk ruang lingkup pembaca

nasional.

Seiring bertambahnya jumlah makalah ilmiah yang beredar para akademisi

memerlukan informasi mengenai makalah-makalah yang akan mereka baca atau

referensikan. Informasi tersebut dapat diperoleh menggunakan sistem temu-

kembali informasi (Information retrieval) agar pengguna mendapatkan keputusan

sumber informasi yang tepat sesuai kebutuhan pengguna.

Sistem Pemerolehan informasi yang dibangun berfokus pada model TF-IDF

dengan algoritma stemming Nazief & Adriani karena dokumen makalah yang

akan di cari adalah makalah ilmiah berbahasa Indonesia dan algoritma tersebut

adalah yang paling optimal tingkat relevansinya untuk saat ini.


vii

ABSTRACT

Scientific papers are academic papers that published. Indonesian-language

scientific papers aimed more at the national scope of the reader.

With the growing number of outstanding scientific papers, academics need

information about the papers they would read or refer. Such information can be

obtained using Information Retrieval Systems so that users get the right decision

sources of information according to user needs.

Information Retrieval System is built focusing on the model TF-IDF with

Nazief & Adriani stemming algorithms for paper documents that will be looking

for is a scientific paper in Indonesian language and the algorithm is the optimal

level of relevance for today.


viii

HALAMAN PERSETUJUAN PUBLIKASI KARYA ILMIAH

UNTUK KEPENTINGAN AKADEMIS

Yang bertanda tangan dibawah ini, saya mahasiswa Universitas Sanata

Dharma:

Nama : Reza Mohammad Darojad

NIM : 085413024

Demi pengembangan ilmu pengetahuan, saya memberikan kepada

perpustakaan Universitas Sanata Dharma karya ilmiah saya yang berjudul:




Berserta perangkat yang diperlukan bila ada. Dengan demikian saya memberikan

kepada perpustakaan Universitas Sanata Dharma hak untuk menyimpan,

mengalihkan dalam bentuk media lain, mengelolanya dalam bentuk pangkalan

data, mendistribusikan secara terbatas, dan mempublikasikannya di internet atau

media laiin untuk kepentingan akademis tanpa perlu meminta ijin dari saya

maupun memberi royalti kepada saya selama tetap mencantumkan nama saya

sebagai penulis.

Demikian pernyataan ini saya buat dengan sebenarnya.

Dibuat di Yogyakarta

Pada tanggal:

Yang menyatakan

(Reza M. Darojad)


ix

KATA PENGANTAR

Puji syukur kepada Yesus Kristus yang telah memberikan karunia, rahmat,

dan kesempatan, sehingga penulis dapat menyelesaikan skripsi ini. Penyusunan

skripsi ini tidak lepas dari semua pihak yang turut memberikan dukungan, doa,

semangat, dan bantuan yang sangat bermanfaat bagi penulis. Pada kesempatan ini

penulis mengucapkan terima kasih sebesar besarnya kepada :

1. Bapak JB. Budi Darmawan, S.T., M.Sc. selaku dosen pembimbing

senantiasa memberikan masukkan dan bantuan dalam membimbing

penulis untuk menyelesaikan skripsi ini.

2. Segenap dosen Universitas Sanata Dharma yang telah membantu

memberikan bekal pengetahuan kepada penulis.

3. Ibu Sulistyaningtyas dan Kakak Tyas yang selalu memberi dukungan.

4. Seluruh sahabat dan rekan-rekan TI yang tidak dapat penulis sebutkan atas

kesediaanya dalam memberikan masukkan, menemani dan memberi

dukungan kepada penulis.

Penulis menyadari bahwa masih banyak kekurangan yang terdapat pada

skripsi ini. Saran dan kritik penulis harapkan untuk kebaikan bersama. Semoga

bermanfaat.

Yogyakarta, Februari 2013

Penulis,

Reza M. Darojad


x

Daftar Isi

HALAMAN JUDUL........................................................................................................... i

HALAMAN PERSETUJUAN SKRIPSI .......................................................................... iii

PERNYATAAN KEASLIAN KARYA ......................................................................................... v

ABSTRAKSI ......................................................................................................................... vi

ABSTRACT ........................................................................................................................ vii

HALAMAN PERSETUJUAN PUBLIKASI KARYA ILMIAH ..................................................... viii

KATA PENGANTAR............................................................................................................. ix

Daftar Isi ............................................................................................................................. x

Bab I Pendahuluan ............................................................................................................ 1

1.1. Latar belakang .................................................................................................... 1

1.2. Rumusan Masalah .............................................................................................. 2

1.3. Tujuan ................................................................................................................ 3

1.4. Batasan Masalah ................................................................................................ 3

1.5. Metodologi Penelitian ........................................................................................ 4

1.6. Sistematika Penulisan ......................................................................................... 5

Bab II Landasan Teori ......................................................................................................... 7

2.1 Information Retrieval ......................................................................................... 7

2.2 Proses Indexing .................................................................................................. 9

2.3 Pembobotan Kata ............................................................................................. 14

2.4 Hash Table ........................................................................................................ 17

2.5 LinkedList ......................................................................................................... 17

2.6 Precision dan Recall .......................................................................................... 17

BAB III ANALISA DAN PERANCANGAN SISTEM ............................................................... 18

3.1 Analisa Sistem .................................................................................................. 18

3.2 Perancangan Sistem ......................................................................................... 33

BAB IV IMPLEMENTASI SISTEM ....................................................................................... 48

4.1. Spesifikasi Perangkat Lunak dan Perangkat Keras ........................................... 48

4.3. Implementasi Inverted Index ............................................................................ 59

4.4. Implementasi Antarmuka ................................................................................. 65

4.5. Implementasi Control ....................................................................................... 70


xi

4.6. Implementasi Model ......................................................................................... 72

BAB V ANALISA HASIL ...................................................................................................... 73

BAB VI KESIMPULAN DAN SARAN ................................................................................... 87

6.1 Kesimpulan ...................................................................................................... 87

Daftar Pustaka .................................................................................................................. 89

LAMPIRAN ........................................................................................................................ 91


1

Bab I

Pendahuluan

1.1. Latar belakang

Jumlah dokumen makalah ilmiah digital di Indonesia terus bertambah

sehingga masyarakat terutama akademisi memerlukan suatu sistem yang dapat

mengakses dan menyediakan berbagai informasi sesuai kebutuhannya. Informasi

tersebut dapat diperoleh menggunakan sistem temu-kembali informasi

(Information retrieval) agar pengguna mendapatkan sumber informasi yang tepat

sesuai kebutuhan pengguna dari sekumpulan dokumen yang besar (Manning,

2009).

TF-IDF adalah salah satu metode dari Information Retrieval untuk

memberikan bobot hubungan suatu kata (term) terhadap dokumen. Metode TF-

IDF yang digunakan menggunakan teknik pembobotan Savoy karena pada teknik

pembobotan ini, bobot istilah telah dinormalisasi. Teknik ini memperhitungkan

jumlah dokumen yang mengandung istilah yang bersangkutan dan jumlah

keseluruhan dokumen. Sehingga jika sebuah istilah mempunyai frekuensi

kemunculan yang sama pada dua dokumen belum tentu mempunyai bobot yang

sama. Teknik ini sudah diterapkan pada dokumen berbahasa Indonesia dan cukup

baik dalam memberikan bobot dokumen terurut(Baeza, 1999).

Data yang berisi daftar term dan hubungannya dengan dokumen disimpan

dalam sebuah Inverted Index. Inverted index terdiri dari dua bagian utama,

dictionary dan posting list. Struktur data Hash Table adalah pilihan sesuai

digunakan sebagai dictionary karena waktu aksesnya relatif singkat dimana


2

pengurutan data tidak diutamakan. Posting List memerlukan struktur data

penyimpanan yang terurut dan dinamis, Ordered Linked List diimplementasikan

untuk Posting List karena ukuran Linked List yang dapat melebar menyesuaikan

data yang ditambahkan. Ordered Linked List berdasarkan pada Linked List dengan

penambahan pengurutan data (Robert, 2003).

Pencarian dokumen makalah ilmiah yang sudah ada sebagian besar

menghasilkan informasi berdasarkan abstrak, judul,pengarang, penerbit, dan

subjek makalah. bukan seluruh isi makalah. Peneliti mengembangkan Sistem

Pemerolehan Informasi untuk dokumen makalah berbahasa Indonesia

menggunakan seluruh isi teks dokumen.

1.2. Rumusan Masalah

Dari latar belakang di atas dapat dirumuskan beberapa masalah yang akan

dikaji, yaitu:

1. Sejauh mana performa struktur data Hash dan LinkedList terhadap

pencarian dokumen?

2. Bagaimana sistem temu balik informasi ini dapat menghasilkan dokumen

yang relevan yang teranking berdasarkan query masukan oleh pengguna?

3. Seberapa relevankah dokumen hasil dari metode pembobotan TD-IDF

yang dihasilkan terhadap query pengguna?


3

1.3. Tujuan

Penelitian ini bertujuan untuk mengimplementasikan sistem pemerolehan

informasi untuk pencarian makalah ilmiah berbahasa Indonesia menggunakan

seluruh isi teks makalah ilmiah dan mengetahui unjuk kerja sistem yang

menggunakan Inverted Index klasik dengan struktur data Hash Table dan Ordered

LinkedList dengan operasi boolean dasar

1.4. Batasan Masalah

1. Sistem ini berfokus pada dokumen berbahasa Indonesia yang mengandung

format Portable Document Format(PDF).

2. Dokumen hasil Query yang akan dipilih user telah tersedia dalam indeks

sistem dan merupakan bagian dari koleksi pengujian sebanyak 281

dokumen berbahasa Indonesia.

3. Koleksi pengujian diambil dari kolesi dokumen makalah ilmiah berbahasa

Indonesia.

4. Sistem tidak menggunakan DBMS untuk indeks kata dalam pencarian.


4

1.5. Metodologi Penelitian

Dalam penelitian ini dilakukan tahap-tahap penelitian sebagai berikut:

1. Studi Pustaka

Studi pustaka penerapan inverted index klasik menggunakan pembobotan

TF-IDF dengan operasi AND.

2. Pengumpulan Data

Pengumpulan dokumen-dokumen makalah ilmiah yang berbahasa

Indonesia sebagai corpus sebanyak 281 dokumen.

3. Implementasi

Implementasi penerapan TF-IDF dan struktur data classical yaitu Inverted

Index yang berbasis pada Hash dan Ordered LinkedList untuk mendukung

inverted index dengan menggunakan rumus pembobotan Savoy.

4. Pengujian

Pengujian relevansi pencarian menggunakan recall precision dan

Pengamatan unjuk kerja waktu query dengan operasi AND dengan dua

belas kelompok kata yang mengandung frekuensi dokumen tertentu.

Kelompok kata tersebut adalah kelompok kata yang memiliki dfk 1 sampai

2, dfk mendekati 140, dan dfk kurang lebih 280, 1 kata kunci pencarian

hingga 4 kata kunci pencarian.


5

1.6. Sistematika Penulisan

Sistematika penulisan dan penyusunan tugas akhir ini dibagi

menjadi 6 (enam) bab, yaitu :

BAB I PENDAHULUAN

Bab ini berisi penjelasan tentang latar belakang, rumusan masalah,

batasan masalah, tujuan penelitian, manfaat penelitian, metodologi

penelitian, dan sistematika dari penulisan tugas akhir.

BAB II LANDASAN TEORI

Bab ini berisi penjelasan tentang teori-teori yang berkaitan dengan

penulisan tugas akhir.

BAB III ANALISIS DAN PERANCANGAN SISTEM

Bab ini berisi penjelasan mengenai identifikasi masalah yang ada, kerja

dari sistem yang ada, dan analisis sistem yang meliputi analisis masalah

dalam sistem lama dan analisis kebutuhan sistem baru. Terdapat pula

perancangan sistem meliputi perancangan proses, perancangan

basisdata, dan perancangan antarmuka untuk para pengguna sistem.

BAB IV IMPLEMENTASI SISTEM

Bab ini berisi implementasi dari sistem yang sudah dirancang

BAB V ANALISA HASIL

Bab ini berisi pengujian terhadap sistem yang telah diimplementasikan


6

BAB VI KESIMPULAN DAN SARAN

Bab ini berisi tentang kesimpulan dan saran dari analisis dan

perancangan sistem yang telah dilakukan dalam tugas akhir ini.


7

Bab II Landasan

Teori

2.1 Information Retrieval

Sistem temu kembali informasi (information retrieval system) merupakan

sistem untuk menemukan kembali (retrieve) informasi-informasi yang

relevan terhadap kebutuhan pengguna dari suatu kumpulan informasi secara

otomatis. Penekanannya ada pada penemukembalian informasi yang sifatnya

tidak terstruktur. Salah satu contoh dari sistem temu kembali informasi adalah

search-engine atau mesin pencarian (Mandala,2004).

Tujuan yang harus dipenuhi dari Sistem temu kembali informasi adalah

bagaimana mendapatkan dokumen relevan dan tidak mendapatkan dokumen

yang tidak relevan. Tujuan lainnya adalah bagaimana menyusun dokumen

yang telah didapatkan tersebut ditampilkan terurut dari dokumen yang

memiliki tingkat relevansi lebih tingi ke tingkat relevansi rendah. Penyusunan

dokumen terurut tersebut disebut sebagai perangkingan dokumen.

Dokumen diwakili melalui set index term.Index term menyediakan

logical view dari dokumen Jika kolesi dokumen cukup besar komputer akan

melakukan pengurangan jumlah set term melalui penghapusan

stopwords,operasi stemming. Operasi teks tersebut akan mengurangi

kompleksitas dari dokumen dan mengubah logical view dari full text ke set


8

index term. Gambar 2.1 menunjukkan logical view yang digunakan sistem

pemerolehan informasi(Baeza, 1999).

Gambar 2.1 Logikal view dari sebuah dokumen: dari full text menjadi sebuah

set indeks term(Baeza, 1999).

Sistem pemerolehan informasi memiliki beberapa tahap.Pertama

melakukan indentifikasi terhadap dokumen-dokumen yang akan digunakan,

operasi yang akan dilakukan terhadap teks, dan model teks. Text operations

mentransformasikan dokumen asal menjadi logical view. Setelah logical view

diperoleh, dibuat indeks term untuk mempercepat pencarian terhadap jumlah

data yang besar. Setelah dokumen selesai diindeks, proses retrieval dapat

diinisiasi. Sebelum dikirim ke pengguna, dokumen retrieval di peringkat

terlebih dahulu berdasarkan kemungkinan relevansinya(Baeza, 1999).


9

Gambar 2.2 Proses dari pemerolehan informasi(Baeza, 1999).

2.2 Proses Indexing

Indeks kata dibuat dalam bentuk inverted index. Inverted index terdiri

dari dua bagian utama, dictionary dan posting list. Dictionary menyimpan

daftar kata, sedangkan posting list menyimpan identitas dokumen yang

mengandung kata yang bersangkutan. Setiap kata terhubung dengan satu

rangkaian posting list menggunakan penunjuk.(Manning,2009).

Gambar 2.2 Bagian dari Inverted Index


10

Parsing

Proses ini mengambil query dari kata-kata kunci pengguna dengan

cara memotong string input berdasarkan tiap kata yang menyusunnya

Elemen teks (string input) dipisahkan dengan teknik parsing

menggunakan pemisahan string dilakukan berdasarkan operator

pemisah untuk kemudian di eksekusi terhadap index.(Manning,2009).

Stopword Removing

Proses ini menghilangkan stopword pada string input yang

menyusun dokumen dan query. Dalam proses ini digunakan sebuah

daftar kata buang (stoplist) yaitu daftar kata-kata yang tidak

digunakan (dibuang) karena tidak signifikan dalam membedakan

dokumen atau query. Stoplist ini umumnya berupa kata tugas, kata

hubung, kata bantu, yang mempunyai fungsi dalam kalimat penyusun

dokumen tetapi tidak memiliki arti..

Stemming

Stemming merupakan suatu proses yang terdapat dalam sistem IR

yang mentransformasi kata-kata yang terdapat dalam suatu dokumen

ke kata-kata akarnya (root word) dengan menggunakan aturan-aturan

tertentu. Sebagai contoh, kata bersama, kebersamaan, menyamai, akan

distem ke root wordnya yaitu “sama”. Proses stemming pada teks


11

berbahasa Indonesia berbeda dengan stemming pada teks berbahasa

Inggris. Pada teks berbahasa Inggris, proses yang diperlukan hanya

proses menghilangkan sufiks. Sedangkan pada teks berbahasa

Indonesia, selain sufiks, prefiks, dan konfiks juga dihilangkan.

Algoritma yang dibuat oleh Bobby Nazief dan Mirna Adriani ini

memiliki tahap-tahap sebagai berikut:

1. Cari kata yang akan distem dalam kamus. Jika ditemukan

maka diasumsikan bahwa kata tesebut adalah root word.

Maka algoritma berhenti.

2. Inflection Suffixes (“-lah”, “-kah”, “-ku”, “-mu”, atau “-

nya”) dibuang. Jika berupa particles (“-lah”, “-kah”, “-tah”

atau “-pun”) maka langkah ini diulangi lagi untuk

menghapus Possesive Pronouns (“-ku”, “-mu”, atau “-

nya”), jika ada.

3. Hapus Derivation Suffixes (“-i”, “-an” atau “-kan”). Jika

kata ditemukan di kamus, maka algoritma berhenti. Jika

tidak maka ke langkah 3a

a. Jika “-an” telah dihapus dan huruf terakhir dari

kata tersebut adalah “-k”, maka “-k” juga ikut

dihapus. Jika kata tersebut ditemukan dalam

kamus maka algoritma berhenti. Jika tidak

ditemukan maka lakukan langkah 3b.


12

b. Akhiran yang dihapus (“-i”, “-an” atau “-kan”)

dikembalikan, lanjut ke langkah 4.

4. Hapus Derivation Prefix. Jika pada langkah 3 ada sufiks

yang dihapus maka pergi ke langkah 4a, jika tidak pergi ke

langkah 4b.

a. Periksa tabel kombinasi awalan-akhiran yang

tidak diijinkan. Jika ditemukan maka algoritma

berhenti, jika tidak pergi ke langkah 4b.

b. For i = 1 to 3, tentukan tipe awalan kemudian

hapus awalan. Jika root word belum juga

ditemukan lakukan langkah 5, jika sudah maka

algoritma berhenti. Catatan: jika awalan kedua

sama dengan awalan pertama algoritma berhenti.

5. Melakukan Recoding.

6. Jika semua langkah telah selesai tetapi tidak juga berhasil

maka kata awal diasumsikan sebagai root word. Proses

selesai.

Tipe awalan ditentukan melalui langkah-langkah berikut:

1. Jika awalannya adalah: “di-”, “ke-”, atau “se-” maka tipe

awalannya secara berturut-turut adalah “di-”, “ke-”, atau “se-

”.


13

2. Jika awalannya adalah “te-”, “me-”, “be-”, atau “pe-” maka

dibutuhkan sebuah proses tambahan untuk menentukan tipe

awalannya.

3. Jika dua karakter pertama bukan “di-”, “ke-”, “se-”, “te-”,

“be-”, “me-”, atau “pe-” maka berhenti.

4. Jika tipe awalan adalah “none” maka berhenti. Jika tipe

awalan adalah bukan “none” maka awalan dapat dilihat pada

Tabel 2. Hapus awalan jika ditemukan.

Untuk mengatasi keterbatasan pada algoritma di atas, maka

ditambahkan aturan-aturan dibawah ini(Agusta,2009):

1. Aturan untuk reduplikasi.


14

Jika kedua kata yang dihubungkan oleh kata penghubung

adalah kata yang sama maka root word adalah bentuk

tunggalnya, contoh: “buku-buku” root word-nya adalah

“buku”.

Kata lain, misalnya “bolak-balik”, “berbalas-balasan, dan

”seolah-olah”. Untuk mendapatkan root word-nya,kedua kata

diartikan secara terpisah. Jika keduanya memiliki root word

yang sama maka diubah menjadi bentuk tunggal, contoh: kata

“berbalas-balasan”, “berbalas” dan “balasan” memiliki root

word yang sama yaitu “balas”, maka root word “berbalas-

balasan” adalah “balas”. Sebaliknya, pada kata “bolak-balik”,

“bolak” dan “balik” memiliki root word yang berbeda, maka

root word-nya adalah “bolak-balik”

2. Tambahan bentuk awalan dan akhiran serta aturannya.

Untuk tipe awalan “mem-“, kata yang diawali dengan awalan

“memp-” memiliki tipe awalan “mem-”.

Tipe awalan “meng-“, kata yang diawali dengan awalan

“mengk-” memiliki tipe awalan “meng-”.

2.3 Pembobotan Kata

2.3.1 Term Frequency

Term Frequency (tf) factor, yaitu faktor yang menentukan bobot term pada

suatu dokumen berdasarkan jumlah kemunculannya dalam dokumen tersebut.


15

Nilai jumlah kemunculan suatu kata (term frequency) diperhitungkan dalam

pemberian bobot terhadap suatu kata. Semakin besar jumlah kemunculan suatu

term (tf tinggi) dalam dokumen, semakin besar pula bobotnya dalam dokumen

atau akan memberikan nilai kesesuian yang semakin besar.

Frekuensi kata dinotasikan sebagai 𝑡𝑓𝑡,𝑑′ dengan 𝑡 menotasikan kata and

𝑑′ sebagai urutan dokumen. Untuk sebuah dokumen d, jumlah bobot dapat

diketahui dari bobot tf diatas.(Manning,2009).

2.3.2 Inverse Document Frecuency

Inverse Document Frequency (idf) factor, yaitu pengurangan dominansi

term yang sering muncul di berbagai dokumen. Hal ini diperlukan karena term

yang banyak muncul di berbagai dokumen, dapat dianggap sebagai term umum

(common term) sehingga tidak penting nilainya. Sebaliknya faktor

kejarangmunculan kata (term scarcity) dalam koleksi dokumen harus diperhatikan

dalam pemberian bobot. Kata yang muncul pada sedikit dokumen harus

dipandang sebagai kata yang lebih penting (uncommon tems) daripada kata yang

muncul pada banyak dokumen. Pembobotan akan memperhitungkan faktor

kebalikan frekuensi dokumen yang mengandung suatu kata (inverse document

frequency).(Manning,2009).

2.3.3 TF-IDF


16

Pembobotan TF-IDF mengkombinasikan frekuensi kata dan inverse

document frequency . Pembobotan TF-IDF didapat dengan menggunakan rumus

berikut (savoy) (Hasibuan, 2001)

Wik = ntfik * nidfk,

dimana ntfik = dan nidfk =

𝑊𝑑 = 𝑊𝑖𝑗 + 𝑊𝑖𝑘 + 𝑊𝑖𝑕… . . +𝑊𝑖𝑛

𝑄𝑢𝑒𝑟𝑦 = 𝑗 𝒐𝒓 𝑘 𝒐𝒓 𝑕 𝒐𝒓……𝑛

Dimana :

Wik adalah bobot istilah k pada dokumen i.

tfik merupakan frekuensi dari istilah k dalam dokumen i.

n adalah jumlah dokumen dalam kumpulan dokumen.

dfk adalah jumlah dokumen yang mengandung istilah k.

Maxj tfij adalah frekuensi istilah terbesar pada satu dokumen.

Wd= bobot sebuah dokumen

Dengan kata lain, tf-idft,d berlaku untuk term t bobotdi dokumen d yang

1. Tertinggi jika t sering muncul dengan jumlah dokumen yang kecil.

2. Lebih rendah jika term muncul beberapa kali di dalam dokumen,

atau muncul di banyak dokumen.

3. Paling rendah jika term muncul di semua dokumen.

(Manning,2009)

ijj

ik

tfMax

tf n

df

n

k

log

log


17

2.4 Hash Table

Hash Table adalah struktur data yang menawarkan pemasukan dan pencarian

data dengan sangat cepat. Ide dari Hash Table adalah memperbolehkan banyak

dari kemungkinan key berbeda yang mungkin di petakan ke lokasi yang sama di

dalam array dibawah fungsi tindakan pengindeksan. Hash Table beroperasi relatif

cepat O(logN) kali. Untuk pembuatan daftar kamus kata, hash table adalah pilihan

yang baik.(Robert,2003).

2.5 LinkedList

LinkedList adalah struktur data yang berbentuk node yang node lainnya

menunjuk menggunakan pointer. Ukuran LinkedList menjadi dinamis karena

ukurannya bertambah mengikuti jumlah node yang dimasukkan kedalam rantai

node.(Kruse,1994).

2.6 Precision dan Recall

Dalam Information Retrieval, sebuah metode perlu diukur keefektifannya.

Dalam hal ini menggunakan pengukuran precision dan recall. Pengukuran

precison dan recall dinyatakan dalam rumus berikut.

𝑃𝑟𝑒𝑐𝑖𝑠𝑠𝑖𝑜𝑛 =#(𝑑𝑜𝑘𝑢𝑚𝑒𝑛 𝑟𝑒𝑙𝑒𝑣𝑎𝑛 𝑦𝑎𝑛𝑔 𝑑𝑖𝑡𝑒𝑚𝑢𝑘𝑎𝑛)

#(𝑑𝑜𝑘𝑢𝑚𝑒𝑛 𝑛𝑦𝑎𝑛𝑔 𝑑𝑖𝑡𝑒𝑚𝑢𝑘𝑎𝑛)

𝑅𝑒𝑐𝑎𝑙𝑙 =#(𝑑𝑜𝑘𝑢𝑚𝑒𝑛 𝑟𝑒𝑙𝑒𝑣𝑎𝑛 𝑦𝑎𝑛𝑔 𝑑𝑖𝑡𝑒𝑚𝑢𝑘𝑎𝑛)

#(𝑑𝑜𝑘𝑢𝑚𝑒𝑛 𝑟𝑒𝑙𝑒𝑣𝑎𝑛 𝑦𝑎𝑛𝑔 𝑑𝑖𝑡𝑒𝑚𝑢𝑘𝑎𝑛)


18

BAB III

ANALISA DAN PERANCANGAN SISTEM

3.1 Analisa Sistem

3.1.1 Gambaran Sistem

Sistem Pemerolehan Informasi Makalah Ilmiah dikembangkan untuk

membantu pengguna mencari makalah ilmiah yang sesuai dan relevan dengan

kata kunci yang dimasukkan oleh pengguna.

Arsitektur sistem pemerolehan informasi ditunjukkan pada gambar 3.1.

Dokumen koleksi berupa file makalah ilmiah berbahasa Indonesia dengan

ekstensi .pdf. Sistem melakukan text operation pada dokumen tersebut, berupa

pembuangan kata buang dan stemming menggunakan algoritma Nazief & Adriani

untuk teks berbahasa Indonesia, lalu melakukan proses indexing kata dan

dokumen pada RDBMS. Sistem mengambil index dari RDBMS ke random access

memory secara periodik di dalam Inverted Index serta melakukan pembobotan.

Pada proses pencarian pengguna memasukkan query, yang akan diproses

oleh text operation. Sistem melakukan pencarian pada Inverted Index dengan

operasi AND kemudian melakukan ranking berdasarkan bobot dokumen. Hasil

dokumen yang sudah memiliki peringkat ditampilkan melalui user interface.


19

Text operation

Dokumen Koleksi

Text RDBMS

Indexing

Ranking

Inverted Index

Query Operations

User Interface

Searching

Text

retrieved docs

ranked docs

Interved file

User need

Logical view

query

Logical view

Gambar 3.1. Rancangan Sistem Pemerolehan Informasi.

Inverted Index yang dibuat menggabungkan antara Hash Table sebagai

dictionary dan Ordered Linked List sebagai posting list seperti pada gambar 3.2.

Beberapa variabel untuk rumus perhitungan pembobotan Savoy di simpan pada

term, posting, dan dokumen. Term menyimpan dfk dan nidfk. Posting menyimpan

ntifk tfik dan w. Dokumen menyimpan maxtf.

Ordered Linked List berdasarkan pada Linked List, namun akan dilakukan

sorting pada saat akan menambahkan data sehingga posting dimasukkan secara

terurut berdasarkan id document. Inverted index akan dimodelkan lebih detil pada

rancangan diagram kelas.


20

Gambar 3.2 Representasi Inverted Index

3.1.2 Analisis Kebutuhan Pengguna

3.1.2.1 Use Case Model

HashTable Ordered Linked List

Term

Dfk

Nidfk

Jurnal

Ntfik

Tfik

w

Jurnal

Ntfik Tfik

w

Jurnal

Ntfik Tfik

w

Id Judul

Tahun

Penulis

Filename Maxtf

Id

Judul

Tahun

Penulis Filename

Maxtf

Id

Judul

Tahun

Penulis Filename

Maxtf

Jurnal Jurnal Jurnal

Term Dfk

Nidfk

Jurnal Ntfik

Tfik

w

Jurnal Ntfik

Tfik

w

Jurnal Ntfik

Tfik

w

Id

Judul

Tahun Penulis

Filename

Maxtf

Id

Judul Tahun

Penulis

Filename

Maxtf

Id

Judul Tahun

Penulis

Filename

Maxtf

Jurnal Jurnal Jurnal


21

Sistem Pemerolehan Informasi Makalah yang akan dikembangkan diakses 2 aktor

yaitu administrator dan pengguna. Tabel berikut menjelaskan deskripsi untuk

setiap aktor:

Tabel 3.1. Tabel Use Case Model

Aktor Keterangan

Administrator 1. Dapat melakukan login sebagai administrator

2. Menangani pengelolaan data makalah

3. Dapat melakukan pencarian

4. Dapat melihat isi makalah

Pengguna 1. Dapat melakukan pencarian (searching) data

makalah sesuai kata kunci yang dimasukan

2. Dapat melihat isi dari makalah

3.1.2.2 Diagram Use Case


22

Subsistem Pencarian Makalah

Ilmiah Berbahasa Indonesia

Subsistem Operasi Teks

Menambahkan

dokumen makalah

Mengubah data

dokumen makalah Login

Mencari dokumen

makalah

Logout

Administrator

Pengguna

<<depend on>>

<<depend on>>

<<depend on>>

Sistem Pemerolehan Informasi Makalah Ilmiah Berbahasa

Indonesia

Gambar 3.3 Use Case Diagram


23

3.1.2.3 Skenario Use Case

a. Login

Tabel 3.2 Login

Nama Use Case Login

ID Use Case 1

Prioritas Tinggi

Pelaku Bisnis

utama

Administrator

Deskripsi Use case ini menggambarkan proses login

bagiAdministrator

Pra-kondisi Administrator mempunyai username dan password

Pemicu Administrator ingin melakukan penambahan atau

perubahan data makalah

Langkah umum Langkah 1:

User/administrator/staff

memasukan username

dan

password.

Langkah 2:

User/administrator/staff

menekan tombol login.

Langkah 3: Sistem

mengecek validasi data

masukan (username

dan password)

user/administrator/Staff

.

Langkah 4: Sistem masuk

ke halaman utama


24

Administrator

Langkah

alternatif

Alternatif-Langkah 4: Jika data ( username dan password)

yang

dimasukkan tidak sesuai maka sistem akan

mengembalikan ke halaman awal login.

Kesimpulan Use case ini berhenti apabila administrator

telah berhasil masuk ke dalam halaman Administrator

Pasca kondisi Administrator berhasil masuk ke halaman utama

Administrator.

Administrator tidak jadi melakukan login.

Administrator gagal melakukan login.


25

b. Menambah Makalah

Tabel 3.3 Menambah Makalah

Nama Use Case Menambah Makalah

ID Use Case 2

Prioritas Sedang

Pelaku Bisnis

utama

Administrator

Deskripsi Use case ini menggambarkan proses Administrator

menambahkan makalah

Pra-kondisi Administrator berhasil masuk ke halaman utama

Administrator.

Pemicu Administrator ingin melakukan penambahan makalah

Langkah umum Langkah 1:

Administrator Memilih

menu menambah

makalah

Langkah 2:

Administrator

memasukkan data-data

makalah dan File

makalah.

Langkah 3:

Langkah 4: Sistem

Menyimpan data makalah baru

beserta file makalah.

Langkah 5: Sistem masuk

ke halaman utama

Administrator dengan pesan


26

Administrator menekan

tombol simpan

berhasil menyimpan

Langkah

alternatif

Alternatif-Langkah 4: Jika data yang

dimasukkan tidak lengkap maka sistem akan

meminta Administrator untuk melengkapi data yang

diperlukan.

Kesimpulan Use case ini berhenti apabila Sistem

telah berhasil Menyimpan data makalah baru.

Pasca kondisi Data makalah bertambah

c. Merubah Makalah

Tabel 3.4. Narasi Use Case Menambah Data Makalah

Nama Use Case Mengubah Data Makalah

ID Use Case 3

Prioritas High

Pelaku bisnis utama Administrator


27

Deskripsi Use case ini menggambarkan proses mengubah data

makalah

Pra-kondisi Administrator berada di halaman hasil pencarian

Pemicu Use case ini digunakan oleh administrator untuk

mengubah data makalah

Langkah utama Aksi aktor Respon sistem

Langkah 1 :

Administrator menge-klik

link mengubah data makalah

Langkah 3 :

Administrator memasukkan

data baru makalah dan

menekan tombol ubah

Langkah 2 :

Sistem akan

menampilkan halaman

mengubah data

makalah

Langkah 4 :

Sistem akan

mengganti data lama

dengan data baru yang

telah dimasukkan


28

Langkah alternatif Alternatif langkah 3 : Administrator batal mengganti

data makalah dan kembali ke halaman administrator

Kesimpulan Use case ini berhenti jika administrator telah berhasil

mengubah data makalah

Pasca kondisi Data di database telah berubah

d. Mencari Makalah

Tabel 3.5 Narasi Use Case Mencari Makalah

Nama Use Case Cari Makalah

ID Use Case 6

Prioritas High

Pelaku bisnis utama Administrator dan Pengguna

Deskripsi Use case ini menggambarkan proses pencarian

makalah

Pra-kondisi Aktor berada di halaman utama

Pemicu Use case ini digunakan untuk mencari makalah


Langkah 1 :

Aktor memilih menu cari

makalah

Langkah 2 :

Sistem akan


29

Langkah 3 :

Aktor memasukkan keyword

dan menekan tombol cari

menampilkan halaman

cari makalah

Langkah 4 :

Sistem akan

menampilkan hasil

pencarian

Langkah alternatif Alternatif langkah 3 : Pengguna batal melakukan

pencarian sistem kembali ke halaman awal

Kesimpulan Use case ini berhenti jika pengguna telah

menemukan makalah yang dicari

Pasca kondisi Aktor berhasil menemukan makalah yang dicari

Aktor tidak berhasil menemukan makalah yang dicari

karena tidak sesuai dengan keyword

e. Melihat Makalah

Tabel 3.6. Narasi Use Case Melihat Makalah

Nama Use Case Lihat Makalah

ID Use Case 7


30

Prioritas High

Pelaku bisnis utama Administrator dan Pengguna

Deskripsi Use case ini menggambarkan proses melihat data

makalah

Pra-kondisi Aktor berada di halaman pencarian

Pemicu Use case ini digunakan oleh aktor untuk melihat data

makalah


Langkah 1 :

Aktor menge-klik link lihat

makalah

Langkah 2 :

Sistem akan

menampilkan data

makalah

Langkah alternatif -

Kesimpulan Use case ini berhenti jika aktor telah berhasil melihat

data makalah

Pasca kondisi Aktor berhasil melihat data makalah

Aktor tidak berhasil melihat data makalah karena

data tidak ditemukan


31

f. Logout

Tabel 3.7. Narasi Use Case Logout

Nama Use Case Logout

ID Use Case 5

Prioritas High

Pelaku bisnis utama Administrator

Deskripsi Use case ini menggambarkan proses logout bagi

administrator

Pra-kondisi Administrator berada pada halaman administrator

dan akan keluar dari halaman administrator

Pemicu Use case ini digunakan oleh administrator untuk

keluar dari halaman administrator


Langkah 1 :

Administrator menge-klik

menu logout

Langkah 2 :

Sistem akan keluar

dari halaman

administrator

Langkah alternatif -

Kesimpulan Use case ini selesai jika administrator telah keluar


32

dari halaman administrator

Pasca kondisi Administrator keluar dari halaman administrator


33

3.2 Perancangan Sistem

3.2.1 Desain Logikal

3.2.1.1 Diagram Akifitas

3.2.1.3.1. Administrator Login

Berikut adalah diagram dari aktifitas Administrator login.


34

3.2.1.3.2. Menambah Makalah

Berikut adalah diagram dari aktifitas menambah makalah.

3.2.1.3.3. Merubah Data Makalah

Berikut adalah diagram dari aktifitas merubah makalah.


35

3.2.1.3.4. Mencari Makalah

Berikut adalah diagram dari aktifitas mencari makalah .

3.2.1.3.5. Melihat Makalah

Berikut adalah diagram dari aktifitas melihat makalah.


36

3.2.1.2 Model Kelas Analisis

Berikut ini adalah rancangan diagram model kelas analisis.

Login.jsp

beanLogin

AdministratorAdministrator

InvertedIndex

Jurnal

Word

Posting

StopList

benCariJurnal

beanKelolajurnal

Pengguna

Adminhome.jsp

Halamancari.jsp

Tambahjurnal.jsp

Ubahhapusjurnal.jsp

Halamanhasilcari.jsp


37

3.2.1.3 Diagram Sequence

3.2.1.3.1. Mencari Jurnal

Berikut adalah rancangan diagram sequence pencarian jurnal.

3.2.1.4 Diagram Kelas Analisis

3.2.1.3.1. Case Login

Berikut ini adalah rancangan diagram kelas pada case login

login.jsp

+validasiLoginAdministrator(in username : string, in password : string) : void

+logoutAdministrator() : string

-username : string

-password : string

beanLogin.javaused by

1 1

+setUserName(in : string) : void

+getUserName() : string

+setPassword(in : string) : void

+getPassword() : string

+getAdmistrator(in username) : Administrator

-username : string

-password : string

Administrator

<<boundary>>

<<entity>><<controller>>

adminhome.jsp

used by

<<boundary>>


38

3.2.1.3.2. Case Ubah Data

Berikut ini adalah rancangan diagram kelas pada case ubah data






-username : string

-password : string

Administrator

+tambahJurnal(in : Jurnal) : boolean

+hapusJurnal(in : Jurnal) : boolean

+editJurnal(in : Jurnal, in : Jurnal) : boolean

beanKelolaJurnal

-judul

-tahun

-penulis

-fileName

-maxtf

-postlist

Jurnal

* 1

1

*

ubahhapusjurnal.jsp tambahjurnal.jsp

used by used by


39

3.2.1.3.3. Case Pencarian Informasi Makalah

Berikut ini adalah rancangan diagram kelas pada case pencarian






-username : string

-password : string

Administrator

+Cari()

beanCariJurnal

-wordlist : HashMap

InvertedIndex

1

1

*

1

halamanhasilcari.jsp halamancari.jsp

used by used by


40

3.2.1.3.4. Diagram Kelas Pemodelan Struktur Data Inverted Index

Berikut ini adalah rancangan diagram kelas untuk memodelkan Struktur Data

Inverted Index.


41

3.2.1.5 Perancangan Database

3.2.1.3.1. Conceptual Design

Berikut ini adalah desain database secara konseptual.

status

id_status description

punya documents

id_document max_term

title path

year

authorsid_status_ready

id_status_3

id_status_2

posting

frequency

id_termid_document

terms

id_term

stemmed_words

posting_stopword

frequency

id_termid_document

stopwords

id_stopwordstopwords

dictionary

id_dictionary root_word

administrator

id_administrator username

pasword

1 **

*

*

*

CONCEPTUAL DATABASE DESIGN

ntfik

wnidfk

dfk

sourceterm

id_sourceterm is_root_word

id_term

*

word

1

Status

id_status (PK)

description

Documents

id_document (PK)

title

path

authors

year

id_status_ready (FK)

id_status2 (FK)

id_status3(FK)

max_term

Posting

id_document (FK)

id_term (FK)

frequency

ntfik

w

Terms

id_term (PK)

terms

stemmed_words

is_root_word

dfk

nidfk

Posting_stopword

id_document (FK)

id_stopword (FK)

frequency

Stopwords

id_stopword (PK)

stopword

Dictionary

id_dictionary (PK)

root_word

Administrator

id_administrator (PK)

username

pasword

Sourceterm

id_sourceterm (PK)

id_term (FK)

word

is_root_word


42

3.2.2 Desain Fisikal

3.2.2.1 Desain Antarmuka

3.2.1.1.1. Halaman Beranda dan Pencarian

Pada halaman pencarian jurnal terdapat kolom isian untuk mengisikan kata

kunci pencarian. Pencarian dapat dimulai dengan menekan tombol keyboard Enter

atau menekan tombol cari pada tampilan Gambar 3.4.

Gambar 3.4. Halaman Beranda

Copyright © 2012 | Login

Header Title

Cari


43

3.2.1.1.2. Halaman Hasil Pencarian

Pada halaman hasil pencarian, Gambar 3.5 ditampilkan tambahan

informasi waktu pencarian dan daftar dokumen yang sudah diurutkan sesuai

relevansinya terhadap kata kunci pencarian. Pengguna dapat melihat isi setiap

dokumen dari hasil pencarian dengan membuka link judul dokumen yang dipilih.

Gambar 3.5. Halaman Hasil Pencarian


44

3.2.1.1.3. Halaman Login Administrator

Halaman Login Administrator Gambar 3.6 menampilkan dua kolom isian

yang diisi dengan nama pengguna dan kata sandi. Untuk melanjutkan masuk,

pengguna dapat menekan tombol keyboard Enter atau menekan tombol masuk

pada tampilan.

Header Title

Home Kelola Jurnal Logout

Nama Pengguna

Kata Sandi

Masuk

Halaman Login Administrator

Copyright © 2012

Gambar 3.6. Halaman Login Administrator


45

3.2.1.1.4. Halaman Beranda Administrator

Halaman beranda administrator Gambar 3.7 terdapat menu “Kelola

Makalah” dengan submenu “Tambah Makalah” untuk menuju halaman tambah

makalah dan submenu “Edit Makalah” untuk menuju halaman edit makalah.

Pengguna dapat menekan tombol beranda untuk kembali ke halaman utama

administrator. Tombol “Logout” berfungsi untuk keluar dari halaman utama

administrator.

Gambar 3.7. Halaman Beranda Administrator

Selamat datang di halaman Administrator

Copyright © 2012

Header Title

Beranda Kelola

Makalah

Logout


46

3.2.1.1.5. Halaman Menambah Makalah

Pada halaman tambah makalah Gambar 3.8 administrator dapat

menambahkan dokumen makalah baru dengan memasukkan data judul, penulis,

tahun pada kolom yang disediakan. Pada kolom file, administrator dapat memilih

file makalah yang berformat pdf yang akan diupload. Setelah semua data lengkap

administrator dapat menekan tombol simpan.

Gambar 3.8. Halaman Menambah Makalah

Judul

Penulis

File

Copyright © 2012

Header Title

Beranda Kelola

Makalah

Logout

pilih

simpan


47

3.2.1.1.6. Halaman Kelola Makalah

Halaman kelola jurnal ditunjukkan pada Gambar 3.9 administrator dapat

melakukan pengubahan data makalah yang meliputi judul makalah, nama penulis,

dan tahun dengan menekan icon edit pada baris yang sesuai dengan dokumen

yang akan dirubah datanya. Sebuah form akan muncul saat icon edit dipilih.

Administrator dapat memasukkan data-data baru pada setiap kolom dan menekan

tombol simpan jika akan menyimpan perubahan tersebut.

Header Title

Home Kelola Jurnal Logout

No Judul Penulis Tahun Nama File

x

x

x

JudulPenulis

TahunFile

Simpan

Cari

Menghapus dan Mengubah Data Jurnal

Copyright © 2012

Gambar 3.9. Halaman Menghapus dan Mengubah Makalah


48

BAB IV

IMPLEMENTASI SISTEM

4.1. Spesifikasi Perangkat Lunak dan Perangkat Keras

4.1.1. Spesifikasi Perangkat Lunak

Sistem menggunakan spesifikasi beberapa perangkat lunak pendukung untuk

implementasi sistem pemrosesan teks dan sistem pencarian makalah ilmiah

berbahasa Indonesia sebagai berikut :

1. Sistem operasi: Oracle Linux Server Release 5.8

2. Oracle 11g,

3. Oracle SQL Developer 3.0.04,

4. Java JDK 1.6.0 dan OODBC

5. Netbeans 6.9.1

6. Browser : Mozilla Firefox

4.1.2. Spesifikasi Perangkat Keras

Spesifikasi perangkat keras yang digunakan untuk implementasi sistem

pemrosesan teks dan sistem pencarian makalah ilmiah berbahasa Indonesia adalah

sebagai berikut :

4.1. Prosesor: Intel XEON E5620 (4 Core, 2, 40 GHz)

4.2. Memori RAM: 8 GB RDIMM

4.3. Hardisk: RAID 5 Logical 2TB

4.4. Motherboard: HP Proliant ML 350 G6


49

4.2. Implementasi Basis Data

Pada sistem ini diimplementasikan database teks untuk menyimpan hasil

seluruh proses preprocessing dokumen jurnal yang berbasis RDBMS. Database

sistem ini dibuat menggunakan Oracle 11g. Aplikasi pendukung untuk melakukan

pengolahan query adalah SQL Developer.

Langkah – langkah dalam pembuatan database adalah seperti berikut :

1. Membuat database baru dengan login sebagai SYSTEM menggunakan SQL

Developer.

2. Membuat tabel-tabel dalam database yang telah dibuat dengan menuliskan

perintah create tabel diikuti nama tabel dan kolom-kolom dalam tabel. Di dalam

database terdapat 8 tabel.

Database „text‟ untuk sistem pemrosesan teks dapat dilihat pada gambar 4.1.


50

Gambar 4.1. Database berbasis RDBMS pada sistem pemrosesan teks

Berikut proses pembuatan tabel untuk database text RDBMS :

1. Tabel Status

Tabel 4.1. Tabel Status

Nama Field Tipe Data Ukuran Keterangan

id_status NUMBER - Primary key untuk

tabel status

description VARCHAR2 20 Deskripsi status

Berikut query untuk membuat tabel status :

2. Tabel Documents

Tabel 4.2. Tabel Documents


id_document NUMBER - Primary key untuk

tabel documents

title VARCHAR2 256 Judul dari dokumen

path VARCHAR2 256 Nama file dari

CREATE TABLE STATUS

(

ID_STATUS NUMBER NOT NULL ,

DESCRIPTION VARCHAR2 (20)

)

;

ALTER TABLE STATUS

ADD CONSTRAINT STATUS_DOCUMENTS_PK PRIMARY KEY

( ID_STATUS ) ;


51

dokumen

max_term NUMBER - Frekuensi terbesar

dari sebuah dokumen

authors VARCHAR2 100 Penulis dari dokumen

year NUMBER - Tahun dari dokumen

id_status_ready NUMBER - Status untuk dokumen

id_status2 NUMBER - Status untuk untuk

sistem pencarian

id_status3 NUMBER - Status untuk untuk

sistem pencarian

Berikut perintah untuk membuat tabel documents :

CREATE TABLE DOCUMENTS

(

ID_DOCUMENT NUMBER NOT NULL ,

MAX_TERM NUMBER,

ID_STATUS_READY NUMBER NOT NULL ,

ID_STATUS2 NUMBER NOT NULL ,

ID_STATUS3 NUMBER NOT NULL ,

AUTHORS VARCHAR2 (100) ,

YEAR NUMBER

)

;

ALTER TABLE DOCUMENTS

ADD CONSTRAINT documents_PK PRIMARY KEY ( ID_DOCUMENT )

;


ADD CONSTRAINT DOCUMENTS_STATUS1_FK FOREIGN KEY

(

ID_STATUS_READY

)

REFERENCES STATUS


52

(

ID_STATUS

)

;


ADD CONSTRAINT DOCUMENTS_STATUS2_FK FOREIGN KEY

(

ID_STATUS2

)

REFERENCES STATUS

(

ID_STATUS

)

;


ADD CONSTRAINT DOCUMENTS_STATUS_FK FOREIGN KEY

(

ID_STATUS3

)

REFERENCES STATUS

(

ID_STATUS

)

;

3. Tabel Posting

Tabel 4.3. Tabel Posting


id_document NUMBER - Foreign key dari tabel documents

id_term NUMBER - Foreign key dari tabel terms

frequency NUMBER - Frekuensi kata pada dokumen

ntfik NUMBER - Hasil perhitungan

frequency/frequency terbesar

pada sebuah dokumen

w NUMBER - Bobot dari sebuah term dengan


53

rumus perhitungannya

ndfik*ntfik

Berikut perintah untuk membuat tabel posting :

CREATE TABLE POSTING

(

ID_DOCUMENT NUMBER NOT NULL ,

ID_TERM NUMBER NOT NULL ,

FREQUENCY NUMBER ,

NTFIK NUMBER ,

W NUMBER

)

;

ALTER TABLE POSTING

ADD CONSTRAINT POSTING_DOCUMENTS_FK FOREIGN

KEY

(

ID_DOCUMENT

)

REFERENCES DOCUMENTS

(

ID_DOCUMENT

)

;

ALTER TABLE POSTING

ADD CONSTRAINT POSTING_TERMS_FK FOREIGN KEY

(

ID_TERM

)

REFERENCES TERMS

(

ID_TERM

)

;


54

4. Tabel Terms

Tabel 4.4. Tabel Terms


id_term NUMBER - Primary key untuk tabel

terms

terms VARCHAR2 50 Kata sebelum proses

stemming

stemmed_word VARCHAR2 50 Kata setelah proses

stemming

is_root_word CHAR 1 Keterangan apakah terms

ada di kamus

Berikut perintah untuk membuat tabel terms :

CREATE TABLE TERMS

(

TERMS VARCHAR2 (50) ,

STEMMED_WORDS VARCHAR2 (50) ,

IS_ROOT_WORD CHAR (1)

)

;

ALTER TABLE TERMS

ADD CONSTRAINT TERMS_PK PRIMARY KEY ( ID_TERM ) ;


55

5. Tabel Posting_Stopword

Tabel 4.5. Tabel Posting_stopword


id_document NUMBER - Foreign key dari tabel

documents

id_stopword NUMBER - Foreign key dari tabel

stopwords

frequency NUMBER - Frekuensi stopword pada

dokumen

Berikut perintah untuk membuat tabel posting_stopword :

CREATE TABLE POSTING_STOPWORD

(

FREQUENCY NUMBER,

ID_STOPWORD NUMBER NOT NULL ,

ID_DOCUMENT NUMBER NOT NULL

)

;

ALTER TABLE POSTING_STOPWORD

ADD CONSTRAINT POSTING_STOPWORD_DOCUMENTS_FK


56

6. Tabel Stopwords

Tabel 4.6. Tabel Stopwords


id_stopword NUMBER - Primary key untuk tabel

stopwords

stopword VARCHAR2 20 Daftar kata buang

Berikut perintah untuk tabel stopwords :

FOREIGN KEY

(

ID_DOCUMENT

)

REFERENCES DOCUMENTS

(

ID_DOCUMENT

)

;

ALTER TABLE POSTING_STOPWORD

ADD CONSTRAINT POSTING_STOPWORD_STOPWORDS_FK FOREIGN KEY

(

ID_STOPWORD

)

REFERENCES STOPWORDS

(

ID_STOPWORD

)

;

CREATE TABLE STOPWORDS

(

ID_STOPWORD NUMBER NOT NULL ,

STOPWORD VARCHAR2 (20) }

;

CREATE INDEX STOPWORDS__IDX ON STOPWORDS

(

ID_STOPWORD ASC ,

STOPWORD ASC

)

;

ALTER TABLE STOPWORDS

ADD CONSTRAINT STOPWORDS_PK PRIMARY KEY ( ID_STOPWORD ) ;


57

7. Tabel Dictionary

Tabel 4.7. Tabel Dictionary


id_dictionary NUMBER - Primary key untuk tabel

dictionary

root_word VARCHAR2 20 Daftar kata dasar Bahasa

Indonesia

Berikut perintah untuk membuat tabel dictionary :

8. Tabel Administrator

Tabel 4.8. Tabel Administrator

CREATE TABLE DICTIONARY

(

ID_DICTIONARY NUMBER NOT NULL ,

ROOT_WORD VARCHAR2 (20)

)

;

CREATE UNIQUE INDEX DICTIONARY__IDX ON DICTIONARY

(

ID_DICTIONARY ASC ,

ROOT_WORD ASC

)

;

ALTER TABLE DICTIONARY ADD CONSTRAINT DICTIONARY_PK PRIMARY KEY (

ID_DICTIONARY ) ;


58


id_administrator NUMBER - Primary key untuk tabel

administrator

username VARCHAR2 10 Username

pasword VARCHAR2 20 Password

Berikut perintah yang digunakan untuk membuat tabel administrator :

9. Tabel Sourceterm

Tabel 4.9. Tabel Sourceterm


id_sourceterm NUMBER - Primary key

untuk tabel

sourceterm

id_term NUMBER - Foreign key dari

tabel terms

word VARCHAR2 50 Kata tanpa

proses stemming

CREATE TABLE ADMINISTRATOR

(

ID_ADMINISTRATOR NUMBER NOT NULL ,

USERNAME VARCHAR2 (10) ,

PASWORD VARCHAR2 (20)

)

;

ALTER TABLE ADMINISTRATOR

ADD CONSTRAINT ADMINISTRATOR_PK PRIMARY KEY

( ID_ADMINISTRATOR ) ;


59

is_root_word CHAR 1 Keterangan

apakah terms

ada di kamus

Berikut perintah yang digunakan untuk membuat tabel administrator :

4.3. Implementasi Inverted Index

Dari pemodelan Inverted Index di dalam bab sebelumnya, di dalam struktur

Inverted Index pada bagian Ordered Linked List dilakukan sorting pada saat akan

menambahkan data sehingga posting dimasukkan secara terurut berdasarkan id

document. Setiap data posting baru yang akan ditambahkan dilakukan sequensial

search dari indek posisi 0 dengan cara melakukan casting LinkedList ke

ListIterator dan menemukan posisi indek yang tepat berdasarkan nomor id

dokumen data posting baru dibandingkan dengan id dokumen yang sudah ada di

dalam List. Proses sorting pada saat penambahan posting di implementasikan dalam

listing code 1 pada method addWord di dalam kelas InvertedIndex.

Listing Code 1. Method addWord

CREATE TABLE SOURCETERM

(

ID_SOURCETERM INTEGER NOT NULL ,

WORD VARCHAR2 (50) ,

IS_ROOT_WORD CHAR (1) ,

ID_TERM INTEGER NOT NULL

)

;

ALTER TABLE SOURCETERM

ADD CONSTRAINT SOURCETERM_PK PRIMARY KEY (

ID_SOURCETERM ) ;

ALTER TABLE SOURCETERM

ADD CONSTRAINT SOURCETERM_TERMS_FK FOREIGN

KEY

(

ID_TERM

)

REFERENCES TERMS

(

ID_TERM

)

;


60

Term freqtambah = getWordlist().get(term);

//ambil Posting Listnya

ListIterator<Posting> iteratorPosting = freqtambah.getPostlist().listIterator();

//selama iterator posting punnya data berikutnya

while (iteratorPosting.hasNext()) {

//jika jurnal_id Jurnal Posting sama dengan jurnal_id dari parameter

If(iteratorPosting.next().getJurnal().getJurnal_id()==aPost.getJurnal().getJurnal_

id()) {

Posting freqtambahPosting = iteratorPosting.previous();

return;

}

iteratorPosting.previous();

if(

iteratorPosting.next().getJurnal().getJurnal_id()>aPost.getJurnal().getJurnal_id()

) {

//tambahkan ke posting ke index sebelum


iteratorPosting.add(aPost);

return;

}

}

if (!iteratorPosting.hasNext()) {



}

return;

}

Untuk melakukan search sistem akan menyaring dan memproses kata

kunci masukan dari pengguna kemudian mengakses hashtable Term dengan kata

kunci masukan dari pengguna sebagai key. Sistem akan memperoleh sebuah objek

Term untuk setiap kata kunci dan melakukan interseksi dengan method AND pada

Listing Code 2 antar posting list pada setiap Term dengan mencari id dokumen

yang sama. Interseksi akan menghasilkan sebuah posting list baru dengan bobot

posting yang sudah diakumulasi untuk setiap posting yang memiliki id dokumen

sama pada saat Interseksi. Jumlah term yang memiliki posting list yang harus di

interseksikan adalah sama dengan jumlah kata kunci yang dapat ditemukan oleh

sistem di dalam Hashtable Term. Posting hasil interseksi terakhir diurutkan dari


61

bobot terbersar hingga bobot terkecil. Listing code untuk pencarian dapat dilihat

pada lampiran bagian b.

Dalam proses interseksi antara dua term sistem mengambil posting

masing-masing term dan melakukan casting ke type objek ListIterator agar dapat

dilakukan traversal pada posting. Posting yang memiliki dokumen paling sedikit

akan diprioritaskan sebelum posting yang lain. Untuk dapat melakukan traversal

di masing-masing posting maka dibuat variabel objek bertipe Posting penunjuk

bantu1 dan bantu2. Penunjuk bantu1 dan bantu2 mulai dari indek pertama dan

mulai membandingkan id dokumen masing-masing. Jika ditemukan dokumen

yang sama maka akan diambil posting keduanya dan mengakumulasikan bobot

kedua posting kemudian bantu1 bergeser ke posisi index berikutnya. Jika pada

posisi bantu2 yang sedang ditunjuk tidak ditemukan dokumen yang sama, bantu2

akan bergeser ke posisi indek berikutnya hingga ditemukan atau sampai tidak ada

lagi indek berikutnya. Hasil posting interseksi dikembalikan dengan bobot

terakumulasi.

Listing Code 2. Method AND

/*-------method untuk operasi AND--------------*/

public Term AND(Term term1, Term term2) {

ListIterator<Posting> t1;

ListIterator<Posting> t2;

/*jika term1 mempunyai dokumen lebih sedikit dengan term2*/

if (term1.getPostlist().size() < term2.getPostlist().size()) {

t1 = term1.getPostlist().listIterator();


} else {


62



}

Term hasil = new Term("(" + term1.getTerm() + " AND " + term2.getTerm() +

")");

hasil.setDfk(0);

System.out.println("");

System.out.println("Kata yang dicari " + "(" + term1.getTerm() + " AND " +

term2.getTerm() + ")");

System.out.print(term1.getTerm() + " | " + term1.getDfk() + " | ");

/*menampilkan kata1*/

for (int i = 0; i < term1.getPostlist().size(); i++) {

System.out.print(term1.getPostlist().get(i).getJurnal().getJurnal_id()

+ " , " + term1.getPostlist().get(i).getTfik() + "| ");

}


/*menampilkan kata2*/

System.out.print(term2.getTerm() + " | " + term2.getDfk() + " | ");

for (int i = 0; i < term2.getPostlist().size(); i++) {

System.out.print(term2.getPostlist().get(i).getJurnal().getJurnal_id()

+ " , " + term2.getPostlist().get(i).getTfik() + "| ");

}


/*AND operator*/

Posting bantu1 = t1.next(); /*membuat bantu1 untuk kata t1.next*/

/*membuat penunjuk yang digunakan untuk membandingkan dokumen*/

int penunjuk = 0;

penunjuk = bantu1.getJurnal().getJurnal_id();

Posting bantu2 = t2.next(); /*membuat bantu1 untuk kata t2.next*/

t1.previous();

t2.previous();

while (t1.hasNext()) { //selama t1 mempunyai next

/*jika lokasi dokumen kata2 kedua sama dengan kata1 1 */


63

if (bantu2.getJurnal().getJurnal_id()==penunjuk) {

/*pengecekan frekuensi yg plg sedikit*/

if (bantu2.getTfik() > bantu1.getTfik()) {

hasil.getPostlist().add(bantu1);

bantu1.setW(bantu1.getW()+bantu2.getW());

hasil.setDfk(hasil.getDfk() + bantu1.getWord().getDfk());

} else {




}

bantu1 = t1.next(); /*bantu1 bergeser ke selanjutnya*/


/*jika kata kedua masi mempunyai dokumen*/

if (t2.hasNext()) {

bantu2 = t2.next(); /*kata2 kedua akan bergeser*/

/*jika tidak proses selesai*/

} else {

/*jika lokasi dok kata1 > kata2 break*/

if

(bantu1.getJurnal().getJurnal_id()>bantu2.getJurnal().getJurnal_id()) {

break;

}

}

/*jk kt2 puny nok dok < penunjuk, kt2 geser*/

} else if (bantu2.getJurnal().getJurnal_id()<penunjuk) {

if (t2.hasNext()) {

bantu2 = t2.next(); /*kata kedua akan bergeser*/

} /*jk kata2 puny no dok > penunjuk, penunjuk geser*/

} else if (bantu2.getJurnal().getJurnal_id()>penunjuk) {

bantu1 = t1.next(); /*kata pertama akan bergeser*/



64

} /*jk t1 tdk puny next*/

if (!t1.hasNext()) {

System.out.println(t1.previous()+"doesnt have next");

t1.next();

/*cek bantu1 = bantu2*/

if

(bantu1.getJurnal().getJurnal_id()==bantu2.getJurnal().getJurnal_id()) {

/*cek frekuensi bantu2 > frekuensi bantu1, tmbhkn bantu1 */





/*jk tdk tambhkn bantu2*/

} else {




}

} /*cek no dok kata1 > kata2*/

if

(bantu1.getJurnal().getJurnal_id()>bantu2.getJurnal().getJurnal_id()) {

/*selama no dok kata1 > kata2, t2 geser*/

while

(bantu1.getJurnal().getJurnal_id()>bantu2.getJurnal().getJurnal_id()&&t2.hasNext()

) {

bantu2 = t2.next();

/*jk nodok kata1 = kata2*/

if

(bantu2.getJurnal().getJurnal_id()==bantu1.getJurnal().getJurnal_id()) {

/*jk frek dok kt2 > k1, tmbh bantu1*/




65

hasil.setDfk(hasil.getDfk() +

bantu1.getWord().getDfk());


} /*jk tdk tmbh bantu2*/ else {


hasil.setDfk(hasil.getDfk() +

bantu2.getWord().getDfk());


}

}

}

}

}

}

return hasil;

}

4.4. Implementasi Antarmuka

4.5.3. Halaman Pencarian

Pada halaman pencarian jurnal terdapat kolom isian untuk mengisikan kata

kunci pencarian. Pencarian dapat dimulai dengan menekan tombol keyboard Enter

atau menekan tombol cari pada tampilan Gambar 4.3.


66

Gambar 4.3 Halaman Utama Pencarian Jurnal

4.5.4. Halaman Hasil Pencarian

Pada halaman hasil pencarian, Gambar 4.4 ditampilkan tambahan

informasi waktu pencarian dan daftar dokumen yang sudah diurutkan sesuai

relevansinya terhadap kata kunci pencarian. Pengguna dapat melihat isi setiap

dokumen dari hasil pencarian dengan membuka link judul dokumen yang dipilih.

Gambar 4.4 Halaman Hasil Pencarian

4.5.5. Halaman Login Administrator

Halaman Login Administrator Gambar 4.5 menampilkan dua kolom isian

yang diisi dengan nama pengguna dan kata sandi. Untuk melanjutkan masuk,


67

pengguna dapat menekan tombol keyboard Enter atau menekan tombol masuk

pada tampilan.

Gambar 4.5 Halaman Login Administrator

4.5.6. Halaman Utama Administrator

Halaman utama administrator Gambar 4.6 terdapat menu “Kelola

Makalah” dengan submenu “Tambah Makalah” untuk menuju halaman tambah

makalah dan submenu “Edit Makalah” untuk menuju halaman edit makalah.

Pengguna dapat menekan tombol beranda untuk kembali ke halaman utama

administrator. Tombol “Logout” berfungsi untuk keluar dari halaman utama

administrator.


68

Gambar 4.6 Halaman Utama Administrator

4.5.7. Halaman Tambah Makalah

Pada halaman tambah makalah Gambar 4.7 administrator dapat

menambahkan dokumen makalah baru dengan memasukkan data judul, penulis,

tahun pada kolom yang disediakan. Pada kolom file, administrator dapat memilih

file makalah yang berformat pdf yang akan diupload. Setelah semua data lengkap

administrator dapat menekan tombol simpan.


69

Gambar 4.7 Halaman Tambah Makalah

4.5.8. Halaman Kelola Jurnal

Halaman kelola jurnal ditunjukkan pada Gambar 4.8 administrator dapat

melakukan pengubahan data makalah yang meliputi judul makalah, nama penulis,

dan tahun dengan menekan icon edit pada baris yang sesuai dengan dokumen

yang akan dirubah datanya. Sebuah form seperti pada Gambar 4.9 akan muncul

saat icon edit dipilih. Administrator dapat memasukkan data-data baru pada setiap

kolom dan menekan tombol simpan jika akan menyimpan perubahan tersebut.


70

Gambar 4.8 Halaman Edit Makalah

Gambar 4.9 Form Edit Data Makalah

4.5. Implementasi Control

4.4.1. Subsistem Server Pemrosesan Dokumen

Tabel 4.10. Implementasi Control Subsistem Pemrosesan Dokumen


71

beanEditJurnal beanEditJurnal.java

beanLogin beanLogin.java

beanTambahJurnal beanTambahJurnal.java

DocProcessing DocProcessing.java

DbConnection DbConnection.java

DocProcess DocProcess.java

JobScheduler JobScheduler.java

Tokenizer Tokenizer.java

4.4.2. Subsistem Pencarian

Tabel 4.11. Implementasi Control Subsistem Pencarian

Tokenizer Tokenizer.java

beanBuildIndex beanBuildIndex.java

beancarijurnal beancarijurnal.java

Beankelolajurnal beankelolajurnal.java

beanlogin beanlogin.java

beanTambahJurnal beanTambahJurnal.java

DatabaseConnector DatabaseConnector.java

InformationRetrieval InformationRetrieval.java

JobScheduler JobScheduler.java

Stemming Stemming.java


72

4.6. Implementasi Model

4.5.1. Subsistem Server Pemrosesan Dokumen

Tabel 4.10. Implementasi Model Subsistem Pemrosesan Dokumen

Administrator Administrator.java

Documents.java Documents.java

Posting.java Posting.java

Stemming.java Stemming.java

Terms.java Terms.java

4.5.2. Subsistem Pencarian

DaftarJurnal DaftarJurnal.java

DocFilter DocFilter.java

InvertedIndex InvertedIndex.java

Jurnal Jurnal.java

JurnalScore JurnalScore.java

Posting Posting.java

StopList StopList.java

Term Term.java


73

BAB V

ANALISA HASIL

5.1. Pengujian Relevance Feedback

Dari 281 dokumen yang di diproses dalam indexing dengan menggunakan

jumlah kamus kata dasar 3278 dan 395 kata buang kata menghasilkan 25737 term

yang digunakan dalam pengujian.

Pengujian menggunakan media kuesioner yang dibagikan kepada 4 orang

mahasiswa Sanata Dharma Yogyakarta. kuesioner dibagi menjadi 2 tahap, yaitu

form kuesioner precision dan form kuesioner recall. Pada tahap pertama

responden diminta untuk melakukan pencarian, mencatat seluruh dokumen hasil

pencarian, dan menandai dokumen yang relevan. Pada tahap kedua responden

diminta untuk melihat seluruh koleksi daftar dokumen dan menandai dokumen

yang relevan terhadap kata kunci yang digunakan dalam pencarian sebelumnya.

1. Kata kunci “penambangan data”

Sistem menghasilkan 2 dokumen dari kata kunci “penambangan data”. Dari 2

dokumen hasil pencarian, responden menemukan 1 dokumen yang relevan. Pada

tahap kedua responden menemukan 8 dokumen yang relevan dari 281 dokumen

koleksi. Perhitungan recall diperoleh. Hasil perhitungan Recall dan precision

dapat dilihat padat tabel 5.1.

Berikut dokumen hasil pencarian.

1. ANALISIS ASOSIASI HASIL EVALUASI PEMBELAJARAN

MEMPERGUNAKAN ALGORITMA APRIORI

2. ARSITEKTUR DATA SPASIAL UNTUK INFORMASI TEMATIS

SIGDA KABUPATEN LOMBOK BARAT


74

Tabel 5.1 Recal Precision query “penambangan data”

ID Relevan Recall Precision

257 R 0,125 1

115 0,125 0,5

Tabel 5.2 Interpolasi Recall Precision query “penambangan data”

Recall Precision

0% 100%

10% 100%

20% 0%

30% 0%

40% 0%

50% 0%

60% 0%

70% 0%

80% 0%

90% 0%

100% 0%

Dari tabel 5.2 dan Gambar 5.1 dapat dilihat diperoleh precision 100% dari

nilai recall 0-10% dan menurun hingga 0% pada nilai recall 20-100%.. Hal ini

dikarenakan dokumen relevan yang ditemukan responden yaitu 8 dokumen lebih

banyak daripada dokumen relevan yang ditemukan menurut sistem yaitu 1,

dimana beberapa dari dokumen tersebut mengandung kata “data mining” yang

merupakan istilah bahasa Inggris dari kata “penambangan data”.


75

Gambar 5.1 Grafik Recall precision query “penambangan data”

Istilah “penambangan data” memiliki sinonim dalam bahasa inggris sehingga

dilakukan pengujian dengan kata kunci “data mining” untuk memberi

perbandingan.

Dokumen hasil pencarian dengan kata kunci “data mining”.

1. PERANCANGAN APLIKASI DATA MINING STUDI KASUS: ANALISIS

KEPUASAN PELANGGAN PT. XYZ

2. PENGGUNAAN ANALISA ASOSIASI (ASSOCIATION ANALYSIS)

DALAM PEMILIHAN LOKASI WISATA BERDASARKAN

KARAKTERISTIK SOSIO-DEMOGRAFIS WISATAWAN

3. KLASIFIKASI EVENT PADA PROCESS LOGS MENGGUNAKAN

MODEL REGRESI LOGISTIK

4. PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA

ASSOCIATION RULES UNTUK MEMPREDIKSI PILIHAN PROGRAM

STUDI DI SEKOLAH TINGGI XYZ

0%

20%

40%

60%

80%

100%

120%P

reci

sio

n

Recall

Interpolasi

Interpolasi


76

5. Market Basket Analysis Berbasis Classifier Characterictic untuk

MENENTUKAN PERSENTASE MODEL DESKRIPSI MEDIA

RELATIONS PERGURUAN TINGGI

6. ANALISIS ASOSIASI HASIL EVALUASI PEMBELAJARAN

MEMPERGUNAKAN ALGORITMA APRIORI

7. ANALISIS KEMUNGKINAN PENGUNDURAN DIRI CALON

MAHASISWA DI STMIK STIKOM BALI DENGAN ALGORITMA

BAYESIAN CLASSIFICATION

8. PENGOLAHAN DATA WAREHOUSE AKADEMIK SEBAGAI

PENUNJANG KEPUTUSAN DI PERGURUAN TINGGI

9. PERANCANGAN e-HEALTH MANAGEMENT SYSTEM

10. CUSTOMER RELATIONSHIP MANAGEMENT (CRM) UNTUK USAHA

KECIL DAN MENENGAH

11. PEMANFAATAN BUSINESS INTELLIGENCE DALAM PERENCANAAN

PEMBANGUNAN NASIONAL: STUDI KASUS BADAN PERENCANAAN

PEMBANGUNAN NASIONAL

12. PEMANFAATAN KNOWLEDGE MANAGEMENT SYSTEM BERBASIS

OPENSOURCES UNTUK INSTANSI PEMERINTAH STUDI KASUS:

DIREKTORAT E-GOVERNMENT KEMENTERIAN KOMUNIKASI DAN

INFORMATIKA

13. DASHBOARDING INFORMATION SYSTEMS FOR THE EDUCATION

SECTOR: APPLICATION AND METHODOLOGIES


77

14. EFISIENSI MATRIKS: PERBEDAAN SISTEM TUNGGAL DAN

CLUSTER DENGAN ALGORITMA MAPREDUCE

15. MODEL KNOWLEDGE MANAGEMENT PADA PERUSAHAAN

DISTRIBUTOR FARMASI DAN CONSUMER PRODUCT

16. SISTEM ANALISIS OPINI MICROBLOGGINGBERBAHASA INDONESIA

17. FAKTOR KONTEKSTUAL DALAM PEMANFAATAN WEB SEBAGAI

MEDIA KOMUNIKASI CSR OLEH PERUSAHAAN

18. ALGORITMA UNTUK EKSTRAKSI TABEL HTML DI WEB

19. PERBANDINGAN ALGORITMA BINERISASI PADA CITRA TULANG

ABNORMAL TELAPAK TANGAN MANUSIA

20. PENJADWALAN PERKULIAHAN DENGAN METODE COMPACT

GENETIC ALGORITHM (STUDI KASUS UNIVERSITAS WIDYATAMA)

21. PENERAPAN CRM DENGAN SISTEM INFORMASI BERBASIS WEB

UNTUK KEPUASAN PELANGGAN

22. MUSIC THERAPY ISSUES ON MUSIC INFORMATION RETRIEVAL

Sistem menghasilkan 22 dokumen dari kata kunci “data mining”. Dari 22

dokumen hasil pencarian, responden menemukan 8 dokumen yang relevan. Pada

tahap kedua responden menemukan 8 dokumen yang relevan dari 281 dokumen

koleksi. Perhitungan recall diperoleh. Hasil perhitungan Recall dan precision

dapat dilihat padat tabel 5.4. dan tabel 5.5.

Tabel 5.4 Recal Precision query “data mining”

No Urut Relevan Recall Precision

1 R 0,125 1


78

2 R 0,25 1

3 R 0,375 1

4 R 0,5 1

5 R 0,625 1

6 R 0,75 1

7 R 0,875 1

8 0,875 0,875

9 0,875 0,777778

10 0,875 0,7

11 0,875 0,636364

12 0,875 0,583333

13 0,875 0,538462

14 0,875 0,5

15 0,875 0,466667

16 0,875 0,4375

17 0,875 0,411765

18 0,875 0,388889

19 R 1 0,421053

20 1 0,4

21 1 0,380952

22 1 0,363636

Tabel 5.5 Interpolasi Recall Precision query “data mining”

Recall Precision

0% 100%

10% 100%

20% 100%

30% 100%

40% 100%

50% 100%

60% 100%

70% 100%

80% 100%

90% 100%

100% 42%

Dapat dilihat pada gambar 5.2 precision 100% didapat pada nilai recall 0%

sampai 90% dan menurun ke 42% pada nilai recal 100%. Jika dibandingkan


79

dengan grafik pada gambar 5.1 query “data mining” menghasilkan precision

yang lebih baik karena dokumen yang mengandung kata “data mining” lebih

banyak jumlahnya daripada dokumen yang mengandung kata “penambangan

data” .

Gambar 5.2 Grafik Recall precision query “data mining”

2. Kata kunci “pemerolehan informasi”

Sistem menghasilkan 1 dokumen dari kata kunci “pemerolehan informasi”.

Dari 1 dokumen hasil pencarian, responden menemukan 1 dokumen yang relevan.

Pada tahap kedua responden menemukan 5 dokumen yang relevan dari 281

dokumen koleksi. Perhitungan recall diperoleh. Hasil perhitungan Recall dan

precision dapat dilihat padat tabel 5.3.

0%

20%

40%

60%

80%

100%

120%Interpolasi

Interpolasi


80

Tabel 5.3 Recal Precision query “pemerolehan informasi”

Hasil Relevan Recall Precision

257 R 0,2 1

Tabel 5.4 Interpolasi Recall Precision query “pemerolehan informasi”

Recall Precision

0% 100%

10% 100%

20% 100%

30% 0%

40% 0%

50% 0%

60% 0%

70% 0%

80% 0%

90% 0%

100% 0%

Gambar 5.2 Recall precision query “pemerolehan informasi”


nilai recall 0-20% dan menurun hingga 0% pada nilai recall 30-100%. Hal ini

0%

20%

40%

60%

80%

100%

120%

Interpolasi

Interpolasi


81


banyak daripada dokumen relevan yang ditemukan menurut sistem yaitu 1 dimana

4 dokumen yang mengandung istilah “information retrieval” dan 1 dokumen yang

mengandung istilah “pemerolehan informasi” dan menurut responden relevan.

Kata kunci “apriori”

Sistem menghasilkan 2 dokumen dari kata kunci “apriori”. Dari 2 dokumen

hasil pencarian, responden menemukan 2 dokumen yang relevan. Pada tahap

kedua responden menemukan 2 dokumen yang relevan dari 281 dokumen koleksi.

Perhitungan recall diperoleh. Hasil perhitungan Recall dan precision dapat dilihat

padat tabel 5.5.

Tabel 5.5 Recal Precision query “apriori”


257 R 0,5 1

278 R 1 1

Tabel 5.6 Interpolasi Recal Precision query “apriori”

Recall Precision

0% 100%

10% 100%

20% 100%

30% 100%

40% 100%

50% 100%

60% 100%

70% 100%

80% 100%

90% 100%


82

100% 100%

Gambar 5.3 Recall precision query “apriori”


nilai recall 0-100%. Untuk kata kunci tersebut sistem menghasilkan dokumen

relevan yang sama dengan menurut responden.

3. Kata kunci “pemanfaatan data warehouse”

Sistem menghasilkan 1 dokumen dari kata kunci “pemanfaatan data

warehouse”. Dari 1 dokumen hasil pencarian, responden menemukan 1 dokumen

yang relevan. Pada tahap kedua responden menemukan 3 dokumen yang relevan

dari 281 dokumen koleksi. Perhitungan recall diperoleh. Hasil perhitungan Recall

dan precision dapat dilihat padat tabel 5.7.

Tabel 5.7 Recall precision query “pemanfaatan data warehouse”

0%

20%

40%

60%

80%

100%

120%

Interpolasi

Interpolasi


83


234 R 0,333333 1

Tabel 5.8 Interpolasi recall precision query “pemanfaatan data warehouse”

Recall Precision

0% 100%

10% 100%

20% 100%

30% 100%

40% 0%

50% 0%

60% 0%

70% 0%

80% 0%

90% 0%

100% 0%

Gambar 5.4 Recall precision query “pemanfaatan data warehouse”

Dari tabel 5.8 dan Gambar 5.2 dapat diperoleh precision 100% dari nilai

recall 0-40% dan menurun hingga 0% pada nilai recall 40-100%. Hal ini


0%

20%

40%

60%

80%

100%

120%

Interpolasi

Interpolasi


84

banyak daripada dokumen relevan yang ditemukan menurut sistem yaitu 1 karena

responden juga menemukan dokumen-dokumen yang mengandung kata “gudang

data” dan menurut responden relevan.

Dari pencarian tersebut ditemukan juga 2 kata kunci yaitu data warehouse

yang sebenarnya di dalam dokumen terletak pada daftar pustaka dimana sistem

melakukan index pada seluruh isi dokumen. Hal tersebut ditemukan pada

dokumen dengan judul “IMPLEMENTASI TABEL AGREGAT UNTUK

MENINGKATKAN UNJUK KERJA MODEL BASISDATA MULTIDIMENSI

(STUDI KASUS PERUSAHAAN PERSEWAAN BAN "XYZ") “.

5.2. Pengujian Performa Inverted Index

Percobaan menggunakan operasi AND dengan melakukan interseksi antar

postinglist yang diperoleh saat pencarian ke dalam Inverted Index.

Pada tabel 1 menunjukkan pada kelompok dfk 1-2 untuk untuk kelompok 1

hingga 4 kata kunci berada pada 0,001 detik, hal ini karena sistem masih belum

bisa mencatat waktu kurang dari 0,001 detik, kemungkinan waktu tersebut

kurang dari 0,001 detik. Pada kelompok dfk ±140, waktu akses diperoleh 0,0017

detik untuk 1 kata kunci hingga 0,0041 detik untuk 4 kata kunci. Pada grafik

gambar 8 terlihat peningkatan waktu akses tersebut linear. Pada kelompok dfk

281 terjadi peningkatan waktu akses dari 0,0033 detik untuk 1 kata kunci hingga

0,0491 detik untuk 4 kata kunci. Peningkatan waktu akses dari 1 kata kunci ke 2

kata kunci cukup signifikan dibandingkan dari 2 sampai 4 kata kunci, hal ini


85

disebabkan ada operasi AND untuk 2,3, dan 4 kata kunci sedangkan pada

kelompok 1 kata kunci tidak ada.

Dari gambar 8 dapat dilihat pada kelompok dfk ±140 peningkatan waktu akses

linear untuk peningkatan dari 2 sampai 4 kata kunci. Pada kelompok dfk 281

peningkatan waktu akses pada 2 kata kunci ke 3 kata kunci cukup tajam

dibandingkan peningkatan waktu akses dari 3 kata kunci ke 4 kata kunci, hal ini

disebabkan jumlah dokumen relevan yang diperoleh untuk 3 kata kunci sama

dengan 4 kata kunci yaitu 281. Sedangkan pada kelompok dfk ±140 terjadi

penurunan hasil dokumen yang relevan dari 63 dokumen untuk 3 kata kunci

menjadi 41 untuk 4 kata kunci.

Tabel 1. Waktu rata-rata query untuk kelompok kata 1-2 dfk, ±140 dfk, dan 281

dfk dengan operasi AND.

DFK

Jumlah Kata

Kunci

Waktu Query Rata2

(detik)

Jumlah Dokumen yang

Relevan

1-2

1 0,001 1

2 0,001 2

3 0,001 1

4 0,001 1

±140

1 0,0017 138

2 0,0026 85

3 0,0033 63

4 0,0041 41


86

281

1 0,0033 281

2 0,0316 281

3 0,0463 281

4 0,0491 281

Gambar 8. Grafik Waktu rata-rata query untuk kelompok kata 1-2 dfk, ±140 dfk,

dan 281 dfk operasi AND.

Untuk kata kunci 1 sampai 4 , kelompok dfk 281 memiliki waktu akses paling

tinggi, diikuti kelompok dfk ±140, dan yang terakhir kelompok dfk 1-2. Hal ini

menunjukkan peningkatan jumlah dokumen untuk setiap postinglist(dfk)

meningkatkan waktu akses query.Waktu akses untuk 1 kata kunci 0,001 detik

hingga 0,033 detik dan untuk 4 kata kunci 0,001 detik hingga 0,0491 detik.

0

0.01

0.02

0.03

0.04

0.05

0.06

1 2 3 4

Wak

tu a

kse

s(d

etik

)

Kata Kunci

1-2

±140

281


87

BAB VI

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Kesimpulan yang dapat diambil dari pembuatan sistem pencarian jurnal

berbahasa Indonesia adalah sebagai berikut:

1. Sistem Pemerolehan Informasi dapat diimplementasikan dengan struktur

data inverted index berbasis struktur data HashTable dan Ordered

LinkedList dengan metode pembobotan TF-IDF menggunakan 281

dokumen dengan jumlah kamus kata dasar 3278 dan 395 stopwords

menghasilkan 25737 term.

2. Dengan spesifikasi sistem yang digunakan dalam pengujian, sistem ini

dapat mencari dokumen makalah berbahasa Indonesia berdasar jumlah

kata kunci antara 1 hingga 4 kata kunci yang dimasukkan oleh pengguna

dengan performa rata-rata kurang dari 0,1 detik.

3. Peningkatan jumlah dfk dan kata kunci akan meningkatkan lamanya waktu

pencarian dilihat dari data unjuk kerja pencarian 0,001 detik untuk 1

hingga 4 kata kunci pada kelompok kata dfk 1-2. Unjuk kerja sistem

0,0017 detik untuk 1 kata kunci hingga 0,0041 detik pada kelompok kata

dfk ±140 dengan grafik peningkatan waktu akses linear. Unjuk kerja

sistem 0,0033 detik untuk 1 kata kunci hingga 0,0491 detik untuk 4 kata

kunci pada kelompok kata maksimum 281.


88

4. Pada pengujian sistem memberikan nilai recall dan precision yang baik

yaitu = 1 pada kata kunci istilah tunggal seperti contoh kata “apriori”

yang digunakan dalam pengujian.

5. Sistem memiliki beberapa kelemahan yaitu:

a. Tingkat relevansi dokumen tergantung dari jenis kata kunci seperti

istilah yang memiliki istilah dalam bahasa lain akan mempengaruhi

pencarian yang menghasilkan dokumen terbatas karena sistem tidak

menangani istilah dalam bahasa asing. Sebagai contoh pada kata kunci

“data mining”memiliki nilai recall precision yang lebih baik daripada

kata kunci “penambangan data”.

b. Kata-kata yang terdapat pada daftar pustaka didalam dokumen

makalah ikut mempengaruhi indek karena diikutsertakan dalam proses

pengindeksan sehingga sistem dapat menghasilkan dokumen yang

kurang relevan.

6.2 Saran

1. Operasi pencarian pada penelitian ini dapat ditambahkan dengan operasi

OR dan NOT.

2. Penambahan kamus kata dasar dan stopword meningkatkan keberhasilan

stemming pada saat indexing, query processing.


89

Daftar Pustaka

Agusta, Ledy, Perbandingan Algoritma Stemming Porter denganAlgoritma Nazief

& Adriani untuk Stemming Dokumen TeksBahasa Indonesia. Konferensi

Nasional Sistem dan Informatika 2009, Bali

A.H , Muh. Erwin & Mandala, Rila. (2004), Relevance Feedback pada Temu

Kembali Informasi Menggunakan Algoritma Genetika. Seminar Nasional

Aplikasi Teknologi Informasi 2004, Yogyakarta.

Baeza-Yates, R., Ribeiro-Neto, B. (1999). Modern Information Retrieval.

Addison Wesley.

Hasibuan, Zainal A.,& Andri, Yofi. (2001). Penerapan Berbagai Teknik Sistem

Temu-Kembali Informasi Berbasis Hiperteks. Jurnal Ilmu Komputer dan

Teknologi Informasi, Volume 1, Nomor2.

Keller , Robert M , Computer Science: Abstraction to Implementation. Harvey

Mudd College (2001).

http://www.cs.hmc.edu/~keller/cs60book/%20%20%20All.pdf (diakses

terkahir tanggal 8 Februari 2012)

Kruse, Robert L, Data Structure and Program Design Third Edition. Prentice Hall

International, Inc, London(1994).


90

Manning ,Christopher D. :An Introduction to Information Retrieval. Cambridge

University Press Cambridge, England(2009)

Robert,Lafore Data Structure & Algorithms in Java Second Edition.Sams

Publishing, Indiana (2003) .

Whitten dan Bentley ,System Analysis and Design Methods 7th. McGraw Hill,

New York(2007).


91

LAMPIRAN

Source Code

1. Source Code Pada Pencarian Dokumen

a. Source Code Membangun InvertedIndex

protected void processRequest(HttpServletRequest request, HttpServletResponse response) throws ServletException, IOException { response.setContentType("text/html;charset=UTF-8"); try { path=System.getProperty("user.dir")+"\\jurnal"; InformationRetrieval.StartBuildIndex(getServletContext().getRealPath("jurnal")); RequestDispatcher rd = request.getRequestDispatcher("cariJurnal.jsp"); rd.forward(request, response); } catch(Exception ex){ ex.printStackTrace(); } }

public class InformationRetrieval { public static DocFilter doc = null; Stemming stem=new Stemming(); public static void StartBuildIndex(String path) { doc = new DocFilter(); doc.createIndex1(); } ...

public void createIndex1() {

String judul, nama_penulis, path;

int id_document;

int max_jurnal_id = 0;

ResultSet resultDataJurnal = getDataJurnalReadyServer();

try {

System.out.println("Building Index");

while (resultDataJurnal.next()) {

Jurnal jurnal=new Jurnal();

id_document = resultDataJurnal.getInt("id_document");

//insertJurnal

jurnal.setJurnal_id(id_document);

jurnal.setFileName(resultDataJurnal.getString("path"));

jurnal.setJudul(resultDataJurnal.getString("title"));

jurnal.setMaxtf(resultDataJurnal.getInt("max_term"));

String[]penulis=resultDataJurnal.getString("authors").split(",");

jurnal.setPenulis(resultDataJurnal.getString("authors"));

jurnal.setTahun(resultDataJurnal.getInt("year"));

jurnallist.addJurnal(jurnal);


92

ResultSet resultDataPosting = getDataPostingServer(id_document);

while (resultDataPosting.next()) {

Posting post=new Posting();

Term word=new Term(resultDataPosting.getString("STEMMED_WORDS"));

post.setWord(word);

post.setTfik(resultDataPosting.getInt("frequency"));

post.setJurnal(jurnal);

jurnal.getPostlist().add(post);

index.addWord(word.getTerm().toLowerCase(), post);

}

}

System.out.println("hitung bobot");

index.IndexScoring();

System.out.println("INDEXING SELESAI");

} catch (SQLException ex) {

ex.printStackTrace();

}

}

public void addWord(String term, Posting aPost) {

//jika wolrdlist mengandung kata @param term

if (this.wordlist.containsKey(term)) {

//jika kata yang ditambahkan sama dengan kata di wordlist

if (getWordlist().get(term).getTerm().compareTo(term) == 0) {

Term freqtambah = getWordlist().get(term);

//ambil Posting Listnya

ListIterator<Posting> iteratorPosting =

freqtambah.getPostlist().listIterator();

//selama iterator posting punnya data berikutnya

while (iteratorPosting.hasNext()) {

//jika filename Jurnal Posting sama dengan filename dari

//parameter

if (iteratorPosting.next().getJurnal().getJurnal_id() ==

aPost.getJurnal().getJurnal_id()) {


//tambahkan frekuensi katanya saja Tfik

//freqtambahPosting.setTfik(freqtambahPosting.getTfik() + 1);

return;

}

iteratorPosting.previous();

if (iteratorPosting.next().getJurnal().getJurnal_id() > aPost.getJurnal().getJurnal_id()) {

//tambahkan ke posting ke index sebelum



//freqtambahPosting.setTfik(freqtambahPosting.getTfik() + 1);

return;

}


93

}

if (!iteratorPosting.hasNext()) {



// freqtambahPosting.setTfik(freqtambahPosting.getTfik() + 1);

}

return;

}

//jika tidak mengandung kata @param term

} else {

Term baru = new Term(term);

// aPost.setTfik(aPost.getTfik()+1);

baru.getPostlist().add(aPost);

getWordlist().put(baru.getTerm(), baru);

}

}

public void IndexScoring() {

int n = DaftarJurnal.jurnal.size();

Enumeration<String> key = wordlist.keys();

Enumeration<Term> elements = wordlist.elements();

while (key.hasMoreElements()) {

Term word = wordlist.get(key.nextElement());

LinkedList<Jurnal> jurnaltemp = new LinkedList<Jurnal>();

LinkedList<Posting> post = word.getPostlist();

for (Posting posting : post) {

if (!jurnaltemp.contains(posting.getJurnal())) {

jurnaltemp.add(posting.getJurnal());

}

}

word.setDfk(jurnaltemp.size());

double nidfk;

try {

nidfk = (Math.log10((n / word.getDfk()))) / (Math.log10(n));

} catch (ArithmeticException ex) {

nidfk = 0;

}

word.setNidfk(nidfk);

for (Posting posting : post) {

try {

posting.setNtfik((posting.getTfik() / posting.getJurnal().getMaxtf()));

} catch (ArithmeticException ex) {

posting.setNtfik(0);

}

double w = (posting.getNtfik() * (float) word.getNidfk());

posting.setW((float) w);

}

}

}

b. Source Code Pencarian

public class beancarijurnal extends HttpServlet {

InformationRetrieval ir=new InformationRetrieval();


94

double time = 0;

/**

* Processes requests for both HTTP <code>GET</code> and <code>POST</code> methods.

* @param request servlet request

* @param response servlet response

* @throws ServletException if a servlet-specific error occurs

* @throws IOException if an I/O error occurs

*/

protected void processRequest(HttpServletRequest request, HttpServletResponse response)

throws ServletException, IOException {

response.setContentType("text/html;charset=UTF-8");

double start = System.currentTimeMillis();

ArrayList<JurnalScore> Js=null;

String input_query = request.getParameter("txtsearch");

if(input_query.trim().isEmpty()){

Js = new ArrayList<JurnalScore>();

System.out.println("empty query");

}else{

try{

Js = ir.SearchRanked(input_query);

} catch (NullPointerException ex) {


Js = new ArrayList<JurnalScore>();

}

}

int d = halaman(Js.size());

String e = Integer.toString(d);

double finish = System.currentTimeMillis();

time = (double) ((finish - start) / 1000.0);

NumberFormat formatter = new DecimalFormat("#.###");

formatter.format(time);

request.getSession().setAttribute("time", time);

request.getSession().setAttribute("jurnalscored", Js);

request.getSession().setAttribute("e", e);

RequestDispatcher rd = request.getRequestDispatcher("/hasilPencarian.jsp?page=1");

rd.forward(request, response);

}catch(Exception ex){


}

}

// <editor-fold defaultstate="collapsed" desc="HttpServlet methods. Click on the + sign on the left to edit the code.">

/**

* Handles the HTTP <code>GET</code> method.





*/

@Override

protected void doGet(HttpServletRequest request, HttpServletResponse response)


processRequest(request, response);


95

}

/**

* Handles the HTTP <code>POST</code> method.





*/

@Override

protected void doPost(HttpServletRequest request, HttpServletResponse response)


processRequest(request, response);

}

/**

* Returns a short description of the servlet.

* @return a String containing servlet description

*/

@Override

public String getServletInfo() {

return "Short description";

}// </editor-fold>

public static int halaman(int total) {

double a = total;

double b = a / 10;

double sisa=(a%10);

if(sisa>0){

return ((int) b)+1;

}else{

return ((int) b);

}

}

}

public ArrayList<JurnalScore> SearchRanked(String query) {

ArrayList<JurnalScore> SortedJurnalScore = null;

ArrayList<JurnalScore> jurnalscore = null;

if (query != null || !query.equals("")) {

Tokenizer queryTokenizer = new Tokenizer();

queryTokenizer.setData(queryTokenizer.characterCleaning(query));

queryTokenizer.makeTokens();

String[] queryToken = queryTokenizer.getTokens();

System.out.println("panjang query: " + queryToken.length);

ArrayList<Term> result = new ArrayList<Term>();

for (int i = 0; i < queryToken.length; i++) {

String string = queryToken[i];

if (!Stemming.cekStopwordAda(string)) {

String stem1 = stem.stem(string).toString();


96

if (doc.index.getWordlist().get(stem1) != null) {

result.add(doc.index.getWordlist().get(stem1));

}

}

}

System.out.println("rsult lenght " + result.size());

for (Term words : result) {

Term word = words;

System.out.println(word.getTerm() + " || DFK: " + word.getDfk() + "|| NIDFK " + word.getNidfk());

LinkedList<Posting> temppost = word.getPostlist();

for (Posting posting : temppost) {

System.out.println("--- TFIK:" + posting.getTfik() + " NTFIK:" + posting.getNtfik() + " || JURNAL: " +

posting.getJurnal().getFileName() + " || W :" + posting.getW());

}

}

//Proses AND di sini

String kueri1, kueri2;

Term hasilCari = null;

if (result.size() == 1) {

hasilCari = result.get(0);

} else {

for (int i = 0; i < result.size() - 1; i++) {

if (i == 0) {

// kueri1 = result.get(i).getTerm().toLowerCase();

// kueri2 = result.get(i + 1).getTerm().toLowerCase();

// kueri1 = stem.stem(kueri1);

// kueri2 = stem.stem(kueri2);

hasilCari = AND(result.get(i), result.get(i + 1));

} else {

// kueri1 = result.get(i + 1).getTerm().toLowerCase();

//kueri1 = stem.stem(kueri1);

hasilCari = AND(hasilCari, result.get(i + 1));

}

}

}

jurnalscore = new ArrayList<JurnalScore>();

int docygsama = 0;

LinkedList<Posting> postlist = hasilCari.getPostlist();

//untuk setiap posting

for (Posting posting : postlist) {

if (jurnalscore.isEmpty()) {

JurnalScore jurn = new JurnalScore();

jurn.Score = jurn.Score + posting.getW();

jurn.jurnal = posting.getJurnal();

jurnalscore.add(jurn);

} else {

boolean contain = false;

for (JurnalScore js : jurnalscore) {

if (js.jurnal.equals(posting.getJurnal())) {

docygsama++;


97

System.out.println("sama dokumen sementara " + docygsama);

js.Score = js.Score + posting.getW();

contain = true;

}

}

if (contain == false) {

JurnalScore jurn = new JurnalScore();

jurn.Score = jurn.Score + posting.getW();

jurn.jurnal = posting.getJurnal();

jurnalscore.add(jurn);

}

}

}

JurnalSortComparator jsc = new JurnalSortComparator();

Collections.sort(jurnalscore, jsc);

}

for (int i = 0; i < jurnalscore.size(); i++) {

System.out.println(jurnalscore.get(i).jurnal.getJudul() + " score : " + jurnalscore.get(i).Score);

}

System.out.println("Sorted : " + jurnalscore.size());

if (jurnalscore == null) {

return null;

} else {

return jurnalscore;

}

}
