DAFTAR RIWAYAT HIDUP
DATA PRIBADI
Nama
: Reggy Pasya Trinanda
Tempat, Tanggal Lahir
: Subang, 18 Maret 1990
Jenis Kelamin
: Laki-laki
Status
: Belum Menikah
Kewarganegaraan
: Indonesia
Agama
: Islam
Pendidikan terakhir
: Gelar Sarjana (S1) UNIKOM
Alamat
: Perum Taman Bunga II Blok: C3
Kec. Katapang, Kamp. Citereup,
Ds. Sukamukti Kab. Bandung
Telepon
: 08562287210
: reggypasya@gmail.com
PENDIDIKAN FORMAL
Lembaga Tahun
SDN Sukamandi II Subang 1996 - 2002
SMP Negeri 1 Ciasem–Subang 2002 - 2005
PENGALAMAN KERJA
12Juli 2010
–
12 Agustus 2010
: Kerja Praktek di PT. PLN (PERSERO) APJ GarutPENGALAMAN BERORGANISASI
2002–2005 : Anggota PMR SMP Negeri 1 Ciasem – Subang
2006–2007 : Anggota PMR SMK 1 Kalijati–Subang
Demikianlah riwayat hidup ini saya buat dengan sebenarnya.
Hormat Saya,
PENGGUNAAN METODE NAÏVE BAYES CLASSIFIER
PADA APLIKASI PERPUSTAKAAN
TUGAS AKHIR
Disusun untuk memenuhi syarat kelulusan pada
Program Studi Strata Satu Sistem Komputer di Jurusan Teknik Komputer
Oleh
Reggy Pasya Trinanda
1.02.08.017
Pembimbing
Selvia Lorena Br Ginting, S.Si., MT
JURUSAN TEKNIK KOMPUTER
FAKULTAS TEKNIK DAN ILMU KOMPUTER
UNIVERSITAS KOMPUTER INDONESIA
v
KATA PENGANTAR
Bismillahirrohmaannirrohiim
Assalamu’alaikum Wr. Wb
Dengan mengucap Alhamdulillah, puji serta syukur kehadirat Allah SWT
karena rahmat dan hidayah
–
Nya, penulis dapat menyelesaikan Tugas Akhir ini
sesuai waktu yang diharapkan. Tugas Akhir ini diajukan untuk sebagai salah satu
syarat untuk meraih gelar sarjana pada Jurusan Teknik Komputer, Fakultas
Teknik dan Ilmu Komputer Universitas Komputer Indonesia.
Judul yang penulis pilih dalam Tugas Akhir ini adalah
“Penggunaan
Metode Naïve Bayes Classifier Pada Aplikasi Perpustakaan”
.
Penulis menyadari bahwa Tugas Akhir ini masih jauh dari sempurna, mengingat
keterbatasan pengetahuan, ilmu, dan pengalaman serta referensi yang penulis
miliki. Oleh karena itu, penulis selalu terbuka untuk menerima kritik dan saran
yang sifatnya membangun, sehingga dapat menyempurnakan isi dari Tugas Akhir
ini.
Penyusunan Tugas Akhir ini tidak terlepas dari bantuan berbagai pihak,
sehingga pada kesempatan ini penulis ingin mengucapkan terima kasih kepada :
1. Ibu Endang Purnawati, bapak Agus Rahman dan kakak tercinta yang
selalu mendoakan, berjuang dengan sabar dan selalu kuat. Semoga allah
SWT memberikan kemuliaan kepada kedua orang tua di dunia dan di
akhirat, amin.
2. Bapak Ir. Eddy Soeryanto Soegoto, selaku Rektor Universitas Komputer
Indonesia.
3. Bapak Dr. Wendi Zarman, M.Si, selaku Ketua Jurusan Teknik Komputer
Universitas Komputer Indonesia.
4. Ibu Selvia Lorena Br Ginting, S.Si, M.T, selaku Pembimbing I yang telah
banyak memberikan arahan, bimbingan, dan saran kepada penulis.
6. Bapak dan Ibu bagian perpustakaan Universitas Pasundan yang telah
membantu penulis dalam melakukan
study
kasus pengambilan data demi
keperluan penyelesaian karya tulis ini.
7. Trie Endang K. yang telah memberikan semangat, dukungan, serta
perhatian kepada penulis.
8. Teman-teman seperjuangan di Jurusan Teknik Komputer angkatan 2008
terutama kelas 08 TK-1, terima kasih atas kebersamaannya, semoga kita
tetap bisa menjaga silaturahmi dan tetap menjadi keluarga.
9. Semua orang yang telah membantu penulis dalam mengerjakan Tugas
Akhir ini yang tidak bisa disebutkan satu persatu.
Akhir kata, semoga Allah SWT membalas budi baik semua pihak yang
telah membantu penulis, dan semoga penelitian ini menjadi sumbangsih yang
bermanfaat bagi dunia
sains
dan teknologi di Indonesia, khususnya disiplin
keilmuan yang penulis dalami.
Wassalamu’alaikum Wr. Wb.
Bandung, 22 Agustus 2013
vii
DAFTAR ISI
LEMBAR PENGESAHAN
……….
i
LEMBAR PERNYATAAN……….
ii
ABSTRAK……….
... iii
ABSTRACT
………...
iv
KATA PENGANTAR
………...
v
DAFTAR ISI……….
... vii
DAFTAR TABEL
………...
ix
DAFTAR GAMBAR
………...
x
BAB I PENDAHULUAN
………...
1
1.1
Latar Belakang... 1
1.2
Maksud dan Tujuan
………....
1
1.3
Batasan Masalah
………...
2
1.4
Metode Penelitian
………...
2
1.5
Sistematika Penulisan
……….
2
BAB II DASAR TEORI
………...
4
2.1
Perpustakaan………...
4
2.2
Data Mining………...
4
2.3
Klasifikasi
Dokumen………..
6
2.4
Naïve Bayes………...
7
2.5
Naïve Bayes Classi
fier (NBC) ………...
8
2.5.1
Cara Kerja Naive bayes classifier... 9
2.6
VB.Net (Visual Ba
sic.Net)……….
10
2.7
SQL Se
rver……….
11
BAB III PERANCA
NGAN SISTEM………..
13
3.1
Deskripsi Aplikasi
Pencarian Buku………
13
3.2
Analisis S
istem………..
13
3.2.1
Analisis
Penelitian………
13
3.2.2
Analisi Proses………...
14
3.2.3
Analisis O
utput Proses……….
15
3.3.1
Fl
ow Chart
………
15
3.3.2
UML (Unified m
odeling language)……….
17
3.3.2.1 Use Case Diagra
m……….
18
3.3.2.1 Se
quence Diagram……….
23
3.3.2.2
Class Diagram………
28
3.3.2.1 Kola
borasi Diagram………..
29
3.3.3
EDR (Entity Relationship
Diagram)……….
29
3.4
Sketsa atau Perancanga
n Tampilan Program………
30
3.4.1
Login…………..………
31
3.4.2
Menu Data Buku
…………...………
. 31
3.4.3
Menu View Buku
………
...
…
32
3.4.3
Menu Cari Buku
………
...
…
32
BAB IV HASIL DAN PEMBAHASAN………...
. 33
4.1
Impleme
ntasi……….
33
4.1.1
Lingkungan Implementasi………
. 33
4.1.2
Implementasi Antarmuka………...
. 33
4.2
Penguji
an………...
38
BAB V KESIMPUL
AN DAN SARAN………..
44
5.1
Kesimpulan………
44
5.2
Sara
n………..
44
45
DAFTAR PUSTAKA
[1]
Oded Z. Maimon, Lior Rokach.
Decomposotion methodology for knowledge
discovery and data mining : theory and applications, World Scientific:
2005.
[2]
Han, Jiawei, Micheline Kamber,
Data Mining : Concepts and Techniques.
Morgan Kaufmann, 2001
[3]
Hidayatullah, P.
Visual basic. NET membuat aplikasi database dan
pemrograman kreatif.
[4]
Susanto, S. Ph. D., Dedi S., S.T., M.S.
Pengantar Data Mining : Menggali
Pengetahuan dari Bongkahan Data.
BAB I
PENDAHULUAN
1.1
Latar Belakang
Perpustakaan merupakan tempat yang cukup sering dikunjungi baik hanya
sekedar membaca ataupun untuk mencari referensi, maka fasilitas dan
kenyamanan bagi pengujung harus di tingkatkan diantaranya yaitu dalam
mempermudah pengunjung untuk mencari buku pada perpustakaan salah satunya
dapat menggunakan sebuah
software
untuk pengklasifikasian buku dimana
diharapkan dapat membantu para pengunjung mengetahui daftar bukuserta tempat
penyimpanan buku yang ada pada perpustakaan tersebut dengan keakuratan
pengklasifikasian dokumen yang baik.
Naïve Bayes
merupakan salah satu metode
machine learning
yang
menggunakan perhitungan probabilitas. Konsep dasar yang digunakan oleh
Naïve
bayes
adalah Teorema
Bayes, yaitu teorema yang digunakan dalam statistika
untuk menghitung suatu peluang,
Bayes Optimal Classifier
menghitung peluang
dari satu kelas dari masing-masing kelompok atribut yang ada, dan menentukan
kelas mana yang paling optimal.
Dari permasalah dan solusi tersebut, maka harus adanya proses
pengklasifikasian. Dimana proses klasifikasi itu dibagi menjadi dua fase yaitu
learning/training
dan
testing/classify. Pada fase
learning, sebagian data yang telah
diketahui kelas datanya diumpankan untuk membentuk model perkiraan.
Kemudian pada fase
testing,
model yang sudah terbentuk diuji dengan sebagian
data.
1.2
Maksud dan Tujuan
Maksud dalam pembuatan Tugas Akhir ini adalah:
1. Mempelajari metode
Naïve Bayes Classifier
untuk mengklasifikasikan
dokumen.
2
Tujuan yang diharapkan dalam pembuatan Tugas Akhir ini adalah:
1. Mempercepat proses pencarian buku pada perpustakaan dengan menggunakan
perangkat lunak dan metode
Naïve Bayes Classifierini.
2. Membantu peningkatan pelayanan pada perpustakaan untuk mempermudah
proses pencarian buku.
1.3
Batasan Masalah
Batasan masalah meliputi beberapa hal dibawah ini:
1. Menggunakan algoritma
Naïve Bayes Classifier
dalam pengelompokan
dokumen.
2. Pencarian hanya dapat berdasarkan pengarang, kategori, dan deskripsi.
3. Pencarian tidak meliputi seluruh isi buku.
1.4
Metode Penelitian
Perancangan dalam pembuatan tugas akhir ini dilakukan beberapa tahap,
yaitu :
1. Studi literature, mengumpulkan bahan yang akan dijadikan tugas akhir dari
buku-buku teks, internet, diskusi dengan dosen yang ahli di bidangnya, serta
diskusi dengan teman.
2. Perumusan dan identifikasi masalah yang akan diselesaikan.
3. Perancangan aplikasi.
4. Pengujian aplikasi.
5. Analisis data yang didapat dari hasil pengujian aplikasi.
6. Kesimpulan yang diambil dari penelitian yang dilakukan.
1.5
Sistematika Penulisan
Tugas Akhir ini, secara umum disusun dalam sistematika penulisan
sebagai berikut :
BAB I PENDAHULUAN
Pada bab ini berisi tentang latar belakang, maksud dan tujuan, batasan masalah,
metode penelitian, dan sistematika penulisan.
3
Pada bab ini menjelaskan tinjauan pustaka yang digunakan, dari beberapa
referensi buku teks, modul, dan internet.
BAB III PERANCANGAN SISTEM
Pada bab ini menguraikan tentang sistem yang akan dirancang pada Tugas Akhir
ini. Baik secara
hardware
maupun
software.
BAB IV PENGUJIAN DAN ANALISA
Pada bab ini akan dijelaskan, pengujian dari alat yang dirancang dan beberapa
analisa data yang telah diambil.
BAB V SIMPULAN DAN SARAN
Pada bab ini akan diuraikan, kesimpulan dan hasil pengambilan data dan analisa
data, serta beberapa saran untuk pengembangan penelitian Tugas Akhir
44
BAB V
KESIMPULAN DAN SARAN
5.1
Kesimpulan
Kesimpulan dari hasil pengujian yang dilakukan adalah:
Pada perangkat lunak yang dibangun hanya dapat mencari judul, kategori
dan deskripsi dari buku yang dicari, tidak meliputi isi dari seluruh buku.
Penggunaan metode
Naïve Bayes Classifier
dapat diimplementasikan pada
pencarian di perangkat lunak ini, karena berhasil mencari deskripsi yang berkaitan
dengan kata yang dicari oleh
user. Dengan menggunakan
naïve bayes
maka
pengklasifikasian dokumen dapat dilakukan dengan baik, dapat dililat pada
pengujian. Deskripsi kata yang di cari oleh
User
akan muncul pada hasil
pencarian.
5.2
Saran
Saran untuk pengembangan selanjutnya agar lebih baik yaitu :
a.
Dapat digunakan beberapa
format
buku lain seperti file PDF.
b.
Disempurnakan lagi algoritma pencariannya untuk mendapatkan hasil yang
lebih maksimal.
PENGGUNAAN METODE NAÏVE BAYES CLASSIFIER
PADA APLIKASI PERPUSTAKAAN
Selvia Lorena Br Ginting,S.Si., MT1, Reggy Pasya Trinanda2
1,2
Jurusan Teknik Komputer Unikom, Bandung
1
selvialorena@yahoo.com, 2reggypasya@gmail.com
ABSTRAK
Perpustakaan tempat yang sering di kunjungi. Hampir setiap instansi mempunyai perpustakaan, maka dari itu diperlukan peningkatan pelayanan untuk kenyamanan pengunjung. Pencarian buku pada aplikasi di setiap perpustakaan harus dapat mencakup kebutuhan perpustakaan tersebut, dengan kemudahan melakukan pencarian buku maka akan menambah kenyamanan pengunjung dalam mencari buku yang diinginkan. Dengan metode pengklasifikasian dokumen atau teks maka hal itu dapat dilakukan. Pada karya ilmiah ini digunakan metode Naïve Bayes Classifier untuk mengklasifikasikan beberapa judul dan ketegori yang terdapat pada database perpustakaan tersebut. Dengan menggunakan metode ini maka pencarian akan dilakukan lebih mendalam dengan melibatkan deskripsi dari setiap buku, sehingga ada lebih banyak referensi yang di tampilkan dalam pencarian. Tentunya referensi tersebut berkaitan dengan kata yang di masukkan oleh pengunjung pada mesin pencarian di aplikasi perpustakaan tersebut. Dengan demikian diharapkan dapat membantu pengunjung dalam melakukan pencarian buku yang diinginkan.
Kata kunci : metode pencarian, perpustakaan, Naïve Bayes Classifier.
1. PENDAHULUAN
1.1 Latar Belakang
Perpustakaan merupakan tempat yang cukup sering dikunjungi baik hanya sekedar membaca ataupun untuk mencari referensi. Dapat menggunakan sebuah software untuk pengklasifikasian buku dimana diharapkan dapat membantu para pengunjung mengetahui list berikut tempat penyimpanan buku yang ada pada perpustakaan tersebut dengan keakuratan pengklasifikasian dokumen yang baik.
Naïve Bayes merupakan salah satu metode machine learning yang menggunkan perhitungan probabilitas. Konsep dasar yang digunakan oleh Naïve bayes adalah Teorema Bayes, yaitu teorema yang digunakan dalam statistika untuk menghitung suatu peluang, Bayes Optimal Classifier menghitung peluang dari satu kelas dari masing-masing kelompok atribut yang ada, dan menentukan kelas mana yang paling optimal.
Proses klasifikasi biasanya dibagi menjadi dua fase yaitu learning/trainingdantesting/classify. Pada fase learning, sebagian data yang telah diketahui kelas datanya diumpankan untuk membentuk model perkiraan. Kemudian pada fase testing model yang sudah terbentuk diuji dengan sebagian data lainnya untuk mengetahui akurasi dari model tersebut.
1.2 Tujuan
Adapun tujuan yang ingin dicapai adalah : 1. Mempelajari metodeNaïve Bayes Classifier
untuk mengklasifikasikan dokumen. 2. Merancang sebuah perangkat lunak
pencarian buku perpustakaan.
3. Mengimplementasikan algoritma Naïve Bayes Classifier.
1.3 Manfaat
Sedangkan manfaat nya adalah :
1. Mempercepat proses pencarian buku pada perpustakaan dengan menggunakan perangkat lunak dan metode Naïve Bayes Classifierini.
2. Membantu peningkatan pelayanan pada perpustakaan untuk mempermudah proses pencarian buku.
2. DASAR TEORI
2.1 Data Mining
2
KDD (Knowledge Discovery in Database) adalah keseluruhan proses non-trivial untuk mencari dan mengidentifikasi pola (pattern) dalam data, dimana pola yang ditemukan bersifat sah, baru, dapat bermanfaat dan dapat dimengerti.2.2 Algoritma Naïve Bayes Classifier (NBC) Naïve Bayes merupakan salah satu metode machine learning yang menggunakan perhitungan probabilitas. Algoritma ini memanfaatkan metode probabilitas dan statistik yang dikemukakan oleh ilmuwan Inggris Thomas Bayes, yaitu memprediksi probabilitas di masa depan berdasarkan pengalaman di masa sebelumnya.
Dasar dari teorema naïve bayes yang dipakai dalam pemrograman adalah rumus Bayes:
P (A|B) = (P(B|A) * P(A))/P(B)... (1)
Peluang kejadian A sebagai B ditentukan dari peluang B saat A, peluang A, dan peluang B. Pada pengaplikasiannya nanti rumus ini berubah menjadi :
P(Ci|D) = (P(D|Ci)*P(Ci)) / P(D)…....(2)
Naïve Bayes Classifieratau bisa disebut sebagai multinomial naïve bayes merupakan model penyederhanaan dari algoritma bayes yang cocok dalam pengklasifikasian text atau dokumen. Persamaannya adalah:
V
MAP= arg max P(V
j| a
1, a
2,...a
n) .... (3)
Menurut persamaan (3), maka persamaan (1) dapat ditulis:
P(a1, a2,...an) konstan, sehingga dapat dihilangkan menjadi
Karena P(a1 , a2,….. an | vj) sulit untuk
dihitung, maka akan diasumsikan bahwa
setiap kata pada dokumen tidak mempunyai keterkaitan.
Keterangan:
Dimana untuk:
• P(vj) : Probabilitas setiap dokumen terhadap sekumpulan dokumen.
• P(wk|vj) : Probabilitas kemunculan kata wk pada suatu dokumen dengan kategori class vj. • | docs | : frekuensi dokumen pada setiap kategori.
• | Contoh | : jumlah dokumen yang ada. • Nk : frekuensi kata ke-k pada setiap kategori. • kosakata : jumlah kata pada dokumen test. Pada persamaan (8) terdapat suatu penambahan 1 pada pembilang, hal ini dilakukan untuk mengantisipasi jika terdapat suatu kata pada dokumen uji yang tidak ada pada setiap dokumen data training.
2.3 Cara kerja Algoritma Naïve Bayes Classifier (NBC)
Cara kerja dari Naïve Bayes Classifier yaitu melalui dua tahapan yaitu:
Learning (Pembelajaran)
Naïve Bayesadalah algoritma yang termasuk ke dalam supervised learning, maka akan dibutuhkan pengetahuan awal untuk dapat mengambil keputusan. Langkah-langkah: • Step 1 : Bentuk vocabulary pada setiap dokumen data training.
• Step 2 : Hitung probabilitas pada setiap kategori P(vj).
• Step 3 : Tentukan frekuensi setiap kata wk pada setiap kategori P(wk | vj).
Classify (Pengklasifikasian) Langkah-langkahnya adalah:
• Step 1 : Hitung P(vj)Π P(wk | vj) untuk setiap kategori.
• Step 2 : Tentukan kategori dengan nilai P(vj)Π P(wk | vj) maksimal.
3. PERANCANGAN DAN IMPLEMENTASI
dengan menggunakan metoda naive bayes clasiffier (NBC) sehingga akan mendapatkan hasil yang lebih optimal dikarenakan user mendapatkan referensi buku yang lebih banyak.
3.1 Analisis Proses
Pada proses pencarian dengan menggunakan metodaNaïve Bayes Clasiffier akan melalui dua tahap, yaitu proses learning dan proses clasiffier. Dimana proses learning akan membentuk vocabulary pada setiap dokumen data training, yaitu berupa kamus kata dasar yang nantinya akan menjadi perbandingan antara satu kata dengan kata yang lainnya. Kemudian proses learning akan menghitung probabilitas pada setiap kategori dan menentukan frekuensi dari setiap kata yang muncul pada setiap kategori tersebut untuk nantinya di klasifikasikan.
Sedangkan pada proses clasiiffier langkahnya yaitu menghitung probabilitas pada setiap dokumen terhadap sekumpulan dokumen dan kemudian menentukan probabilitas kemunculan kata yang terbesar pada suatu dokumen dengan kategori class tersebut. Sehingga kata yang memiliki presentasi terbesarlah yang akan di munculkan pada hasil pencarian.
3.2 Perancangan Software 3.2.1 Use case Diagram
[image:18.595.322.527.268.419.2]Perancangan software dapat dilihat dari use case diagram di bawah ini:
Gambar 1.UsecaseDiagram Sistem Perpustakaan
Terdapat dua actor yaitu: 1. Admin
Dapat menjalankan system pada bagian login dan masuk ke menu utama untuk melakukan tambah buku, dan edit buku.
2. User
Dapat melakukan pencarian buku dengan memasukkan keyword yang diinginkan dengan mengacu pada judul, pengarang atau deskripsi dari buku yang dicari.
3.2.2 Sequence Diagram
[image:18.595.89.281.482.653.2]Penjelasan antar proses akan digambarkan dengan sequence diagram berikut:
Gambar 2.SequenceDiagram Untuk Tambah Buku Secara Manual
[image:18.595.320.517.525.675.2]Penambahan buku dapat dilakukan secara manual maupun dengan mengungguhnya dari file excel atau .xls.
Gambar 3.SequenceDiagram Untuk Tambah BukuFromExcel
4
prosesnya yang di gambarkan melalui sequence diagram. [image:19.595.83.274.107.267.2]Gambar 4.SequenceDiagram Untuk Pencarian Berdasarkan Judul
Gambar 5.SequenceDiagram Untuk Pencarian Berdasarkan Kategori
Gambar 6.SequenceDiagram Untuk Pencarian Berdasarkan Deskripsi
[image:19.595.82.276.320.476.2]Dapat pula melakukan edit buku untuk mengedit kesalahan ketika memasukkan buku ke dalamdatabase
[image:19.595.316.511.337.503.2]Gambar 7.SequenceDiagram Untuk Edit Buku
Gambar 8.SequenceDiagram Untuk Login
3.2.3 Class Diagram
Gambar 9.ClassDiagram
[image:19.595.79.278.531.673.2] [image:19.595.310.524.534.644.2]3.2.4 Kolaborasi Diagram
Kolaborasi diagram adalah suatu diagram yang memperlihatkan pengorganisasian interaksi yang terdapat disekitar objek (seperti halnya
[image:20.595.310.525.69.214.2]sequence diagram) dan hubungannya terhadap yang lainnya.
Gambar 10. Kolaborasi Diagram Sistem Perpustakaan
4. IMPLEMENTASI DAN PENGUJIAN 4.1 Implementasi
4.1.1 From menu awal
Menu utama merupakan menu awal keluar setelah program dijalankan, dalam menu utama ini user sudah dapat melakukan pencarian buku yang diinginkan berdasarkan judul, kategori maupun deskripsinya.
[image:20.595.77.288.156.251.2]Sedangkan admin dapat melakukan login untuk mengakses menu utama.
Gambar 10. Tampilan Menu Awal Untuk Melakukan Pencarian
1.1.2 Menu Login
Menu login dapat dilakukan oleh admin dengan mengisi user name dan password untuk memasuki menu utama.
Gambar 11. TampilanFormLogin Untuk Admin
1.1.3 Menu Utama
Menu utama hanya dapat diakses oleh admin. Disini admin dapat melakukan tambah buku secara manual maupun from excel dan juga dapat view buku untuk melihatdatabasebuku.
[image:20.595.309.526.298.691.2]Gambar 12. Tampilan Menu Utama
[image:20.595.70.286.429.613.2]6
Gambar 14. Tampilan View Buku1.2 Pengujian
[image:21.595.307.525.124.557.2]Pengujian dilakukan pada pencarian berdasarkan deskripsi, dengan menggunakan metoda Naïve Bayes Classifier. Sehingga dapat di tentukan judul buku yang merupakan klasifikasi dari keyword yang di masukkan oleh user. Berikut hasil pengujian dengan memasukkan kata ‘komputer’ dalam kolom pencarian.
Tabel 1 Hasil Perhitungan Naïve Bayes
No
|docs|
|Contoh|
P(vj)
Hasil
1
1
17
1/17
0.05882353
2
1
17
1/17
0.05882353
3
3
17
3/17
0.17647059
4
1
17
1/17
0.05882353
5
1
17
1/17
0.05882353
6
1
17
1/17
0.05882353
7
1
17
1/17
0.05882353
8
1
17
1/17
0.05882353
9
1
17
1/17
0.05882353
10
1
17
1/17
0.05882353
11
1
17
1/17
0.05882353
12
1
17
1/17
0.05882353
13
1
17
1/17
0.05882353
14
1
17
1/17
0.05882353
15
1
17
1/17
0.05882353
16
1
17
1/17
0.05882353
17
1
17
1/17
0.05882353
Keterangan:
• |docs| : Frekuensi dokumen pada setiap kategori. (kemunculan kata “komputer”)
• |Contoh| : Jumlah dokumen yang ada.
[image:21.595.367.469.133.354.2]Dengan melihat nilai P(vj) akan di ambil nilai maksimal atau nilai terbesar untuk nantinya dimasukan ke dalam tabel naivebayes untuk di tampilkan ke hasil pencarian pada aplikasi.
Tabel 15. Tabel Naïve Bayes
Gambar 16. Hasil Pengujian AlgoritmaNaïve Bayes Classifier
Dari pengujian diatas dapat diketahui bahwa perangkat lunak ini memenuhi beberapa spesifikasi seperti di bawah ini:
1. Kebutuhan
Dari segi kebutuhan aplikasi ini dibutuhkan untuk pengklasifikasian dokumen yang terdapat pada database.
2. Kegunaan
[image:21.595.65.292.392.751.2]kategori, pengarang serta deksripsi dari buku yang ingin dicari.
3. Performa
Untuk performa pada aplikasi ini terbilang cepat pada pemrosesan pencarian buku, demi kenyamanan pengunjung perpustakaan.
5. SIMPULAN DAN SARAN
Kesimpulan dari hasil pengujian yang dilakukan adalah:
Pada perangkat lunak yang dibangun hanya dapat mencari judul, kategori dan deskripsi dari buku yang dicari, tidak meliputi isi dari seluruh buku. Penggunaan metode Naïve Bayes Classifier dapat diimplementasikan pada pencarian di perangkat lunak ini, karena berhasil mencari deskripsi yang berkaitan dengan kata yang dicari oleh user. Dengan menggunakan naïve bayes maka pengklasifikasian dokumen dapat dilakukan dengan baik, dapat dililat pada pengujian. Deskripsi kata yang di cari oleh User akan muncul pada hasil pencarian.
Yang dapat disarankan pada pengujian ini adalah:
a. Dapat digunakan beberapa format buku lain seperti file PDF.
b. Disempurnakan lagi algoritma pencariannya untuk mendapatkan hasil yang lebih maksimal. c. Melakukan data leraning yang lebih banyak untuk mendapatkan hasil yang lebih baik.
6. DAFTAR PUSTAKA
[1] Oded Z. Maimon, Lior Rokach.
Decomposotion methodology for knowledge discovery and data mining : theory and applications, World Scientific: 2005.
[2] Han, Jiawei, Micheline Kamber, Data Mining : Concepts and Techniques. Morgan Kaufmann, 2001
[3] Hidayatullah, P. Visual basic. NET membuat aplikasi database dan pemrograman kreatif.
[4] Susanto, S. Ph. D., Dedi S., S.T., M.S.
Pengantar Data Mining : Menggali Pengetahuan dari Bongkahan Data.
