• Tidak ada hasil yang ditemukan

Sistem Perekomendasi Wisata Alam di Kabupaten Bogor Berbasis Mobile Menggunakan Metode Item-Based Collaborative Filtering

N/A
N/A
Protected

Academic year: 2017

Membagikan "Sistem Perekomendasi Wisata Alam di Kabupaten Bogor Berbasis Mobile Menggunakan Metode Item-Based Collaborative Filtering"

Copied!
53
0
0

Teks penuh

(1)

SISTEM PEREKOMENDASI WISATA ALAM DI KABUPATEN

BOGOR BERBASIS MOBILE MENGGUNAKAN METODE

ITEM-BASED COLLABORATIVE FILTERING

HARI PRASETYO

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR

(2)
(3)

PERNYATAAN MENGENAI SKRIPSI DAN

SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA

Dengan ini saya menyatakan bahwa skripsi berjudul Sistem Perekomendasi Wisata Alam di Kabupaten Bogor Berbasis Mobile Menggunakan Metode Item-Based Collaborative Filtering adalah benar karya saya dengan arahan dari komisi

pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.

Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.

Bogor, Januari 2015

Hari Prasetyo

(4)

ABSTRAK

HARI PRASETYO. Sistem Perekomendasi Wisata Alam di Kabupaten Bogor berbasis mobile menggunakan metode item-based collaborative filtering.

Dibimbing oleh RINA TRISMININGSIH.

Kabupaten Bogor merupakan salah satu daerah yang memiliki peluang dan daya tarik wisata yang tinggi. Selain memiliki lokasi yang strategis, Kabupaten Bogor juga memiliki banyak objek wisata alam yang indah. Kurangnya informasi membuat wisatawan tidak mengetahui dan mengunjungi objek wisata alam di Kabupaten Bogor. Oleh karena itu diperlukan sistem perekomendasi. Penelitian ini dilakukan untuk membangun sistem perekomendasi wisata alam Kabupaten Bogor yang diharapkan dapat memberikan acuan kepada wisatawan yang ingin/akan berkunjung ke Kabupaten Bogor. Sistem perekomendasi ini dibangun dengan menggunakan metode item-based collaborative filtering dan menggunakan platform Android. Sistem perekomendasi ini mampu menampilkan daftar wisata

alam dengan deskripsinya berdasarkan rekomendasi dari pengguna. Kata kunci: collaborative filtering, sistem perekomendasi, wisata alam.

ABSTRACT

HARI PRASETYO. Recommender System with Item-Based Collaborative Filtering Method on Mobile Application for Natural Tourism at Bogor Regency. Supervised by RINA TRISMININGSIH.

Bogor Regency is one of regions that has a high chance and tourist attraction. Beside a strategic location, Bogor Regency also has many beautiful natural tourism. The lack of information makes the tourists don’t know and visited natural tourism in Bogor Regency. Therefore we need a system of the recommenders. This study was conducted to establish the recommender systems Bogor Regency natural tourism which is expected to provide reference to travelers who want to / will visit Bogor Regency. The system is built with the recommenders using item-based collaborative filtering and the Android platform. The recommenders system is able to display a list of nature tourism with the description based on recommendations from the user.

(5)

Skripsi

sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer

pada

Departemen Ilmu Komputer

SISTEM PEREKOMENDASI WISATA ALAM DI KABUPATEN

BOGOR BERBASIS MOBILE MENGGUNAKAN METODE

ITEM-BASED COLLABORATIVE FILTERING

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR

BOGOR 2015

(6)
(7)

Judul Skripsi : Sistem Perekomendasi Wisata Alam di Kabupaten Bogor Berbasis

Mobile Menggunakan Metode Item-Based Collaborative Filtering

Nama : Hari Prasetyo NIM : G64124022

Disetujui oleh

Rina Trisminingsih, SKom MT Pembimbing

Diketahui oleh

Dr Ir Agus Buono, MSi MKom Ketua Departemen

(8)

PRAKATA

Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Selawat dan salam penulis sampaikan kepada Nabi Muhammad shallallahu ‘alaihi wasallam serta kepada keluarganya, sahabatnya, serta para pengikutnya.

Terima kasih penulis ucapkan kepada Rina Trisminingsih, SKom MT selaku pembimbing, yang telah banyak memberi saran, bantuan dan dukungan. Ungkapan terima kasih juga disampaikan kepada seluruh keluarga terutama ayahanda Suyadi dan ibunda Ratmi atas segala doa dan kasih sayangnya. Penulis juga berterima kasih atas dukungan seluruh teman Ilmu Komputer Ahli Jenis Institut Pertanian Bogor angkatan 7.

Penulis berharap penelitian ini dapat memberikan manfaat, khususnya bagi para pengembang Android di Indonesia.

Bogor, Januari 2015

(9)

DAFTAR ISI

DAFTAR TABEL vi

DAFTAR GAMBAR vi

DAFTAR LAMPIRAN vi

PENDAHULUAN 1

Latar Belakang 1

Perumusan Masalah 2

Tujuan Penelitian 2

Manfaat Penelitian 2

Ruang Lingkup Penelitian 2

METODE 2

Collaborative Filtering 2

Item-Based Collaborative Filtering 3

Adjusted Cosine Similarity 4

Weighted Sum 5

Mean Absolute Error (MAE) 5

Fase Permulaan (Inception) 6

Fase Perluasan (Elaboration) 6

Fase Pembangunan (Construction) 6

Fase Peralihan (Transition) 7

HASIL DAN PEMBAHASAN 7

Fase Permulaan (Inception) 7

Fase Perluasan (Elaboration) 9

Fase Pembangunan (Construction) 15

Fase Peralihan (Transition) 18

SIMPULAN DAN SARAN 19

Simpulan 19

Saran 19

DAFTAR PUSTAKA 20

LAMPIRAN 23

(10)

DAFTAR TABEL

1 Tabel kebutuhan fungsionalitas SPWAKB 8

2 Tabel kebutuhan non fungsional SPWAKB 8

3 Tabel otoritas pengguna 8

4 Use case description mendapatkan rekomendasi 10

5 Rancangan tabel review 14

6 Tabel rate wisata alam oleh pengguna 16

7 Tabel similarity 17

8 Tabel prediksi rate obyek wisata alam 17

DAFTAR GAMBAR

1 Metode collaborative filtering 3

2 Metode item-based collaborative filtering 4

3 Proses RUP (Jacobson 2011) 6

4 Use Case Diagram SPWAKB 9

5 Activity Diagram mendapatkan rekomendasi 11

6 Sequence Diagram mendapatkan rekomendasi 12

7 Analisis class diagram SPWAKB 12

8 Class diagram SPWAKB 13

9 Rancangan antar muka menampilkan daftar wisata alam 14

10 Implementasi tabel review 15

11 Implementasi antar muka menampilkan daftar wisata alam 16

DAFTAR LAMPIRAN

1 Tabel daftar wisata alam 23

2 Use case description dari seluruh use case 25

3 Activity diagram dari seluruh use case 29

4 Sequence Diagram dari seluruh use case 32

5 Rancangan Tabel 35

6 Rancangan Tampilan Antar Muka 36

7 Implementasi Tabel 38

8 Implementasi Tampilan Antar Muka 39

(11)

1

PENDAHULUAN

Latar Belakang

Sebagai destinasi pariwisata, Kabupaten Bogor memiliki peluang dan daya tarik yang tinggi, karena selain memiliki lokasi yang strategis, Kabupaten Bogor juga memiliki obyek wisata yang menarik (DKPKB 2014). Namun informasi tentang referensi wisata alam yang dimiliki Kabupaten Bogor membuat banyak wisatawan yang tidak mengetahui seluruh wisata alam yang dimiliki oleh Kabupaten Bogor. Untuk itu diperlukan suatu aplikasi yang memberikan referensi untuk mendapatkan informasi tentang wisata alam Kabupaten Bogor.

Sistem perekomendasi adalah tipe spesifik dari teknik penyaringan informasi yang diupayakan untuk menyajikan data (seperti film, musik, halaman web, berita) yang kemungkinan menarik bagi pengguna. Secara intuitif, sistem perekomendasi membangun sebuah profil pengguna berdasarkan catatan sebelumnya, dibandingkan dengan beberapa karakteristik referensi, dan berupaya untuk memprediksi rating yang akan diberikan oleh pengguna ke item yang belum

dievaluasi oleh sistem (Wen 2008). Metode yang digunakan dalam pembangunan sistem perekomendasi dibagi menjadi 2 macam, yakni Content-Based Filtering dan Collaborative Filtering.

Collaborative Filtering (CF) adalah suatu metode dalam membuat

prediksi otomatis untuk memperkirakan ketertarikan atau selera seorang pengguna terhadap suatu item dengan cara mengumpulkan informasi dari

pengguna-pengguna yang lain yang direpresentasikan dalam bentuk nilai rating

(Sarwar et al. 2001). CF akan melakukan 2 proses, yaitu mencari pengguna lain

yang memiliki kemiripan pola rating dengan pengguna yang dijadikan target dan

menggunakan nilai rating dari pengguna lain untuk menghitung prediksi bagi

pengguna aktif.

Pada penelitian sebelumnya, Nuryunita dan Nurhadriyani (2013) telah membangun sistem perekomendasi menggunakan metode item-based collaborative filtering. Sistem ini memberikan rekomendasi buku menggunakan OpenCart

berbabis web. Sistem perekomendasi pada penelitian ini dibangun menggunakan

platform Android. Android masih menguasai marketshare penyebaran OS dengan

persentase sebesar 78.1% pada quarter ke empat di tahun 2013. Persentase ini

meningkat dari quarter ke empat di tahun sebelumnya yang sebesar 70.3% (IDC

2014). Selain itu, menurut data SCGS (2014), pengguna mobile yang menggunakan platform Android khususnya di Indonesia, terus meningkat tiap bulannya dan

mencapai 60% pada bulan Oktober 2014.

Penelitian ini membangun sistem perekomendasi menggunakan metode Item-based Collaborative Filtering pada platform Android yang dapat menampilkan

(12)

2

Perumusan Masalah

Perumusan masalah pada penelitian ini adalah bagaimana pengguna mendapatkan rekomendasi wisata alam Kabupaten Bogor?

Tujuan Penelitian

Tujuan dari penelitian ini adalah membangun Sistem Perekomendasi Wisata Alam berbasis mobile dengan menggunakan platform Android.

Manfaat Penelitian

Penelitian ini diharapkan menghasilkan sistem perekomendasi yang dapat memberikan referensi wisata alam sebagai acuan kepada wisatawan yang ingin berkunjung ke Kabupaten Bogor.

Ruang Lingkup Penelitian

Ruang lingkup dari penelitian ini yaitu data obyek wisata alam yang digunakan diperoleh dari Dinas Kebudayaan dan Pariwisata Kabupaten Bogor pada tahun 2014.

METODE

Collaborative Filtering

CF adalah suatu metode yang membuat prediksi otomatis untuk memperkirakan ketertarikan atau selera pengguna terhadap suatu item dengan cara

mengumpulkan informasi dari user-user lain yang direpresentasikan dalam bentuk

nilai rating (Sarwar et al. 2001). Tujuan dari algoritme collaborative filtering

(13)

3

Gambar 1 Metode collaborative filtering

Pada Gambar 1 dapat dilihat bahwa terdapat dua hal yang dilakukan sistem perekomendasi dengan metode CF, yaitu prediksi dan rekomendasi. Prediksi adalah melakukan prediksi berdasarkan opini yang telah diberikan oleh pengguna, sedangkan rekomendasi adalah memberikan rekomendasi kepada pengguna berupa daftar item. Item yang direkomendasikan adalah produk/item yang belum pernah

dibeli, dilihat, atau diberi rate oleh pengguna tersebut. Teknik collaborative filtering terbagi menjadi dua yaitu user-based collaborative filtering dan item-based collaborative filtering (Sarwar et al. 2001).

Item-Based Collaborative Filtering

Metode item-based collaborative filtering yang ditunjukan pada Gambar 2,

merupakan metode yang menggunakan rating dalam membuat sebuah rekomendasi.

Pada metode ini akan dicari item yang belum pernah diberi rate oleh pengguna dan item tersebut memiliki nilai keterkaitan yang tinggi. Item yang memiliki nilai

keterkaitan yang tertinggi akan dijadikan top-N rekomendasi.

INPUT (table rate)

Prediksi Prediksi pada wisata ke-j untuk anggota ke-a Rekomendasi Top-N Rekomendasi

Algoritma CF Interface Output

(14)

4

Gambar 2 Metode item-based collaborative filtering

Adjusted Cosine Similarity

Sarwar et al. (2001), menyebutkan bahwa salah satu langkah penting dalam

metode collaborative filtering adalah menghitung kesamaan antar item dan

kemudian memilih item yang memiliki nilai kemiripan yang tinggi. Ada 3 cara untuk menghitung kesamaan antar item, yaitu cosine-based similarity, correlation-based similarity and adjusted-cosine similarity. Adjusted cosine similarity memiliki

tingkat kesalahan lebih kecil bila dibandingkan dengan persamaan cosine lainnya.

Persamaan adjusted cosine similarity merupakan pengembangan dari persamaan cosine. Berikut adalah persamaan adjusted cosine similarity:

�� , = ∑�∈� �, − ̅� �, − ̅� √∑�∈� �, − ̅� √∑�∈� �, − ̅�

dengan :

�� , adalah nilai kemiripan antara itemi dan itemj.

� ∈ � adalah himpunan pengguna u yang memberikan rate pada item i maupun itemj.

�, adalah rating yang diberikan pengguna u pada item i. �, adalah rating yang diberikan pengguna u pada item j.

̅

� adalah rata-rata rating pengguna u.

(15)

5 Weighted Sum

Setelah mendapatkan sekumpulan wisata alam yang memiliki kemiripan yang tinggi, dilakukan proses prediksi yang memperkirakan nilai rate yang akan

diberikan oleh pengguna. Prediksi yang diperkirakan akan diberikan kepada wisata alam yang belum pernah diberi rate oleh pengguna tersebut. Teknik yang

digunakan untuk mendapatkan nilai prediksi adalah dengan persamaan weighted sum (Karypis 2001). Berikut adalah persamaan weighted sum:

��, =∑∈�∑ |�, ∗ ,

Mean Absolute Error (MAE)

MAE merupakan persamaan yang digunakan untuk mengukur akurasi sistem dengan membandingkan nilai yang diprediksi dengan nilai yang sebenarnya (Karypis, 2001). Berikut persamaan MAE :

�� = ∑ | − |�=

dengan :

�� adalah nilai rata-rata kesalahan penghitungan. adalah jumlah item yang dihitung.

adalah nilai prediksi item ke-i.

adalah nilai rate sebenarnya yang diberikan oleh pengguna pada item ke-i.

Metode pengembangan sistem yang digunakan dalam pembuatan sistem perekomendasi wisata alam di Kabupaten Bogor adalah Rational Unified Process

(16)

6

Gambar 3 Proses RUP (Jacobson 2011)

Fase Permulaan (Inception)

Fase ini mendefinisikan cakupan sistem dan membangun kasus bisnis untuk sistem. Identifikasi entitas eksternal yang akan berinteraksi dengan sistem dan mendefinisikan sifat interaksinya dilakukan untuk dapat memenuhi fase ini. Kasus bisnis meliputi kriteria sukses, kendala, estimasi sumber daya yang dibutuhkan dan rencana agenda. Pada fase inception, ditentukan sistem ini menggunakan metode item-based collaborative filtering untuk metode perekomedasinya. Pada fase ini

juga ditentukan metode untuk menghitung kesamaan antar item menggunakan

adjusted-cosine similarity dan untuk memprediksi nilai rate menggunakan weighted sum.

Fase Perluasan (Elaboration)

Tujuan dari fase perluasan adalah untuk menganalisis permasalahan utama, membuat arsitektur pondasi, membuat perencanaan pembangunan sistem, dan mengeliminasi elemen yang beresiko tinggi pada pembangunan sistem. Untuk memenuhi hal ini harus diketahui luas dari sistem yang dibuat, harus mengerti keseluruhan isi pembangunan sistem seperti cakupan sistem, fungsionalitas dari sistem dan kebutuhan nonfungsional dari sistem.

Fase Pembangunan (Construction)

Selama fase konstruksi semua komponen dan fitur dari perangkat lunak dibangun, diintegrasikan menjadi sebuah produk, dan diuji untuk semua fitur yang telah dibangun. Pada fase ini, ditentukan untuk pengujian rate yang diprediksi

(17)

7

Fase Peralihan (Transition)

Tujuan dari fase peralihan ini adalah untuk menyampaikan perangkat lunak kepada pengguna akhir. Pada saat perangkat lunak disampaikan kepada pengguna, biasanya terdapat keluhan dari pengguna akan kebutuhan yang belum terpenuhi. Hal ini membutuhkan pembuatan rilis terbaru, memperbaiki beberapa masalah, atau menyelesaikan fitur yang tertunda.

HASIL DAN PEMBAHASAN

Fase Permulaan (Inception)

Pada tahap ini dideskripsikan tentang model bisnis dan kebutuhan-kebutuhan yang dibagi menjadi 4, yaitu kebutuhan implementasi, kebutuhan data dan informasi, kebutuhan fungsionalitas, dan kebutuhan otoritas pengguna.

Model Bisnis

Alur kerja dari sistem perekomendasian ini adalah sistem akan menampilkan data wisata alam Kabupaten Bogor berdasarkan prediksi otomatis. Prediksi otomatis yang dibuat oleh sistem menggunakan metode CF.

Kebutuhan

1. Kebutuhan Implementasi

Untuk mengimplementasikan rancangan-rancangan dibutuhkan perangkat keras dan perangkat lunak dengan spesikasi minimum sebagai berikut.

1.1 Kebutuhan Perangkat Keras

Processor Intel(R) Dual Core @1.50 Ghz

Harddisk 250 GB

 Kapasitas RAM 2 GB  Keyboard dan tetikus.

 Monitor optimal pada resolusi 1024 x 768 pixel

Smartphone Android versi 2.3

1.2 Kebutuhan Perangkat Lunak

Perangkat lunak yang dibutuhkan dalam pembuatan sistem perekomendasi ini adalah :

 Sistem Operasi : Windows 7

 Sistem Manajemen Basis Data : MySQL  Bahasa pemograman : Java

 Editor : Eclipse

 Desain perancangan : Rational Rose

2. Kebutuhan Data dan Informasi

(18)

8

oleh sistem. Daftar wisata alam yang digunakan dalam sistem dapat dilihat pada Lampiran 1.

3. Kebutuhan Fungsional

Kebutuhan fungsional menunjukan apa saja yang dapat dilakukan oleh Sistem Perekomendasi Wisata Alam Kabupaten Bogor (SPWAKB). Penamaan kebutuhan fungsional pada sistem perekomendasi dengan menggunakan kode SPWAKB-XX. Deskripsi mengenai kebutuhan fungsional ditunjukan Tabel 1.

Tabel 1 Tabel kebutuhan fungsionalitas SPWAKB

Kode Fungsional Nama Fungsi Deskripsi

SPWAKB-01 Melihat daftar

wisata alam Menampilkan beberapa wisata alam SPWAKB-02 Melihat deskripsi Menampilkan deskripsi dan foto dari

wisata alam yang telah dipilih

SPWAKB-03 Registrasi anggota Melakukan pendaftaran untuk menjadi seorang anggota sistem ini

SPWAKB-04 Login Melakukan pengecekan akun anggota

SPWAKB-05 Mendapat

Rekomendasi Menampilkan hasil prediksi yang akan dijadikan rekomendasi kepada anggota SPWAKB-06 Memberikan

Penilaian Memberikan penilaian atau alam rate wisata

4. Kebutuhan Non Fungsional

Kebutuhan non fungsional menunjukan batasan pada kebutuhan fungsional. Kebutuhan non fungsional terbagi menjadi beberapa bagian, yaitu : usability, reliability, safety requirement, dan data integrity. Deskripsi mengenai kebutuhan

non fungsional secara lengkap ditunjukan pada Tabel 2.

Tabel 2 Tabel kebutuhan non fungsional SPWAKB

Non Fungsional Deskripsi

Usability SPWAKB memiliki rancangan antar muka yang user friendly

Reliability Aplikasi tidak boleh kehilangan data Safety

Requirement

Hanya administrator yang dapat menambah, mengubah, atau pun menghapus data wisata alam yang terdapat pada sistem

Data Integrity Data yang ditampilkan SPWAKB haruslah benar adanya

5. Kebutuhan Otoritas Pengguna

Proses identifikasi sistem perekomendasi wisata alam Kabupaten Bogor ini dilakukan dengan membagi karakteristik pengguna berdasarkan hak aksesnya. Hak akses pada sistem perekomendasi ini terbagi menjadi dua, yaitu: pengguna dan anggota. Deskripsi hak akses secara lengkap ditunjukan pada Tabel 3.

Tabel 3 Tabel otoritas pengguna

Kategori Pengguna Hak Akses Kebutuhan Pengguna

(19)

9

Kategori Pengguna Hak Akses Kebutuhan Pengguna

SPWAKB-02 Melihat deskripsi SPWAKB-03 Registrasi anggota

Anggota SPWAKB-01 Melihat daftar wisata alam SPWAKB-02 Melihat deskripsi

SPWAKB-04 Login

SPWAKB-05 Merekomendasikan wisata alam SPWAKB-06 Memberikan penilaian

Fase Perluasan (Elaboration)

Use case adalah semua cara dari penggunaan sistem dalam mencapai tujuan

tertentu untuk pengguna tertentu (Jacobson 2011). Use case berisi apa yang

dilakukan oleh sistem atau apa yang terjadi pada sistem, bukan bagaimana sistem melakukan. Jadi use case disini menjelaskan fungsi-funsi apa saja yang terdapat di

dalam aplikasi dan siapa saja yang berhak mengaksesnya. Untuk melihat use case diagram pada SPWAKB ditunjukan pada Gambar 4.

Gambar 4 Use Case Diagram SPWAKB

Setiap use case dideskripsikan lebih jelas pada use case description.Menurut

Satzinger et al. (2010), use case description adalah deskripsi yang berisi daftar

rincian proses untuk setiap use case. Use case description dari mendapatkan

(20)

10

Tabel 4 Use case description mendapatkan rekomendasi

Use Case Name Mendapatkan rekomendasi

Scenario Anggota akan mendapatkan rekomendasi wisata alam

Triggering Event -

Brief Description Sistem perekomendasi akan menghitung keterkaitan

antar wisata alam. Lalu sistem akan menentukan beberapa pasang wisata alam yang memiliki nilai kemiripan yang tinggi. Sistem akan memberikan prediksi kepada anggota sesuai dengan nilai prediksi.

Actors Anggota

Related Use Case Include : Login

Stakeholders -

Preconditions -Anggota telah memberikan rate terhadap beberapa

wisata alam.

-Memperbarui nilai rata-rata rate setiap wisata alam

-Memperbarui nilai rata-rata rate setiap anggota

-Memperbarui nilai kemiripan antar item wisata

alam

-Memperbarui nilai prediksi wisata alam

Postconditions -Dapat melihat deskripsi wisata alam

-Dapat melakukan rating terhadap wisata alam

Flow of Activities Actor System

1.Anggota melakukan proses login.

2.Jika pengguna belum terdaftar, pengguna diarahkan pada halaman sign up.

2a. Jika pengguna sudah terdaftar, pengguna

rating terhadap wisata

alam

1.1Mendaftarkan

pegguna baru tersebut

2a.1 Validasi pengguna 1.2 Memperbarui nilai rata-rata rate setiap

wisata alam, rata-rata rate anggota,

kemiripan antar item

wisata alam, dan prediksi wisata alam 1.3 Menampilkan hasil

(21)

11

Exception Conditions 2.3 Jika pengguna belum melakukan rate terhadap

wisata alam atau wisata alam yang diberi rate

tidak memiliki nilai kemiripan yang lebih besar dari 0,5 dengan wisata alam lainnya, sistem akan menampilkan hasil rekomendasi bedasarkan rate

tertinggi yang telah diberikan anggota lain.

Setiap use case juga digambarkan lebih rinci pada activity diagram. Activity diagram menunjukkan aliran dari satu aktivitas ke aktivitas lain dalam suatu sistem.

Suatu activity diagram menunjukkan satu himpunan aktivitas, apakah aliran dari

satu aktivitas ke aktivitas lain secara berurutan atau bercabang, dan objek yang bertindak dan berhenti (Booch et al. 1998). Activity Diagram dari mendapatkan

rekomendasi ditunjukan pada Gambar 5. Activity Diagram dari setiap use case pada

SPWAKB dapat dilihat pada Lampiran 3.

Gambar 5 Activity Diagram mendapatkan rekomendasi

Sequence diagram adalah diagram interaksi yang menekankan waktu urutan

pesan. Sequence diagram menunjukkan sekumpulan objek dan pesan yang dikirim

dan diterima oleh objek tersebut (Booch et al. 1998). Sequence diagram fungsi

mendapatkan rekomendasi ditunjukan pada Gambar 6. Sequence diagram

fungsi-fungsi lainnya dapat dilihat pada Lampiran 4.

Fungsi-fungsi dari sistem yang telah didefinisikan pada use case diagram

selanjutnya akan digunakan untuk membuat perancangan dari kelas-kelas yang terdapat di dalam sistem. Kelas-kelas ini terdiri dari atribut dan fungsi yang sesuai dengan use case, rancangan ini disebut class diagram. Analisis class diagram dari

(22)

12

Gambar 6 Sequence Diagram mendapatkan rekomendasi

Gambar 7 Analisis class diagram SPWAKB

Perancangan

1. Perancangan Desain Kelas

Berdasarkan class diagram pada tahap analisis, dibuat class diagram yang

(23)

13

(24)

14

2. Perancangan Basis Data

Basis data digunakan sebagai media penyimpanan sistem. Pada class diagram

terdapat atribut-atribut pada setiap kelas. Atribut-atribut ini yang menjadi acuan dalam pembuatan rancangan basis data. Basis data berbentuk tabel-tabel yang saling berhubungan satu dengan yang lain. Berikut adalah deskripsi dari tabel

review yang ditunjukkan oleh Tabel 5. Rancangan tabel lainnya dapat dilihat pada

Lampiran 5.

Tabel 5 Rancangan tabel review

Nama Field Tipe (length) Keterangan

review_id int(11) Primary key

id int(11)

pengguna_id int(11)

rate int(11)

3. Perancangan Tampilan Antar Muka

Perancangan tampilan antar muka digunakan untuk menjadi panduan dalam pembuatan implementasi tampilan antar muka. Perancangan antar muka penting untuk dibuat agar kita menghasilkan tampilan antar muka yang mudah dimengerti, mudah digunakan, nyaman untuk dilihat, dan konsisten. Sistem dengan tampilan antar muka yang baik akan memberikan dorongan pengguna untuk menggunakan sistem sesuai dengan fungsinya. Pada tahap perancangan tampilan antar muka SPWAKB dihasilkan rancangan antar muka untuk fungsi-fungsi yang didefinisikan pada use case diagram. Pada tiap fungsi-fungsi SPWAKB tersebut terdapat

rancangan masukan dan rancangan keluaran. Berikut gambaran rancangan desain fungsi daftar wisata yang dapat dilihat oleh anggota maupun pengguna. Rancangan tampilan antar muka daftar wisata ditunjukan pada Gambar 9. Rancangan tampilan antar muka lainnya dapat dilihat pada Lampiran 6. Rancangan tampilan antar muka ini dibuat dengan berdasarkan resolusi 480x800 pixel.

Gambar 9 Rancangan antar muka menampilkan daftar wisata alam HEADER

Wisata Nama WisataDeskripsi Singkat

Foto

Wisata Nama WisataDeskripsi Singkat

Foto

(25)

15

Fase Pembangunan (Construction)

Fase pembangunan dilakukan ketika fase permulaan dan perluasan selesai dilaksanakan. Dari fase permulaan dan perluasan dihasilkan use case diagram dan activity diagram yang digunakan untuk acuan dalam pembuatan desain dan

implementasi sistem.

Implementasi

Tahap impementasi adalah tahap yang paling penting di dalam pengembangan sistem, karena pada tahap ini rancangan-rancangan yang telah dibuat sebelumnya akan diterapkan hingga menjadi sebuah produk sistem.

1. Implementasi Basis Data

Sebelumnya telah dibuat rancangan basis data yang kemudian diterapkan ke dalam sistem manajemen basis data. SPWAKB menggunakan MySql dalam pengelolaan basis datanya yang kemudian diberi nama “spwakb.sql”. Implementasi basis data dilakukan dengan membuat tabel-tabel, field-field dan

hubungan tabel-tabel berdasarkan rancangan basis data. Berikut ini adalah contoh hasil implementasi tabel review yang ditunjukan pada Gambar 10. Implementasi

tabel lainnya dapat dilihat pada Lampiran 7.

# Name Type Collation Attributes Null Default Extra

1 review_id int(11) No None AUTO_INCREMENT

2 id int(11) No None

3 pengguna_id int(11) No None

4 rate int(11) No None

Gambar 10 Implementasi tabel review

2. Implementasi Tampilan Antar Muka

(26)

16

Gambar 11 Implementasi antar muka menampilkan daftar wisata alam 3. Implementasi Proses

Tahap implementasi proses adalah tahapan-tahapan yang dikerjakan langsung oleh sistem. Bahasa pemrograman Java dan PHP digunakan untuk mengolah masukan hingga menjadi keluaran dalam bentuk XML yang diharapkan.

Rekomendasi yang dihasilkan oleh SPWAKB didapat dengan melalui beberapa proses, yaitu :

i. Pengguna memberikan rate terhadap wisata alam.

ii. Menghitung rata-rata rate pengguna.

iii. Mengitung kemiripan antar obyek wisata alam. iv. Menghitung prediksi rate wisata alam.

Berdasarkan proses-proses yang telah diuraikan sebelumnya, maka akan dibuat simulasi dari proses mendapatkan rekomendasi. Proses pertama adalah mengumpulkan data pengguna yang telah memberikan rate pada wisata alam.

Pemberian rate hanya dapat dilakukan oleh anggota. Proses kedua adalah

menghitung nilai rata-rata rate yang telah dilakukan oleh anggota. Berikut adalah

simulasi data anggota yang telah memberikan rate yang ditunjukan oleh Tabel 6,

dimana A melambangkan anggota, W melambangkan obyek wisata alam,

sedangkan �̅ melambangkan nilai rata-rata rate dari masing-masing anggota.

Tabel 6 Tabel rate wisata alam oleh pengguna

Anggota W1 W2 W3 W4 W5 W6 W7 �̅

A1 - 2 - 5 - 5 5 4.25

(27)

17

Proses berikutnya adalah menghitung nilai kemiripan antar obyek wisata alam menggunakan adjusted cosine similarity. Simulasi nilai kemiripan antar obyek

wisata alam ditunjukan oleh Tabel 7 yang diurutkan berdasarkan nilai kemiripan yang tertinggi. Berdasarkan Tabel 7, terdapat empat pasang obyek wisata yang memiliki nilai kemiripan yang lebih besar dari 0.5 yaitu

Tabel 7 Tabel similarity

Wisata Alam 1 Wisata Alam 2 Similarity

W5 W7 1.00

Proses selanjutnya adalah mengitung nilai prediksi rate obyek wisata alam

menggunakan weighted sum. Pasangan obyek wisata alam yang memiliki nilai similarity di atas 0.5 akan dijadikan rekomendasi. Anggota yang mendapatkan

rekomendasi adalah anggota yang telah memberikan rate di salah satu obyek wisata.

Simulasi dari hasil prediksi dan objek wisata yang akan direkomendasikan ditunjukan pada Tabel 8.

Tabel 8 Tabel prediksi rate obyek wisata alam

(28)

18

Tahap pengujian adalah tahap lanjutan setelah pengembangan sistem, karena pada tahap ini rancangan-rancangan yang telah dibuat sebelumnya akan diterapkan hingga menjadi sebuah produk sistem. Pengujian yang dilakukan menggunakan dua metode pengujian, yaitu Mean Absolute Error (MAE) dan Black Box.

1. Mean Absolute Error (MAE)

Berdasarkan penghitungan dengan menggunakan MAE, tingkat kesalahan relatif kecil yaitu 0.33. Pada penelitian sebelumnya, Nuryunita dan Nurhadriyani (2013) yang juga membangun sistem perekomendasi dengan metode yang sama memiliki tingkat kesalahan yang lebih kecil yaitu 0,15. Hasil MAE pada penelitian sebelumnya lebih kecil dikarenakan sebelum merekomendasikan suatu item

dilakukan terlebih dahulu pengecekan kategori item yang akan direkomendasikan

dengan kategori yang disukai pengguna. Sedangkan pada penelitian kali ini, kurangnya data wisata alam yang diperoleh sehingga data wisata alam tidak dikategorikan.

2. Black Box

Black box testing merupakan metode pengujian sistem dengan menganggap

sebuah sistem seperti “black box” tanpa adanya pengetahuan mengenai

pemrograman dan metode ini hanya menguji sistem hanya dari aspek fundamental. Dalam melakukan pengujian black box penguji harus mengetahui arsitektur sistem.

Penguji tidak memerlukan akses untuk melihat kode program (Khan dan Khan 2012).

Pengujian dilakukan sesuai dengan kebutuhan fungsional yang terdapat pada

use case diagram. Pengujian dilakukan dengan metode black box, yaitu menguji

apakah fungsi pada aplikasi menghasilkan keluaran yang benar ketika diberi inputan yang didefinisikan. Berdasarkan hasil pengujian black box dengan beberapa

skenario yang diberikan menunjukkan bahwa seluruh fungsi yang ada pada aplikasi ini telah berjalan dengan menunjukkan hasil pengujian terhadap fungsi yang terdapat pada sistem ini. Hasil pengujian dapat dilihat pada Lampiran 9. Dari hasil pengujian dapat disimpulkan bahwa semua fungsi pada sistem telah berjalan dengan baik.

Fase Peralihan (Transition)

(29)

19 sistem tersebut telah siap untuk disampaikan kepada pengguna akhir. Penyampaian SPWAKB kepada pengguna akhir dilakukan dengan cara mengunggah sistem ke

playstore.

SIMPULAN DAN SARAN

Simpulan

Metode item-based collaborative filtering telah berhasil diimplementasikan

menggunakan bahasa pemograman Java dengan platform Android. Pengguna yang belum mendaftar sebagai anggota tidak mendapatkan rekomendasi. Rekomendasi yang ditampilkan hanya berdasarkan rating tertinggi. Pengguna yang telah

mendaftar sebagai anggota dan telah melakukan login akan mendapatkan

rekomendasi sesuai dengan rate yang telah dilakukan sebelumnya.

Keakuratan metode item-based collaborative filtering dihitung dengan

menggunakan persamaan Mean Absolute Error (MAE). Berdasarkan penghitungan

MAE, tingkat kesalahan hitung relatif kecil yaitu 0.33. Semakin kecil nilai MAE, semakin akurat rekomendasi yang dihasilkan.

Saran

Saran untuk penelitian berikutnya adalah menggunakan metode perekomendasi lainnya yang bukan hanya item-based namun juga user-based yang

(30)

20

DAFTAR PUSTAKA

Booch G, Rumbaugh J, Jacobson I. 1998. The Unified Modeling Language User Guide [Internet]. [diunduh 2014 Des 1]. 1(1): 87-90. Tersedi pada : http://meusite.mackenzie.com.br/rogerio/the-unified-modeling-language-user-guide.9780201571684.997.pdf

[DKPKB] Dinas Kebudayaan dan Pariwisata Kabupaten Bogor. 2014. Guide to Bogor. Dinas Kebudayaan dan Pariwisata Kabupaten Bogor. 1(1): 1-2.

[IDC] International Data Corporation. 2014. Android and iOS Continue to Dominate the Worldwide Smartphone Market with Android Shipments Just Shy of 800 Million in 2013, According to IDC [Internet]. [diunduh 2014 Nov 21].

Tersedia pada : http://www.idc.com/getdoc.jsp?containerId=prUS24676414. Jacobson, Ivar. 2011. Rational Unified Process Best Practices for Software

Development Teams. Rational Software White Paper.

Jacobson, Ivar. 2011. Use-Case 2.0 The Guide to Succeeding with Use Case. Ivar Jacobson International.

Karypis G. 2001. Evaluation of Item-Based Top-N Recommendation. 10th Conference of Information and Knowledge Management (CIKM) : BuckHead

5-10 November. 247-254.

Khan M, Khan F. 2012. A comparative study of white box, black box and greybox testing techniques. International Journal of Computer Science and Applications.

3: 12-15.

Nuryunita K, Nurhadrayani Y. 2013. Pembuatan Modul Rekomendasi pada Opencart Menggunakan Metode Item-Based Collaborative Filtering. Jurnal

Ilmu Komputer Agri-Informatika, IPB [Internet]. [diunduh 2015 3 Maret];

2(1):9-19. Tersedia pada:

http://journal.ipb.ac.id/index.php/jika/article/download/7965/6242

Sarwar B, Karypis G, Konstan J, Riedl j. 2001. Item-Based Collaborative Filtering Recommendation Algorithms. Proceedings of the 10th International World Wide Web Conference, 285-295.

Satzinger J, Jackson R, Burd S. 2010. 5th Edition Systems Analysis and Design in a Changing World [Internet]. [diunduh 2015 Jan 6]. 5(1) : 171.

[SCGS] StatCounter Global Stats. 2014. Top 8 Mobile Operating System in Indonesia from Oct 2013 to Oct 2014 [Internet]. [diunduh 2014 Nov 11]. Tersedia pada : http://gs.statcounter.com/#mobile_os-ID-monthly-201310-201410

(31)

21

(32)
(33)

23 Lampiran 1 Tabel daftar wisata alam

No Wisata Alam Lokasi Website

Indonesia Jalan Raya Taman Safari, Cisarua Puncak, Bogor.

bogor.tamansafari.com

3 Paradise Park Jalan Bojong Koneng, Gunung Geulis, Sentul City, Bogor

sentulparadise.com

4 Wisata Agro

Gunung Mas Jalan Raya Puncak Kotak Pos 6, Cisarua, Bogor

Matahari Jalan Raya Puncak KM 77, Cisarua,

Kabupaten Bogor.

tamanwisatamatahari.co.id

7 Gunung Salak

Halimun Kampung Citalahab Desa Malasari

Bodogol Jalan Raya Bogor Lido, Resort PPKAB Taman Nasional Gunung Gede Pangrango

-

10 Penangkaran

(34)

24

Mekarsari Jalan Cileungsi Jonggol KM. 3, Cileungsi Bogor

www.mekarsari.com

14 Kebun Wisata

Pasirmukti Jalan raya tajur pasirmukti KM 4 Citeureup Bogor.

www.pasirmukti.co.id

15 Telaga

Malimping Kampung Malimping Cigombong

Panas Ciseeng Taman Wisata Tirta Sanita, Jalan Raya Gunung Kapur Ciseeng, Parung

-

18 Cibalung Happy

Land Jalan Cihideung Kampung Cibalung Desa Cibalung

Kabupaten Bogor

www.cibalunghappyland.co.id

19 Taman Rekreasi

Lido Jalan Raya Sukabumi, Desa Wates Jaya, Kecamatan Cijeruk

(35)

25 Lampiran 2 Use case description dari seluruh use case

Use Case Name Registrasi Anggota

Scenario Pengguna melakukan registrasi untuk menjadi

anggota

Triggering Event -

Brief Description Sistem menyediakan form registrasi bagi pengguna

yang tertarik untuk menjadi anggota. Pengguna diminta untuk membuat username dan password yang nantinya akan digunakan untuk dapat login sebagai anggota.

Actors Pengguna

Related Use Case -

Stakeholders -

Preconditions -Pengguna belum memiliki akun atau belum

terdaftar

Postconditions -Dapat melakukan login

Flow of Activities Actor System

1.Pengguna mengisikan

(36)

26

Lampiran 2 lanjutan

Use Case Name Login

Scenario Anggota memasukkan username dan password, lalu

anggota mendapatkan rekomendasi wisata alam

Triggering Event -

Brief Description Sistem menyediakan form login bagi pengguna yang

telah terdaftar sebagai anggota. Untuk login, pengguna harus memasukkan username dan password yang telah diregistrasikan sebelumnya.

Actors Anggota

Related Use Case -

Stakeholders -

Preconditions -Pengguna telah memiliki akun atau sudah berhasil

medaftar

Postconditions -Mendapatkan rekomendasi

-Dapat melihat informasi wisata alam -Dapat melakukan rate

Flow of Activities Actor System

1.Pengguna mengisikan

(37)

27 Lampiran 2 lanjutan

Use Case Name Melihat daftar wisata alam

Scenario Pengguna atau anggota dapat melihat daftar wisata

alam Kabupaten Bogor sesuai dengan urutan yang diinginkan

Triggering Event -

Brief Description Sistem akan menampilkan daftar wisata alam yang

terdapat pada Kabupaten Bogor. Wisata alam yang akan ditampilkan dapat ditentukan berdasarkan beberapa hal, berdasarkan pilihan dari pengguna.

Actors Pengguna dan anggota

Related Use Case -

Stakeholders -

Preconditions -

Postconditions Dapat melihat deskripsi wisata alam

Flow of Activities Actor System

1.Pengguna atau anggota dapat menentukan

Exception Conditions -

Use Case Name Melihat deskripsi

Scenario Pengguna atau anggota memilih salah satu wisata

alam, lalu sistem akan menampilkan nama, alamat, deskripsi, dan foto dari wisata alam tersebut

Triggering Event -

Brief Description Deskripsi wisata alam disini akan menjelaskan

tentang apa saja yang berkaitan dengan wisata alam tersebut, seperti kapan diresmikannya, apa saja fasilitas yang terdapat disana, dan

menggambarkan situasi dan kondisi wisata alam tersebut serta foto-foto wisata alam tersebut.

Actors Pengguna dan anggota

Related Use Case -

Stakeholders -

Preconditions -

Postconditions Untuk anggota, dapat melakukan rate terhadap

wisata alam tersebut.

Flow of Activities Actor System

1.Pengguna atau anggota memilih salah satu

(38)

28

Lampiran 2 lanjutan

Use Case Name Memberikan penilaian

Scenario Anggota memilih salah satu wisata alam lalu

memberikan rate terhadap wisata alam tersebut

Triggering Event -

Brief Description Pengguna yang telah mendaftar sebagai anggota

sistem perekomendasi ini dapat memberikan penilaian terhadap wisata alam. Penilaian tersebut yang akan mempengaruhi rekomendasi yang didapatkan anggota tersebut.

Actors Anggota

Related Use Case Include : Login

Stakeholders -

Preconditions Memilih salah satu wisata alam yang belum pernah

diberi rate.

Postconditions -Memberikan tanda bahwa wisata alam tersebut

telah diberi rate.

-Memperbarui nilai rata-rata rate setiap wisata alam

-Memperbarui nilai rata-rata rate setiap anggota

-Memperbarui nilai kemiripan antar item wisata

alam

-Memperbarui nilai prediksi wisata alam

Flow of Activities Actor System

1.Anggota memilih salah satu wisata alam.

2.Anggota memberikan

rate terhadap wisata

alam tersebut

(39)

29 Lampiran 3 Activity diagram dari seluruh use case

1 Use case registrasi anggota

(40)

30

Lampiran 3 lanjutan

3 Use case melihat daftar wisata alam

(41)

31 Lampiran 3 lanjutan

(42)

32

Lampiran 4 Sequence Diagram dari seluruh use case

1 Use case registrasi anggota

(43)

33 Lampiran 4 lanjutan

3 Use case melihat daftar wisata

(44)

34

Lampiran 4 lanjutan

(45)

35 Lampiran 5 Rancangan Tabel

1 Rancangan Tabel hasilrate

Nama Field Tipe (length) Keterangan

hasilrate_id int (11) Primary key

pengguna_id int (11)

id int (11)

Hasilrate int (11)

2 Rancangan Tabel prediction

Nama Field Tipe (length) Keterangan

prediction_id int (11) Primary key

pengguna_id int (11)

id int (11)

predrate double

3 Rancangan Tabel pengguna

Nama Field Tipe (length) Keterangan

pengguna_id int (11) Primary key

nama varchar (100)

katakunci varchar (100)

rata_rate double

4 Rancangan Tabel similarity

Nama Field Tipe (length) Keterangan

sim_id int (11) Primary key

wisata_id1 int (11)

wisata_id2 int (11)

sim double

5 Rancangan Tabel wisata

Nama Field Tipe (length) Keterangan

id int (11) Primary key

title title (100)

description text

alamat varchar (200)

link varchar (200)

(46)

36

Lampiran 6 Rancangan Tampilan Antar Muka 1 Rancangan Tampilan Antar Muka Menu

2 Rancangan Tampilan Antar Muka Login

Me nu

Judul Sistem

Login HEADER

HEADER

Kabupaten Bogor

username

password

Login

(47)

37 Lampiran 6 lanjutan

3 Rancangan Tampilan Antar Muka Sign Up

4 Rancangan Tampilan Antar Muka Melihat Deskripsi

Kabupaten Bogor HEADER

new username

new password

retype password

Sign Up

HEADER

Gambar

Nama wisata alam Alamat wisata alam

(48)

38

Lampiran 7 Implementasi Tabel 1 Implementasi Tabel hasilrate

# Name Type Collation Attributes Null Default Extra

1 hasilrate_id int(11) No None AUTO_INCREMENT

2 pengguna_id int(11) No None

3 id int(11) No None

4 hasilrate int(11) No None

2 Implementasi Tabel prediction

# Name Type Collation Attributes Null Default Extra

1 prediction_id int(11) No None AUTO_INCREMENT

2 pengguna_id int(11) No None

3 id int(11) No None

4 pred_rate double No None

3 Implementasi Tabel pengguna

# Name Type Collation Attributes Null Default Extra

1 pengguna_id int(11) No None AUTO_INCREMENT

2 nama varchar(100) latin1_swedish_ci No None

3 katakunci varchar(200) latin1_swedish_ci No None

4 rata_rate double No None

4 Implementasi Tabel similarity

# Name Type Collation Attributes Null Default Extra

1 sim_id int(11) No None AUTO_INCREMENT

2 wisata_id1 int(11) No None

3 wisata_id2 int(11) No None

4 sim double No None

5 Implementasi Tabel wisata

(49)

39 Lampiran 8 Implementasi Tampilan Antar Muka

1 Implementasi Tampilan Antar Muka Menu

(50)

40

Lampiran 8 lanjutan

3 Implementasi Antar Muka Sign Up

(51)
(52)

42

Lampiran 9 Hasil pengujian Black Box

No Kode Fungsi Nama

Proses Masukkan Keluaran Keterangan

1

SPWAKB-03 Registrasi anggota Username, password,

dan retype

04 Login Usernamedan

password

05 Mendapat Rekomendasi Melakukan Login

Tampil Rekomendasi wisata alam

Sukses

6

(53)

43

RIWAYAT HIDUP

Penulis dilahirkan pada tanggal 6 November 1991 di kota Wonogiri, Jawa Tengah. Penulis merupakan anak pertama dari dua bersaudara dengan Ayah Suyadi dan Ibu Ratmi. Pada tahun 2009 penulis lulus dari SMA Negeri 103 Jakarta dan pada tahun yang sama penulis diterima di Jurusan Manajemen Informatika Program Diploma Institut Pertanian Bogor (IPB) melalui jalur Undangan Seleksi Masuk IPB. Tahun 2012 penulis lulus dari Diploma IPB dan pada tahun yang sama penulis diterima di Program Alih Jenis S1 Ilmu Komputer IPB melalui tes seleksi masuk.

Gambar

Gambar 1 Metode collaborative filtering
Gambar 2 Metode item-based collaborative filtering
Gambar 3 Proses RUP (Jacobson 2011)
Tabel 1 Tabel kebutuhan fungsionalitas SPWAKB
+7

Referensi

Dokumen terkait

Hasil penelitian ini sama dengan hasil penelitian yang dilakukan oleh Wijaya (2011) yang menyatakan bahwa tidak ada hubungan antara personal hygiene dengan

Dalam perencanaa Sumber Daya Manusia (SDM) di unit rekam medis hendaklah memperhatikan jenis pekerjaan,kebutuhan jumlah tenaga kerja untuk unit rekam medis tersebut

Analisis data yang digunakan dalam penelitian ini adalah secara deskriptif, yaitu dengan cara mendeskripsikan data yang telah dikumpulkan untuk melihat

Pelaksanaan Kegiatan berupa perawatan lingkungan berdasarkan atas landasan ajaran Tri Hitha Karana merupakan bentuk harmonisasi yang dibina sejak dini pada diri peserta didik

Hal ini disebabkan tahu Karanganyar kalah bersaing dengan tahu dari daerah lain terutama dalam hal “rasa” .Untuk itu perlu usaha untuk meningkatkan kualitas (rasa) tahu sehingga

Lokasi penelitian ditentukan secara sengaja, penentuan responden dilakukan dengan metode simple random sampling jumlah responden yang ditetapkan sebagai sampel dalam

Dengan kata lain, terjadi tambahan biaya umum akibat kemacetan yang terjadi sebesar Rp 638,82 per kendaraan (SMP) per km perjalanan. Dengan kata lain, terjadi tambahan