• Tidak ada hasil yang ditemukan

BAB 3 ANALISIS DAN PERANCANGAN SISTEM

N/A
N/A
Protected

Academic year: 2021

Membagikan "BAB 3 ANALISIS DAN PERANCANGAN SISTEM"

Copied!
69
0
0

Teks penuh

(1)

  BAB 3

ANALISIS DAN PERANCANGAN SISTEM

Perancangan sistem dapat dibagi menjadi lima bagian, yaitu perancangan directory

server, perancangan soal dan jawaban tes esai, perancangan algoritma penilaian tes

esai, perancangan skema sistem, dan perancangan interface.

3.1 Perancangan Directory Server

Perancangan Directory Server merupakan perancangan folder-folder yang akan digunakan di dalam directory server. Adapun rincian nama folder dalam directory

server adalah sebagai berikut :

1. Folder "Soal"

Folder ini berisikan kumpulan soal tiap matakuliah yang telah diinput oleh dosen.

2. Folder "Key"

Folder ini berisikan kumpulan kunci jawaban dari dosen dan seluruh query yang

diperoleh dari kunci jawaban dari dosen maupun jawaban dari mahasiswa. Query yang dimaksud merupakan kata-kata kunci yang diperoleh dari kunci jawaban maupun jawaban mahasiswa yang telah mengalami proses penghilangan tanda baca dan kata umum serta penghilangan kata-kata yang sama, sehingga walaupun suatu kata memiliki lebih dari satu kemunculan dalam satu kalimat, kata tersebut tetap akan disimpan hanya satu kali.

3. Folder "Jawaban"

Folder ini berisikan kumpulan sub folder dengan nama kombinasi dari kode ujian,

tanda garis bawah ("_") dan kelas ujian. Tiap sub folder tersebut terdapat kumpulan jawaban dari mahasiswa yang disimpan dalam format text (.txt).

(2)

3.2 Perancangan Soal, Kunci Jawaban dan Jawaban Tes Esai

Pada tahap perancangan ini terdapat lima komponen penting, yaitu :

1. Soal, yaitu pertanyaan yang diinput oleh dosen sebagai skala penilaian terhadap pemahaman mahasiswa terhadap suatu materi matakuliah.

2. Kunci Jawaban, yaitu jawaban dari dosen untuk setiap soal yang dibuat sebelumnya sebagai skala pembanding terhadap jawaban dari mahasiswa. 3. Query Kunci Jawaban, yaitu Key Jawaban yang telah mengalami proses

penghilangan tanda baca dan kata umum.

4. Jawaban, yaitu jawaban yang diinput oleh mahasiswa berdasarkan soal yang diberikan dosen.

5. Query Jawaban, yaitu Jawaban yang telah mengalami proses penghilangan tanda baca dan kata umum.

6. Queries, yaitu kumpulan istilah atau kata yang diperoleh dari Query Key

Jawaban dan Query Jawaban. Komponen ini hanya menyimpan satu kata untuk satu kata atau lebih dari satu kata yang sama yang ditemukan dalam

Query Kunci Jawaban maupun Query Jawaban.

Perancangan ini dimulai dari dosen menginput identitas ujian (kode ujian, nama ujian, kelas ujian, jumlah soal ujian, tanggal ujian, waktu ujian, lamanya ujian). Selanjutnya dosen juga menginput masing-masing nilai bobot, soal, dan jawaban sebanyak jumlah soal ujian yang telah diinput sebelumnya.

Nilai bobot masing-masing tiap nomor soal akan digabung dengan tanda "|" sebagai pemisah bobot antar soal. Nilai bobot tersebut akan disimpan di database sebagai acuan untuk perhitungan nilai bobot tiap soal. Soal yang diinput oleh dosen akan disimpan ke dalam sebuah file berformat text (.txt) dengan nama kombinasi dari kode ujian, tanda garis bawah ("_"), dan kelas ujian di dalam Folder Soal dalam

directory server. Simbol yang digunakan sebagai pemisah antarsoal digunakan tanda

"~".

Contoh : "Apa yang dimaksud dengan tes?~Apa itu tes esai?" disimpan di directory "<server>/soal/TES_A.txt".

(3)

Sama halnya dengan komponen Soal, komponen Kunci Jawaban akan disimpan ke dalam sebuah file berformat text dengan nama kombinasi string “key_” dan kode_ujian.Sedangkan Query Kunci Jawaban akan mengalami dua proses. Pertama, penghilangan tanda baca dan simbol-simbol yang tidak diperlukan dalam perhitungan nilai, seperti tanda titik (.), tanda koma(,), dan sebagainya. Kedua, Kunci Jawaban akan mengalami proses penghilangan kata-kata umum, seperti dan, atau, jika, apabila, dan sebagainya. Simbol yang digunakan dalam pemisah antarkunci jawaban digunakan tanda spasi (“ “), sedangkan pemisah kunci jawaban tiap soal digunakan tanda "~". Kemudian kunci jawaban tersebut akan disimpan dalam file berformat teks (.txt) dengan nama kombinasi dari kode ujian , tanda garis bawah ("_"), dan kelas ujian di dalam Folder Key pada directory server.

Selanjutnya, hasil penghilangan tanda baca dan kata umum tersebut akan mengalami penghilangan kata yang sama. Misalnya di dalam satu kalimat terdapat dua atau lebih suatu kata, maka kata tersebut hanya disimpan sekali dalam variabel, sedangkan sisa kata yang sama akan di-skip saat pengecekan suatu kata. Setelah itu, hasilnya akan diurut sesuai urutan pada kamus kemudian hasilnya akan disimpan dalam file berformat teks (.txt) dengan nama kombinasi string "query_", kode ujian, simbol garis bawah ("_") dan kelas ujian di dalam Folder Key pada directory server.

Komponen Jawaban berasal dari jawaban yang diberikan mahasiswa dan tidak mengalami penghilangan tanda baca maupun kata-kata umum. Proses yang dialami komponen ini sama seperti proses yang dialami oleh komponen soal. Jawaban akan disimpan ke dalam sebuah file berformat text (.txt) dengan nama kombinasi dari kode ujian, tanda garis bawah ("_"), dan kelas ujian di dalam sub Folder Jawaban dengan nama kombinasi dari kode ujian, tanda garis bawah ("_") dan kelas ujian. dalam

directory server. Simbol yang digunakan dalam pemisah antarjawaban digunakan

tanda "~".

Komponen Query Jawaban juga berasal dari jawaban yang diberikan

mahasiswa. Namun, Query Jawaban mengalami penghilangan tanda baca dan kata-kata umum. Query Jawaban akan disimpan ke dalam sebuah file berformat text (.txt) dengan nama kombinasi dari kode ujian, tanda garis bawah ("_"), dan kelas ujian di

(4)

dalam sub folder "jawaban" dengan nama kombinasi dari kode ujian, tanda garis bawah ("_") dan kelas ujian. dalam directory server. Simbol yang digunakan dalam pemisah antarjawaban digunakan tanda "~".

Selanjutnya, Komponen Query Jawaban akan mengalami penghilangan kata

yang sama. Misalnya di dalam satu kalimat terdapat dua atau lebih suatu kata, maka kata tersebut hanya disimpan sekali dalam variabel, sedangkan sisa kata yang sama akan di-skip saat pengecekan suatu kata. Setelah itu, hasilnya akan digabung dengan

Query Kunci Jawaban dan diurut sesuai urutan pada kampus kemudian hasilnya akan

disimpan dalam file berformat teks (.txt) dengan nama kombinasi string "query_", kode ujian, simbol garis bawah ("_") dan kelas ujian di dalam folder bernama "key" dalam directory server.

Contoh perancangannya adalah sebagai berikut : Kode Ujian : SO

Nama Ujian : Sistem Operasi Kelas Ujian : B

Jumlah Soal : 4

Tanggal Ujian : 28/07/2011 Waktu Ujian : 10.30 Lama Ujian : 30 menit Soal :

1. Jelaskan apa yang dimaksud dengan sistem operasi?

2. Apa yang dimaksud dengan penjadwalan dalam sistem operasi? Kunci Jawaban :

1. Sistem operasi merupakan perangkat lunak komputer atau software yang bertugas untuk melakukan kontrol dan manajemen perangkat keras dan juga operasi-operasi dasar sistem, termasuk menjalankan software aplikasi seperti program-program pengolah data yang bisa digunakan untuk mempermudah kegiatan manusia

2. Penjadwalan merupakan kumpulan kebijaksanaan dan mekanisme di sistem operasi yang berkaitan dengan urutan kerja yang dilakukan oleh sistem komputer.

(5)

Jawaban :

Mahasiswa dengan nim 071401014 dimisalkan memberikan jawaban sebagai berikut :

1. Sistem operasi merupakan penghubung antara lapisan hardware dan lapisan software

2. Penjadwalan merupakan alokasi sumber-sumber untuk melaksanakan sekumpulan tugas berdasarkan waktu.

Output :

1. File soal di directory <server>/soal/SO_B.txt" berisikan sebagai berikut :

Jelaskan apa yang dimaksud dengan sistem operasi?~Apa yang dimaksud dengan penjadwalan dalam sistem operasi?

2.File Query Kunci Jawaban di directory "<server>/key/_SO_B.txt" berisikan sebagai berikut :

sistem operasi perangkat lunak komputer software bertugas melakukan kontrol manajemen perangkat keras operasi operasi dasar sistem menjalankan software aplikasi program program pengolah data digunakan mempermudah kegiatan manusia~penjadwalan kumpulan kebijaksanaan mekanisme sistem operasi berkaitan urutan kerja dilakukan sistem komputer

3. File Jawaban di directory "<server>/jawaban/SO_B/071401014.txt" berisikan sebagai berikut :

sistem operasi merupakan penghubung antara lapisan hardware dan lapisan software~penjadwalan merupakan alokasi sumber-sumber untuk melaksanakan sekumpulan tugas berdasarkan waktu.

4. File Query Jawaban di directory "<server>/jawaban/SO_B/key_071401014.txt" berisikan sebagai berikut :

sistem operasi penghubung lapisan hardware lapisan software~penjadwalan alokasi sumber sumber untuk melaksanakan tugas berdasarkan waktu

(6)

5. File Queries di directory “<server>/key/query_SO_B.txt” berisikan sebagai berikut: aplikasi bertugas dasar data digunakan hardware kegiatan keras komputer control lapisan lunak manajemen manusia melakukan mempermudah menjalankan operasi penghubung pengolah perangkat program sistem software~ alokasi berdasarkan berkaitan dilakukan kebijaksanaan kerja komputer kumpulan mekanisme melaksanakan penjadwalan sistem sumber tugas urutan waktu

3.3. Perancangan Algoritma Penilaian Tes Esai

Algoritma yang digunakan terdiri atas Term Frequency/Inverse Document Frequency (TF/IDF), Latent Semantic Analysis (LSA), dan gabungan kedua algoritma tersebut (TF/IDF – LSA). Adapun rancangan algoritma tiap algoritma adalah sebagai berikut :

3.3.1 Algoritma TF/IDF

Langkah-langkah kinerja algoritma TF/IDF adalah sebagai berikut :

1. Ditentukan terlebih dahulu masing-masing query, yaitu query dari jawaban (D), query dari key jawaban (Q) dan gabungan keduanya(Queries).

2. Ketiga query tersebut dihilangkan stoplist atau simbol-simbol yang tidak

mempengaruhi penilaian, seperti tanda titik, tanda koma, tanda seru, dan sebagainya. 3. Ketiga query tersebut dihilangkan stopwords atau kata-kata umum yang lazim digunakan dalam suatu query, seperti "dan", "jika", "di", "namun", "tetapi", dan sebagainya.

Tabel 3.1 Tabel Sampel Query

Dokumen Term yang mewakili dokumen

Q data keterangan mentah belum diolah belum bisa dijadikan acuan mengambil suatu keputusan

D1 data data mentah sekumpulan

D2 belum belum bisa data diolah fakta informasi mentah menyajikan D3 acuan belum belum bisa data dijadikan diolah informasi keputusan

(7)

4. Dihitung nilai term frequency query jawaban dan query key jawaban terhadap queries. Jadi perhitungan term di query jawaban dan query key jawaban merujuk pada term yang terdapat dalam queries.

5. Dihitung nilai document frequency (n) atau banyaknya file (N) yang memiliki

suatu term untuk tiap term dalam queries.

6. Dihitung nilai inverse document frequency dengan rumus : log (N/n) +1

Tabel 3.2 Tabel Perhitungan TF dan IDF Term tf df idf Q J1 J2 J3 Log(n/df)+1 Acuan 1 0 0 1 2 1.30103 Belum 2 0 2 2 3 1.12493874 Bisa 1 0 1 1 3 1.12493874 Data 1 2 1 1 4 1 Dijadikan 1 0 0 1 2 1.30103 Diolah 1 0 1 1 3 1.12493874 Fakta 0 0 1 0 1 1.60205999 Informasi 0 0 1 1 2 1.30103 Keputusan 1 0 0 1 2 1.30103 Keterangan 1 0 0 0 1 1.60205999 Mengambil 1 0 0 0 1 1.60205999 Mentah 1 1 1 1 4 1 Menyajikan 0 0 1 0 1 1.60205999 Pengambilan 0 0 0 1 1 1.60205999 Sekumpulan 0 1 0 0 1 1.60205999 suatu 1 0 0 0 1 1.60205999

7. Dikalikan nilai term frequency dengan nilai inverse document frequency tiap term dalam Q maupun D.

Tabel 3.3 Tabel Perhitungan TF/IDF TF/IDF = tf * idf Term Q J1 J2 J3 Acuan 1.30103 0 0 1.30103 Belum 2.249877 0 2.24987747 2.249877 Bisa 1.124939 0 1.12493874 1.124939 Data 1 2 1 1 Dijadikan 1.30103 0 0 1.30103 Diolah 1.124939 0 1.12493874 1.124939 Fakta 0 0 1.60205999 0 Informasi 0 0 1.30103 1.30103 Keputusan 1.30103 0 0 1.30103 Keterangan 1.60206 0 0 0

(8)

Term Q J1 J2 J3 Mengambil 1.60206 0 0 0 Mentah 1 1 1 1 Menyajikan 0 0 1.60205999 0 Pengambilan 0 0 0 1.60206 Sekumpulan 0 1.602059991 0 0 suatu 1.60206 0 0 0

8. Dihitung hasil perkalian skalar masing-masing query jawaban terhadap query

key jawaban. Hasil perkalian dari setiap jawaban dengan query dijumlahkan (sesuai

pembilang pada rumus di atas).

Tabel 3.4 Tabel Hasil Perkalian Skalar Tiap D terhadap Q Ji

.

Q Term J1 J2 J3 Acuan 0 0 1.692679 Belum 0 5.06194864 5.061949 Bisa 0 1.26548716 1.265487 Data 2 1 1 Dijadikan 0 0 1.692679 Diolah 0 1.26548716 1.265487 Fakta 0 0 0 Informasi 0 0 0 Keputusan 0 0 1.692679 Keterangan 0 0 0 Mengambil 0 0 0 Mentah 1 1 1 Menyajikan 0 0 0 Pengambilan 0 0 0 Sekumpulan 0 0 0 suatu 0 0 0 SUM (Ji

.

Q) 3 9.59292297 14.67096

9. Dihitung hasil perkalian vektor tiap query key jawaban dan query jawaban. Tabel 3.5 Tabel Hasil Perkalian Vektor Q dan D

(TF/IDF(Q,D))2 Term Q J1 J2 J3 Acuan 1.692679 0 0 1.692679 Belum 5.061949 0 5.061949 5.061949 Bisa 1.265487 0 1.265487 1.265487 Data 1 4 1 1

(9)

Term Q J1 J2 J3 Dijadikan 1.692679 0 0 1.692679 Diolah 1.265487 0 1.265487 1.265487 Fakta 0 0 2.566596 0 Informasi 0 0 1.692679 1.692679 Keputusan 1.692679 0 0 1.692679 Keterangan 2.566596 0 0 0 Mengambil 2.566596 0 0 0 Mentah 1 1 1 1 Menyajikan 0 0 2.566596 0 Pengambilan 0 0 0 2.566596 Sekumpulan 0 2.566596 0 0 Suatu 2.566596 0 0 0 SUM (TF/IDF(Q,D))2 22.37075 7.566596 16.41879 18.93024 SQRT(SUM(TF/IDF(Q,D))2) 4.729773 2.750745 4.052011 4.350889

10.Dihitung nilai cosine similarity ( nilai vektor beda antara D terhadap Q) dengan rumus :

Pembilang pada rumus tersebut merupakan langkah no.7, sedangkan penyebutnya merupakan langkah no.8.

Tabel 3.6 Tabel Hasil Perhitungan CoSim dan Nilai TF/IDF Cosim (Di,Q) Nilai Cosim Jika bobot = 50,

Nilai (Nilai Cosim *bobot) Cosim(D1,Q) 0.23058482 11.52924

Cosim(D2,Q) 0.50054147 25.02707

Cosim(D3,Q) 0.71291913 35.64596

(10)

Langkah-langkah algoritma TF/IDF dapat direpresentasikan ke dalam flowchart sebagai berikut :

(11)

3.3.2 Algoritma LSA

Langkah-langkah kinerja algoritma TF/IDF adalah sebagai berikut :

1. Ditentukan terlebih dahulu masing-masing query, yaitu query dari jawaban (D), query dari key jawaban (Q) dan gabungan keduanya(Queries).

2. Ketiga query tersebut dihilangkan stoplist atau simbol-simbol yang tidak

mempengaruhi penilaian, seperti tanda titik, tanda koma, tanda seru, dan sebagainya. 3. Ketiga query tersebut dihilangkan stopwords atau kata-kata umum yang lazim digunakan dalam suatu query, seperti "dan", "jika", "di", "namun", "tetapi", dan sebagainya.

4. Dihitung nilai term frequency query jawaban dan query key jawaban terhadap queries. Jadi perhitungan term di query jawaban dan query key jawaban merujuk pada term yang terdapat dalam queries. Hasilnya direpresentasikan dalam matriks Am x n

dimana m adalah banyaknya term dan n adalah banyaknya query key jawaban dan

query jawaban, dimana n=1 merupakan query key jawaban.

Am x n =

4. Dihitung nilai matriks U dan matriks S dengan metode Singular Value

Decomposition (SVD) . 1 0 0 1 2 2 0 2 2 3 1 0 1 1 3 1 2 1 1 4 1 0 0 1 2 1 0 1 1 3 0 0 1 0 1 0 0 1 1 2 1 0 0 1 2 1 0 0 0 1 1 0 0 0 1 1 1 1 1 4 0 0 1 0 1 0 0 0 1 1 0 1 0 0 1 1 0 0 0 1

(12)

         Matriks U = Matriks S =

6. Di-reduce kolom matriks U dan S sesuai dengan nilai dimensi (k). Jika k bernilai 2 maka matriks U hanya memiliki 2 kolom, sedangkan matriks S memiliki 2 kolom dan 2 baris, selain itu isi matriksnya dihapus. Karena matriks U sudah berdimensi 2, maka tidak perlu di-reduce. Sedangkan Matriks S mengalami reduce dan hasilnya sebagai berikut :

Matriks S =

7. Dihitung matriks vektor Q dan tiap D dengan cara melakukan perkalian matriks dengan himpunan term frequency Q atau D terhadap matriks U kemudian terhadap

matriks S.

Matriks Vektor Q,Di = tfidf(Q,Di) * matriks U * matriks S

0.15265703871295 0.37648774499756 0.58034754451939 0.3131745523138 0.2901737722597 0.1565872761569 0.3978739116095 0.71016833170055 0.15265703871295 0.11915573597991 0.2901737722597 0.1565872761569 0.13751673354675 0.037431540176988 0.2901737722597 0.1565872761569 0.15265703871295 0.11915573597991 0 0 0 0 0.3440238419346 -0.27679052777182 0.13751673354675 0.037431540176988 0.15265703871295 0.11915573597991 0.053850069674904 -0.43337780392873 0 0 4.7080408714796 0 0 0 2.2172157049389 0 0 0 1.7083049113815 4.7080408714796 0 0 2.2172157049389

(13)

Matriks Vektor Q = | 1 2 1 1 1 1 0 0 1 1 1 1 0 0 0 1 | * matriks U * matriks S

Sehingga diperoleh hasil berikut :

Q = | 13.845931556664 1.2579684032034 | D1 = | 5.619619912659 4.7237891345902 | D2 = | 14.350803607656 0.408001289351 | D3 = | 15.930797113873 1.8693501402403 |

8. Dihitung nilai CoSim dari matriks vektor masing-masing D terhadap Q. Tabel 3.7 Tabel Hasil Perhitungan CoSim dan Nilai LSA Cosim (Di,Q) Nilai Cosim Jika bobot = 50,

Nilai (Nilai Cosim *bobot) Cosim(D1,Q) 0.70412168218698 35.206084109349

Cosim(D2,Q) 0.99806725539214 49.903362769607

Cosim(D3,Q) 0.99965675310821 49.982837655411

Langkah-langkah algoritma LSA dapat direpresentasikan ke dalam

flowchart sebagai berikut :

START

END

Tentukan query dan nilai dimensi

Buat matriks jlh query (m) x jlh jawaban (n), diperoleh dari perhitungan jumlah kata query dalam Hitung nilai matriks U dan S dengan menggunakan Singular

Value Decompositon (SVD) dari matriks m x n sesuai nilai k

Hitung vector tiap query dengan rumus : M ik V k Q D fidf * ik U * ik S

Hitung Nilai cosine lalu kalikan dengan bobot

(14)

Gambar 3.2 Flowchart LSA 3.3.3 Algoritma TF/IDF-LSA

1. Ditentukan terlebih dahulu masing-masing query, yaitu query dari jawaban (D), query dari key jawaban (Q) dan gabungan keduanya(Queries).

2. Ketiga query tersebut dihilangkan stoplist atau simbol-simbol yang tidak

mempengaruhi penilaian, seperti tanda titik, tanda koma, tanda seru, dan sebagainya. 3. Ketiga query tersebut dihilangkan stopwords atau kata-kata umum yang lazim digunakan dalam suatu query, seperti "dan", "jika", "di", "namun", "tetapi", dan sebagainya.

4. Dihitung nilai term frequency query jawaban dan query key jawaban terhadap queries. Jadi perhitungan term di query jawaban dan query key jawaban merujuk pada term yang terdapat dalam queries.

5. Dihitung nilai document frequency (n) atau banyaknya file (N) yang memiliki

suatu term untuk tiap term dalam queries.

6. Dihitung nilai inverse document frequency dengan rumus : log (N/n) +1

7. Dikalikan nilai term frequency dengan nilai inverse document frequency.

Hasilnya direpresentasikan dalam matriks Am x n dimana m adalah banyaknya term

dan n adalah banyaknya query key jawaban dan query jawaban, dimana n=1 merupakan query key jawaban. Dengan sampel yang sama diambil dari tabel 3.3, diperoleh : 1.30103 0 0 1.30103 2.24988 0 2.24987747 2.24988 1.12494 0 1.12493874 1.12494 1 2 1 1 1.30103 0 0 1.30103 1.12494 0 1.12493874 1.12494 0 0 1.60205999 0 0 0 1.30103 1.30103 1.30103 0 0 1.30103 1.60206 0 0 0 1.60206 0 0 0 1 1 1 1 0 0 1.60205999 0

(15)

Am x n =

7. Dihitung nilai matriks U dan matriks S dengan metode Singular Value Decomposition (SVD) .            Matriks U = Matriks S = 0 0 0 1.60206 0 1.60206 0 0 1.60206 0 0 0 0.18092492555784 0 0.34176166791787 0.051756792255587 0.17088083395893 0.025878396127794 0 0 0.18092492555784 0.28854241328207 0.17088083395893 0.025878396127793 0.46159783376027 -0.45238093270993 0.41172384243797 0.062351946927107 0.18092492555784 0.28854241328207 0 0 0 0 0 0 0.46159783376027 0.45238093270993 0.36184985111568 0.57708482656415 0 0 0 0 1.0264920160533 0 0 0 0.82106905115402 0 0 0 0.60205999132796

(16)

8. Di-reduce kolom matriks U dan S sesuai dengan nilai dimensi (k). Jika k bernilai 2 maka matriks U hanya memiliki 2 kolom, sedangkan matriks S memiliki 2 kolom dan 2 baris, selain itu isi matriksnya dihapus. Karena matriks U sudah berdimensi 2, maka tidak perlu di-reduce. Sedangkan Matriks S mengalami reduce dan hasilnya sebagai berikut :

Matriks S =

9. Dihitung matriks vektor Q dan tiap D dengan cara melakukan perkalian matriks dengan himpunan term frequency Q atau D terhadap matriks U kemudian terhadap

matriks S. Dihitung matriks vektor Q dan tiap D dengan cara melakukan perkalian matriks dengan himpunan term frequency Q atau D terhadap matriks U kemudian terhadap matriks S.

Matriks Vektor Q,Di = tfidf(Q,Di) * matriks U * matriks S

Sehingga diperoleh hasil berikut :

Q = | 0.29921144096099 0.15856413881248 | D1 = | 0 0 |

D2 = | 0.82926000792139 -0.41591403027845 | D3 = | 0.65006286523949 0.45924741892416 | 

10. Dihitung nilai CoSim dari matriks vektor masing-masing D terhadap Q. Tabel 3.8 Tabel Hasil Perhitungan CoSim dan Nilai TF/IDF - LSA

Cosim (Di,Q) Nilai Cosim Jika bobot = 50, Nilai (Nilai Cosim *bobot) Cosim(D1,Q) 0 35.206084109349

Cosim(D2,Q) 0.57989431132813 28.994715566406

Cosim(D3,Q) 0.99185224610301 49.789004649546

Langkah-langkah algoritma TF/IDF - LSA dapat direpresentasikan ke dalam

flowchart sebagai berikut :

1.0264920160533 0 0 0.8210690511540

2

START

(17)

Gambar 3.3 Flowchart TF/IDF-LSA Hitung TF/IDF

Hitung LSA Hitung nilai cosine

Kalikan dengan bobot tiap soal

nilai

(18)

3.4. Perancangan Skema Sistem

3.4.1 Data Flow Diagram (DFD)

3.4.1.1 DFD Level 0

Gambar 3.4 DFD Level 0

Penjelasan proses diagram konteks DFD yaitu sebagai berikut: Kode Proses : P

Nama Proses : Sistem Penilaian Tes Esai Otomatis

Keterangan : Proses Penilaian Tes Esai dengan Menggunakan Algoritma TF/IDF, LSA serta TF/IDF-LSA.

a. Arus Data Masukan : - data_admin - data_dosen - data_mhs Keluaran : - pass_admin - pass_dosen - rekap_nilai - pass_mhs - pass_soal

(19)

- nilai

b. Entitas Luar

Nama Entitas : Admin

Keterangan : Merupakan bagian yang mengontrol dan memperbaiki sistem Masukan : Data_admin

Keluaran : pass_admin

Nama Entitas : Dosen

Keterangan : Pengguna sistem yang menyediakan soal beserta kunci jawaban dan bobot tiap soal untuk memberikan penilaian terhadap pemahaman mahasiswa akan materi yang diajarkan.

Masukan : data_dosen Keluaran : - pass_dosen

- rekap_nilai

Nama Entitas : Mahasiswa

Keterangan : Pengguna sistem yang menjawab pertanyaan (soal) yang diberikan oleh dosen untuk memperoleh skala nilai pemahaman terhadap materi kuliah yang diajarkan.

Masukan : data_dosen Keluaran : - pass_dosen

(20)

3.4.1.2 DFD Level 1 ADMIN P.1 Admin Data_admin Tb_kelas Tb_sifat Tb_ktumum Tb_dosen_admin Tb_mahasiswa Tb_ujian Dir_soal Dir_jawaban Dir_Key_jawaban New_Data_dosen Data_sifat Data_ktumum Data_kelas New_Data_mhs DOSEN P.2 Dosen Rec_dosen Rec_sifat Rec_ktumum Nama_kelas Data_dosen New_soal Data_ujian New_key_jawaban Update_soal soal Update_key_jawaban Key_jawaban MAHASISWA P.3 Mahasiswa Data_mhs Rekap_nilai jawaban File_jawaban Rec_mhs Kode_ujian soal nilai Pass_dosen Pass_mhs Pass_soal Pass_admin New_data_admin Rec_admin Data_dosen Dir_queries Query_key_jawaban File_queries Dir_query_jawaban Query_jawaban File_query_jawaban Dir_query_key _jawaban File_query_key_jawaban Tb_hasil nilai Rec_nilai nilai   Gambar 3.5 DFD Level 1

Penjelasan proses diagram DFD level 1 adalah sebagai berikut: Kode Proses : P.1

Nama Proses : Proses Admin

Keterangan : Proses ini merupakan yang dilakukan oleh Admin dalam sistem ini. Arus Data

Masukan : - data_admin - rec_admin Keluaran : - new_data_dosen

(21)

- new_data_mhs - pass_admin - pass_mhs - pass_dosen - data_sifat - data_ktumum - data_kelas Kode Proses : P.2

Nama Proses : Proses Dosen

Keterangan : Proses ini merupakan yang dilakukan oleh Dosen dalam sistem ini. Arus Data Masukan : - rec_admin - data_dosen - rec_dosen - rec_sifat - rec_ktumum - nama_kelas - file_jawaban - file_query_jawaban - soal - file_query_key_jawaban - file_queries - key_jawaban Keluaran : - update_key_jawaban - data_dosen - new_key_jawaban - rekap_nilai - nilai - new_soal - update_soal - query_key_jawaban

(22)

Kode Proses : P.3

Nama Proses : Proses Mahasiswa

Keterangan : Proses ini merupakan yang dilakukan oleh Mahasiswa dalam sistem. Arus Data Masukan : - data_mhs - nilai - kode_ujian - soal - rec_mhs Keluaran : - jawaban - query_jawaban - nilai - pass_soal 3.4.1.3 DFD Level 2 3.4.1.3.1 Proses Admin  

(23)

Kode Proses : P.1.1

Nama Proses : Login Admin

Keterangan : Proses ini melakukan validasi data login yang diberikan admin. Arus Data Masukan : - admin,pass - rec_admin Keluaran : - new_data_dosen - new_data_admin - new_data_mhs

- passlama, passbaru, nip - data_kelas

- data_sifat - data_ktumum

Kode Proses : P.1.2

Nama Proses : Input Data Dosen

Keterangan : Admin menginput data dosen pada proses ini. Arus Data

Masukan : - new_data_dosen Keluaran : - new_data_dosen

- pass_dosen

Kode Proses : P.1.3

Nama Proses : Input Data Mahasiswa

Keterangan : Admin menginput data mahasiswa pada proses ini. Arus Data

Masukan : - new_data_mhs Keluaran : - new_data_mhs

- pass_mhs

Kode Proses : P.1.4

Nama Proses : Input Kelas Ujian

(24)

Arus Data

Masukan : - data_kelas Keluaran : - data_kelas

Kode Proses : P.1.5

Nama Proses : Input Sifat Ujian

Keterangan : Admin menginput sifat ujian pada proses ini. Arus Data

Masukan : - data_sifat Keluaran : - data_sifat

Kode Proses : P.1.6

Nama Proses : Input Kata Umum

Keterangan : Admin menginput kata umum untuk proses penghilangan kata umum pada kunci jawaban serta jawaban pada proses ini.

Arus Data

Masukan : - data_ktumum Keluaran : - data_ktumum

Kode Proses : P.1.7

Nama Proses : Tambah Admin

Keterangan : Admin menginput data admin lain untuk memberikan hak akses terhadap sistem admin.

Arus Data

Masukan : - new_data_admin Keluaran : - new_data_admin

Kode Proses : P.1.8

Nama Proses : Ubah Password Admin

Keterangan : Admin melakukan perubahan password pada proses ini. Arus Data

Masukan : - passlama, passbaru, nip - nip, passlama

(25)

Keluaran : - passbaru

3.4.1.3.2 Proses Dosen

 

Gambar 3.7 DFD Level 2 pada Proses Dosen

Kode Proses : P.2.1

(26)

Keterangan : Proses ini melakukan validasi data login yang diberikan dosen. Arus Data

Masukan : - nip, pass_dosen - rec_dosen Keluaran : - kode_soal - kode_ujian - data_soal - kode_soal_lihat - kode_soal_upt - nip Kode Proses : P.2.2 Nama Proses : Buat Soal

Keterangan : Admin menginput data soal pada proses ini. Arus Data Masukan : - data_soal - rec_kelas - rec_sifat - rec_ktumum Keluaran : - query_key_jawaban - data_ujian - new_soal - new_key_jawaban Kode Proses : P.2.3

Nama Proses : Update Soal

Keterangan : Admin meng-update data soal pada proses ini. Arus Data Masukan : - kode_soal_upt - key_jawaban - soal Keluaran : - update_key_jawaban - update_soal

(27)

Kode Proses : P.2.4

Nama Proses : Ubah Password Dosen

Keterangan : Dosen melakukan perubahan password pada proses ini. Arus Data

Masukan : - passlama, passbaru, nip - rec_dosen

Keluaran : - passbaru

Kode Proses : P.2.5

Nama Proses : Hitung Nilai

Keterangan : Sistem melakukan perhitungan nilai terhadap jawaban mahasiswa. Arus Data

Masukan : - kode_ujian, algoritma - file_queries

- file_query_jawaban - file_query_key_jawaban Keluaran : - nilai

Kode Proses : P.2.6 Nama Proses : Lihat Nilai

Keterangan : Sistem ini menampilkan nilai yang telah dihitung pada proses Hitung Nilai. Arus Data Masukan : - rec_nilai - kode_soal_lihat Keluaran : - rekap_nilai Kode Proses : P.2.7 Nama Proses : Lihat Info

Keterangan : Sistem ini menampilkan informasi akun Dosen. Arus Data

(28)

- nip - rec_ujian Keluaran : - data_dosen

3.4.1.3.2 Proses Mahasiswa

  Gambar 3.8 DFD Level 2 pada Proses Mahasiswa

Kode Proses : P.3.1

Nama Proses : Login Mahasiswa

Keterangan : Proses ini melakukan validasi data login yang diberikan mahasiswa. Arus Data

Masukan : - nip, pass_mhs - rec_mhs

Keluaran : - nip, passlama, passbaru - kode_soal

(29)

Kode Proses : P.3.2

Nama Proses : Daftar Ujian

Keterangan : Mahasiswa melakukan pendaftaran ujian pada proses ini. Arus Data

Masukan : - kode_soal - rec_ujian Keluaran : - pass_ujian

Kode Proses : P.3.3

Nama Proses : Mulai Ujian

Keterangan : Admin menginput data soal pada proses ini. Arus Data

Masukan : - kode_soal, pass_ujian - rec_pass - file_soal - rec_ktumum Keluaran : - query_jawaban - jawaban Kode Proses : P.3.4

Nama Proses : Ubah Password Mahasiswa

Keterangan : Mahasiswa melakukan perubahan password pada proses ini. Arus Data

Masukan : - passlama, passbaru, nim - rec_mhs

Keluaran : - passbaru

Kode Proses : P.3.5 Nama Proses : Lihat Nilai

Keterangan : Sistem ini menampilkan nilai yang telah dihitung pada proses Hitung Nilai.

(30)

Masukan : - kode_soal - rec_nilai Keluaran : - nilai

3.5 Kamus Data

Kamus data merupakan katalog (tempat penyimpanan) dari elemen-elemen yang berada dalam satu sistem yang memudahkan proses analisis dan desain sistem. Kamus data mendefinisikan elemen data dengan fungsi sebagai berikut :

1. Menjelaskan arti aliran data dan penyimpanan dalam DFD.

2. Mendeskripsikan komposisi paket data yang bergerak melalui aliran data. 3. Mendeskripsikan komposisi penyimpanan data.

4. Menspesifikasikan nilai dan satuan yang relevan bagi penyimpanan dan aliran.

Database yang digunakan bernama essay yang terdiri dari delapan tabel database, yaitu :

1. tb_dosen

Tabel ini berisikan data user, yaitu data dosen, admin maupun superadmin. Tabel ini digunakan untuk validasi login dosen maupun admin serta untuk memperoleh record data dosen yang akan digunakan pada akun dosen dalam sistem. Adapun struktur tabel ini adalah sebagai berikut :

Tabel 3.9 Kamus Data Tabel Dosen

Attribut Tipe Data Keterangan

dosen_nip (PK) Varchar(18) NIP Dosen

dosen_nama Varchar(40) Nama Dosen

Pass Varchar(20) Password Dosen untuk mengakses akun sistem

Email Varchar(20) Email Dosen

(31)

2. tb_tipe

Tabel ini berisikan data default tipe user. Tabel ini digunakan untuk membedakan

user pada tb_dosen, yaitu pada attribut kode_type. Secara default, tabel ini berisikan

data sebagai berikut :

Tabel 3.10 Kamus Data Tabel Default tb_tipe

Kode_tipe Nama_tipe Keterangan 1 Dosen Tipe User untuk Dosen

2 Admin Tipe User untuk Admin

3 SuperAdmin Tipe User untuk SuperAdmin

Adapun struktur tabel ini adalah sebagai berikut :

Tabel 3.11 Kamus Data Tabel Tipe User

Attribut Tipe Data Keterangan

Kode_tipe (PK) Varchar(1) Tipe User

Nama_tipe Varchar(10) Nama User

3. tb_ujian

Tabel ini berisikan data lengkap ujian, yaitu kode ujian, nama ujian, lama ujian, kelas ujian, jumlah soal ujian, sifat ujian, bobot ujian, tanggal dan waktu ujian serta keterangan pengecekan ujian. Adapun struktur tabel ini adalah sebagai berikut :

Tabel 3.12 Kamus Data Tabel Data Ujian

Attribut Tipe Data Keterangan

Essay_kode (PK) Varchar(10) Kode Ujian

Essay_ujian Varchar(30) Nama Ujian

Essay_dosen Varchar(18) Dosen Ujian

Essay_waktu Varchar(3) Lamanya Ujian

Essay_kelas Varchar(8) Kelas Ujian

Essay_jumlah Varchar(5) Jumlah Soal Ujian

Essay_sifat Varchar(2) Sifat Ujian

(32)

Essay_tanggal Datetime Tanggal dan waktu mulai ujian

Essay_cek Varchar(1) Keterangan ujian telah diperiksa atau belum. Bernilai 'y' jika ujian telah diperiksa, sebaliknya akan bernilai 'n' jika ujian belum diperiksa

4. tb_sifat

Tabel ini berisikan data sifat ujian. Secara default, sifat ujian adalah "Buka Buku" dan "Tutup Buku". Adapun struktur tabel ini adalah sebagai berikut :

Tabel 3.13 Kamus Data Tabel Sifat Ujian

Attribut Tipe Data Keterangan

Kode_sifat (PK) Int(2) Kode sifat ujian Nama_sifat Varchar(30) Nama sifat ujian

5. tb_kelas

Tabel ini berisikan data kelas ujian. Adapun struktur tabel ini adalah sebagai berikut : Tabel 3.14 Kamus Data Tabel Kelas Ujian

Attribut Tipe Data Keterangan

Kode_kelas (PK) Int(2) Kode Kelas Ujian Nama_kelas Varchar(30) Nama Kelas Ujian

6. tb_kata_umum

Tabel ini berisikan data kata umum yang akan digunakan saat penghilangan kata umum. Adapun struktur tabel ini adalah sebagai berikut :

Tabel 3.15  Kamus Data Tabel Kata Umum

Attribut Tipe Data Keterangan

Kode_kata (PK) Int(11) Kode Kata Umum

kata_umum Varchar(30) Nama Kata Umum 7. tb_mahasiswa

(33)

Tabel ini berisikan data mahasiswa. Tabel ini digunakan untuk validasi login mahasiswa serta untuk memperoleh record data mahasiswa yang akan digunakan pada akun mahasiswa dalam sistem. Adapun struktur tabel ini adalah sebagai berikut :

Tabel 3.16 Kamus Data Tabel Mahasiswa

Attribut Tipe Data Keterangan

mhs_nim (PK) Varchar(18) NIP Dosen

mhs_nama Varchar(40) Nama Dosen

mhs_pass Varchar(20) Password Dosen untuk mengakses akun sistem

mhs_email Varchar(20) Email Dosen

8. tb_hasil_<tahun>_<kode_ujian>_<nama_kelas>

Tabel ini berisikan data hasil ujian mahasiswa, termasuk nilai dan password untuk mengikuti ujian. Nama tabel ini diambil dari tiga kombinasi, yaitu <tahun> merupakan tahun dibuat soal, <kode_ujian> merupakan kode ujian yang diperoleh dari attribut kode_ujian dari tb_ujian, dan <nama_kelas> merupakan nama kelas ujian yang diambil dari attribut nama_kelas dari tb_kelas. Tabel ini juga digunakan untuk validasi login ujian mahasiswa dalam sistem. Adapun struktur tabel ini adalah sebagai berikut :

Tabel 3.17 Kamus Data Tabel Hasil

Attribut Tipe Data Keterangan

urutan (PK) Int (3) Kode Mahasiswa Peserta Ujian nim Varchar(15) Nim Mahasiswa Peserta Ujian pass Varchar(8) Password Mahasiswa Peserta Ujian nilai Varchar(20) Nilai Mahasiswa Peserta Ujian status Varchar(1) Status Mahasiswa Peserta Ujian.

Akan bernilai 'n', jika mahasiswa belum mengikuti ujian, sebaliknya akan bernilai 'y', jika mahasiswa telah mengikuti ujian

(34)

3.6.1 Halaman Utama

Gambar 3.9 Rancangan Halaman Utama

Adapun keterangan rancangan tersebut adalah : 1. Tombol ini akan menuju halaman login dosen. 2. Tombol ini akan menuju halaman login mahasiswa. 3. Tombol ini akan menuju halaman news.

4. Tombol ini akan menuju halaman hasil ujian mahasiswa. 5. Tombol ini akan menuju halaman data pembuat sistem.

6. Bagian ini berisikan logo suatu universitas, dalam hal ini logo Universitas Sumatera Utara

(35)

3.6.2 Halaman Login Dosen

Gambar 3.10 Rancangan Halaman Login Dosen

Adapun keterangan rancangan tersebut adalah : 1. Tombol ini akan menuju halaman login dosen. 2. Tombol ini akan menuju halaman login mahasiswa. 3. Tombol ini akan menuju halaman news.

4. Tombol ini akan menuju halaman hasil ujian mahasiswa. 5. Tombol ini akan menuju halaman data pembuat sistem.

6. Bagian ini berisikan logo suatu universitas, dalam hal ini logo Universitas Sumatera Utara

(36)

3.6.3 Halaman Login Mahasiswa

Gambar 3.11 Rancangan Halaman Login Mahasiswa

Adapun keterangan rancangan tersebut adalah : 1. Tombol ini akan menuju halaman login dosen. 2. Tombol ini akan menuju halaman login mahasiswa. 3. Tombol ini akan menuju halaman news.

4. Tombol ini akan menuju halaman hasil ujian mahasiswa. 5. Tombol ini akan menuju halaman data pembuat sistem.

6. Bagian ini berisikan logo suatu universitas, dalam hal ini logo Universitas Sumatera Utara

(37)

3.6.4 Halaman Login Admin

Gambar 3.12 Rancangan Halaman Login Admin

Adapun keterangan rancangan tersebut adalah : 1. Tombol ini akan menuju halaman login dosen. 2. Tombol ini akan menuju halaman login mahasiswa. 3. Tombol ini akan menuju halaman news.

4. Tombol ini akan menuju halaman hasil ujian mahasiswa. 5. Tombol ini akan menuju halaman data pembuat sistem.

6. Bagian ini berisikan logo suatu universitas, dalam hal ini logo Universitas Sumatera Utara

(38)

3.6.5 Halaman Menu Dosen

Gambar 3.13 Rancangan Halaman Menu Dosen

Adapun keterangan rancangan tersebut adalah : 1. Submenu ini akan menuju halaman buat soal baru. 2. Submenu ini akan menuju halaman update soal.

3. Submenu ini akan menuju halaman lihat info akun dosen. 4. Submenu ini akan menuju halaman hitung nilai.

5. Submenu ini akan menuju halaman lihat nilai. 6. Submenu ini akan menuju halaman ubah password.

7. Link ini akan keluar dari halaman menu mahasiswa dan kembali ke halaman utama

3.6.6 Halaman Buat Soal Baru

(39)

Adapun keterangan rancangan tersebut adalah : 1. Submenu ini akan menuju halaman input data soal.

2. Link ini akan keluar dari halaman menu dosen dan kembali ke halaman utama.

3.6.7 Halaman Input Data Soal

Gambar 3.15 Rancangan Halaman Input Data Soal

Adapun keterangan rancangan tersebut adalah : 1. Tombol ini menyimpan data soal ke database.

2. Link ini akan keluar dari halaman menu dosen dan kembali ke halaman utama.

3.6.8 Halaman Update Soal

Gambar 3.16 Rancangan Halaman Update Soal

Adapun keterangan rancangan tersebut adalah : 1. Tombol ini menuju halaman lihat soal

(40)

3.6.9 Halaman Lihat Soal

Gambar 3.17 Rancangan Halaman Lihat Soal

Adapun keterangan rancangan tersebut adalah :

1. Tombol ini menuju kemabli ke halaman update soal. 2. Link ini akan menuju halaman edit soal.

3. Link ini akan keluar dari halaman menu dosen dan kembali ke halaman utama.

3.6.10 Halaman Edit Soal

(41)

Adapun keterangan rancangan tersebut adalah :

1. Tombol ini menuju kembali ke halaman update soal. 2. Link ini akan menyimpan data update soal ke database.

3. Link ini akan keluar dari halaman menu dosen dan kembali ke halaman utama.

3.6.11 Halaman Menu Mahasiswa

. Gambar 3.19 Rancangan Halaman Menu Dosen

Adapun keterangan rancangan tersebut adalah : 1. Submenu ini akan menuju halaman daftar ujian. 2. Submenu ini akan menuju halaman mulai ujian.

3. Submenu ini akan menuju halaman lihat info akun mahasiswa. 4. Submenu ini akan menuju halaman lihat nilai.

5. Submenu ini akan menuju halaman ubah password.

(42)

3.6.12 Halaman Daftar Ujian

Gambar 3.20 Rancangan Halaman Daftar Ujian

Adapun keterangan rancangan tersebut adalah :

1. Tombol ini menyimpan daftar ujian yang diikuti kemudian menampilkan password soal setiap daftar ujian yang dipilih.

2. Link ini akan keluar dari halaman menu dosen dan kembali ke halaman utama.

3.6.13 Halaman Pilihan Soal Ujian

(43)

Adapun keterangan rancangan tersebut adalah :

1. Tombol ini menuju halaman login ujian sesuai dengan tombol ujian yang dipilih.

2. Link ini akan keluar dari halaman menu dosen dan kembali ke halaman utama.

3.6.14 Halaman Login Ujian

Gambar 3.22 Rancangan Halaman Login Ujian

Adapun keterangan rancangan tersebut adalah :

1. Tombol ini kembali ke halaman pilihan soal ujian.

2. Tombol ini menuju halaman jawab ujian jika validasi NIM dan Pass Soal berhasil, jika tidak maka akan tetap ke halaman login ujian.

(44)

3.6.15 Halaman Jawab Ujian

Gambar 3.23 Rancangan Halaman Jawab Soal

Adapun keterangan rancangan tersebut adalah :

1. Tombol ini menyimpan jawaban yang diberikan mahasiswa ke directory jawaban.

2. Link ini akan keluar dari halaman menu dosen dan kembali ke halaman utama.

3.6.16 Halaman Menu Admin

(45)

Adapun keterangan rancangan tersebut adalah :

1. Submenu ini akan menuju halaman input data dosen. 2. Submenu ini akan menuju halaman input data mahasiswa. 3. Submenu ini akan menuju halaman input data kelas. 4. Submenu ini akan menuju halaman input sifat ujian. 5. Submenu ini akan menuju halaman kata umum. 6. Submenu ini akan menuju halaman ubah password.

7. Link ini akan keluar dari halaman menu admin dan kembali ke halaman utama.

3.6.17 Halaman Input Data Dosen

Gambar 3.25 Rancangan Halaman Input Data Dosen

Adapun keterangan rancangan tersebut adalah :

1. Tombol ini menyimpan data dosen ke database.

(46)

3.6.18 Halaman Input Data Mahasiswa

Gambar 3.26 Rancangan Input Data Mahasiswa

Adapun keterangan rancangan tersebut adalah :

1. Tombol ini menyimpan data mahasiswa ke database.

2. Link ini akan keluar dari halaman menu dosen dan kembali ke halaman utama.

3.6.19 Halaman Input Data Sifat Ujian

(47)

Adapun keterangan rancangan tersebut adalah :

1. Tombol ini menyimpan data sifat ujian ke database.

2. Link ini akan keluar dari halaman menu dosen dan kembali ke halaman utama.

3.6.20 Halaman Input Data Kelas Ujian

Gambar 3.28 Rancangan Halaman Input Data Kelas Ujian

Adapun keterangan rancangan tersebut adalah :

1. Tombol ini menyimpan data kelas ujian ke database.

2. Link ini akan keluar dari halaman menu dosen dan kembali ke halaman utama.

3.6.21 Halaman Input Data Kata Umum

(48)

Adapun keterangan rancangan tersebut adalah :

1. Tombol ini menyimpan data kata umum ke database.

2. Link ini akan keluar dari halaman menu dosen dan kembali ke halaman utama.

3.6.22 Halaman Ubah Password

Gambar 3.30 Rancangan Halaman Ubah Password

Adapun keterangan rancangan tersebut adalah :

1. Tombol ini menyimpan data ubah password ke database.

(49)

  BAB 4

HASIL DAN IMPLEMENTASI

Implementasi dari sistem merupakan tahap akhir dari proses pengembangan perangkat lunak setelah melalui tahapan perancangan halaman. Dalam bab ini akan dijelaskan bagaimana cara menjalankan aplikasi penilaian tes esai ini. Adapun program yang dimaksud terdiri dari tampilan halaman utama beserta tampilan menu-menu yang lainnya.

4.1 Spesifikasi Perangkat Keras dan Perangkat Lunak

Tahap implementasi perangkat lunak merupakan kelanjutan dari tahap perancangan, sehingga implementasi ini harus didasarkan pada perancangan yang telah dilaksanakan sebelumnya.

4.1.1 Perangkat Keras

Dalam proses pembuatan aplikasi, konfigurasi komputer yang digunakan adalah

processor AMD Athlon (tm) II X4 635 Processsor 2.90 Ghz, RAM 8 GB dengan

sistem operasi Microsoft Windows 7 (64-bit Operating System). Program ini juga dapat dijalankan dengan konfigurasi minimal komputer sebagai berikut:

1. Prosesor 486 DX 66 Mhz

2. RAM 16 Mb untuk Windows 95 dan 32 Mb untuk Windows NT 4.0 dan Windows 2000.

(50)

3. Sistem operasi Windows 95/98, NT 4.0 (dengan SP 3), Windows 2000, Windows ME, Windows XP, Windows Vista.

4. VGA Card 256 color, 640x480 pixel 5. Hard disk kapasitas 5 gigabyte atau lebih

6. Mouse 7. Keyboard

4.1.2 Perangkat Lunak

Perangkat lunak yang dibutuhkan untuk implementasi aplikasi penilaian tes esai menggunakan algoritma TF/IDF dan LSA adalah sebagai berikut:

1. Sistem Operasi berbasis Windows. 2. PHP

3. MySQL

4.2 Hasil dan Pembahasan

Tujuan dari penelitian ini adalah menghitung skala kesalahan masing-masing algoritma, yaitu algoritma TF/IDF, LSA, dan TF/IDF-LSA terhadap suatu query dalam hal ini kunci jawaban yang diberikan oleh dosen. Adapun hasil data yang diperolah adalah sebagai berikut :

4.2.1 Hasil I Peneletian

Penelitian bagian ini membandingkan kinerja tiap algoritma terhadap kalimat yang memiliki jumlah kata yang banyak. Penilitian ini memberikan sejumlah sampel jawaban dengan jumlah kata yang banyak. Rata-rata jumlah kata yang terkandung dalam tiap kalimat adalah lebih dari 10 dengan jumlah kata minimal adalah 6 kata dan maksimal 38 kata. Penelitian ini diperoleh dari penilaian jawaban oleh dosen yang

(51)

dilakukan oleh Bapak Dr. Poltak Sihombing, M.Kom. terhadap matakuliah Sistem Operasi.

Adapun hasil penelitian untuk setiap algoritma adalah sebagai berikut :

4.2.1.1 Algoritma TF/IDF

Tabel 4.1 Tabel Perbandingan Nilai Hasil I Menggunakan TF/IDF Mahasiswa Nilai Dari Dosen untuk soal Nilai Dari Sistem untuk soal

ke-1 2 3 4 ke-1 2 3 4 A 28 25 15 18 25 27 5 8 B 25 20 15 19 14 1 5 18 C 20 20 18 15 7 1 14 5 D 15 20 15 15 8 7 7 3 E 15 20 10 15 6 6 8 4 F 10 15 15 10 4 2 9 2 G 5 0 15 5 4 6 6 2

Dari data diatas dapat dihitung persen ralat dengan rumus : Jika Nilai Dosen bernilai lebih besar dari 0, maka rumusnya adalah :

Persentase Ralat (%) = 100% - (Nilai Sistem / Nilai Dosen) x 100 %

Nilai Persentase Ralat adalah 0-100%. Apabila perhitungan persen ralat diatas 100%, maka persen ralat tersebut dianggap bernilai 100%. Namun apabila Nilai Dosen bernilai 0, maka untuk memperoleh persentase ralat bernilai 0, Nilai Sistem juga harus bernilai 0. Jika persentase ralat tidak bernilai 0, maka persentase ralat dianggap bernilai 100 %.

Tabel 4.2 Tabel Persentase Ralat Hasil I Menggunakan TF/IDF

Mahasiswa

Persentase Ralat (%) Total Ralat (%) 1 2 3 4 A 10.71429 8 66.66667 55.55556 35.23413 B 44 95 66.66667 5.263158 52.73246 C 65 95 22.22222 66.66667 62.22222 D 46.66667 65 53.33333 80 61.25 E 60 70 20 73.33333 55.83333

(52)

F 60 86.66667 40 80 66.66667

G 20 100 60 60 60

Rerata Ralat (%) 56.27697

4.2.1.2 Algoritma LSA

Tabel 4.3 Tabel Perbandingan Nilai Hasil I Menggunakan LSA

Mahasiswa Nilai Dari Dosen untuk soal ke- Nilai Dari Sistem untuk soal ke-1 2 3 4 ke-1 2 3 4 A 28 25 15 18 29 30 18 19 B 25 20 15 19 24 19 20 20 C 20 20 18 15 30 30 20 19 D 15 20 15 15 30 28 19 19 E 15 20 10 15 30 29 20 19 F 10 15 15 10 30 29 19 18 G 5 0 15 5 30 30 18 16

Tabel 4.4 Tabel Persentase Ralat Hasil I Menggunakan LSA

Mahasiswa Persentase Ralat (%) Total Ralat (%) 1 2 3 4 A 3.571429 20 20 5.555556 12.28175 B 0 0 33.33333 5.263158 9.649123 C 50 50 11.11111 26.66667 34.44444 D 100 50 26.66667 26.66667 50.83333 E 100 50 100 26.66667 69.16667 F 100 100 26.66667 80 76.66667 G 100 100 20 220 110 Rerata Ralat (%) 51.86314 4.2.1.3 Algoritma TF/IDF-LSA

Tabel 4.5 Tabel Perbandingan Nilai Hasil I Menggunakan TF/IDF-LSA

Mahasiswa Nilai Dari Dosen untuk soal ke- Nilai Dari Sistem untuk soal ke-

1 2 3 4 1 2 3 4

A 28 25 15 18 28 30 18 20

B 25 20 15 19 12 1 2 17

(53)

D 15 20 15 15 22 30 20 17

E 15 20 10 15 30 30 18 6

F 10 15 15 10 30 30 20 3

G 5 0 15 5 25 0 20 5

Tabel 4.6 Tabel Persentase Ralat Hasil I Menggunakan TF/IDF-LSA

Mahasiswa

Persentase Ralat (%) Total Ralat (%) 1 2 3 4 A 0 20 20 11.11111 12.77778 B 52 95 86.66667 10.52632 61.04825 C 35 50 11.11111 66.66667 40.69444 D 46.66667 50 33.33333 13.33333 35.83333 E 100 50 80 60 72.5 F 100 100 33.33333 70 75.83333 G 100 0 33.33333 0 33.33333 Rerata Ralat (%) 47.4315

Dari ketiga data tersebut diperoleh rerata ralat sebagai berikut :

Tabel 4.7 Tabel Perbandingan Persentase Ralat Tiap Algoritma pada Hasil I Algoritma Rerata Ralat (%)

TF/IDF 56.27697

LSA 51.86314

TF/IDF-LSA 47.4315

Pada hasil I penelitian ini terlihat bahwa ketiga algoritma memiliki rerata ralat yang cukup besar, yaitu diatas 40%. Namun dari hasil tersebut, algoritma TF/IDF-LSA lebih unggul dalam melakukan penilaian terhadap tes esai dengan jumlah kata yang banyak, yaitu minimal 6 kata dan maksimal 38 kata.

4.2.2 Hasil II Penelitian

Penelitian bagian ini membandingkan kinerja tiap algoritma terhadap kalimat yang memiliki jumlah kata yang relatif sedikit. Penilitian ini memberikan sejumlah sampel jawaban dengan jumlah kata yang banyak. Rata-rata jumlah kata yang terkandung

(54)

dalam tiap kalimat adalah lebih dari 15 dengan jumlah kata minimal adalah 10 kata dan maksimal 61 kata. Penelitian ini diperoleh dari penilaian jawaban oleh dosen yang dilakukan oleh Bapak Ade Candra, S.T, M. Kom terhadap matakuliah Sistem Informasi Geografis.

Adapun hasil penelitian untuk setiap algoritma adalah sebagai berikut :

4.2.2.1 Algoritma TF/IDF

Tabel 4.8 Tabel Perbandingan Nilai Hasil II Menggunakan TF/IDF

Mahasiswa Nilai Dari Dosen untuk soal ke- Nilai Dari Sistem untuk soal ke- 1 2 3 4 1 2 3 4 A 20 20 20 20 24 27 5 20 B 25 0 10 20 14 1 5 1 C 5 10 10 15 6 1 3 8 D 5 25 20 20 8 7 1 1 E 30 20 10 5 6 6 19 6 F 10 15 10 0 5 2 2 7 G 15 0 5 10 3 6 3 4

Tabel 4.9 Tabel Persentase Ralat Hasil II Menggunakan TF/IDF

Mahasiswa

Persentase Ralat (%) Total Ralat (%) 1 2 3 4 A 20 35 75 0 32.5 B 44 100 50 95 72.25 C 20 90 70 46.66667 56.66667 D 60 72 95 95 80.5 E 80 70 90 20 65 F 50 86.66667 80 100 79.16667 G 80 100 40 60 70 Rerata Ralat (%) 65.15476 4.2.2.2 Algoritma LSA

Tabel 4.10 Tabel Perbandingan Nilai Hasil II Menggunakan LSA

Mahasiswa Nilai Dari Dosen untuk soal ke- Nilai Dari Sistem untuk soal ke-1 2 3 4 ke-1 2 3 4

A 20 20 20 20 29 30 18 19

(55)

C 5 10 10 15 30 30 20 19

D 5 25 20 20 30 28 19 19

E 30 20 10 5 30 29 20 19

F 10 15 10 0 30 29 19 18

G 15 0 5 10 30 30 18 16

Tabel 4.11 Tabel Persentase Ralat Hasil II Menggunakan LSA

Mahasiswa

Persentase Ralat (%) Total Ralat (%) 1 2 3 4 A 45 50 10 5 27.5 B 4 100 100 0 51 C 100 100 100 26.66667 81.66667 D 100 12 5 5 30.5 E 0 45 100 100 61.25 F 100 93.33333 90 100 95.83333 G 100 100 100 60 90 Rerata Ralat (%) 62.53571 4.2.2.3 Algoritma TF/IDF-LSA

Tabel 4.12 Tabel Perbandingan Nilai Hasil II Menggunakan TF/IDF-LSA

Mahasiswa Nilai Dari Dosen untuk soal ke- Nilai Dari Sistem untuk soal ke-1 2 3 4 ke-1 2 3 4 A 20 20 20 20 30 13 19 20 B 25 0 10 20 29 23 19 20 C 5 10 10 15 29 12 15 20 D 5 25 20 20 29 8 19 16 E 30 20 10 5 30 30 10 15 F 10 15 10 0 15 22 18 17 G 15 0 5 10 30 27 20 16

Tabel 4.13 Tabel Persentase Ralat Hasil II Menggunakan TF/IDF-LSA

Mahasiswa

Persentase Ralat (%) Total Ralat (%) 1 2 3 4 A 50 35 5 0 22.5 B 16 100 90 0 51.5 C 100 20 50 33.33333 50.83333 D 100 68 5 20 48.25 E 0 50 0 100 37.5

(56)

F 50 46.66667 80 100 69.16667

G 100 0 100 60 65

Rerata Ralat (%) 49.25

Dari ketiga data tersebut diperoleh rerata ralat sebagai berikut :

Tabel 4.14 Tabel Perbandingan Persentase Ralat Tiap Algoritma pada Hasil II Algoritma Rerata Ralat (%)

TF/IDF 64.69048

LSA 59.61905

TF/IDF-LSA 58.61905

Dari data tersebut dapat diambil kesimpulan bahwa algoritma TF/IDF-LSA memiliki akurasi paling tinggi dalam penanganan jawaban dengan jumlah kata yang banyak, dalam hal ini dengan jumlah kata minimal 10 kata dan maksimal 61 kata.

4.2.3 Hasil III Peneletian

Penelitian bagian ini membandingkan kinerja tiap algoritma terhadap kalimat yang memiliki jumlah kata yang banyak. Penelitian ini memberikan sejumlah sampel jawaban dengan jumlah kata yang banyak. Rata-rata jumlah kata yang terkandung dalam tiap kalimat adalah lebih dari 10 dengan jumlah kata minimal adalah 9 kata dan maksimal 35 kata. Penelitian ini diperoleh dari penilaian jawaban oleh dosen yang dilakukan oleh Bapak Mohammad Andri Budiman, S.T., M.Comp.Sc. terhadap matakuliah Kriptografi.

(57)

Adapun hasil penelitian untuk setiap algoritma adalah sebagai berikut :

4.2.3.1 Algoritma TF/IDF

Tabel 4.15 Tabel Perbandingan Nilai Hasil III Menggunakan TF/IDF Mahasiswa Nilai Dari Dosen untuk soal Nilai Dari Sistem untuk soal

ke-1 2 3 4 ke-1 2 3 4 A 15 14 16 19 1 5 5 20 B 25 16 13 10 8 4 5 1 C 28 24 15 14 28 21 3 8 D 22 18 5 12 8 7 1 1 E 17 17 18 16 6 9 19 6 F 25 13 14 17 6 11 2 7 G 10 10 17 19 1 12 3 4

Tabel 4.16 Tabel Persentase Ralat Hasil III Menggunakan TF/IDF

Mahasiswa

Persentase Ralat (%) Total Ralat (%) 1 2 3 4 A 93.33333 64.28571 68.75 5.263158 57.90805 B 68 75 61.53846 90 73.63462 C 0 12.5 80 42.85714 33.83929 D 63.63636 61.11111 80 91.66667 74.10354 E 64.70588 47.05882 5.555556 62.5 44.95507 F 76 15.38462 85.71429 58.82353 58.98061 G 90 20 82.35294 78.94737 67.82508 Rerata Ralat (%) 58.74946 4.2.3.2 Algoritma LSA

Tabel 4.17 Tabel Perbandingan Nilai Hasil III Menggunakan LSA

Mahasiswa Nilai Dari Dosen untuk soal ke- Nilai Dari Sistem untuk soal ke-1 2 3 4 ke-1 2 3 4 A 15 14 16 19 24 30 19 20 B 25 16 13 10 30 30 13 2 C 28 24 15 14 30 30 15 19 D 22 18 5 12 21 29 17 13 E 17 17 18 16 22 29 20 19 F 25 13 14 17 30 30 20 19 G 10 10 17 19 27 28 15 19

(58)

Tabel 4.18 Tabel Persentase Ralat Hasil III Menggunakan LSA Mahasiswa Persentase Ralat (%) Total Ralat (%) 1 2 3 4 A 60 114.2857 18.75 5.263158 49.57472 B 20 87.5 0 80 46.875 C 7.142857 25 0 35.71429 16.96429 D 4.545455 61.11111 240 8.333333 78.49747 E 29.41176 70.58824 11.11111 18.75 32.46528 F 20 100 42.85714 11.76471 43.65546 G 100 100 11.76471 0 52.94118 Rerata Ralat (%) 45.85334 4.2.3.3 Algoritma TF/IDF-LSA

Tabel 4.19 Tabel Perbandingan Nilai Hasil III Menggunakan TF/IDF-LSA

Mahasiswa Nilai Dari Dosen untuk soal ke- Nilai Dari Sistem untuk soal ke-

1 2 3 4 1 2 3 4 A 15 14 16 19 13 24 20 20 B 25 16 13 10 25 18 5 10 C 28 24 15 14 30 28 10 20 D 22 18 5 12 27 24 4 7 E 17 17 18 16 23 19 20 20 F 25 13 14 17 25 10 18 20 G 10 10 17 19 11 20 9 20

Tabel 4.20 Tabel Persentase Ralat Hasil III Menggunakan TF/IDF-LSA

Mahasiswa

Persentase Ralat (%) Total Ralat (%) 1 2 3 4 A 13.33333 71.42857 25 5.263158 28.75627 B 0 12.5 61.53846 0 18.50962 C 7.142857 16.66667 33.33333 42.85714 25 D 22.72727 33.33333 20 41.66667 29.43182 E 35.29412 11.76471 11.11111 25 20.79248 F 0 23.07692 28.57143 17.64706 17.32385 G 10 100 47.05882 5.263158 40.5805 Rerata Ralat (%) 25.77065

(59)

Dari ketiga data tersebut diperoleh rerata ralat sebagai berikut :

Tabel 4.21 Tabel Perbandingan Persentase Ralat Tiap Algoritma pada Hasil III Algoritma Rerata Ralat (%)

TF/IDF 58.74946

LSA 45.85334

TF/IDF-LSA 25.77065

Dari data tersebut dapat diambil kesimpulan bahwa algoritma TF/IDF-LSA memiliki akurasi paling tinggi dalam penanganan jawaban dengan jumlah kata yang besar, dalam hal ini dengan jumlah kata minimal 9 kata dan maksimal 35 kata.

4.2.4 Hasil IV Penelitian

Penelitian bagian ini membandingkan kinerja tiap algoritma terhadap kalimat yang memiliki jumlah kata yang relatif sedikit. Penilitian ini memberikan sejumlah sampel jawaban dengan jumlah kata yang sedikit. Rata-rata jumlah kata yang terkandung dalam tiap kalimat adalah lebih dari 5 dengan jumlah kata minimal adalah 3 kata dan maksimal 24 kata. Penelitian ini diperoleh dari penilaian jawaban oleh dosen yang dilakukan oleh Ibu Dian Rachmawati, S.Si, M. Kom terhadap matakuliah Pengantar Teknologi Informasi.

Adapun hasil penelitian untuk setiap algoritma adalah sebagai berikut : 4.2.4.1 Algoritma TF/IDF

Tabel 4.22 Tabel Perbandingan Nilai Hasil IV Menggunakan TF/IDF

Mahasiswa Nilai Dari Dosen untuk soal ke- Nilai Dari Sistem untuk soal ke- 1 2 3 4 1 2 3 4 A 25 25 18 15 15 12 13 11 B 10 10 9 14 9 4 4 10 C 13 25 12 9 9 9 8 5 D 15 18 10 9 7 11 5 7 E 25 22 15 18 28 27 17 19 F 10 0 5 7 30 0 6 10 G 10 20 16 13 12 19 9 12

(60)

Tabel 4.23 Tabel Persentase Ralat Hasil IV Menggunakan TF/IDF

Mahasiswa

Persentase Ralat (%) Total Ralat (%) 1 2 3 4 A 40 52 27.77778 26.66667 36.61111 B 10 60 55.55556 28.57143 38.53175 C 30.76923 64 33.33333 44.44444 43.13675 D 53.33333 38.88889 50 22.22222 41.11111 E 12 22.72727 13.33333 5.555556 13.40404 F 200 0 20 42.85714 65.71429 G 20 5 43.75 7.692308 19.11058 Rerata Ralat (%) 36.8028 4.2.4.2 Algoritma LSA

Tabel 4.24 Tabel Perbandingan Nilai Hasil IV Menggunakan LSA

Mahasiswa Nilai Dari Dosen untuk soal ke- Nilai Dari Sistem untuk soal ke-1 2 3 4 ke-1 2 3 4 A 25 25 18 15 29 30 20 19 B 10 10 9 14 30 30 18 19 C 13 25 12 9 29 30 18 18 D 15 18 10 9 28 30 18 19 E 25 22 15 18 30 30 20 20 F 10 0 5 7 30 0 15 19 G 10 20 16 13 30 30 20 20

Tabel 4.25 Tabel Persentase Ralat Hasil IV Menggunakan LSA

Mahasiswa

Persentase Ralat (%) Total Ralat (%) 1 2 3 4 A 16 20 11.1111 26.6667 18.4444 B 100 100 100 35.7143 83.9286 C 100 20 50 100 67.5 D 86.6667 66.6667 80 100 83.3333 E 20 36.3636 33.3333 11.1111 25.202 F 100 0 100 100 75 G 100 50 25 53.8462 57.2115 Rerata Ralat (%) 58.66

(61)

4.2.4.3 Algoritma TF/IDF-LSA

Tabel 4.26 Tabel Perbandingan Nilai Hasil IV Menggunakan TF/IDF-LSA

Mahasiswa Nilai Dari Dosen untuk soal ke- Nilai Dari Sistem untuk soal ke-1 2 3 4 ke-1 2 3 4 A 25 25 18 15 12 30 20 20 B 10 10 9 14 29 30 16 20 C 13 25 12 9 28 30 19 10 D 15 18 10 9 28 30 16 10 E 25 22 15 18 30 30 20 20 F 10 0 5 7 30 10 19 10 G 10 20 16 13 29 30 12 20

Tabel 4.27 Tabel Persentase Ralat Hasil IV Menggunakan TF/IDF-LSA

Mahasiswa

Persentase Ralat (%) Total Ralat (%) 1 2 3 4 A 52 20 11.1111 33.3333 29.1111 B 100 100 77.7778 42.8571 80.1587 C 100 20 58.3333 11.1111 47.3611 D 86.6667 66.6667 60 11.1111 56.1111 E 20 36.3636 33.3333 11.1111 25.202 F 100 0 100 42.8571 60.7143 G 100 50 25 53.8462 57.2115 Rerata Ralat (%) 50.8386

Dari ketiga data tersebut diperoleh rerata ralat sebagai berikut :

Tabel 4.28 Tabel Perbandingan Persentase Ralat Tiap Algoritma pada Hasil IV Algoritma Rerata Ralat (%)

TF/IDF 36.8028

LSA 58.66

TF/IDF-LSA 50.8386

Dari data tersebut dapat diambil kesimpulan bahwa algoritma TF/IDF memiliki akurasi paling tinggi dalam penanganan jawaban dengan jumlah kata yang sedikit, dalam hal ini dengan jumlah kata minimal 3 kata dan maksimal 24 kata.

(62)

4.3 Penggunaan Program

Implementasi dari aplikasi ini ditujukan kepada dua user utama yaitu dosen dan mahasiswa dengan tujuan untuk menggantikan fungsi manualitas penilaian tes esai yang terjadi selama ini menjadi sistem yang berbasis komputer.

4.3.1 Halaman Utama

Halaman ini merupakan halaman utama dari aplikasi penilaian tes esai dengan menggunakan algoritma TF/IDF dan LSA. Pada halaman ini terdapat enam menu pilihan, yaitu dosen, mahasiswa, news, hasil, about dan admin.

Gambar 4.1 Halaman Utama

4.3.2. Halaman Login Dosen

Halaman ini digunakan untuk mengecek validasi data login yang diinputkan oleh dosen. Data yang diinput oleh dosen adalah Nomor Induk Pegawai (NIP) dan

password dimana password ini diperoleh dari pegawai atau admin yang memiliki

(63)

. Gambar 4.2 Halaman Login Dosen

Apabila proses validasi berhasil, user akan menuju halaman menu dosen. Namun apabila proses validasi gagal, akan diperoleh pesan sebagai berikut :

Gambar 4.3 Notifikasi Login Gagal

4.3.3. Halaman Menu Dosen

Halaman ini menampilkan menu-menu aksi yang dapat digunakan oleh dosen di dalam sistem ini. Menu-menu tersebut adalah “Soal Mata Kuliah”,”Nilai Mahasiswa”, dan “Ubah Password”. Menu “Soal Mata Kuliah” merupakan menu-menu yang digunakan untuk melakukan aksi terhadap soal, adapun sub menu dari menu ini adalah “Buat Soal”, “Update/Hapus Soal”, dan “Lihat Info”. Menu “Nilai Mahasiswa” merupakan menu-menu yang digunakan untuk melakukan aksi terhadap jawaban mahasiswa, adapun sub menu dari menu ini adalah “Hitung Nilai” dan “Lihat Nilai”. Menu “Ubah Password” digunakan untuk melakukan aksi ubah terhadap password dosen. Sedangkan “Logout” digunakan untuk keluar dari halaman menu dosen dan kembali ke halaman utama.

(64)

Gambar 4.4 Halaman Menu Dosen

4.3.3.1 Halaman Buat Soal

Halaman ini digunakan oleh dosen untuk membuat soal. Adapun identitas soal yang digunakan adalah kode matakuliah, nama matakuliah, dosen, kelas, sifat, jumlah soal, tanggal ujian, waktu ujian dan lama ujian.

(65)

4.3.3.2 Halaman Update Soal

Halaman ini digunakan oleh dosen untuk melakukan aksi update ataupun hapus terhadap soal yang telah dibuat sebelumnya.

Gambar 4.6 Halaman Update/Hapus Soal 4.3.3.3 Halaman Lihat Info

Halaman ini menampilkan informasi akun dosen, termasuk soal-soal matakuliah yang telah dibuat.

(66)

4.3.3.4 Halaman Hitung Nilai

Halaman ini digunakan untuk melakukan perhitungan nilai terhadap jawaban dari mahasiswa. Terdapat tiga algoritma yang dapat digunakan untuk melakukan perhitungan, yaitu TF/IDF, LSA, dan TF/IDF-LSA. Di bagian “Simpan sebagai algoritma :”, terdapat empat kategori, yaitu “lihat” berfungsi hanya untuk melihat nilai-nilai dari perhitungan, namun belum melakukan penyimpanan nilai, sedangkan tiga kategori lainnya sudah melakukan perhitungan dan penyimpanan nilai menggunakan algoritma yang sesuai dengan nama kategorinya.

Gambar 4.8 Halaman Hitung Nilai

4.3.3.5 Halaman Lihat Nilai

Halaman ini menampilkan nilai-nilai mahasiswa dari perhitungan jawaban pada halaman Hitung Nilai. Selain itu, halaman ini juga menampilkan jawaban yang diberikan setiap mahasiswa beserta nilai yang diperoleh untuk setiap soal.

(67)

Gambar 4.9 Halaman Lihat Nilai

Untuk melihat jawaban tiap mahasiswa beserta nilai yang diperoleh tiap soal,

user perlu meng-click NIM dari mahasiswa yang bersangkutan. Adapun contoh

tampilannya adalah sebagai berikut :

(68)

4.3.3.6 Halaman Ubah Password

Gambar 4.11 Halaman Ubah Password 4.3.3.7 Halaman Logout

Logout merupakan tahap terakhir ketika user hendak menyelesaikan segala aktifitas

pada sistem ini. Halaman ini akan mengantarkan user keluar dari sistem dengan aman yang artinya mengantisipasi pemakaian username dan password yang sama oleh user lainnya.

(69)

  BAB 5

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Kesimpulan yang didapat dari perancangan aplikasi penilaian tes esai dengan algoritma TF/IDF, LSA, dan TF/IDF-LSA adalah sebagai berikut:

1. Aplikasi ini dibuat untuk membantu user, yaitu dosen dan mahasiswa dalam pemberian nilai terhadap jawaban yang diberikan mahasiswa.

2. Algoritma TF/IDF-LSA memiliki tingkat keakuratan yang lebih tinggi dibanding dua algoritma lainnya dalam pemeriksaan jawaban esai dengan jumlah kata yang banyak. Dalam hal ini hasil I penelitian (minimal 6 kata dan maksimal 38 kata), hasil II penelitian (minimal 10 kata dan maksimal 61 kata) dan hasil III penelitian (minimal 9 kata dan maksimal 35 kata).

3. Algoritma TF/IDF memiliki tingkat keakuratan yang lebih tinggi dibanding dua algoritma lainnya dalam pemeriksaan jawaban esai dengan jumlah kata yang sedikit. Dalam hal ini hasil IV penelitian (minimal 3 kata dan maksimal 24 kata).

5.2 Saran

Beberapa saran yang dapat digunakan untuk pengembangan penelitian ini adalah sebagai berikut:

1. Penelitian ini dapat dikembangkan dengan menggunakan algoritma lainnya. 2. Untuk pengembangan selanjutnya, sebaiknya jumlah sampel yang diambil lebih

banyak dibanding jumlah sampel pada penelitian ini agar perhitungan akurasi lebih akurat.

3. Penambahan jumlah kata umum di dalam database sehingga hasil yang

Gambar

Gambar 3.1 Flowchart TF/IDF
Tabel 3.7 Tabel Hasil Perhitungan CoSim dan Nilai LSA  Cosim (Di,Q)  Nilai Cosim  Jika bobot = 50,
Gambar 3.7 DFD Level 2 pada Proses Dosen
Tabel ini berisikan data sifat ujian. Secara default, sifat ujian adalah &#34;Buka Buku&#34; dan
+7

Referensi

Dokumen terkait

Adapun hasil analisis 15 soal number sense untuk enam subjek peserta didik SMK Negeri Penerbangan Aceh, diperoleh data bahwa subjek yang telah menggunakan atau belum

Jika mereka datang kepada saya dengan niat yang benar niscaya Allah Ta’ala akan memperlihatkan pada mereka apa-apa yang Dia anugerahkan pada saya, dan untuk menurunkan

Saat yang sama, ketika orang lain mengetahu sesuatu yang tidak baik terjadi, alangkah baiknya jika orang lain dapat melakukan sesuatu hanya sekali saja Oleh karena itu, sesuatu

Bank Rakyat Indonesia (Persero) Cabang Kusuma Bangsa adalah susunan tata cara bagi para nasabah atau calon nasabah Bank BTN dalam melakukan perbuatan atau

Dari gambar di atas sebutkan 2 jenis bahan yang dibutuhkan untuk membuat makanan

Sebelum membahas mengenai etika bisnis Islam, saya akan memaparkan terlebih dahulu mengenai Ekonomi Islam. Hal tersebut saya lakukan karena etika bisnis merupakan

keadaan pedagang terkait dengan pemahaman hukum tentang pelaksanaan retribusi di Mall Mandonga dan Pasar Mandonga Kota Kendari dapat diketahui dengan dua indikator, yaitu

Data jumlah nyamuk Culex sp yang mengalami aktivitas tidak normal diuji dengan One-Way ANOVA untuk menentukan ada tidaknya pengaruh PAPER-MAT dari berbagai dosis