BAB III
METODOLOGI PENELITIAN
3.1 Analisis Kebutuhan
Analisis kebutuhan dilakukan untuk membantu peneliti mengumpulkan informasi serta data untuk mendukung penelitian. Informasi yang didapatkan dari hasil mengunjungi website resmi dari merk yang sudah dipilih.
Dalam penelitian ini, dibutuhkan dua jenis pengumpulan data. Yang pertama, data yang diambil dari survei terhadap responden berdasarkan pertanyaan-pertanyaan yang disajikan di dalam kuesioner. Sedangkan data yang kedua adalah berupa data yang diperoleh dari website resmi.
Pengumpulan data awal dilakukan adalah dengan penyebaran kuesioner secara random sampling. Isi kuesioner berupa pertanyaan sebagai berikut:
a) Umur b) Jenis Kelamin c) Merk Sepeda d) Jenis Sepeda e) Harga Sepeda f) Dan lain-lain
Isi kuesioner terlampir.
Pengumpulan data yang kedua diperoleh dengan cara web-scraping kemudian di input manual ke dalam database. Sumber data diambil dari website resmi:
17 b) www.brompton.com
c) www.polygonbikes.com d) www.pacific-bike.com
Untuk mengolah dan menganalisa data dibutuhkan perangkat lunak berupa: a) Google Chrome b) Sublime Text 3 c) XAMPP d) MySQL e) Powerdesigner f) Draw.io 3.2 Perancangan Aplikasi
Perancangan aplikasi rekomendasi dijabarkan menjadi beberapa bentuk yaitu Data Flow Diagram (DFD), Flowchart, Entity Relationship Diagram (ERD), database schema, struktur tabel, dan rancangan tampilan antarmuka.
3.2.1 Data Flow Diagram
Data Flow Diagram (DFD) merupakan proses yang menggambarkan bagaimana data berasal dan bertujuan di suatu sistem, penyimpanan data, proses yang terjadi untuk menghasilkan data, dan interaksi antar data (Wibowo et al., 2014). Data Flow Diagram terbagi menjadi beberapa tahap diagram yaitu DFD level 0 atau context diagram, DFD level 1, DFD level 2, DFD level 3, dan seterusnya. Berikut ini merupakan Data Flow Diagram yang menjelaskan bagaimana proses berjalannya data di dalam penelitian ini.
Gambar 3.1 merupakan DFD Level 0 atau DFD Context Diagram dari Sistem Rekomendasi Pemilihan Sepeda Berbasis Web Menggunakan Metode Item-Based
Clustering Hybrid. DFD ini menggambarkan aliran data secara keseluruhan yang ada di sistem. Terdapat dua entitas yaitu User, dan Web.
Gambar 3.1 DFD Context Diagram
Gambar 3.2 DFD Level 1
19 Gambar 3.2 merupakan DFD Level 1 dari Sistem Rekomendasi Pemilihan Sepeda Berbasis Web Menggunakan Metode Item-Based Clustering Hybrid. Pada DFD ini terdapat proses mengelola katalog, mengelola kriteria, mengelola rating, dan mengelola komentar, mengelola username.
Terdapat dua tabel pada database yang akan digunakan. Tabel sepeda yang berisi katalog-katalog dari sepeda yang nantinya akan dimunculkan pada website dan user dapat memilih katalog tersebut dan tabel rating akan menyimpan komentar, rating dan username dari user.
Gambar 3.3 DFD Level 2 Mengelola Kriteria
Gambar 3.3 merupakan DFD Level 2 mengelola kriteria, DFD ini terdapat empat proses yaitu menghapus kriteria, memilih kriteria, menambah kriteria, dan mengubah kriteria. Pada dfd ini semua kriteria akan terhubung ke tabel modelsepeda pada database. User dapat memilih kriteria yang diinginkan seperti merk sepeda, kategori sepeda, dan budget yang diinginkan.
Gambar 3.4 DFD Level 2 Mengelola Katalog
Gambar 3.4 merupakan DFD Level 2 mengelola katalog yang akan dipilih user, proses yang berlangsung adalah menghapus katalog, memilih katalog, menambah katalog, dan mengubah katalog. Semua katalog akan terhubung dengan tabel sepeda pada database. User dapat memilih katalog sepeda yang ingin dilihat. Dan semua data untuk katalog sepeda didapat dari webscrapping di website resmi dealer.
3.2.2 Flowchart
Gambar 3.5 adalah Flowchart Menu Utama, User dapat memilih beberapa fitur seperti bandingkan, katalog sepeda dan kriteria. Pada saat user memilih katalog maka akan dimunculkan detail dari katalog yang sudah dipilih oleh user. Jika user ingin membandingkan dua katalog maka user hanya perlu untuk memilih tombol bandingkan. Pada menu bandingkan akan ditampilkan hasil perbandingan dari dua katalog yang telah dipilih user. User dapat memilih kriteria yang sesuai dengan keinginan user sehingga katalog yang akan dimunculkan hanya berdasarkan dari pilihan kriteria user.
21 Gambar 3.5 Flowchart Menu Utama
Gambar 3.6 merupakan flowchart dari page review. Pada saat user memilih Tambah Review maka popup untuk menambahkan review akan muncul. User dapat memasukan username, rating, dan komentar selanjutnya data tersebut akan dimasukan kedalam database.
Gambar 3.6 Flowchart Review
23 3.2.3 Entity Relationship Diagram
Gambar 3.7 Entity Relationship Diagram
Gambar 3.7 merupakan Entity Relationship Diagram yang digunakan dalam sistem rekomendasi pemilihan sepeda berbasis web menggunakan metode Item-Based Clustering Hybrid.
3.2.4 Database Schema
Gambar 3.8. Database Schema
Gambar 3.8 merupakan database schema dari sistem rekomendasi pemilihan sepeda berbasis web menggunakan metode Item-Based Clustering Hybrid.
3.2.5 Struktur Tabel 1) Tabel merksepeda
25 Tabel merksepeda berfungsi untuk menyimpan merk dari sepeda. Merk sepeda yang dipakai adalah United, Polygonbikes, Brompton, dan Pacific. Tabel 3.1 dibawah merupakan data dari tabel merksepeda.
Tabel 3.1 Struktur Tabel merksepeda
No. Nama Kolom Tipe Data Keterangan
1 merkID int(5) Primary Key,
2 merkNama Varchar(50) Merk dari sepeda
2) Tabel sepeda
Tabel sepeda berfungsi untuk menyimpan ID dari setiap model,tipe,warna dan merk sepeda. Tabel 3.2 dibawah merupakan data dari tabel sepeda.
Tabel 3.2 Struktur Tabel sepeda
No. Nama Kolom Tipe Data Keterangan
1 sepedaID int(5) Primary Key, 2 modelID int(5) Foreign Key,
3 tipeID int(5) Foreign Key,
4 warnaID int(5) Foreign Key,
5 merkID int(5) Foreign Key,
6 sort_order int(5) Untuk menampilkan prioritas item
3) Tabel modelsepeda
Tabel modelsepeda berfungsi untuk menyimpan detail dari setiap sepeda. Data tersebut akan di input oleh admin. Tabel 3.3 dibawah merupakan data dari tabel modelsepeda.
Tabel 3.3. Struktur Tabel modelsepeda
No. Nama Kolom Tipe Data Keterangan
1 modelID int(5) Primary Key,
2 modelNama Varchar(50) Nama Model Sepeda 3 kategori Varchar(50) Kategori sepeda
4 harga Varchar(30) Tahun Pengeluaran
Sepeda
5 tahun Varchar(5) Tahun Sepeda
7 ukuran_frame Varchar(10) Ukuran frame sepeda 8 ukuran_ban Varchar(10) Ukuran ban (inch) 9 jenis_suspensi Varchar(100) Jenis Suspensi Sepeda 10 fork_suspensi Varchar(100) Suspensi Depan 11 rear_suspensi Varchar(100) Suspensi Belakang 12 frame_set Varchar(100) Bahan frame sepeda
13 stem Varchar(100) Penghubung Handle
dan frame
14 seatpost Varchar(100) Penyangga Saddle 15 handlebars Varchar(100) Handle Sepeda
16 saddle Varchar(100) Jok Sepeda
17 rem_depan Varchar(100) Rem depan sepeda 18 rem_belakang Varchar(100) Rem Belakang sepeda 19 shifter Varchar(100) Tuas Pemindah Gigi
20 chain Varchar(100) Rantai sepeda
21 rear_derailleur Varchar(100) Komponen pemindah gigi
22 crank_set Varchar(100) Penggerak rantai 23 cassette Varchar(100) Kumpulan sprocket 24 bottom_bracket Varchar(100) Alat untuk
menggabungkan crankset dan frame
25 rim Varchar(100) Velg sepeda
26 front_hub Varchar(100) Bearing roda depan 27 rear_hub Varchar(100) Bearing roda
belakang
28 tires Varchar(100) Jenis ban
4) Tabel ratingsepeda
Tabel ratingsepeda berfungsi untuk menyimpan rating dan komentar dari setiap review sepeda yang akan diinput oleh user. Tabel 3.4 dibawah merupakan data dari tabel ratingsepeda.
Tabel 3.4 Struktur Tabel ratingsepeda
No. Nama Kolom Tipe Data Keterangan
1 ratingID int(5) Primary Key
2 sepedaID int(5) Primary Key
3 rating Varchar(10) Rating yang telah diinput user 4 komentar Varchar(300) Komentar yang telah diinput user 5 username Varchar(50) Nama user yang menambahkan
27 5) Tabel jenissepeda
Tabel jenissepeda berfungsi untuk menyimpan jenis dari setiap sepeda. Tabel 3.5 dibawah merupakan data dari tabel jenissepeda.
Tabel 3.5 Struktur Tabel jenissepeda
No. Nama Kolom Tipe Data Keterangan
1 jenisID int(5) Primary Key,
2 jenisNama Varchar(30) Jenis dari sepeda
6) Tabel warnasepeda
Tabel warnasepeda berfungsi untuk menyimpan data dari warna sepeda per sepedaID. Tabel 3.6 dibawah merupakan data dari tabel warnasepeda.
Tabel 3.6 Struktur Tabel warnasepeda
No. Nama Kolom Tipe Data Keterangan
1 warnaID int(5) Primary Key,
2 warnaNama Varchar(30) Warna dari sepeda
7) Tabel gambarsepeda
Tabel gambarsepeda berfungsi untuk menyimpan data dari gambar per sepedaID. Tabel 3.7 dibawah merupakan data dari tabel gambarsepeda.
Tabel 3.7 Struktur Tabel gambarsepeda
No. Nama Kolom Tipe Data Keterangan
1 gambarID int(5) Primary Key, 2 sepedaID Int(5) Primary Key
3.2.6 Rancangan Antarmuka
Berikut ini adalah rancangan tampilan antarmuka sistem rekomendasi pemilihan sepeda berbasis web menggunakan metode Item-Based Clustering Hybrid yang digambarkan sebagai berikut.
Gambar 3.9 Rancangan Tampilan Home
Pada Gambar 3.9 merupakan rancangan tampilan antarmuka untuk halaman home. Terdapat tombol bandingkan yang akan membawa user ke halaman bandingkan dimana terdapat dua katalog yang dibandingkan. Terdapat pula katalog sepeda yang dapat dilihat. User dapat memilih kriteria sepeda sesuai dengan keinginan user. Kriteria yang dapat dipilih adalah merk, jenis, dan range harga.
29 Gambar 3.10 Rancangan Tampilan Detail Sepeda
Gambar 3.10 merupakan tampilan ketika user memilih salah satu katalog sepeda. Terdapat pilihan spesifikasi dan review. Spesifikasi adalah detail dari sepeda tersebut dan di bagian review user dapat melihat dan menambah komentar serta rating. User juga dapat menambah sepeda ke menu bandingkan.
Gambar 3.11. merupakan rancangan tampilan dari halaman review. Di halaman ini user dapat menambah komentar dan rating. User juga dapat melihat review-review yang telah dimasukan oleh user lain.
Gambar 3.12 Rancangan Tampilan Tambah Review
Gambar 3.12 merupakan rancangan tampilan ketika user memilih tombol tambah review.
31 Gambar 3.13 Rancangan Tampilan Bandingkan
Gambar 3.13 merupakan tampilan yang akan muncul pada saat user memilih menu bandingakn. Data yang akan keluar adalah hasil dari pilihan dua sepeda yang sudah dipilih user.
Gambar 3.14 merupakan rancangan tampilan pada admin side. Terdapat beberapa menu seperti menu tambah katalog, menu edit katalog dan menu hapus katalog.
3.3 Implementasi Aplikasi
3.3.1 Implementasi Tampilan Antarmuka
Tampilan halaman antarmuka yang ada di sistem rekomendasi pemilihan sepeda menggunakan metode Item-Based Clustering Hybrid.
Gambar 3.15 Halaman Awal
Gambar 3.15 merupakan halaman awal dari sistem rekomendasi ini. Pada halaman ini terdapat tombol bandingkan pada header untuk berpindah ke halaman bandingkan. Terdapat juga tombol filter dan kriteria yang dapat dipilih user. User
33 juga dapat memilih katalog yang diinginkan dan akan dialihkan ke halaman detail sepeda sesuai dengan katalog yang dipilih.
Gambar 3.16 Halaman Detail Sepeda
Gambar 3.16 merupakan halaman detail sepeda yang telah dipilih sebelumnya oleh user. Terdapat tombol bandingkan, spesifikasi dan review. Tombol bandingkan berfungsi untuk memasukan sepeda ke dalam perbandingan dua katalog sepeda. Tombol bar review digunakan untuk melihat review dari user lainnya.
Gambar 3.17 Halaman Review
Gambar 3.17. merupakan halaman pada saat tombol review dipilih. User dapat melihat review dari orang lain dan menambah review.
Gambar 3.18 Tambah Review
Gambar 3.18s merupakan popup yang akan muncul pada saat tombol Tambah Review dipilih. User dapat memasukan username, rating dan komentar.
35 Gambar 3.19 Halaman Bandingkan
Gambar 3.19 merupakan halaman bandingkan yang akan muncul saat user memilih dua katalog yang akan di bandingkan. User dapat melihat perbandingan spesifikasi dari dua jenis sepeda.
3.4 Pengujian dan Evaluasi
Berikut adalah potongan source code yang digunakan dalam pembuatan sistem rekomendasi pemilihan sepeda menggunakan metode Item-Based Clustering Hybrid.
Gambar 3.20 adalah potongan kode untuk memasukan data ke dalam klaster, terdapat 12 klaster yang digunakan. Value klaster merupakan data asumsi dimana jika item a masuk ke dalam grup maka akan diisi value 1 dan jika tidak akan diisi 0.
Gambar 3.20 Memasukan data ke Klaster
Gambar 3.21 adalah potongan kode untuk menghitung rata-rata dari tiap Klaster berdasarkan data yang didapat pada Gambar 3.22.
Gambar 3.21 Potongan Kode Menghitung rata-rata dari Klaster
Gambar 3.22 adalah potongan kode untuk menghitung similarity dari setiap item pada group item matriks, berdasarkan rumus Adjusted Cosine Similarity.
37 Gambar 3.22 Potongan Kode Menghitung Similarity group rating matriks
Gambar 3.23 adalah potongan kode untuk menghitung similarity dari setiap item pada rating matriks, berdasarkan rumus Pearson Correlation-based Similarity.
Gambar 3.23 Potongan Kode Menghitung Similarity item rating matriks
Gambar 3.24 adalah potongan kode untuk menghitung total user similarity menggunakan hasil yang didapat pada similarity group rating matriks dan similarity item rating matriks dengan Linear Combination.
39 Gambar 3.24 Total User similarity dengan linear combination
Gambar 3.25 adalah potongan kode untuk menghitung prediksi dari suatu item beradasarkan item group matriks dan hasil dari similarity pada gambar 3.26. Kemudian dilakukan sorting untuk melihat urutan rating.
