Contoh Kata Pengantar Belajarpsikologi Com - Makalah

(1)

PERBANDINGAN METODE TERM WEIGHTING

UNTUK KLASIFIKASI EMOSI PADA LIRIK LAGU

TUGAS AKHIR

Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang

Oleh :

LU’LU’UL MUKARROMAH

201010370311074

JURUSAN TEKNIK INFORMATIKA

FAKULTAS TEKNIK

(2)

(3)

(4)

(5)

KATA PENGANTAR

Alhamdullilah segala puja dan puji syukur senantiasa penulis panjatkan kehadirat Allah SWT yang telah memberikan rahmat, taufiq serta hidayahnya, sehingga penulis dapat menyelesaikan pembuatan Laporan Tugas Akhir (TA) dengan judul ”Perbandingan Metode Term Weighting untuk Klasifikasi Emosi pada Lirik Lagu” yang diajukan sebagai salah satu syarat untuk meraih gelar Sarjana Strata 1.

Dalam penyusunan Tugas Akhir ini penulis berusaha untuk menerapkan ilmu yang telah didapat selama menjalani perkuliahan dengan tidak terlepas dari petunjuk, bimbingan, bantuan dan dukungan dari berbagai pihak.

Penulis menyampaikan rasa terima kasih yang tidak mungkin terlupakan kepada pihak-pihak yang telah memberikan bantuan moral maupun material secara langsung maupun tidak langsung kepada :

1. Allah SWT, atas terselesaikannya Laporan Tugas Akhir (TA).

2. Kedua orang tuaku, H.Abdul Hafidz Alwi dan Hj. Chofifah Alwi, terima kasih atas kasih sayang, do’a, kesabaran dan pengorbanan tak terhingga yang telah tercurahkan selama ini.

3. Adekku Ulul Izzatul Jannah dan Muhammad Akmal Firdaus terima kasih atas doanya.

4. Bapak Yuda Munarko, S.Kom, M.Sc selaku Dosen Pembimbing 1. 5. Bapak Yufis Azhar S.Kom, M.kom selaku Dosen Pembimbing 2. 6. Dosen Pengajar yang telah banyak memberikan ilmunya untuk Kami.

7. Ibu Gita Indah M., S.T, M.Kom selaku Dosen Penguji 1, dan Bapak Aminudin, S.Kom selaku Dosen Penguji 2 yang telah dengan sabar memberikan saran demi perbaikan tugas akhir ini.

8. Terima kasih buat Nurul Solechah, Linda Nur Wulansari, Marcellina Ratna, kalian teman yang luar biasa.

(6)

10. Semua pihak yang tidak dapat disebutkan satu persatu oleh penulis terima kasih atas bantuannya.

Jazakumullah khoiron katsiron atas semuanya, penulis menyadari bahwa pembuatan Tugas Akhir ini masih banyak kekurangan karena keterbatasan dan kemampuan penulis.

Akhirnya penulis berharap semoga memberikan manfaat bagi penulis khususnya, pembaca pada umumnya.

Malang, Januari 2015

(7)

(8)

2.5.3 Term Presence ... 12

4.1 Implementasi Kebutuhan Hardware dan Software ... 24

4.2 Implementasi Sistem ... 24

4.2.1 Implementasi Tahap Pembuatan Data Training ... 25

4.2.2 Implementasi Tahap Preprocessing ... 28

4.2.3 Implementasi Tahap Term Weighting ... 30

4.2.4 Implementasi K-Nearest Neighbour ... 33

(9)

DAFTAR GAMBAR

Gambar 2.1 Tahapan Text Mining ... 7

Gambar 2.2 Proses Case Folding ... 8

Gambar 2.3 Proses Tokenizing ... 8

Gambar 2.4 Proses Filtering ... 9

Gambar 2.5 Proses Stemming ... 10

Gambar 3.1 Alur Perancangan Sistem... 17

Gambar 3.2 Relasi Antar Tabel ... 22

Gambar 3.3 Interface Menu Utama ... 23

Gambar 3.4 Interface Halaman Hasil Pembobotan ... 23

Gambar 3.5 Interface Halaman Hasil Keseluruhan ... 23

Gambar 4.1 Implementasi Tahap Casefolding ... 28

Gambar 4.2 Implementasi Tahap Tokenizing ... 29

Gambar 4.3 Implementasi Tahap Filtering ... 29

Gambar 4.4 Implementasi Tahap Remove Non-Alphanumeric ... 29

Gambar 4.5 Implementasi Tahap Pemanggilan Porter Stemmer ... 30

Gambar 4.6 Implementasi Perhitungan OKAPI BM25 ... 30

Gambar 4.7 Implementasi Perhitungan Term Frequence ... 31

Gambar 4.8 Implementasi Perhitungan Term Presence ... 32

Gambar 4.9 Implementasi Perhitungan TF – IDF ... 32

Gambar 4.10 Implementasi Perhitungan Cosine Similarity ... 33

Gambar 4.11 Interface Halaman Utama Sistem ... 34

Gambar 4.12 Interface Hasil Pembobotan ... 35

Gambar 4.13 Interface Hasil Klasifikasi Emosi Keseluruhan ... 35

Gambar 4.14 Hasil Klasifikasi Sistem ... 38

(10)

DAFTAR TABEL

Tabel 3.1 Contoh Dokumen ... 18

Tabel 3.2 Perhitungan TF dan IDF ... 19

Tabel 3.3 Perhitungan Bobot TF – IDF ... 19

Tabel 3.4 Perhitungan Bobot Term Presence ... 19

Tabel 3.5 Perhitungan Perkalian Q dan D ... 20

Tabel 3.6 Perhitungan Panjang Vektor ... 21

Tabel 3.7 Hasil Cosine Similarity ... 21

Tabel 3.8 Urutan Hasil Cosine Similarity ... 21

Tabel 4.1 Data Training Emosi Marah (Angry) ... 25

Tabel 4.2 Data Training Emosi Senang (Joy) ... 26

Tabel 4.3 Data Training Emosi Sedih (Sad) ... 27

Tabel 4.4 Perhitungan Akurasi dengan Data Training Berjumlah 50 buah lirik lagu ... 36

Tabel 4.7 Perhitungan Rata – Rata Presentase Akurasi ... 37

Tabel 4.8 Perhitungan Bobot OKAPI BM25 ... 39

Tabel 4.9 Perhitungan Bobot TF ... 40

Tabel 4.10 Perhitungan Bobot TP ... 41

(11)

DAFTAR PUSTAKA

[1] Lailatus Sofiana, Zainal Abidin, Hani Nurhayati, 2012 “Klasifikasi Emosi untuk Teks Berbahasa Indonesia dengan Menggunakan K-Nearest Neighbor”, Jurnal Mahasiswa UIN Maliki Malang.

[2] Oxford English Dictionary 1st ed. lyric, adj. and n." 1903, diakses tanggal: 15 Jan 2014.

[3] Liddell, Henry & al. A Greek–English Lexicon 9th ed., " υ ό ". Clarendon Press (Oxford), 1996. Hosted at the Perseus Project. Diakses tanggal: 15 Jan 2014.

[4] Sidney, Philip. An Apologie for Poetrie op. cit. OED (1903).

[5] Haryanto S.Pd, 2009, Pengertian Emosi, [Online],

http://belajarpsikologi.com/pengertian-emosi/

[6] Frieda, N.H. (Inggris) Moods, Emotion Episodes and Emotions, New York: Guilford Press, 1993, hal. 381-403.

[7] Frijda, (Inggris) Moods, Emotion Episodes and Emotions," hal. 381.

[8] Kamus Besar Bahasa Indonesia (KBBI), Klasifikasi, [Online], http://kbbi.web.id/klasifikasi

[9] Wikipedia, 2013, Klasifikasi, [Online], http://id.wikipedia.org/wiki/Klasifikasi , diakses tanggal: 20 Agustus 2014

[10] Central Statistics Office, 2014, What is a classification?, [Online], Chichester: John Wiley & Sons, Ltd.

(12)

[14] Ratna Maria, 2013, Pengertian Data Mining, Text Mining Dan Web Mining,

[Online],

http://analisis-proses-bisnis-koperasi.blogspot.com/2013/04/pengertian-data-mining-text-mining-dan.html

[15] Ashil Fairuz, 2012, Text Mining, [Online],

http://ashilfairuz.blogspot.com/2012/07/text-mining.html#more

[16] Hullyati, 2012, Tugas Information Retrieval, [Online], http://hullyati260.wordpress.com/2012/10/24/tugas-information-retriefal/

[17] Nurul Hidayati, 2012, Tahapan Text Processing, [Online], http://nurulhidayati41991.blogspot.com/2012_10_01_archive.html

[18] Karyono G, Fandy Setyo Utomo, (2012), “Temu Balik Informasi Pada Dokumen Teks Berbahasa Indonesia Dengan Metode Vector Space Retrieval Model”,

[Online], Tersedia:

http://publikasi.dinus.ac.id/index.php/semantik/article/viewFile/141/102

[19] Yugianus P, Harry Soekotjo Dachlan, dan Rini Nur Hasanah, (2013), "Pengembangan Sistem Penelusuran Katalog Perpustakaan Dengan Metode Rocchio Relevance Feedback”, [Online], Jurnal EECCIS Vol. 7, No. 1, Juni

2013, Tersedia:

http://jurnaleeccis.ub.ac.id/index.php/eeccis/article/viewFile/201/174

[20] Sasono Dimas Prasetyo Adi, Lailil Muflikhah, Achmad Ridok, (2014), “Klasifikasi Genre Film Berdasarkan Judul Dan Sinopsis Menggunakan Fuzzy K-Nearest Neighbour (Fuzzy K-NN)”, [Online], Jurnal Mahasiswa PTIIK UB

[21] Budy, 2012, Automatic Text Summarization Menggunakan Metode TF-IDF, [Online], http://budyblog9.wordpress.com/2012/12/12/automatic-text-summarization-menggunakan-metode-tf-idf/

(13)

[23] Budi Prasetyo, Susana, (2012) “Pengembangan Aplikasi Cerdas Berbasis Intelegensiabuatan Untuk Perbandingan Karya Ilmiah Hasil Penelitiandalam

Upaya Mencegah Plagiasi”, [Online], Tersedia: http://digilib.batan.go.id/ppin/katalog/index.php/searchkatalog/downloadDatabyI

d/989/0853-9812-2012-157.pdf

[24] Renaldi Primaswara P, Rekyan Regasari MP., ST., MT., Dewi Yanti Liliana S.Kom., M.Kom, “Simulasi Pengontrolan Nyala Lampu Berbasis Sistem Pengenalan Suara (Voice Recognition) Dengan Menggunakan Metode Fast Fourier Transform Dan K-Nearest Neighbor”, [Online], Jurnal Mahasiswa

PTIIK UB Volume 1 - Number 8 2013, Tersedia:

https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad= rja&uact=8&ved=0CB4QFjAA&url=http%3A%2F%2Fptiik.ub.ac.id%2Fdoro%

2Farchives%2Fdetail%2FDR00072201306&ei=tBTyU--dLobJuAT3z4GoDA&usg=AFQjCNFl2yjUa7RKezNekngnDXBVOhs05Q&bv

m=bv.73231344,d.c2E .

[25] Bagus Puji, 2014, K – Nearest Neighbor Information Retrieval, [Online],

http://bagus-puji-fst12.web.unair.ac.id/artikel_detail-101546-Pendidikan-K%20%E2%80%93%20NEAREST%20NEIGHBOR%20INFORMATION%20