ABSTRAK
Sejarah merupakan tradisi besar dan gudang dari ide-ide cemerlang juga cerita mengenai perbuatan luhur dari orang-orang luhur. Banyak sekali hal yang bisa didapatkan melalui sejarah, tidak terkecuali dalam bidang Teknologi Informasi. Sejarah dapat mengajarkan bagaimana suatu inovasi terbentuk, apa dasar pemikiran dari dibentuknya hal tersebut, dan bagaimana kondisi dan keadaan aspek lain seperti politik, ekonomi, dll pada masa terjadinya suatu inovasi. Melalui hasil survei, lebih dari 80% mahasiswa Teknologi Informasi kurang mengetahui mengenai apa yang telah terjadi dalam sejarah bidang tersebut. Aplikasi berbasis web ini dibuat untuk membantu proses pemahaman sejarah dalam bidang Teknologi Informasi melalui tokoh-tokoh yang terlibat didalamnya. Setiap pengguna akan melakukan survei yang akan menjadi acuan kemiripan karakteristik dengan suatu tokoh tertentu, lalu sistem akan menampilkan sejarah dari tokoh yang bersangkutan. Karakteristik dari tokoh diekstraksi menggunakan pendekatan bahasa alami melalui penggolongan kelas kata dari artikel-artikel, sedangkan perhitungan kemiripan dilakukan dengan klasifikasi menggunakan metode naïve bayes. Hasil pengujian menunjukkan bahwa sistem dapat melakukan klasifikasi yang baik sesuai dengan hasil survei pengguna, walaupun dibarengi dengan kelemahan pada jumlah data training dan algoritma pembobotan. Dengan adanya aplikasi ini diharapkan dapat meningkatkan pengetahuan sejarah dari mahasiswa yang berada dalam lingkupan bidang Teknologi Informasi.
vii
ABSTRACT
History is the great tradition and a storehouse of great ideas. There are so many things that can be achieved through history, no exception on Information Technology. History can teach us how was an innovation created, what was the base thought of that creation, and how was the condition and situation of other aspect such as politics, economy, etc at the time of the occurrence of that innovation. Survey says that more than 80% of Information Technology college student is lack of knowledge about their field’s history. This web based application was created to help understanding process on Information Technology history through the key figures that was involved on it. Every users will do a survey that will become a reference characteristics similarity with a certain figure, and then the system will show the history of that figure. Figure’s characteristic was extracted use a natural language (NLP) approach from articles through part-of-speech grouping, while the classification itself use a naïve bayes method. Test result shows that system can do a good classification based on user’s survey result, although there are some weaknesses on the amount of data training and weighting algorithm problem. The increasing of history knowledge from Information Technology college student is expected with the implementation of this application.
DAFTAR ISI
LEMBAR PENGESAHAN ... i
PERNYATAAN ORISINALITAS LAPORAN PENELITIAN ... ii
PERNYATAAN PUBLIKASI LAPORAN PENELITIAN ... iii
PRAKATA ... iv
ABSTRAK ... vi
ABSTRACT ... vii
DAFTAR ISI ... viii
DAFTAR GAMBAR ... xviii
DAFTAR TABEL ... xxiv
DAFTAR NOTASI/ LAMBANG ... xxvi
DAFTAR SINGKATAN ... xxix
DAFTAR ISTILAH ... xxx
BAB 1 PENDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Rumusan Masalah ... 2
1.3 Tujuan Pembahasan ... 2
1.4 Ruang Lingkup ... 2
1.5 Sumber Data ... 4
1.6 Sistematika Penyajian ... 4
BAB 2 KAJIAN TEORI ... 6
2.1 Sejarah ... 6
2.1.1 Sejarah Dalam Computer Science ... 7
2.2 Natural Language Processing... 7
ix
2.2.1.1 Kategori Sintaksis Atau Kelas Kata ... 9
2.2.2 Tokenisasi ... 10
2.2.2.1 Stop Words ... 11
2.2.3 Stemming dan Lematisasi ... 11
2.2.3.1 POS Tagging ... 12
2.2.3.1.1 Part-of-speech tagset Penn Treebank ... 12
2.2.3.1.1.1 Adjective (Ajektiva) pada Penn Treebank ... 13
2.2.3.1.2 Verb (Verba) pada Penn Treebank ... 14
2.2.3.1.3 Noun (Nomina) pada Penn Treebank ... 14
2.2.4 KH Coder ... 15
2.2.4.1 Ekstraksi kata KH Coder ... 16
2.2.4.2 Lemmatization dan Stemming pada KH Coder ... 16
2.3 Klasifikasi ... 17
2.3.1 Proses Klasifikasi ... 18
2.3.2 Data Mining ... 19
2.3.3 Klasifikasi Naïve Bayes ... 20
2.3.3.1 Lapclacian Correction dan 0-Probability ... 23
BAB 3 ANALISIS DAN RANCANGAN SISTEM ... 24
3.1 Analisis ... 24
3.1.1 Tahapan Proses Keseluruhan ... 24
3.1.2 Gambaran Pengolahan Kata dan Kelas Kata ... 26
3.1.2.1 Gambaran Penggunaan KH Coder Dan Penjumlahan Frekuensi Kata ... 27
3.1.2.2 Mencari Related-Word ... 34
3.1.2.3 Irisan Kata ... 36
3.1.4 Gambaran Aplikasi... 43
3.1.5 Gambaran penerapan algoritma Naïve Bayes ... 44
3.2 Gambaran Keseluruhan ... 47
3.2.1 Persyaratan Antarmuka Eksternal ... 47
3.2.2 Antarmuka Perangkat Keras ... 47
3.2.3 Antarmuka Perangkat Lunak ... 47
3.3 Desain Perangkat Lunak ... 48
3.3.1 Pemodelan Perangkat Lunak ... 48
3.3.1.1 Usecase Diagram ... 48
3.3.1.1.1 Usecase Diagram Pengguna ... 49
3.3.1.1.2 Usecase Diagram Admin ... 49
3.3.1.1.2.1 Sub Sistem : Kelola Data User ... 50
3.3.1.1.2.2 Sub Sistem : Kelola Data Admin ... 51
3.3.1.1.2.3 Sub Sistem : Kelola Data Survei ... 51
3.3.1.1.2.4 Sub Sistem : Kelola Data Response ... 52
3.3.1.1.2.5 Sub Sistem : Kelola Pertanyaan ... 52
3.3.1.1.2.6 Sub Sistem : Kelola Data Tokoh ... 52
3.3.1.1.2.7 Sub Sistem : Kelola Data Karakter ... 53
3.3.1.2 Scenario ... 53
3.3.1.2.1 Skenario Sistem Aplikasi Website : Login ... 54
3.3.1.2.2 Skenario Sistem Aplikasi Website: Logout ... 55
3.3.1.2.3 Skenario Sistem Aplikasi Website: Daftar ... 56
3.3.1.2.4 Skenario Sistem Aplikasi Website: Ubah data user ... 57
3.3.1.2.5 Skenario Sistem Aplikasi Website: Membaca Sejarah... 57
3.3.1.2.6 Skenario Sistem Aplikasi Website: Melakukan Survei ... 58
xi
3.3.1.2.8 Skenario Sistem Pengelolaan Website : Logout ... 60
3.3.1.2.9 Skenario Sistem Pengelolaan Website : Kelola Data User .... 60
3.3.1.2.1 Skenario Sistem Pengelolaan Website : Kelola Data Admin . 61 3.3.1.2.2 Skenario Sistem Pengelolaan Website : Kelola Data Survei . 61 3.3.1.2.3 Skenario Sistem Pengelolaan Website : Kelola Data Response ... 62
3.3.1.2.4 Skenario Sistem Pengelolaan Website : Kelola Pertanyaan ... 62
3.3.1.2.5 Skenario Sistem Pengelolaan Website : Kelola Data Tokoh . 63 3.3.1.2.6 Skenario Sistem Pengelolaan Website : Kelola Data Karakter ... 63
3.3.1.3 Activity Diagram... 63
3.3.1.3.1 Activity Diagram Login User ... 64
3.3.1.3.2 Activity Diagram Logout User ... 65
3.3.1.3.3 Activity Diagram Daftar User ... 65
3.3.1.3.4 Activity Diagram Ubah Data User ... 66
3.3.1.3.5 Activity Diagram Membaca Sejarah ... 67
3.3.1.3.6 Activity Diagram Melakukan Survei ... 68
3.3.1.3.7 Activity Diagram Login Admin ... 69
3.3.1.3.8 Activity Diagram Logout Admin ... 70
3.3.1.4 Class Diagram ... 70
3.3.1.5 Sequence Diagram ... 71
3.3.2 Desain Penyimpanan Data ... 73
3.3.2.1 Entitas Admin ... 73
3.3.2.2 Entitas Responden/User_Terdaftar ... 74
3.3.2.3 Entitas Survei ... 74
3.3.2.5 Entitas Survei_response ... 75
3.3.2.6 Entitas Jawaban ... 75
3.3.2.7 Entitas Tokoh ... 75
3.3.2.8 Entitas Karakter ... 76
3.3.2.9 Entitas Jenis Jawaban Pertanyaan ... 76
3.3.3 Rancangan Antarmuka ... 76
3.3.3.1 Antarmuka User ... 76
3.3.3.1.1 Antarmuka Opening ... 77
3.3.3.1.2 Antarmuka Daftar... 77
3.3.3.1.3 Antarmuka Login ... 78
3.3.3.1.4 Antarmuka Home ... 78
3.3.3.1.5 Antarmuka Ubah Data Diri ... 79
3.3.3.1.6 Antarmuka Form Survei ... 79
3.3.3.1.7 Antarmuka Sejarah Tokoh ... 80
3.3.3.2 Antarmuka Admin ... 80
3.3.3.2.1 Atarmuka Login ... 80
3.3.3.2.2 Antarmuka Backend Dashboard ... 81
3.3.3.2.3 Antarmuka Lihat User ... 82
3.3.3.2.4 Antarmuka Tambah User ... 82
3.3.3.2.5 Antarmuka Edit User ... 83
3.3.3.2.6 Antarmuka Detail Survei... 84
3.3.3.2.7 Antarmuka Lihat Admin ... 84
3.3.3.2.8 Antarmuka Tambah Admin... 85
3.3.3.2.9 Antarmuka Edit Admin ... 86
3.3.3.2.10 Antarmuka Lihat Survei ... 86
xiii
3.3.3.2.12 Antarmuka Edit Survei ... 88
3.3.3.2.13 Antarmuka Hapus Survei ... 88
3.3.3.2.14 Antarmuka Lihat Pertanyaan... 89
3.3.3.2.15 Antarmuka Tambah Pertanyaan ... 89
3.3.3.2.16 Antarmuka Edit Pertanyaan ... 90
3.3.3.2.17 Antarmuka Hapus Pertanyaan ... 91
3.3.3.2.18 Antarmuka Lihat Tokoh ... 91
3.3.3.2.19 Antarmuka Tambah Tokoh ... 91
3.3.3.2.20 Antarmuka Edit Tokoh ... 92
3.3.3.2.21 Antarmuka Hapus Tokoh ... 93
3.3.3.2.22 Antarmuka Lihat Karakter ... 93
3.3.3.2.23 Antarmuka Tambah Karakter ... 94
3.3.3.2.24 Antarmuka Edit Karakter ... 95
3.3.3.2.25 Antarmuka Hapus Karakter ... 95
3.4 Rencana Pengujian ... 96
BAB 4 IMPLEMENTASI ... 97
4.1 Basis Data ... 97
4.2 Penyusunan Pertanyaan dan Kuesioner ... 98
4.3 Antarmuka Aplikasi ... 103
4.3.1 Antarmuka Home Pengunjung ... 104
4.3.1.1 Antarmuka Login Pengunjung ... 105
4.3.1.2 Antarmuka SignUp pengguna ... 105
4.3.2 Antarmuka User Terdaftar ... 105
4.3.2.1 Antarmuka View Detail Tokoh... 107
4.3.2.2 Antarmuka Sejarah Tokoh ... 107
4.3.2.4 Antarmuka Survei ... 108
4.3.2.4.1 Antarmuka Survei Opening ... 109
4.3.2.4.2 Antarmuka Pertanyaan dan Jawaban Survei ... 109
4.3.2.5 Antarmuka Hasil Survei ... 114
4.3.3 Antarmuka Admin ... 117
4.3.3.1 Antarmuka Login Admin ... 117
4.3.3.2 Antarmuka Dashboard ... 118
4.3.3.3 Antarmuka Tambah User ... 119
4.3.3.4 Antarmuka Show User ... 119
4.3.3.5 Antarmuka Ubah User ... 120
4.3.3.6 Antarmuka Tambah Admin... 120
4.3.3.7 Antarmuka Show Admin ... 121
4.3.3.8 Antarmuka Ubah Admin ... 122
4.3.3.9 Antarmuka Tambah Survei ... 122
4.3.3.10 Antarmuka Show Survei ... 123
4.3.3.11 Antarmuka Ubah Survei ... 123
4.3.3.12 Antarmuka Tambah Survei Response ... 124
4.3.3.13 Antarmuka Show Survei Response ... 124
4.3.3.14 Antarmuka Ubah Survei Response ... 125
4.3.3.15 Antarmuka Tambah Pertanyaan ... 126
4.3.3.16 Antarmuka Show Pertanyaan ... 126
4.3.3.17 Antarmuka Ubah Pertanyaan ... 127
4.3.3.18 Antarmuka Tambah Tokoh ... 127
4.3.3.19 Antarmuka Show Tokoh ... 128
4.3.3.20 Antarmuka Ubah Tokoh ... 129
xv
4.3.3.22 Antarmuka Show Karakter ... 131
4.4 Data Karakteristik Tokoh-Tokoh ... 131
4.4.1 Kata-Kata Karakteristik ... 131
4.4.1.1 Collecting kata karakteristik ... 132
4.4.1.1.1 Karakteristik Associating ... 132
4.4.1.1.2 Karakteristik Experimenting ... 134
4.4.1.1.3 Karakteristik Networking ... 136
4.4.1.1.4 Karakteristik Observing ... 138
4.4.1.1.5 Karakteristik Questioning ... 140
4.4.1.2 Pengirisan Kata ... 142
4.4.1.2.1 Irisan Kata Sifat ... 142
4.4.1.2.2 Irisan Kata Benda ... 146
4.4.1.2.3 Irisan Kata Kerja ... 156
4.4.2 Artikel-Artikel Sumber ... 157
4.4.3 Kelas Kata Tokoh Dan Kestabilan Data ... 164
BAB 5 PENGUJIAN ... 169
5.1 Black Box Testing ... 169
5.1.1 Pengujian Login Member ... 169
5.1.2 Pengujian Logout Member ... 169
5.1.3 Pengujian Informasi Tokoh ... 170
5.1.4 Pengujian Ubah Data Member ... 170
5.1.5 Pengujian Proses Survei ... 170
5.1.6 Pengujian Login Admin ... 170
5.1.7 Pengujian Logout Admin ... 171
5.1.8 Pengujian Dashboard ... 171
5.1.10 Pengujian Ubah Admin ... 172
5.1.11 Pengujian Hapus Admin ... 172
5.1.12 Pengujian Tambah User ... 172
5.1.13 Pengujian Ubah User ... 173
5.1.14 Pengujian Hapus User ... 173
5.1.15 Pengujian Tambah Survei ... 173
5.1.16 Pengujian Ubah Survei ... 173
5.1.17 Pengujian Hapus Survei ... 174
5.1.18 Pengujian Tambah Survei Response ... 174
5.1.19 Pengujian Ubah Survei Response ... 174
5.1.20 Pengujian Hapus Survei Response ... 175
5.1.21 Pengujian Tambah Pertanyaan ... 175
5.1.22 Pengujian Ubah Pertanyaan ... 175
5.1.23 Pengujian Hapus Pertanyaan ... 175
5.1.24 Pengujian Tambah Tokoh ... 176
5.1.25 Pengujian Ubah Tokoh ... 176
5.1.26 Pengujian Hapus Tokoh ... 176
5.1.27 Pengujian Tambah Karakter ... 177
5.1.28 Pengujian Ubah Karakter ... 177
5.1.29 Pengujian Hapus Karakter ... 177
5.1.30 Pengujian Tambah Jawaban ... 178
5.1.31 Pengujian Ubah Jawaban ... 178
5.1.32 Pengujian Hapus Jawaban ... 178
5.1.33 Pengujian Tambah Jawaban Pertanyaan ... 178
5.1.34 Pengujian Ubah Jawaban Pertanyaan ... 179
xvii
5.2 Pengujian Algoritma Naïve Bayes ... 179
5.2.1 Perhitungan Nilai P(Ci) ... 180
5.2.2 Perhitungan Nilai P(X|Ci) ... 180
5.2.3 Perhitungan Nilai P(Ci) * P(X|Ci) ... 181
5.3 Laplacian correction dan Pembobotan ... 183
5.3.1 Laplacian Correction ... 183
5.3.2 Pembobotan ... 184
BAB 6 SIMPULAN DAN SARAN ... 186
6.1 Simpulan ... 186
6.2 Saran ... 186
DAFTAR GAMBAR
Gambar 2.1 Contoh Proses Tokenisasi ... 10
Gambar 2.2 Contoh Stop Words... 11
Gambar 2.3 Logo KH Coder ... 15
Gambar 2.4 Macam-macam Tools Pengolahan Kata (words) Pada KH Coder .... 15
Gambar 2.5 Macam-macam tools pengolahan dokumen (documents) pada KH Coder ... 16
Gambar 2.6 Lemmatization dan Stemming pada KH Coder ... 17
Gambar 2.7 Proses Klasifikasi ... 19
Gambar 2.8 Teorema Bayes ... 20
Gambar 2.9 Teorema Naïve Bayes ... 21
Gambar 2.10 Contoh Training Set Klasifikasi Naïve Bayes... 22
Gambar 3.1 Diagram Tahapan Sistem (flowchart) ... 24
Gambar 3.2 Diagram Tahapan Pengolahan Kata Dan Kelas Kata ... 27
Gambar 3.3 Tampilan Aplikasi KH Coder ... 27
Gambar 3.4 Menu Settings ... 28
Gambar 3.5 Jendela Global Settings Dan Pemilihan Word Extraction ... 28
Gambar 3.6 Jendela New Project ... 29
Gambar 3.7 Tampilan Browse Sumber Teks ... 29
Gambar 3.8 Menu Run Pre-Processing ... 30
Gambar 3.9 Hasil Proeses Pre-Processing ... 30
Gambar 3.10 Menu Select Words To Analyze ... 31
Gambar 3.11 Tampilan Select Words To Analyze ... 31
Gambar 3.12 Menu Search Words ... 32
Gambar 3.13 Tampilan Proses Dan Hasil Search Words ... 33
Gambar 3.14 Salinan Data Hasil Dalam Excel ... 34
Gambar 3.15 Contoh Penjumlahan Total Frekuensi Kata ... 34
Gambar 3.16 Contoh Pencarian Word Related Verbs Menggunakan Rhymezone 35 Gambar 3.17 Related-Word Associating Dengan Kelas Kata Verb ... 35
xix
Gambar 3.19 Frekuensi Kata Dan Kelas Kata Pada Bab Associating ... 37
Gambar 3.20 Proses Pengirisan Kata Verbs ... 38
Gambar 3.21 Daftar Kata Hasil Irisan Verbs ... 38
Gambar 3.22 Diagram Tahapan Ekstraksi Kata ... 39
Gambar 3.23 Contoh Artikel Untuk Proses Ektraksi ... 40
Gambar 3.24 Contoh Ektraksi Kata Dengan karakteristik Associating Dari Satu Artikel ... 40
Gambar 3.25 Contoh Hasil Ekstraksi Kata Kerja Pada 2 Artikel ... 41
Gambar 3.26 Contoh Hasil Proses Consolidate ... 41
Gambar 3.27 Diagram Tahapan Sistem Secara Umum ... 44
Gambar 3.28 Usecase Diagram Sistem Keseluruhan ... 48
Gambar 3.29 Usecase Diagram User ... 49
Gambar 3.30 Usecase Diagram Admin ... 50
Gambar 3.31 Usecase Kelola Data User ... 50
Gambar 3.32 Usecase Kelola Data Admin ... 51
Gambar 3.33 Usecase Kelola Data Survei ... 51
Gambar 3.34 Usecase Kelola Data Response ... 52
Gambar 3.35 Usecase Kelola Pertanyaan ... 52
Gambar 3.36 Usecase Kelola Data Tokoh ... 53
Gambar 3.37 Usecase Kelola Data Karakter ... 53
Gambar 3.38 Activity Diagram Login User... 64
Gambar 3.39 Activity Diagram Logout User... 65
Gambar 3.40 Activity Diagram Daftar User ... 65
Gambar 3.41 Activity Diagram Ubah Data User ... 66
Gambar 3.42 Activity Diagram Membaca Sejarah ... 67
Gambar 3.43 Activity Diagram Melakukan Survei ... 68
Gambar 3.44 Activity Diagram Login Admin ... 69
Gambar 3.45 Activity Diagram Logout Admin ... 70
Gambar 3.46 Rancangan Class Diagram ... 71
Gambar 3.47 Sequence Diagram Fitur Klasifikasi Survei ... 72
Gambar 3.48 Rancangan Basis Data ... 73
Gambar 3.50 Antarmuka Daftar ... 77
Gambar 3.51 Antarmuka Login ... 78
Gambar 3.52 Antarmuka Home ... 78
Gambar 3.53 Antarmuka Ubah Data Diri ... 79
Gambar 3.54 Antarmuka Form Survei ... 79
Gambar 3.55 Antarmuka Sejarah Tokoh ... 80
Gambar 3.56 Antarmuka Login ... 81
Gambar 3.57 Antarmuka Dashboard... 81
Gambar 3.58 Antarmuka Lihat User ... 82
Gambar 3.59 Antarmuka Tambah User ... 83
Gambar 3.60 Antarmuka Edit User ... 83
Gambar 3.61 Antarmuka Detail Survei ... 84
Gambar 3.62 Antarmuka Lihat Admin ... 85
Gambar 3.63 Antarmuka Tambah Admin ... 85
Gambar 3.64 Antarmuka Ubah Admin ... 86
Gambar 3.65 Antarmuka Lihat Survei ... 87
Gambar 3.66 Antarmuka Tambah Survei ... 87
Gambar 3.67 Antarmuka Edit Survei ... 88
Gambar 3.68 Antarmuka Hapus Survei ... 88
Gambar 3.69 Antarmuka Lihat Pertanyaan ... 89
Gambar 3.70 Antarmuka Tambah Pertanyaan ... 90
Gambar 3.71 Antarmuka Edit Pertanyaan ... 90
Gambar 3.72 Antarmuka Hapus Pertanyaan ... 91
Gambar 3.73 Antarmuka Lihat Tokoh ... 91
Gambar 3.74 Antarmuka Tambah Tokoh ... 92
Gambar 3.75 Antarmuka Edit Tokoh ... 93
Gambar 3.76 Antarmuka Hapus Tokoh ... 93
Gambar 3.77 Antarmuka Lihat Karakter ... 94
Gambar 3.78 Antarmuka Tambah Karakter ... 94
Gambar 3.79 Antarmuka Edit Karakter ... 95
Gambar 3.80 Antarmuka Hapus Karakter ... 95
xxi
Gambar 4.4.2 Antarmuka Home Pengunjung ... 104
Gambar 4.3 Antarmuka Form Login Pengunjung ... 105
Gambar 4.4 Antarmuka Form Signup ... 105
Gambar 4.5 Antarmuka Home User Terdaftar ... 106
Gambar 4.6 Antarmuka Detail Tokoh ... 107
Gambar 4.7 Antarmuka Header Sejarah Tokoh ... 107
Gambar 4.8 Antarmuka Deskripsi Sejarah... 108
Gambar 4.9 Antarmuka Update Profil User ... 108
Gambar 4.10 Antarmuka Survei Opening ... 109
Gambar 4.11 Contoh Antarmuka Pertanyaan dan jawaban ... 110
Gambar 4.12 Tombol Next Pada Bagian Akhir Survei ... 110
Gambar 4.13 Antarmuka Bagian Akhir Survei ... 111
Gambar 4.14 Antarmuka Kemiripan Sejarah Dengan Pengguna... 111
Gambar 4.15 Kode Pengambilan Data 5 Karakteristik Tokoh-Tokoh ... 112
Gambar 4.16 Contoh Kode Konversi Bobot Nilai Karakter ... 112
Gambar 4.17 Kode Perhitungan nilai P(Ci) ... 112
Gambar 4.18 Potongan Kode Dalam Melakukan Pengecekan Probabilitas 0 .... 113
Gambar 4.19 Inisialisasi Array Dan Objek Tokoh... 113
Gambar 4.20 Perhitungan P(X|Ci ) Dan Push Terhadap Array ... 114
Gambar 4.21 Perhitungan P(Ci)*P(X|Ci) Dan Pencarian Nilai Maksimal ... 114
Gambar 4.22 Antarmuka Hasil Survei Bagian-1 ... 115
Gambar 4.23 Antarmuka Hasil Survei Bagian-2 ... 115
Gambar 4.24 Antarmuka Hasil Survei Bagian-3 ... 116
Gambar 4.25 Antarmuka Hasil Survei Bagian-4 ... 116
Gambar 4.26 Antarmuka Hasil Survei Bagian-5 ... 117
Gambar 4.27 Antarmuka Login Admin ... 118
Gambar 4.28 Antarmuka Dashboard Admin ... 118
Gambar 4.29 Antarmuka Tambah User ... 119
Gambar 4.30 Antarmuka Show User ... 120
Gambar 4.31 Antarmuka Ubah User ... 120
Gambar 4.32 Antarmuka Tambah Admin ... 121
Gambar 4.34 Antarmuka Ubah Admin ... 122
Gambar 4.35 Antarmuka Tambah Survei ... 122
Gambar 4.36 Antarmuka Show Survei ... 123
Gambar 4.37 Antarmuka Ubah Survei ... 124
Gambar 4.38 Antarmuka Tambah Survei Response ... 124
Gambar 4.39 Antarmuka Show Survei Response ... 125
Gambar 4.40 Antarmuka Ubah Survei Response ... 125
Gambar 4.41 Antarmuka Tambah Pertanyaan ... 126
Gambar 4.42 Antarmuka Show Pertanyaan ... 127
Gambar 4.43 Antarmuka Ubah Pertanyaan ... 127
Gambar 4.44 Antarmuka Tambah Tokoh ... 128
Gambar 4.45 Antarmuka Show Tokoh ... 129
Gambar 4.46 Antarmuka Ubah Tokoh ... 130
Gambar 4.47 Antarmuka Tambah Karakter ... 130
Gambar 4.48 Antarmuka Show Karakter ... 131
Gambar 4.49 Kata Sifat Karakteristik Associating ... 132
Gambar 4.50 Kata Benda Karakteristik Associating-1 ... 133
Gambar 4.51 Kata Benda Karakteristik Associating-2 ... 133
Gambar 4.52 Kata Benda Karakteristik Associating-3 ... 133
Gambar 4.53 Kata Benda Karakteristik Associating-4 ... 134
Gambar 4.54 Kata Kerja Karakteristik Associating ... 134
Gambar 4.55 Kata Sifat Karakteristik Experimenting ... 134
Gambar 4.56 Kata Benda Karakteristik Experimenting-1 ... 135
Gambar 4.57 Kata Benda Karakteristik Experimenting-2 ... 135
Gambar 4.58 Kata Benda Karakteristik Experimenting-3 ... 135
Gambar 4.59 Kata Kerja Karakteristik Experimenting ... 136
Gambar 4.60 Kata Sifat Karakteristik Networking ... 136
Gambar 4.61 Kata Benda Karakteristik Networking-1 ... 136
Gambar 4.62 Kata Benda Karakteristik Networking-2 ... 137
Gambar 4.63 Kata Benda Karakteristik Networking-3 ... 137
Gambar 4.64 Kata Benda Karakteristik Networking-4 ... 137
xxiii
Gambar 4.66 Kata Kerja Karakteristik Networking ... 138
Gambar 4.67 Kata Sifat Karakteristik Observing-1 ... 138
Gambar 4.68 Kata Benda Karakteristik Observing-2 ... 139
Gambar 4.69 Kata Benda Karakteristik Observing-3 ... 139
Gambar 4.70 Kata Benda Karakteristik Observing-4 ... 139
Gambar 4.71 Kata Benda Karakteristik Observing-5 ... 140
Gambar 4.72 Kata Sifat Karakteristik Questioning-1 ... 140
Gambar 4.73 Kata Sifat Karakteristik Questioning-2 ... 140
Gambar 4.74 Kata Benda Karakteristik Questioning-1 ... 141
Gambar 4.75 Kata Benda Karakteristik Questioning-2 ... 141
Gambar 4.76 Kata Benda Karakteristik Questioning-3 ... 141
Gambar 4.77 Kata Kerja Karakteristik Questioning ... 142
Gambar 5.1 Hasil Perhitungan P(Ci) Dalam Array ... 180
Gambar 5.2 Array P(X|Ci) Dengan X = “Associating” Untuk Setiap Class Nama Tokoh ... 181
Gambar 5.3 Array P(X|Ci) Dengan X = “Questioning” Untuk Setiap Class Nama Tokoh ... 181
Gambar 5.4 Array P(X|Ci) Dengan X = “Observing” Untuk Setiap Class Nama Tokoh ... 181
Gambar 5.5 Array P(X|Ci) Dengan X = “Networking” Untuk Setiap Class Nama Tokoh ... 181
Gambar 5.6 Array P(X|Ci) Dengan X = “Experimenting” Untuk Setiap Class Nama Tokoh ... 181
DAFTAR TABEL
Tabel 2.1 Jenis-jenis Tag pada Penn Treebank ... 13
Tabel 3.1 Contoh Gambaran Penyebaran Jumlah Kata Pada Masing-masing Karakteristik ... 42
Tabel 3.2 Gambaran Pemberian Bobot Nilai Berdasarkan Tabel 3.1 ... 42
Tabel 3.3 Data Training Set Dunny... 44
Tabel 3.4 Skenario Login Pengguna ... 54
Tabel 3.5 Skneario Logout Pengguna ... 55
Tabel 3.6 Skenario Daftar Pengguna ... 56
Tabel 3.7 Skenario Ubah Data Pengguna ... 57
Tabel 3.8 Skenario Pengguna Membaca Sejarah ... 57
Tabel 3.9 Skenario Pengguna Melakukan Survei ... 58
Tabel 3.10 Skenario Login Admin ... 59
Tabel 3.11 Skenario Logout Admin ... 60
Tabel 3.12 Skenario Kelola Data User ... 60
Tabel 3.13 Skenario Kelola Data Admin ... 61
Tabel 3.14 Skenario Kelola Data Survei ... 61
Tabel 3.15 Skenario Kelola Data Response ... 62
Tabel 3.16 Skenario Kelola Pertanyaan ... 62
Tabel 3.17 Skeario Kelola Data Tokoh ... 63
Tabel 3.18 Skenario Kelola Data Karakter ... 63
Tabel 3.19 Entitas Admin ... 74
Tabel 3.20 Entitas Responden ... 74
Tabel 3.21 Entitas Survei ... 74
Tabel 3.22 Entitas Pertanyaan ... 74
Tabel 3.23 Entitas Survei_respon ... 75
Tabel 3.24 Entitas Jawaban ... 75
Tabel 3.25 Entitas Tokoh ... 75
Tabel 3.26 Entitas Karakter... 76
Tabel 3.27 Entitas Jenis Jawaban Pertanyaan ... 76
xxv
Tabel 4.2 Tabel Jumlah Kata Per Karakeristik ... 132
Tabel 4.3 Tabel Irisan Kata Sifat ... 142
Tabel 4.4 Tabel Jumlah Kata Sifat ... 145
Tabel 4.5 Tabel Irisan Kata Benda ... 146
Tabel 4.6 Tabel Jumlah Kata Benda ... 156
Tabel 4.7 Tabel Irisan Kata Kerja ... 156
Tabel 4.8 Tabel Jumlah Kata Kerja... 157
Tabel 4.9 Data Artikel Sumber ... 157
Tabel 4.10 Tabel Jumlah Data Artikel Dan Kelas Kata ... 164
Tabel 4.11 Tabel Jumlah Kata per Karakteristik dan Penentuan Bobot ... 165
Tabel 4.12 Hasil Karakteristik Akhir Tokoh... 167
Tabel 5.1 Hasil Survei Karakteristik User ... 179
Tabel 5.2 Nilai P(Ci) Untuk Setiap Class Nama Tokoh ... 180
Tabel 5.3 Pengujian Laplacian ... 184
DAFTAR NOTASI/ LAMBANG
Jenis Notasi/ Lambang Nama Arti
UML Association Relasi antar kelas
dengan makna
UML Generalisasi Relasi antar kelas
dengan makna generalisasi-spesialisasi (umum khusus)
UML Use case Fungsionalitas
xxvii
UML Aktivitas Aktivitas yang
dilakukan sistem, biasanya di awali dengan kata kerja
UML Percabangan Asosiasi
percabangan di mana jika ada pilihan aktivitas lebih dari satu
UML Penggabungan Asosiasi
penggabungan di mana lebih dari satu aktivitas digabungkan menjadi satu
UML Swimlane Memisahkan
organisasi bisnis
data inti yang akan disimpan. Bakal
ERD relationship Penghubung antara
Referensi:
xxix
DAFTAR SINGKATAN
ERD Entity Relationship Diagram UML Unified Modelling Language SQL Structured Query Language
RAM Random Access Memory
1
Universitas Kristen Maranatha
BAB 1
PENDAHULUAN
1.1Latar Belakang
Sejarah merupakan tradisi besar dan gudang dari ide-ide cemerlang juga cerita mengenai perbuatan luhur dari orang-orang luhur [2]. Demikianlah paparan yang dikemukakan oleh Frank Stricker dalam buku The History Teacher. Sejarawan Daniel Boorstein juga secara terkenal menulis bahwa merencanakan suatu hal untuk masa yang akan datang tanpa adanya kesadaran pengetahuan mengenai masa lalu adalah seperti mencoba untuk menanam potongan-potongan bunga. Pandangan ini ditemukan sangat mendukung diantara para sejarawan yang bahkan sering mengutipnya dalam setiap kesempatan, tetapi kurang mendukung diantara orang-orang yang berada dalam ruang lingkup bidang teknologi [3].
Berhubungan dengan mengetahui minat pembelajaran sejarah dalam mahasiswa IT, dilakukan suatu proses pengambilan sampel terhadap 39 mahasiswa tingkat 2 keatas. Melalui pengambilan sampel tersebut diperoleh hasil lebih dari 80% mahasiswa setuju bahwa pembelajaran kesuksesan dan kegagalan yang didasarkan pada peristiwa orang lain itu penting. Dalam kaitannya dengan pembelajaran sejarah, didapatkan pula hasil lebih dari 80% melalui pertanyaan layak tidaknya apabila kisah tokoh-tokoh innovator bidang Teknologi Informasi menjadi contoh yang baik dalam pembelajaran. Tetapi hal ini bertolak belakang dengan hasil survei mengenai pengetahuan sejarah dari tokoh-tokoh yang mengawali karya inovasi tersebut dengan nilai negatif lebih dari 80%. Hasil survei tersebut memperlihatkan bahwa terdapatnya jenjang antara jawaban positif mengenai apa yang mungkin didapatkan dalam sejarah dengan pengetahuan mengenai sejarah digital itu sendiri.
2
tersebut adalah dengan pendekatan pemrosesan bahasa alami melalui analisa kelas kata.
1.2Rumusan Masalah
Berdasarkan uraian latar belakang, masalah-masalah yang muncul dan dapat diidentifikasi adalah sebagai berikut :
1. Bagaimana melakukan penggolongan karakter yang terjadi dalam sejarah melalui perantara tokoh-tokoh yang terlibat didalamnya ?
2. Bagaimana membangun suatu sistem guna memfasilitasi pembelajaran sejarah melalui perantara tokoh-tokoh dalam bidang Teknologi Informasi ?
1.3Tujuan Pembahasan
Berdasarkan latar belakang dan rumusan masalah, dapat diambil tujuan pembahasan sebagai berikut:
1. Melakukan analisis kelas kata dari artikel-artikel yang mengandung pembahasan tokoh-tokoh inovasi dalam bidang Teknologi Informasi.
2. Membangun suatu website yang dapat menghitung kemiripan pengguna dengan suatu tokoh sejarah melalui perantara survei dengan menyertakan deskripsi sejarah mengenai tokoh tersebut.
1.4Ruang Lingkup
Ruang lingkup analisa karakteristik yang digunakan sebagai acuan dalam melakukan klasifikasi kemiripan terhadap tokoh sejarah diambil berdasarkan buku
The Innovator’s DNA karya Jeff Dyer, dkk [4] yang meliputi 5 karakter sebagai berikut:
1. Associating (menghubungkan) 2. Questioning (mempertanyakan) 3. Observing (mengamati)
3
Universitas Kristen Maranatha Ruang lingkup kelas kata yang akan digunakan sebagai acuan penggolongan terhadap 5 poin yang terdapat pada ruang lingkup karakteristik adalah sebagai berikut:
1. Noun (kata benda) 2. Adjective (kata sifat) 3. Verb (kata kerja)
Ruang lingkup sistem yang akan dibangun sebagai media yang memfasilitasi proses ekstraksi kata, klasifikasi, dan deskripsi tokoh adalah sebagai berikut:
1. Proses ekstraksi dan perhitungan kata akan menggunakan aplikasi KHCoder 2. Sistem klasifikasi dan deskripsi tokoh yang akan dibuat merupakan sistem
berbasis Web.
3. Hak akses sistem dibagi menjadi 2, yaitu : a. Admin
b. User 4. Fitur umum
a. Melakukan klasifikasi kemiripan karakteristik pengguna dengan karakteristik tokoh
b. Menampilkan deskripsi sejarah mengenai tokoh-tokoh yang bersangkutan
Metode yang digunakan dalam melakukan proses klasifikasi karakteristik adalah metode klasifikasi Naïve Bayes. Bahasa dari sumber buku atau artikel yang akan dilakukan ekstraksi pengambilan kelas kata terbatas pada Bahasa Inggris. Deskripsi penjelasan sejarah tokoh akan didasarkan kepada buku The Innovator karya Walter Issacson [5].
Tokoh-tokoh yang akan disertakan untuk analisa kelas kata dan sebagai data training dalam perhitungan naïve bayes hanya dibatasi menjadi 9 tokoh, yaitu:
4
Sumber Data yang digunakan dalam penyusunan laporan ini adalah sebagai berikut :
1. Data Primer, yang terdiri dari:
Data yang ditujukan untuk mendukung penyusunan latar belakang masalah dan dilakukan dengan cara mengajukan pertanyaan terhadap 39 responden mahasiswa.
Data dalam menyusun kriteria yang digunakan sebagai acuan data training. Data ini diperoleh dari analisa kelas kata (kata kerja, kata sifat,
dan kata benda) yang diperoleh artikel-artikel yang mengandung sejarah tokoh-tokoh dalam bidang Teknologi Informasi.
Data hasil survei dalam sistem berbasis web yang akan menjadi data testing untuk proses klasifikasi.
1.6Sistematika Penyajian
Sistematika penyajian dari penyusunan laporan ini adalah sebagai berikut: BAB I. PENDAHULUAN
Bab ini akan menjelaskan mengenai latar belakang, rumusan masalah, tujuan pembahasan, ruang lingkup kajian, sumber data, dan sistematika penyajian Laporan Tugas Akhir yang berjudul “Sistem Pemahaman Sejarah Digital Berbasis Web Dan Klasifikasi Hasil Survei Kemiripan Karakteristik Tokoh TI Dengan Algoritma Naïve Bayes”.
5
Universitas Kristen Maranatha Bab ini berisi tentang penjelasan teori-teori yang berkaitan dengan analisa sistem yang mendukung implementasi. Dimulai dari pembahasan apa itu sejarah sampai kepada hal-hal teknis seperti teknik yang dipakai dalam melakukan ekstraksi kelas kata dan algoritma klasifikasi yang diimplementasikan.
BAB III. ANALISIS DAN RANCANGAN SISTEM
Bab ini menjelaskan mengenai analisis sistem yang akan dibuat. Terdiri analisis, yaitu gambaran dari aplikasi dan algoritma yang dipakai, desian perangkat lunak, dan rencana pengujian.
BAB IV. IMPLEMENTASI
Bab ini berisi tentang penjelasan perencanaan tahap implementasi, proses perkembangan implementasi proyek, dan proses konfigurasi.
BAB V. PENGUJIAN
Bab ini menjelaskan mengenai pengujian sistem yang telah dibangun. Pengujian akan disajikan dalam tampilan screenshoot dan tabel.
BAB VI. SIMPULAN DAN SARAN
186
BAB 6
SIMPULAN DAN SARAN
6.1Simpulan
Setelah melakukan serangkaian penelitian, mulai dari rancangan sistem, pengumpulan data, hingga proses uji coba, maka dapat disimpulkan bahwa:
1. Dengan adanya aplikasi pengenalan sejarah berbasis web, pengguna dapat mengetahui dan memahami asal mula dari macam-macam hasil temuan dalam bidang Teknologi Informasi yang tercatat dalam sejarah. Sejarah juga dapat memberikan cara pandang yang baru dalam menghadapi kondisi bidang TI sekarang (present) dengan melakukan perbandingan mengenai apa yang terjadi di masa lampau (past) melalui tokoh-tokoh yang terlibat didalamnya.
2. Proses perhitungan jumlah kata yang digolongkan kepada 3 kelas kata (adjectives, noun, dan verb) untuk setiap karakteristik dengan menggunakan NLP Stanford POS Tagger dapat menunjukkan keragaman tingkat karakteristik tokoh sejarah TI dari yang tidak dominan sampai yang terdominan.
3. Naïve Bayes dapat melakukan perhitungan kemiripan karakteristik antara hasil jawaban survei responden terhadap parameter-parameter –dalam hal ini karakteristik– tokoh-tokoh sejarah. Melalui proses perhitungan tersebut, terlihat bahwa setiap responden memiliki karakteristik-karakteristik dominan yang beragam sesuai dengan keragaman karakteristik tokoh-tokoh sejarah IT.
6.2Saran
187
Universitas Kristen Maranatha 1. Ditambahkannya survei baru yang menghitung tidak terbatas hanya
perhitungan 5 karakteristik saja, tetapi ditambahkannya karakteristik yang lain untuk setiap tokoh.
2. Pertanyaan dan jawaban survei yang disediakan dapat bersifat dinamis, sehingga tidak terbatas pada pertanyaan yang memiliki 5 jenjang jawaban. 3. Melakukan pembobotan untuk setiap atribut karakterstik untuk
meningkatkan hasil klasifikasi, misalnya menggunakan algoritma weighted naïve bayes.
Selain saran untuk pengembangan aplikasi, adapun saran untuk pelaksanaan penelitian dengan lebih baik di masa yang akan datang, yaitu:
SISTEM PEMAHAMAN SEJARAH DIGITAL BERBASIS
WEB DAN KLASIFIKASI HASIL SURVEI KEMIRIPAN
KARAKTERISTIK TOKOH TEKNOLOGI INFORMASI
DENGAN ALGORITMA NAÏVE BAYES
TUGAS AKHIR
Diajukan untuk Memenuhi Persyaratan Akademik dalam
Menyelesaikan Pendidikan pada Program Studi
S1Teknik Informatika Universitas Kristen Maranatha
Oleh
Muhammad Aldi Tahir
1372091
PROGRAM STUDI S1 TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INFORMASI
UNIVERSITAS KRISTEN MARANATHA
BANDUNG
ii
PRAKATA
Puji syukur kepada Sang Esa karena hanya oleh karena kasih dan karuniaNya pembuatan analisa serta penyusunan laporan ini dapat terselesaikan dengan baik. Laporan ini dibuat sebagai salah satu syarat kelulusan program studi S1 Teknik Informatika pada mata kuliah Tugas Akhir. Judul dari laporan ini adalah “Sistem Pemahaman Sejarah Digital Berbasis Web Dan Klasifikasi Hasil Survei Kemiripan Karakteristik Tokoh Teknologi Informasi Dengan Algoritma Naïve Bayes”.
Laporan ini didasari benar-benar dari ide orisinal penulis, tetapi dalam perancangan dan implementasinya terdapat kendala-kendala yang puji syukur dapat terselesaikan berkat arahan, bimbingan, dan kebaikan hati dari dosen pembimbing. Untuk itu penulis menyampaikan ucapan terima kasih kepada Bapak Dr. Andi Wahyu Rahardjo Emanuel, BSEE, MSSE selaku pembimbing -- yang menyetujui untuk menjadi pembimbing bagi penulis saat secara pribadi dihubungi-- dikarenakan telah meluruskan pemikiran abstrak penulis, mengajarkan standar yang baik dalam penulisan karya tulis ilmiah, dan memberikan saran – saran yang sangat berharga kepada penulis. Penulis juga menyampaikan terima kasih kepada pihak lain yang turut memberi bantuan dalam bentuk moril maupun materil, yaitu: 1. Keluarga besar penulis. Orang tua, oma, tante dan om, juga kakak-adik dan sepupu yang terus memberikan semangat, motivasi, dan yang selalu mendoakan penulis.
2. Bapak Dr. Hapnes Toba, M.Sc selaku Dekan Fakultas Teknologi Informasi 3. Bapak Robby Tan, S.T., M.Kom selaku Ketua Program Studi S1 Teknik
Informatika
4. Rekan-rekan teman seperjuangan dan seangkatan, Anonymous, yaitu grup yang terdiri dari ± 20 manusia jenius yang selalu menjadi tempat mengisi kegirangan penulis dalam masa-masa perkuliahan.
188
Universitas Kristen Maranatha
DAFTAR PUSTAKA
[1] R. A.S dan S. M., Rekayasa Perangkat Lunak Terstruktur dan Berorientasi Objek, Bandung: Informatika, 2013.
[2] F. Stricker, “Why History ? Thinking about the Uses of the Past,” dalam The History Teacher, Vol. 25, Society for History Education, 1992, pp. 292-312.
[3] T. Haigh, “The History of Computing : An Introduction for the Computer Scientist,” dalam Using History To Teach Computer Science Disciplines, Milwaukee, Computing Research Association, 2004, pp. 5-26.
[4] J. Dyer, H. Gregersen dan C. M. Christensen, The Innovator's DNA, Boston, Massachusetts: Harvard Business School Publishing, 2011.
[5] W. Isaacson, The Innovator, Yogyakarta: Bentang, 2015.
[6] A. Nevins, Master's Essays in History, New York: Columbia Univ. Press, 1993.
[7] R. Collingwood, The Idea of History, New York: A Galaxy Book, 1956. [8] W. Burston, Principle of History, London: Methuen and Company Ltd., 1972. [9] W. Dray dan W. v. d. Dussen, The Principles of History, Oxford: Oxford
University Press, 2001.
[10] P. E. Ceruzzi, “The Challenge of Introducing History into a Computer Science Curriculum,” dalam Using History To Teach Computer Science and Related Disciplines, Washington, D.C., Computing Research Association, 2004, pp.
27-32.
[11] E. Charniak, Introduction to Artificial Intelligence, Addison-Wesley, 1984. [12] J. Pustejovsky dan A. Stubbs, Natural Language Annotation for Machine
Learning, O'Reilly, 2012.
[15] J. Allsop, “Cassel's Student : English Grammar,” Binarupa Aksara, Jakarta Barat, 1990.
[16] R. Cowan, “The Teacher's Grammar of English,” Cambridge, Cambridge, 2008.
[17] R. Cowan, The Teacher's Grammar of English, New York: Cambridge University Press, 2008.
[18] J. Hodges, Harbrace College Handbook, New York: Harcourt, Brace & World, Inc., 1956.
[19] Cambridge UP, “The term vocabulary and postings lists,” Cambridge, Cambridge University Press, 2009, pp. 19-47.
[20] K. Higuchi, “KH Coder 3 Reference Manual,” Ritsumeikan University, Osaka, 2016.
[21] A. A. Arman, “Teknologi Pemrosesan Bahasa Alami sebagai Teknologi Kunci untuk Meningkatkan Cara Interaksi antara Manusia dan Mesin,” Pidato Ilimiah pada Sidang Terbuka PMB 2004, 2004.
[22] T. Chandrawati, Pengembangan Part Of Speech Tagger untuk Bahasa Indonesia Berdasarkan Metode Conditional Random Fields dan
Transformation Based, Universitas Indonesia, 2008.
[23] T. Brants, “Natural Language Processing in Information Retrieval,” 2003. [24] V. Christianti, J. Pragantha dan E. Purnamasari, “Implementasi Brill Tagger
untuk memberikan POS-Tagging pada dokumen bahasa indonesia,” Jurnal Teknik dan Ilmu Komputer, pp. 2-3, 2012.
[25] B. Santorini, “Part-of-Speech Tagging Guidelines for the Penn Treebank Project,” pp. 1-32, 1990.
[26] F. Gorunescu, Data Mining Concept Model Technique, Craiova, Romania: Springer, 2011.
[27] J. Han dan M. Kamber, Data Mining Concepts and Techniques, San Francisco: Diane Cerra, 2006.
190
Universitas Kristen Maranatha [29] D. T. Larose, Data Mining Methods and Models, New Jersey:
Wiley-Intersicience, 2006.
[30] “Reliability Maps: A Tool to Enhance Probability Estimates and Improve Classification Accuracy,” dalam Machine Learning and Knowledge Discovery in Databases, Berlin, Springer-Verlag, 2014, p. 18.
[31] S1 Teknik Informatika, Classification, Bandung: Fakultas Teknologi Informasi Universitas Kristen Maranatha, 2015.
[32] Object Management Group, “Business Process Model and Notation Resource Page,” 9 June 2014. [Online]. Available: http://www.omg.org/bpmn/index.htm. [Diakses 12 Jan 2016].
[33] R. C. Clark dan R. E. Mayer, E-learning and the science of instruction: Proven guidelines for consumers and designers of multimedia learning, 3rd penyunt., San Francisco, CA: Jossey-Bass, 2011.
[34] D. M. Kroenke dan D. J. Auer, Database Processing: Fundamentals, Design, and Implementation, Upper Saddle River, New Jersey: Pearson Education, Inc., 2012.
[35] K. C. Laudon dan J. P. Laudon, Management Information Systems: Managing the Digital Firms, 12th penyunt., Upple Saddle River, NJ: Prentice Hall, 2012. [36] T.-H. Wang, “Developing an assessment-centered e-Learning system for improving student learning effectiveness,” Computers & Education, vol. 73, pp. 189-203, 2014.
[37] D. R. Shavkat, “Penerapan Data Mining untuk Memprediksi Fluktuasi Harga Saham Menggunakan Metode Classification dengan Teknik Decision Tree,”
[Online]. Available:
http://elib.unikom.ac.id/gdl.php?mod=browse&op=read&id=jbptunikompp-gdl-dadanshavk-26780. [Diakses 1 Mar 2013].
[38] P. Ponniah, Data Warehousing Fundamentals, New York: John Wiley & Sons, 2001.
[40] U. Fayyad dan P. S. Gregory Piatetsky-Shapiro, “From Data Mining To Knowledge Discovery in Databases,” AI Magazine volume 17 number 3, pp. 37-54, 1996.
[41] P. Chapman, J. Clinton, R. Kerber, T. Khabaza, T. Reinartz, C. Shearer dan R. Wirth, CRISP-DM 1.0, SPSS, 1999, pp. 1-73.
[42] M. Berry, Data Mining Techniques, John Wiley & Sons, 2004.
[43] D. Axmark dan M. Widenius, MySQL 5.7 Reference Manual, Oracle, 2016, pp. 32-34.
[44] W. Riyato, “php,” Jurnal Universitas Gunadarma, pp. 1-12, 2001.