WORD PREDICTION MENGGUNAKAN WINDOWS API BERBASIS WORD FREQUENCIES
SKRIPSI
ADE N TAMBUNAN 091402054
PROGRAM STUDI S-1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
WORD PREDICTION MENGGUNAKAN WINDOWS API
BERBASIS WORD FREQUENCIES
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi Informasi
ADE N TAMBUNAN 091402054
PROGRAM STUDI S-1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : WORD PREDICTION MENGGUNAKAN
WINDOWS API BERBASIS WORD
FREQUENCIES
Kategori : SKRIPSI
Nama : ADE N TAMBUNAN
Nomor Induk Mahasiswa : 091402054
Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI
Departemen : TEKNOLOGI INFORMASI
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI (FASILKOM-TI) UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, 22 Januari 2015 Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Dr. Erna Budhiarti Nababan, M.IT M. Andri Budiman, ST., M.Comp.Sc., M.E.M NIP 19751008 200801 1 001
Diketahui/Disetujui oleh
Program Studi S1 Teknologi Informasi Ketua,
PERNYATAAN
WORD PREDICTION MENGGUNAKAN WINDOWS API BERBASIS WORD FREQUENCIES
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, 22 Januari 2015
PENGHARGAAN
Alhamdulillah, segala puji dan syukur penulis panjatkan atas kehadirat Allah SWT beserta Nabi besar Muhammad SAW yang telah memberikan rahmat, hidayah-Nya, segala daya dan upaya sehingga penulis dapat menyelesaikan skripsi ini sebagai syarat utnuk memperoleh gelar Sarjana Program Studi S-1 Teknologi Informasi Universitas Sumatera Utara, Ucara terima kasih yang sebesar-besarnya penulis sampaikan kepada: 1. Kedua orang tua penulis, orang yang paling berharga dalam hidup penulis, ayahanda Syahrial Tambunan dan ibunda Tima Manggareta Dwirani Zahri yang telah membesarkan, mendidik, memberi dukungan, doa dan motivasi tanpa henti. Serta kepada abang dan adik penulis Adrian Nurrachman Tambunan dan Alreza Nurcholis Tambunan yang selalu ada dan menemani penulis.
2. Ketua dan Sekretaris Program Studi Teknologi Informasi, Bapak Muhammad Anggia Muchtar, ST., MM. IT. dan Bapak Muhammad Fadly Syahputra, B.Sc, M.Sc.IT, Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara, semua dosen serta pegawai di Program Studi S1 Teknologi Informasi.
3. Bapak Mohammad Andri Budiman, ST., M.Comp.Sc., M.E.M selaku pembimbing pertama dan Ibu Dr. Erna Budhiarti Nababan, M.IT selaku pembimbing kedua, yang telah banyak meluangkan waktunya dan memberikan masukan-masukan yang bermanfaat bagi penulis dalam menyelesaikan skripsi ini.
4. Bapak Muhammad Anggia Muchtar, ST., MM. IT. dan Bapak Muhammad Fadly Syahputra, B.Sc, M.Sc.IT yang telah bersedia menjadi dosen pembanding dan memberikan saran-saran yang baik bagi penulis dalam menyelesaikan skripsi ini.
5. Kepada Yunisya Aulia Putri yang selalu sabar, selalu mendukung, membantu dan merupakan salah satu motivasi penulis dalam menyelesaikan skripsi ini. Serta teman-teman yang mendukung dan membantu penulis Dwiky, Hafiz Yahya, Yogi, Ibnu, Ammar, Reza, Ridzuan, Fadhlullah, Fadli Rizky, Abdi Hafiz, Icha, Yanna, Dijah, Juju, Fanny, Hani, Binyo, Fadli Rachman, Dezi, Kurniawan, dan seluruh teman-teman lainnya yang tidak dapat disebutkan satu persatu.
6. Kepada Abang Faisal dan Ibu Delima yang selaku bagian tata usaha Program Studi S1 Teknologi Informasi yang telah membimbing dan membantu penulis dari awal proposal sampai sidang.
7. Dan juga kepada teman-teman basket Allstar MIPA yang selalu menghibur penulis.
ABSTRAK
Mengetik merupakan salah satu kegiatan yang erat dalam kehidupan sehari-sehari, namun masih banyak yang mengalami masalah ketika mengetik terutama bagi yang berkebutuhan khusus seperti autis. Salah satu solusinya yaitu dengan menggunakan aplikasi word prediction agar dapat mengurangi keystroke yang diperlukan untuk mengetik suatu teks, namun aplikasi word prediction yang beredar masih banyak yang menggunakan bahasa asing, bukan bahasa Indonesia. Pada penelitian ini, aplikasi word prediction yang dikembangkan menggunakan database yang berbahasa Indonesia berbasis frekuensi kata. Aplikasi word prediction yang dikembangkan dapat berjalan di banyak aplikasi pengolah kata seperti Microsoft Word, Notepad, E-mail, dengan memanfaatkan Windows API. Hasil pengujian menunjukkan bahwa word prediction
berbasis frekuensi kata mampu menghasilkan Keystroke Saving (KS) antara 26% sampai dengan 34%.
FREQUENCIES-BASED WORD PREDICTION WITH WINDOWS API
ABSTRACT
Typing is one activity that is closely in everyday life, but there are still many who have problems when typing, especially for those who are special needs like autism. One solution is to use word prediction application that can reduce keystroke needed to type a text, but many application of word prediction in circulation are still use a foreign language, not Indonesian. In this study, word prediction application was developed using Indonesian language database of word frequency. Applications can be run in many word processing applications such as Microsoft Word, Notepad, E-mail, by utilizing the Windows API. The results show that the frequency-based word prediction is able to achieved Keystroke Saving (KS) between 26% and 34%.
DAFTAR ISI
1.5 Manfaat Penelitian 17
1.6 Metodologi Penelitian 17
1.7 Sistematika Penulisan 18
BAB 2 LANDASAN TEORI 20
2.1 Anak Berkebutuhan Khusus (ABK) 20
2.1.1 Anak Berkebutuhan Khusus Bersifat Sementara (Temporer) 20 2.1.2 Anak Berkebutuhan Khusus Bersifat Menetap (Permanen) 21
2.2 Word Prediction 21
2.3 Algoritma Pencarian 22
2.3.1 Algoritma Pencarian Linear (Linear Search Algorithm) 22 2.3.2 Algoritma Pencarian Biner (Binary Search Algorithm) 23 2.3.3 Algoritma Pencarian Interpolasi (Interpolation Search
2.3 Algoritma prediksi 24
2.4 Adaptation 25
2.5 Windows API 26
2.6 Penelitian Terdahulu 26
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 29
3.1 Analisis masalah 29
3.3.4 Diagram Use Case 38
3.3.5 Use case spesifikasi 39
3.3.6 Activity Diagram 45
3.3.7 Perancangan Antar Muka 49
BAB 4 IMPLEMENTASI DAN PENGUJIAN 55
4.1 Implementasi Sistem 55
4.1.1 Perangkat Keras 55
4.1.2 Perangkat Lunak 56
4.2 Pengujian 56
4.2.1 Tabel pada database MySQL 56
4.2.2 Kasus dan hasil pengujian sistem 58
4.3 Pengujian Kinerja Sistem 63
4.4 Hasil pengujian prediksi kata pada aplikasi pengolah kata 73
4.5 Hasil pengujian Keystroke Saving (KS) 79
4.6 Evaluasi Heuristik dengan Skala Likert 80
4.6.1 Skor untuk tampilan aplikasi 81
4.6.2 Skor untuk Fitur-fitur aplikasi 82
4.6.3 Skor untuk hasil prediksi kata 83
4.6.4 Skor untuk Banyaknya Hasil Prediksi Kata 83
4.6.5 Skor untuk Keystroke Saving 84
4.6.6 Hasil Skor Aspek Heuristik Skala Likert 85
5.1 Kesimpulan 88
5.2 Saran 89
DAFTAR TABEL
Hal
Tabel 2.1 Penelitian Terdahulu 28
Tabel 3.1 Sampel Data Kata (Lanin et al, 2013) 30
Tabel 3.1. Sampel Data Kata (Lanin et al, 2013) (Lanjutan) 31
Tabel 3.2 Spesifikasi use case untuk login 39
Tabel 3.2 Spesifikasi use case untuk login (Lanjutan) 40
Tabel 3.3 Spesifikasi use case untuk input huruf 40
Tabel 3.3 Spesifikasi use case untuk input huruf (Lanjutan) 41
Tabel 3.4 Spesifikasi use case untuk tambah kata 42
Tabel 3.5 Spesifikasi use case ubah kata 43
Tabel 3.6 Spesifikasi use case untuk hapus kata 44
Tabel 3.7 Spesifikasi use case untuk cari kata 44
Tabel 3.7 Spesifikasi use case untuk cari kata (Lanjutan) 45
Tabel 4.1 Hasil pengujian halaman awal 58
Tabel 4.1 Hasil pengujian halaman awal (Lanjutan) 59
Tabel 4.2 Hasil pengujian halaman pengaturan 59
Tabel 4.2 Hasil pengujian halaman pengaturan (Lanjutan) 60
Tabel 4.3 Hasil pengujian halaman tambah kata 61
Tabel 4.4 Hasil pengujian halaman ubah kata 62
Tabel 4.5 Hasil pengujian halaman login 62
Tabel 4.6 Hasil pengujian halaman daftar 63
Tabel 4.7 Skala Jawaban dari Skala Likert 80
Tabel 4.8 Skor Jawaban Kuesioner 81
Tabel 4.9 Rating Scale 86
DAFTAR GAMBAR
Hal
Gambar 2.1 Ilustrasi penggunaan word prediction 21
Gambar 3.1 Diagram Ishikawa analisis permasalahan 30
Gambar 3.2 Flowchart Sistem 33
Gambar 3.3 Flowchart Algoritma 35
Gambar 3.4 Rancangan tbl_unigram 36
Gambar 3.5 Rancangan tbl_login 37
Gambar 3.6 Rancangan tbl_unigramnamauser 38
Gambar 3.7 Diagram use case sistem 39
Gambar 3.8 Activity diagram sistem (prediksi kata) 46
Gambar 3.9 Activity diagram sistem (tambah kata) 47
Gambar 3.10 Activity diagram sistem (hapus kata) 48
Gambar 3.11 Activity diagram sistem (ubah kata) 49
Gambar 3.12 Rancangan tampilan awal aplikasi 50
Gambar 3.13 Rancangan tampilan halaman pengaturan 51
Gambar 3.14 Rancangan tampilan halaman tambah kata 52
Gambar 3.15 Rancangan tampilan halaman about 53
Gambar 3.16 Rancangan tampilan halaman login 54
Gambar 3.17 Rancangan tampilan halaman daftar 54
Gambar 4.1 Tabel unigram 57
Gambar 4.2 Tabel login 57
Gambar 4.3 Tabel unigramnamauser 58
Gambar 4.4 Halaman login 64
Gambar 4.5 Halaman Awal Non-aktif 64
Gambar 4.6 Halaman Awal Aktif 65
Gambar 4.7 Halaman pengaturan 65
Gambar 4.8 Halaman pengaturan (Pencarian kata) 66
Gambar 4.10 Halaman pengaturan (Kata berhasil dihapus) 67 Gambar 4.11 Halaman pengaturan (Hapus kata error) 68
Gambar 4.12 Halaman tambah kata 69
Gambar 4.14 Halaman tambah kata (Kata gagal ditambah) 70
Gambar 4.15 Halaman ubah kata (error) 71
Gambar 4.16 Halaman ubah kata (Informasi kata) 71
Gambar 4.17 Halaman ubah kata (Konfirmasi ubah kata) 72
Gambar 4.18 Halaman about 73
Gambar 4.19 Pengujian sistem pada notepad 74
Gambar 4.20 Prediksi kata “ma” berdasarkan frek_unigram 74
Gambar 4.21 Pengujian pengiriman kata pada notepad 75
Gambar 4.22 Pengujian sistem pada aplikasi Microsoft word 75 Gambar 4.23 Prediksi kata “k” berdasarkan frek_unigram dan frek_uniuser 76 Gambar 4.24 Pengujian pengiriman kata pada Microsoft word 77
Gambar 4.25 Pengujian sistem pada aplikasi E-mail 77
Gambar 4.26 Prediksi kata “meng” berdasarkan frek_unigram dan frek_uniuser 78
Gambar 4.27 Pengujian pengiriman kata pada E-mail 79
Gambar 4.28 Grafik Skor Pertanyaan 1 81
Gambar 4.29 Grafik Skor Pertanyaan 2 82
Gambar 4.30 Grafik Skor Pertanyaan 3 83
Gambar 4.31 Grafik Skor Pertanyaan 4 84
