IMPLEMENTASI METODE
COLLABORATIVE TAGGING
PADA
SISTEM REKOMENDASI ARTIKEL PUBLIKASI ILMIAH
SKRIPSI
HASMI FARHANDANI ANSARI
091402061
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
IMPLEMENTASI METODE COLLABORATIVE TAGGING PADA SISTEM REKOMENDASI ARTIKEL PUBLIKASI ILMIAH
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi Informasi
HASMI FARHANDANI ANSARI
091402061
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2014
PERSETUJUAN
Judul : IMPLEMENTASI METODE COLLABORATIVE
TAGGING PADA SISTEM REKOMENDASI ARTIKEL PUBLIKASI ILMIAH
Kategori : SKRIPSI
Nama : HASMI FARHANDANI ANSARI
Nomor Induk Mahasiswa : 091042061
Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI (FASILKOM-TI) UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, Juni 2014
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Sarah Purnamawati, ST,M.Sc M.Fadly Syahputra, B.Sc., M.Sc.IT
NIP 19830226 201012 2 003 NIP 19830129 200912 1 003
Diketahui/Disetujui oleh
Program Studi S1 Teknologi Informasi
Ketua,
M.Anggia Muchtar, ST,MM.IT
PERNYATAAN
IMPLEMENTASI METODE COLLABORATIVE TAGGING PADA SISTEM
REKOMENDASI ARTIKEL PUBLIKASI ILMIAH
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, Juni 2014
Hasmi Farhandani Ansari 0910402061
UCAPAN TERIMA KASIH
Puji dan syukur penulis sampaikan kehadirat Allah SWT yang telah memberikan rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan skripsi ini sebagai syarat untuk memperoleh ijazah Sarjana Teknologi Informasi, Program Studi S1 Teknologi Informasi Universitas Sumatera Utara. Untuk itu penulis mengucapkan terima kasih kepada:
1. Dekan dan Pembantu Dekan Fakultas Ilmu Komputer danTeknologi Informasi
Universitas Sumatera Utara, semua dosen serta pegawai di Program Studi S1 Teknologi Informasi.
2. Ketua dan Sekretaris Program Studi S1 Teknologi Informasi, M. Anggia
Muchtar, ST, MM.IT dan M. Fadly Syahputra, B.Sc, M.Sc.IT.
3. Seluruh dosen Departemen Teknologi Informasi dan Ilmu Komputer USU
yang telah memberikan ilmu, dukungan, arahan dan bantuannya selama proses perkuliahan.
4. Kepada Bapak M. Fadly Syahputra, B.Sc, M.Sc.IT selaku pembimbing satu
dan Ibu Sarah Purnamawati, ST,M.Sc selaku pembimbing dua yang telah
banyak meluangkan waktu dan pikirannya, serta memberikan kritik dan saran kepada penulis. Ucapan terima kasih juga ditujukan kepada Bapak Dr.Syahril Effendi, S.Si, M.IT dan Bapak Baihaqi Siregar, S.Si, M.T yang telah bersedia menjadi dosen pembanding.
5. Skripsi ini penulis persembahkan untuk kedua orang tua dan keluarga penulis
yang telah memberikan dukungan dan motivasi, ayahanda H.Al-Ansari,Se dan ibunda Hj.Sri Azneini, S.Pd yang selalu sabar dalam mendidik dan membesarkan penulis. Untuk adik penulis Hanny Natasya Ansari dan Hadid Fachriansyah Ansari yang selalu memberikan dorongan dan dukungan kepada penulis .
6. Penulis juga mengucapkan terima kasih kepada teman-teman angkatan 2009,
7. Serta kepada pihak lain yang telah mendukung serta memberikan bantuan, saran, dan kritik kepada penulis selama pengerjaan skripsi ini.
Semoga segala kebaikan, bantuan dan dukungannya dibalas Allah SWT dengan nikmat yang berlimpah dan tugas akhir ini dapat bermanfaat bagi semua pihak yang
memerlukannya.
ABSTRAK
Berkembangnya World Wide Web (WWW) dan banyaknya orang yang menulis
informasi pada WWW membuat pengguna dapat mengakses informasi sangat banyak
dan juga informasi yang tidak diinginkan oleh pengguna. Salah satunya adalah artikel publikasi ilmiah. Pengguna dihadapkan dengan banyaknya pilihan artikel publikasi ilmiah yang ada, sehingga pengguna kesulitan dalam menemukan artikel publikasi
ilmiah yang sesuai dengan minat mereka. Oleh sebab itu dibutuhkan sebuah sistem
rekomendasi yang dapat memberikan rekomendasi artikel publikasi yang sesuai dengan minat pengguna.Salah satu metode sistem rekomendasi yang sedang
berkembang adalah collaborative tagging. Collaborative tagging menjelaskan proses
yang memungkinkan banyak pengguna untuk memberikan keterangan sebuah item
dengan dengan sebuah kata kunci contohnya tagging.Salah satu metode yang
digunakan pada collaborative tagging adalah dengan menggunakan pemodelan
vektor(Vector Space Model) dan untuk memberikan rekomendasi dengan
menggunakan cosine similarity. Pada penelitian ini penulis menggunakan
collaborative tagging dengan pemodelan vektor (Vector Space Model). Hasil
penelitian ini adalah penggunaan collaborative tagging dapat memberikan
rekomendasi kepada pengguna sesuai dengan minat mereka.
Kata kunci : World Wide Web, collaborative tagging, vector space model, cosine
The Implementation of Collaborative Tagging on Scientific Publication Recommender System
ABSTRACT
The development of the World Wide Web ( WWW ) and the number of people who write information on the WWW allow users to access a very large information and also the information that is not desired by the user. One of them is the article of scientific publications. Users are faced with many choices of available scientific publication articles, so it is difficult for users to find articles of scientific publications that match their interests. Therefore requires a recommendation system that can provide recommendations in accordance with users interests. One of the methods that is being rapidly developed in recommendation system is collaborative tagging . Collaborative tagging describes the process that allows many users to annotate an item with a keyword or tagging. One of the models used in collaborative tagging is vector model ( Vector Space Model ) and to provide recommendations, cosine similarity is used. In this study, the authors use collaborative tagging with vector modeling ( Vector Space Model ) and cosine similiarity . The results of this study is that the use of collaborative tagging can successfully provide recommendations to users that match their interests.
Keyword : World Wide Web, collaborative tagging, vector space model, cosine
similarity
DAFTAR ISI
PERSETUJUAN i
PERNYATAAN ii
UCAPAN TERIMA KASIH iii
ABSTRAK v
DAFTAR ISI vii
DAFTAR TABEL x
DAFTAR GAMBAR xi
BAB I 1
PENDAHULUAN 1
1.1. Latar Belakang 1
1.2. Rumusan Masalah 2
1.3. Batasan Masalah 2
1.4. Tujuan Penelitian 2
1.5. Manfaat Penelitian 2
1.6. Metodologi Penelitian 3
1.7. Sistematika Penulisan 4
BAB 2 6
LANDASAN TEORI 6
2.1. Sistem Rekomendasi 6
2.2. Tagging 7
2.2.1 User-Generated Tags 7
2.2.2 Machine-Generated Tags 7
2.3. Collaborative Tagging 8
2.4. Vector Space Model 8
2.4. Bahasa Pemrograman PHP 14
2.5. Database 14
2.6. Unified Modelling Language (UML) 15
2.8. Penelitian Terdahulu 16
2.9 Perbedaan dengan penelitian terdahulu 17
BAB 3 18
ANALISIS DAN PERANCANGAN 18
3.1. Data Yang Digunakan 18
3.2. Use Case Diagram 18
3.3. Activity Diagrams 20
3.3.1. Activity Diagram Register 20
3.3.2. Activity Diagram Logout 21
3.3.3. Activity Diagram Halaman Utama 22
3.3.4 Activity Diagram Halaman submit artikel 23
3.3.5. Activity Diagram Halaman Rekomendasi 24
3.3.6. Activity Diagram lihat daftar artikel publikasi oleh pengguna 25
3.3.7. Activity Diagram Logout 26
3.4. Flowchart 26
3.4.1. Flowchart Keseluruhan Rekomendasi 27
3.5. Perancangan Sistem 35
3.5.1. Kebutuhan Perangkat Lunak 35
3.5.2. Perancangan Antar Muka Perangkat Lunak 35
3.6. Perancangan Database 43
3.6.1 Perancangan Database 43
3.6.2. Relasi Antar Tabel 47
BAB 4 48
IMPLEMENTASI DAN PENGUJIAN SISTEM 48
4.1. Implementasi Sistem 48
4.2. Implementasi Perancangan Antarmuka 49
4.2.1. Halaman Registrasi 49
4.2.2. Halaman Login 50
4.2.3 Halaman Home 50
4.2.4 Halaman Rekomendasi 51
4.2 5 Halaman Lihat artikel publikasi ilmiah 51
4.2 6 Halaman submit artikel 52
4.3 Pengujian Sistem 53
4.3.1. Rencana Pengujian Sistem 53
4.3.2. Hasil Pengujian Sistem 54
4.3.3 Persiapan Pengujian Data 56
BAB 5 64
KESIMPULAN DAN SARAN 64
5.1. Kesimpulan 64
5.2. Saran 64
DAFTAR PUSTAKA 65
DAFTAR TABEL
Tabel 3.1 Data artikel yang telah diberikan tagging oleh pengguna. 10
Tabel 3.2 Raw Data Jurnal. 11
Tabel 3.3 Normalized Vector jurnal 11
Tabel 3.4 Data Tagging user 12
Tabel 3.5 Raw Data User 13
Tabel 3.6 Normalized vector User 13
Tabel 3.7 Dot Product User x Jurnal 14
Tabel 3.2 Normalized Vector Pengguna u1 30
Tabel 3.3 Raw Data Jurnal 31
Tabel 4.1 Rencana Pengujian 53
Tabel 4.2 Hasil Pengujian 54
Tabel 4.2 Hasil Pengujian (Lanjutan) 57
Tabel 4.3 Artikel yang telah disubmit oleh agus 57
Tabel 4.3 Artikel yang telah disubmit oleh agus (Lanjutan) 58
Tabel 4.4 Raw Data Jurnal pada database 56
Tabel 4.4 Raw Data Jurnal pada database (Lanjutan) 56
Tabel 4.4 Raw Data Jurnal pada database (Lanjutan) 60
Tabel 4.5 Perhitungan Normalized Vector for journal 60
Tabel 4.5 Perhitungan Normalized Vector for Journal ( Lanjutan) 61
Tabel 4.6 Raw Data Pengguna Agus 61
Tabel 4.6 Raw Data Pengguna Agus (Lanjutan) 62
Tabel 4.7 Normalized Vector for agus 63
Tabel 4.8 Dot Product perhitungan user x jurnal 63
DAFTAR GAMBAR
Gambar 3.1 Use Case Diagram 19
Gambar 3.2 Activity Diagram Register 20
Gambar 3.3 Activity Diagram Login 21
Gambar 3.4 Activity Diagram Halaman Utama 22
Gambar 3.5Activity Diagram Halaman submit artikel 23
Gambar 3.5 Activity Diagram Halaman Rekomendasi 24
Gambar 3.6 Activity Diagram Lihat Jurnal Yang dibookmark pengguna 25
Gambar 3.7 Activity diagram logout 26
Gambar 3.5 Flowchart Rekomendasi Keseluruhan 27
Gambar 3.7 Flowchart Perhitungan Normalized Vector Pengguna 29
Gambar 3.8 Flowchart Perhitungan Raw Data Jurnal 30
Gambar 3.9 Flowchart Perhitungan Normalized Vector Jurnal 32
Gambar 4.0 Flowchart Dot Product Pengguna dengan Jurnal 34
Gambar 3.12 Form Registrasi 35
Gambar 3.13 Form Login 36
Gambar 3.14 Halaman Utama 37
Gambar 3.15 Halaman All Article 38
Gambar 3.16 Halaman about 39
Gambar 3.17 Submit article 40
Gambar 3.18 Tabel user 43
Gambar 3.19 Tabel Author 43
Gambar 3.20 Tabel jurnal 44
Gambar 3.21 Tabel tagging 45
Gambar 3.22 Tabel user jurnal 45
Gambar 3.23 Tabel user_jurnal_tag 46
Gambar 3.24 Tabel Author_jurnal 46
Gambar 3.25 Relasi Antar Tabel 47
