vi
ABSTRAK
Abstrak adalah bagian penting dalam sebuah dokumentasi penelitian. Abstrak merupakan garis besar dari seluruh penelitian. Melalui proses ekstraksi kata kunci dengan menggunakan algoritma TextRank dari sebuah abstrak penelitian, dapat diketahui keseluruhan isi penelitian tersebut. Data penelitian yang diperoleh kemudian dapat diolah bersama dengan data pengajaran dosen dan data pengabdian dosen untuk menghasilkan sebuah penilaian berdasarkan kesetaraan SKS (Satuan Kredit Semester), yang disajikan dalam bentuk information dashboard. Sehingga perlu dilakukan analisa, perancangan, desain sistem, dan pencarian teori-teori yang mendukung untuk membuat sistem portal untuk pengolahan data dosen dengan menggunakan algoritma TextRank dan penyajian data menggunakan Information Dashboard, lalu riset dilanjutkan pada tahap implementasi dan pengujian. Hal ini dilakukan untuk mengimplementasikan sistem portal dosen yang dapat mengolah data dan menampilkan beban kewajiban kerja secara akurat.
vii
ABSCTRACT
Abstract is one of the most important part in a research documentation. Abstract
contains the summary of the research. Through the process of keyword extraction,
the whole research can be understood. The research data can be processed
together with
the lecturer’s
lecture and service data in order to count the score
based on SKS (Satuan Kredit Semester) equality, and shown using the Information
Dashboard. Finally after many analyzes, plans, system designs, and search for
theories that support to make the portal sistem using TextRank Algorithm in order
to do the keyword extraction and Information Dashboard, then the research
extended at the level of implementation and testing. This is done to implement a
portal system that can manage and show the score data with high accuracy.
viii
DAFTAR ISI
LEMBAR PENGESAHAN ... i
PERNYATAAN ORISINALITAS LAPORAN PENELITIAN ... ii
PERNYATAAN PUBLIKASI LAPORAN PENELITIAN ... iii
PRAKATA ...iv
ABSTRAK ...vi
ABSCTRACT ... vii
DAFTAR ISI ... viii
DAFTAR GAMBAR ... xiii
DAFTAR TABEL ... xvi
DAFTAR SIMBOL ... xvii
DAFTAR RUMUS ... xix
DAFTAR KODE PROGRAM ... xx
BAB 1 PENDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Rumusan Masalah ... 1
1.3 Tujuan ... 2
1.4 Batasan Masalah ... 2
1.5 Sistematika Pembahasan ... 3
BAB 2 LANDASAN TEORI ... 5
2.1 Information Retrieval ... 5
2.1.1 Text Processing ... 5
2.2 Text Ranking ... 7
BAB 3 ANALISIS DAN DISAIN ... 12
3.1 Analisis ... 12
3.1.1 Pengumpulan Data ... 12
3.1.2 Data Cleaning ... 12
3.1.3 Peta Penelitian ... 13
3.2 Gambaran Keseluruhan ... 14
3.2.1 Persyaratan Antarmuka Eksternal ... 14
ix
3.2.3 Antarmuka Perangkat Keras ... 15
3.2.4 Antarmuka Perangkat Lunak ... 16
3.2.5 Fitur-fitur Produk Perangkat Lunak ... 16
3.3 Desain Perangkat Lunak ... 25
3.3.1 Pemodelan Perangkat Lunak ... 25
3.3.2 Desain Penyimpanan Data ... 61
3.3.3 Rancangan Antar Muka ... 62
3.4 Ekstraksi Kata Kunci ... 69
3.4.1 Tahap Stemming ... 70
3.4.2 Tahap Stopping ... 70
3.4.3 Tahap Tokenisasi ... 71
3.4.4 Tahap Pembuatan Graf TextRank ... 71
BAB 4 PENGEMBANGAN PERANGKAT LUNAK ... 73
4.1 Implementasi Algoritma TextRank ... 73
4.1.1 Tokenisasi ... 73
4.1.2 Stopping ... 74
4.1.3 Perhitungan Bobot... 74
4.2 Implementasi Class ... 76
4.2.1 Class dataKelompokPenelitianDenganKeywordTB ... 77
4.2.2 Class dataKelompokPenelitianDosenTB ... 78
4.2.3 Class dataKelompokPenelitianTB ... 79
4.2.4 Class dataKesetaraanSKSTB ... 80
4.2.5 Class dataKeywordTB ... 81
4.2.6 Class dataMasterInstitusiTB ... 82
4.2.7 Class dataMasterPenelitianTB ... 83
4.2.8 Class dataMasterDosenTB ... 84
4.2.9 Class dataMasterJenjangPendidikanTB ... 85
4.2.10 Class dataMasterKelasProdiTB ... 86
4.2.11 Class dataMasterKotaTB ... 87
4.2.12 Class dataMasterMataKuliahTB ... 87
x
4.2.14 Class dataMasterProgramStudiTB ... 89
4.2.15 Class dataMasterPropinsiTB ... 90
4.2.16 Class dataMasterSemesterTB ... 91
4.2.17 Class dataMasterDosenTB ... 92
4.2.18 Class dataPenelitianDetailAnggotaTB ... 93
4.2.19 Class dataPenelitianDetailKerjaSamaTB ... 94
4.2.20 Class dataPengabdianDetailAnggotaTB ... 95
4.2.21 Class dataPengabdianDetailKerjaSamaTB ... 96
4.2.22 Class dataPeranTB ... 97
4.2.23 Class dataTahunAjaranTB ... 98
4.2.24 Class dataMasterPengabdianTB ... 99
4.2.25 Class appHelper ... 100
4.2.26 Class TextRankNode... 100
4.2.27 Class TextRankRelation ... 101
4.3 Implementasi Simpanan Data ... 101
4.3.1 Implementasi Tabel dataMasterDosenTB ... 101
4.3.2 Implementasi Tabel dataMasterPropinsiTB ... 102
4.3.3 Implementasi Tabel dataMasterKotaTB ... 102
4.3.4 Implementasi Tabel dataMasterJenjangPendidikanTB ... 102
4.3.5 Implementasi Tabel dataMasterMataKuliahTB ... 103
4.3.6 Implementasi Tabel dataMasterPengajaranTB ... 103
4.3.7 Implementasi Tabel dataMasterKelasProdiTB ... 104
4.3.8 Implementasi Tabel dataMasterProgramStudiTB ... 104
4.3.9 Implementasi Tabel dataMasterStatusDosenTB ... 104
4.3.10 Implementasi Tabel dataTahunAjaranTB ... 105
4.3.11 Implementasi Tabel dataMasterSemesterTB ... 105
4.3.12 Implementasi Tabel dataMasterPengabdianTB ... 105
4.3.13 Implementasi Tabel dataPengabdianDetailKerjaSamaTB ... 106
4.3.14 Implementasi Tabel dataPengabdianDetailAnggotaTB ... 106
4.3.15 Implementasi Tabel dataPeranTB ... 107
xi
4.3.17 Implementasi Tabel dataKesetaraanSKSTB ... 107
4.3.18 Implementasi Tabel dataMasterPenelitianTB ... 108
4.3.19 Implementasi Tabel dataPenelitianDetailKerjaSamaTB ... 108
4.3.20 Implementasi Tabel dataPenelitianDetailAnggotaTB ... 109
4.3.21 Implementasi Tabel dataKelompokPenelitianTB ... 109
4.3.22 Implementasi Tabel dataKeywordTB ... 109
4.3.23 Implementasi Tabel dataKelompokPenelitianDosenTB ... 110
4.3.24 Implementasi Tabel dataKelompokPenelitianDenganKeywordTB ... 110
4.4 Implementasi Antar Muka ... 110
4.4.1 Implementasi Form Utama ... 111
4.4.2 Implementasi Form Data Master Dosen ... 111
4.4.3 Implementasi Form Data Pengajaran ... 112
4.4.4 Implementasi Form Pengajar ... 112
4.4.5 Implementasi Form Data Penelitian... 113
4.4.6 Implementasi Form Peneliti ... 113
4.4.7 Implementasi Form Data Pengabdian ... 114
4.4.8 Implementasi Form Pengabdi ... 114
4.4.9 Implementasi Form Ekstraksi Kata Kunci ... 115
4.4.10 Implementasi FormDashboard ... 116
4.4.11 Implementasi Form Ubah Kata Sandi ... 117
4.5 Konversi Data ... 117
4.5.1 Pengumpulan Data ... 117
4.5.2 Data Cleaning ... 118
4.5.3 Import Data ... 118
BAB 5 TESTING DAN EVALUASI SISTEM ... 120
5.1 Pengujian Algoritma TextRank ... 120
5.2 Pengujian dengan Unit Testing ... 123
BAB 6 SIMPULAN DAN SARAN ... 126
6.1 Simpulan ... 126
6.2 Saran ... 126
xii
xiii
DAFTAR GAMBAR
Gambar 2.1 Kamus Untuk Melakukan Stemming Kata Kitab (Croft, Metzler, &
Strohman, 2010) ... 7
Gambar 2.2 Graf yang Dihasilkan Oleh Algoritma TextRank (Mihalcea & Tarau, 2004) . 8 Gambar 2.3 Contoh Graf TextRank ... 10
Gambar 3.1 Flowchart Peta Penelitian ... 14
Gambar 3.2 Use Case Diagram Sistem Portal Dosen... 26
Gambar 3.3 Use Case Diagram Subsistem Kelola Data Penelitian ... 27
Gambar 3.4 Use Case Diagram Subsistem Kelola Data Pengajaran... 28
Gambar 3.5 Use Case Diagram Subsistem Kelola Data Pengabdian ... 29
Gambar 3.6 Use Case Diagram Subsistem Kelola Data Dosen ... 30
Gambar 3.7 Use Case Diagram Subsistem Analisa Kelompok Penelitian ... 31
Gambar 3.8 Class Diagram Sistem ... 32
Gambar 3.9 Activity Diagram Membuat Data Dosen ... 33
Gambar 3.10 Activity Diagram Mengubah Data Dosen ... 34
Gambar 3.11 Activity Diagram Menghapus Data Dosen ... 35
Gambar 3.12 Activity Diagram Membuat Data Penelitian ... 36
Gambar 3.13 Activity Diagram Mengubah Data Penelitian ... 37
Gambar 3.14 Activity Diagram Menghapus Data Penelitian ... 38
Gambar 3.15 Activity Diagram Membuat Data Pengabdian ... 39
Gambar 3.16 Activity Diagram Mengubah Data Pengabdian ... 40
Gambar 3.17 Activity Diagram Menghapus Data Pengabdian ... 41
Gambar 3.18 Activity Diagram Kelola Data Pengajaran ... 42
Gambar 3.19 Activity Diagram Lihat Summary Dosen ... 43
Gambar 3.20 Activity Diagram Pelatihan Algoritma ... 45
Gambar 3.21 Activity Diagram Pengelompokan Kata Kunci ... 47
Gambar 3.22 Sequence Diagram Membuat Data Dosen ... 48
Gambar 3.23 Sequence Diagram Mengubah Data Dosen ... 49
Gambar 3.24 Sequence Diagram Menghapus Data Dosen ... 49
Gambar 3.25 Sequence Diagram Membuat Data Penelitian ... 50
Gambar 3.26 Sequence Diagram Mengubah Data Penelitian ... 51
Gambar 3.27 Sequence Diagram Menghapus Data Penelitian ... 52
Gambar 3.28 Sequence Diagram Membuat Data Pengabdian ... 53
Gambar 3.29 Sequence Diagram Mengubah Data Pengabdian ... 54
Gambar 3.30 Sequence Diagram Menghapus Data Pengabdian ... 55
Gambar 3.31 Sequence Diagram Kelola Data Pengajaran (Edit) ... 56
Gambar 3.32 Sequence Diagram Kelola Data Pengajaran (Add) ... 57
Gambar 3.33 Sequence Diagram Lihat Summary Dosen ... 58
Gambar 3.34 Sequence Diagram Pelatihan Algoritma ... 59
Gambar 3.35 Sequence Diagram Pengelompokan Kata Kunci ... 60
xiv
Gambar 3.37 Rancangan Form Utama ... 63
Gambar 3.38 Rancangan Form Data Master Dosen... 63
Gambar 3.39 Rancangan Form Data Pengajaran ... 64
Gambar 3.40 Rancangan Form Pengajar ... 65
Gambar 3.41 Rancangan Form Data Penelitian ... 65
Gambar 3.42 Rancangan Form Peneliti ... 66
Gambar 3.43 Rancangan Form Data Pengabdian ... 67
Gambar 3.44 Rancangan Form Pengabdi ... 67
Gambar 3.45 Rancangan Form Prediksi Kelompok Penelitian ... 68
Gambar 3.46 Rancangan Form Pembelajaran TextRank ... 68
Gambar 3.47 Rancangan Form Dashboard ... 69
Gambar 3.48 Rancangan Form Ubah Kata Sandi ... 69
Gambar 3.49 Abstrak yang akan Melewati Proses Ekstraksi Kata Kunci ... 70
Gambar 3.50 Tahap Stemming untuk Mengurangi Variasi Token ... 70
Gambar 3.51 Tahap Pembuangan Stop Word ... 70
Gambar 3.52 Tahap Mengubah Teks Menjadi Token ... 71
Gambar 3.53 Graf TextRank yang dihasilkan dari Abstrak ... 71
Gambar 4.1 Abstract "Sistem Presensi Dosen Dengan Menggunakan Teknologi RFID dan Email Gateway" ... 76
Gambar 4.2 Contoh Pembobotan Graf ... 76
Gambar 4.3 Class dataKelompokPenelitianDenganKeywordTB ... 77
Gambar 4.4 Class dataKelompokPenelitianDosenTB ... 78
Gambar 4.5 Class dataKelompokPenelitianTB ... 79
Gambar 4.6 Class dataKesetaraanSKSTB ... 80
Gambar 4.7 Class dataKeywordTB ... 81
Gambar 4.8 Class dataMasterInstitusiTB ... 82
Gambar 4.9 Class dataMasterPenelitianTB ... 83
Gambar 4.10 Class dataMasterDosenTB ... 84
Gambar 4.11 Class dataMasterJenjangPendidikanTB ... 85
Gambar 4.12 Class dataMasterKelasProdiTB ... 86
Gambar 4.13 Class dataMasterKotaTB ... 87
Gambar 4.14 Class dataMasterMataKuliahTB ... 87
Gambar 4.15 Class dataMasterPengajaranTB ... 88
Gambar 4.16 Class dataMasterProgramStudiTB ... 89
Gambar 4.17 Class dataMasterPropinsiTB ... 90
Gambar 4.18 Class dataMasterSemesterTB ... 91
Gambar 4.19 Class dataMasterDosenTB ... 92
Gambar 4.20 Class dataPenelitianDetailAnggotaTB ... 93
Gambar 4.21 Class dataPenelitianDetailKerjaSamaTB ... 94
Gambar 4.22 Class dataPengabdianDetailAnggotaTB ... 95
xv
Gambar 4.24 Class dataPeranTB ... 97
Gambar 4.25 Class dataTahunAjaranTB ... 98
Gambar 4.26 Class dataMasterPengabdianTB ... 99
Gambar 4.27 Class appHelper ... 100
Gambar 4.28 Class TextRankNode ... 100
Gambar 4.29 Class TextRankRelation ... 101
Gambar 4.30 Implementasi Form Utama ... 111
Gambar 4.31 Implementasi Form Data Master Dosen ... 111
Gambar 4.32 Implementasi Form Data Pengajaran ... 112
Gambar 4.33 Implementasi Form Pengajar ... 113
Gambar 4.34 Implementasi Form Data Penelitian ... 113
Gambar 4.35 Implementasi Form Peneliti ... 114
Gambar 4.36 Implementasi Form Data Pengabdian ... 114
Gambar 4.37 Implementasi Form Pengabdi ... 115
Gambar 4.38 Implementasi Form Ekstraksi Kata Kunci (Prediksi)... 115
Gambar 4.39 Implementasi Form Ekstraksi Kata Kunci (Pembelajaran) ... 116
Gambar 4.40 Implementasi Form Dashboard ... 116
Gambar 4.41 Implementasi Form Ubah Kata Sandi ... 117
Gambar 5.1 Jumlah Kata Kunci Dikelompokkan Berdasarkan Kelompok Penelitian ... 123
Gambar 5.2 Potongan Kode Program Pengujian Algoritma ... 124
xvi
DAFTAR TABEL
Tabel 2.1 Tabel Pembobotan Graf ... 10
Tabel 2.2 Tabel Referensi Graf ... 11
Tabel 3.1 Contoh Tabel yang Berisi Data Kotor... 13
Tabel 3.2 Data yang Telah Melalui Proses Cleaning ... 13
Tabel 3.3 Tabel Daftar Kata Kunci ... 72
Tabel 4.1 Tabel dataMasterDosenTB ... 101
Tabel 4.2 Tabel dataMasterPropinsiTB ... 102
Tabel 4.3 Tabel dataMasterKotaTB ... 102
Tabel 4.4 Tabel dataMasterJenjangPendidikanTB ... 103
Tabel 4.5 Tabel dataMasterMataKuliahTB ... 103
Tabel 4.6 Tabel dataMasterPengajaranTB ... 103
Tabel 4.7 Tabel dataMasterKelasProdiTB ... 104
Tabel 4.8 Tabel dataMasterProgramStudiTB ... 104
Tabel 4.9 Tabel dataMasterStatusDosenTB ... 104
Tabel 4.10 Tabel dataTahunAjaranTB ... 105
Tabel 4.11 Tabel dataMasterSemesterTB ... 105
Tabel 4.12 Tabel dataMasterPengabdianTB ... 105
Tabel 4.13 Tabel dataPengabdianDetailKerjaSamaTB ... 106
Tabel 4.14 Tabel dataPengabdianDetailAnggotaTB... 106
Tabel 4.15 Tabel dataPeranTB... 107
Tabel 4.16 Tabel dataMasterInstitusiTB ... 107
Tabel 4.17 Tabel dataKesetaraanSKSTB ... 107
Tabel 4.18 Tabel dataMasterPenelitianTB ... 108
Tabel 4.19 Tabel dataPenelitianDetailKerjasamaTB ... 108
Tabel 4.20 Tabel dataPenelitianDetailAnggotaTB ... 109
Tabel 4.21 Tabel dataKelompokPenelitianTB ... 109
Tabel 4.22 Tabel dataKeywordTB ... 109
Tabel 4.23 Tabel dataKelompokPenelitianDosenTB ... 110
Tabel 4.24 Tabel dataKelompokPenelitianDenganKeywordTB ... 110
Tabel 4.25 Contoh Data Pengabdian yang Tidak Lengkap ... 118
Tabel 4.26 Contoh Data Penelitian Dosen ... 119
Tabel 5.1 Tabel Pengujian Algoritma TextRank ... 120
xvii
DAFTAR SIMBOL
Gambar Nama Gambar Deskripsi
Actor
Actor mempresentasikan seseorang atau sesuatu yang berinteraksi dengan sistem.
Use Case
Gambaran fungsionalitas dari suatu sistem, sehingga pengguna dapat memahami guna dari sistem.
Communication
Tujuan komunikasi adalah untuk memperlihatkan bahwa sebuah actor terlibat dalam use case.
<<System>>
System Boundary
Untuk menggambarkan jangkauan sistem dan memberikan alternatif pilihan sistem.
«uses»
Include Termasuk bagian dari use case lain (diharuskan).
«extends»
Extend Perluasan dari use case lain apabila syarat terpenuhi.
Generalisasi
Relasi antara dua actor atau dua use case dimana salah satunya menurunkan, menambahkan atau override sifat dari yang lainnya.
Initial State Menyatakan titik awal dimulainya sebuah diagram aktivitas.
Action State Menyatakan sebuah aksi dalam sebuah aktivitas diagram.
Decision Menyatakan kondisi dalam sebuah diagram aktivitas.
xviii
Gambar Nama Gambar Deskripsi
Control Flow Menyatakan arus aktivitas dalam sebuah diagram aktivitas
Entitas Menyatakan sebuah obyek dalam sebuah ERD
Relasi Menyatakan hubungan antar obyek dalam sebuah ERD
xix
DAFTAR RUMUS
xx
DAFTAR KODE PROGRAM
Kode Program 4.1 Kode Program Method saveToken() Untuk Proses Tokenisasi ... 73 Kode Program 4.2 Kode Program Untuk Proses Stopping ... 74 Kode Program 4.3 Kode Program Method countNodeWeighted() Untuk Proses
1
BAB 1
PENDAHULUAN
1.1
Latar Belakang
Dengan adanya kemajuan di dalam dunia teknologi, berbagai aspek dalam
kehidupan menjadi jauh lebih mudah dan cepat karena segalanya lebih
terkomputerisasi. Begitu pula dalam dunia kerja, pengolahan data secara
terkomputerisasi menjadi hal penting yang dibutuhkan sebuah lembaga.
Universitas Kristen Maranatha memerlukan sebuah sistem portal dosen yang
dapat menangani pengolahan data dosen, dan menyediakan data kinerja dosen.
Data kinerja dosen yang ditampilkan diambil dan dihitung dari besarnya jam
wajib kehadiran yang dipenuhi dosen setiap periode. Universitas Kristen
Maranatha mulai menerapkan sistem presensi yang terkomputerisasi dengan
menggunakan aplikasi presensi dosen yang telah dirancang sebagai kerja praktik
(Christanto, Sistem Presensi Dosen Dengan Menggunakan Teknologi RFID dan
Email Gateway, 2013)
Namun dibutuhkan sebuah portal untuk menampung dan mengolah semua
data dosen. Selama ini, pengelolaan data Tridharma dosen di Fakultas Teknologi
Informasi Universitas Kristen Maranatha masih manual. Tridharma dosen
melingkupi kewajiban dosen untuk mengajar, meneliti, dan mengabdi kepada
masyarakat. Aplikasi dibuat untuk meneliti apakah penelitian yang dilakukan oleh
dosen sudah sesuai dengan bidang kemampuan dari dosen yang bersangkutan atau
tidak. Fokus utama pada penelitian ini adalah pengolahan data penelitian dosen
dan penyediaan kata kunci serta
summary
berdasarkan abstrak dari penelitian
dosen yang bersangkutan. Selain itu, aplikasi juga dapat menampilkan data kinerja
dosen dengan presensi sebagai indikator utamanya.
1.2
Rumusan Masalah
Dalam pembuatan aplikasi ini didapat rumusan masalah, antara lain:
1.
Bagaimana membuat aplikasi portal dosen yang dapat membantu pengolahan
2
2.
Bagaimana memanfaatkan algoritma
text ranking
dalam proses ekstraksi kata
kunci dan membangkitkan
summary
secara otomatis.
3.
Bagaimana membuat aplikasi yang dapat menunjukkan kinerja dosen dalam
bentuk
information
dashboard
.
4.
Bagaimana membuat aplikasi yang dapat menyediakan informasi kelompok
penelitian dosen.
1.3
Tujuan
Adapun tujuan dari pembuatan aplikasi ini adalah:
1.
Membuat aplikasi portal dosen yang dapat membantu pengolahan dan
pengarsipan data dosen menjadi terkomputerisasi. Data dosen yang diolah
adalah data pribadi dosen, data pengajaran dosen, data pengabdian dosen, dan
data penelitian dosen.
2.
Memanfaatkan algoritma
text ranking
dalam proses ekstraksi kata kunci dan
membangkitkan
summary
secara otomatis.
3.
Membuat aplikasi yang dapat menunjukkan kinerja dosen dalam bentuk
information
dashboard
.
4.
Membuat aplikasi yang dapat menyediakan informasi kelompok penelitian
dosen.
1.4
Batasan Masalah
Berikut adalah batasan masalah yang terdapat pada sistem:
1.
Aplikasi akan diimplementasikan untuk pengolahan data Tridharma dosen
Fakultas Teknologi Informasi Universitas Kristen Maranatha.
2.
Data dosen yang diolah adalah data dosen Fakultas Teknologi Informasi
Universitas Kristen Maranatha.
3.
Algoritma yang digunakan dalam proses ekstraksi keyword adalah algoritma
berbasis graf
TextRank
, graf yang digunakan adalah graf berbobot dan
berarah.
4.
Data Abstrak yang digunakan dalam pembelajaran algoritma adalah data
3
5.
Data Abstrak yang digunakan dalam pembelajaran algoritma didapat dari
penelitian KP dan TA beberapa mahasiswa Fakultas Teknologi Informasi
Universitas Kristen Maranatha dan sumber luar diambil dari
IEEE
.
6.
Fokus Penelitian adalah pembelajaran algoritma, ekstraksi kata kunci, dan
proses
generate summary
dosen.
7.
Data Mata Kuliah yang diolah dalam sistem adalah data Mata Kuliah setelah
menggunakan Kurikulum 2014.
1.5
Sistematika Pembahasan
Berikut adalah sistematika penyajian laporan seminar tugas akhir ini:
BAB I PENDAHULUAN
Bab ini digunakan untuk menjelaskan latar belakang, rumusan masalah, tujuan,
ruang lingkup kajian, sumber data, dan sistematika penyajian Laporan Tugas
Akhir.
BAB II DASAR TEORI
Bab ini digunakan untuk menjelaskan teori-teori yang berkaitan dengan
pembuatan aplikasi ini. Teori yang digunakan dalam ekstraksi kata kunci
menggunakan algoritma
Text Ranking.
BAB III ANALISA DAN PEMODELAN
Bab ini membahas secara lengkap mengenai pemodelan dan diagram alir sistem
kerja dari aplikasi, perancangan desain aplikasi, dan penjelasan sistem.
BAB IV HASIL IMPLEMENTASI
Bab ini berisi kumpulan
screenshot
dan digunakan untuk menjelaskan setiap
4
BAB V PENGUJIAN
Bab ini digunakan untuk menjelaskan testing terhadap aplikasi ini dengan
pengujian akurasi lewat data testing dan penggunaan unit testing.
BAB VI SIMPULAN DAN SARAN
Bab ini digunakan untuk memberi simpulan dan saran serta kata-kata penutup
126
BAB 6
SIMPULAN DAN SARAN
6.1
Simpulan
Dari hasil pembahasan yang telah dilakukan dan berdasarkan hasil pengujian
dapat ditarik beberapa kesimpulan, yaitu:
1.
Sistem portal dosen yang terkomputerisasi dapat membantu pengolahan dan
pengarsipan seluruh data Tridharma dosen..
2.
Algoritma
TextRank
terbukti dapat mengekstrak kata kunci dari abstrak
dengan
79.4117 %tingkat ketepatan. Algoritma
TextRank
dengan perhitungan
frekuensi kemunculan antar dokumen terbukti menghasilkan kata kunci yang
lebih akurat jika dibandingkan dengan perhitungan frekuensi hanya dari
dokumen yang bersangkutan.
3.
Aplikasi dapat menyediakan data penilaian dosen berdasarkan bobot
kesetaraan SKS (Satuan Kredit Semester).
4.
Aplikasi dapat menyediakan informasi kelompok penelitian dosen berdasarkan
ekstraksi kata kunci dari abstrak penelitian dosen yang bersangkutan.
6.2
Saran
Berdasarkan hal
–
hal yang telah dicapai dalam implementasi, diperoleh
beberapa saran, yaitu:
1.
Pengembangan
algoritma
TextRank
dapat
dilakukan
dengan
mengikutsertakan tahapan-tahapan
pre-processing
yang tidak dilakukan
dalam penelitian ini, misalnya tahap
stemming
.
2.
Dalam penerapan, data pelatihan algoritma dapat diseimbangkan melalui
pembelajaran dengan menambahkan data khususnya bagi kelompok
127
DAFTAR PUSTAKA
Ayub,M., Kristanti, T. & Wijanto, M. C. (2013).
Model Analisis Classification
dan Clustering untuk Data Mahasiswa dan Dosen di Perguruan Tinggi.
Bandung.
Christanto, R. (2013).
Sistem Presensi Dosen Dengan Menggunakan Teknologi
RFID dan Email Gateway.
Bandung.
Croft, B., Metzler, D., & Strohman, T. (2010).
Search Engines Information
Retrieval in Practice.
Boston: Pearson Education, Inc.
Dias, G., Mukelov, R., & Cleuziou, G. (2008).
Fully Unsupervised Graph-Based
Discovery of General-Specific Noun.
Manchester: CoNLL.
Manning, C. D., Raghavan, P., & Schutze, H. (2009).
An Introduction to
Information
Retrieval.
Cambridge:
Cambridge
University
Press
Cambridge.
Mihalcea, R., & Tarau, P. (2004).
TextRank : Bringing Order into Texts.
Texas.
Tanubrata, M. I., Sewu, S. M., Ayub, M. D., & Prijono, S. M. (2012).
Perhitungan Beban Kerja Dosen.
Bandung: Maranatha.
Yates, R. B., & Neto, B. R. (2011).
Modern Information Retrieval - the concepts
and technology behind search.
Great Britain: Pearson Education Limited.
Daftar pustaka berikut digunakan sebagai data pelatihan algoritma
TextRank.
Agarwal, M., & Goel, S. (2014).
Expert system and it's requirement engineering
process.
Jaipur: IEEE.
An, Z. H., & Zhang, J. G. (2011).
Design of purchase, sales and inventory system
on B/S mode.
Heilongjiang: IEEE.
Azadnia, M., Rezagholizadeh, S., & Yari, A. (2010).
Natural language processing
Laboratory Plan: An essential for Persian language.
Gyeongju: IEEE.
128
Chen, G., & Hou, R. (2007).
A New Machine Double-Layer Learning Method and
Its Application in Non-Linear Time Series Forecasting.
Nanjing: IEEE.
Costea, H. (1993).
intelligent multimedia decision support systems.
Le Touquet:
IEEE.
Dias, G., Mukelov, R., & Cleuziou, G. (2008).
Fully Unsupervised Graph-Based
Discovery of General-Specific Noun.
Manchester: CoNLL.
Erasmus, I., & Daneva, M. (2013).
ERP Effort Estimation Based on Expert
Judgments.
Ankara: IEEE.
Gadhiya, S., Wandra, K., & Vaghela, V. (2012).
Engineering Education:
Innovative Practices and Future Trends (AICERA).
Kottayam: IEEE.
Huang, W., Hong, H., Song, G., & Xie, K. (2014).
Deep process neural network
for temporal deep learning.
Beijing: IEEE.
Hunicke, R., LeBlanc, M., & Zubek, R. (2004).
MDA: A Formal Approach to
Game Design and Game Research .
San Jose.
Jagannathan, G., & Wright, R. (2007).
Seventh IEEE International Conference on
Data Mining Workshops.
Omaha: IEEE.
Jin, Y., & Sendhoff, B. (2008).
Pareto-Based Multiobjective Machine Learning:
An Overview and Case Studies.
Offenbach: IEEE.
Jingying, H., Yuqiang, F., & Luning, L. (2011).
How the Snowball
Implementation Strategy Influences on the Individual Level ERP
Assimilation: Based on Cognitive Load Theory.
Wuhan: IEEE.
Kehe, W., Tong, Z., Wei, L., & Gang, M. (2009).
Computer Technology and
Development.
Beijing: IEEE.
Lan, F., Chunlei, W., & Guoqing, M. (2010).
Computer Engineering and
Technology.
Chengdu: IEEE.
Mei, Z. (2010).
Information Retrieval Based on Grid.
Changsha: IEEE.
Mitola, J., & Corp, M. (1999).
Mobile Multimedia Communications.
San Diego:
IEEE International Workshop.
129
Radovanovic, A., & Zeevi, A. (2010).
Revenue maximization in reservation-based
online advertising through dynamic inventory management.
Allerton,:
IEEE.
Seify, M. (2006).
New Method for Risk Management in CRM Security
Management.
Las Vegas: IEEE.
Shengdong, L., Wei, X., & Yanting, G. (2010).
A Survey of Current CRM
Practices in China.
Guangzhou: IEEE.
Sun, H., Liu, Y., Chai, Y., & Sun, X. (2012).
A novel architecture towards trusted
E-commerce cloud.
Lodz: IEEE.
Tao, J., Zheng, F., Li, A., & Li, Y. (2009).
Advances in Chinese Natural
Language Processing and Language resources.
Urumqi: IEEE.
Uskov, V. (2013).
Interdisciplinary Engineering Design Education Conference
(IEDEC).
Santa Clara: IEEE.
Wang, G., Hu, J., Zhang, Q., Liu, X., & Zhou, J. (2008).
Granular computing
based data mining in the views of rough set and fuzzy set.
Hangzhou:
IEEE.
Wang, X.-b., Yang, G.-y., Li, Y.-c., & Liu, D. (2008).
Review on the application
of artificial intelligence in antivirus detection system.
Chengdu: IEEE.
Xian, L. (2010).
Artificial intelligence and modern sports education technology.
Hangzhou: IEEE.
Yanhong, P. (2012).
Wind power fitness function calculation based on niche
genetic algorithm.
Hangzhou: IEEE.
Yongjun, Z., & Dingfu, J. (2008).
Business and Information Management.
Beijing: IEEE.
Zalis, K. (2004).
Application of expert systems in diagnostics of high voltage
insulating systems.
Prague: IEEE.
Zhang, G., & Yuan, J. (2010).
Designing an Early-Warning System of
Quantitative Indicators for E-commerce Credibility Risk.
Sanya: IEEE.
Zhao, F., Zhao, D., Hu, X., Peng, W., Wang, B., & Lu, Z. (2012).
Parallel and
Distributed Processing Symposium Workshops & PhD Forum (IPDPSW).
130
Zhenjiang, M., & Baozong, Y. (1993).
An extended BAM neural network model.