BAB V IMPLEMENTASI DAN PENGUJIAN SISTEM

(1)

V-1 BAB V

IMPLEMENTASI DAN PENGUJIAN SISTEM

Bab ini akan membahas tentang implementasi dan hasil perancangan yang telah dibuat pada bab sebelumnya. Selain itu, pada bab ini juga dijelaskan tentang analisis hasil pengujian sistem pada tweet testing sebagai objek pengujian.

5.1 Implementasi Antar Muka

Implementasi antarmuka opinion mining dinas di kota Bandung menggunakan metode Naïve Bayes merupakan implementasi dari perancangan antarmuka yang telah dijelaskan pada bab sebelumnya dimana implementasi tersebut dapat dilihat pada gambar 5.1 sampai dengan gambar 5.8

5.1.1 Tampilan Halaman login

Tampilan login merupakan tampilan yang akan muncul pada saat pertama kali sistem dijalankan oleh pengguna atau user. Berikut ini adalah tampilan login :

Gambar 5.1 Antar Muka Halaman Login

(2)

Keterangan :

1. Merupakan kolom text area dimana pengguna harus menginputkan username sebagai ID untuk masuk ke aplikasi.

2. Merupakan kolom text area dimana pengguna harus menginputkan password.

3. Apabila username dan password telah diinputkan, pengguna memilih button sign in untuk masuk ke halaman aplikasi.

5.1.2 Tampilan Halaman Home

Pada gambar 5.2 adalah tampilan halaman Home, pada halaman ini terdapat beberapa menu fungsi dari aplikasi opinion mining.

Gambar 5.2 Antar Muka Halaman Home

(3)

Keterangan :

1. Home merupakan halaman pertama saat pengguna membuka aplikasi oponion mining terdapat 2 gambar diantaranya deskripsi penjelasan halaman menu yang terdapat pada aplikasi dan data pribadi penulis.

2. Data Testing merupakan halaman dimana tweet diuji untuk mengetahui hasil akurasi.

3. Data Training merupakan halaman dimana tweet dipecah menjadi kata yang telah diketahui kategorinya terdapat 3 kategori yaitu kata negatif, positif dan, netral.

4. About merupakan kesimpulan dari aplikasi opinion mining yang telah dibuat oleh penulis.

5. Sign Out merupakan button untuk keluar dari aplikasi.

5.1.3 Tampilan Halaman Data Testing

Pada gambar 5.3 adalah tampilan halaman Data Testing, pada halaman ini bertujuan untuk menguji tweet untuk diketahui hasil akurasinya.

Gambar 5.3 Antar Muka Halaman Data Testing

(4)

Keterangan :

1. Bagian no 1 merupakan kolom text area untuk menginputkan tweet yang akan diuji.

2. Button preprocessing tweet merupakan halaman untuk hasil proses text mining diantaranya stemming, lowercase dan term frequency(TF).

3. Button reset merupakan proses membersihkan text area.

5.1.4 Tampilan Halaman Hasil Preprocessing

Pada gambar 5.4 adalah halaman hasil Preprocessing, yang menampilkan hasil dari proses text mining.

Gambar 5.4 Antar Muka Halaman Hasil Preprocessing

(5)

Keterangan :

1. Bagian no 1 merupakan tabel hasil setelah melalui proses text mining.

2. Bagian no 2 merupakan Hasil term frequency (TF).

3. Bagian no 3 merupakan link untuk mengetahui hasil akurasi dengan menggunakan metode naïve bayes.

4. Button preprocessing tweet merupakan halaman untuk hasil proses text mining diantaranya stemming, lowercase dan term frequency(TF).

5. Button reset merupakan proses membersihkan text area.

5.1.5 Tampilan Halaman Hasil Naïve Bayes

Pada gambar 5.5 adalah halaman hasil naïve bayes, yang menampilkan perhitungan beserta hasil akurasi metode.

Gambar 5.5 Antar Muka Halaman Hasil Naïve Bayes

(6)

Keterangan :

1. Bagian no 1 menampilkan Hasil perhitungan naïve bayes.

2. Bagian no 2 merupakan halaman result dimana pada halaman tersebut menampilkan grafik.

3. Bagian no 3 jenis tweet dimana pada tabel ini merupakan pembagian kategori yaitu Negatif, Positif dan Netral.

4. Bagian no 4 merupakan jumlah probabilitas pada masing masing kategori.

5. Bagian no 5 merupakan tweet yang telah di inputkan, dan di tampilkan kembali pada tabel inputan tweet.

6. Bagian no 6 merupakan hasil max probabilitas, yaitu nilai tertinggi pada jumlah probabilitas.

7. Bagian no 7 yaitu status hasil akurasi tweet yang telah melalui proses text mining dan naïve bayes

5.1.6 Tampilan Halaman Hasil Result

Pada gambar 5.6 adalah halaman hasil result, yang menampilkan hasil berupa grafik untuk menentukan jumlah kategori tweet .

(7)

Gambar 5.6 Antar Muka Halaman Result Keterangan :

1. Bagian no 1 menunjukan hasil jumlah kategori tweet.

2. Bagian no 2 yang bertanda warna merah merupakan garis kategori negatif 3. Bagian no 3 yang bertanda warna hijau merupakan garis kategori positif 4. Bagian no 4 yang bertanda warna biru merupakan garis kategori netral 5.1.7 Tampilan Halaman Data Training

Pada gambar 5.7 adalah halaman hasil result, yang menampilkan hasil berupa grafik untuk menentukan jumlah kategori tweet .

(8)

Gambar 5.7 Antar Muka Halaman Data Training Keterangan :

1. Bagian no 1 merupakan button untuk menambahkan kata baru sesuai kategorinya.

2. Bagian no 2 merupakan tabel kata yang telah diketahui kategorinya terdapat 3 kategori yaitu Negatif, Positif dan, Netral.

3. Bagian no 3 merupakan tabel Action terdapat 2 fungsi yaitu edit dan delete kata training.

4. Bagian no 4 yaitu tabel information dimana menampilkan jumlah kata training yang terdapat pada database.

(9)

5.1.8 Tampilan Halaman About

Pada gambar 5.8 adalah halaman tampilan about pada aplikasi opinon mining.

Gambar 5.8 Antar Muka Halaman About

Keterangan :

Merupakan tampilan kesimpulan mengenai sistem dari aplikasi yang dibuat oleh penulis.

(10)

5.2 Pengujian Tweet dan Skenario 5.2.1 Pengujian Tweet

Pengujian aplikasi dilakukan menggunakan 450 tweet yang diambil secara acak dalam beberapa skenario berdasarkan persentase pembagian data testing.

Persentase tersebut dapat dilihat pada tabel berikut :

Tabel 5.1 Persentase Pembagian Data Testing

Dalam pengujian, data yang digunakan adalah tweet berbahasa Indonesia yang baik dan benar berikut contoh pengujian tweet :

Skenario Jumlah Tweet Testing

1 150

2 300

3 450

(11)

Tabel 5.2 Tabel Pengujian Tweet

5.2.2 Pengujian Skenario

Pada bagian ini akan dijelaskan mengenai pengujian skenario. Pengujian dilakukan menggunakan data yang diambil menggunakan KNIME Analytics Platform dimana pengambilan data dilakukan pada bulan Januari- Mei 2015

No Tweet Testing Negatif Positif Netral

Valid TidakValid Valid Tidak Valid Valid Tidak Valid 1 @wartabdg_asli

@PemkotBandung trm kasih, 60% banjir cileuncang disebabkan oleh saluran yg tersumbat oleh sampah dan limbah rumah tangga

1 -

2 @dbmpkotabdg

@ridwankamil

@waher_967

@kec_batununggal

@PemumBdg terima kasih atas respon yang luar biasa cepat

1 -

3 @soowooBDG

@farhanpinguin

@ridwankamil siap, sudah disampaikan kpd tim lapangan

1 -

(12)

dengan beberapa acount twitter dinas terkait yang ada di kota Bandung. Tweet yang telah didapat akan diuji keakuratannya pada halaman Data Testing berikut penjelasan persentase data yang dibagi dalam 3 skenario pengujian.

1. Skenario Tahap – 1

Pada skenario tahap pertama menggunakan data tweet yang diambil secara acak dari bulan Januari 2015, dibagi menjadi tiga persentase pembagian dengan jumlah data 150 diantaranya dengan masing-masing jumlah 30 tweet negatif, 70 tweet positif ,dan 50 tweet netral.

Tabel 5.3 Hasil Pengujian Skenario Tahap -1

tweet skenario

1-150

Class Data Sesuai

Negatif ₈₃

Positif ₆₁

Netral ₈₂

Grafik 5.9 Grafik Presentase Pengujian Skenario 1 2. Skenario Tahap – 2

Pada skenario tahap kedua menggunakan data tweet yang diambil secara acak dari bulan Maret 2015, dibagi menjadi tiga persentase pembagian dengan jumlah data 300 diantaranya dengan masing-masing jumlah 75 tweet negatif, 75 tweet positif ,dan 150 tweet netral.

0 50 100 150

Negatif Positif Netral

Data Sesuai

(13)

1-300

Negatif 63

Positif 36

Netral 87

Grafik 5.10 Grafik Presentase Pengujian Skenario 2

3. Skenario Tahap – 3

Pada skenario tahap ketiga menggunakan data tweet yang diambil secara acak dari bulan Mei 2015, dibagi menjadi tiga persentase pembagian dengan jumlah data 450 diantaranya dengan masing-masing jumlah 150 tweet negatif, 150 tweet positif ,dan 150 tweet netral.

0 100 200 300

Data Sesuai

(14)

1-450

Negatif 163

Positif 41

Netral 73

Grafik 5.11 Grafik Presentase Pengujian Skenario 3

-50 50 150 250 350 450

Data Sesuai

(15)

5.3 Hasil Pengujian

Berikut ini adalah hasil pengujian yang telah dilakukan dimana hasil tersebut dapat dilihat pada tabel dibawah ini :

1. Pengujian untuk Use Case Login

Tabel 5.6 Pengujian Usecase Login

Deskripsi Masukan Hasil yang Diharapkan Hasil Pengujian Keterangan Pengujian

saat user login

Username

&

Password

Masuk ke dalam halaman Home

Tampil halaman utama Home dan user dapat memilih

menu data testing

Diterima

2. Pengujian untuk Use Case Home

Tabel 5.7 Pengujian Usecase Home

pengguna setelah berhasil login

- View home

Tampil halaman utama Home dan user dapat memilih

menu data testing

Diterima

3. Pengujian untuk Use Case Data Testing

Tabel 5.8 Pengujian Usecase Data Testing

tweet untuk di uji dan diketahui hasil akurasi

Tweet berbahasa indonesia yang baik dan benar

View hasil preprocessing

Hasil preprocessing dan

hasil akurasi metode naïve

bayes

Diterima

(16)

4. Pengujian untuk Use Case Data Training

Tabel 5.9 Pengujian Usecase Data Training Deskripsi Masukan Hasil yang

Diharapkan Hasil Pengujian Keterangan Menampilka

n kata training

Menginputkan kata training, terdapat 3 kategori yaitu kata negatif, positif dan netral

Jumlah kata training

bertambah, atau telah diupdate atau data berkurang

Hasil data yang telah diupdate

dapat mempengaruhi hasil data testing.

Diterima

5. Pengujian untuk Use Case About

Tabel 5.10 Pengujian Usecase About Deskripsi Masukan Hasil yang

Diharapkan Hasil Pengujian Keterangan

View about - View about View about Diterima