IV-1
BAB IV ANALISA DAN PERANCANGAN
4.1 Analisa Sistem Rekomendasi Pada analisa sistem rekomendasi berikut ini akan membahas tentang analisa pokok analisa sistem lama, analisa sistem baru,
analisa kebutuhan data, analisa
perangkat (hard were dan soft were), dan analisa fungsional sistem.
4.1.1. Analisa Sistem Lama Pada
proses
kegiatannya,
petugas
perpustakaan
mengatur
sirkulasi
peminjaman buku dan pengembalian buku berdasarkan jangka waktu peminjaman yang telah ditentukan. Untuk meminjam buku yang diinginkan pengguna perpustakaan harus mencari sendiri buku yang sesuai dengan keinginannya. Koleksi buku yang ada pada perpustakaan mencapai jutaan buku sehingga menyulitkan pengguna dalam proses pencarian buku. Semua kegiatan pencarian buku dilakukan secara manual. Proses manual ini memerlukan waktu pengerjaan yang lama sehingga menimbulkan kesan yang tidak efisien dalam hal waktu dan biaya. Setelah pengguna menemukan buku yang dicarinya, pengguna juga tidak bisa mengetahui apakah buku tersebut memang sudah sesuai dengan minat dan keinginannya atau belum. Pengguna juga tidak bisa mengetahui apakah buku tersebut sering digunakan dalam referensi sebuah penelitian atau tidak. Jadi dalam hal ini pengguna tidak bisa mengetahui kualitas dan isi buku.
4.1.2 Analisa Sistem Baru Beranjak dari penjelasan diatas, dapat diketahui bahwa permasalahan yang sering terjadi di kalangan pengguna perpustakaan adalah dikarenakan jumlah buku yang banyak sehingga pengguna kurang mendapat informasi buku secara detail. Akibatnya adalah mahasiswa akan mengalami kesulitan dalam menemukan buku yang sesuai dengan keinginan dan kebutuhannya.
IV-2
Oleh karena itu diperlukan suatu sistem rekomendasi yang bisa memberikan sebuah rekomendasi yang sesuai dengan pilihan atau keinginan pengguna. Dalam proses pemberian rekomendasi sistem rekomendasi menggunakan beberapa metode atau parameter untuk membuat analisa dan pemberian rekomendasi kepada pengguna. Sistem rekomendasi dapat menganalisa peminjaman dan pencarian yang pernah
dilakukan
pengguna
kemudian
membandingkannya
dengan
catatan
peminjaman dan pencarian yang pernah dilakukan oleh pengguna lainnya. berdasarkan hasil perbandingan antar pengguna akan didapatkan sebuah korelasi antar pengguna. Sistem akan membandingakan antara pengguna yang meminjam buku dengan pengguna lain yang belum meminjam buku yang saling berkorelasi. Berdasarkan korelasi antara pengguna akan didapatkan kumpulan buku yang akan direkomendasikan kepada user lainnya. Sistem rekomendasi yang akan dibangun memiliki 2 tingkatan user akses (hak akses) yaitu : admin (admin perpustakaan) dan pengguna (mahasiswa). Dalam hal ini hak akses admin digunakan oleh admin untuk menginputkan data buku. Sedangkan hak akses oleh pengguna (mahasiswa) merupakan user yang akan berinteraksi dengan sistem untuk melakukan proses pencarian dan peminjaman buku, dan mendapat rekomendasi buku dari sistem berdasarkan pencarian dan peminjaman yang telah mereka lakukan. Dalam proses pembangunan rekomendasi pada sistem rekomendasi dengan metode collaboratif filtering memiliki 2 tahapan untuk sampai pada hasil rekomendasi. Tahapan pertama adalah penentuan kedekatan antar user (similarity). Sistem akan menghitung kedekatan (similarity) antar pengguna yang memiliki minat dan pola user yang sama. Setelah mendapatkan hasil similarity maka bisa dilakukan tahap selanjutnya yaitu tahap pemberian rekomendasi. Tahap kedua adalah pembangkitan rekomendasi. Berdasarkan nilai similarity antar pengguna bisa dihitung nilai prediksi terhadap buku yang berkorelasi dengan pengguna tersebut. Hasil prediksi akan diurutkan berdasarkan tingkatan prediksi. Buku dengan pringkat prediksi tertinggi akan disajikan sebagai bahan rekomendasi kepada pengguna tersebut.
IV-3
Untuk mendapatkan hasil dan kinerja yang optimal sistem rekomendasi ini juga harus dikelola dengan baik oleh petugas perpustakaan (admin). Tugas admin perpustakaan adalah melakukan proses input buku perpustakaan. Selain itu pengguna sistem juga memberikan masukan (input) berupa pencarian dan peminjaman buku. Data pencarian dan data peminjaman yang dilakukan oleh pengguna kemudian akan dirubah menjadi data rating secara otomatis oleh sistem. Jadi untuk pembentukan nilai rating terhadap suatu buku tergantung dari pola kegiatan pengguna terhadap buku tersebut. Data rating yang telah didapat dapat digunakan untuk menghitung kedekatan (similarity) antar pengguna (user) dengan menggunakan algoritma pearson correlation similarity. Berdasarkan nilai similarity antar user yang diperoleh, langkah selanjutnya yaitu pembangkitan rekomendasi menggunakan algoritma weight sum. Hasil rekomendasi yang dihitung akan diurutkan berdasarkan nilai prediksi. Nilai prediksi tertinggi akan dijadikan bahan rekomendasi kepada user lainnya. Pengguna yang baru merating buku ini kemudian akan dibandingkan satu persatu dengan pengguna telah merating buku dengan menggunakan algoritma person correlation similarity. Hasil yang didapat dari proses ini adalah nilai kedekatan (similarity) antar pengguna. Hasil kedekatan (similarity) yang diperoleh kemudian akan disimpan kedalam sebuah tabel similarity dalam database. Tabel similarity ini bersifat temporary karena penyimpanan similarity antar user ini hanya bersifat sementara. Jika sistem melakukan proses perhitungan yang lainnya maka tabel ini akan dikosongkan dan digunakan untuk menyimpan kembali nilai similarity yang baru dengan pengguna yang berbeda. Berdasarkan hasil perhitungan similarity antar pengguna maka dapat diprediksi pengguna yang memiliki kedekatan paling tinggi yaitu pengguna yang memiliki nilai similarity paling tinggi. Data dalam tabel similarity akan diurutkan secara descending kemudian dilakukan perhitungan prediksi menggunakan algoritma weightsum. Hasil dari perhitungan prediksi ini akan disimpan kedalam tabel prediksi dalam database yang juga bersifat temporary.
IV-4
4.1.2.1 Pemberian Rating Proses peratingan yang diterapkan dalam sistem rekomendasi peminjaman buku ini diperoleh dengan cara implisit. Rating implisit yaitu pengguna tidak akan menyadari bahwa aktifitas yang dilakukannya terhadap sistem itu merupakan salah satu bentuk pemberian rating terhadap buku yang ada pada sistem rekomendasi peminjaman buku perpustakaan. Setiap pencarian dan peminjaman buku ternasuk yang dilakukan oleh pengguna akan dihitung dan dijadikan sebagai nila rating. Namun demikian nilai rating pada peminjaman akan lebih besar dari pada nilai rating pada pencarian. Karena pada setiap peminjaman, diasumsikan bahwa pengguna telah melihat dan membaca isi buku. Sedangkan pada pencarian aktifitas yang dilakukan user hanya sekedar melihat judul dan penjelasan singkat mengenai buku tersebut. Pada awalnya, pemberian rating menggunakan skala Likert yaitu antara 1 – 5. Nilai skala rating ini kemudian dipecah lagi menjadi dua bagian yaitu rating berdasarkan pencarian dan rating berdasarkan peminjaman. Untuk rating pencarian menggunakan nilai skala 1 – 3 sedangkan untuk peminjaman menggunakan skala 4 – 5. Namun demikian proses pembangkitan rating dengan cara seperti ini menemui kendala dan tidak efisien dalam perolehan nilai rating. Rating peminjaman yang diperoleh dengan cara ini terlalu sempit dan mengakibatkan pada proses perhitungan kedekatan antar user nilai kedekatan banyak yang menghasilkan nilai 0. Hal ini akan mempengaruhi kualitas rekomendasi. Semakin banyak nilai 0 pada nilai similarity (kedekatan) maka kualitas rekomendasi akan semakin tidak akurat, karena data yang digunakan sebagai data pembanding pada proses perhitungan prediksi rekomendasi akan semakin sedikit. Nilai 0 juga tidak akan diikutsertakan dalam perhitungan prediksi. Solusi yang ditawarkan mengenai permasalahan
tersebut yaitu dengan
melakukan pelebaran rating berdasarkan skala rating menurut (Wimmer, 2006) dari rating scale 1 – 5 menjadi 1 – 10. Dalam hal ini, perolehan data rating terbagi atas dua bagian yaitu perolehan dengan pencarian dan peminjaman. Rating scale dibagi 1 – 5 merupakan data pencarian dan 6 – 10 merupakan data peminjaman. Cara ini dilakukan karena nilai rating yang diperoleh dengan cara pencarian tidak sebesar nilai rating yang diperoleh dari peminjaman.
IV-5
Berdasarkan skala rating 1 – 10 dilakukan pelebaran pembagian rating pencarian dan peminjaman sebagai berikut : 1. Nilai skala rating 1 – 5 diberikan ketika pengguna melakukan pencarian dan klik pada buku dalam hasil pencarian. Diasumsikan bahwa buku yang sedang dicari belum pernah dirating sebelumnya. Jika pengguna mengklik buku tersebut sebanyak satu kali, maka nilai rating pada buku akan berubah menjadi 1. Jika pengguna melakukan klik 2 kali, maka nilai rating pada buku akan otomatis terupdate menjadi 2. Proses ini akan berlangsung sampai nilai rating pada buku sampai 5. Ketika pengguna melakukan klik lebih dari 5 kali maka nilai rating pada buku tersebut tetap 5. Hal ini disebabkan karena nilai rating maksimal dari proses pencarian adalah 5. 2. Pembagian skala nilai rating untuk peminjaman adalah 6 – 10. Nilai rating peminjaman
akan
diberikan
ketika
pengguna
melakukan
transaksi
peminjaman. Ketia pengguna meminjam buku 1 kali, maka nilai rating pengguna terhadap buku adalah 6. Selanjutnya, apabila pengguna melakukan peminjaman buku kembali maka nilai rating pengguna terhadap buku akan terupdate menjadi 7. Proses ini akan diulang terus-menerus hingga nilai rating peminjaman pengguna terhadap buku mencapai nilai 10. Ketika pengguna melakukan peminjaman buku lebih dari 5 kali (nilai rating 10) maka nilai rating pengguna yang ada pada tabel rating tidak berubah dan tetap bernilai 10. Hal ini terjadi karena batas skala rating pada peminjaman adalah 10.
4.1.2.2 Perhitungan Kedekatan Pengguna (Similarity) Pada penelitian ini, penulis menggunakan algoritma pearson correlation based similarity (2.3) untuk melakukan perhitungan nilai kemiripan pengguna. Pada proses perhitungan kedekatan pengguna dibutuhkan data rating dari pengguna terhadap buku. Tahap awal dalam proses perhitungan kedekatan (similarity) yaitu dengan menemukan kumpulan pengguna yang telah me-rating buku. Langkah ini dilakukan dengan tujuan untuk mencegah agar pengguna tersebut tidak diikutsertakan dalam
IV-6
perhitungan rekomendasi. Pengguna yang mendapatkan rekomendasi adalah pengguna yang belum pernah mencari atau meminjam buku (me-rating buku). Tahap selanjutnya setelah didapatkan kumpulan pengguna yang belum pernah me-rating buku yaitu menentukan pola perhitungan kedekatan antar user. Untuk setiap pengguna tersebut akan dihitung kemiripannya dengan pengguna lainnya yang telah merating buku. Sebagai contoh, terdapat 5 orang pengguna a,b,c,d,e. Buku telah di-rating oleh pengguna a dan e, berarti pengguna b,c dan d belum me-rating buku. Maka pola perhitungan kedekatan yang akan dihitung adalah antara pengguna b - a, b - e, c - a, c - e, d - a, dan d - e.
4.1.2.3 Perhitungan Prediksi Tahap selanjutnya setelah mendapatkan nilai kedekatan antar pengguna yaitu perhitungan prediksi. Proses perhitungan nilai prediksi ini dilakukan dengan cara mengecek data pada tabel similarity yang berisi nilai similarity antar pengguna. Data pada tabel ini akan diurutkan secara descending (pengurutan dari nilai tertinggi ke rendah). Maksud dilakukannya pengurutan ini adalah untuk mengambil sampel n data yang mempunyai nilai similarity tertinggi. Setelah pengurutan dilaksanakan dan didapatkan
sampelnya,
proses
selanjutnya
yaitu
melakukan
perhitungan
pembangkitan rekomendasi dengan persamaan weight sum (2.4). Setelah proses perhitungan prediksi selesai dilakukan, langkah selanjutnya yaitu mengurutkan hasil prediksi secara descending (dari yang tertinggi ke rendah). Buku dengan prediksi tertinggi akan direkomendasikan kepada pengguna dan disajikan pada urutan pertama. Untuk penjelasan lebih detail mengenai alur sistem dapat dilihat pada Gambar 4.1 dimana akan dilakukan tahap-tahap dan rincian proses perekomendasian buku menggunakan metode user-based collaborative filtering. Tahap pertama yang dilakukan adalah merubah data pencarian dan peminjaman ke dalam nilai rating. Proses perubahan ini menggunakan aturan yang telah dijabarkan pada bab sebelumnya. Hasil akhir dari tahapan ini adalah perolehan data rating yang akan disimpan ke dalam database dan digunakan untuk tahapan selanjutnya.
IV-7
Gambar 4.1 Flowchart Sistem Rekomendasi Peminjaman Buku Perpustakaan
IV-8
4.2 Analisa Kebutuhan Data Pada proses perancangan sistem rekomendasi ini, data yang akan digunakan pada sistem ini adalah sebagai berikut : a. Administrator Administrator berisi data administrator yang berperan sebagai pengelola sistem.Data ini digunakan untuk proses verifikasi agar dapat mengakses sistem. Data ini mencakup username, dan password,
nama lengkap dan
nomor telepon. b. Mahasiswa Selain
administrator
juga
disediakan
pengguna
mahasiswa
yang
menggunakan sistem untuk memperoleh rekomendasi buku. Data ini mencakup nomor mahasiswa/NIM (Nomor Induk Mahasiswa) untuk login dan data diri mahasiswa seperti nama, status, alamat, kelamin, tempat lahir dan tanggal lahir. c. Buku Buku berisi data buku-buku yang akan direkomendasikan. Data ini mencakup id buku, judul buku, jumlah exemplar, tanggal input, ISBN, penerjemaah, editor, penulis, cetakan, penerbit, tahun terbit, kota, jumlah halaman, panjang lebar, subyek , daftar isi/pembahasan dan catatan umum. d. Pencarian Pencarian berisi catatan buku-buku yang pernah dicari/diklik oleh user ketika berinteraksi dengan sistem beserta jumlah klik yang telah dilakukannya. Data yang mencakup id pencarian, nomor mahasiswa, id buku, dan jumlah klik ini akan dijadikan nilai rating user terhadap suatu buku. e. Peminjaman Peminjaman berisi catatan peminjaman userterhadap suatu buku. Data yang mencakup id pinjam, nomor barcode, judul, tanggal pinjam, nomor mahasiswa dan tanggal kembali ini akan digunakan sebagai rating user. f. Rating Rating berisi nilai rate yang diberi user terhadap buku.Nilai ini diperoleh dari aktifitas userbaik berupa pencarian/klik dan juga peminjaman user.
IV-9
g. Similarity Similarty berisi data kemiripan yang diperoleh dari perhitungan kedekatan antar pengguna dengan rumus Pearson correlation based similarity. Data ini dipergunakan untuk tahap penentuan prediksi dimana data tersebut diurutkan dari yang besar ke yang kecil, kemudian diambil sebanyak n data untuk dilakukan tahap perhitungan prediksi. h. Prediksi Prediksi berisi data buku-buku yang belum pernah di-rating user beserta nilai prediksi rating-nya.Data ini kemudian diurutkan dari yang besar ke yang kecil.Kemudian sebanyak n data diambil untuk direkomendasikan ke user.
4.3 Contoh Perhitungan Manual Proses-proses utama dalam perhitungan rekomendasi meliputi pertungan kedekatan antar pengguna (similarity user) dan proses perhitungan prediksi berdasarkan user terdekat. Menurut (Sarwar,2001) tahapan metode collaborative filtering terbagi menjadi 2 tahapan yaitu : perhitungan kemiripan dan perhitungan prediksi.
4.3.1 Contoh Perhitungan Similarity Untuk menghitung kedekatan antar pengguna, terlebih dahulu kita harus menentukan pola-pola perhitungan kedekatannya. Hal ini dilakukan untuk menentukan pengguna yang mana saja yang saling berkorelasi. Pada tabel rating berikut terlihat beberapa pengguna aktif yang telah merating buku dan yang belum melakukan peratingan terhadap buku. Berikut merupakan contoh dari perhitungan kedekatan antar pengguna yang yang berdasarkan peratingan pada tabel rating. Tabel 4.1 Nilai Rating Pengguna Terhadap Buku R
Andi
Fitri
Fiqih
5
6
Filsafat Islam Al-Qur’an Hadist Sunnah
2 7 1 5
Dani
Zaki 4
3 5 4 2
1 5 1
... ... ... ...
Rata-rata (Ṝ ) = 3.7 2 5 3.3 2.7
IV-10
Diasumsikan pengguna yang sedang login adalah pengguna Dani, Untuk menghitung nilai kemiripan antar pengguna dengan menggunakan algoritma pearson correlation similarity (2.3), terlebih dahulu kita tentukan pasangan pengguna yang akan dihitung nilai kemiripannya. Nilai kemiripan yang dihitung adalah antara pengguna yang sudah pernah me-rating buku dan pengguna yang belum pernah merating buku. Nilai rating yang terdapat pada tabel rating tersebut diperoleh dengan cara menginputkan data rating yang diberikan oleh pengguna dengan cara pencarian dan peminjaman. Pada tabel 4.1 terlihat beberapa pengguna yang telah merating buku dengan cara pencarian dan peminjaman. Rating pencarian diberikan oleh user andi, dani, dan zaki dengan nilai rating 1-5. Sedangkan rating peminjaman diberikan oleh user fitri, dimana rating yang diberikan adalah 6 dan 7. Pada kasus ini, buku fiqih telah di rating oleh sekelompok pengguna kecuali Dani. Maka pola perhitungan kedekatan similarity-nya adalah sim(Andi, Dani), sim(Fitri,Dani) dan sim(Zaki, Dani). Perhitungan kedekatan (similarity) antara pengguna Andi dan pengguna Dani dapat dilihat pada proses perhitungan berikut ini. Sim(Andi,Dani) =
Ṝ
,
,
Ṝ
Ṝ
(
,
Ṝ ) ,
Ṝ
,
= Merupakan data rating yang diberikan oleh user a pada item atau buku
,
= Merupakan data rating yang diberikan oleh user b pada item atau buku
yang menjadi objek peratingan
yang menjadi objek peratingan
= Merupakan rata-rata rating yang diberikan oleh beberapa orang pengguna terhadap item atau buku yang menjadi objek peratingan. Jadi, nilai total rating pada item akan dibagi dengan jumlah pengguna yang merating item tersebut. Pada perhitungan contoh kasus kedekatan similarity antar pengguna ini
sim(Andi,Dani), yang berperan sebagai Ṝ berperan mejadi Ṝ
adalah pengguna Andi, sedangkan yang
adalah pengguna Dani. Berikut merupakan akan contoh
implementasi dari perhitungan similarity antar pengguna berdasarkan pada tabel 4.1.
IV-11
,
Sim(Andi,Dani) =
= –
= ( )
= = =
(
)(
– .
( .
(
( .
.
.
– .
( )( ) (
( ) (
=
Ṝ
,
) ( .
.
) (
.
.
) ( .
(
) (
Ṝ )
,
,
. )(
. ) (
– .
. )( . ) ( . ) (
( . )
) (
.
Ṝ
.
( )
)
) ( ) ( . )
( )
Ṝ
. )(
–
. )
–
. )
– .
– .
)
)
∗ .
.22
= -0.968 Hasil dari perhitungan similarity ini kemudian akan disimpan didalam tabel similarity yang nantinya akan digunakan kembali dalam proses selanjutnya yaitu perhitungan prediksi.
Untuk perhitungan kedekatan antara pengguna fitri dengan pengguna dani tidak dapat di lakukan, karena hanya satu buku (buku Al-Qur’an) yang dirating oleh kedua pengguna tersebut. Jadi, untuk hal ini algoritma similarity tidak bisa berjalan karena tidak ada pembanding untuk perhitungan kedekatan di kedua pengguna tersebut, yang dapat ditunjukkan pada tabel 4.2 berikut ini. Tabel 4.2 Perhitungan Similarity Yang Tidak Bisa Dilakukan R
Andi
Fitri
Fiqih
5
6
Filsafat Islam
2
Al-Qur’an Hadist Sunnah
1 5
7
Dani
Zaki 4
3
1
5 4 2
5 1
Rata-rata (Ṝ )
= 3.7
... ... ... ..,
2 5 3.3 2.7
Sedangkan untuk perhitungan kemiripan antar pengguna Zaki dan pengguna Dani bisa dilakukan, karna buku yang telah dirating oleh kedua
IV-12
pengguna tersebut lebih dari dua jenis buku (judul buku). Berikut merupakan perhitungan kedekatan antara pengguna Dani dan Zaki. ,
sim(Zaki, Dani) =
= –
=
= = = =
( )
,
(
( .
.
)(
( . )
.
) (
– .
( )(
( ) ( .
Ṝ
(
(
(
. )
) ( .
Ṝ )
,
,
. )(
(
Ṝ
. ) (
– .
) ( . )( . ) (
) ( .
) ( .
Ṝ
–
)
) ( .
. )(
) ( ) ( .
( . )
)
. )
) ( .
. )( – .
. )
– .
– .
)
)
. ∗ . .
.
= -0.690 Berdasarkan hasil perhitungan similarity diatas, dapat diketahui hasil kedekatan antar pengguna. Data ini kemudian akan disimpan ke dalam sebuah tabel similarity yang bersifat temporary (sementara) dimana tabel tersebut bersifat dinamis, data pada tabel ini akan berubah bergantung dari pengguna yang berinteraksi dengan sistem. Seperti Tabel 4.3 dibawah ini merupakan tabel similarity ketika buku yang dicari adalah fiqih. Tabel 4.3 Tabel Similarity Antar Pengguna
Sim(Andi, Dani) Sim(Zaki, Dani)
-0.968 -0.690
4.3.2 Contoh Perhitungan Prediksi Berdasarkan hasil similarity maka dapat dilakukan perhitungan prediksi rekomendasi yang akan disajikan untuk pengguna. Berikut merupakan perhitungan pembangkitan rekomendasi dengan menggunakan rumus algoritma weight sum (2.4).
IV-13
Dimana pengguna yang sedang login adalah pengguna dani, dan buku yang akan direkomendasikan adalah buku fiqih. (fiqih,
)=
Σ
( , ∗ ,) Σ | ,|
Pada proses perhitungan rekomendasi ini,
pada item yang akan direkomendasikan dan
,
,
merupakan rating pengguna
merupakan hasil similarity antar
pengguna. Pada perhitungan rekomendasi kali ini, ada dua buah digunakan dalam rumus prediksi. Yaitu 5dan
,
,
,
oleh pengguna Andi dengan nilai rating
penggguna Zaki dengan nilai 4. Begitu juga dengan nilai
Pada perhitungan similarity ini juga menggunakan dua buah pengguna Andi dan
,
yang akan
,
,
yaitu
(similarity). ,
dengan
dengan pengguna Zaki dimana nilai similarity antara
pengguna (Andi,Dani) adalah -0.968 dan sim(Zaki,Dani) adalah 0.690. Berikut merupakan implementasi dari perhitungan rekomendasi. (fiqih,
)=
=
= =
Σ
( , ∗ ,) Σ | ,|
(( ∗−0.968) ( ∗−0.690)) .
.
.
|−0.968| |−0.690|
.
.
0.690
= -1.637 Berdasarkan perhitungan pembangkitan rekomendasi diatas, buku fiqih akan direkomendasikan kepada pengguna dani dengan nilai prediksi sebesar -1.637.
4.4 Analisa Fungsional Sistem Analisa fungsional sistem menjelaskan mengenai gambaran umum sistem, alur dan proses data input (masukan) hingga menghasilkan data output (keluaran). Pokok pembahasan yang akan dijelaskan dalam analisa fungsional sistem ini adalah Contex Diagram, Data Flow Diagram (DFD), dan Entity Relationship Diagram (ERD).
IV-14
4.4.1 Context Diagram Contex Diagram adalah gambaran umum dari suatu sistem. Berikut merupakan contex diagram pada sistem rekomendasi buku perpustakaan.
Gambar 4.2 Context Diagram Sistem Rekomendasi Peminjaman Buku Perpustakaan
Tabel 4.4 Tabel Context DiagramSistem Rekomendasi Buku Perpustakaan No 1.
Jenis Entitas
Nama Admin Mahasiswa
2.
Aliran Data
Admin Buku Login Peminjaman
Pencarian
Mahasiswa
Status_login
Deskripsi Admin yaitu pegawai pustaka yang ditugaskan untuk mengelola sistem Mahasiswa berperan penting dalam menggunakan sistem dan mendapatkan rekomendasi Data admin yang dapat login sebagai pengelola Data buku yang akan dicari, di pinjam, dan direkomendasikan Username dan password yang digunakan untuk login Proses peminjaman pengguna (mahasiswa) yang tercatat pada database sistem Proses pencarian buku oleh pengguna (mahasiswa) yang tercatat pada database sistem Pengguna yang akan mendapatkan rekomendasi berdasarkan prilaku dan kesukaannya terhadap buku, melalui pencarian dan peminjaman yang dilakukannya Info login
IV-15
4.4.2
Data Flow Diagram (DFD) Data Flow Diagram merupakan penggambaran alur dan proses data yang
lebih terperinci. Proses-proses utama yang dilakukan pada DFD ini adalah proses login, pengelolaan data master, peratingan (pemberian rating), dan perekomendasian (pemberian rekomendasi). Untuk lebih jelasnya mengenai Data flow diagram (DFD)dapat dilihat pada gambar berikut ini.
Gambar 4.3. DFD level 1Sistem Rekomendasi Buku Perpustakaan Tabel 4.5 Tabel DFD level 1Sistem Rekomendasi No 1.
Jenis Proses
Nama Login Data_Master Rating
Rekomendasi
Deskripsi Validasi Pengguna yang menggunakan sistem Proses kelola data master, seperti data mahasiswa, data buku, dan admin. Proses pemberian nilai rating oleh pengguna, dengan cara pencarian dan peminjaman. Proses perhitungan kedekatan pengguna hingga pemberian rekomendasi kepada pengguna.
IV-16
2.
Aliran Data
Admin Buku Login Peminjaman
Pencarian
Nilai_rating
Nilai_similarity Nilai_prediksi
Data admin yang dapat login sebagai pengelola Data buku yang akan dicari, di pinjam, dan direkomendasikan Username dan password yang digunakan untuk login pengguna Proses peminjaman pengguna (mahasiswa) yang tercatat pada database sistem Proses pencarian buku oleh pengguna (mahasiswa) yang tercatat pada database sistem Nilai rating pengguna terhadap buku yang pernah dipinjam/ dicari oleh pengguna tersebut Nilai kemiripan atar pengguna Nilai prediksi terhadap pengguna yang akan diberi rekomendasi buku oleh sistem.
4.4.3 Entity Relationship Diagram (ERD) Pada analisa fungsional sistem juga membahas mengenai Entity Relationship Diagram (ERD), dimana pada ERD ini akan menjelaskan mengenai keterkaitan antara satu data dengan data lainnya. Pada ERD sistem rekomendasi buku perpustakaan terdapat 8 tabel utama yaitu buku, mahasiswa, pencarian, peminjaman, peratingan, similarity, rekomendasi, dan admin. Tabel (entitas) yang saling berelasi pada ERD sistem rekomendasi peminjaman buku adalah antara tabel buku, tabel mahasiswa, tabel pencarian, tabel peminjaman, dan tabel rating. Antara tabel buku dan tabel mahasiswa dihubungkan oleh tabel pencarian dan tabel peminjaman. Data pada tabel pencarian dan peminjaman akan dikonversi menjadi data rating dan disimpan dalam tabel rating. Berikut merupakan gambar dari ERD sistem rekomendasi peminjaman buku pada perpustakaan Uin Suska Riau.
IV-17
Gambar 4.4. ERD Sistem Rekomendasi
4.5 Perancangan Sistem Tahap perancangan sistem
meliputi dua pokok pembahasan,
yaitu
perancangan tabel dan perancangan antar muka. Pada sub perancangan tabel akan di bahas mengenai data dengan tipe seperti apa yang akan disimpan kedalam tabel tersebut.
Sedangkan pada perancangan antar muka akan membahas mengenai
gambaran perencanaan tampilan sistem.
4.5.1 Perancangan Tabel a. Tabel Administrator - Nama Tabel : Admin - Deskripsi
: Berisi data Admin yang mengelola sistem
- Primary Key : Id_admin
IV-18
Tabel 4.6 Perancangan Tabel Admin
No 1 2 3 4 5 b.
Field
Tipe Data Varchar Varchar Varchar Varchar Varchar
Id User name Password Nama_lengkap No_telp
Nulable √ √ √ √
Primary Key Yes
Length 20 20 10 30 12
Tabel Mahasiswa - Nama Tabel : Mahasiswa - Deskripsi
: Berisi data Mahasiswa (pengguna)
- Primary Key : No_mhs Tabel 4.7 Perancangan Tabel Mahasiswa
No 1 2 3 4 5 6 7 c.
Field No_mhs Nama Alamat Kelamin No_telp Tempat_lahir Tanggal_lahir
Tipe Data Varchar Varchar Varchar Varchar Varchar Varchar Varchar
Nulable √ √ √ √ √ √ √
Primary Key Yes
Length 20 30 50 2 12 50
Primary Key Yes
Length 15 20 10 25 70 70 70 60 10 60 10
Tabel Buku - Nama Tabel : Buku - Deskripsi
: Berisi data buku
- Primary Key : Isbn Tabel 4.8 Perancangan Tabel Buku
No 1 2 3 4 5 6 7 8 9 10 11
Field Isbn Judul Jml_exp Tgl_input Penerjemah Editor Penulis Cetakan Th_terbit Kota Jml_hal
Tipe Data Varchar Varchar Varchar Varchar Varchar Varchar Varchar Varchar Varchar Varchar Varchar
Nulable √ √ √ √ √ √ √ √ √ √ √
IV-19
12 13 14 15 d.
Pj_lebar Subyek Daftarisi Catatan_umum
Varchar Varchar Text Varchar
√ √ √ √
50 100 100
Tabel Peminjaman - Nama Tabel : Peminjaman - Deskripsi
: Berisi data peminjaman yang dilakukan oleh pengguna. Data pada tabel ini akan dikonversi menjadi data rating
- Primary Key : id_pinjam Tabel 4.9 Perancangan Tabel Peminjaman
No 1 2 3 4 5 e.
Field Id_pinjam Isbn No_mhs Tgl_pinjam Tgl_kembali
Tipe Data Varchar Varchar Varchar Varchar Varchar
Nulable √ √ √ √ √
Primary Key Yes
Length 11 15 20 10 10
Tabel Pencarian - Nama Tabel : Pencarian - Deskripsi
: Berisi data pencarian, data pencarian pada tabel pencarian ini juga akan dikonversi menjadi nilai rating
- Primary Key : id_pinjam Tabel 4.10 Perancangan Tabel Pencarian
No
Field
Tipe Data
Nulable
Primary Key
Length
Yes
11
1
Id_cari
Varchar
√
2
Isbn
Varchar
√
15
3
No_mhs
Varchar
√
20
4
Jlh_klik
Varchar
√
10
f.
Tabel Rating - Nama Tabel : Rating - Deskripsi
: Berisi data Rating hasil konversi dari pencarian dan peminjaman
- Primary Key : id_pinjam
IV-20
Tabel 4.11 Perancangan Tabel Rating
No 1 2 3 g.
Field
Tipe Data Varchar Varchar Varchar
Isbn No_mhs Rating
Nulable √ √ √
Primary Key Yes Yes
Length 15 20 11
Tabel Similarity - Nama Tabel : Similarity - Deskripsi
: Berisi data Perhitungan hasil similarity
- Primary Key : isbn Tabel 4.12 Perancangan Tabel Similarity No 1 2 3 4 5 h.
Field Isbn Pengguna 1 Pengguna 2 Rateui Nilai
Tipe Data Varchar Varchar Varchar Varchar Varchar
Nulable √ √ √ √ √
Primary Key Yes Yes Yes
Length 20 20 20 2 5
Tabel Prediksi - Nama Tabel : Prediksi - Deskripsi
: Berisi data Perhitungan hasil rekomendasi
- Primary Key : id_prediksi Tabel 4.12 Tabel Prediksi
No 1 2 3 4
Field Id No_mhs Isbn Nilai
Tipe Data Varchar Varchar Varchar Varchar
Nulable √ √ √ √
Primary Key Yes
Length 20 20 20 5
4.5.2 Perancangan Antarmuka Perancangan antarmuka digunakan dalam merancang user interface pada sistem rekomendasi peminjaman buku pada perpustakaan. Pada perancangan antar muka ini akan membahas dua pokok bahasan yaitu perancangan struktur menu dan perancangan tampilan sistem.
IV-21
4.5.2.1 Rancangan Struktur Menu Pada tahap perancangan struktur menu, akan dibahas mengenai struktur menu yang dapat diakses oleh user pada sistem rekomendasi peminjaman buku pada perpustakaan. Ada dua macam user yang dapat berinteraksi dengan sistem yaitu admin dan mahasiswa. Berikut merupakan tampilan struktur menu yang dapat di akses oleh kedua pengguna tersebut.
a. Menu Admin Admin bertugas sebagai pengelola sistem. Proses apapun yang terjadi didalam sistem akan di pantau oleh admin. Ketika admin login kedalam sistem maka ia akan mendapatkan informasi tentang pengguna, Mahasiswa, Buku, Peminjaman, pencarian, Konversi Rating Peminjaman, dll. Berikut merupakan tampilan menu yang dapat di akses oleh admin.
Gambar. 4.5 Rancangan Menu Admin
b. Menu Mahasiswa Pada perancangan menu mahasiswa, semua menu yang berkaitan dengan kegiatan mahasiswa dalam sistem akan ditampilkan dalam menu ini. Ketika mahasiswa melakukan login kedalam sistem, maka mahasiswa akan mendapat sekumpulan rangkaian menu seperti menu beranda, pencarian, peminjaman, dan log uot. Berikut merupakan tampilan menu mahasiswa pada sistem rekomendasi peminjaman buku perpustakaan.
IV-22
Mahasiswa
Beranda
Buku Rekomendasi
Buku Terbaru
Petunjuk
Tentang Kami
Log out
Gambar. 4.6 Rancangan Menu Mahasiswa
4.5.2.2 Perancangan Tampilan Sistem Perancangan tampilan sistem merupakan gambaran tampilan dari sistem yang akan dibangun. Berikut merupakan rancangan interface untuk sistem rekomendasi peminjaman buku perpustakaan. a. Tampilan Halaman Login Halaman login adalah halaman utama yang pertama kali muncul ketika pengguna akan memulai ber interaksi dengan sistem. Haman login berisi pengisian validitas data login seperti username dan password. Berikut merupakan perncangan halaman login pengguna.
Gambar. 4.7 Perancangan Tampilan Halaman Login
IV-23
b. Tampilan Halaman Admin Pada tampilan halaman admin, terdapat 9 menu utama yaitu Beranda, Pengguna, Mahasiswa, Buku, Peminjaman, Pencarian, Konversi Rating, About, dan Loguot. Menu pengguna berisikan tabel data pengguna yang berhak mengakses sistem yang bertindak sebagai pengelola. Menu mahasiswa berisikan data-data mahasiswa. Pada data mahasiswa ini terdapat data nomor mahasiswa (No_Mhs) yang dapat digunakan sebagai data login mahasiswa. Berikut merupakan tampilan dari menu dan halaman utama admin.
Gambar. 4.8 Perancangan Tampilan Halaman Admin
c. Tampilan Halaman Mahasiswa Halaman mahasiswa akan tampil ketika mahasiswa login ke dalam sistem. Pada tampilan halaman mahasiswa akan terdapat beberapa menu yang dapat diakses oleh mahasiswa. Menu tersebut adalah menu Beranda, Buku Rekomendasi, Buku Terbaru, Petunjuk, Tentang Kami, dan Loguot. Menu Buku Rekomendasi berisikan kumpulan list judul buku yang direkomendasikan kepada pengguna setelah pengguna melakukan peratingan terhadap buku yang ada pada sistem. Cara peratingan tersebut dilakukan dengan cara pencarian dan peminjaman buku pada sistem rekomendasi peminjaman buku pada perpustakaan uin suska riau. Menu Buku Terbaru berisikan list judul buku yang baru saja di inputkan kedalam sistem. Dengan menu ini
IV-24
mahasiswa dapat melihat kumpulan buku terbaru yang ada pada perpustakaan. Menu petunjuk digunakan untuk melihat tata cara penggunaan sistem. Berikut merupakan tampilan halaman yang bisa diakses oleh sistem.
Gambar. 4.9 Perancangan Tampilan Halaman Mahasiswa
