REKOMENDASI TAG PADA BERITA ONLINE MENGGUNAKAN TF-IDF DAN COLLABORATIVE TAGGING
SKRIPSI
SALMAN ALL FARIZI 091402007
PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2015
REKOMENDASI TAG PADA BERITA ONLINE MENGGUNAKAN TF-IDF DAN COLLABORATIVE TAGGING
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi Informasi
SALMAN ALL FARIZI 091402007
PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2015
i PERSETUJUAN
Judul
:
REKOMENDASI TAG PADA BERITA ONLINE MENGGUNAKAN TF-IDF DAN COLLABORATIVE TAGGING
Kategori
:
SKRIPSI
Nama
:
SALMAN AL FARIZI
Nomor Induk Mahasiswa
:
091402007
Program Studi
:
SARJANA (S1) TEKNOLOGI INFORMASI
Departemen
:
TEKNOLOGI INFORMASI
Fakultas
:
ILMU
KOMPUTER
DAN
TEKNOLOGI
INFORMASI (FASILKOM-TI) UNIVERSITAS SUMATERA UTARA
Diluluskan di Medan, April 2015 Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
Dr. Erna Budhiarti Nababan, M.IT NIP-
Mohammad Fadly Syahputra, B.Sc, M.Sc.IT NIP 198301292009121003
Diketahui/Disetujui oleh Program Studi S1 Teknologi Informasi Ketua,
Muhammad Anggia Muchtar, S.T., MM.IT. NIP198001102008011010
ii PERNYATAAN
REKOMENDASI TAG PADA BERITA ONLINE MENGGUNAKAN TF-IDF DAN COLLABORATIVE TAGGING
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, April 2015
Salman Al Farizi 091402007
iii 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 gelar Sarjana Teknologi Informasi, Program Studi S1 Teknologi Informasi Universitas Sumatera Utara. Ucapan terima kasih penulis sampaikan kepada Bapak Mohammad Fadly Syahputra, B.Sc, M.Sc.IT selaku pembimbing satu dan Ibu Dr. Erna Budhiarti Nababan, M.IT selaku pembimbing dua yang telah banyak meluangkan waktu dan pikirannya, memotivasi dan memberikan kritik dan saran kepada penulis. Ucapan terima kasih juga ditujukan kepada Bapak Dani Gunawan ST.,M.T dan Ibu Sarah Purnamawati ST.,M.Sc yang telah bersedia menjadi dosen pembanding. Ucapan terima kasih juga ditujukan kepada Ketua dan Sekretaris Program Studi Teknologi Informasi, Muhammad Anggia Muchtar, S.T., MM.IT dan Mohammad 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. Skripsi ini terutama penulis persembahkan untuk kedua orang tua dan keluarga penulis yang telah memberikan dukungan dan motivasi, Ayahanda Achyar Hasanuddin dan Ibunda Suwarni yang selalu sabar dalam mendidik dan membesarkan penulis. Untuk adik Umi Kalsum dan Sulastri Ningsih yang selalu memberikan dorongan kepada penulis. Terima kasih penulis ucapkan kepada Bapak M. Safri Lubis selaku dosen dan pembimbing penulis dalam kegiatan akademik dan non akademik, Lydia Alissa, Wildan Afifi, Masryan Siregar, Alvin Rizki, Badruts Tsani, Jihan Meutia, Amira Akhmad, Fadhilah Hasyim, Fadil Haryudi, M. Fadhullah, Nurul Fadlia, Muslim Ramli, Yudhitya Syahputra yang tidak pernah bosan dalam menyemangati dan membantu penulis, teman-teman seperjuangan, bang Franheit Sangapta, bang Billy Azzahry, bang Ilham Akbar, bang Nanda Putra, bang Reyhan Samantha, Putra Fitrawan, Kak Umi Hani dan bang Muhammad Fadhly Sani yang sudah penulis anggap seperti saudara sendiri serta teman-teman mahasiswa Teknologi Informasi lainnya yang tidak dapat penulis sebutkan satu persatu. Semoga Allah SWT membalas kebaikan kalian dengan nikmat yang berlimpah.
iv ABSTRAK
Perkembangan teknologi internet yang sangat pesat menyebabkan semakin tingginya arus informasi dan semakin meningkatkannya jumlah berita yang terpublikasikan secara online. Teknologi social tagging hadir untuk mempermudah proses pencarian berita online dan pengaturan arsip berita berdasarkan kesamaan informasi tag. Untuk mempermudah pemberian tag, sistem autotag terus dikembangkan. Dalam penelitian ini, sistem autotag dikembangkan menggunakan metode TF-IDF dan Collaborative tagging dimana tahapannya diawali dengan text preprocessing kemudian feature selection dan proses menghitung bobot TF-IDF. Kemudian diterapkan metode Collaborative tagging yaitu pengukuran kesamaan dengan menghitung persentase kemiripan tag hasil ekstraksi TF-IDF dengan tag -tag berita yang telah dipublikasikan sebelumnya. Hasil dari penelitian ini menunjukkan bahwa metode TF-IDF dapat digunakan untuk memberikan rekomendasi tag secara otomatis dengan relevansi tag terhadap isi berita yaitu 79,97% dan 80,6% untuk relevansi rata – rata menggunakan Collaborative Tagging.
Kata kunci: social tagging, rekomendasi tag, TF-IDF, collaborative tagging, berita
v TAG RECOMMENDATIONS ON NEWS ONLINE USING TF-IDF AND COLLABRORATIVE TAGGING
ABSTRACT
The rapid development of internet technology leads to increase the flow of information and further increase the amount of published news online. Social tagging techonology exists to simplyfy the search process of news online and news archive settings based on tag infomation similarity. To facilitate tagging process, autotag system is developed. In this study, the autotag system is developed by using TF-IDF and Collaborative Tagging where the process begins with text preprocessing until feature selection and the TF-IDF weight calculating process. The Collaborative tagging method is used for measuring the tag similarity by calculating the similarity tag percentage which is the result of TF-IDF extraction with news' tag that has been published beforehand. The result of this study shows that TF-IDF method can be used to provide tag recommendation automatically with the tag relevance of news' content is 79,97% and 80,6% for the average relevance using Collaborative Tagging.
Keyword: social tagging, tag recommendation, TF-IDF, collaborative tagging, news.
vi DAFTAR ISI
Persetujuan Pernyataan Ucapan Terima Kasih Abstrak Abstract Daftar Isi Daftar Tabel Daftar Gambar Bab 1 Pendahuluan 1.1. Latar Belakang 1.2 Rumusan Masalah 1.3 Batasan Masalah 1.4 Tujuan Penelitian 1.5 Manfaat Penelitian 1.6 Metode Penelitian 1.7 Sistematika Penulisan
Hal. i ii iii iv v vi viii ix 1 1 2 2 3 3 3 4
Bab 2 Landasan Teori 2.1 Rekomendasi Tag 2.2 Text Mining 2.2.1 Pre-Processing 2.2.2 Processing 2.3 Algoritma Nazief & Adriani 2.4 Term Frequency-Invers Document Frequency (TF-IDF) 2.5 Collaborative Tagging 2.6 Penerapan TF-IDF dan Collaborative Tagging pada Rekomendasi Tag 2.7 Teknik Rekomendasi Tag Terdahulu
6 6 7 8 10 10 13 15 16 18
Bab 3 Analisa Dan Perancangan Sistem 3.1 Identifikasi Masalah 3.2 Data yang Digunakan 3.3 Rekomendasi Tag Menggunakan TF-IDF dan Collaborative Tagging 3.4 Perancangan Sistem 3.4.1 Usecase Diagram 3.4.2 Usecase Specification 3.4.3 Activity Diagram 3.4.4 Perancangan Database 3.4.5 Rancangan Menu Sistem 3.4.6 Perancangan Antarmuka
23 23 24 30 34 34 36 43 50 51 52
vii Bab 4 Implementasi dan Pengujian Sistem 4.1 Implementasi Sistem 4.1.1 Spesifikasi Perangkat Keras dan Lunak yang Digunakan 4.1.2 Implementasi Perancangan Antarmuka 4.2 Pengujian Kinerja Sistem
58 58 58 58 65
Bab 5 Kesimpulan dan Saran 5.1 Kesimpulan 5.2 Saran
87 87 87
Daftar Pustaka
viii DAFTAR TABEL
Hal. Tabel 2.1 Tabel kombinasi awalan akhiran tidak diijinkan (Adriani, et al. 2007) Tabel 2.2 Tabel aturan peluruhan kata dasar (Adriani, et al. 2007) Tabel 2.3 Penelitian Sebelumnya Tabel 3.1 Data Testing Tabel 3.2 Data Berita yang Telah Dipublikasikan Tabel 3.3 Tahap Tokenizing Tabel 3.4 Stopword Tabel 3.5 Hasil Tahap Filtering Tabel 3.6 Tahap Stemming Tabel 3.7 Hasil Perhitungan TF.IDF Tabel 3.8 Hasil Pengurutan Bobot TF.IDF Tabel 3.9 Berita Dalam Database Tabel 3.10 Contoh Collaborative Tag Tabel 3.11 Tabel Rekomendasi Tag Akhir Tabel 3.12 Usecase Spesifikasi untuk Usecase Berita Tabel 3.13 Usecase Spesifikasi untuk Usecase Hubungi Kami Tabel 3.14 Usecase Spesifikasi untuk Usecase Sign Up Tabel 3.15 Usecase Spesifikasi untuk Usecase Manajemen Modul Tabel 3.16 Usecase Spesifikasi untuk Usecase Identitas Web Tabel 3.17 Usecase Spesifikasi untuk Usecase Manajemen User Tabel 3.18 Usecase Spesifikasi untuk Usecase Manajemen Template Tabel 3.19 Usecase Spesifikasi untuk Usecase Menu Utama Tabel 3.20 Usecase Spesifikasi untuk Usecase Sub Menu Tabel 3.21 Usecase Spesifikasi untuk Usecase Manajemen Hubungi Kami Tabel 3.22 Usecase Spesifikasi untuk Usecase Manajemen Berita Tabel 3.23 Usecase Spesifikasi untuk Usecase Sensor Kata Tabel 3.24 Usecase Spesifikasi untuk Usecase Kategori Berita Tabel 3.25 Usecase Spesifikasi untuk Usecase Tag/Label Tabel 4.1 Data Masukan yang Akan Diuji Tabel 4.2 Data Hasil TF-TDF Tabel 4.3 Jumlah kemiripan Tag Minimal dengan Similarity 50% Tabel 4.4 Hasil Rekomendasi Tag Terhadap Max Kata Tabel 4.5 Hasil Rekomendasi Tag Terhadap Similarity
12 12 21 24 25 31 31 31 32 32 33 33 34 34 36 36 37 37 38 38 39 39 40 40 41 41 42 42 65 66 67 67 78
ix DAFTAR GAMBAR
Gambar 2.1 Representasi Grafik Triplet (u, d, t) (Song et al, 2008) Gambar 2.2 Flow Chart Algoritma Nazief & Adriani (Nazief et al, 1996) Gambar 3.1 General Architecture Rekomendasi tag Gambar 3.2 Input Text Berita pada Kategori Teknologi Gambar 3.3 Use Case Diagram Sistem Rekomendasi Tag Gambar 3.4 Diagram Aktivitas untuk Menampilkan Berita Gambar 3.5 Diagram Aktivitas untuk Memberikan Pesan dan Saran Gambar 3.6 Diagram Aktivitas untuk Sign Up Gambar 3.7 Diagram Aktivitas untuk Manajemen Modul Gambar 3.8 Diagram Aktivitas untuk Memberikan Identitas Web Gambar 3.9 Diagram Aktivitas untuk Manajemen User Gambar 3.10 Diagram Aktivitas untuk Manajemen Template Gambar 3.11 Diagram Aktivitas untuk Menu Utama Gambar 3.12 Diagram Aktivitas untuk Sub Menu Gambar 3.13 Diagram Aktivitas untuk Pengaturan Pesan dan Saran Gambar 3.14 Diagram Aktivitas untuk Kategori Berita Gambar 3.15 Diagram Aktivitas untuk Manajemen Berita Gambar 3.16 Diagram Aktivitas untuk Tag/Label Gambar 3.17 Diagram Aktivitas untuk Kategori Berita Gambar 3.18 Database Gambar 3.19 Struktur Menu Sistem Gambar 3.20 Rancangan Halaman Utama Gambar 3.21 Rancangan Halaman Hubungi Kami Gambar 3.22 Rancangan Halaman Sign up Gambar 3.23 Rancangan Halaman Manajemen User Gambar 3.24 Rancangan Halaman Setting menu Utama Gambar 3.25 Rancangan Halaman Manajemen Isi Berita Gambar 3.26 Rancangan Halaman Manajemen Hubungi Kami Gambar 4.1 Halaman Berita Gambar 4.2 Halaman Hubungi Kami Gambar 4.3 Halaman Sign up Gambar 4.4 Halaman Manajemen User Gambar 4.5 Halaman Menu Utama Gambar 4.6 Halaman Kategori Berita Gambar 4.7 Halaman Berita Gambar 4.8 Halaman Tambah Berita Gambar 4.9 Halaman Tag Gambar 4.10 Halaman Sensor Kata Gambar 4.11 Halaman Manajemen Hubungi Kami
Hal. 6 11 30 30 35 43 44 44 45 45 46 46 47 47 48 48 49 49 50 51 52 52 53 54 55 56 56 57 59 60 60 61 61 62 62 63 64 64 65
