Kata kunci “penambangan data”

73

BAB V ANALISA HASIL

5.1. Pengujian Relevance Feedback

Dari 281 dokumen yang di diproses dalam indexing dengan menggunakan jumlah kamus kata dasar 3278 dan 395 kata buang kata menghasilkan 25737 term yang digunakan dalam pengujian. Pengujian menggunakan media kuesioner yang dibagikan kepada 4 orang mahasiswa Sanata Dharma Yogyakarta. kuesioner dibagi menjadi 2 tahap, yaitu form kuesioner precision dan form kuesioner recall. Pada tahap pertama responden diminta untuk melakukan pencarian, mencatat seluruh dokumen hasil pencarian, dan menandai dokumen yang relevan. Pada tahap kedua responden diminta untuk melihat seluruh koleksi daftar dokumen dan menandai dokumen yang relevan terhadap kata kunci yang digunakan dalam pencarian sebelumnya.

1. Kata kunci “penambangan data”

Sis tem menghasilkan 2 dokumen dari kata kunci “penambangan data”. Dari 2 dokumen hasil pencarian, responden menemukan 1 dokumen yang relevan. Pada tahap kedua responden menemukan 8 dokumen yang relevan dari 281 dokumen koleksi. Perhitungan recall diperoleh. Hasil perhitungan Recall dan precision dapat dilihat padat tabel 5.1. Berikut dokumen hasil pencarian. 1. ANALISIS ASOSIASI HASIL EVALUASI PEMBELAJARAN MEMPERGUNAKAN ALGORITMA APRIORI 2. ARSITEKTUR DATA SPASIAL UNTUK INFORMASI TEMATIS SIGDA KABUPATEN LOMBOK BARAT 74 Tabel 5.1 Recal Precision query “penambangan data” ID Relevan Recall Precision 257 R 0,125 1 115 0,125 0,5 Tabel 5.2 Interpolasi Recall Precision query “penambangan data” Recall Precision 100 10 100 20 30 40 50 60 70 80 90 100 Dari tabel 5.2 dan Gambar 5.1 dapat dilihat diperoleh precision 100 dari nilai recall 0-10 dan menurun hingga 0 pada nilai recall 20-100.. Hal ini dikarenakan dokumen relevan yang ditemukan responden yaitu 8 dokumen lebih banyak daripada dokumen relevan yang ditemukan menurut sistem yaitu 1, dimana beberapa dari dokumen tersebut mengandung kata “data mining” yang merupakan istilah bahasa Inggris dari kata “penambangan data”. 75 Gambar 5.1 Grafik Recall precision query “penambangan data” Istilah “penambangan data” memiliki sinonim dalam bahasa inggris sehingga dilakukan pengujian dengan kata kunci “data mining” untuk memberi perbandingan. Dokumen hasil pencarian dengan kata kunci “data mining”. 1. PERANCANGAN APLIKASI DATA MINING STUDI KASUS: ANALISIS KEPUASAN PELANGGAN PT. XYZ 2. PENGGUNAAN ANALISA ASOSIASI ASSOCIATION ANALYSIS DALAM PEMILIHAN LOKASI WISATA BERDASARKAN KARAKTERISTIK SOSIO-DEMOGRAFIS WISATAWAN 3. KLASIFIKASI EVENT PADA PROCESS LOGS MENGGUNAKAN MODEL REGRESI LOGISTIK 4. PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA ASSOCIATION RULES UNTUK MEMPREDIKSI PILIHAN PROGRAM STUDI DI SEKOLAH TINGGI XYZ 20 40 60 80 100 120 P re ci si on Recall Interpolasi Interpolasi 76 5. Market Basket Analysis Berbasis Classifier Characterictic untuk MENENTUKAN PERSENTASE MODEL DESKRIPSI MEDIA RELATIONS PERGURUAN TINGGI 6. ANALISIS ASOSIASI HASIL EVALUASI PEMBELAJARAN MEMPERGUNAKAN ALGORITMA APRIORI 7. ANALISIS KEMUNGKINAN PENGUNDURAN DIRI CALON MAHASISWA DI STMIK STIKOM BALI DENGAN ALGORITMA BAYESIAN CLASSIFICATION 8. PENGOLAHAN DATA WAREHOUSE AKADEMIK SEBAGAI PENUNJANG KEPUTUSAN DI PERGURUAN TINGGI 9. PERANCANGAN e-HEALTH MANAGEMENT SYSTEM 10. CUSTOMER RELATIONSHIP MANAGEMENT CRM UNTUK USAHA KECIL DAN MENENGAH 11. PEMANFAATAN BUSINESS INTELLIGENCE DALAM PERENCANAAN PEMBANGUNAN NASIONAL: STUDI KASUS BADAN PERENCANAAN PEMBANGUNAN NASIONAL 12. PEMANFAATAN KNOWLEDGE MANAGEMENT SYSTEM BERBASIS OPENSOURCES UNTUK INSTANSI PEMERINTAH STUDI KASUS: DIREKTORAT E-GOVERNMENT KEMENTERIAN KOMUNIKASI DAN INFORMATIKA 13. DASHBOARDING INFORMATION SYSTEMS FOR THE EDUCATION SECTOR: APPLICATION AND METHODOLOGIES 77 14. EFISIENSI MATRIKS: PERBEDAAN SISTEM TUNGGAL DAN CLUSTER DENGAN ALGORITMA MAPREDUCE 15. MODEL KNOWLEDGE MANAGEMENT PADA PERUSAHAAN DISTRIBUTOR FARMASI DAN CONSUMER PRODUCT 16. SISTEM ANALISIS OPINI MICROBLOGGINGBERBAHASA INDONESIA 17. FAKTOR KONTEKSTUAL DALAM PEMANFAATAN WEB SEBAGAI MEDIA KOMUNIKASI CSR OLEH PERUSAHAAN 18. ALGORITMA UNTUK EKSTRAKSI TABEL HTML DI WEB 19. PERBANDINGAN ALGORITMA BINERISASI PADA CITRA TULANG ABNORMAL TELAPAK TANGAN MANUSIA 20. PENJADWALAN PERKULIAHAN DENGAN METODE COMPACT GENETIC ALGORITHM STUDI KASUS UNIVERSITAS WIDYATAMA 21. PENERAPAN CRM DENGAN SISTEM INFORMASI BERBASIS WEB UNTUK KEPUASAN PELANGGAN 22. MUSIC THERAPY ISSUES ON MUSIC INFORMATION RETRIEVAL Sistem menghasilkan 22 dokumen dari kata kunci “data mining”. Dari 22 dokumen hasil pencarian, responden menemukan 8 dokumen yang relevan. Pada tahap kedua responden menemukan 8 dokumen yang relevan dari 281 dokumen koleksi. Perhitungan recall diperoleh. Hasil perhitungan Recall dan precision dapat dilihat padat tabel 5.4. dan tabel 5.5. Tabel 5.4 Recal Precision query “data mining” No Urut Relevan Recall Precision 1 R 0,125 1 78 2 R 0,25 1 3 R 0,375 1 4 R 0,5 1 5 R 0,625 1 6 R 0,75 1 7 R 0,875 1 8 0,875 0,875 9 0,875 0,777778 10 0,875 0,7 11 0,875 0,636364 12 0,875 0,583333 13 0,875 0,538462 14 0,875 0,5 15 0,875 0,466667 16 0,875 0,4375 17 0,875 0,411765 18 0,875 0,388889 19 R 1 0,421053 20 1 0,4 21 1 0,380952 22 1 0,363636 Tabel 5.5 Interpolasi Recall Precision query “data mining” Recall Precision 100 10 100 20 100 30 100 40 100 50 100 60 100 70 100 80 100 90 100 100 42 Dapat dilihat pada gambar 5.2 precision 100 didapat pada nilai recall 0 sampai 90 dan menurun ke 42 pada nilai recal 100. Jika dibandingkan 79 dengan grafik pada gambar 5.1 query “data mining” menghasilkan precision yang lebih baik karena dokumen yang mengandung kata “data mining” lebih banyak jumlahnya daripada dokumen yang mengandung kata “penambangan data” . Gambar 5.2 Grafik Recall precision query “data mining”

2. Kata k