Implementasi Metode Association Rule Pada Aplikasi Pariwisata Bangka Belitung Di Platform Anroid
1
BAB I
PENDAHULUAN
I.1
Latar Belakang Masalah
Provinsi kepulauan Bangka Belitung adalah provinsi kepulauan yang terdiri
dari dua buah pulau utama yaitu pulau Bangka dan pulau Belitung. Provinsi ini juga
memiliki pulau-pulau kecil seperti pulau Lepar, pulau Pongok, pulau Mendanau,
dan pulau Selat Nasik, dengan jumlah pulau 470 buah yang telah memiliki nama,
dan 50 buah pulau yang hanya berpenghuni [1]. Provinsi ini menyimpan berbagai
potensi wisata, seperti wisata bahari, sejarah dan kuliner. Potensi tersebut menjadi
salah satu pesona daya tarik bagi wisatawan lokal maupun mancanegara dan
diketahui bahwa Januari 2015 jumlah pengunjung sebanyak 13.000 wisatawan [2].
Informasi mengenai tempat wisata merupakan hal yang dibutuhkan oleh
wisatawan. Dengan mendapatkan informasi lebih, terhadap suatu tempat wisata
akan lebih memudahkan bagi para wisatawan untuk dapat melakukan persiapan dan
kebutuhan lainnya. Berdasarkan hasil wawancara dengan wisatawan yang pernah
berkunjung ke provinsi Bangka Belitung, ditemukan beberapa fakta tentang
masalah yang sering dialami ketika berkunjung ke tempat wisata. Masalah yang
sering terjadi adalah para wisatawan sulit mendapatkan informasi mengenai tempat
wisata terdekat, informasi tempat penginapan, dan informasi layanan transportasi
yang tersedia untuk mengunjungi tempat wisata tersebut. Hal ini disebabkan karena
sedikitnya informasi dari dinas provinsi Bangka Belitung maupun dari agen
perjalanan.
Fenomena lain yang terjadi yaitu wisatawan mengalami kebingungan dalam
menentukan kegiatan apa yang bisa dilakukan pada suatu tempat wisata atau pada
beberapa tempat wisata, karena ada tipe wisatawan yang tidak mencari tempat tapi
aktivitas. Berdasarkan hasil wawancara wisatawan menyatakan bahwa
kebingungan ini disebabkan karena belum tersedia media yang bisa membantu
wisatawan untuk memberitahu kira-kira ada aktivitas apa yang bisa dilakukan pada
suatu tempat wisata, wisatawan biasanya hanya melihat dari kebiasaan orang-orang
(2)
yang ada di dalam tempat wisata tersebut, sehingga wisatawan merasa kesulitan
untuk mencari media-media informasi dan biasanya wisatawan hanya melakukan
dengan cara bertanya. Dari fenomena tersebut diperlukan rekomendasi kegiatan
atau aktivitas.
Rekomendasi kegiatan dan tempat wisata dapat diberikan kepada wisatawan
jika sudah ada riwayat dari wisatawan lain serta melihat pola keterkaitan antara
kegiatan dan tempat wisata yang sering dilakukan oleh para wisatawan sebelumnya.
Untuk dapat menentukan keputusan yang tepat dalam merekomendasikan wisata
dan kegiatan kepada wisatawan, maka diperlukan suatu metode untuk dapat
mencari keterkaitan antara tempat wisata dan kegiatan yang sering dilakukan oleh
wisatawan yaitu dengan metode association rule. Metode association rule adalah
sebuah metode untuk mencari hubungan antar item dalam suatu data set yang
ditentukan.
Association rule juga memiliki dua tahap, yaitu mencari kombinasi
yang paling sering terjadi dari suatu itemset, dan mendefinisikan condition dan
result [3]. Implementasi dari metode association rule ini diterapkan pada aplikasi
pariwisata pariwisata Bangka Belitung. Platform yang digunakan sebagai pilot
project perangkat lunak ini adalah android, dikarenakan saat ini android memiliki
market share sebesar 82.8% dari seluruh perangkat pintar [4]. Dengan membangun
perangkat lunak ini diharapkan menjadi solusi yang tepat untuk mendukung dan
meningkatkan daya tarik wisatawan lokal maupun mancanegara untuk berkunjung
ke provinsi kepulauan Bangka Belitung.
I.2
Perumusan Masalah
Dari latar belakang masalah yang telah dijelaskan, dirumuskan sebuah masalah
yaitu bagaimana implementasi metode
association rule
pada aplikasi pariwisata
Bangka Belitung pada platform android.
I.3
Maksud dan Tujuan
Maksud dari penelitian ini adalah membangun aplikasi pariwisata Bangka
Belitung pada platform android dengan tujuan sebagai berikut:
(3)
2.
Memudahkan wisatawan untuk mendapatkan rekomendasi tempat wisata dan
kegiatan yang ada di tempat wisata.
I.4
Batasan Masalah
Batasan masalah dari penelitian yang dilakukan adalah:
1.
Perangkat lunak ini menggunakan
user-generated content dan semi sosial
media.
2.
Sistem yang dibangun akan dibagi menjadi dua buah
subsistem.
Subsistem
pertama adalah
website dengan menggunakan SAD (Structure Analysis and
Design) dan untuk subsistem kedua berupa android dengan menggunakan
pendekatan OOAD (Object Oriented Analysis and Design).
3.
Sistem tidak menyediakan konten transportasi publik.
4.
Sumber data berupa flat file
5.
Metode association rule menggunakan algoritma apriori [3].
I.5
Metodologi Penelitian
Metodologi penelitian yang digunakan dalam penelitian ini adalah metode
penelitian terapan, metode ini bertujuan untuk menyelesaikan
permasalahan-permasalahan yang sedang dihadapi saat ini [5]. Dalam pelaksanaannya,
metodologi penelitian ini terdiri dari metode pengumpulan data dan metode
pembangunan perangkat lunak itu sendiri.
I.5.1
Metode Pengumpulan Data
Metode pengumpulan data yang digunakan adalah sebagai berikut:
1.
Studi Literatur
Pengumpulan data yang dilakukan dengan cara mempelajari dan memahami
berbagai literatur ilmiah yang bersumber dari buku, jurnal ilmiah, situs internet dan
bacaan lainnya yang dapat dijadikan landasan dalam penelitian ini seperti data
mining: concepts and techniques, android, JSON,
web service,
sistem informasi,
PHP.
(4)
Penyebaran kuesioner dilakukan untuk mencari sumber data yang nantinya
akan dijadikan sebagai data training.
3.
Wawancara
Wawancara akan dilakukan kepada pegawai dinas pariwisata Bangka Belitung
yang bertujuan untuk mendapatkan informasi tempat wisata dan bagaimana cara
mempromosikan tempat wisata yang ada.
I.5.2
Metode Pembangunan Perangkat Lunak
Dalam pembangunan perangkat lunak ini menggunakan
waterfall model
sebagai tahapan pengembangan perangkat lunaknya. Proses-proses yang terjadi di
dalamnya adalah [6]:
1.
Requirement analysis and definition
Tahap
requirement analysis and definition
yang dilakukan dalam
pembangunan perangkat lunak ini adalah dengan melakukan pengumpulan data
dengan cara studi literatur dan wawancara langsung dengan pegawai dinas
pariwisata bangka belitung. Dari hasil tersebut didapatkan masalah yang kemudian
dicarikan solusinya dengan melakukan pendekatan secara terstruktur dan secara
objek.
2.
System and software design
Tahap
system and software design
yang dilakukan dalam pembangunan
perangkat lunak ini adalah dengan membuat perancangan data, perancangan
arsitektural menu, perancangan antarmuka, perancangan pesan, jaringan semantik
dan perancangan method.
3.
Implementation and unit testing
Tahap
implementation and unit testing
yang dilakukan dalam pembangunan
perangkat lunak ini adalah dengan membuat dua buah subsistem
yakni
subsistem
web admin dan subsistem android dimana untuk subsistem web diimplementasikan
dengan bahasa pemrograman
php,
html, css, dan
javascript yang kemudian
dihosting agar dapat diakses lebih fleksibel, kemudian dibuatkan pula webservice
agar data dalam website dapat diakses pula oleh perangkat android, sedangkan
(5)
untuk subsistem android diimplementasikan dengan bahasa pemrograman
java
mobile dan xml. Untuk pertukaran data menggunakan format JSON.
4.
Integration and system testing
Tahap
integration and system testing
yang dilakukan dalam pembangunan
perangkat lunak ini adalah mengintegrasikan data yang ada dalam database untuk
dapat dikelola dalam web admin, kemudian dapat dipertukarkan melalui webservice
sehingga dapat diakses oleh perangkat mobile android.
5.
Operation and maintenance
Tahap
operation and maintenance
yang dilakukan dalam pembangunan
perangkat lunak ini adalah dengan melakukan pemantauan secara berkala mengenai
penggunaan perangkat lunak sehingga ke depannya jika ada perubahan dapat
dilakukan
update
untuk optimalisasi pengoperasian. Adapun untuk
maintenance
akan dilakukan oleh pihak dinas pariwisata Bangka Belitung Dari berbagai
tahapan-tahapan tersebut, untuk lebih jelasnya bisa dilihat pada Gambar I.1
(6)
I.5.3
Metode Penyelesaian
Data Mining
Metode penyelesaian dari beberapa masalah yang telah diuraikan dapat
diselesaikan dengan menggunakan data mining [3]. Berikut adalah tahapan-tahapan
pada data mining [3]:
1.
Data Selection
Dalam penelitian ini dilakukan tahapan selection, dengan memisahkan atribut
tempat wisata dan aktivitas.
2.
Data Cleaning
Proses menghilangkan noise atau data yang tidak konsisten, dalam penelitian
ini dilakukan proses data
cleaning
untuk menghilangkan data yang satu
transaksinya hanya memiliki satu item atau tidak memiliki keterkaitan dengan
item lainnya.
3.
Data mining
Pada proses ini, peneliti mencari pola atau informasi menarik dari data yang
telah tersedia menggunakan teknik ataupun metode yang digunakan. Dalam
penelitian ini metode yang digunakan adalah
association rule
dan
menggunakan algoritma apriori.
4.
Interpretation/Evaluation
Pola informasi yang dihasilkan harus mudah dimengerti dan diperiksa apakah
bertentangan dengan fakta atau hipotesis yang ada sebelumnya.
I.6
Sistematika Penulisan
Sistematika penulisan penelitian ini disusun untuk memberikan gambaran
umum mengenai penelitian yang dikerjakan. Sistematika penulisan dalam
penelitian ini adalah:
BAB 1 PENDAHULUAN
Pada bab ini menerangkan secara umum latar belakang masalah, rumusan
masalah, maksud dan tujuan penelitian, batasan masalah, metodologi penelitian
serta sistematika penulisan.
(7)
Bab ini membahas tentang perusahaan dan teori-teori yang berhubungan
dengan topik skripsi yang dibangun.
BAB 3 ANALISIS DAN PERANCANGAN SISTEM
Bab ini berisi tentang analisis sistem yang terdiri dari analisis masalah, analisis
prosedur sistem yang berjalan, analisis arsitektur sistem, spesifikasi kebutuhan
nonfungsional, analisis kebutuhan non fungsional, analisis data, dan analisis
kebutuhan fungsional. Perancangan sistem terdiri dari perancangan basis data,
perancangan antarmuka dan perancangan method.
BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM
Bab ini berisi tentang implementasi hasil dari analisis dan perancangan sistem,
perancangan sistem ke dalam bentuk bahasa pemrograman, kebutuhan perangkat
keras dan perangkat lunak yang diperlukan dalam membangun sistem serta
pengujiannya. Pengujian yang dilakukan yaitu dengan melakukan pengujian black
box dan pengujian acceptance.
BAB 5 KESIMPULAN DAN SARAN
Pada bab ini akan berisikan kesimpulan-kesimpulan dari penelitian, dan
terdapat pula saran yang diberikan agar dapat digunakan dimasa mendatang untuk
perbaikan perangkat lunak menjadi lebih baik.
(8)
(9)
9
Pariwisata menurut KBBI adalah yang berhubungan dengan perjalanan untuk
rekreasi, pelancongan, turisme [8].
II.2
Sistem Informasi
Sistem adalah kumpulan komponen dimana masing-masing komponen
memiliki fungsi yang saling berinteraksi dan saling tergantung serta memiliki satu
kesatuan yang utuh untuk bekerja mencapai tujuan tertentu [9]. Sedangkan
informasi adalah data yang sudah diolah ke dalam sebuah formulir bentuk yang
bermanfaat dan dapat digunakan untuk manusia [10].
Jika disimpulkan, definisi dari sistem informasi adalah sekumpulan komponen
yang memiliki fungsi yang saling ketergantungan dalam satu kesatuan utuh dalam
bentuk satu data yang telah diolah dalam sebuah bentuk yang dapat digunakan
untuk manusia mencapai tujuan tertentu.
Dari pendapat lain, dapat dijelaskan bahwa sistem informasi merupakan
seperangkat prosedur yang terorganisasi dengan sistematik yang jika dilaksanakan
akan menyediakan informasi yang dapat dimanfaatkan dalam proses pembangunan
keputusan [11].
II.3
Data Mining
Data mining adalah serangkaian proses untuk menggali nilai tambah berupa
informasi yang selama ini tidak diketahui secara manual dari suatu basis data
dengan melakukan penggalian pola-pola dari data dengan tujuan untuk
memanipulasi data menjadi informasi yang lebih berharga yang diperoleh dengan
cara mengekstraksi dan mengenali pola yang penting atau menarik dari data yang
terdapat dalam basis data [12].
Definisi lain dari data mining adalah teknik yang digunakan untuk menemukan
pola data yang berguna dari banyak data [13]. Adapun tahapan data mining sebagai
berikut [3]:
(10)
1.
Data Selection
Dalam penelitian ini dilakukan tahapan selection, dengan memisahkan atribut
tempat wisata dan aktivitas.
1.
Data Cleaning
Proses menghilangkan noise atau data yang tidak konsisten, dalam penelitian
ini dilakukan proses data
cleaning
untuk menghilangkan data yang satu
transaksinya hanya memiliki satu item atau tidak memiliki keterkaitan dengan
item lainnya.
2.
Data mining
Pada proses ini, peneliti mencari pola atau informasi menarik dari data yang
telah tersedia menggunakan teknik ataupun metode yang digunakan. Dalam
penelitian ini metode yang digunakan adalah
association rule
dan
menggunakan algoritma apriori.
3.
Interpretation/Evaluation
Pola informasi yang dihasilkan harus mudah dimengerti dan diperiksa apakah
bertentangan dengan fakta atau hipotesis yang ada sebelumnya.
II.4
Association Rule
Association rule
merupakan suatu prosedur untuk mencari hubungan
antar-item dalam suatu dataset [3]. Association rule (aturan asosiasi) akan menemukan
pola tertentu untuk mengasosiasikan data yang satu dengan data yang lain. Untuk
mencari association rule dari suatu kumpulan data, tahap pertama yang harus
dilakukan adalah mencari frequent itemset terlebih dahulu. Frequent itemset adalah
sekumpulan item yang sering muncul secara bersamaan. Setelah semua pola
frequent itemset ditemukan, barulah mencari aturan assosiatif atau aturan
keterkaitan yang memenuhi syarat yang telah ditentukan [3].
Jika diasumsikan bahwa barang yang dijual di swalayan adalah semesta, maka
setiap barang akan memiliki boolean variabel yang akan menunjukkan
keberadaannya atau tidak barang tersebut dalam satu transaksi atau satu keranjang
belanja. Pola boolean yang didapat digunakan untuk menganalisa barang yang
dibeli secara bersamaan. Pola tersebut dirumuskan dalam sebuah association rule.
(11)
Sebagai contoh konsumen biasanya akan membeli komputer dan software antivirus
pada saat yang sama yang ditujukkan sebagai berikut [3]:
Komputer
software antivirus [support = 2, confidence = 60% ]
Association rule diperlukan suatu variabel ukuran yang ditentukan sendiri oleh user
untuk menentukan batasan sejauh mana atau sebanyak apa output yang diinginkan
user.
Support dan
confidence adalah sebuah ukuran kepercayaan dan kegunaan
suatu pola yang telah ditemukan. Nilai support 2 menunjukkan bahwa keseluruhan
dari total transaksi konsumen membeli komputer dan
software antivirus secara
bersamaan yaitu sebanyak 2. Sedangkan
confidence 60% yaitu menunjukkan bila
konsumen membeli komputer dan pasti membeli
software antivirus sebesar 60%
[3].
II.5
Algoritma
Apriori
Algoritma
apriori adalah salah satu algoritma yang melakukan pencarian
frequent itemset dengan menggunakan teknik
association rule. Algortima apriori
menggunakan pengetahuan frekuensi atribut yang telah diketahui sebelumnya
untuk memproses informasi selanjutnya. Pada algoritma
apriori, menentukan
kandidat yang mungkin muncul dengan cara memperhatikan minimum support dan
minimum confidence.
Support adalah nilai pengunjung atau persentase kombinasi
sebuah item dalam database [3].
Nilai support sebuah item diperoleh dengan rumus sebagai berikut: [3]
�
� = A ∩ B =
∑J a T a a∑T a T a a ya M a a∗
%
(2.1)
Sedangkan
confidence adalah nilai kepastian yaitu kuatnya hubungan antar
item dalam sebuah apriori.
Confidence dapat dicari setelah pola frekuensi
munculnya sebuah item ditemukan. Rumus untuk menghitung
confidence adalah
sebagai berikut [3]:
(12)
Proses utama yang dilakukan dalam algoritma apriori untuk mendapat
frequent itemset yaitu [3]:
1. Join (Penggabungan)
Proses ini dilakukan dengan cara pengkombinasian item dengan item yang
lainnya hingga tidak dapat terbentuk kombinasi lagi.
2. Prune (Pemangkasan)
Proses pemangkasan yaitu hasil dari item yang telah dikombinasikan kemudian
dipangkas dengan menggunakan minimum support yang telah ditentukan oleh user.
Pada iterasi ke-k akan ditemukan semua itemset yang memiliki k item, disebut
dengan k-itemset. Tiap iterasi terdiri dari dua tahap, yaitu :
a. Gunakan frequent (k-1) itemset untuk membangun kandidat frequent k- itemset.
b. Gunakan
scan database dan pencocokan pola untuk mengumpulkan hitungan
untuk kandidat itemset.
Adapun langkah-langkah proses perhitungan
association rule
dengan
algoritma apriori sebagai berikut [3]:
1. Sistem men-scan database untuk mendapat kandidat 1-itemset (himpunan item
yang terdiri dari 1 item) dan menghitung nilai nya. Kemudian nilai
support-nya tersebut dibandingkan dengan minimum
support yang telah ditentukan. Jika
nilainya lebih besar atau sama dengan
minimum support, maka
itemset tersebut
termasuk large itemset.
2.
Itemset yang tidak termasuk dalam large itemset tidak diikutkan dalam iterasi
selanjutnya (di pangkas).
3. Pada iterasi kedua, sistem akan menggunakan hasil
large itemset pada iterasi
pertama (L1) untuk membentuk kandidat
itemset kedua (L2). Pada iterasi
selanjutnya sistem akan menggunakan hasil large itemset pada iterasi sebelumnya
(Lk-1) untuk membentuk kandidat itemset berikut (Lk). Sistem akan
menggabungkan (join) Lk-1 dengan Lk-1 untuk mendapatkan Lk. Seperti pada
iterasi sebelumnya sistem akan menghapus (memangkas) kombinasi
itemset yang
tidak termasuk dalam large itemset.
(13)
4. Setelah dilakukan operasi
join, maka pasangan
itemset baru hasil proses
join
tersebut dihitung support-nya.
5. Proses pembentuk kandidat yang terdiri dari proses penggabungan dan
pemangkasan akan terus dilakukan hingga himpunan kandidat
itemset-nya
null,
atau sudah tidak ada lagi kandidat yang akan terbentuk.
6. Setelah itu, dari hasil
frequent itemset tersebut dibentuk association rule yang
memenuhi nilai support dan confidence yang telah ditentukan.
7. Pada pembentukan associaton rule, nilai yang sama dianggap sebagai satu nilai.
8. Association rule yang terbentuk harus memenuhi nilai minimum yang telah
ditentukan.
9. Untuk setiap large itemset L, cari himpunan bagian L yang tidak kosong. Untuk
setiap himpunan bagian tersebut, dihasilkan rule dengan bentuk aB(L-a) jika
support-nya (a) lebih besar dari minimum support.
II.6
Android
Android adalah sistem operasi smartphone layar sentuh seperti iOS iPhone dan
OS BlackBerry yang dalam pengembangannya dipimpin oleh google. Sistem
operasi ini bersifat Open Source dan dikembangkan berdasarkan kernel Linux yang
disematkan pada gadget, baik itu handphone atau tablet [14]. Android awalnya
dikembangkan oleh Android, Inc., dengan dukungan finansial dari Google, yang
kemudian membelinya pada tahun 2015.
Di dalam android terdapat activity dimana komponen ini memberi interaksi
antara user dan aplikasi yang dibangun melalui user interface. Activity ini memiliki
Siklus hidup yang dinamakan Android Life Cycle. Flowchart siklus hidup tersebut
dapat dilihat pada Gambar II.1
(14)
Gambar II.1
Android Life Cycle
Gambar di atas menjelaskan mengenai sebuah ilustrasi sederhana dari siklus
hidup
activity yang dinyatakan sebagai langkah piramida. Hal ini menunjukkan
bagaimana untuk setiap
callback yang digunakan untuk mengambil aktivitas
langkah menuju
state
atas kemudian dilanjutkan ada metode
callback yang
mengambil langkah menurun. Kegiatan ini juga dapat kembali ke keadaan dari state
pause dan stop. Siklus hidup activity ini menjadi sangat penting ketika kita hendak
membuat aplikasi berbasis android. Gunanya adalah agar aplikasi yang dibangun
berjalan dengan baik. Berikut penjelasan pada masing-masing state:
1.
onCreate(), Method ini dipanggil ketika activity pertama kali dibuat.
2.
onStart(), Method ini dipanggil ketika sebuah activity tampil ke pengguna.
3.
onResume(), Method ini dipanggil ketika
activity yang berjalan pada saat itu
dihentikan sementara (paused) dan
activity sebelumnya dijalankan
kembali(resumed). (Hasil dari method OnRestart())
4.
onPause(), Method ini dipanggil ketika activity di hentikan sementara (pause)
dan berikutnya ketika dijalankan kembali akan berada dalam posisi resume dan
memanggil method OnResume()
5.
onStop(), Method ini dipanggil ketika
activity tidak lagi tampak kepada
pengguna
6.
onDestroy(), Method ini dipanggil sebelum activity dihancurkan (destroy) oleh
sistem (baik secara manual maupun untuk kepentingan pelonggaran memori).
(15)
Banyak sekali fitur yang dapat dimanfaatkan pada platform android ini.
Diantaranya adalah
Location Based Services (LBS) . Location Based Services
(LBS) dapat dimanfaat untuk layanan yang menggunakan informasi geografis
dalam memberikan informasi lokasi kepada pengguna, sebagai petunjuk posisi atau
lokasi piranti
mobile pengguna berada, dan menemukan rute jalan sesuai
permintaan. LBS dapat digambarkan sebagai satu layanan yang berada pada
pertemuan tiga teknologi yaitu:
Geographic Information System (GIS),
Internet
Service, dan Mobile Devices [15].
II.7
Structure Analysis and Design
Struktur analisis dan desain adalah sebuah metodologi yang di gunakan pada
rekayasa perangkat lunak untuk mendeskripsikan sistem ke arah fungsional.
Pendekatan ini memecahkan masalah-masalah dalam aktivitas bisnis menjadi
bagian-bagian kecil yang dapat disatukan kembali menjadi satu kesatuan yang utuh
untuk memecahkan masalah [16].
Tools yang dapat digunakan pada pendekatan analisis pengembangan sistem
secara terstruktur adalah:
1.
ERD (Entity Relationship Diagram) adalah satu model jaringan yang
menggunakan susunan data yang disimpan dalam sistem. ERD merupakan
model jaringan data yang menekankan pada struktur dan hubungan antar data
[17].
2.
Diagram Konteks adalah diagram yang menggambarkan sebuah sistem secara
menyeluruh yang selanjutnya akan lebih didetailkan oleh DFD. Konteks
diagram juga biasa disebut sebagai DFD level 0.
3.
Data Flow Diagram atau biasa di singkat DFD merupakan serangkaian diagram
yang menggambarkan kegiatan-kegiatan yang ada dalam satu sistem. Teknik
pembangunan DFD dimulai dengan menggambarkan sistem secara global dan
dilanjutkan dengan analisis masing-masing bagian. Pada awalnya digambarkan
konteks diagram yang menggambarkan sebuah sistem secara menyeluruh yang
akan diinvestigasi. Konteks diagram tersebut dapat dikatakan sebagai DFD
(16)
level 0. Analisis sistem yang lebih detail selanjutnya dapat dilakukan dengan
menggambarkan DFD level 1,2 dan seterusnya.
4.
Spesifikasi Proses merupakan tabel yang berisi keterangan deskripsi dari
semua proses yang terdapat di DFD. Logika proses harus dituliskan secara jelas
baik menggunakan bahasa deskriptif atau pseudo code (tidak boleh campuran.
5.
Kamus Data (Data Dictionary) merupakan fakta tentang data dan
kebutuhan-kebutuhan informasi dari sistem informasi. Dengan menggunakan
data
dictionary, analis sistem dapat mendefinisikan data yang mengalir dalam
sistem dengan lengkap [18].
II.8
Object Oriented Analysis and Design
Analisis dan desain berorientasi objek adalah cara baru dalam memikirkan satu
masalah dengan menggunakan model yang dibuat menurut konsep sekitar dunia
nyata. Tujuan dari analisis berorientasi objek adalah untuk mengembangkan model
yang menggambarkan perangkat lunak komputer karena bekerja untuk memenuhi
seperangkat persyaratan yang ditentukan user [19].
Tools yang dapat digunakan
pada pendekatan analisis pengembangan sistem secara objek dapat menggunakan
UML.
Unified Modelling Language (UML) adalah sebuah bahasa yg telah menjadi
standar dalam industri untuk visualisasi, merancang dan mendokumentasikan
sistem piranti lunak. UML menggunakan class dan operation object dalam konsep
dasarnya, maka ia lebih cocok untuk penulisan piranti lunak dalam bahasa bahasa
berorientasi objek [20]. Dalam membangun block UML ada 3 hal yang harus
diperhatikan, yaitu
object (memodelkan konsep),
relationship (mengkoneksikan
object), dan
diagram (grouping yang saling mengkoneksikan antara
object dan
relationship. Diagram yang umum dipakai dalam analisis dan desain adalah:
1.
Use Case Diagram
Use Case Diagram menggambarkan fungsionalitas yang diharapkan dari
sebuah sistem. Yang ditekankan adalah “apa” yang diperbuat sistem, dan bukan
“bagaimana”. Sebuah
Use case merepresentasikan sebuah interaksi antara aktor
(17)
dengan sistem. Sebuah
use case dapat meng-include fungsionalitas
use case lain
sebagai bagian dari proses dalam dirinya. Secara umum diasumsikan bahwa use
case yang di-include akan dipanggil setiap kali use case yang meng-include
dieksekusi secara normal. Sebuah use case dapat di- include oleh lebih dari satu use
case lain, sehingga duplikasi fungsionalitas dapat dihindari dengan cara menarik
keluar fungsionalitas yang serupa. Sebuah use case juga dapat meng-extend usecase
lain dengan behaviour-nya sendiri. Sementara hubungan generalisasi antar use case
menunjukkan bahwa use case yang satu merupakan spesialisasi dari yang lain.
Dasar menentukan sebuah use case adalah
use case merupakan sesuatu yang
menyediakan beberapa hasil terukur kepada pengguna atau sistem eksternal.
Use
case harus memiliki sangat jelas kriteria lulus / gagal. Pengembang, tester, penulis
teknis, dan pengguna harus secara eksplisit tahu apakah sistem memenuhi kasus
penggunaan atau tidak. Setiap bagian dari use case yang memenuhi tes sederhana
ini mungkin menjadi kandidat yang baik untuk use case [21].
2.
Use Case Scenario
Sebuah diagram yang menunjukkan use case dan aktor mungkin menjadi titik
awal yang bagus, tetapi tidak memberikan detail yang cukup untuk desainer sistem
untuk benar-benar memahami persis bagaimana sistem dapat terpenuhi. Cara
terbaik untuk mengungkapkan informasi penting ini adalah dalam bentuk
penggunaan use case scenario berbasis teks per use casenya. Berikut adalah dasar
format penulisan
use case scenario [21]. Dasar pembangunan
use case scenario
dapat dilihat pada Tabel II-1 Dasar Pembangunan Use Case Scenario
Tabel II-1 Dasar Pembangunan Use Case Scenario
Use Case Name Berisi nama dari Use case yang akan digunakan
Goal In Context Menjelaskan apa yang aktor coba untuk dapatkan dari Use case Description Menjelaskan gambaran dari Use case
Related Use Case Daftar Use case yang berhubungan dengan Use case tersebut Successful End Condition Kondisi Use case jika berhasil
Failed End Condition Kondisi Use case jika gagal
Actors Daftar aktor yang dapat mengakses Use case Trigger Aktifitas yang dilakukan untuk mengawali Use case
(18)
Main Flow Step Action
1 Deskripsi urutan aksi dari aktifitas Use case 2
3
Extension Step Branching Action
2.1 Deskripsi urutan aksi lain selain urutan aksi utama 2.2
3.
Sequence Diagram
Sequence diagram
menggambarkan interaksi antar objek di dalam dan di
sekitar sistem berupa
message yang digambarkan terhadap waktu.
Sequence
diagram terdiri atar dimensi vertikal (waktu) dan dimensi horizontal (objek-objek
yang terkait). Sequence diagram biasa digunakan untuk menggambarkan skenario
atau rangkaian langkah-langkah yang dilakukan sebagai respons dari sebuah event
untuk menghasilkan
Output tertentu. Diawali dari apa yang men-trigger aktivitas
tersebut, proses dan perubahan apa saja yang terjadi secara internal dan Output apa
yang dihasilkan.
Masing-masing objek, termasuk aktor, memiliki
lifeline vertikal.
Message
digambarkan sebagai garis berpanah dari satu objek ke objek lainnya. Pada fase
desain berikutnya, message akan dipetakan menjadi operasi/metoda dari
class.
Activation bar menunjukkan lamanya eksekusi sebuah proses, biasanya diawali
dengan diterimanya sebuah message [20]. Untuk objek-objek yang memiliki sifat
khusus, standar UML mendefinisikan icon khusus untuk objek
boundary,
controller dan persistent entity.
4.
Class Diagram
Class adalah sebuah spesifikasi yang jika diinstansiasi akan menghasilkan
sebuah objek dan merupakan inti dari pengembangan dan desain berorientasi objek.
Class menggambarkan keadaan (atribut/properti) satu sistem, sekaligus
menawarkan layanan untuk memanipulasi keadaan tersebut (metoda/fungsi). Class
diagram menggambarkan struktur dan deskripsi class, package dan objek beserta
(19)
hubungan satu sama lain seperti pewarisan, asosiasi, dan lain-lain. Class memiliki
tiga area pokok:
1.
Nama dan stereotype
2.
Atribut
3.
Metoda
Atribut dan metoda dapat memiliki salah satu sifat berikut:
1.
Private, tidak dapat dipanggil dari luar class yang bersangkutan.
2.
Protected, hanya dapat dipanggil oleh class yang bersangkutan dan anak-anak
yang mewarisinya.
3.
Public, dapat dipanggil oleh siapa saja.
Class dapat merupakan implementasi dari sebuah interface, yaitu class abstrak
yang hanya memiliki metoda.
Interface tidak dapat langsung diinstansiasikan,
tetapi harus diimplementasikan dahulu menjadi sebuah
class. Sesuai dengan
perkembangan class model,
class dapat dikelompokkan menjadi package. Kita juga
dapat membuat diagram yang terdiri atas
package.
Class memiliki tipe-tipe
relationship, diantaranya :
1.
Asosiasi, yaitu hubungan statis antar
class. Umumnya menggambarkan class
yang memiliki atribut berupa
class lain, atau
class yang harus mengetahui
eksistensi class lain.
2.
Agregasi, yaitu hubungan yang menyatakan bagian terdiri atas dimana ketika
satu class di share atau direferensikan kepada objek yang ada di class lain.
3.
Pewarisan, yaitu hubungan hirarkis antar
class.
Class dapat diturunkan dari
class lain dan mewarisi semua atribut dan metoda
class asalnya dan
menambahkan fungsionalitas baru, sehingga ia disebut anak dari
class yang
diwarisinya. Kebalikan dari pewarisan adalah generalisasi.
4.
Komposisi, yaitu jenis relasi class diagram yang kuat dimana jika sebuah class
tidak bisa berdiri sendiri dan harus merupakan bagian dari class yang lain,
maka class tersebut memiliki relasi Composition terhadap class tempat dia
bergantung tersebut. Sebuah relationship composition digambarkan sebagai
garis dengan ujung berbentuk jajaran genjang berisi/solid.
(20)
5.
Depedensi, salah satu jenis relasi class diagram yang lemah dimana objek
dalam suatu class akan bekerja sangat singkat dengan objek yang ada pada
class lain.
5.
Activity Diagram
Activity diagram
menggambarkan berbagai alur aktivitas dalam sistem yang
sedang dirancang, bagaimana masing-masing aliran berawal,
decision yang
mungkin terjadi, dan bagaimana mereka berakhir. Activity diagram juga dapat
menggambarkan proses paralel yang mungkin terjadi pada beberapa eksekusi.
Sebuah aktivitas dapat direalisasikan oleh satu use case atau lebih. Aktivitas
menggambarkan proses yang berjalan, sementara use case menggambarkan
bagaimana aktor menggunakan sistem untuk melakukan aktivitas. Standar
UML menggunakan segiempat dengan sudut membulat untuk menggambarkan
aktivitas. Decision digunakan untuk menggambarkan behaviour pada kondisi
tertentu. Untuk mengilustrasikan proses-proses paralel (fork dan join)
digunakan titik sinkronisasi yang dapat berupa titik, garis horizontal atau
vertikal.
Activity diagram
dapat dibagi menjadi beberapa object
swimlane
untuk menggambarkan objek mana yang bertanggung jawab untuk aktivitas
tertentu [20].
II.9
Web Service
Web Service adalah sekumpulan
application logic beserta objek-objek dan
metode-metode yang dimilikinya yang terletak di satu server yang terhubung ke
internet [22]. Tujuan dari teknologi ini adalah untuk memudahkan beberapa
aplikasi atau komponennya untuk saling berhubungan dengan aplikasi lain dalam
sebuah organisasi maupun diluar organisasi menggunakan standar yang tidak
terikat platform (platform-neutral) dan tidak terikat akan bahasa pemrograman
yang digunakan (language-neutral). Hal tersebut dapat terjadi karena penggunaan
XML standar yang didukung oleh banyak perusahaan besar di dunia, yang
digunakan untuk bertukar data. Selain XML, terdapat pula format pertukaran data
lain yaitu JSON.
(21)
II.10
JSON (Javascript Object Notation)
JSON (JavaScript Object Notation) adalah format pertukaran data yang ringan,
mudah dibaca dan ditulis oleh manusia, serta mudah diterjemahkan dan dibuat
(generated) oleh komputer [23]. JSON terbuat dari dua struktur yaitu:
1.
Kumpulan pasangan nama/nilai. Pada beberapa bahasa, hal ini dinyatakan
sebagai objek (object), rekaman (record), struktur (struct), kamus (dictionary),
tabel hash (hash table), daftar berkunci (keyed list), atau associative array.
2.
Daftar nilai terurutkan (list of values). Pada kebanyakan bahasa, hal ini
dinyatakan sebagai larik (array), vektor (vector), daftar (list), atau urutan
(Sequence).
JSON menggunakan bentuk sebagai berikut:
1.
Objek
Objek adalah sepasang nama/nilai yang tidak terurutkan. Objek dimulai dengan
{ (kurung kurawal buka) dan diakhiri dengan } (kurung kurawal tutup). Setiap
nama diikuti dengan : (titik dua) dan setiap pasangan nama/nilai dipisahkan
oleh , (koma).
2.
Larik
Larik adalah kumpulan nilai yang terurutkan. Larik dimulai dengan [ (kurung
kotak buka) dan diakhiri dengan ] (kurung kotak tutup). Setiap nilai dipisahkan
oleh , (koma).
3.
Nilai
Nilai (value) dapat berupa sebuah string dalam tanda kutip ganda, atau angka,
atau true atau false atau null, atau sebuah objek atau sebuah larik.
Struktur-struktur tersebut dapat disusun bertingkat.
4.
String
String adalah kumpulan dari nol atau lebih karakter Unicode, yang dibungkus
dengan tanda kutip ganda. Di dalam string dapat digunakan backslash escapes
"\" untuk membentuk karakter khusus. Sebuah karakter mewakili karakter
tunggal pada string. String sangat mirip dengan string C atau Java.
(22)
II.11
Pengujian
Black Box
Metode pengujian
blackbox fokus pada keperluan penelusuran kesalahan
fungsional dari software. Uji coba blackbox berusaha untuk menemukan kesalahan
dalam beberapa kategori, diantaranya :
1. Fungsi-fungsi yang salah atau hilang.
2. Kesalahan interface.
3. Kesalahan dalam struktur data atau akses database eksternal.
4. Kesalahan performa.
5. Kesalahan inisialisasi dan terminasi.
Teknik pengujian black box terdiri dari 10 jenis diantaranya Equivalence
Partitioning, Boundary Value Analysis/Limit Testing, Comparison Testing, Sample
Testing, Robustness Testing, Behavior Testing, Requirement Testing, Performance
Testing, Endurance Testing, Cause-Effect Relationship Testing. Salah satunya yang
akan dibahas adalah Equivalence partitioning.
Equivalence partioning merupakan metode ujicoba blackbox yang membagi
domain input dari program menjadi beberapa kelas data dari kasus ujicoba yang
dihasilkan. Kasus uji penanganan single yang ideal menemukan sejumlah kesalahan
(misalnya : kesalahan pemrosesan dari seluruh data karakter) yang merupakan
syarat lain dari suatu kasus yang dieksekusi sebelum kesalahan umum diamati.
(23)
(24)
135
V.1
Kesimpulan
Berdasarkan hasil pengujian aplikasi
mobile
babel kite
pada platform
android maka diperoleh kesimpulan, aplikasi
mobile
babel kite pada platform
android yang dibangun sebagian besar telah dapat membantu masyarakat menjadi
lebih mudah dari sebelumnya untuk mendapatkan informasi dan rekomendasi
tempat wisata beserta aktvitasnya.
V.2
Saran
Aplikasi
mobile
babel kite merupakan aplikasi
mobile
pertama yang
memberikan informasi dan rekomendasi secara khusus tentang wisata yang ada di
provinsi Bangka Belitung. Adapun saran-saran terhadap pengembangan aplikasi
babel kite ke depan adalah pengembangan dalam penerapan algoritma lain agar
dapat dibandingkan dengan algoritma yang telah digunakan.
(25)
I-1
Nama Lengkap
: Nio Somalo
Jenis Kelamin
: Laki-laki
Tempat, Tanggal Lahir
: Mentok, 22 Oktober 1992
Agama
: Islam
Kewarganegaraan
: Indonesia
Status
: Belum Menikah
Anak ke
: Empat dari empat bersaudara
Alamat
: Jl. Kapten Alizen Kel. Sungai Daeng
No.Tlp
: 085267683627
: [email protected]
2.
RIWAYAT PENDIDIKAN
Sekolah Dasar
: SD Negeri 21 Mentok tahun ajaran 1998 - 2004
Sekolah Menengah Pertama : SMP Al-Muttaqin Tasikmalaya tahun ajaran 2004 -
2007
Sekolah Menegah Atas
: SMA Negeri 1 Tasikmalaya tahun ajaran 2007 -
2010
(26)
SKRIPSI
Diajukan untuk Menempuh Ujian Akhir Sarjana
Nio Somalo
10110301
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNIK DAN ILMU KOMPUTER
UNIVERSITAS KOMPUTER INDONESIA
2016
(27)
vi
ABSTRACT ...
Error! Bookmark not defined.
KATA PENGANTAR ...
Error! Bookmark not defined.
DAFTAR ISI ... vi
DAFTAR GAMBAR ...
Error! Bookmark not defined.
DAFTAR TABEL ...
Error! Bookmark not defined.
DAFTAR SIMBOL ...
Error! Bookmark not defined.
DAFTAR LAMPIRAN ...
Error! Bookmark not defined.
BAB I
PENDAHULUAN ...
Error! Bookmark not defined.
I.1 Latar Belakang Masalah ...
Error! Bookmark not defined.
I.2 Perumusan Masalah ...
Error! Bookmark not defined.
I.3 Maksud dan Tujuan ...
Error! Bookmark not defined.
I.4 Batasan Masalah...
Error! Bookmark not defined.
I.5 Metodologi Penelitian ...
Error! Bookmark not defined.
I.5.1
Metode Pengumpulan Data ...
Error! Bookmark not defined.
I.5.2
Metode Pembangunan Perangkat Lunak .. Error! Bookmark not
defined.
I.5.3
Metode Penyelesaian Data Mining ...
Error! Bookmark not
defined.
I.6 Sistematika Penulisan ...
Error! Bookmark not defined.
BAB II
LANDASAN TEORI ...
Error! Bookmark not defined.
II.1 Pariwisata ...
Error! Bookmark not defined.
II.2 Sistem Informasi ...
Error! Bookmark not defined.
II.3
Data Mining ...
Error! Bookmark not defined.
II.4
Association Rule ...
Error! Bookmark not defined.
II.5 Algoritma Apriori ...
Error! Bookmark not defined.
II.6 Android ...
Error! Bookmark not defined.
II.7
Structure Analysis and Design ...
Error! Bookmark not defined.
(28)
vii
II.8
Object Oriented Analysis and Design
Error! Bookmark not defined.
II.9
Web Service ...
Error! Bookmark not defined.
II.10 JSON (Javascript Object Notation) ...
Error! Bookmark not defined.
II.11 Pengujian Black Box ...
Error! Bookmark not defined.
BAB III ANALISIS DAN PERANCANGAN SISTEMError! Bookmark
not defined.
III.1 Analisis Sistem ...
Error! Bookmark not defined.
III.1.1 Analisis Masalah ...
Error! Bookmark not defined.
III.1.2 Analisis Arsitektur Sistem ...
Error! Bookmark not defined.
III.1.3 Analisis Sumber Data ...
Error! Bookmark not defined.
III.2 Analisis Penyelesaian Data Mining ...
Error! Bookmark not defined.
III.2.1 Analisis Data Selection ...
Error! Bookmark not defined.
III.2.2 Analisis Data Cleaning ...
Error! Bookmark not defined.
III.2.3 Analisis Data Mining ...
Error! Bookmark not defined.
III.3 Analisis Spesifikasi Kebutuhan Perangkat Lunak ..
Error! Bookmark
not defined.
III.3.1 Analisis Kebutuhan Non Fungsional ... Error! Bookmark not
defined.
III.3.2 Analisis Data ...
Error! Bookmark not defined.
III.3.3 Analisis Kebutuhan Fungsional .
Error! Bookmark not defined.
III.4 Perancangan Sistem ...
Error! Bookmark not defined.
III.4.1 Perancangan Data ...
Error! Bookmark not defined.
III.4.2 Perancangan Arsitektur Menu ....
Error! Bookmark not defined.
III.4.3 Perancangan Antarmuka ...
Error! Bookmark not defined.
BAB IV
IMPLEMENTASI DAN PENGUJIAN SISTEM ... Error!
Bookmark not defined.
IV.1 Implementasi Sistem ...
Error! Bookmark not defined.
IV.1.1 Lingkungan Implementasi ...
Error! Bookmark not defined.
IV.1.2 Implementasi Data ...
Error! Bookmark not defined.
IV.1.3 Implementasi Antarmuka ...
Error! Bookmark not defined.
IV.2 Pengujian Perangkat Lunak...
Error! Bookmark not defined.
(29)
viii
IV.2.1 Rencana Pengujian ...
Error! Bookmark not defined.
IV.2.2 Skenario Pengujian...
Error! Bookmark not defined.
IV.2.3 Hasil Pengujian ...
Error! Bookmark not defined.
IV.2.4 Evaluasi Pengujian ...
Error! Bookmark not defined.
BAB V
KESIMPULAN DAN SARAN ...
Error! Bookmark not defined.
V.1 Kesimpulan ...
Error! Bookmark not defined.
V.2 Saran ...
Error! Bookmark not defined.
DAFTAR PUSTAKA ...
Error! Bookmark not defined.
(30)
(31)
139
DAFTAR PUSTAKA
[1]
Indonesia
Travel.
[Online].
HYPERLINK
"http://www.indonesia.travel/destinations/destination/26/bangka-belitung"
http://www.indonesia.travel/destinations/destination/26/bangka-belitung
[2]
Chandra.
Babelprov.
[Online].
HYPERLINK
"http://babelprov.go.id/content/11298-wisatawan-kunjungi-babel"
http://babelprov.go.id/content/11298-wisatawan-kunjungi-babel
[3]
Micheline Kamber Jiawei Han, "Data Mining: Concepts and
Technique," in
Data Mining: Concepts and Technique. San Francisco:
Diane Cerra, 2006, pp. 227-229.
[4]
IDC
Analyze
the
Future.
[Online].
HYPERLINK
"http://www.idc.com/prodserv/smartphone-os-market-share.jsp"
http://www.idc.com/prodserv/smartphone-os-market-share.jsp
[5]
MPA., Ph.D, Surya Dharma,
Pendidikan, Jenis, dan Metode
Penelitian Pendidikan. Jakarta: Direktorat Tenaga Kependidikan
Department Pendidikan Nasional, 2008.
[6]
Ian Sommerville,
Software Engineering, Eight Edition ed.: Addison
Wesley, 2007.
[7]
Sommerville Ian,
Software Engineering, Eight Edition ed.: Addison
Wesley, 2007.
[8]
KBBI. (2015, Desember) KBBI. [Online]. HYPERLINK
"http://kbbi.web.id/" http://kbbi.web.id/
[9]
Ida Nuraida,
Manajemen Administrasi Perkantoran. Yogyakarta:
Kanisius, 2008.
[10]
Chr. Jimmy L. Gaol,
Sistem Informasi Manajemen. Yogyakarta:
Grasindo, 2008.
[11]
Komaruddin Sastradipoera,
Asas-asas menejemen perkantoran.
Bandung: Kappa Sigma, 2001.
(32)
[12]
gsbipb.
(2013,
Oct.)
gsbipb.
[Online].
HYPERLINK
"http://gsbipb.com/?p=821" http://gsbipb.com/?p=821
[13]
Nong Ye, Data Mining: Theoris Algorithms and Examples. NW, US:
Taylor & Francis, 2014.
[14]
Agus Wahadyo and Sudarma S,
Tip Trik Android untuk pengguna
Tablet & Handphone. Jakarta: Penerbit Mediakita, 2012.
[15]
Putri Atalapu, "Implementasi Location Based Service Berbasis Cell Id
Untuk Anjungan Provinsi Sulawesi Selatan Taman Mini Indonesia Indah
(Tmii) Memanfaatkan Teknologi Augmented Reality Pada Perangkat
Bergerak Android," p. 11, 2012.
[16]
Harry J. Rosenblatt Gary Shelly,
Systems Analysis and Design.
Boston: Course technology cengange learning, 2010.
[17]
Hanif Fatta,
Rekayasa Sistem Pengenalan Wajah. Yogyakarta: Andi,
2009.
[18]
Tanjung Hendri, Prabowo Haryi Marimin,
Sistem Infromasi
Manajemen : Sumber Daya Manusia. Bogor: Grasindo, 2006.
[19]
Hendra Divayana, Konsep OOAD. Jakarta: STMIK Eresha, 2010.
[20]
Julius Hermawan,
Analisa Desain & Pemrograman Berorientasi
Objek dengan UML dan Visual Basic.NET. Yogyakarta: Andi, 2010.
[21]
Kim Hamilton and Russell Miles, Learning UML 2.0. United States of
America: O'Reilly, 2006.
[22]
Janner Simarmata, Rekayasa Web. Yogyakarta: ANDI, 2010.
[23]
json org. json org. [Online]. HYPERLINK "http://json.org/json-id"
http://json.org/json-id
[24]
Marsela dan Veronica S. Moertini Yulita,
Analisis Keranjang Pasar
dengan Algoritma Hash-Based pada transaksi penjualan di apotek, 2002.
[25]
S.Kom., M.Kom. Dicky Nofriansyah, Konsep Data Mining Vs Sistem
(33)
[26]
Twinkle Puri, Binita Shah, Ishaan Bajaj, Binita Parekh Prof. Prashasti
Kanikar, "Comparative Study of Apriori Algorithm Performance on
Different Datasets,"
Comparative Study of Apriori Algorithm Performance
on Different Datasets, vol. 4, no. 4, p. 40, April 2014.
(34)
(35)
a
PARIWISATA BANGKA BELITUNG
DI PLATFORM ANDROID
Nio Somalo1
1 Teknik Informatika – Universitas Komputer Indonesia
Jl. Dipatiukur 112-114 Bandung Email : [email protected]
ABSTRAK
Provinsi Bangka Belitung adalah provinsi kepulauan yang terdiri dari dua buah pulau utama yaitu pulau Bangka dan pulau Belitung. Provinsi ini menyimpan berbagai potensi wisata, seperti wisata bahari, sejarah dan kuliner. Namun sedikitnya informasi tentang tempat wisata membuat provinsi Bangka Belitung belum terlalu dikenal oleh wisatawan lokal maupun mancanegara. Berdasarkan hasil wawancara sulitnya mendapatkan informasi dan rekomendasi tempat wisata menjadi salah satu faktor sedikitnya wisatawan yang datang ke provinsi Bangka Belitung.
Salah satu cara untuk mengatasi permasalahan tersebut adalah dengan menggunakan data mining. Teknik data mining yang dapat digunakan untuk menemukan rekomendasi tempat wisata dan aktivitas terkait adalah association rule, yaitu sebuah teknik data mining untuk menemukan sebuah hubungan korelasi atau pola yang menarik dari sebuah data yang besar. Salah satu algoritma yang dapat digunakan untuk mencari suatu pola yang menarik adalah algoritma apriori.
Pembangunan sistem babel kite dengan menggunakan algoritma apriori mampu mengahasilkan rekomendasi tempat wisata dan aktivitas terkait. Berdasarkan hasil pengujian black box, beta dan data mining mampu menghasilkan rekomendasi tempat wisata.
Kata kunci: apriori, data mining, association rule, android
1
PENDAHULUANInformasi mengenai tempat wisata merupakan hal yang dibutuhkan oleh wisatawan. Dengan mendapatkan informasi lebih, terhadap suatu tempat wisata akan lebih memudahkan bagi para wisatawan untuk dapat melakukan persiapan dan kebutuhan lainnya. Berdasarkan hasil wawancara dengan wisatawan yang pernah berkunjung ke provinsi Bangka Belitung, ditemukan beberapa fakta tentang masalah yang sering dialami ketika berkunjung ke tempat wisata. Masalah yang sering terjadi adalah para wisatawan sulit mendapatkan informasi
mengenai tempat wisata terdekat, informasi tempat penginapan, dan informasi layanan transportasi yang tersedia untuk mengunjungi tempat wisata tersebut. Hal ini disebabkan karena sedikitnya informasi dari dinas provinsi Bangka Belitung maupun dari agen perjalanan.
Fenomena lain yang terjadi yaitu wisatawan mengalami kebingungan dalam menentukan kegiatan apa yang bisa dilakukan pada suatu tempat wisata atau pada beberapa tempat wisata, karena ada tipe wisatawan yang tidak mencari tempat tapi aktivitas. Berdasarkan hasil wawancara wisatawan menyatakan bahwa kebingungan ini disebabkan karena belum tersedia media yang bisa membantu wisatawan untuk memberitahu kira-kira ada aktivitas apa yang bisa dilakukan pada suatu tempat wisata, wisatawan biasanya hanya melihat dari kebiasaan orang-orang yang ada di dalam tempat wisata tersebut, sehingga wisatawan merasa kesulitan untuk mencari media-media informasi dan biasanya wisatawan hanya melakukan dengan cara bertanya. Dari fenomena tersebut diperlukan rekomendasi kegiatan atau aktivitas.
Rekomendasi kegiatan dan tempat wisata dapat diberikan kepada wisatawan jika sudah ada riwayat dari wisatawan lain serta melihat pola keterkaitan antara kegiatan dan tempat wisata yang sering dilakukan oleh para wisatawan sebelumnya. Untuk dapat menentukan keputusan yang tepat dalam merekomendasikan wisata dan kegiatan kepada wisatawan, maka diperlukan suatu metode untuk dapat mencari keterkaitan antara tempat wisata dan kegiatan yang sering dilakukan oleh wisatawan yaitu dengan metode association rule.
1.1 Association Rule
Association rule merupakan suatu prosedur untuk mencari hubungan antar-item dalam suatu dataset [1]. Association rule (aturan asosiasi) akan menemukan pola tertentu untuk mengasosiasikan data yang satu dengan data yang lain. Untuk mencari association rule dari suatu kumpulan data, tahap pertama yang harus dilakukan adalah mencari frequent itemset terlebih dahulu. Frequent itemset adalah sekumpulan item yang sering muncul secara bersamaan. Setelah semua pola frequent itemset ditemukan, barulah
(36)
a Jika diasumsikan bahwa barang yang dijual di swalayan adalah semesta, maka setiap barang akan memiliki boolean variabel yang akan menunjukkan keberadaannya atau tidak barang tersebut dalam satu transaksi atau satu keranjang belanja. Pola boolean yang didapat digunakan untuk menganalisa barang yang dibeli secara bersamaan. Pola tersebut dirumuskan dalam sebuah association rule. Sebagai contoh konsumen biasanya akan membeli komputer dan software antivirus pada saat yang sama yang ditujukkan sebagai berikut [1]:
Komputer software antivirus [support = 2, confidence = 60%]
Association rule diperlukan suatu variabel ukuran yang ditentukan sendiri oleh user untuk menentukan batasan sejauh mana atau sebanyak apa output yang diinginkan user. Support dan confidence adalah sebuah ukuran kepercayaan dan kegunaan suatu pola yang telah ditemukan. Nilai support 2 menunjukkan bahwa keseluruhan dari total transaksi konsumen membeli komputer dan software antivirus secara bersamaan yaitu sebanyak 2. Sedangkan confidence 60% yaitu menunjukkan bila konsumen membeli komputer dan pasti membeli software antivirus sebesar 60% [1].
1.1.1. Algoritma Apriori
Algoritma apriori adalah salah satu algoritma yang melakukan pencarian frequent itemset dengan menggunakan teknik association rule. Algortima apriori menggunakan pengetahuan frekuensi atribut yang telah diketahui sebelumnya untuk memproses informasi selanjutnya. Pada algoritma apriori, menentukan kandidat yang mungkin muncul dengan cara memperhatikan minimum support dan minimum confidence. Support adalah nilai pengunjung atau persentase kombinasi sebuah item dalam database [1].
Nilai support sebuah item diperoleh dengan rumus sebagai berikut: [1]
� � = A ∩ B =
∑J a T a a ya M a a
∑T a T a a ∗ % (2.1)
Sedangkan confidence adalah nilai kepastian yaitu kuatnya hubungan antar item dalam sebuah apriori. Confidence dapat dicari setelah pola frekuensi munculnya sebuah item ditemukan. Rumus untuk menghitung confidence adalah sebagai berikut [1]:
� � =
∑J a a a ya a a
∑T a a ya a ∗ % (2.2)
Proses utama yang dilakukan dalam algoritma apriori untuk mendapat
frequent itemset yaitu [1]: 1. Join (Penggabungan)
terbentuk kombinasi lagi. 2. Prune (Pemangkasan)
Proses pemangkasan yaitu hasil dari item yang telah dikombinasikan kemudian dipangkas dengan menggunakan minimum support yang telah ditentukan oleh user. Pada iterasi ke-k akan ditemukan semua itemset yang memiliki k item, disebut dengan k-itemset. Tiap iterasi terdiri dari dua tahap, yaitu :
a. Gunakan frequent (k-1) itemset untuk membangun kandidat frequent k- itemset.
b. Gunakan scan database dan pencocokan pola untuk mengumpulkan hitungan untuk kandidat itemset.
Adapun langkah-langkah proses perhitungan association rule dengan algoritma apriori sebagai berikut [1]:
1. Sistem men-scan database untuk mendapat kandidat 1-itemset (himpunan item yang terdiri dari 1 item) dan menghitung nilai support-nya. Kemudian nilai support-nya tersebut dibandingkan dengan minimum support yang telah ditentukan. Jika nilainya lebih besar atau sama dengan minimum support, maka itemset tersebut termasuk large itemset.
2. Itemset yang tidak termasuk dalam large itemset tidak diikutkan dalam iterasi selanjutnya (di pangkas).
3. Pada iterasi kedua, sistem akan menggunakan hasil large itemset pada iterasi pertama (L1) untuk membentuk kandidat itemset kedua (L2). Pada iterasi selanjutnya sistem akan menggunakan hasil large itemset pada iterasi sebelumnya (Lk-1) untuk membentuk kandidat itemset berikut (Lk). Sistem akan menggabungkan (join) Lk-1 dengan Lk-1 untuk mendapatkan Lk. Seperti pada iterasi sebelumnya sistem akan menghapus (memangkas) kombinasi itemset yang tidak termasuk dalam large itemset. 4. Setelah dilakukan operasi join, maka pasangan itemset baru hasil proses join tersebut dihitung support-nya.
5. Proses pembentuk kandidat yang terdiri dari proses penggabungan dan pemangkasan akan terus dilakukan hingga himpunan kandidat itemset-nya null, atau sudah tidak ada lagi kandidat yang akan terbentuk.
6. Setelah itu, dari hasil frequent itemset tersebut dibentuk association rule yang memenuhi nilai support dan confidence yang telah ditentukan. 7. Pada pembentukan associaton rule, nilai yang sama dianggap sebagai satu nilai.
8. Association rule yang terbentuk harus memenuhi nilai minimum yang telah ditentukan.
9. Untuk setiap large itemset L, cari himpunan bagian L yang tidak kosong. Untuk setiap himpunan bagian
(37)
a
1.2 Pengujian
Pengujian sistem dilakukan untuk menemukan kekurangan atau kesalahan yang ada dalam sistem yang sedang diuji. Pengujian bermaksud untuk mengetahui sistem yang dibuat sudah memenuhi kriteria yang sesuai dengan tujuan perancangan. Terdapat tiga buah pengujian yang dilakukan pada penelitian ini, yaitu pengujian black box, pengujian beta, dan pengujian acceptance.
1.2.1 Pengujian Black box
Pengujian black box dilakukan dengan mengamati fungsional-fungsional yang terdapat dalam sistem dengan tujuan untuk mengetahui kesalahan pada sistem dan mengetahui apakah sistem telah sesuai dengan tujuan yang diharapkan.
1.2.2 Pengujian Beta
Pengujian beta merupakan pengujian yang dilakukan secara objektif. pengujian dilakukan secara langsung kepada responden selaku pengguna sistem untuk mengetahui sejauh mana kelayakan sistem.
Dengan melakukan pengujian beta, letak kesalahan maupun kekurangan dari sistem dapat diketahui untuk diperbaiki dalam tahap pengembangan yang akan datang. Pengujian ini melalui dua tahap, yaitu demo program, setelah itu pemberian kuesioner.
1.2.3 Pengujian Data Mining
Rencana pengujian data mining yang akan dilakukan adalah dengan cara membandingkan hasil rekomendasi tempat wisata dan aktivitas yang dihasilkan dari perhitungan manual menggunakan microsoft excel dengan hasil dari perangkat lunak yang akan dibangun. Pengujian ini menggunakan keseleruhan data dengan nilai minimum support 2 dan nilai minimum confidence 70%.
2
ISI PENELITIAN 2.1 Analisis SistemAnalisis sistem bertujuan untuk mengidentifikasi permasalahan-permasalahan yang muncul pada pembangunan sistem. Analisis tersebut meliputi analisis masalah, analisis aplikasi sejenis, analisis arsitektur sistem, analisis sumber data, analisis preprocessing data, analisis penerapan metode association rule, analisis spesifikasi kebutuhan perangkat lunak, analisis kebutuhan non fungsional, analisis kebutuhan fungsional.
penelitian ini yaitu:
1. Sulitnya wisatawan mendapatkan informasi fasilitas yang tersedia
2. Sulitnya wisatawan mendapatkan informasi rekomendasi tempat wisata dan kegiatan di tempat wisata oleh wisatawan.
2.1.2 Gambaran Umum Sistem
Secara umum sistem yang dibangun adalah suatu perangkat lunak untuk menemukan pola keterkaitan antara tempat wisata ke tempat wisata lain beserta aktivitasnya. Parameter yang digunakan dalam analisa adalah nilai minimum support, nilai minimum confidence, pengguna, waktu transaksi, tempat wisata, dan aktivitas.
Metode yang digunakan dalam sistem yang akan dibangun adalah metode association rule untuk melakukan frequent itemset mining. Sedangkan untuk mencari frequent itemset dan menentukan nilai support dalam sistem yang akan dibangun menggunakan algoritma apriori.
2.1.3 Analisis Data Selection
Pada penelitian ini akan dilakukan dua atribut yang akan di mining yaitu atribut tempat wisata dan aktivitas. Sebelum tahapan mining akan dilakukan terlebih dahulu proses data selection untuk memisahkan atribut tempat wisata dan aktivitas. Untuk hasil dari proses selection atribut tempat wisata dapat dilihat pada Tabel 1
Tabel 1 Data Selection
Timest
amp Nama Tempat Wisata
11/1/20 15 15.59.5 9 Mochamad riezky nazrudin
Pantai Tanjung Kiras , Pantai Air Anyer, Pantai Batu Bedaun 11/1/20 15 16.14.5 4 Muhamma d Iqbal Alun-Alun Taman Merdeka 11/1/20 15 16.32.0 0 hendry wijaya
Pantai Tanjung Kalian
11/1/20 15 16.46.2 6
Rafiq zafir Pulau Buku Limau, Vihara Dewi Kwan Yin,
11/1/20 15 I Gede Puja Arjana Kampung Bali
(38)
a 17.19.0 5 11/1/20 15 17.39.3 4
Humaira Vihara Dewi Kwan Yin, Pantai Buku Limau
11/1/20 15 17.50.4 5 Cepy Setia Nugraha
Pemandian Air Panas Tirta Tapta Pemali
…… …… ………
2.1.4 Analisis Data Cleaning
Data Cleaning adalah proses menghilangkan noise. Pada penelitian ini dilakukan proses data cleaning untuk menghilangkan di mana satu transaksi yang hanya memiliki satu item akan dihilangkan. Untuk data tempat wisata sebelum dilakukan proses cleaning dapat dilihat pada Tabel 2 . Berikut hasil dari proses data cleaning berdasarkan atribut tempat wisata.
Tabel 2 Data Cleaning
Timest
amp Nama Tempat Wisata
11/1/20 15 15.59.5 9 Mochamad riezky nazrudin
Pantai Tanjung Kiras, Pantai Air Anyer , Pantai Batu Bedaun 11/1/20 15 16.46.2 6 Rafiq zafir Pulau Buku
Limau, Vihara Dewi Kwan Yin, 11/1/20 15 17.39.3 4 Humaira
Vihara Dewi Kwan Yin, Pantai Buku Limau, 11/1/20 15 22.17.0 3 Agung Faishal Faris
Pantai Batu Bedaun , Pantai Batu Belubang, Pantai Mabai 11/1/20 15 23.02.1 0 bolly
Gua Maria, Pantai Batu Bedaun, Pantai Bukit Batu
11/2/20 15 14.52.3 6
Silo Pantai Tanjung
Kalian, Pantai Air Anyer 11/2/20
15
Asep Sarifudin
Pantai Romodong, Pantai Air Anyer
14.52.5 7
……. ………… ……….
Untuk data aktivitas sebelum dilakukan proses cleaning dapat dilihat pada Tabel 1. Berikut hasil dari proses data cleaning berdasarkan atribut aktivitas:
Timesta
mp Nama Aktivitas
11/5/201 5 12.10.56 Bintang Januari Haliri Mengambil gambar, Makan-makan, Santai, Berenang 11/5/201 5 13.04.29 Agus Purwanto Mengambil gambar, Makan-makan, Santai, Berenang 11/5/201 5
13.56.13 Desy
Mengambil gambar, Santai, Berenang 11/5/201
5
13.56.51 Sandro
Mengambil gambar, Santai, Berenang 11/5/201
5
13.57.23 Husnaisa
Mengambil gambar, Santai, Berenang 11/14/20
15
23.16.14 Gea
Mengambil gambar, Makan-makan 11/14/20
15
23.16.56 Cicilya Santai, Berenang
……….. ………… ……….
2.1.5 Analisis Data Mining
Penerapan metode association rule pada penelitian ini akan dilakukan berdasarkan tempat wisata dan aktivitas wisatawan dengan minimum support yang digunakan adalah dua, dan untuk minimum confidence 70%. Adapun harapan dalam menentukan minimum support dua dan minimum confidence 70% adalah agar terbentuknya rule yang efesien.
2.1.5.1Tempat Wisata
Adapun tahapan proses pengerjaan algoritma apriori dalam penelitian ini berdasarkan atribut tempat wisata adalah sebagai berikut:
1. Generate 1-itemset Frequent Pattern
Langkah pertama adalah men-scan data tempat wisata yang ada pada Tabel 2 untuk mendapatkan kandidat 1-itemset dan menghitung nilai support count dari setiap tempat wisata yang ada. Berikut hasil proses scan yang dilakukan:
(39)
a
Tempat Wisata Support Count
Pantai Tanjung Kiras 2
Pantai Air Anyer 4
Pantai Batu Bedaun 6
Pulau Buku Limau 4
Vihara Dewi Kwan Yin 3
Pantai Batu Belubang 2
Pantai Mabai 4
……… ….
Hilangkan (prune) data yang memiliki support count kurang dari minimum support yang telah ditentukan. Dapat dilihat pada Tabel 3 terdapat calon kandidat 1-itemset yang memiliki support count kurang dari minimum support, sehingga perlu dihilangkan. Berikut hasil kandidat yang memenuhi minimum support:
Tabel 4 Large 1-itemset
Tempat Wisata Support Count
Pantai Tanjung Kiras 2
Pantai Air Anyer 5
Pantai Batu Bedaun 6
Vihara Dewi Kwan Yin 3
Pantai Batu Belubang 2
Pantai Mabai 4
Gua Maria 2
………. …….
2. Generate 2-itemset Frequent Pattern
Selanjutnya untuk menemukan frequent pattern 2 -itemset atau L2gabungkan (join) setiap item yang ada pada Tabel 4,kemudian hitung support count-nya sehingga akan didapatkan hasil sebagai berikut:
Tabel 5 Kandidat 2-itemset
Tempat Wisata Support Count
Pantai Tanjung Kiras, Pantai Air
Anyer 1
Pantai Tanjung Kiras, Pantai Batu
Bedaun 2
Pantai Tanjung Kiras, Vihara Dewi
Kwan Yin 0
Pantai Tanjung Kiras, Pantai Batu
Belubang 0
Pantai Tanjung Kiras, Pantai
Mabai 0
Pantai Tanjung Kiras, Gua Maria 0 Pantai Tanjung Kiras, Pantai
Tanjung Kalian 0
……… ……
Setelah support count dari setiap kombinasi 2-itemset didapat, maka diketahui kombinasi tempat wisata mana saja yang tidak memenuhi minimum support, sehingga harus dihilangkan (prune). Berikut hasil kombinasi 2-itemset yang memenuhi aturan minimum support:
Tabel 6 Large 2-itemset
Tempat Wisata Support Count
Pantai Tanjung Kiras, Pantai Batu
Bedaun 2
Pantai Air Anyer, Pantai Tanjung
Kalian 3
Pantai Batu Bedaun, Pantai Batu
Belubang 2
Pantai Batu Bedaun, Pantai Mabai 2
Pantai Batu Bedaun, Gua Maria 2
Pantai Batu Belubang, Pantai
Mabai 2
Pantai Mabai, Pantai Tanjung
Pesona 2
3. Generate 3-itemset Frequent Pattern
Proses selanjutnya adalah gabungkan (join) kembali tempat wisata yang ada pada Tabel 6 untuk menghasilkan kandidat 3-itemset, kemudian dihitung support count-nya, sehingga akan didapat hasilnya sebagai berikut:
Tabel 7 Kandidat 3-itemset
Tempat Wisata Support Count
Pantai Tanjung Kiras, Pantai Batu
Bedaun, Pantai Air Anyer 1
Pantai Tanjung Kiras, Pantai Batu Bedaun, Pantai Tanjung Kalian 0 Pantai Tanjung Kiras, Pantai Batu Bedaun, Pantai Batu Belubang 0 Pantai Tanjung Kiras, Pantai Batu
Bedaun, Pantai Mabai 0
Pantai Tanjung Kiras, Pantai Batu
(40)
a Pantai Tanjung Kiras, Pantai Batu
Bedaun, Pantai Tanjung Pesona 0 Pantai Air Anyer, Pantai Tanjung
Kalian, Pantai Batu Bedaun 0
……… ….
Hilangkan (prune) data yang memiliki support count kurang dari minimum support yang telah ditentukan. Dapat dilihat pada Tabel 7 terdapat calon kandidat 3-itemset yang memiliki support count kurang dari minimum support, sehingga perlu dihilangkan. Berikut hasil kandidat yang memenuhi minimum support:
Tabel 8 Large 3-itemset
Tempat Wisata Support Count
Pantai Batu Bedaun, Pantai Batu
Belubang, Pantai Mabai 2
Hasil dari Tabel 8 menunjukkan bahwa sudah tidak ada kombinasi tempat wisata yang dapat dilakukan penggabungan kembali, sehingga proses pencarian itemset berhenti. Maka didapat frequent itemset sebagai berikut:
Tabel 9 Frequent itemset
Frequent Itemset
{Pantai Tanjung Kiras} {Pantai Air Anyer} {Pantai Batu Bedaun} {Vihara Dewi Kwan Yin} {Pantai Batu Belubang} {Pantai Mabai}
{Gua Maria} ...
4. Setelah didapatkan frequent itemset yang lebih besar atau sama dengan minimum support, maka selanjutnya adalah menghitung nilai confidence dari frequent itemset yang dimana nilai minimum confidence 70%. Berikut hasil perhitungannya , dimana perhitungan nilai confidence yang memiliki hasil berupa nilai desimal dengan ketentuan jika nilai angka dibelakang koma lebih besar lebih besar sama dengan lima, maka dibulatkan ke atas, sedangkan nilai angka yang dibelakang koma lebih kecil dari lima akan dibulatkan dibawah. Untuk perhitungan nilai confidence dan menentukan pola association rule dapat dilihat pada tabel 10.
Tempat Wisata
Confid ence
Ru le
Jika ke {Pantai Batu Bedaun} maka ke {Pantai Batu Belubang dan Pantai Mabai}
2/6*100 %=33% Rul e Rej ect ed
Jika ke {Pantai Batu Belubang} maka ke {Pantai Batu Bedaun dan Pantai Mabai}
2/4*100 %=50% Rul e Rej ect ed
Jika ke {Pantai Mabai} maka ke {Pantai Batu Bedaun dan Pantai Batu Belubang} 2/4*100 %=50% Rul e Rej ect ed
Jika ke {Pantai Batu Belubang dan Pantai Mabai} maka ke {Pantai Batu Bedaun}
2/4*100 %=50% Rul e Rej ect ed
Jika ke {Pantai Batu Bedaun dan Pantai Mabai} maka ke {Pantai Belubang} 2/4*100 %=50% Rul e Rej ect ed
Jika ke {Pantai Batu Bedaun dan Pantai Batu Belubang} maka ke {Pantai Mabai}
2/4*100 %=50% Rul e Rej ect ed
Jika ke {Pantai Tanjung Kiras} maka ke {Pantai Batu Bedaun}
2/2*100 %=100 % Rul e Sel ect ed
2.1.6 Hasil Pengujian Data Mining
Berikut adalah hasil perhitungan algoritma apriori secara manual dibandingkan dengan hasil oleh sistem babel kite dimana nilai minimum support dua dan minimum confidence 70% yang telah dimasukan didalam sistem.
Tabel 11 Hasil Pengujian data mining
Manual (Microsoft
excel)
Babel Kite
jika ke pantai batu belubang maka ke pantai batu bedaun dan pantai mabai
jika ke gua maria maka ke pantai batu bedaun
(41)
a
batu bedaun pantai mabai
jika ke pantai batu belubang maka ke pantai batu bedaun
jika ke pantai tanjung pesona maka ke pantai mabai
jika ke gua maria maka ke pantai batu bedaun
jika ke pantai tanjung kiras maka ke pantai batu bedaun jika ke pantai batu
belubang maka ke pantai mabai
jika ke pantai batu belubang maka ke pantai batu bedaun dan pantai mabai
jika ke pantai tanjung pesona maka ke pantai mabai
jika ke pantai batu belubang maka ke pantai batu bedaun
3
KESIMPULANManual (Microsoft
excel)
Babel Kite
jika ke pantai batu belubang maka ke pantai batu bedaun dan pantai mabai
jika ke gua maria maka ke pantai batu bedaun
jika ke pantai tanjung kiras maka ke pantai batu bedaun
jika ke pantai batu belubang maka ke pantai mabai jika ke pantai batu
belubang maka ke pantai batu bedaun
jika ke pantai tanjung pesona maka ke pantai mabai
jika ke gua maria maka ke pantai batu bedaun
jika ke pantai tanjung kiras maka ke pantai batu bedaun jika ke pantai batu
belubang maka ke pantai mabai
jika ke pantai batu belubang maka ke pantai batu bedaun dan pantai mabai
jika ke pantai tanjung pesona maka ke pantai mabai
jika ke pantai batu belubang maka ke pantai batu bedaun
DAFTAR PUSTAKA
nation/26/bangka-belitung"
http://www.indonesia.travel/destinations/destin ation/26/bangka-belitung
[2] Chandra. Babelprov. [Online]. HYPERLINK
"http://babelprov.go.id/content/11298-wisatawan-kunjungi-babel" http://babelprov.go.id/content/11298-wisatawan-kunjungi-babel
[3] Micheline Kamber Jiawei Han, "Data Mining: Concepts and Technique," in Data Mining: Concepts and Technique. San Francisco: Diane Cerra, 2006, pp. 227-229.
[4] IDC Analyze the Future. [Online]. HYPERLINK
"http://www.idc.com/prodserv/smartphone-os-market-share.jsp"
http://www.idc.com/prodserv/smartphone-os-market-share.jsp
[5] MPA., Ph.D, Surya Dharma, Pendidikan, Jenis, dan Metode Penelitian Pendidikan. Jakarta: Direktorat Tenaga Kependidikan Department Pendidikan Nasional, 2008.
[6] Ian Sommerville, Software Engineering, Eight Edition ed.: Addison Wesley, 2007.
[7] Sommerville Ian, Software Engineering, Eight Edition ed.: Addison Wesley, 2007.
[8] KBBI. (2015, Desember) KBBI. [Online]. HYPERLINK "http://kbbi.web.id/" http://kbbi.web.id/
[9] Ida Nuraida, Manajemen Administrasi Perkantoran. Yogyakarta: Kanisius, 2008. [10] Chr. Jimmy L. Gaol, Sistem Informasi
Manajemen. Yogyakarta: Grasindo, 2008. [11] Komaruddin Sastradipoera, Asas-asas
menejemen perkantoran. Bandung: Kappa Sigma, 2001.
[12] gsbipb. (2013, Oct.) gsbipb. [Online]. HYPERLINK "http://gsbipb.com/?p=821" http://gsbipb.com/?p=821
[13] Nong Ye, Data Mining: Theoris Algorithms and Examples. NW, US: Taylor & Francis, 2014.
[14] Agus Wahadyo and Sudarma S, Tip Trik Android untuk pengguna Tablet & Handphone. Jakarta: Penerbit Mediakita, 2012.
[15] Putri Atalapu, "Implementasi Location Based Service Berbasis Cell Id Untuk Anjungan Provinsi Sulawesi Selatan Taman Mini Indonesia Indah (Tmii) Memanfaatkan Teknologi Augmented Reality Pada Perangkat Bergerak Android," p. 11, 2012.
(42)
a technology cengange learning, 2010.
[17] Hanif Fatta, Rekayasa Sistem Pengenalan Wajah. Yogyakarta: Andi, 2009.
[18] Tanjung Hendri, Prabowo Haryi Marimin, Sistem Infromasi Manajemen : Sumber Daya Manusia. Bogor: Grasindo, 2006.
[19] Hendra Divayana, Konsep OOAD. Jakarta: STMIK Eresha, 2010.
[20] Julius Hermawan, Analisa Desain & Pemrograman Berorientasi Objek dengan UML dan Visual Basic.NET. Yogyakarta: Andi, 2010.
[21] Kim Hamilton and Russell Miles, Learning UML 2.0. United States of America: O'Reilly, 2006.
[22] Janner Simarmata, Rekayasa Web. Yogyakarta: ANDI, 2010.
[23] json org. json org. [Online]. HYPERLINK "http://json.org/json-id" http://json.org/json-id [24] Marsela dan Veronica S. Moertini Yulita, Analisis Keranjang Pasar dengan Algoritma Hash-Based pada transaksi penjualan di apotek, 2002.
[25] S.Kom., M.Kom. Dicky Nofriansyah, Konsep Data Mining Vs Sistem Pendukung Keputusan. Yogyakarta, Indonesia: Deepublish, 2015. [26] Twinkle Puri, Binita Shah, Ishaan Bajaj, Binita
Parekh Prof. Prashasti Kanikar, "Comparative Study of Apriori Algorithm Performance on Different Datasets," Comparative Study of Apriori Algorithm Performance on Different Datasets, vol. 4, no. 4, p. 40, April 2014.
(1)
iv
ini ketika salah, Beliau yang selalu ingin memastikan setiap anak didiknya berhasil dan menjadi orang yang bermanfaat bagi keluarga serta masyarakat. 5. Bapak Alif Finandhita, S.Kom., M.T. selaku dosen reviewer yang telah
memberikan masukan dan arahan yang sangat bermanfaat selama perbaikan perangkat lunak ini.
6. Ibu Dian Dharmayanti, S.T., M.Kom. sebagai dosen penguji tiga selama sidang skripsi berlangsung.
7. Bapak Eko Budi Setiawan, S.Kom., M.T. selaku dosen wali IF-17k angkatan 2010.
8. Ibu Rani Susanto, S.Kom., M.Kom. selaku dosen wali IF-7 angkatan 2010. 9. Bayu Firmawan Paoh, Alfons Santoso, Bisma, Henra, Rivki, Wati
Pitrianingsih, Rosmaya, Hafizha sebagai senior developer yang telah banyak memberikan arahan selama proses pengembangan perangkat lunak babel kite dan seluruh anggota codelabs.
10. Dhias Latria, Reski Wirandi, Fedrik, Hendri, Andi yang telah memberikan dukungan.
11. Seluruh Dosen dan Staf pengajar jurusan Teknik Informatika Universitas Komputer Indonesia.
12. Semua pihak yang terlibat dan ikut membantu dalam skripsi ini baik secara langsung maupun tidak langsung.
13. Gea Cicilya Hutami sebagai partner hidup yang selalu mendukung di setiap langkah yang saya ambil, mengingatkan serta memberikan motivasi untuk dapat menyelesaikan skripsi ini dengan sebaik-baiknya. Harapan dan semangat yang terus diberikan sangat berdampak besar dan positif dalam pengerjaan skripsi ini.
Sangat disadari bahwa dalam pelaksanaan dan penyusunan laporan skripsi ini masih banyak kekurangan dan jauh dari kesempurnaan. Oleh karena itu saran dan kritik yang membangun sangat diharapkan untuk pengembangan ke arah yang lebih baik.
Akhir kata, semoga skripsi ini dapat bermanfaat bagi para pembaca. Wassalam.
(2)
v
Bandung, Februari 2015
(3)
(4)
(5)
(6)