Analisis Pengguna Implementasi Metode Support Vector machine Dan Metode Maximum Marginal Relevance Untuk Menghasilkan Rangkuman Dari Kumpulan Dokumen Berita Dengan Topik Sejenis
Sistem
Penguji Pemilihan Data
Masukan
Prepocessing
Pembobotan tf-idf
Perhitungan Cosine Similarity
Klasifikasi Kalimat Pembentukan
Ringkasan Pemisahan Kalimat
Stopword Removal Tokenizing
Filtering Case Folding
Stemming include
include include
include include
include
Evaluasi Ringkasan Query Relevance
Similarity Kalimat include
include
Recall Precision
F-Measure include
include include
Training Classifier
include include
Gambar 3.16 Use Case Diagram
Berikut ini merupakan deskripsi aktor yang dapat dilihat pada Tabel 3.25 berikut:
Tabel 3.25 Deskripsi Aktor
Aktor Deskripsi
Penguji Penguji dapat melakukan pemilihan data masukan, serta melihat data hasil
proses Preprocessing, pembobotan tf-idf, perhitungan Cosine Similarity, Klasifikasi Kalimat, Pembentukan Ringkasan dan Evaluasi Ringkasan.
Berikut merupakan deskripsi use case yang dapat dilihat pada Tabel 3.26 berikut:
Tabel 3.26 Deskripsi Use Case
No Use Case
Deskripsi 1
Pemilihan Data Masukan
Fungsionalitas ini digunakan penguji untuk memilih data masukan berupa dokumen dengan format file .doc.
2 Preprocessing
Fungsionalitas ini digunakan penguji untuk memecahkan data dokumen, sehingga layak untuk diproses selanjutnya.
3 Pemisahan
kalimat Fungsionalitas ini digunakan penguji untuk memisahkan data dokumen
menjadi data perkalimat. 4
Case folding Fungsionalitas ini digunakan penguji untuk mengubah data kalimat yang
memiliki huruf kapital menjadi huruf kecil 5
Filtering Fungsionalitas ini digunakan untuk menghilangkan karakter
selain āaā sampai āzā dan hanya menerima spasi.
6 Tokenizing
Fungsionalitas ini digunakan penguji untuk memecahkan data kalimat dan memisahkannya menjadi data perkata.
7 Stopword
Removal Fungsionalitas ini digunakan penguji untuk menghilangkan kata-kata
yang masuk ke dalam daftar stopword. 8
Stemming Fungsionalitas ini digunakan penguji untuk mengubah kata yang memiliki
imbuhan kedalam kata dasarnya. 9
Pembobotan tf-idf
Fungsionalitas ini digunakan penguji untuk memberi nilai bobot pada tiap term kata.
10 Perhitungan
Cosine Similarity
Fungsionalitas ini digunakan penguji untuk menghitung nilai bobot query relevance dan similarity kalimat.
11 Query relevance Fungsionalitas ini digunakan penguji untuk mendapatkan nilai kesamaan
setiap kalimat dengan vektor query. 12
Similarity kalimat
Fungsionalitas ini digunakan penguji untuk mendapatkan nilai kesamaan antar kalimat.
13 Klasifikasi
Kalimat Fungsionalitas ini digunakan penguji untuk mengklasifikasi data kalimat.
14 Training
Fungsionalitas ini digunakan untuk membentuk model fitur. 15
Classifier Fungsionalitas ini digunakan untuk mengklasifikasikan kalimat ke dalam
kelas positif dan negatif. 16
Pembentukan Ringkasan
Fungsionalitas ini digunakan penguji untuk menghasilkan sebuah ringkasan berupa rangkuman singkat.