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 “a” sampai “z” 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.