Penggunaan metode naive bayes classifier pada aplikasi perpustakaan
DAFTAR RIWAYAT HIDUP
Nama : Reggy Pasya Trinanda Tempat, Tanggal Lahir : Subang, 18 Maret 1990 Jenis Kelamin : Laki-laki Status : Belum Menikah Kewarganegaraan : Indonesia Agama : Islam Pendidikan terakhir : Gelar Sarjana (S1) UNIKOM Alamat : Perum Taman Bunga II Blok: C3
Kec. Katapang, Kamp. Citereup, Ds. Sukamukti Kab. Bandung
Telepon : 08562287210 E-Mail : reggypasya@gmail.com
PENDIDIKAN FORMAL
Lembaga Tahun
SDN Sukamandi II Subang 1996 - 2002 SMP Negeri 1 Ciasem – Subang 2002 - 2005 SMK Angkasa 1 Kalijati – Subang 2005 - 2008 Universitas Komputer Indonesia 2008 - 2013
PENGALAMAN KERJA
: Kerja Praktek di PT. PLN (PERSERO) APJ
12Juli 2010 – 12 Agustus 2010 Garut
PENGALAMAN BERORGANISASI
2002 – 2005 : Anggota PMR SMP Negeri 1 Ciasem – Subang 2006 – 2007 : Anggota PMR SMK 1 Kalijati – Subang
Demikianlah riwayat hidup ini saya buat dengan sebenarnya.
Hormat Saya, Reggy Pasya Trinanda
PENGGUNAAN METODE NAÏVE BAYES CLASSIFIER
PADA APLIKASI PERPUSTAKAAN
TUGAS AKHIR
Disusun untuk memenuhi syarat kelulusan pada Program Studi Strata Satu Sistem Komputer di Jurusan Teknik Komputer
Oleh
Reggy Pasya Trinanda
1.02.08.017
Pembimbing Selvia Lorena Br Ginting, S.Si., MT
JURUSAN TEKNIK KOMPUTER
FAKULTAS TEKNIK DAN ILMU KOMPUTER
UNIVERSITAS KOMPUTER INDONESIA
BANDUNG
2013
KATA PENGANTAR
Bismillahirrohmaannirrohiim
Assalamu’alaikum Wr. Wb
Dengan mengucap Alhamdulillah, puji serta syukur kehadirat Allah SWT karena rahmat dan hidayah – Nya, penulis dapat menyelesaikan Tugas Akhir ini sesuai waktu yang diharapkan. Tugas Akhir ini diajukan untuk sebagai salah satu syarat untuk meraih gelar sarjana pada Jurusan Teknik Komputer, Fakultas Teknik dan Ilmu Komputer Universitas Komputer Indonesia.
Judul yang penulis pilih dalam Tugas Akhir ini adalah “Penggunaan Metode Naïve Bayes Classifier Pada Aplikasi Perpustakaan” . Penulis menyadari bahwa Tugas Akhir ini masih jauh dari sempurna, mengingat keterbatasan pengetahuan, ilmu, dan pengalaman serta referensi yang penulis miliki. Oleh karena itu, penulis selalu terbuka untuk menerima kritik dan saran yang sifatnya membangun, sehingga dapat menyempurnakan isi dari Tugas Akhir ini.
Penyusunan Tugas Akhir ini tidak terlepas dari bantuan berbagai pihak, sehingga pada kesempatan ini penulis ingin mengucapkan terima kasih kepada :
1. Ibu Endang Purnawati, bapak Agus Rahman dan kakak tercinta yang selalu mendoakan, berjuang dengan sabar dan selalu kuat. Semoga allah SWT memberikan kemuliaan kepada kedua orang tua di dunia dan di akhirat, amin.
2. Bapak Ir. Eddy Soeryanto Soegoto, selaku Rektor Universitas Komputer Indonesia.
3. Bapak Dr. Wendi Zarman, M.Si, selaku Ketua Jurusan Teknik Komputer Universitas Komputer Indonesia.
4. Ibu Selvia Lorena Br Ginting, S.Si, M.T, selaku Pembimbing I yang telah banyak memberikan arahan, bimbingan, dan saran kepada penulis.
5. Bapak dan Ibu Dosen di Jurusan Teknik Komputer Universitas Komputer Indonesia, yang telah banyak memberikan ilmu, wawasan, motivasi, dan bimbingan baik secara akademik dan non akademik.
6. Bapak dan Ibu bagian perpustakaan Universitas Pasundan yang telah membantu penulis dalam melakukan study kasus pengambilan data demi keperluan penyelesaian karya tulis ini.
7. Trie Endang K. yang telah memberikan semangat, dukungan, serta perhatian kepada penulis.
8. Teman-teman seperjuangan di Jurusan Teknik Komputer angkatan 2008 terutama kelas 08 TK-1, terima kasih atas kebersamaannya, semoga kita tetap bisa menjaga silaturahmi dan tetap menjadi keluarga.
9. Semua orang yang telah membantu penulis dalam mengerjakan Tugas Akhir ini yang tidak bisa disebutkan satu persatu.
Akhir kata, semoga Allah SWT membalas budi baik semua pihak yang telah membantu penulis, dan semoga penelitian ini menjadi sumbangsih yang bermanfaat bagi dunia sains dan teknologi di Indonesia, khususnya disiplin keilmuan yang penulis dalami.
Wassalamu’alaikum Wr. Wb.
Bandung, 22 Agustus 2013 Penulis
DAFTAR ISI
LEMBAR PENGESAHAN……………………………………………………. i LEMBAR PERNYATAAN……………………………………………………. ii ABSTRAK…………………………………………………….......................... iii ABSTRACT……………………………………………………........................ iv KATA PENGANTAR……………………………………………………........ v DAFTAR ISI……………………………………………………....................... vii DAFTAR TABEL……………………………………………………............... ix DAFTAR GAMBAR…………………………………………………….......... x
BAB I PENDAHULUAN……………………………………………………... 1
1.1 Latar Belakang........................................................................................... 1
1.2 Maksud dan Tujuan…………………………………………………….... 1
1.3 Batasan Masalah……………………………………………………......... 2
1.4 Metode Penelitian……………………………………………………....... 2
1.5 Sistematika Penulisan……………………………………………………. 2
BAB II DASAR TEORI……………………………………………………...... 4
2.1 Perpustakaan……………………………………………………………... 4
2.2 Data Mining……………………………………………………............... 4
2.3 Klasifikasi Dokumen…………………………………………………….. 6
2.4 Naïve Bayes……………………………………………………................ 7
2.5 Naïve Bayes Classifier (NBC) …………………………………………... 8
2.5.1 Cara Kerja Naive bayes classifier.................................................. 9
2.6 VB.Net (Visual Basic.Net)………………………………………………. 10
2.7 SQL Server………………………………………………………………. 11
BAB III PERANCANGAN SISTEM…………………………………………..13
3.1 Deskripsi Aplikasi Pencarian Buku………………………………………13
3.2 Analisis Sistem………………………………………………………….. 13
3.2.1 Analisis Penelitian……………………………………………… 13
3.2.2 Analisi Proses…………………………………………………... 14
3.2.3 Analisis Output Proses…………………………………………. 15
3.3 Perancangan Software………………………………………………….. 15
3.3.1 Flow Chart……………………………………………………… 15
3.4.3 Menu Cari Buku……………………………………………...… 32
5.1 Kesimpulan……………………………………………………………… 44
BAB V KESIMPULAN DAN SARAN……………………………………….. 44
4.2 Pengujian………………………………………………………………... 38
4.1.2 Implementasi Antarmuka……………………………………...... 33
4.1.1 Lingkungan Implementasi………………………………………. 33
4.1 Implementasi……………………………………………………………. 33
BAB IV HASIL DAN PEMBAHASAN…………………………………….... 33
3.4.3 Menu View Buku……………………………………………...… 32
3.3.2 UML (Unified modeling language)……………………………. 17
3.4.2 Menu Data Buku…………...……………………………………. 31
3.4.1 Login…………..………………………………………………… 31
3.4 Sketsa atau Perancangan Tampilan Program…………………………… 30
3.3.3 EDR (Entity Relationship Diagram)……………………………. 29
3.3.2.1 Kolaborasi Diagram………………………………….. 29
3.3.2.2 Class Diagram………………………………………… 28
3.3.2.1 Sequence Diagram……………………………………. 23
3.3.2.1 Use Case Diagram……………………………………. 18
5.2 Saran…………………………………………………………………….. 44 DAFTAR PUSTAKA………………………………………………………..... 45
45
DAFTAR PUSTAKA
[1] Oded Z. Maimon, Lior Rokach. Decomposotion methodology for knowledge
discovery and data mining : theory and applications, World Scientific: 2005.
[2] Han, Jiawei, Micheline Kamber, Data Mining : Concepts and Techniques.
Morgan Kaufmann, 2001 [3] Hidayatullah, P. Visual basic. NET membuat aplikasi database dan pemrograman kreatif.
[4] Susanto, S. Ph. D., Dedi S., S.T., M.S. Pengantar Data Mining : Menggali Pengetahuan dari Bongkahan Data. [5] Munawar. Pemodelan Visual dengan UML, GrahaIlmu : Yogyakarta, 2005
BAB I PENDAHULUAN
1.1 Latar Belakang
Perpustakaan merupakan tempat yang cukup sering dikunjungi baik hanya sekedar membaca ataupun untuk mencari referensi, maka fasilitas dan kenyamanan bagi pengujung harus di tingkatkan diantaranya yaitu dalam mempermudah pengunjung untuk mencari buku pada perpustakaan salah satunya dapat menggunakan sebuah software untuk pengklasifikasian buku dimana diharapkan dapat membantu para pengunjung mengetahui daftar bukuserta tempat penyimpanan buku yang ada pada perpustakaan tersebut dengan keakuratan pengklasifikasian dokumen yang baik.
Naïve Bayes merupakan salah satu metode machine learning yang
menggunakan perhitungan probabilitas. Konsep dasar yang digunakan oleh Naïve
bayes adalah Teorema Bayes, yaitu teorema yang digunakan dalam statistika
untuk menghitung suatu peluang, Bayes Optimal Classifier menghitung peluang dari satu kelas dari masing-masing kelompok atribut yang ada, dan menentukan kelas mana yang paling optimal.
Dari permasalah dan solusi tersebut, maka harus adanya proses pengklasifikasian. Dimana proses klasifikasi itu dibagi menjadi dua fase yaitu
learning/training dan testing/classify. Pada fase learning, sebagian data yang telah
diketahui kelas datanya diumpankan untuk membentuk model perkiraan.Kemudian pada fase testing, model yang sudah terbentuk diuji dengan sebagian data.
1.2 Maksud dan Tujuan
Maksud dalam pembuatan Tugas Akhir ini adalah:
1. Mempelajari metode Naïve Bayes Classifier untuk mengklasifikasikan dokumen.
2. Merancang sebuah perangkat lunak pencarian buku perpustakaan.
3. Mengimplementasikan algoritma Naïve Bayes Classifier.
2 Tujuan yang diharapkan dalam pembuatan Tugas Akhir ini adalah:
1. Mempercepat proses pencarian buku pada perpustakaan dengan menggunakan perangkat lunak dan metode Naïve Bayes Classifierini.
2. Membantu peningkatan pelayanan pada perpustakaan untuk mempermudah proses pencarian buku.
1.3 Batasan Masalah
Batasan masalah meliputi beberapa hal dibawah ini:
1. Menggunakan algoritma Naïve Bayes Classifier dalam pengelompokan dokumen.
2. Pencarian hanya dapat berdasarkan pengarang, kategori, dan deskripsi.
3. Pencarian tidak meliputi seluruh isi buku.
1.4 Metode Penelitian
Perancangan dalam pembuatan tugas akhir ini dilakukan beberapa tahap, yaitu :
1. Studi literature, mengumpulkan bahan yang akan dijadikan tugas akhir dari buku-buku teks, internet, diskusi dengan dosen yang ahli di bidangnya, serta diskusi dengan teman.
2. Perumusan dan identifikasi masalah yang akan diselesaikan.
3. Perancangan aplikasi.
4. Pengujian aplikasi.
5. Analisis data yang didapat dari hasil pengujian aplikasi.
6. Kesimpulan yang diambil dari penelitian yang dilakukan.
1.5 Sistematika Penulisan
Tugas Akhir ini, secara umum disusun dalam sistematika penulisan sebagai berikut :
BAB I PENDAHULUAN Pada bab ini berisi tentang latar belakang, maksud dan tujuan, batasan masalah, metode penelitian, dan sistematika penulisan. BAB II DASAR TEORI
3 Pada bab ini menjelaskan tinjauan pustaka yang digunakan, dari beberapa referensi buku teks, modul, dan internet.
BAB III PERANCANGAN SISTEM Pada bab ini menguraikan tentang sistem yang akan dirancang pada Tugas Akhir ini. Baik secara hardware maupun software. BAB IV PENGUJIAN DAN ANALISA Pada bab ini akan dijelaskan, pengujian dari alat yang dirancang dan beberapa analisa data yang telah diambil. BAB V SIMPULAN DAN SARAN Pada bab ini akan diuraikan, kesimpulan dan hasil pengambilan data dan analisa
data, serta beberapa saran untuk pengembangan penelitian Tugas Akhir berikutnya.
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan
Kesimpulan dari hasil pengujian yang dilakukan adalah: Pada perangkat lunak yang dibangun hanya dapat mencari judul, kategori dan deskripsi dari buku yang dicari, tidak meliputi isi dari seluruh buku.
Penggunaan metode Naïve Bayes Classifier dapat diimplementasikan pada pencarian di perangkat lunak ini, karena berhasil mencari deskripsi yang berkaitan dengan kata yang dicari oleh user. Dengan menggunakan naïve bayes maka pengklasifikasian dokumen dapat dilakukan dengan baik, dapat dililat pada pengujian. Deskripsi kata yang di cari oleh User akan muncul pada hasil pencarian.
5.2 Saran
Saran untuk pengembangan selanjutnya agar lebih baik yaitu : a. Dapat digunakan beberapa format buku lain seperti file PDF.
b. Disempurnakan lagi algoritma pencariannya untuk mendapatkan hasil yang lebih maksimal.
c. Melakukan data leraning yang lebih banyak untuk mendapatkan hasil yang lebih baik.
PENGGUNAAN METODE NAÏVE BAYES CLASSIFIER
PADA APLIKASI PERPUSTAKAAN
Selvia Lorena Br Ginting,S.Si., MT1 , Reggy Pasya Trinanda
2 1,2
Jurusan Teknik Komputer Unikom, Bandung 1 selvialorena@yahoo.com, 2 reggypasya@gmail.com
ABSTRAK
Perpustakaan tempat yang sering di kunjungi. Hampir setiap instansi mempunyaiperpustakaan, maka dari itu diperlukan peningkatan pelayanan untuk kenyamanan pengunjung.
Pencarian buku pada aplikasi di setiap perpustakaan harus dapat mencakup kebutuhan perpustakaan
tersebut, dengan kemudahan melakukan pencarian buku maka akan menambah kenyamanan
pengunjung dalam mencari buku yang diinginkan. Dengan metode pengklasifikasian dokumen atau
teks maka hal itu dapat dilakukan. Pada karya ilmiah ini digunakan metode Naïve Bayes Classifier
untuk mengklasifikasikan beberapa judul dan ketegori yang terdapat pada database perpustakaan
tersebut. Dengan menggunakan metode ini maka pencarian akan dilakukan lebih mendalam dengan
melibatkan deskripsi dari setiap buku, sehingga ada lebih banyak referensi yang di tampilkan dalam
pencarian. Tentunya referensi tersebut berkaitan dengan kata yang di masukkan oleh pengunjung
pada mesin pencarian di aplikasi perpustakaan tersebut. Dengan demikian diharapkan dapat
membantu pengunjung dalam melakukan pencarian buku yang diinginkan.Kata kunci : metode pencarian, perpustakaan, Naïve Bayes Classifier.
1. PENDAHULUAN
Proses klasifikasi biasanya dibagi menjadi dua fase yaitu learning/training dan testing/classify. Pada fase learning, sebagian data yang telah diketahui kelas datanya diumpankan untuk membentuk model perkiraan. Kemudian pada fase testing model yang sudah terbentuk diuji dengan sebagian data lainnya untuk mengetahui akurasi dari model tersebut.
1.2 Tujuan Adapun tujuan yang ingin dicapai adalah :
1. Mempelajari metode Naïve Bayes Classifier untuk mengklasifikasikan dokumen.
1.1 Latar Belakang Perpustakaan merupakan tempat yang cukup sering dikunjungi baik hanya sekedar membaca ataupun untuk mencari referensi. Dapat menggunakan sebuah software untuk pengklasifikasian buku dimana diharapkan dapat membantu para pengunjung mengetahui list berikut tempat penyimpanan buku yang ada pada perpustakaan tersebut dengan keakuratan pengklasifikasian dokumen yang baik. Naïve Bayes merupakan salah satu metode machine learning yang menggunkan perhitungan probabilitas. Konsep dasar yang digunakan oleh Naïve bayes adalah Teorema Bayes, yaitu teorema yang digunakan dalam statistika untuk menghitung suatu peluang, Bayes Optimal Classifier menghitung peluang dari satu kelas dari masing-masing kelompok atribut yang ada, dan menentukan kelas mana yang paling optimal.
3. Mengimplementasikan algoritma Naïve Bayes Classifier.
1.3 Manfaat Sedangkan manfaat nya adalah :
1. Mempercepat proses pencarian buku pada perpustakaan dengan menggunakan perangkat lunak dan metode Naïve Bayes Classifier ini.
2. Membantu peningkatan pelayanan pada perpustakaan untuk mempermudah proses pencarian buku.
2. DASAR TEORI
2.1 Data Mining
Data Mining merupakan serangkaian proses
untuk menggali nilai tambah berupa informasi yang selama ini tidak diketahui secara manual dari suatu basis data atau bisa disebut dengan KDD (Knowledge Discovery in Database). Informasi yang dihasilkan diperoleh dengan cara mengekstraksi dan mengenali pola yang penting atau menarik dari data yang terdapat dalam basis data.
2. Merancang sebuah perangkat lunak pencarian buku perpustakaan.
- P(vj) : Probabilitas setiap dokumen terhadap sekumpulan dokumen.
- P(wk|vj) : Probabilitas kemunculan kata wk pada suatu dokumen dengan kategori class vj.
- | docs | : frekuensi dokumen pada setiap kategori.
- | Contoh | : jumlah dokumen yang ada.
- Nk : frekuensi kata ke-k pada setiap kategori.
- kosakata : jumlah kata pada dokumen test. Pada persamaan (8) terdapat suatu penambahan 1 pada pembilang, hal ini dilakukan untuk mengantisipasi jika terdapat suatu kata pada dokumen uji yang tidak ada pada setiap dokumen data training.
Menurut persamaan (3), maka persamaan (1) dapat ditulis: P(a1, a2,.......an) konstan, sehingga dapat dihilangkan menjadi Karena P(a1 , a2,….. an | vj) sulit untuk dihitung, maka akan diasumsikan bahwa setiap kata pada dokumen tidak mempunyai keterkaitan.
IMPLEMENTASI
3. PERANCANGAN DAN
dalam supervised learning, maka akan dibutuhkan pengetahuan awal untuk dapat mengambil keputusan. Langkah-langkah:
Naïve Bayes adalah algoritma yang termasuk ke
2.3 Cara kerja Algoritma Naïve Bayes Classifier (NBC) Cara kerja dari Naïve Bayes Classifier yaitu melalui dua tahapan yaitu: Learning (Pembelajaran)
Keterangan: Dimana untuk:
1 , a 2 ,.......a n ) .... (3)
V MAP = arg max P(V j | a
multinomial naïve bayes merupakan model penyederhanaan dari algoritma bayes yang cocok dalam pengklasifikasian text atau dokumen. Persamaannya adalah:
Naïve Bayes Classifier atau bisa disebut sebagai
Pada pengaplikasiannya nanti rumus ini berubah menjadi : P(Ci|D) = (P(D|Ci)*P(Ci)) / P(D)…....(2)
2.2 Algoritma Naïve Bayes Classifier (NBC) Naïve Bayes merupakan salah satu metode machine learning yang menggunakan perhitungan probabilitas. Algoritma ini memanfaatkan metode probabilitas dan statistik yang dikemukakan oleh ilmuwan Inggris Thomas Bayes, yaitu memprediksi probabilitas di masa depan berdasarkan pengalaman di masa sebelumnya. Dasar dari teorema naïve bayes yang dipakai dalam pemrograman adalah rumus Bayes: P (A|B) = (P(B|A) * P(A))/P(B)....... (1) Peluang kejadian A sebagai B ditentukan dari peluang B saat A, peluang A, dan peluang B.
KDD (Knowledge Discovery in Database) adalah keseluruhan proses non-trivial untuk mencari dan mengidentifikasi pola (pattern) dalam data, dimana pola yang ditemukan bersifat sah, baru, dapat bermanfaat dan dapat dimengerti.
- Step 1 : Bentuk vocabulary pada setiap dokumen data training.
- Step 2 : Hitung probabilitas pada setiap kategori P(vj).
- Step 3 : Tentukan frekuensi setiap kata wk pada setiap kategori P(wk | vj). Classify (Pengklasifikasian) Langkah-langkahnya adalah:
- Step 1 : Hitung P(vj)Π P(wk | vj) untuk setiap kategori.
- Step 2 : Tentukan kategori dengan nilai P(vj)Π P(wk | vj) maksimal.
aplikasi ini pencarian akan dilakukan lebih mendalam dengan mendreskipsikan buku-buku tersebut dan akan dilakukan pengklasifikasian
dengan menggunakan metoda naive bayes Terdapat dua actor yaitu: clasiffier (NBC) sehingga akan mendapatkan
1. Admin hasil yang lebih optimal dikarenakan user Dapat menjalankan system pada bagian login mendapatkan referensi buku yang lebih banyak. dan masuk ke menu utama untuk melakukan tambah buku, dan edit buku.
3.1 Analisis Proses
2. User Pada proses pencarian dengan menggunakan Dapat melakukan pencarian buku dengan metoda Naïve Bayes Clasiffier akan melalui dua memasukkan keyword yang diinginkan dengan tahap, yaitu proses learning dan proses mengacu pada judul, pengarang atau deskripsi clasiffier. Dimana proses learning akan dari buku yang dicari. membentuk vocabulary pada setiap dokumen data training, yaitu berupa kamus kata dasar yang nantinya akan menjadi perbandingan
3.2.2 Sequence Diagram antara satu kata dengan kata yang lainnya. Penjelasan antar proses akan digambarkan Kemudian proses learning akan menghitung dengan sequence diagram berikut: probabilitas pada setiap kategori dan menentukan frekuensi dari setiap kata yang muncul pada setiap kategori tersebut untuk nantinya di klasifikasikan. Sedangkan pada proses clasiiffier langkahnya yaitu menghitung probabilitas pada setiap dokumen terhadap sekumpulan dokumen dan kemudian menentukan probabilitas kemunculan kata yang terbesar pada suatu dokumen dengan kategori class tersebut. Sehingga kata yang memiliki presentasi terbesarlah yang akan di munculkan pada hasil pencarian.
3.2 Perancangan Software
3.2.1 Use case Diagram Gambar 2. Sequence Diagram Untuk Tambah Perancangan software dapat dilihat dari use case Buku Secara Manual diagram di bawah ini:
Penambahan buku dapat dilakukan secara manual maupun dengan mengungguhnya dari file excel atau .xls.
Gambar 1. Usecase Diagram Sistem Perpustakaan
Gambar 3. Sequence Diagram Untuk Tambah Buku From Excel
Sedangkan untuk melakukan pencarian dapat dilakukan berdasarkan judul, kategori maupun deskripsi dari buku yang ingin di cari. Berikut prosesnya yang di gambarkan melalui sequence diagram.
Gambar 4. Sequence Diagram Untuk Pencarian Berdasarkan Judul
Gambar 7. Sequence Diagram Untuk Edit Buku Gambar 5. Sequence Diagram Untuk Pencarian
Berdasarkan Kategori Gambar 8. Sequence Diagram Untuk Login
3.2.3 Class Diagram Gambar 9. Class Diagram
Dari kelas diagram diatas dapat dilihat Gambar 6. Sequence Diagram Untuk Pencarian bagaimana relasi antar table dan atribut yang
Berdasarkan Deskripsi terdapat pada table. Data buku menjadi inti dari proses pencarian, yang nantinya akan di
Dapat pula melakukan edit buku untuk kelompokan bedasarkan pencarian judul, mengedit kesalahan ketika memasukkan buku kategori maupun deskripsi yang di masukkan ke dalam database oleh user.
3.2.4 Kolaborasi Diagram Kolaborasi diagram adalah suatu diagram yang memperlihatkan pengorganisasian interaksi yang terdapat disekitar objek (seperti halnya
sequence diagram) dan hubungannya terhadap yang lainnya.
Gambar 11. Tampilan Form Login Untuk Admin
1.1.3 Menu Utama Menu utama hanya dapat diakses oleh admin. Disini admin dapat melakukan tambah buku
Gambar 10. Kolaborasi Diagram Sistem secara manual maupun from excel dan juga Perpustakaan dapat view buku untuk melihat database buku.
4. IMPLEMENTASI DAN PENGUJIAN
4.1 Implementasi
4.1.1 From menu awal Menu utama merupakan menu awal keluar setelah program dijalankan, dalam menu utama ini user sudah dapat melakukan pencarian buku yang diinginkan berdasarkan judul, kategori maupun deskripsinya. Sedangkan admin dapat melakukan login untuk mengakses menu utama.
Gambar 12. Tampilan Menu Utama Gambar 10. Tampilan Menu Awal Untuk
Melakukan Pencarian
1.1.2 Menu Login Menu login dapat dilakukan oleh admin dengan mengisi user name dan password untuk memasuki menu utama.
Gambar 13. Tampilan Tambah Buku
2. Kegunaan Kegunaan dari sistem aplikasi ini dari awal bertujuan untuk mengklasifikasikan dokumen sehingga pencarian buku dapat dilakukan dengan lebih optimal dan akurat, karena aplikasi ini melakukan pengklasifikasian dari judul,
1 17 1/17 0.05882353
1 17 1/17 0.05882353
12
1 17 1/17 0.05882353
13
1 17 1/17 0.05882353
14
1 17 1/17 0.05882353
15
16
1 17 1/17 0.05882353
1 17 1/17 0.05882353
17
1 17 1/17 0.05882353 Keterangan:
Dengan melihat nilai P(vj) akan di ambil nilai maksimal atau nilai terbesar untuk nantinya dimasukan ke dalam tabel naivebayes untuk di tampilkan ke hasil pencarian pada aplikasi.
Tabel 15. Tabel Naïve Bayes Gambar 16. Hasil Pengujian Algoritma Naïve
Bayes Classifier
Dari pengujian diatas dapat diketahui bahwa perangkat lunak ini memenuhi beberapa spesifikasi seperti di bawah ini:
1. Kebutuhan Dari segi kebutuhan aplikasi ini dibutuhkan untuk pengklasifikasian dokumen yang terdapat pada database.
11
10
Gambar 14. Tampilan View Buku
4
1.2 Pengujian Pengujian dilakukan pada pencarian berdasarkan deskripsi, dengan menggunakan metoda Naïve Bayes Classifier. Sehingga dapat di tentukan judul buku yang merupakan klasifikasi dari keyword yang di masukkan oleh user. Berikut hasil pengujian dengan memasukkan kata ‘komputer’ dalam kolom pencarian.
Tabel 1 Hasil Perhitungan Naïve Bayes No |docs| |Contoh| P(vj) Hasil
1
1 17 1/17 0.05882353
2
1 17 1/17 0.05882353
3
3 17 3/17 0.17647059
1 17 1/17 0.05882353
1 17 1/17 0.05882353
5
1 17 1/17 0.05882353
6
1 17 1/17 0.05882353
7
1 17 1/17 0.05882353
8
1 17 1/17 0.05882353
9
- |docs| : Frekuensi dokumen pada setiap kategori. (kemunculan kata “komputer”) • |Contoh| : Jumlah dokumen yang ada.
3. Performa Mining : Concepts and Techniques. Morgan Untuk performa pada aplikasi ini terbilang cepat Kaufmann, 2001 pada pemrosesan pencarian buku, demi kenyamanan pengunjung perpustakaan. [3] Hidayatullah, P. Visual basic. NET
membuat aplikasi database dan pemrograman 5. SIMPULAN DAN SARAN kreatif.
Kesimpulan dari hasil pengujian yang dilakukan [4] Susanto, S. Ph. D., Dedi S., S.T., M.S. adalah:
Pengantar Data Mining : Menggali
Pada perangkat lunak yang dibangun hanya Pengetahuan dari Bongkahan Data. dapat mencari judul, kategori dan deskripsi dari buku yang dicari, tidak meliputi isi dari seluruh
[5] Munawar. Pemodelan Visual dengan buku. Penggunaan metode Naïve Bayes
UML, GrahaIlmu : Yogyakarta, 2005 Classifier dapat diimplementasikan pada
pencarian di perangkat lunak ini, karena berhasil mencari deskripsi yang berkaitan dengan kata yang dicari oleh user. Dengan menggunakan naïve bayes maka pengklasifikasian dokumen dapat dilakukan dengan baik, dapat dililat pada pengujian. Deskripsi kata yang di cari oleh User akan muncul pada hasil pencarian.
Yang dapat disarankan pada pengujian ini adalah: a. Dapat digunakan beberapa format buku lain seperti file PDF.
b. Disempurnakan lagi algoritma pencariannya untuk mendapatkan hasil yang lebih maksimal.
c. Melakukan data leraning yang lebih banyak untuk mendapatkan hasil yang lebih baik.
6. DAFTAR PUSTAKA [1] Oded Z. Maimon, Lior Rokach.
Decomposotion methodology for knowledge discovery and data mining : theory and applications, World Scientific: 2005.