Perbandingan Algoritma Reverse Colussi Dengan Algoritma Zhu Takaoka Dalam Pencocokan String

Bahwa yang bertandatangan di bawah ini, penulis dan pihak perusahaan tempat penelitian, Menyetujui:

Untuk memberikan kepada Universitas Komputer Indonesia Hak Bebas Royalty

Noneksklusif atas penelitian ini dan bersedia untuk di-online_{-kan sesuai dengan}

ketentuan yang berlaku untuk kepentingan riset dan pendidikan .

Bandung, 25 Agustus 2016

Penulis,

ALINDA 10112495

Mengetahui, Pembimbing

Kania Evita Dewi, S.Pd., M.Si. NIP. 41277006092

Saya yang bertanda tangan di bawah ini : Nama : ALINDA

NIM : 10112495

Judul Skripsi : PERBANDINGAN ALGORITMA REVERSE COLUSSI DENGAN ALGORITMA ZHU TAKAOKA DALAM PENCOCOKAN STRING

Menyatakan bahwa saya tidak melakukan tindakan meniru, menyalin atau menjiplak skripsi atau karya ilmiah yang telah ada. Apabila saya terbukti melakukan tindakan terebut, maka saya bersedia untuk menerima sanksi yang diberikan dengan ketentuan yang ditetapkan dan berlaku di Program Studi Teknik Informatika Universitas Komputer Indonesia.

Mengetahui, Yang memberi pernyataan

(ALINDA) NIM. 10112495

F-1

Ds. Cikapinis Kec. Karangnunggal Kab. Tasikmalaya 46186

Prov. Jawa Barat

Tempat, Tgl Lahir : Tasikmalaya, 23 September 1993 Jenis Kelamin : Laki-laki

Agama : Islam

Kewarganegaraan : Indonesia Telepon : 085315277723

Email : alindasangkilar@gmail.com

PENDIDIKAN FORMAL

2012-2016 : Strata 1 – Teknik Informatika, Universitas Komputer Indonesia

2009-2010 : Jurusan Teknik Komputer dan Jaringan, SMK Negeri Bantarkalong, Tasikmalaya 2006-2009 : SMPN 4 Karangnunggal

2000-2006 : SDN Gandamekar

KEAHLIAN PEMROGRAMAN

Bahasa Pemrograman : Java, C#, PHP, HTML5, Java Mobile, Yii framework.

Tools Pemrograman : Microsoft Visual Studio, Netbeans, Eclipse.

Demikian Riwayat Hidup ini saya buat dengan sebenar-benarnya dalam keadaan sadar dan tanpa paksaan.

Bandung, 25 Agustus 2016

SKRIPSI

Diajukan untuk Menempuh Ujian Akhir Sarjana

ALINDA

10112495

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS TEKNIK DAN ILMU KOMPUTER

UNIVERSITAS KOMPUTER INDONESIA

2016

iii

Puji syukur kehadirat Allah SWT yang Maha Melihat lagi Maha Pengampun atas rahmat, hidayah, dan karunia-Nya sehingga penulis dapat menyelesaikan karya tulis yang berbentuk skripsi ini sesuai dengan waktu yang telah dilancarkan. Sholawat dan salam semoga senantiasa tercurah kepada Nabi Muhammad SAW, kepada keluarga dan sahabat serta umat yang turut pada ajarannya. Sehingga tugas akhir yang berjudul Perbandingan Algoritma Reverse Colussi dengan Algoritma Zhu-Takaoka dalam Pencocokan String dapat diselesaikan. Tugas akhir merupakan syarat terakhir yang harus ditempuh untuk menyelesaikan pendidikan pada jenjang Strata Satu (S1), pada Jurusan Teknik Informatika Universitas Komputer Indonesia.

Dalam penulisan skripsi ini, tentunya banyak pihak yang telah memberikan bantuan baik moril maupun materil. Oleh karena itu penulis ingin menyampaikan ucapan terimakasih yang tiada hingganya kepada :

1. Allah SWT yang telah memberikan kesehatan, kesempatan, kelancaran, dan kemudahan kepada penulis dalam proses menyelesaikan skripsi ini.

2. Kepada kedua orang tua yang sangat saya hormati dan saya cintai, yang selalu

memberikan do’a, kekuatan moril, motivasi, dan inspirasi kepada penulis.

3. Bapak Irawan Afriyanto, S.T., M.T. selaku Ketua Program Studi Teknik Informatika Universitas Komputer Indonesia (UNIKOM).

4. Ibu Riani Lubis, S.T., M.T. selaku dosen wali yang telah membantu dalam proses belajar mengajar selama di UNIKOM.

5. Ibu Kania Evita Dewi, S.Pd., M.Si. selaku pembimbing dalam mengerjakan skripsi ini, yang tidak pernah berhenti untuk memberikan pengarahan dan pandangan dalam menyelesaikan masalah yang dihadapi, dan penuh kesabaran.

iv

bimbingan dengan dosen pembimbing tidak begitu menegangkan.

8. Seluruh staf dosen Teknik Informatika yang telah memberikan ilmu yang sangat bermanfaat bagi penulis dimasa sekarang dan mudah-mudahan juga di masa depan.

9. Saudara-saudara sekeluarga yang juga memberikan dukungan dan motivasi untuk menjadi orang yang lebih baik.

10.Tika Sartika selaku orang terdekat, yang memotivasi dan memberikan dukungan dan bantuan secara nyata untuk menyelesaikan skripsi.

11.Taufik selaku teman seperjuangan dari Tasik, yang telah banyak membantu dalam menyelesaikan program aplikasi yang dibuat untuk skripsi.

12.Sahabat 92, yang selalu menjadi inspirasi dan motivasi, untuk lulus tepat waktu. 13.Teman – teman IF-12, yang telah menemani selama perkuliahan di UNIKOM. 14.Mahasiswa UNIKOM, yang membuat saya malu ketika tidak lulus tepat waktu. 15.Rizki Primandar Admizan dan Puji Pra Ramdhani, alumni yang telah bersedia

untuk memberikan data yang menjadi pendukung selesainya skripsi.

Penulis menyadari bahwa skripsi ini masih banyak kekurangan dan masih jauh dari kata sempurna. Oleh karena itu saran dan kritik yang konstruktif dari semua pihak sangat diharapkan demi penyempurnaan selanjutnya. Akhir kata dari penulis berharap skripsi ini dapat bermanfaat khususnya bagi penulis sendiri dan umumnya bagi orang lain yang membutuhkan. Semoga Allah SWT selalu meridhoi kita semua, aamiin.

Jazakumullah Khairan Katsiran, Wassalamu’alaikum Wr. Wb.

Bandung, Agustus 2016 Penulis

v

ABSTRAK ... i

ABSTRACT ... ii

KATA PENGANTAR ... iii

DAFTAR ISI ... v

DAFTAR GAMBAR ... viii

DAFTAR TABEL ... ix

DAFTAR SIMBOL ... xii

DAFTAR LAMPIRAN ... xiv

BAB 1 PENDAHULUAN ... 1

1.1 Latar Belakang Masalah ... 1

1.2 Perumusan Masalah ... 3

1.3 Maksud dan Tujuan ... 4

1.4 Batasan Masalah ... 4

1.5 Metodologi Penelitian ... 5

1.6 Sistematika Penulisan ... 7

BAB 2 TINJAUAN PUSTAKA ... 9

2.1 Rumah Baca Buku Sunda jeung Sajabana ... 9

2.2 String ... 9

2.3 StringMatching ... 9

2.4 Algoritma ... 10

2.4.1 Ciri dan Sifat Algoritma ... 11

2.5 Algoritma String Matching ... 12

2.5.1 Algoritma Zhu-Takaoka... 13

2.5.2 Algoritma Reverse Colussi ... 17

2.6 Kompleksitas Algoritma ... 26

2.6.1 Kompleksitas Waktu ... 28

2.7 Notasi Big O ... 30

vi

2.11 Data Flow Diagram (DFD) ... 40

2.12 QT Creator ... 42

2.13 C++ ... 42

2.14 JavaScript ... 43

2.15 Code Editor ... 43

2.16 Web browser ... 44

BAB 3 ANALISIS DAN PERANCANGAN SISTEM SISTEM ... 45

3.1 Analisis Sistem ... 45

3.1.1 Analisis Masalah ... 45

3.1.2 Analisis Data Masukan ... 45

3.1.3 Deskripsi Umum ... 46

3.1.4 Analisis Metode ... 47

3.1.5 Analisis Kompleksitas ... 96

3.1.6 Spesifikasi Kebutuhan Perangkat Lunak ... 99

3.2 Perancangan Sistem ... 102

3.2.1 Perancangan Struktur Menu ... 102

3.2.2 Perancangan Antarmuka ... 103

3.2.3 Jaringan Semantik ... 105

3.2.4 Perancangan Prosedural ... 106

BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM ... 109

4.1 Implementasi Sistem ... 109

4.1.1 Implementasi Perangkat Keras ... 109

4.1.2 Implementasi Perangkat Lunak ... 109

4.1.3 Implementasi Antarmuka... 110

4.2 Pengujian Sistem ... 111

4.2.1 Rencana Pengujian... 111

vii

5.1 Kesimpulan ... 129 5.2 Saran ... 130 DAFTAR PUSTAKA ... 131

131

(Edisi Revisi). Bandung: Informatika Bandung.

[2] Fernando, H. (2009). Perbandingan dan Pengujian Beberapa Algoritma Pencocokan String. [Online]. Diunduh pada 30 April

2016.http://informatika.stei.itb.ac.id/~rinaldi.munir/Stmik/2009-2010/Makalah2009/MakalahIF3051-2009-006.pdf.

[3] Aulia, R. (2008). Analisis Algoritma Knuth Morris Pratt dan Algoritma Boyer Moore Dalam Proses Pencarian String. [Online]. Diunduh pada 7 Mei

2016.http://informatika.stei.itb.ac.id/~rinaldi.munir/Stmik/2007-2008/Makalah2008/MakalahIF2251-2008-101.pdf

[4] Handoyo, R.A. (2004). Perbandingan Waktu Proses Pencarian Data antara Algoritma Raita dengan Algoritma Zhu-Takaoka. [Online]. Diunduh pada 24 Mei 2016.

http://karyailmiah.tarumanagara.ac.id/index.php/S1TI/article/view/2315 [5] Haryadi, D. (2010).”Pencocokkan String dengan Algoritma Reverse

Colussi“.[Online]. Diunduh pada 19 Mei 2016.

http://informatika.stei.itb.ac.id/~rinaldi.munir/Stmik/2010-2011/Makalah2010 /MakalahStima2010-034.pdf.

[6] “Bahasa Sunda”.[Online]. Diakses pada 2 Agustus 2016

http://www.aswanblog.com/2015/01/kamus-besar-bahasa-sunda-terlengkap-dan.html, https://id.wikipedia.org/wiki/Aksara_Sunda_Baku [7] Sugiyono. (2010). Metode Penelitian Kuantitatif, Kualitatif dan R&D.

Bandung: ALFABETA.

[8] Sommerville, I. (2003). Software Engineering (Rekayasa Perangkat Lunak) Edisi 6 Jilid 1. Jakarta: Erlangga.

[9] Rojali, A. (2014). Analisis Perbandingan Algoritma Knuth-Morris-Pratt dengan Algoritma Boyer-Moore pada Permainan Word Search Puzzle.

[10] Ramdhani. P.P. (2013). Analisis Perbandingan Performansi Algoritma Zhu-Takaoka dan Algoritma Karp-Rabin pada pencarian kata di Rumah Baca Buku Sunda. Undergraduate Theses from JBPTUNIKOMPP.

http://elib.unikom.ac.id.

[11] Nugroho, A. (2009). Rekayasa Perangkat Lunak Menggunakan UML dan Java. Yogyakarta: Andi Yogyakarta.

[12] Admizan, R. P. (2014). Perbandingan Algoritma Reverse Colussi dengan Algoritma Karp-Rabin dalam Mencari dan Mencocokan String pada Word Game. Undergraduate Theses from JBPTUNIKOMPP.

http://elib.unikom.ac.id.

[13] “Mengenal QT Creator”. [Online]. Diakses pada 24 Juli 2016

http://www.proweb.co.id/articles/mobile_development/qt_creator.html

[14] “Apa Itu Bahasa C++?”.[Online]. Diakses 24 Juli 2016.

http://www.belajarcpp.com/2016/01/pengertian-cplusplus-dan-borland- cplusplus.html

[15] “Pengenalan JavaScript” .[Online]. Diakses 24 Juli 2016.

https://developer.mozilla.org/id/docs/Web/JavaScript/Getting_Started

[16] “5 Code Editor Gratis TerbaikTahun 2015”. [Online]. Diakses 24 Juli 2016.

http://salatigadev.com/5-code-editor-gratis-terbaik-tahun-2015/ [17] “Pengertian Browser”. [Online]. Diakses 24 Juli 2016.

1

BAB 1

PENDAHULUAN

1.1

Latar Belakang Masalah

Secara sederhana algoritma merupakan prosedur untuk memecahkan suatu masalah. Algoritma adalah deretan instruksi yang jelas untuk memecahkan masalah, yaitu untuk memperoleh keluaran yang diinginkan dari suatu masukan dalam jumlah waktu yang terbatas [1]. Banyak cabang dari ilmu komputer yang diacu dalam terminologi algoritma, misalnya algoritma Perutean (routing) pesan di dalam jaringan komputer, algoritma Brensenham untuk menggambar garis lurus (bidang grafika komputer), algoritma Knuth-Morris-Pratt untuk mencari suatu pola di dalam teks atau string mathcing (bidang information retrievel), dan sebagainya.

String matching atau pencocokkan string merupakan hal dasar yang sangat perlu dipelajari terutama dalam lingkup yang berkaitan dengan text processing. Secara umum, istilah yang terdapat dalam pencocokkan string antara lain teks dan pattern. Teks (text) adalah (long) string yang panjangnya n. Pattern yaitu string dengan panjang m karakter (m < n) yang akan di cari di dalam teks[2].

Terdapat beragam algoritma pencocokkan string, baik algoritma yang diciptakan dari awal maupun algoritma pengembangan, yang dapat digunakan untuk melakukan pencocokkan string. Salah satu algoritma pencocokkan string

yang paling efisien adalah algoritma Boyer-Moore [2]. Menurut penelitian Kristanto, Rachmat dan Gunawan dalam jurnal Implementasi Algoritma Boyer-Moore pada Permainan Word Search Puzzle menyatakan bahwa algoritma Boyer Moore memiliki tingkat akurasi pada saat pencocokan string sebanyak 100%. Algoritma Boyer-Moore mempunyai empat konsep dasar di dalam proses pencocokkan string, yaitu preporcessing, right-to-left-scan, bad-character-rule, good-suffix-rule. Meskipun algoritma Boyer-Moore dipandang sebagai algoritma yang paling efisien untuk pencocokkan string, namun algoritma tersebut masih memiliki beberapa kekurangan, diantaranya yaitu tidak bagus untuk binary string

algorit-ma pengembangan dari algoritalgorit-ma Boyer-Moore. Dua diantaranya adalah algoritma

Zhu-Takaoka dan algoritma Reverse Colussi.

Algoritma Zhu-Takaoka memiliki karakteristik sama dengan algoritma

Boyer-Moore yaitu preprocessing, right-to-left-scan, bad-character-rule, good-suffix-rule. Perbaikan yang dilakukan oleh algoritma Zhu-Takaoka adalah bad-character-rule yang menggunakan array dua dimensi untuk menghitung nilai pergeseran sedangkan algoritma Boyer-Moore hanya menggunakan array satu dimensi. Algoritma Zhu-Takaoka lebih cepat dalam pencarian kata dan kalimat dibandingkan dengan algoritma Raita [4].

Sementara itu, algoritma Reverse Colussi juga merupakan salah satu algoritma perbaikan dari algoritma Boyer-Moore yang idenya berasal dari algoritma

colussi. Algoritma ini juga melakukan pencocokkan dari kanan ke kiri. Terdapat dua fase pencarian pada algoritma Reverse Colussi, yaitu fase pemrosesan awal dan fase pencarian. Pada fase pemrosesan awal dilakukan pencarian sepasang karakter, serta pencarian special positions dan non-special position. Sedangkan, pada fase pencarian dilakukan pencarian pattern terhadap teks. Algoritma Reverse Colussi

menghasilkan jumlah perbandingan tiap karakter yang lebih sedikit dari pada algoritma Boyer-Moore, Knuth-Morris-Pratt, Dan Colussi [5]. Algoritma Reverse Colussi juga sangat cepat dalam melakukan pencarian string, tetapi membutuhkan waktu pemrosesan awal yang lambat. Hal ini dikarenakan harus menghasilkan dua tabel terlebih dahulu sebelum memulai pencocokkan [5].

Sebagaimana yang telah dijelaskan bahwa algoritma Boyer-Moore masih memiliki beberapa kekurangan. Sementara itu, algoritma Reverse Colussi dan algoritma Zhu-Takaoka merupakan pengembangan dari algoritma Boyer-Moore

yang keduanya memiliki keunggulan dan kelemahan masing-masing, yakni dalam proses pencarian, pencocokkan, kecepatan, ketepatan, dan lain-lain. Namun demikian, belum dapat dipastikan apakah kedua algoritma pengembangan tersebut sudah memperbaiki kekurangan yang dimiliki algoritma Boyer-Moore. Selain itu, di antara kedua algoritma tersebut belum dapat dipastikan juga algoritma manakah yang lebih optimal dalam melakukan pencocokan pattern. Oleh karena itu, analisis perbandingan performansi terhadap kedua algoritma dapat dilakukan untuk

mengetahui tingkat akurasi dan waktu yang dibutuhkan dalam satu kali proses pencocokkan string yang digunakan oleh kedua algoritma tersebut.

Bahasa sunda memiliki sistem penulisan aksara sunda baku yaitu aksara swara, aksara ngalagena, rarangken dan angka. Setiap kata dalam tulisan bahasa sunda pasti mengandung keempat sistem penulisan tersebut. Karateristik dari

aksara ngalagena memiliki pola kebanyakan dua huruf seperti ka, ca, ta, pa, ya, wa, ga, ja, da, ba, ra, sa, na, ha, ma, la, dan lain-lain. Selain itu dalam aksara sunda biasanya setiap kata memiliki karakter yang berulang seperti kata awewe, lalaki, jelema, papanggih, babaturan, badag, baham, balangsak dan lain-lain [6].

Berdasarkan permasalahan yang telah dipaparkan di atas, untuk menganalisis perbandingan performansi dari algoritma Zhu-Takaoka dan Reverse Colussi dalam melakukan pencocokan string, maka kedua algoritma tersebut akan diimplementasikan pada pencocokkan string menggunakan data sinopsis buku berbahasa sunda yang diambil dari Rumah Baca Buku Sunda. Pola dua karakter dari aksara ngalagena akan memperlihatkan kelebihan dari algoritma Zhu Takaoka

pada saat pencocokan string, sedangkan kata dalam bahasa sunda yang memiliki karakter sering berulang akan menampilkan kelebihan dari algoritma Reverse Colussi dalam mencari sepecial position, analisis perbandingan performansi tersebut dilakukan untuk menentukan algoritma pengembangan Boyer Moore

manakah yang lebih optimal berdasarkan hasil perbandingan akurasi dan kecepatan waktu proses pencocokan string untuk melakukan pencocokan karakter yang terdapat dalam sinopsis dari buku berbahasa sunda.

1.2

Perumusan Masalah

Berdasarkan latar belakang yang telah diuraikan, maka dapat dirumuskan masalah dari penelitian ini adalah bagaimana membandingkan algoritma Zhu-Takaoka dan algoritma Reverse Colussi untuk mengetahui tingkat akurasi yang dihasilkan dan waktu yang diperlukan pada proses pencocokkan string bahasa sunda.

1.3

Maksud dan Tujuan

Maksud dari penulisan skripsi ini adalah melakukan analisis terhadap kinerja algoritma Zhu-Takaoka dan algoritma Reverse Colussi dalam pencocokkan

string bahasa sunda.

Tujuan yang akan dicapai pada penelitian ini adalah mengetahui akurasi dan waktu yang diperlukan pada saat melakukan pencocokkan string bahasa sunda oleh algoritma Reverse Colussi dan algoritma Zhu-Takaoka.

1.4

Batasan Masalah

Batasan masalah dalam melakukan perbandingan algoritma Reverse Colussi

dan Zhu-Takaoka pada pencocokkan string ini adalah sebagai berikut.

1. Membandingkan performansi algoritma Reverse Colussi dan algoritma

Zhu-Takaoka mengenai tingkat akurasi yang dihasilkan dan waktu yang digunakan dalam satu pattern.

2. Pattern atau kata yang dicari memiliki relevansi dengan sumber string yang ada pada sistem.

3. Panjang pattern yang digunakan pada penelitian ini, yaitu berjumlah 2 sampai 20 karakter karena menurut observasi dilapangan diketahui bahwa nama orang atau nama tempat yang diingat oleh pengunjung yang dijadikan kata kunci atau pattern biasanya berjumlah antara 2 sampai 20 karakter. 4. Sinopsis buku yang digunakan hanya buku berbahasa Sunda, berformat txt. 5. Output dari perangkat lunak adalah waktu preprocessing dan waktu pencocokan dari algoritma yang digunakan, jumlah karakter tak berulang pada sumber string yang dicari, dan jumlah pola yang ditemukan.

6. Parameter yang digunakan dalam analisis perbandingan adalah akurasi yang dihasilkan dan kecepatan waktu proses yang dibutuhkan oleh kedua algoritma.

7. Analisis pembangunan perangkat lunak menggunakan pendekatan analisis terstruktur.

1.5

Metodologi Penelitian

Metode penelitian eksperimen bertujuan untuk menyelidiki kemungkinan sebab akibat dengan cara melakukan percobaan berulang kepada satu atau lebih kondisi perlakuan dan membandingkan hasilnya [7].

Pada penelitian ini akan dilakukan perbandingan antara dua algoritma untuk menguji akurasi yang dihasilkan dan berapa waktu yang diperlukan dalam satu kali proses pencocokkan dengan beberapa kali percobaan.

Dari kedua pernyataan tersebut metode eksperimen adalah metode yang paling sesuai untuk digunakan pada penelitian ini. Tahapan yang akan dilalui pada penelitian ini adalah sebagai berikut.

1. Tahap Pengumpulan Data

Metode pengumpulan data yang digunakan pada penelitian ini antara lain : a. Studi literatur.

Studi Literatur dilakukan dengan cara mengumpulkan dan mempelajari jurnal, paper, makalah dan artikel yang berkaitan dengan masalah yang akan dibahas dalam pembuatan tugas akhir ini.

b. Studi lapangan.

Studi lapangan dilakukan untuk mengamati kegiatan secara langsung dilapangan dan mengumpulkan semua informasi yang dibutuhkan. c. Wawancara.

Wawancara dilakukan kepada Bapak Mamat Sasmita selaku pengelola sekaligus pemilik dari Rumah Baca Buku Sunda untuk mengetahui segala informasi yang dibutuhkan pada penelitian ini.

2. Tahap Analisis Algoritma

Teknik analisis algoritma menggunakan teknik eksperimen dengan cara melakukan perbandingan antara algoritma Zhu-Takaoka dan algoritma Reverse Colussi terhadap akurasi yang dihasilkan dan kompleksitas waktu yang digunakan dalam pencocokkan string pada aplikasi Perbandingan Algoritma Zhu-Takaoka dan Algoritma Reverse Colussi.

3. Tahap Pembangunan Perangkat Lunak

Waterfall model adalah model yang mengusulkan sebuah pendekatan kepada pembangunan software yang sistematik dan sekuensial, metode ini sangat baik digunakan untuk produk software yang sudah jelas kebutuhannya di awal, untuk meminimalisir kesalahan[8]. Dari pernyataan tersebut waterfall model dirasa model pembangunan perangkat lunak yang sesuai pada penelitan ini. Berikut beberapa tahapan waterfall model.

a. RequirementsAnalysisand Definition

Mengumpulkan kebutuhan secara lengkap kemudian dianalisis dan didefinisikan kebutuhan yang harus dipenuhi oleh program yang akan dibangun. Fase ini harus dikerjakan secara lengkap untuk bisa menghasilkan desain yang lengkap.

b. Sistem and Software Design

Desain dikerjakan setelah kebutuhan selesai dikumpulkan secara lengkap. c. Implementationand Unit Testing

Desain program diterjemahkan kedalam kode-kode dengan menggunakan bahasa pemrograman yang sudah ditentukan. Program yang dibangun langsung diuji secara unit.

d. Integrationand Sistem Testing

Penyatuan unit-unit program kemudian diuji secara keseluruhan (system testing).

e. Operationand Maintenance

Mengoperasikan program di lingkungannya dan melakukan pemeliharaan, seperti penyesuaian atau perubahan karena adaptasi dengan situasi sebenarnya.

Gambar 1.1 Waterfall[8]

4. Tahap Pengujian

Pengujian yang dilakukan pada penelitian ini adalah menggunakan pengujian Unit Testing. Hasil dari pengujian ini digunakan untuk menarik kesimpulan yang nantinya akan jadi hasil akhir.

1.6

Sistematika Penulisan

Sistematika penulisan skripsi dibuat untuk memberikan gambaran umum mengenai penelitian yang dilaksanakan. Penyusunan skripsi ini dibagi ke dalam lima bab yang disusun secara sistematis sesuai dengan pokok-pokok permasalahan yang dibahas. Sistematika penulisan tugas akhir ini adalah sebagai berikut:

BAB 1 PENDAHULUAN

Bab ini berisi penjelasan mengenai latar belakang masalah, perumusan masalah, maksud dan tujuan, batasan masalah, metodologi penelitian dan sistematika penulisan yang dilakukan pada penelitian ini.

Requirements definition

System and Software Design

Implementation and unit testing

Integration and sytem testing

Operation and maintenance

BAB 2 TINJAUAN PUSTAKA

Bab ini membahas berbagai konsep dasar dan teori-teori yang berkaitan dengan topik penelitian seperti pengertian String, String Matching, Algoritma, Algoritma String Matching, Algoritma Zhu-Takaoka, Algoritma Reverse Colussi, Kompleksitas Algoritma, Notasi Big-O, Metode Pembangunan Perangkat Lunak yang digunakan, Bahasa Pemrograman yang digunakan, Tools yang digunakan, Pemodelan Data yang dilakukan, pendekatan untuk pembangunan software yang digunakan, dan pengujian algoritma yang digunakan.

BAB 3 ANALISIS DAN PERANCANGAN SISTEM

Bab ini berisi pembahasan mengenai analisis dan perancangan algoritma

Zhu-Takaoka dan algoritma Reverse Colussi yang akan diimplementasikan pada aplikasi Perbandingan Algoritma Zhu-Takaoka dan Algoritma Reverse Colussi.

BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM

Bab ini berisi pembahasan mengenai implementasi algoritma Zhu-Takaoka

dan algoritma Reverse Colussi dari hasil tahapan analisis algoritma dan perancangan sistem yang dibangun, serta uji coba dan hasil pengujian sistem menggunakan Unit Testing.

BAB 5 KESIMPULAN DAN SARAN

Bab ini berisi kesimpulan yang diperoleh dari hasil pengujian yang dilakukan untuk mengetahui tingkat akurasi dan waktu yang dibutuhkan oleh algoritma Zhu-Takaoka dan Reverse Colussi pada saat mencocokkan string dalam satu kali proses dan saran untuk pengembangan selanjutnya.

9

BAB 2

TINJAUAN PUSTAKA

2.1

Rumah Baca Buku Sunda jeung Sajabana

Rumah Baca Buku Sunda Jeung Sajabana adalah perpustakaan yang pada dasarnya berisi buku-buku Sunda. Perpustakaan ini didirikan pada tahun 2004, dan berada di salah satu perumahan kota Bandung, yaitu di Perumahan Margawangi JL. Margawangi VII No.5 Margacinta Bandung.

Perpustakaan ini terbuka untuk orang-orang yang berminat, tanpa dipungut biaya sedikit pun. Namun demikian, pengunjung hanya boleh membaca di tempat, tanpa bisa dibawa pulang. Dengan kata lain, semua bacaan yang ada di tempat ini tidak untuk dipinjamkan.

Setelah memasuki tempat ini, pengunjung akan menemukan banyak bacaan di luar Bahasa Sunda. Oleh karena itu, perpustakaan ini diberi nama Rumah Baca Buku Sunda Jeung Sajabana, “Jeung Sajabana” memiliki arti “dan sebagainya”

yang merujuk pada bacaan-bacaan di luar Bahasa Sunda.

Bacaan yang ada di tempat ini, tidak sebatas buku terbitan tertentu, tetapi juga kumpulan cerita, serta artikel bahasa Sunda yang menarik dalam bentuk kliping.

2.2

String

Dalam ilmu komputer, string dapat diartikan sebagai sekuens dari karakter. Selain sebagai data abstrak yang menyimpan sekuens nilai data, string juga dapat berupa bytes yang merupakan elemen pembentuk karakter, sesuai dengan encoding

karakter yang disepakati ASCII ataupun EBCDIC [9].

2.3

String

Matching

Dalam Bahasa Indonesia string matching dikenal dengan istilah ‘pencocokan string’ atau ‘pencocokan kata’. Berikut adalah perumusan kasus pencocokan kata (String Matching).

Diasumsikan teks adalah sebuah susunan T[1..n] dengan panjang n dan memiliki susunan P[1..m] dengan panjang m. Lalu, elemen P dan T merupakan karakter-karakter yang digambarkan dari ∑ abjad terbatas. Contoh, diketahui ∑ =

{0,1} atau ∑ = {a,b,…,z}. Sedangkan karakter susunan P and T dapat didefinisikan

sebagai kata (string) pada banyak karakter [9].

Pola yang dimaksud adalah dimana P muncul dengan shift s dalam teks T

(atau , ekuivalen , pola P muncul pada permulaan di posisi s + 1 pada teks T) Jika 0 ≤ s ≤ n – m dan T[s +1..s +m] = P[1..m] (itu adalah, jika T[s + j] = P[j], for 1 ≤ j ≤ m). Jika P muncul dengan shift s di T, maka disebut s sebuah shift yang sah. Kasus pencocokan kata (String Macthing) merupakan masalah dari menemukan semua shift yang sah dengan pola pemberian P yang muncul di teks pemberian T. Kecocokan adalah apabila karakter pada teks T dan karakter pada pola P yang dibandingkan adalah sama. Mengacu pada gambar di bawah, bahwa pola P

melakukan pergeseran dalam teks T. Masalah pencocokan string adalah masalah menemukan semua pergeseran yang valid dengan diberikan pola P yang terjadi pada teks T.

Gambar 2.1 Kasus String Matching

2.4

Algoritma

Algoritma adalah urutan langkah-langkah untuk memecahkan suatu masalah[1]. Terdapat beragam definisi dari para ahli mengenai algoritma, tetapi pada intinya prinsip algoritma adalah proses pemecahan suatu masalah. Berikut adalah definisi algoritma yang dikutip dari salah satu literatur.

Menurut Goodman Hadet Niemi, algoritma adalah urutan-urutan terbatas dari operasi-operasi yang terdefinisi dengan baik, yang masing-masing membutuhkan memori dan waktu yang terbatas untuk menyelesaikan masalah[1]. Langkah-langkah dalam algoritma harus logis dan harus dapat ditentukan bernilai

salah atau benar. Selain itu, dalam beberapa konteks, algoritma dapat diartikan sebagai spesifikasi urutan langkah untuk melakukan pekerjaan tertentu.

Terdapat beberapa pertimbangan dalam pemilihan algoritma[1]. Pertama, algoritma itu harus benar, artinya algoritma akan memberikan keluaran yang dikehendaki dari sejumlah masukan yang diberikan. Pertimbangan kedua adalah efektif, yaitu harus mengetahui seberapa baik hasil yang dicapai oleh algoritma tersebut. Hal tersebut dianggap sangat penting terutama pada algoritma untuk menyelesaikan masalah yang memerlukan aproksimasi hasil (hasil yang hanya berupa pendekatan). Pertimbangan ketiga yaitu efisiensi algoritma. Untuk menilai efisiensi algoritma dapat ditinjau dari 2 hal, yaitu efisiensi waktu dan memori. Meskipun algoritma memberikan keluaran yang benar atau paling mendekati, tetapi jika harus menunggu berjam-jam untuk mendapatkan keluaran dari algoritma tersebut, biasanya algoritma seperti itu tidak akan dipakai karena setiap orang menginginkan keluaran yang cepat. Sama halnya dengan memori, semakin besar memori yang terpakai maka semakin buruklah algoritma tersebut.

2.4.1 Ciri dan Sifat Algoritma

Setiap penggunaan algoritma memiliki ciri dan sifat. Menurut Donald E. Knuth dalam bukunya The Art of Computer Programming, algoritma harus mempunya 5 ciri penting [9], yaitu sebagai berikut:

1. Algoritma mempunyai awal dan akhir, artinya suatu algoritma harus berhenti setelah mengerjakan serangkaian tugas. Dengan kata lain, suatu algortima memiliki langkah yang terbatas.

2. Setiap langkah harus didefinisikan dengan tepat sehingga tidak memiliki arti ganda (not ambiguous).

3. Memiliki masukan (input) atau kondisi awal. 4. Memiliki keluaran (output) atau kondisi akhir.

Berdasarkan ciri algoritma yang dipaparkan oleh Donuld E. Knuth, maka dapat disimpulkan sifat utama suatu algoritma[9], yaitu :

1. Input

Suatu algoritma memliki input atau kondisi awal sebelum algoritma dilaksanakan. Input tersebut dapat berupa nilai-nilai pengubah yang diambil dari himpunan khusus.

2. Output

Suatu algortima akan menghasilkan output setelah dilaksanakan. Nilai

output diperoleh dari nilai input yang telah diproses melalui algoritma. 3. Definiteness

Langkah-langkah yang dituliskan dalam algoritma terdefinisi dengan jelas sehingga mudah dilaksanakan oleh sistem.

4. Finiteness

Suatu algoritma harus memberikan kondisi nilai akhir atau output setelah melakukan sejumlah langkah yang terbatas jumlahnya untuk setiap kondisi awal atau input yang diberikan.

5. Effectiveness

Setiap langkah dalam algoritma bisa dilaksanakan dalam selang waktu tertentu sehingga pada akhirnya memberi solusi sesuai yang diharapkan. 6. Generality

Langkah-langkah algoritma berlaku untuk setiap himpunan input yang sesuai dengan persoalan yang akan diberikan, tidak hanya untuk himpunan tertentu.

2.5

Algoritma

String Matching

Menurut Brassard dan Bratley, algoritma string matching adalah sebuah algoritma yang digunakan dalam pencocokkan suatu pola kata tertentu terhadap suatu kalimat atau teks [9]. Menurut arah pencarianya, algoritma pencocokan string

1. Dari arah yang paling alami, yaitu dari kiri ke kanan yang merupakan arah membaca, algoritma yang termasuk kategori ini adalah :

1) Algoritma Brute Force

2) Algoritma Knuth-Morris-Pratt

2. Dari kanan ke kiri, arah yang biasanya menghasilkan hasil terbaik secara praktikal, contohnya adalah Algoritma Boyer-Moore yang kemudian banyak dikembangkan menjadi algoritma turbo Boyer-Moore, algoritma tuned Boyer-Moore dan algoritma Zhu-Takaoka.

3. Dari arah yang ditentukan secara spesifik oleh algoritma tersebut (arah ini menghasilkan hasil terbaik secara teoretis), seperti:

1) Algoritma Colussi

2) Algoritma Chrochemore-Perrin

2.5.1 Algoritma Zhu-Takaoka

Algoritma Zhu-Takaoka merupakan salah satu algoritma pencocokan string

(String Matching) yang merupakan pengembangan dari algoritma Boyer-Moore. Algoritma ini dipublikasikan oleh Zhu Rui Feng dan Tadao Takaoka pada tahun 1986 [10]. Dalam penelitiannya, Zhu dan Takaoka menyebut algoritma pencocokan

string ini sebagai BM" Algorithm (Boyer-Moore Algorithm) karena merupakan modifikasi dari algoritma pencocokan string Boyer-Moore, yaitu algoritma yang dibuat oleh Boyer R.S. dan Moore J.S. Algoritma Zhu-Takaoka dan algoritma

Boyer-Moore memiliki ciri yang sama dalam proses pencarian string, yaitu terdapat tahap Preprocessing, Right-to-left scan, Bad character rule dan Good-suffix rule[10]. Sementara itu, perbedaan dari kedua algoritma tersebut terletak pada tahap penentuan Bad character rule. Dalam Boyer-Moore, bad character hanya terdiri dari array satu dimensi, sedangkan dalam Zhu-Takaokaarray dimodifikasi menjadi dua dimensi. Berikut ini adalah penjelasan mengenai karakter algoritma Zhu-Takaoka.

1. Preprocessing

Preprocessing adalah proses yang dilakukan sebelum proses inti, yaitu proses pencarian pattern dalam suatu teks. Dalam algoritma Zhu-Takaoka,

preprocessing meliputi proses pencarian nilai pergeseran karakter (good-suffix shift) yang nilai nya ditentukan dalam good suffix preprocessing, dan pergeseran karakter jika ditemukan ketidakcocokan karakter (bad-character shift) yang nilai nya ditentukan dalam bad character preprocessing.

2. Right-to-Left Scan Rule

Sebagaimana disebutkan sebelumnya, bahwa Zhu-Takaoka merupakan salah satu algoritma yang melakukan pencocokan string dari kanan ke kiri, maka proses pencarian algoritma ini dilakukan dengan teknik right-to-left scan rule. Teknik ini dilakukan dengan membandingkan pattern dengan sumber teks. Perbandingan dilakukan dari karakter paling kanan pada pattern dengan karakter paling kanan pada sumber teks. Apabila dalam proses tersebut ditemukan kecocokan, maka perbandingan akan dilanjutkan dengan bergerak ke kiri sampai pada karakter pertama dari pattern. Tetapi apabila ditemukan ketidakcocokan, maka akan dilakukan pergeseran yang jumlah pergeserannya ditentukan oleh aturan

bad-character shift atau good-suffix shift.

3. Bad-Charcter Shift Rule

Ketika ditemukan ketidakcocokan dalam proses perbandingan, aturan bad-character shift dibutuhkan untuk menghindari pengulangan perbandingan. Dalam aturan bad-character shift, jumlah pergeseran yang dilakukan disimpan dalam bentuk tabel array dua dimensi. Tabel tersebut terdiri dari beberapa kolom, yaitu kolom karakter dan kolom shift yang menunjukan jumlah pergeseran.

4. Good Suffix Shift Rule

Aturan good-suffix shift dibuat untuk menangani kasus dimana terdapat pengulangan karakter pada pattern.

5. Langkah – langkah pencarian

Proses inti pencarian Algoritma Zhu-Takaoka yaitu dilakukan dengan teknik Right-to-left scan rule. Teknik ini membandingkan pattern yang dicari dengan sumber teks dimulai dari kanan ke kiri. Berikut contoh pencocokan string

dengan algoritma Zhu-Takaoka : Pattern yang dicari : DONE

Sumber string (Teks) : INDONESIAINDONESI Dari hasil preproccessing maka dihasil kan tabel ztBc :

Tabel 2.1 Tabel ztBc D E N O D 3 4 4 2 E 3 4 4 4 N 3 4 4 4 O 3 4 1 4

Tabel 2.2 bmGs: i 0 1 2 3 X[i] D O N E bmGs 4 4 4 1

Percobaan ke 1:

I N D O N E S I A I N D O N E S I D O N E

Dari hasil percobaan ke-1, dapat dilihat bahwa karakter akhir pattern yang dicari yaitu karakter e sejajar dengan karakter o pada sumber string artinya pada percobaan pertama terjadi ketidakcocokan, maka dilakukan pergeseran sejauh dua karakter. Nilai pergeseran dua karakter ini diperoleh dari tabel ztBc dimana dicocokannya dua karakter akhir pada sumber string yang sejajar dengan karakter akhir pattern. Pada contoh ini diisi dengan karakter d dan o. maka cek pada tabel ztBc baris d dan kolom o maka bernilai dua.

Percobaan ke 2 :

I N D O N E S I A I N D O N E S I D O N E

Terlihat dari hasil percobaan ke-2, pattern yang dicari kemudian ditemukan pada sumber string maka akan diberi tanda dan dilanjutkan pada pencocokan selanjutnya dengan pergeseran berdasarkan nilai dari tabel bmGs. Dari tabel bmGs karakter d berada pada array ke nol dan memiliki nilai pergeseran empat, maka

pattern digeser sejauh 4 karakter.

Percobaan ke 3 :

I N D O N E S I A I N D O N E S I D O N E

Dari hasil percobaan ke-3, dapat dilihat bahwa karakter akhir pattern yang dicari yaitu karakter e sejajar dengan karakter i pada sumber string artinya pada percobaan ketiga terjadi ketidakcocokan. Sama dengan sebelumnya nilai pergeseran diambil dari dua karakter akhir pada sumber string yang sejajar dengan karakter akhir pattern yang kemudian dicocokan dengan tabel ztBc. Untuk percobaan ke-3 diisi dengan karakter a dan i dan setelah dicocokan baris a dan kolom i pada tabel ztBc menghasilkan nilai pergeseran empat.

Percobaan ke 4 :

I N D O N E S I A I N D O N E S I D O N E

Pada hasil percobaan ke-4 terlihat bahwa karakter akhir pattern yang dicari yaitu karakter e sejajar dengan karakter n pada sumber string artinya pada percobaan keeempat pun terjadi ketidakcocokan. Dengan dua karakter akhir yang diambil yaitu o dan n maka nilai pergeseran dari ketidakcocokan adalah satu.

Percobaan ke 5 :

I N D O N E S I A I N D O N E S I D O N E

Hasil percobaan ke-5 menunjukan terjadinya kecocokan, maka pergeseran didasarkan pada tabel bmGs. Dari tabel bmGs, karakter d berada pada array ke nol

dan memiliki nilai pergeseran empat, maka pattern digeser sejauh 4 karakter. Karena sepanjang sumber string sudah habis maka pencocokanpun dihentikan. Dari contoh diatas dapat ditarik kesimpulan dengan panjang sumber string 18 karakter dan panjang pattern yang dicari empat dilakukan lima kali percobaan dan menghasilkan dua pola yang cocok.

I N D O N E S I A I N D O N E S I

2.5.2 Algoritma Reverse Colussi

Algoritma Reverse Colussi adalah salah satu algoritma pencocokan string

yang merupakan pengembangan dari algoritma Boyer-Moore. Algoritma ini terdiri dari dua fase, yaitu fase pemrosesan awal dan fase pencarian [5]. Fase pemrosesan awal dilakukan untuk menentukan pergeseran pattern dengan melakukan pencarian sepasang karakter, special position dan non-special position. Sementara itu, pada fase pencarian dilakukan proses pencocokan pattern terhadap sumber teks.

2.5.2.1Fase Pemrosesan Awal

Pada algoritma Reverse Colussi, harus ditentukan beberapa point yang dianggap spesial dan beberapa point yang dianggap tidak spesial. Spesial point

memungkinkan angka pergeseran yang lebih kecil dari pada ‘bukan’ spesial point. Oleh karena itu, dalam algoritma Reverse Colussi harus ditentukan special position

terlebih dahulu.

Misal, Ti merupakan karakter ke-i pada T(1 ≤ i ≤ n), dan Pj adalah karakter

ke-j pada P(1 ≤ j ≤ m). Berikut gambaran mengenai yang dimaksud sepasang

karakter.

Untuk setiap karakter x pada T, cari karakter x terdekat pada P yang terletak pada sisi kiri dari karakter x pada T.

T: X

Jika terdapat karakter x pada P yang terletak disebelah kiri dari karakter x pada T, maka geser P sampai kedua karakter x tersebut sejajar.

T: X

P: X

Jika tidak ada, maka buat partial window berdasarkan posisi karakter x pada T dan string yang ada di sebelah kirinya. Setelah ini, proses pencarian hanya sebatas ukuran window saja.

Partial W

T: X

P:

Misalkan karakter x yang terakhir pada window T tidak cocok dengan karakter terakhir pada P.

T: X

P:

Misalkan terdapat karakter x pada P:

T: X

P: X

Maka, sejajarkan posisi x pada P dengan posisi x pada T

T: X

Misalkan karakter terakhir y dari window pada T tidak cocok dengan karakter terakhir dari P:

T: X Y

P: X

Jika tidak cocok, kemudian cari pasangan x dan y pada P. Misal posisi x dan y sebagai berikut:

T: X Y

P: X X Y

Maka geser sampai posisi pasangan x dan y pada P sejajar dengan posisi x dan y pada T, sepasang karakter sudah diperoleh.

T: X Y

P: X X Y

2.5.2.1.1 Pencarian sepasang karakter

Dalam algoritma Reverse Colussi, pencarian pasangan karakter dapat dilakukan dengan menggunakan bantuan tabel rcBc[5]. Misalkan:

Y = adalah karakter terakhir dari window pada T

s = adalah panjang pergeseran yang akan digunakan pada langkah terakhir k = bilangan integer

m = panjang pattern Kondisi 1:

Jika ditemukan Pm-k-1=Y and Pm-k-s-1=Pm-s-1, masukkan k terkecil ke tabel rcBc[Y,s]

Kondisi 2:

Jika ditemukan Pm-k-1=Y and k>m-s-1, masukkan k terkecil ke tabel rcBc[Y,s] Kondisi 3:

Jika tidak ditemukan,

Contoh:

XY = AA tidak terdapat pada P.

rcBc[Y, 1] = m => rcBc[Y, 1] = 8

Cari rcBc[Y, 2] = 5

Cari rcBc[Y, 3] = 5

ditemukan

Proses tersebut dilakukan hingga tabel terisi semua.

2.5.2.1.2 Pencarian special positions dan non-special positions

Dalam algoritma Reverse Colussi, pencarian special positions dapat dilakukan dengan menggunakan bantuan tabel rcGs[5]. Dalam membuat tabel rcGs ini, aturan mengenai substring matching (suffix / prefix) yang digunakan sama dengan aturan yang digunakan pada algoritma Boyer-Moore. Misalkan diberikan

pattern P,tunjukkan semua posisi suffix sering diulang pada P atau disebut sebagai

special positions.

Dari pattern diatas, G, AG, AGAG merupakan substring yang sering diulang. Berikut special positions dari pattern tersebut.

Untuk setiap suffix terpanjang u, sejajarkan posisi substring yang ada pada P. Jika special positions tidak cocok dengan u, geser P sejauh m-p-1 langkah dimana m adalah panjang pattern.

Jumlah pergeseran untuk setiap special positions disimpan dalam tabel yang disebut hmin.

Special positioni = 3, simpan jumlah pergeseran (8-5-1=2) pada tabel hmin[2]=3

Special positioni = 5, simpan jumlah pergeseran (8-3-1=4) pada tabel hmin[4]=5

Special position i = 6, simpan jumlah pergeseran (8-01=7) pada tabel

hmin[6]=6 Setelah membandingkan special positions, remainder position/non-special positions juga harus dibandingkan. Perbandingan ini dilakukan dari kiri ke kanan. Jumlah pergeseran untuk setiap non-special positions disimpan dalam tabel yang disebut rmin.

Jika suffix S yang terdapat pada sisi kanan dari nonspecial positions ke-i sama dengan prefix maka rmin(i) = m-|S|. (|S| panjang S), tetapi jika tidak ada S maka rmin(i)=m. Contoh:

Suffix S sama dengan prefix yang ada di sisi kanan dari non-special positions, jadi nilai dari rmin non-special positions adalah m-|S| ( 8-1 )

Setelah tabel hmin dan rmin terbuat, sekarang dapat digunakan untuk membuat tabel rcGs.

Contoh: GCAGAGAG

Pertama-tama, isi indeks dari special positions yang tidak kosong kedalam tabel rcGs, menghasilkan:

Kemudian isikan semua nilai dari tabel rmin yang tidak kosong kedalam tabel rcGs.

Jika Pexact match dengan T, maka geser P. jadi rcGs[8]=m-|S| (8-1).

2.5.2.2Fase Pencocokan Pattern

Setelah tabel rcBc dan rcGs terbentuk, pencocokan pattern dilakukan berdasarkan nilai dari kedua tabel tersebut. Pada algoritma Reverse Colussi,

perbandingan karakter dilakukan dengan menggunakan urutan tertentu yang diberikan oleh tabel h[5].

Untuk setiap idimana 0 ≤ i≤ m definisikan dua himpunan yang disjoint:

Pos(i)={k: 0 ≤ k≤ i dan x[i] = x[i-k]}

Neg(i)={k: 0 ≤ k≤ i dan x[i] ≠ x[i-k]}

For 1 ≤ k≤ m, biarkan hmin[k] menjadi nilai terkecil ℓ dimana ℓ ≥ k-1 dan k bukan

elemen dari Neg(i) untuk semua idimana ℓ < i≤ m-1.

For 0 ≤ ℓ ≤ m-1, biarkan kmin[ℓ] menjadi nilai terkecil k dimana hmin[k]= ℓ ≥ k jika

ada k dan kmin[ℓ]=0 jika tidak ada k.

For 0 ≤ ℓ ≤ m-1, biarkan rmin[ℓ] menjadi nilai terkecil k dimana r > ℓ dan

hmin[r]=r-1.

Nilai dari h[0] diisi dengan m-1. Setelah itu, increment kmin[ℓ], semua

indeks h[1], ..., h[d] dimana kmin[h[i]] ≠ 0 dan isi rcGs[i] dengan kmin[h[i]] untuk 1 ≤ i≤ d. lalu pilih indeks h[d+1], ... , h[m-1] untuk di-increment dan isi rcGs[i] dengan rmin[h[i]] untuk d < i < m.

Percobaan Diketahui:

Teks T, Pattern P:

s = m = 8

Pemrosesan awal akan menghasilkan tabel rcBc dan rcGs.

Fase Pencocokan Pattern: Percobaan ke-1

Shiftby 1 (rcBc[A][s], s = 8), and change s = 1

Percobaan ke-2

Shift by 2 (rcGs[1]), and change s = 2

Percobaan ke-3

Shift by 2 (rcGs[1]), and change s = 2

Percobaan ke-4

Shift by 7 (rcGs[8]), and change s = 7

Percobaan ke-5

Percobaan ke-6

Shift by 5 (rcBc[A][s], s = 2), and changes = 5

Untuk mencocokkan pattern GCAGAGAG pada GCATCGCAGAGAGT-ATACAGTACG memerlukan percobaan sebanyak 6 kali percobaan dengan jumlah perbandingan sebanyak 16 kali.

2.6

Kompleksitas Algoritma

Sebuah algoritma tidak saja harus benar, tetapi juga harus mangkus (efisien). Kemangkusan algoritma diukur dari berapa jumlah waktu dan ruang (space) memori yang dibutuhkan untuk menjalankanya. Algoritma yang mangkus ialah algoritma yang meminimumkan kebutuhan waktu dan ruang[9]. Kebutuhan waktu dan ruang suatu algoritma bergantung pada ukuran masukan (n), yang menyatakan jumlah data yang diproses. Kemangkusan algoritma dapat digunakan untuk menilai algoritma yang baik. Gambar di bawah ini membuktikan alasan memerlukan algoritma yang mangkus dimana ukuran masukan mempengaruhi waktu komputasi.

Gambar 2.2 Waktu komputasi algoritma

Pengukuran waktu yang diperlukan oleh sebuah algoritma adalah dengan menghitung banyaknya operasi/instruksi yang dieksekusi. Untuk mengetahui besaran waktu pada sebuah operasi tertentu, maka dapat dihitung dengan cara berapa waktu sesungguhnya untuk melaksakan algoritma tersebut.

Contoh : Menghitung rata – rata

a1 a2 a3 … an Larik bilangan bulat

procedure HitungRerata(input a1, a2, ..., an : integer, output r

: real){

Menghitung nilai rata-rata dari sekumpulan elemen larik integer a1, a2, ..., an.

Nilai rata-rata akan disimpan di dalam peubah r. Masukan: a1, a2, ..., an.

Keluaran: r (nilai rata-rata) }

Deklarasi k : integer jumlah : real

Algoritma

jumlah  0 k  1

while k ≤ n do

jumlah  jumlah + ak

k  k+1 endwhile { k > n }

r  jumlah / n { nilai rata-rata }

Model perhitungan pada algoritma diatas yaitu :

1. Operasi pengisian nilai (jumlah  0, k  1, jumlah  jumlah+ak, k  k+1, dan r  jumlah/n) jumlah operasi pengisian nilai adalah

t1 = 1 + 1 + n + n + 1 = 3 + 2n (2.1)

2. Operasi penjumlahan (jumlah+ak, dan k+1) jumlah seluruh operasi penjumlahan adalah

t2 = n + n = 2n (2.2)

3. Operasi pembagian (jumlah/n) jumlah seluruh operasi pembagian adalah

t3 = 1 (2.3)

4. Maka total kebutuhan waktu algoritma menghitung rata – rata adalah

Model perhitungan kebutuhan waktu seperti diatas kurang dapat diterima karena dalam prakteknya tidak mempunyai informasi berapa waktu sesungguhnya untuk melakasanakan suatu operasi tertentu. Komputer dengan arsitektur yang berbeda, akan berbeda pula lama waktu untuk setiap jenis operasinya. Selain bergantung pada komputer, kebutuhan waktu sebuah program juga ditentukan oleh

compiler bahasa yang digunakan.

Model abstrak pengukuran waktu/ruang harus independen dari pertimbangan mesin dan compiler apapun. Besaran yang dipakai untuk menerangkan model abstrak pengukuran waktu/ruang ini adalah kompleksitas algoritma. Ada dua macam kompleksitas algoritma[9], yaitu :

1. Kompleksitas waktu

Kompleksitas waktu atau T(n), diukur dari jumlah tahapan komputasi yang dibutuhkan untuk menjalankan algoritma sebagai fungsi dari ukuran masukan n.

2. Kompleksitas ruang

Kompleksitas ruang atau S(n), diukur dari memori yang digunakan oleh struktur data yang terdapat di dalam algoritma sebagai fungsi dari ukuran masukan

n. Dengan menggunakan besaran kompleksitas waktu/ruang algoritma, maka dapat menentukan laju peningkatan waktu/ruang yang diperlukan algoritma dengan meningkatnya ukuran masukan n.

2.6.1 Kompleksitas Waktu

Komplekstias waktu merupakan hal penting untuk mengukur efisiensi suatu algoritma, karena kompleksitas waktu dari suatu algoritma yang terukur adalah fungsi ukuran masalah [9]. Di dalam sebuah algoritma terdapat beberapa macam jenis operasi yaitu sebagai berikut:

1. Operasi baca / tulis.

2. Operasi aritmatika (+ ,-, *, /).

3. Operasi pengisian nilai (assignment). 4. Operasi pengaksesan elemen larik.

Di dalam prakteknya hanya menghitung jumlah operasi khas (tipikal) yang mendasari suatu algoritma. Contoh operasi khas didalam algoritma yaitu :

1. Algoritma pencarian didalam larik

Operasi khas : perbandingan elemen larik 2. Algoritma pengurutan

Operasi khas : perbandingan elemen, pertukaran elemen 3. Algoritma penjumlahan 2 buah matriks

Operasi khas : penjumlahan

4. Algoritma perkalian 2 buah matriks Operasi khas : perkalian dan penjumlahan

Contoh : Algoritma menghitung rata – rata sebuah larik (array)

sum  0

for i  1 to n do

sum  sum + a[i]

endfor

rata_rata  sum/n

Operasi yang mendasar pada algoritma di atas adalah operasi penjumlahan elemen-elemen ai (yaitu sum  sum + a[i]) yang dilakukan sebanyak n kali dan mempunyai kompleksitas waktu yaitu T(n) = n. Kompleksitas waktu dibedakan atas tiga macam yaitu :

1. Tmax(n) yaitu kompleksitas waktu untuk kasus terburuk (worst case) atau kebutuhan waktu maksimum.

2. Tmin(n) yaitu kompleksitas waktu untuk kasus terbaik (best case) atau kebutuhan waktu minimum.

3. Tavg(n) yaitu kompleksitas waktu untuk kasus rata-rata (average case) atau kebutuhan waktu secara rata – rata.

Contoh : Algoritma sequential search

procedure PencarianBeruntun(input a1, a2, ..., an : integer, x : integer,output idx : integer)

Deklarasi

k : integer ketemu : boolean

Algoritm

k  1

ketemu  false

while (k ≤ n) and (not ketemu) do if ak = x then

ketemu  true else

k  k + 1 endif

endwhile{ k > n or ketemu } if ketemu then { x ditemukan } idx  k

else

idx  0 { x tidak ditemukan } endif

Pada algoritma diatas maka dapat dihitung kompleksitas waktunya dengan menghitung jumlah operasi perbandingan yaitu :

1. Kasus terbaik terjadi apabila a1 = x

Tmin(n) =1 (2.5)

2. Kasus terburuk terjadi apabila an = x atau x tidak ditemukan. Tmax(n) = n (2.6)

3. Kasus rata – rata terjadi jika x ditemukan pada posisi ke-j,maka operasi perbandingan (ak = x)akan dieksekusi sebanyak j kali.

Tavg(n) = + + + … + �

� +

� + �

� =

� +

(2.7)

2.7

Notasi Big O

Notasi Big O merupakan suatu notasi matematika untuk menjelaskan batas atas dari magnitude suatu fungsi dalam fungsi yang lebih sederhana [8]. Dalam dunia ilmu komputer, notasi ini sering digunakan dalam analisis kompleksitas algoritma. Notasi Big O pertama kali diperkenalkan pakar teori bilangan Jerman, Paul Bachman tahun 1894 dalam bukunya yang berjudul Analytische Zahlentheorie

edisi kedua[8]. Notasi tersebut kemudian dipopulerkan oleh pakar teori bilangan Jerman lainnya, Edmund Landau, dan oleh karena itu, terkadang disebut sebagai

Untuk membandingkan kompleksitas algoritma yang satu dengan yang lain, dapat digunakan tabel 2.3 yaitu tabel jenis kompleksitas yang diurutkan berdasarkan kompleksitas yang paling baik ke yang paling buruk. Sebuah masalah yang mempunyai algoritma dengan kompleksitas polinomial kasus terburuk dianggap mempunyai algoritma yang “bagus”, artinya masalah tersebut mempunyai algoritma yang mangkus, dengan catatan polinomial tersebut berderajat rendah. Jika polinomnya berderajat tinggi, waktu yang dibutuhkan untuk mengeksekusi algoritma tersebut panjang.

Tabel 2.3 Jenis Kompleksitas

Notasi Nama

O(1) Konstan O(log n) Logaritmik O(n) Linier O(n log n) Linierithmik O(n2) Kuadratik O(n3) Kubik

O(2n) Eksponensial

O(n!) Faktorial, kombinatorial

Penjelasan masing – masing kelompok jenis kompleksitas algoritma adalah sebagai berikut :

1. O(1) yaitu kompleksitas O(1) berarti waktu pelaksanaan algoritma adalah tetap, tidak bergantung pada ukuran masukan.

Contoh prosedur tukar dibawah ini :

procedure tukar(var a:integer; var b:integer);

var

temp:integer;

begin temp:=a; a:=b; b:=temp;

end;

Pada contoh kasus diatas jumlah operasi penugasan (assignment) ada tiga buah dan tiap operasi dilakukan satu kali. Jadi T(n) = 3 = O(1).

2. O(log n) yaitu kompleksitas waktu logaritmik berarti laju pertumbuhan waktunya berjalan lebih lambat daripada pertumbuhan n. Algoritma yang termasuk kelompok ini adalah algoritma yang memecahkan persoalan besar dengan mentransformasikannya menjadi beberapa persoalan yang lebih kecil yang berukuran sama. Di sini basis algoritma tidak terlalu penting sebab bila n

dinaikkan dua kali semula, misalnya, log n meningkat sebesar sejumlah tetapan. 3. O(n) yaitu kompleksitas linier dimana waktu pelaksanaanya umumnya terdapat

pada kasus yang setiap elemen masukanya dikenai proses yang sama. Bila n

dinaikan dua kali semula.

4. O(n log n ) yaitu kompleksitas loglinier dimana waktu pelaksanaan yang n log

n terdapat pada algoritma yang memecahkan persoalan menjadi beberapa persoalan yang lebih kecil, menyelesaikan tiap persoalan secara independen, dan menggabung solusi masing-masing persoalan. Algoritma yang diselesaikan dengan teknik bagi dan gabung mempunyai kompleksitas asimptotik jenis ini. Bila n = 1000, maka n log n mungkin 20.000. Bila n dijadikan dua kali semua, maka n log n menjadi dua kali semula (tetapi tidak terlalu banyak).

5. O(n2) yaitu kompleksitas kuadratik dimana waktu pelaksanaannya kuadratik hanya praktis digunakan untuk persoalan yang berukuran kecil. Umumnya algoritma yang termasuk kelompok ini memproses setiap masukan dalam dua buah perulangan bersarang.

6. O(n3) yaitu kompleksitas kubik, seperti halnya algoritma kuadratik, algoritma kubik memproses setiap masukan dalam tiga buah perulangan bersarang. 7. O(2n) yaitu kompleksitas eksponensial tergolong kelompok ini mencari solusi

persoalan secara seperti algoritma Brute Force. Bila n = 20, waktu pelaksanaan algoritma adalah 1.000.000. Bila n dijadikan dua kali semula, waktu pelaksanaan menjadi kuadrat kali semula.

8. O(n!) yaitu kompleksitas faktorial. Seperti halnya pada algoritma eksponensial, algoritma jenis ini memproses setiap masukan dan menghubungkannya dengan

n – 1. Bila n = 5, maka waktu pelaksanaan algoritma adalah 120. Bila n

dijadikan dua kali semula, maka waktu pelaksanaan algoritma menjadi faktorial dari 2n.

Gambar 2.3 Perbandingan kompleksitas algoritma

Sebagai contoh terdapat suatu program sederhana yang akan dihitung komplesitasnya dengan menggunakan Big-O seperti :

sum = 0;

for (i=0; i<n; i++) sum= sum +a[i]

Kemudian pada tabel di bawah ini dapat dilihat perhitungan kompleksitas dengan menggunakan Big-O dari contoh program sederhana diatas :

Tabel 2.4 Contoh Perhitungan Big-O dengan program sederhana

Program Notasi Big-O Keterangan

sum = 0 O(1) Dieksekusi 1 Kali i=0 O(1) Dieksekusi 1 Kali i<n O(N) Dieksekusi 1 Kali i++ O(N) Dieksekusi 1 Kali sum = sum +a[i] O(N) Dieksekusi 1 Kali

Dari hasil tabel di atas maka dapat dihitung hasil dari notasi Big-O adalah sebagai berikut :

O(1) + O(1) + O(N) + O(N) + O(N) = 2+ 3N kali = O(N)

Jadi dari program sederhana di atas mempunyai hasil perhitungan dengan Big-O adalah O(N) jadi untuk waktu eksekusinya sebanding dengan jumlah data jika n=5 maka waktu eksekusinya pun 5.

2.8

Pengujian Algoritma

Pengujian Algoritma ini dijabarkan dengan memberikan pengantar pengujian perangkat lunak dan pengujian algoritma String Matching; memperkenalkan pengujian perangkat lunak dan berfokus pada jenis pengujian yang relevan dengan algoritma yang disebut unit testing; memberikan contoh spesifik dari algoritma dan memberikan beberapa aturan untuk menguji algoritma pada umumnya [12].

2.8.1 Pengujian Perangkat Lunak

Software pengujian di bidang Rekayasa Perangkat Lunak adalah proses dalam proyek perangkat lunak yang memverifikasi bahwa produk atau jasa memenuhi harapan dari kualitas dan memvalidasi bahwa perangkat lunak memenuhi persyaratan spesifikasi[12]. Pengujian perangkat lunak dilakukan untuk menemukan masalah dalam sebuah program walaupun metode pengujian yang diberikan tidak dapat menjamin untuk menemukan semua masalah. Oleh karena itu, selama suatu perangkat lunak dibangun, berbagai metode pengujian dapat digunakan, seperti melakukan unit testing selama pengembangan, integrasi pengujian setelah modul dan sistem selesai, dan penerimaan pengguna untuk mengevaluasi apakah kebutuhan para pengguna telah terpenuhi.

Unit pengujian adalah jenis pengujian perangkat lunak yang melibatkan persiapan yang terdefinisi dengan baik, melakukan tes prosedural fungsi diskrit dari sebuah program yang memberikan keyakinan bahwa modul atau fungsi berperilaku sesuai dengan rancangan. Unit test yang disebut sebagai 'white-box' tes (kontras dengan tes 'kotak hitam') karena mereka ditulis dengan pengetahuan penuh dari struktur internal fungsi dan modul di bawah tes. Unit test biasanya disiapkan oleh pengembang yang menulis kode yang diuji dan biasanya otomatis, ditulis sebagai programmer kecil yang dijalankan oleh kerangka unit testing (seperti J unit untuk Java atau kerangka Uji di Ruby). Tujuannya bukan untuk menguji setiap jalur eksekusi dalam unit (tes lengkap), melainkan untuk fokus tes pada bidang risiko, ketidakpastian, atau kekritisan. Setiap tes berfokus pada satu aspek dari kode (uji satu hal) dan biasanya diatur dalam tes kesamaan.

Beberapa manfaat dari unit testing meliputi:

1. Dokumentasi : Penyusunan tes untuk sistem tertentu menyediakan jenis dokumentasi pemrograman melihat perilaku yang diharapkan dari fungsi dan modul dan memberikan contoh bagaimana berinteraksi dengan komponen kunci.

2. Ketelitian : Unit pengujian mendorong gaya pemrograman modul kecil, masukan yang jelas dan keluaran dan lebih sedikit ketergantungan antar komponen. Kode yang ditulis untuk memudahkan pengujian (testability) mungkin lebih mudah untuk membaca dan mengikuti.

3. Regresi : Secara bersamaan, tes dapat dilaksanakan sebagai uji regresi dari sistem. Otomatisasi tes berarti bahwa setiap masalah yang disebabkan oleh perubahan pada kode dengan mudah dapat diidentifikasi. Ketika masalah ditemukan, tes baru dapat ditulis untuk memastikan itu akan diidentifikasi di masa depan.

Unit test biasanya ditulis setelah program selesai. Sebuah alternatif yang populer adalah untuk mempersiapkan tes sebelum fungsionalitas dari aplikasi disiapkan, yang disebut Tes Pertama atau Test-Driven Development (TDD). Dalam metode ini, serangkaian tes yang telah ditulis kemudian dilaksanakan. Jika terjadi kegagalan pada fungsionalitas aplikasi, kemudian kegagalan tersebut ditulis untuk membuat tes lulus. Persiapan awal tes memungkinkan programmer untuk mempertimbangkan perilaku yang diperlukan dari program dan antarmuka dan fungsi program perlu mengekspos sebelum mereka ditulis.

Aturan Pengujian

Pada dasarnya, melakukan unit pengujian adalah mudah. Meski demikian, untuk menulis unit test yang baik dapat menjadi sulit mengingat adanya hubungan yang kompleks antara tes dengan kode yang diuji. Pengujian metaheuristik dan algoritma Komputasi Intelijen juga cukup sulit karena harus memberikan semacam hasil bahkan ketika diimplementasikan dengan masalah. Pedoman berikut dapat membantu ketika unit pengujian algoritma :

1. Start Small : Melakukan unit test beberapa kali akan lebih baik daripada tidak ada unit test. Setiap tes tambahan dapat meningkatkan kepercayaan dan kualitas kode. Untuk implementasi algoritma yang ada, dapat dimulai dengan menulis tes untuk perilaku kecil dan sederhana dan perlahan-lahan membangun sebuah

test suite.

2. Test One Thing : Setiap pengujian harus fokus pada verifikasi perilaku salah satu aspek dari satu unit kode.

3. Test Once : Sebuah perilaku atau harapan hanya perlu diuji sekali, jangan mengulang ujian setiap kali suatu unit tertentu diuji.

4. Don’t Forget The I/O : Ingatlah untuk menguji input dan output dari unit kode, khususnya pra-kondisi dan pasca-kondisi. Hal ini dapat memudahkan untuk fokus pada poin keputusan dalam unit dan melupakan tujuan utamanya.

5. Write Code For testability : Pengujian harus membantu membentuk kode yang diuji. Tulis fungsi kecil atau modul, berpikir tentang pengujian saat menulis kode (atau menulis tes pertama), dan kode refactor (kode update setelah fakta) untuk membuat lebih mudah dalam pengujian.

6. Function Independence : Mencoba untuk membatasi ketergantungan langsung antara fungsi, modul, objek dan konstruksi lainnya. Hal ini terkait dengan

testability dan menulis fungsi kecil meskipun menunjukkan batas berapa banyak interaksi yang ada antara unit kode dalam algoritma.

7. Test Independence : Tes yang dilakukan harus independen satu sama lain. Kerangka memberikan kait untuk set-up dan tear-down negara sebelum pelaksanaan setiap tes, seharusnya tidak ada perlu memiliki satu tes menyiapkan data atau negara untuk tes lainnya. Tes harus dapat melaksanakan secara mandiri dan dalam urutan apapun.

8. Test Your Own Code : Hindari menulis tes yang memverifikasi perilaku kerangka kerja atau perpustakaan kode, seperti keacakan nomor acak generator atau apakah matematika atau fungsi string berperilaku seperti yang diharapkan. Fokus pada menulis tes untuk manipulasi data yang dilakukan oleh kode yang Anda tulis.

9. Probabilistic Testing : metaheuristik dan Komputasi Intelijen algoritma umumnya menggunakan stokastik atau keputusan probabilistik. Ini berarti bahwa beberapa perilaku yang tidak deterministik dan lebih sulit untuk menguji. Seperti contoh, menulis tes probabilistik untuk memverifikasi bahwa proses seperti berperilaku sebagaimana dimaksud. Mengingat bahwa tes probabilistik lebih lemah daripada tes deterministik, pertimbangkan untuk menulis tes deterministik pertama. Sebuah perilaku probabilistik dapat dibuat deterministik dengan mengganti nomor acak dengan proxy yang mengembalikan nilai-nilai deterministik, disebut mock. Tingkat pengujian mungkin memerlukan dampak lebih lanjut untuk kode asli untuk memungkinkan modul tergantung dan benda-benda untuk dipermainkan.

10.Consider test First : Menulis tes pertama dapat membantu memberi harapan ketika menerapkan algoritma dari literatur, dan membantu untuk memperkuat pikiran ketika mengembangkan atau prototype ide baru

2.8.2 Pengujian Akurasi Algoritma

Untuk melakukan pengujian akurasi algoritma ada beberapa metode yang bisa digunakan sesuai kondisi dan studi kasus yang diteliti seperti metode berikut. 1. Cross Validation Pengujian standar yang dilakukan untuk memprediksi error

rate. Data training dibagi secara random ke dalam beberapa bagian dengan perbandingan yang sama kemudian error rate dihitung bagian demi bagian, selanjutnya hitung rata-rata seluruh error rate untuk mendapatkan error rate

secara keseluruhan.

2. Confusion Matrix Method ini hanya menggunakan tabel matriks terdapat dilampiran jika dataset hanya terdiri dari dua kelas, kelas yang satu dianggap sebagai positif dan yang lainnya negatif (Bramer,2007).

3. Pengujian secara manual yaitu dengan cara melakukan pembagian. hasil yang ditemukan sistem dibagi dengan fakta yang sebenarnya dan dikali 100 untuk menampilkan data dengan persentase. Kelas yang terdapat pada dataset bisa lebih dari dua.

Pada penelitian ini, untuk melakukan pengujian pengujian menggunakan metode manual dengan formula Akurasi = P y g i i

F P S S i g x %

dirasa paling cocok karena kelas yang terdapat pada dataset lebih dari dua dan data training yang dilakukan ditentukan sebelum melakukan pengujian.

2.9

Metode Pembangunan Perangkat Lunak

Metode yang digunakan dalam pembangunan perangkat lunak ini adalah model Waterfall. Model waterfall melakukan pendekatan secara sistematis dan berurutan. Menurut Sommerville, model Waterfall mengambil kegiatan proses dasar spesifikasi, pengembangan, validasi, dan evolusi yang mewakili kegiatan tersebut sebagai fase proses terpisah seperti spesifikasi persyaratan, perancangan perangkat lunak, implementasi, pengujian dan sebagainya[8]. Tahapan-tahapan dalam model waterfall yang disajikan dalam gambar di bawah ini.

Requirements definition

System and Software Design

Implementation and unit testing

Integration and sytem testing

Operation and maintenance

Gambar 2.4 Waterfall[8]

a. RequirementsAnalysisand Definition

Sistem layanan, kendala dan tujuan ditetapkan melalui konsultasi dengan pengguna sistem, kemudian kebutuhan tersebut ditetapkan secara rinci dan berfungsi sebagai spesifikasi sistem.

b. Sistem and Software Design

Proses desain sistem mengalokasikan persyaratan, baik untuk sistem perangkat keras maupun untuk perangkat lunak, dengan mendirikan sebuah arsitektur sistem secara keseluruhan atau lengkap. Desain software

melibatkan langkah mengidentifikasi dan menggambarkan abstraksi sistem perangkat lunak yang mendasar.

c. Implementationand Unit Testing

Selama tahapan ini, desain perangkat lunak disadari sebagai serangkaian program atau unit program. Unit testing memverifikasi setiap unit sesuai spesifikasi.

d. Integration and Sistem Testing

Program diintegrasikan dan diuji sebagai sistem yang lengkap untuk memastikan bahwa persyaratan perangkat lunak telah dipenuhi. Setelah pengujian, sistem software diserahkan kepada pelanggan.

e. Operation and Maintenance

Pemeliharaan melibatkan pengkoreksian kesalahan yang tidak ditemukan dalam tahap awal siklus, meningkatkan implementasi unit sistem dan peningkatan sistem sebagai kebutuhan baru ditemukan.

Dalam model waterfall terdapat beberapa karakteristik yang menonjol dan cenderung menjadi permasalahan. Pertama, ketika masalah muncul, maka proses akan berhenti karena tidak dapat menuju ke tahapan selanjutnya. Namun, apabila terdapat kemungkinan bahwa masalah tersebut muncul akibat kesalahan dari tahapan sebelumnya, maka proses harus membenahi tahapan sebelumnya agar masalah tersebut tidak muncul. Kedua, karena pendekatannya adalah secara sequential, maka setiap tahap harus menunggu hasil dari tahap sebelumnya. Hal tersebut dapat menghabiskan waktu yang cukup lama, artinya bagian lain tidak dapat mengerjakan hal lain selain hanya menunggu hasil dari tahap sebelumnya.

2.10

Diagram Konteks

Diagram konteks merupakan diagram yang mengandung satu proses yang menggambarkan hubungan keterkaitan antara sistem dengan pihak-pihak diluar lingkungan sistem dan posisi sistem didalam lingkungan tersebut. Pihak-pihak tersebut merupakan pihak-pihak yang membutuhkan informasi dan data dari sistem ataupun pihak-pihak yang menjadi sumber informasi dan data bagi sistem[11].

Hubungan keterkaitannya digambarkan sebagai aliran informasi dan data yang masuk ke dalam sistem dan keluar dari sistem.

2.11

Data Flow Diagram (DFD)

DFD adalah sebuah teknik grafik yang menggambarkan aliran data dan transformasi yang digunakan sebagai perjalanan data dari masukan menuju ke keluaran. DFD dapat diartikan juga sebagai model jaringan dari sebuah sistem. DFD dapat menggambarkan proses-proses yang terjadi dan aliran data diantaranya. DFD sering digunakan untuk menggambarkan suatu sistem yang telah ada atau sistem baru yang akan dikembangkan secara logika tanpa mempertimbangkan lingkungan fisik dimana data tersebut mengalir atau lingkungan fisik dimana data tersebut disimpan. Secara umum DFD dapat diartikan sebagai salah satu tools untuk analisis sistem yang dapat bermanfaat untuk menggambarkan proses, aliran data,

entity yang terlibat serta data store yang digunakan dalam sistem yang dipelajari. Dengan menuangkan hasil analisis ke dalam DFD, seorang analis dapat memahami sistem yang sedang dipelajari dengan mudah dan baik.

Dibawah ini terdapat simbol-simbol untuk DFD yang diusulkan oleh Yourdon [11]:

1. Proses, suatu proses adalah kegiatan atau kerja yang dilakukan oleh orang, prosedur atau alat yang digunakan untuk mentransformasikan data.

2. Data Flow (Arus Data), data yang mengalir dengan arah tertentu dari asal ke tujuan. Data yang mengalir dapat berupa dokumen, surat atau bentuk lainnya. 3. Data Store (Penyimpanan Data), digunakan untuk menyimpan dan mengambil

data oleh proses. Data yang disimpan dapat berupa data yang terkomputerisasi maupun tidak terkomputerisasi.

4. Source atau destination atau dikenal juga dengan external entity, berupa orang, organisasi atau sistem lain yang berada diluar batas sistem yang berinteraksi dengan sistem yang sedang dikembangkan.

Dalam DFD terdapat beberapa aturan dasar penyusunan DFD yang dapat membantu untuk mempermudah penggambaran diagram arus data, diantaranya : 1. Setiap data yang dihasilkan atau keluar dari prosesharus didasarkan pada data

yang masuk ke proses tersebut.

2. Semua aliran data yang dihasilkan harus diberi nama, nama yang diberikan harus mencerminkan aliran data antara proses, data store dan entity yang ada. 3. Hanya data yang diperlukan untuk melakukan suatu proses saja yang harus

digunakan sebagai input suatu proses.

4. Suatu proses harus tergantung pada input dan output yang masuk ke dalam proses itu saja, tidak perlu memperhatikan apa yang terjadi pada proses lainnya. 5. Setiap proses yang ada harus merupakan proses yang berjalan terus menerus, setiap proses harus diasumsikan siap menangani fungsi atau kerja setiap proses.

Agar representasi sistem dalam DFD mudah dipahami, maka DFD disusun dalam bentuk bertingkat (leveled) yang merupakan rincian lanjut dari proses pada

level yang sebelumnya. Dimulai dari tingkat yang tertinggi dilakukan identifikasi proses apa saja yang ada dan data apa saja yang mengalir antar proses yang ada.

Selanjutnya, dilakukan analisis terhadap setiap proses yang ada pada level

tersebut, apakah sudah merupakan proses yang melakukan satu fungsi saja atau masih melakukan beberapa fungsi yang berbeda. Jika proses yang dianalisis masih melakukan lebih dari satu fungsi yang berbeda, makaperlu dilakukan pemecahan terhadap proses tersebut menjadi level lebih tinggi. Demikian seterusnya sampai didapat semua proses yang ada pada level paling tinggi dilakukan satu fungsi saja. Jika DFD untuk suatu sistem yang dianalisis telah dibuat, sebelum melanjutkan kegiatan lainnya selalu dilakukan evaluasi atau pemeriksaan terhadap DFD tersebut. Pemeriksaan dilakukan terhadap munculnya kesalahan yang dapat diakibatkan oleh salah gambar, tidak konsistennya penggunaan simbol dan analisis terhadap proses yang terjadi.

2.12

QT Creator

QT Creator merupakan cross-platdorm IDE (Integrated Development Environment) yang lengkap untuk pengembangan aplikasi dengan target berbagai

platform desktop dan berbagai platform mobile. QT Creator dapat diinstall pada Linux, OS X dan Micorosoft Windows[13].

QT Creator merupakan IDE yang menyediakan tools untuk mendisain dan mengembangkan aplikasi menggunakan framework aplikasi QT. QT merancang tampilan dan mengembangkan aplikasi satu kali, kemudian menyebarkan aplikasi tersebut ke berbagai platform desktop dan platform mobile. QT Creator

menyediakan tool-tool menyeluruh dalam mengembangkan aplikasi dimulai dari memulai projek dan menyebarkan aplikasi ke berbagai target platform.

Salah satu kelebihan QT Creator adalah memungkinkan sebuah team pengembang aplikasi bekerja sama mengembangkan aplikasi dari berbagai

platform dengan menggunakan tool-tool dan debugging yang sama.

2.13

C++

Bahasa C++ adalah bahasa komputer atau bahasa pemrograman yang merupakan pengembangan dari bahasa C kemudian disempurnakan oleh Bjarne Stroustrup pada tahun 1980 menjadi “C with classes” dan berganti nama menjadi C++ pada tahun 1983. Bahasa C++ diciptakan untuk mendukung pemrograman berorientasi pada objek (Object Oriented Pragramming/OOP) yang tidak dimiliki C. Sementara itu, C merupakan bahasa pemrograman terbaik dilingkungannya, bahasa ini tidak memiliki kemampuan OOP. Reputasi C tidak diragukan lagi dalam menghasilkan program .EXE berukuran kecil, eksekusi yang cepat, antarmuka (interfacing) yang sederhana dengan bahasa lain dan fleksibilitas pemrograman. Yang membuat C tampak sukar dipelajari diperkirakan karena tiadanya pemeriksaan tipe. Sebagai contoh, dapat mencampur bilangan bulat dengan string untuk menghasilkan karakter. Namun, justru disitu letak fleksibilitas C, dapat mengolah data C sebebas mengolah data dalam bahasa assembly [14]. Pada

4.2.3 Kesimpulan Hasil Pengujian Akurasi

Berdasarkan hasil pengujian akurasi yang dilakukan oleh perangkat lunak menggunakan sumber string berupa potongan beberapa kalimat yang diambil dari salah satu sinopsis dengan panjang pattern yang diuji sepanjang 2 sampai 20 karakter ditemukan bahwa algoritma Reverse Colussi dan algoritma Zhu Takaoka

memiliki tingkat akurasi atau ketepatan dalam menemukan pola atau pattern yang terdapat pada sumber string saat melakukan pencocokan string sebanyak 100%. Sehingga dapat disimpulkan bahwa algoritma Reverse Colussi dan algoritma Zhu Takaoka sangat cocok digunakan dalam proses pencocokan string.

4.2.4 Skenario Pengujian Performansi

Pada pengujian performansi kedua algoritma ini akan di uji dengan data berupa sinopsis buku berbahasa sunda yang diambil dari Rumah Baca Buku Sunda.

4.2.2.2Pengujian Performansi

Dilakukan uji coba terhadap data sinopsis dari buku yang berjudul “Pasukan Siluman Haji Prawatasari (Bagian 2)”, berformat file .txt, jumlah karakter sebanyak 454 karakter, terdapat 36 karakter tak berulang. Pengujian akan dilakukan dengan panjang pattern sebanyak 2 sampai 20 karakter, karakter pada pola pattern dipilih secara acak oleh sistem. Untuk mengetahui waktu rata-rata, waktu terbaik dan waktu terburuk yang diperlukan oleh algoritma Reverse Colussi dan algoritma Zhu Takaoka, setiap panjang pattern akan diuji sebanyak 500 kali pengujian. Dapat dilihat pada Tabel 4.10 Hasil Pengujian Performansi Algoritma Reverse Colussi dan Zhu Takaoka.

126

Tabel 4.12 Hasil Pengujian Performansi Algoritma Reverse Colussi dan Zhu Takaoka

Nama File Jumlah Karakter pada File Jumlah Karakter tak berulang Panjang Pattern

Algoritma Zhu Takaoka Algoritma Reverse Colussi Waktu Preprocessing Waktu Pencocokan Waktu Preprocessing Waktu Pencocokan Pasukan Haji Prawatasari (Bagaian 2).txt

454 36

2 5.59 ms 0.03 ms 16.21 ms 0.13 ms

3 5.38 ms 0.05 ms 16.12 ms 0.15 ms

4 5.51 ms 0.04 ms 15.68 ms 0.15 ms

5 5.62 ms 0.12 ms 17.15 ms 0.15 ms

6 5.40 ms 0.06 ms 15.85 ms 0.13 ms

7 5.17 ms 0.06 ms 14.29 ms 0.12 ms

8 5.23 ms 0.02 ms 14.15 ms 0.07 ms

9 5.87 ms 0.03 ms 14.84 ms 0.11 ms

10 5.90 ms 0.06 ms 14.86 ms 0.10 ms

11 6.56 ms 0.05 ms 14.83 ms 0.08 ms

12 5.74 ms 0.05 ms 13.91 ms 0.18 ms

13 6.51 ms 0.07 ms 15.32 ms 0.15 ms

14 5.70 ms 0.06 ms 15.15 ms 0.14 ms

15 5.81 ms 0.02 ms 15.24 ms 0.11 ms

16 5.32 ms 0.07 ms 15.90 ms 0.16 ms

17 4.65 ms 0.05 ms 14.29 ms 0.10 ms

18 4.15 ms 0.05 ms 14.32 ms 0.12 ms

19 4.75 ms 0.03 ms 13.59 ms 0.08 ms

20 4.34 ms 0.07 ms 14.79 ms 0.15 ms

4.2.5 Kesimpulan Hasil Pengujian Performansi

Berdasarkan hasil pengujian terhadap perangkat lunak dapat ditarik kesimpulan bahwa perangkat lunak dapat berfungsi sesuai yang diharapkan serta perangkat lunak yang dibangun telah cukup memenuhi tujuan awal pembangunan. Algoritma Reverse Colussi cenderung lebih lambat dalam pencocokan pola menggunakan data sinopsis buku berbahasa sunda dari Rumah Baca Buku Sunda dibandingkan dengan algoritma Zhu-Takaoka.

Pada pengujian salah satu data sinopsis dari buku yang berjudul “Pasukan Siluman Haji Prawatasari (Bagian 2)” dan berformat .txt, dilakukan pengujian dengan jumlah pattern yang berbeda, yaitu 2 sampai 20 karakter dan setiap panjang karakter diuji sebanyak 500 kali percobaan. Karakter pada pattern yang digunakan untuk pengujian, dipilih secara acak oleh sistem. Algoritma Reverse Colussi

membutuhkan waktu rata-rata preprocessing selama 15.08 ms dan waktu rata-rata pencocokan pattern selama 0.13 ms sedangkan Algoritma Zhu Takaoka

membutuhkan waktu rata-rata preprocessing selama 5.43 ms dan waktu rata-rata pencocokan pattern selama 0.05 ms.

Dari hasil pengujian tersebut terlihat bahwa waktu rata-rata yang digunakan algoritma Reverse Colussi pada saat preprocessing lebih lama dibandingkan dengan waktu rata-rata preprocessing yang digunakan oleh algoritma Zhu Takaoka, begitupun pada saat pencocokan, rata-rata waktu yang digunakan oleh algoritma

Reverse Colussi lebih banyak dibandingkan dengan algoritma Zhu Takaoka, meskipun perbedaanya tidak terlalu jauh, akan tetapi pengujian tersebut sudah bisa membuktikan bahwa algoritma Zhu Takaoka lebih cepat dalam melakukan pencocokan pola menggunakan data sinopis buku berbahasa sunda yang diambil dari Rumah Baca Buku Sunda.

129

BAB 5

KESIMPULAN DAN SARAN

Pada bab ini akan dikemukakan kesimpulan yang dapat diperoleh dari bab-bab sebelumnya serta saran untuk perbaikan dan pengembangan sistem lebih lanjut.

5.1

Kesimpulan

Berdasarkan penelitian mengenai perbandingan algoritma Reverse Colussi

dan algoritma Zhu Takaoka, penguji berhasil mengetahui akurasi dan performansi yang diuji pada kedua algoritma tersebut. Hasil dari penelitian ini menunjukan bahwa kedua algoritma memiliki tingkat akurasi pada saat pencocokan string yaitu sebanyak 100%, dapat dipastikan bahwa kedua algoritma sangat cocok digunakan pada proses pencocokan string. Kemudian kedua algoritma diuji dengan menggunakan panjang pattern sebanyak 2 sampai 20 karakter untuk mengetahui waktu yang digunakan oleh kedua algoritma tersebut, dan didapatkan hasil bahwa Algoritma Reverse Colussi membutuhkan waktu rata-rata preprocessing selama 15.08 ms dan waktu rata-rata pencocokan pattern selama 0.13 ms sedangkan Algoritma Zhu Takaoka membutuhkan waktu rata-rata preprocessing selama 5.43 ms dan waktu rata-rata pencocokan pattern selama 0.05 ms. Dari hasil tersebut dapat terlihat bahwa algoritma Zhu Takaoka lebih optimal dalam kecepatan waktu

preprocessing dan waktu pencocokan pola dibandingkan dengan algoritma Reverse Colussi dalam proses mencocokan string menggunakan data masukan berupa sinopsis buku berbahasa sunda yang diambil dari Rumah Baca Buku Sunda. Sehingga dapat disimpulkan bahwa dari kedua algoritma pengembangan Boyer Moore, algoritma Zhu Takaoka lebih optimal dan cocok untuk digunakan dalam mencari dan mencocokan kata pada data sinopsis buku berbahasa sunda dari Rumah Baca Buku Sunda.

130

5.2

Saran

Berdasarkan hasil pengujian yang telah dilakukan, maka saran yang diharapkan setelah dilakukannya analisis dan perbandingan algoritma Reverse Colussi dan Zhu Takaoka pada pencocokan string.

Algoritma Reverse Colussi dan algoritma Zhu Takaoka memiliki tingkat akurasi sebanyak 100% pada proses pencocokan string. Dengan data tersebut kedua algoritma bisa dicoba diimplementasikan pada studi kasus yang berbeda yang membutuhkan akurasi tinggi pada proses pencocokan string, seperti melakukan implementasi salah satu algoritma atau melakukan perbandingan kedua algoritma terhadap proses pencarian pada information retrival.