Penentuan Kemiripan Data Karya Ilmiah IPB Menggunakan Algoritme Levenshtein

PENENTUAN
AN KEMIRIPAN DATA KARYA ILM
LMIAH IPB
MENGGU
GGUNAKAN ALGORITME LEVENSHTEI
SHTEIN

WIKHDAL KHUSNAINI

DEP
EPARTEMEN ILMU KOMPUTER
FAKULTAS MATE
TEMATIKA DAN ILMU PENGETAHU
GETAHUAN ALAM
IN
INSTITUT
PERTANIAN BOGOR
BOGOR
2012

PENENTUAN KEMIRIPAN DATA KARYA ILMIAH IPB

MENGGUNAKAN ALGORITME LEVENSHTEIN

WIKHDAL KHUSNAINI

Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer pada
Departemen Ilmu Komputer

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2012

ABSTRACT
WIKHDAL KHUSNAINI. Determining Similarity of IPB Scientific Data Using Levenshtein
algorithm. Supervised by FIRMAN ARDIANSYAH.
IPB Scientific Data is documented periodically. This data can be used for academics and
researchers to get a reference of particular research study. In this research, Levenshtein algorithm

was implemented to determine the similarity between titles. The concept for calculating
Levenshtein distance is minimum number of edit operations required to transform a string into
another string that consists of 3 operations: 1) insertion, 2) substitution, and 3) deletion.
The research shows that implementation of Levenshtein distance to determine the similirity of
scientific data is difficult to be able to obtain high persentage of similarity. And the similarity rate
of 34% can be used as a threshold to determine the similarity of scientific data with the title as
identifier. This is able to increase AVP curve.
Keywords: edit distance, Levenshtein algorithm, Levenshtein distance.

.

Penguji:
Endang Purnama Giri,S.Kom., M.Kom.
Annisa, S.Kom., M.Kom.

Judul Skripsi

:

Nama

NIM

:
:

Penentuan Kemiripan Data Karya Ilmiah IPB Menggunakan Algoritme
Levenshtein
Wikhdal Khusnaini
G64053204

Menyetujui
Pembimbing,

Firman Ardiansyah, S.Kom., M.Si.
NIP: 19790522 200501 1 003

Mengetahui
Ketua Departemen,

Dr. Ir. Agus Buono, M.Si., M.Kom.

NIP. 19660702 199302 1 001

Tanggal Lulus :

PRAKATA
Puji dan syukur penulis panjatkan kepada Allah Subhanahuwata’ala atas segala limpahan
nikmat dan karunia-Nya sehingga penulis dapat menyelesaikan penelitian ini. Tulisan ini
merupakan hasil penelitian penulis sebagai salah satu syarat untuk meraih gelar sarjana komputer.
Bidang kajian ini berjudul Penentuan Kemiripan Menggunakan Algoritme Levenshtein pada Data
Karya Ilmiah IPB.
Ucapan terima kasih penulis sampaikan kepada pihak-pihak yang telah membantu dan
memberikan dukungan dalam menyelesaikan penelitian ini, khususnya kepada kedua orang tua
tercinta, Ayahanda Suharmanu dan Ibunda Ellyk Zuhriana, serta keempat adik tersayang yang
telah memberikan inspirasi dan motivasi penulis dalam mengarungi samudera kehidupan ini, Nia
Qonitat, Hafidlotun Nafisah, Zakiyah Dzaki, dan Abdurrahman Awwab. Pakpuh Zubaidi dan
Budhe Ernie yang telah banyak membantu dan mengarahkan penulis di saat menjalani masa-masa
sulit. Terima kasih tak terhingga kepada rekan-rekan seperjuangan atas inspirasi dan keceriaan
yang telah diberikan sehingga penulis berani menggantungkan, mengejar, dan meraih impian di
biru langit nan jauh di sana meski dalam kondisi sesulit medan perang di jurang bebatuan terjal.
Teristimewa Adinda Mardiana yang tiada pernah lelah mengubah kerikil-kerikil tajam di jalanan

panjang penuh onak menjadi hamparan mutiara berkilau indah berpendar bening oase sahara nan
luas.
Penulis juga ingin berterima kasih kepada semua dosen Ilmu Komputer IPB, khususnya Ibu
Annisa, S.Kom., M.Kom., Bapak Wisnu Ananta Kusuma, ST., MT., Bapak Endang Purnama Giri,
S.Kom., M.Kom., dan Bapak Firman Ardiansyah, S.Kom., M.Si. selaku dosen PA dan
pembimbing TA yang telah sabar membimbing, memotivasi, dan berbagi ilmu kepada penulis.
Ucapan terima kasih tidak lupa penulis sampaikan kepada teman-teman Ilkomerz42 yang tidak
bosan-bosannya mengingatkan dan memberikan support dalam menyelesaikan tugas penulis
sebagai mahasiswa.
Penulis menyadari bahwa pelaksanaan penelitian ini masih jauh dari kesempurnaan, namun
penulis berharap semoga apa yang telah dikerjakan dapat bermanfaat bagi semua pihak.

Bogor, Februari 2012

Wikhdal Khusnaini

RIWAYAT HIDUP
Penulis dilahirkan di Kediri pada tanggal 10 Desember 1986 dari Ayah Suharmanu dan Ibu
Ellyk Zuhriana. Penulis merupakan putra sulung dari 6 bersaudara. Penulis menyelesaikan studi
Sekolah Menengah Atas (SMA) di SMA 1 Kediri pada tahun 2005, kemudian di tahun yang sama

berhasil masuk Institut Pertanian Bogor (IPB) melalui jalur SPMB. Di tahun kedua, penulis
berhasil masuk Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam,
Institut Pertanian Bogor setelah melalui Tingkat Persiapan Bersama selama satu tahun.
Di luar kegiatan belajar di kelas, sejak duduk di bangku SMP, penulis sudah aktif dalam
dalam organisasi OSIS. Menginjak SMA, penulis aktif dalam berbagai kegiatan ekstrakurikuler,
antara lain aktif di OSIS, Rohis, dan Aliansi Pelajar Islam Kediri (APIK). Selama aktif sebagai
mahasiswa, penulis sempat berpartisipasi dalam organisasi Himalkom dan berbagai komunitas
lainnya. Di luar itu, penulis pernah menimba pengalaman menjadi asisten praktikum dan
bertanggung jawab dalam manajemen IT dan distribusi di Ta’awun Publisher, Bogor. Menjadi
direktur SDM di CV. Wiora Sakana Fresh sempat menjadi bagian dari sejarah hidup penulis.
Setelah melalui sekian banyak pengalaman pahit dan manis dalam berbisnis, penulis kini aktif di
Winagreen Nursery dan Mutiara Eksakta. Direktorat Komunikasi dan Sistem Informasi IPB ikut
mewarnai kisah perjalanan pengabdian pada almamater tercinta.

DAFTAR ISI
Halaman
DAFTAR TABEL ............................................................................................................................ vi
DAFTAR GAMBAR ....................................................................................................................... vi
DAFTAR LAMPIRAN .................................................................................................................... vi
PENDAHULUAN............................................................................................................................. 1

Latar Belakang .............................................................................................................................. 1
Tujuan ........................................................................................................................................... 1
Ruang Lingkup ............................................................................................................................. 1
Manfaat Penelitian ........................................................................................................................ 1
TINJAUAN PUSTAKA.................................................................................................................... 1
String ............................................................................................................................................ 1
Kemiripan Antara Dua Dokumen ................................................................................................. 2
Evaluasi Temu Kembali Informasi ............................................................................................... 2
Levenshtein Distance .................................................................................................................... 2
METODE PENELITIAN .................................................................................................................. 3
Pengumpulan Data dan Analisis ................................................................................................... 3
Pembuatan Aplikasi dengan Algoritme Levenshtein .................................................................... 3
Percobaan dan Evaluasi Hasil ....................................................................................................... 4
Evaluasi Kinerja Program ............................................................................................................. 4
HASIL DAN PEMBAHASAN ......................................................................................................... 4
Pengumpulan data ......................................................................................................................... 4
Pembuatan Aplikasi dengan Algoritme Levenshtein .................................................................... 4
Percobaan...................................................................................................................................... 5
Evaluasi kinerja program .............................................................................................................. 6
KESIMPULAN DAN SARAN ......................................................................................................... 8

Kesimpulan ................................................................................................................................... 8
Saran ............................................................................................................................................. 8
DAFTAR PUSTAKA ....................................................................................................................... 8
LAMPIRAN .................................................................................................................................... 10

v

DAFTAR TABEL
Halaman
1 Matriks Levenshtein ...................................................................................................................... 3
2 Jumlah string judul percobaan berdasar substring yang terdapat di dalamnya ............................. 5
3 Sebaran jumlah dokumen ditemukan berdasar persentase kemiripan dari 10 query judul
terhadap semesta 100 dokumen relevan random .......................................................................... 5
4 Rataan dokumen relevan berdasar tingkat threshold ..................................................................... 6
5 Rataan dokumen yang ditemukan berdasar tingkat threshold ....................................................... 6
6 Rataan recall dan precision berdasar tingkat threshold ................................................................ 7

DAFTAR GAMBAR
Halaman
1 Kesamaan string A = “tarik” dengan string B = “tari” dengan jumlah perbedaan maksimum

satu perbedaan............................................................................................................................... 2
2 String A = “tarik” tidak sama dengan string B = “taro” pada k = 1. ............................................. 2
3 Deskripsi model sistem. ................................................................................................................ 3
4 Pembandingan 5 x 5 utuh .............................................................................................................. 4
5 Pembandingan 5 x 5 setelah diseleksi ........................................................................................... 4
6 Kurva recall-precision tanpa threshold. ........................................................................................ 7
7 Kurva AVP berdasar tingkat threshold. ........................................................................................ 7
8 Kurva perbandingan AVP sebelum dan sesudah dilakukan threshold. ......................................... 8

DAFTAR LAMPIRAN
Halaman
1
2
3
4
5

Sebaran jumlah judul berdasar persentase kemiripan dari 10 dokumen random ........................ 10
Dokumen yang ditemukan pada uji 10 query judul random ....................................................... 11
Dokumen relevan dari 10 query random ..................................................................................... 11

Nilai recall-precision sebelum dilakukan threshold ................................................................... 11
Nilai recall-precision setelah dilakukan threshold ...................................................................... 12

vi

1

PENDAHULUAN
Latar Belakang
Institut Pertanian Bogor (IPB) sebagai
sebuah institusi pendidikan tinggi tidak dapat
dipisahkan dengan data karya ilmiah. Semakin
bertambah usia, semakin berlimpah data yang
dilahirkan dan harus dikelola dengan rapi.
Untuk
itu,
IPB
secara
berkala
mendokumentasikan data tersebut dalam

bentuk digital repository demi menunjang
kemudahan dalam berbagi informasi antar
institusi dan antar peneliti. Dengan Digital
Repository yang terintegrasi dengan baik,
setiap mahasiswa, dosen, dan peneliti yang
ada di perguruan tinggi bisa menjadi lebih
produktif dalam berkarya. Hal ini dikarenakan
mereka dapat saling mempublikasikan, saling
menelusuri, dan saling mempelajari informasi
arsip hasil penelitian, arsip jurnal, dan arsip
lainnya di setiap institusi pendidikan (Raditya
2010).
Kumpulan data karya ilmiah ini dapat
dimanfaatkan
untuk
melihat
maupun
menelusuri judul-judul yang memiliki
kemiripan terhadap suatu judul tertentu.
Dengan diolah sedemikian rupa, seharusnya
data ini dapat dimanfaatkan oleh penelitipeneliti dan civitas akademika IPB khususnya,
untuk dilakukan penelitian lebih mendalam
terhadap suatu kajian tertentu, misalnya untuk
mencari seberapa dalam suatu topik tertentu
sudah diteliti di kampus ini.
Penentuan tingkat kemiripan dilakukan
dengan menggunakan algoritme Levenshtein.
Levenshtein distance, atau biasa disebut
dengan algoritme edit distance, secara umum
merupakan
sebuah
algoritme
untuk
menghitung tingkat perbedaan dua string.
Algoritme ini menghitung jumlah minimum
yang dibutuhkan untuk mentransformasikan
satu string ke string yang lain dengan operasi
pengeditan yang diizinkan menggunakan
penyisipan, penghapusan, atau substitusi
karakter tunggal.
Penelitian tentang penentuan kemiripan
dengan menggunakan algoritme Levenshtein
pernah dilakukan oleh Limbong (2011), pada
pengaturan format skripsi. Arumsari (1998)
menggunakan jarak edit untuk memeriksa
ejaan bahasa Indonesia. Sutisna (2009)
melakukan koreksi ejaan query bahasa
Indonesia menggunakan algoritme Damerau
Levenshtein.

Tujuan
Tujuan dari penelitian ini adalah
mengimplementasikan algoritme Levenshtein
untuk menentukan tingkat kemiripan data
karya ilmiah IPB, dalam hal ini judul skripsi.
Ruang Lingkup
Penelitian ini terbatas pada implementasi
algoritme Levenshtein untuk menentukan nilai
kemiripan data (judul) karya ilmiah.
Manfaat Penelitian
Penelitian
ini
diharapkan
dapat
memberikan
referensi
dalam
proses
penggalian informasi kemiripan antar data
karya ilmiah IPB sehingga nantinya civitas
akademika IPB dapat dengan mudah mencari
judul-judul karya ilmiah yang mirip dengan
suatu judul tertentu.
TINJAUAN PUSTAKA
String
String merupakan rangkaian beberapa
karakter, yang dapat berupa angka, huruf,
tanda baca, operator, dan lain-lain. Sebagai
contoh ‘a’, ‘2’, dan ‘+’ merupakan suatu
karakter, sedangkan “abc” dan “2a”
merupakan suatu string (Arumsari 1998).
Kumpulan karakter yang digunakan untuk
membentuk string disebut gugus ∑. Misalnya
∑
, maka string yang dapat dibuat
,
adalah “a”, “b”, “ab”, “ba”, “aba”, “bab”, dan
seterusnya.
Hopcroft et al. (1979) mendefinisikan
string sebagai rangkaian terbatas dari simbolsimbol yang dipilih dari beberapa alfabet.
Misalnya, 01101 merupakan string alfabet
biner ∑ {0,1}.
Panjang string w dinyatakan dengan |w|,
yaitu jumlah karakter yang tersusun di dalam
string. Sebagai contoh, “abcde” memiliki
panjang 5 dan panjang string kosong (| |)
adalah 0 (Arumsari 1998).
Panjang string dapat ditentukan dengan
menghitung jumlah posisi dari masing-masing
simbol dalam sebuah string. Dengan kata lain,
panjang string merupakan “jumlah simbol”
dalam sebuah string (Hopcroft & Ullman
1979).
Secara sekilas, definisi “jumlah simbol”
memang dapat diterima. Namun, secara ketat
tidak. Sebagai contoh, string 01101 memiliki
dua buah simbol, yaitu 0 dan 1. Namun,
apabila dihitung dari jumlah posisinya ada

2

lima sehingga secara lebih aman definisi
panjang string lebih pada “jumlah posisi
simbol” dalam string.
Dua string dikatakan sama apabila
keduanya memiliki panjang dan susunan
karakter yang sama. String A dan string B
dikatakan sama apabila susunan karakter
string A sama dengan susunan karakter pada
string B. Karakter pertama pada string A sama
persis dengan karakter pertama pada string B.
Karakter kedua pada string A sama persis
dengan karakter kedua pada string B.
Demikian juga dengan karakter ketiga,
keempat, dan seterusnya hingga karakter ke-n
string A harus sama dengan karakter pada ke-n
string B (Arumsari 1998).
Kemiripan Antara Dua Dokumen
Suatu string dikatakan memiliki kesamaan
dengan jumlah perbedaan karakter maksimum
k apabila ada maksimum k karakter yang
berbeda dari susunan karakter yang terdapat
pada kedua string tersebut dan selisih panjang
dari kedua string yang akan dibandingkan
lebih kecil atau sama dengan k. Sebagai
contoh, k = 1, A = “tarik”, dan B = “tari”.
String A dikatakan sama dengan string B
dengan jumlah perbedaan karakter maksimum
satu perbedaan. Karena string B tepat sama
dengan empat karakter dari string A, jumlah
perbedaannya bisa diperoleh dari selisih
panjang kedua string tersebut.

Akan tetapi, jika string B = “taro”, maka
string A tidak dapat dikatakan sama dengan
string B pada k = 1. Hal ini dikarenakan
jumlah perbedaan dari kedua string tersebut
lebih dari k (Gambar 2), yaitu karakter
keempat dari kedua string berbeda dan
karakter ke-5 dari string A tidak mempunyai
karakter pembanding pada string B.
Evaluasi Temu Kembali Informasi
Manning (2008) menjelaskan dasar
pengukuran keefektifan temu kembali
informasi adalah recall dan precision. Recall
merupakan jumlah dokumen relevan yang
ditemukembalikan,
sementara
precision
adalah jumlah dokumen relevan dari
dokumen-dokumen yang ditemukembalikan.
Average Precision (AVP) adalah suatu
ukuran evaluasi temu kembali yang diperoleh
dengan menghitung rata-rata precision pada
berbagai
tingkat
recall
yang
ditemukembalikan. Tingkat recall standar
yang digunakan adalah eleven standard recall,
yaitu 0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9,
dan 1.
Precision yang diinterpolasi maksimum
pada standar recall level ke-j adalah precision
maksimum pada suatu level recall antara level
j dan level (j+1). Sebaliknya, interpolasi
minimum adalah precision minimum pada
suatu level recall antara level j dan level (j-1).
Levenshtein Distance

Gambar 1

Kesamaan string A = “tarik”
dengan string B = “tari” dengan
jumlah perbedaan maksimum
satu perbedaan.

Dari Gambar 1, dapat diperhatikan bahwa
karakter “k” atau karakter ke-5 dari string A
tidak mempunyai karakter pembanding pada
string B.

Gambar 2

String A = “tarik” tidak sama
dengan string B = “taro” pada k
= 1.

Jika diberikan dua buah string s1 dan s2,
jarak
edit
antara
keduanya
adalah
jumlah minimum operasi edit yang diperlukan
untuk mengubah s1 ke s2. Pada umumnya,
operasi mengedit dilakukan untuk: (i)
menyisipkan karakter menjadi string, (ii)
menghapus karakter dari suatu string, dan (iii)
mengganti karakter string dengan karakter
lain. Oleh karena itu, operasi menghitung
jarak ini biasa dikenal dengan Levenshtein
distance (jarak Levenshtein). Sebagai contoh,
jarak edit antara cat dan dog adalah 3.
Berikut adalah algoritme pemrograman
dinamis untuk menghitung jarak edit antara
string s1 dan s2 (Manning 2008):
EditDistance(s1, s2)
int m[|s1|, |s2|] = 0
for i ← 1 to |s1|
do m[i, 0] = i
for j ← 1 to |s2|
do m[0, j] = j
for i ← 1 to |s1|
do for j ← 1 to |s2|
do m[i, j] = min{

3

m[i − 1, j − 1] +
if
(s1[i]
=
then 0 else 1fi,
m[i − 1, j] + 1,
m[i, j − 1] + 1

s2[j])

}
return m[|s1|, |s2|]

Tabel 1 Matriks Levenshtein
k

i

t

t

e

n

0

1

2

3

4

5

6

s

1

1

2

3

4

5

6

i

2

2

1

2

3

4

5

t

3

3

2

1

2

3

4

t

4

4

3

2

1

2

3

i

5

5

4

3

2

2

3

n

6

6

5

4

3

3

2

g

7

7

6

5

4

4

3

Matriks pada Tabel 1 merupakan contoh
perhitungan jarak Levenshtein antara kata
“kitten” dan “sitting”. Antara keduanya
memiliki jarak edit sebesar 3. Pengubahan dari
kata “kitten” ke “sitting” meliputi tiga kali
operasi edit. Angka 3 merupakan angka
terkecil untuk mengubah “kitten” menjadi
“sitting”.
“kitten”

“sitten” (subtitusi ‘k’ dengan ‘s’)

“sitten”

“sittin” (subtitusi ‘e’ dengan ‘i’)

“sittin”
“sitting” (menambahkan ‘g’ pada
karakter terakhir)
Dalam bahasa singkatnya, Jokinen (1988)
menjelaskan bahwa jarak edit antara dua
string, A dan B pada alfabet ∑, dapat
didefinisikan sebagai jumlah terkecil dari
banyaknya operasi perubahan yang dilakukan
untuk mengubah string A menjadi string B.
Masing-masing langkah operasi edit adalah
(penghapusan),
(penyisipan),
atau
(penggantian) dengan a,b anggota
∑ dan merupakan string kosong.
METODE PENELITIAN
Metode yang digunakan dalam penelitian
ini dilakukan dengan tahap-tahap sebagai
berikut.
1
2
3
4

Pengumpulan data dan analisis
Pembuatan aplikasi
Percobaan dan evaluasi hasil
Evaluasi kinerja program

Gambar 3 Deskripsi model sistem.
Pengumpulan Data dan Analisis
Pada tahap ini, data dikumpulkan
kemudian dianalisis pola dan struktur datanya
untuk dilakukan proses pembuatan aplikasi
pada tahap selanjutnya.
Pembuatan Aplikasi dengan Algoritme
Levenshtein
Tahap ini merupakan inti dari penelitian,
yaitu
mengimplementasikan
algoritme
Levenshtein untuk menentukan tingkat
kemiripan antarjudul karya ilmiah di IPB.
Alur kerja aplikasi penentuan kemiripan antar
judul ini seperti digambarkan pada Gambar 3.
Data karya ilmiah tidak hanya memuat
informasi judul saja. Selain itu terdapat
informasi mengenai tahun dan nama penulis.
Dalam penelitian ini, hanya judul saja yang
dilakukan pembandingan dengan operasi
Levenshtein. Oleh karena itu diperlukan
sebuah indeks yang memuat informasi hasil
pembandingan antar judul.
Indeks yang diperoleh disimpan dalam
pangkalan data yang sama. Indeks disimpan
setelah diperoleh hasil pembandingan dengan
menghitung jarak edit dan kemudian
menghitung persentase kemiripan setelah
sebelumnya diperoleh jarak edit judul-judul
antar dokumen yang dibandingkan.

4

Indeks yang telah tersimpan dalam
pangkalan data tersebut dapat diolah untuk
memberikan informasi kemiripan antar judul
karya ilmiah berikut dengan persentase
kemiripan, nama penulis, dan tahun penulisan.

seperlunya untuk melihat pola yang
berkembang saat diterapkan algoritme ini.

Percobaan dan Evaluasi Hasil

Dalam penelitian ini, pembuatan aplikasi
belum difokuskan pada penerapan konsepkonsep Interaksi Manusia dan Komputer
(IMK), namun lebih difokuskan pada
penerapan algoritme Levenshtein.

Percobaan dilakukan untuk mengamati
kinerja
algoritme
Levenshtein
dalam
menentukan tingkat kemiripan antar string
(dalam hal ini judul skripsi). Dalam
penelitian-penelitian sebelumnya, algoritme
Levenshtein digunakan untuk menentukan
kemiripan antar string yang tidak terlalu
panjang (kata), sementara dalam penelitian ini
digunakan untuk menentukan kemiripan antar
judul yang tersusun dari beberapa kata.
Percobaan dilakukan dengan memasukkan
data karya ilmiah yang telah dipilih secara
acak, kemudian dilakukan pembandingan
antar judul dari semua judul yang ada.
Evaluasi Kinerja Program
Evaluasi dilakukan dengan pengamatan.
Hal ini dilakukan untuk mengetahui kinerja
algoritme Levenshtein dalam menemukan
string (judul) dengan tingkat kemiripan paling
tinggi hingga paling rendah. Threshold dan
besaran yang dapat digunakan untuk
memotong list judul yang ditampilkan.
Asumsi
Asumsi yang digunakan dalam penelitian
ini antara lain:
•
•
•

Pembandingan operasi Levenshtein
hanya diterapkan pada dokumen judul.
Jumlah dokumen yang dianggap relevan
sudah diketahui sebelumnya.
Algoritme Levenshtein pada penelitian
ini bersifat case sensitive.
HASIL DAN PEMBAHASAN

Pengumpulan data
Penelitian ini menggunakan data skripsi
IPB. Data diambil dari data digital repository
IPB dalam bentuk file teks dengan format
CSV. Data berasal dari tahun 1956 hingga
tahun 2011. Jumlah data skripsi adalah 22833
dokumen.
Penelitian ini lebih difokuskan pada
pengamatan kinerja algoritme Levenshtein
dalam
memberikan
informasi
tingkat
kemiripan antarjudul karya ilmiah di IPB. Saat
dilakukan percobaan, beberapa data diubah

Pembuatan Aplikasi dengan Algoritme
Levenshtein

(J1,J1)

(J2,J1)

(J3,J1)

(J4,J1)

(J5,J1)

(J1,J2)

(J2,J2)

(J3,J2)

(J4,J2)

(J5,J2)

(J1,J3)

(J2,J3)

(J3,J3)

(J4,J3)

(J5,J3)

(J1,J4)

(J2,J4)

(J3,J4)

(J4,J4)

(J5,J4)

(J1 J5)

(J2,J5)

(J3,J5)

(J4,J5)

(J5,J5)

Gambar 4 Pembandingan 5 x 5 utuh.
Aplikasi menentukan kemiripan data karya
ilmiah dengan membandingkan antar judul.
Apabila suatu data yang dimasukkan memiliki
100 judul, akan ada 100x100 atau 10000 kali
pembandingan antar judul. Sebagai gambaran,
misalnya pada data yang dibandingkan
terdapat 5 judul. Jika J adalah himpunan
seluruh judul, terdapat judul-judul J1, J2, J3, J4,
dan
J 5,
operasi
Levenshtein
akan
membandingkan
kombinasi
judul
sebagaimana digambarkan pada Gambar 4.
Dapat dipastikan, nilai Levenshtein (Ji, Ji)
adalah nol (sama persis) karena merupakan
pembandingan terhadap diri sendiri.
Demikian
pula
dengan
kasus
pembandingan antara J1 terhadap J2 dapat
dipastikan memiliki tingkat kemiripan sama
dengan J2 terhadap J1. Pembandingan ini
bersifat kombinasi dengan (J1, J2) = (J2, J1),
(J1, J3) = (J3, J1), dan seterusnya. Dengan
demikian,
tidak
perlu
dilakukan
pembandingan dua kali. Artinya, apabila ingin
mengetahui Levenshtein (J1, J2) dan (J2, J1),
jika telah didapatkan nilai Levenshtein (J1, J2),
tidak perlu dicari lagi nilai Levenshtein (J2, J1)
sehingga kombinasi operasi pembandingan
antar judul sebagaimana pada Gambar 5.
(J1,J1)

(J2,J1)

(J3,J1)

(J4,J1)

(J5,J1)

(J1,J2)

(J2,J2)

(J3,J2)

(J4,J2)

(J5,J2)

(J1,J3)

(J2,J3)

(J3,J3)

(J4,J3)

(J5,J3)

(J1,J4)

(J2,J4)

(J3,J4)

(J4,J4)

(J5,J4)

(J1,J5)

(J2,J5)

(J3,J5)

(J4,J5)

(J5,J5)

Gambar 5 Pembandingan 5 x 5 setelah
diseleksi.

5

Apabila indeks telah diperoleh dan
disimpan dalam pangkalan data, list judul
dapat ditampilkan, termasuk menampilkan list
judul yang mirip dengan suatu judul tertentu
berikut informasi penulis dan tahun penulisan
dengan diurutkan berdasar tingkat kemiripan
judul dari yang paling mirip hingga yang
kurang mirip. Judul yang memiliki tingkat
kemiripan paling tinggi akan otomatis berada
di daftar list paling atas, sementara yang
memiliki jarak edit paling besar akan berada
di list paling bawah.
Misalnya suatu data memiliki 5 dokumen
judul dan ingin ditampilkan list judul yang
memiliki kemiripan terhadap judul J1.
Dihasilkan kombinasi jarak edit sebagai
berikut:
levenshtein(J1,J2)
levenshtein(J1,J3)
levenshtein(J1,J4)
levenshtein(J1,J5)

=
=
=
=

15
10
18
25

Apabila didapatkan hasil perhitungan nilai
Levenshtein sebagaimana kombinasi di atas,
maka judul yang memiliki tingkat kemiripan
paling tinggi hingga yang paling kurang dari
judul J1 adalah J3, J2, J4, dan yang terakhir J5.
Semakin besar nilai jarak edit, semakin
rendah tingkat kemiripan antara kedua string
(judul). Besar dan kecil nilai jarak edit
menjadi relatif dalam persentase kemiripan
terhadap string yang lain. Oleh karena itu,
LevenCom menampilkan tingkat kemiripan
antar judul pada antar muka dalam bentuk
persentase kemiripan. Rumus yang digunakan
untuk mendapatkan nilai persentase kemiripan
dua buah string A dan string B adalah:
Persentase Kemiripan (A,B) =
1

levenshtein(A,B)
×100%
max panjang A, panjang B)

Percobaan
Percobaan dilakukan menggunakan 100
dokumen acak. Seratus dokumen acak ini
merupakan gabungan dari masing-masing 10
dokumen yang dianggap relevan.
Dalam percobaan ini, dipilih secara acak
masing-masing 10 dokumen yang memiliki
judul dengan substring “aktivitas antibakteri”,
“aktivitas antioksidan”, “analisis kelayakan
finansial”, “analisis kepuasan pelanggan”,
“analisis strategi bisnis”, “biologi reproduksi”,
“ayam kampung”, “benih jagung”, “daging
ayam broiler”, dan “pengaruh pemupukan
nitrogen”. Terdapat 10 substring yang

digunakan sebagai identifier data relevan,
masing-masing memiliki 10 dokumen
sehingga jumlah semesta dokumen adalah
100. Rinciannya sebagaimana tertera pada
Tabel 2.
Tabel 2 Jumlah string judul percobaan
berdasar substring yang terdapat di
dalamnya
Substring
Aktivitas antibakteri
Aktivitas antioksidan
Analisis kelayakan finansial
Analisis kepuasan pelanggan
Analisis strategi bisnis
Biologi reproduksi
Ayam kampung
Benih jagung
Daging ayam broiler
Pengaruh pemupukan nitrogen

Jumlah
10
10
10
10
10
10
10
10
10
10

Percobaan dilakukan dengan mengambil
10 dokumen judul random sebagai quey.
Masing-masing judul tersebut mewakili 10
substring yang ada dan terdapat dalam
himpunan semesta dokumen. Satu judul
mewakili “aktivitas antibakteri”, satu judul
dengan substring “aktivitas antioksidan”, satu
judul “analisis kelayakan finansial”, dan
seterusnya. Pada sepuluh dokumen tersebut,
dilakukan pembandingan terhadap 100
dokumen semesta.
Dari uraian tersebut, hasil yang diharapkan
muncul dari setiap proses pembandingan
Levenshtein adalah 10 dokumen relevan yang
akan muncul di urutan paling atas.
Tabel 3 Sebaran jumlah dokumen ditemukan
berdasar persentase kemiripan dari 10
query judul terhadap semesta 100
dokumen relevan random
Persentase kemiripan
(%)
≥ 90
80 p < 90
70 p < 80
60 p < 70
50 p < 60
40 p < 50
30 p < 40
20 p < 30
10 p < 20
< 10

Rataan dokumen
ditemukan
1.0
0.0
0.1
0.0
0.4
2.7
11.7
72.2
11.9
0.0

6

Sebagaimana uraian pada Gambar 4 dan
Gambar 5, dari pembandingan 100 dokumen
terhadap dokumen itu sendiri dihasilkan 1000
hasil pembandingan. Masing-masing query
judul memiliki 100 kombinasi hasil
pembandingan. Hasil yang diperoleh pada
percobaan 10 query judul yang mewakili 10
substring sebagaimana ditunjukkan pada
Tabel 3.
Dari Tabel 3 (untuk detailnya lihat
Lampiran 1), sebaran banyak terpusat di range
20 hingga 30 persen dengan rataan 72.2
dokumen judul, kemudian diikuti range 10
sampai 20 persen sebanyak 11.9 judul dari 100
judul yang ada, kemudian range 30 hingga 40
persen sebanyak rata-rata 11.7 judul mengikuti
di urutan ketiga. Selebihnya, tidak ada yang
memiliki rataan lebih dari atau sama dengan 1.
Bahkan, pada kasus ini, tidak ditemukan
satupun judul yang memiliki persentase
kemiripan lebih dari 70 persen, kecuali hasil
pembandingan terhadap dokumen query judul
itu sendiri. Selain itu, tidak ditemukan judul
yang memiliki persentase kemiripan kurang
dari 10 persen di antara judul-judul yang lain.
Tabel 4 Rataan dokumen relevan berdasar
tingkat threshold
Threshold
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%

Rataan Dokumen Ditemukan
100.0
100.0
88.7
17.4
4.4
1.9
1.3
1.2
1.1
1.0
1.0

Dalam percobaan ini, rataan dokumen
yang ditemukan dalam proses pencarian pada
10 kueri percobaan sebagaimana dirincikan
pada Tabel 4 (detail rincian dapat dilihat pada
Lampiran 2). Sementara, dengan asumsi
dokumen dianggap relevan apabila judul
memiliki substring (Tabel 2) yang sama
dengan substring pada query judul, rataan
dokumen relevan yang muncul sebagaimana
ditunjukkan pada Tabel 5. Uraian lebih rinci
dapat dilihat pada Lampiran 3.

Tabel 5 Rataan dokumen yang ditemukan
berdasar tingkat threshold
Threshold
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%

Rataan Dokumen Relevan
10.0
10.0
9.8
7.7
3.9
1.8
1.3
1.2
1.1
1.0
1.0

Tabel 4 dan Tabel 5 menjelaskan kinerja
yang terjadi dengan penggunaan threshold,
mulai dari 0 persen hingga 100 persen
kemiripan. Percobaan pada beberapa tingkat
threshold ini digunakan untuk melakukan
evaluasi pemotongan angka kemiripan
minimal yang perlu ditampilkan pada sistem.
Penggunaan threshold kurang dari 10%
tidak mempengaruhi kinerja program. Jumlah
dokumen yang dihasilkan tidak berubah
dengan atau tanpa penggunaan threshold.
Demikian halnya dengan threshold di atas
90%.
Penggunaan
threshold
justru
menyebabkan sistem tidak dapat menemukan
dokumen yang memiliki kemiripan terhadap
dokumen kueri judul yang dimasukkan,
kecuali penemuan pada judul itu sendiri.
Penggunaan threshold efektif pada rentang
20% hingga 80%.
Evaluasi kinerja program
Dari
hasil
percobaan,
penggunaan
algoritme Levenshtein untuk menentukan
kemiripan antar judul karya ilmiah tidak dapat
dikatakan benar-benar efektif. Hal ini dapat
ditinjau dari sebaran tingkat persentase
kemiripan yang dihasilkan. Sebaran sebagian
besar terpusat di rentang kemiripan 10 hingga
40 persen. Persentase kemiripan tidak terlalu
tinggi. Hanya sedikit yang berada di atas
angka persentase tersebut.
Bagaimana pun, suatu judul karya ilmiah
tersusun atas beberapa kata yang terangkai
menjadi sebuah kalimat judul. Algoritme
Levenshtein bekerja pada string dan
menganggap satu rangkaian kalimat judul
sebagai sebuah string, sementara rangkaian
kalimat judul sendiri ada yang panjang dan
ada pula yang pendek.

7

1

0.91333
0.91071
0.85777
0.81107

0.9
0.8
precision

Gambar 7. Secara lebih rinci, nilai precision
pada tiap-tiap tingkat recall dapat dilihat pada
Lampiran 4.

1 1

0.72364
0.67385
0.62104

0.7
0.6

0.57667
0.5
0.44083

0.4
0.3
0.2
0.1
0
0

0.2

0.4

0.6

0.8

1

recall
Gambar 6 Kurva recall-precision tanpa
threshold.
Dengan menggunakan eleven standard
recall, diperoleh kurva AVP sebagaimana
terlihat pada Gambar 6.

Demikian halnya dengan range lebih dari
60 persen. Nilai threshold juga tidak dapat
diterapkan pada selang ini. Meskipun nilai
precision yang diperoleh sangat tinggi, nilai
recall-nya sangat rendah. Bahkan, nilai
precision pada selang 90 persen ke atas, nilai
recall yang dihasilkan hanya 0.1.
Selang kemiripan yang memungkinkan
untuk dijadikan sebagai threshold adalah di
antara 20 persen dan 60 persen. Threshold 30
persen memiliki recall 0.77, namun nilai
precision hanya 0.4425287. Sebaliknya,
threshold 40 persen memiliki precision
0.8863636 namun recall-nya hanya 0.39.
Dengan
menghitung
titik
potong
persamaan linier yang dibentuk oleh keempat
titik pada selang 30 dan 40 persen, diperoleh
angka 33.974962% atau dapat dibulatkan
menjadi 34%. Pada titik tersebut, kedua kurva
bertemu dengan nilai precision 0.6189514.
Dibandingkan angka 30 dan 40 persen, nilai
ini relatif lebih baik untuk dijadikan threshold.
Titik threshold 30 persen memiliki ketepatan
kurang dari 0.5. Sementara 40 persen memiliki
perolehan yang cukup rendah meskipun
memiliki ketepatan yang relatif tinggi.

0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%

Recall
1.00
1.00
0.98
0.77
0.39
0.18
0.13
0.12
0.11
0.10
0.10

Rataan
Precision
0.1000000
0.1000000
0.1104848
0.4425287
0.8863636
0.9473684
1.0000000
1.0000000
1.0000000
1.0000000
1.0000000

1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%

Threshold

Precision

Tabel 6 Rataan recall dan precision berdasar
tingkat threshold

threshold
recall

Penentuan
threshold
mempengaruhi
jumlah dokumen yang ditemukan oleh sistem.
Demikian juga dengan jumlah dokumen
relevan yang dapat ditemukan. Dengan nilai
recall dan precision, dihasilkan rataan
sebagaimana terinci pada Tabel 6. Kurva AVP
berdasar tingkat threshold disajikan pada

precision

Gambar 7 Kurva AVP berdasar tingkat
threshold.

8

2
1
0.9

3

Precision

0.8
0.7

DAFTAR PUSTAKA

0.6

Arumsari KN. 1998. Penggunaan metode
kesamaan string pada pemeriksaan ejaan
bahasa Indonesia [skripsi]. Bogor:
Departemen Ilmu Komputer, Fakultas
MIPA, Institut Pertanian Bogor.

0.5
0.4
0.3
0.2

Horpcroft, Motwani R, Ullman JD. 2001.
Introduction to Automata Theory,
Languages, and Computation. New
York: Addison-Wesley.

0.1
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
recall
sebelum dilakukan threshold
setelah dilakukan threshold
Gambar 8 Kurva perbandingan AVP sebelum
dan sesudah dilakukan threshold.
Dilihat dari kurva AVP yang telah
diinterpolasi minimum pada Gambar 8,
penggunaan threshold pada selang kemiripan
34% mampu menaikkan nilai precision.
Secara lebih detail, nilai precision pada tiap
tingkat recall dapat dilihat pada Lampiran 5.
KESIMPULAN DAN SARAN
Kesimpulan
Dengan
menggunakan
algoritme
Levenshtein untuk membandingkan nilai
kemiripan antar judul karya ilmiah yang relatif
panjang, cukup sulit untuk bisa diperoleh nilai
persentase kemiripan yang tinggi. Sistem
berjalan efektif dengan pemotongan list
dokumen judul yang ditampilkan sistem pada
ambang batas minimal kemiripan 34%.
Saran
Saran penelitian selanjutnya antara lain:
1

Perlu penelitian lebih lanjut untuk
memperhatikan
jumlah
kata
penyusun
substring
penanda
relevansi dokumen.
Menggunakan algoritme lain untuk
menentukan kemiripan data karya
ilmiah.

Perlu diteliti lebih mendalam
mengenai penerapan metode ini
dengan memecah satu string judul
menjadi substring yang lebih pendek
saat dilakukan pembandingan.

Jokinen P, Tarhio J, Ukkonen E. 1996. A
comparison of approximate string
matching algorithms. Software - Practice
and Experience 26(12): 1439-1458.
Limbong
SOO.
2011.
Pengembangan
framework dan fungsionalitas dasar addin Microsoft Office Word 2007 untuk
pengecekan format skripsi [skripsi].
Bogor: Departemen Ilmu Komputer,
Fakultas MIPA, Institut Pertanian Bogor.
Manning CD, Prabhakar R, Hinrich S. 2008.
An Introduction to Information Retrieval.
New York: Cambridge University Press.
Raditya MR. 2010. Penerapan open archive
standard dan database caching pada
pengembangan
jaringan
digital
repository [skripsi]. Bogor: Departemen
Ilmu Komputer, Fakultas MIPA, Institut
Pertanian Bogor.
Sutisna U. 2009. Koreksi ejaan query bahasa
Indonesia
menggunakan
algoritme
Damerau Levenshtein [skripsi]. Bogor:
Departemen Ilmu Komputer, Fakultas
MIPA, Institut Pertanian Bogor.

LAMPIRAN

10

Lampiran 1 Sebaran jumlah judul berdasar persentase kemiripan dari 10 dokumen random
%
> 90
> 80 - 90
> 70 - 80
> 60 - 70
> 50 - 60
> 40 - 50
> 30 - 40
> 20 - 30
> 10 - 20
< 10

Q1
1
0
0
0
1
3
6
70
19
0

Q2
1
0
0
0
0
0
8
76
15
0

Q3
1
0
0
0
0
6
16
69
8
0

Q4
1
0
0
0
0
6
16
69
8
0

Q5
1
0
0
0
1
3
5
71
19
0

Q6
1
0
1
0
2
1
7
77
11
0

Q7
1
0
0
0
0
0
24
69
6
0

Q8
1
0
0
0
0
0
3
77
19
0

Q9
1
0
0
0
0
6
16
69
8
0

Q10
1
0
0
0
0
2
16
75
6
0

Total
10
0
1
0
4
27
117
722
120
0

Rata-rata
1
0
0.1
0
0.4
2.7
11.7
72.2
11.9
0

Q1 = Aktivitas antibakteri Daun Senggugu (Clerodendron serratum [L.] Spr.)
Q2 = Aktivitas antioksidan dan immunostimulan ekstrak Buah Andaliman (Zanthoxylum acanthopodium
DC.)
Q3 = Analisis kelayakan finansial budidaya jamur tiram(Pleurotus sp) pada usaha agribisnis supa tiram
mandiri, Bogor
Q4 = Analisis kepuasan pelanggan di taman bacaan quadrant
Q5 = Analisis strategi bisnis ekpor ikan hias air tawar di PT Nusantara Aquatik Exporindo Bumi Bintaro
Permai, Jakarta Selatan
Q6 = Biologi reproduksi dan kebiasaan makan ikan lampam (Barbonymus schwanenfeldii) di Sungai Musi,
Sumatera Selatan
Q7 = Analisis Saluran Pemasaran Ayam Kampung (Gallus domesticus) di Jakarta Selatan, Propinsi DKI
Jakarta
Q8 = Aplikasi Beberapa Cara Penyiapan Lahan dengan Modifikasi Penggunaan Herbisida Metsulfuron
Metil dan Glifosat pada Produksi Benih Jagung (Zea Mays L.), Kacang Tanah (Arachis Hypogaea L.) dan
Kedelai (Glycine max (L.) Merr)
Q9 = Analisis permintaan daging ayam broiler konsumen rumah tangga di Kecamatan Pamulang Tangerang
Q10 = Pengaruh Pemupukan Nitrogen dan Cara Pemanenan Nilam (Pogostemon cablin Benth.) terhadap
Pertumbuhan dan Persentase Minyak Nilam yang Dihasilkan pada Pemanenan Pertama

11

Lampiran 2 Dokumen yang ditemukan pada uji 10 query judul random
Threshold
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%

Q1
100
100
81
11
5
2
1
1
1
1
1

Q2
100
100
85
9
1
1
1
1
1
1
1

Q3
100
100
92
23
7
1
1
1
1
1
1

Dokumen Ditemukan
Q4 Q5 Q6 Q7
100 100 100 100
100 100 100 100
93
81
89
94
25
10
12
25
12
4
5
1
5
1
4
1
2
1
2
1
1
1
2
1
1
1
1
1
1
1
1
1
1
1
1
1

Q8
100
100
81
4
1
1
1
1
1
1
1

Q9
100
100
97
36
5
2
2
2
2
1
1

Q9
10
10
10
10
5
2
2
2
2
1
1

Q10
10
10
10
10
3
1
1
1
1
1
1

Rataan

Q10
100
100
94
19
3
1
1
1
1
1
1

100
100
88.7
17.4
4.4
1.9
1.3
1.2
1.1
1
1

Lampiran 3 Dokumen relevan dari 10 query random
Threshold
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%

Q1
10
10
10
8
5
2
1
1
1
1
1

Q2
10
10
10
4
1
1
1
1
1
1
1

Q3
10
10
10
10
6
1
1
1
1
1
1

Dokumen Relevan
Q4 Q5 Q6 Q7
10 10 10 10
10 10 10 10
10 10 10
8
10 10
9
2
9
4
4
1
5
1
3
1
2
1
2
1
1
1
2
1
1
1
1
1
1
1
1
1
1
1
1
1

Q8
10
10
10
4
1
1
1
1
1
1
1

Rataan
10
10
9.8
7.7
3.9
1.8
1.3
1.2
1.1
1
1

Lampiran 4 Nilai recall-precision sebelum dilakukan threshold
Recall
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1

Q1

Q2

Q3

Q4

1
1
1
1
1
1
0.875
0.727
0.642
0.138

1
1
1
0.444
0.5
0.375
0.304
0.228
0.25
0.153

1
1
1
1
1
0.857
0.875
0.727
0.6923
0.526

1
1
1
1
1
0.857
0.875
0.8
0.75
0.588

Precision
Q5
Q6
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1 0.818
1 0.588

Q7

Q8

Q9

1
0.13
0.10
0.13
0.15
0.10
0.11
0.11
0.090
0.1

1
1
1
1
0.454
0.5
0.194
0.216
0.147
0.163

1
1
1
1
1
0.545
0.5
0.4
0.375
0.151

Q10
1
1
1
1
1
1
1
1
1
1

AVP
1
0.91333
0.91071
0.85777
0.81108
0.72364
0.67385
0.62104
0.57668
0.440833

12

Lampiran 5 Nilai recall-precision setelah dilakukan threshold
Recall
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1

Q1
1
1
1
1
1
1
0.875
0.875
0.875
0.875

Q2
1
1
1
1
1
1
1
1
1
1

Q3
1
1
1
1
1
0.857142857
0.875
0.727272727
0.727272727
0.727272727

Precision
Q5 Q6
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
0.857142857
1
1
0.875
1
1
0.8
1
1
0.75
1
1
0.75
1
1
Q4

AVP
Q7
1
1
1
1
1
1
1
1
1
1

Q8
1
1
1
1
1
1
1
1
1
1

Q9
1
1
1
1
1
0.545454545
0.5
0.4
0.375
0.375

Q10
1
1
1
1
1
1
1
1
1
1

1
1
1
1
1
0.925974026
0.9125
0.880227273
0.880227273
0.880227273