Tabel 2.1 Fungsi simbol-simbol flowchart.
Simbol Fungsi
simbol process, yaitu menyatakan suatu tindakan proses yang dilakukan
di dalam program.
Simbol offline connector
yaitu menyatakan penghubung bila flowchart
terputus disebabkan oleh pergantian halaman misalnya tidak cukup dalam
satu halaman.
Simbol online connector, berfungsi untuk menyatakan sambungan dari
prose ke proses yang lainnya dalam halaman yang sama.
Simbol arusflowline, yaitu menyatakan jalannya arus suatu proses.
Simbol decision yaitu menunjukkan suatu kondisi tertentu yang akan
menghasilkan dua kemungkinan jawaban yaitu ya tidak.
Simbol inputoutput, menyatakan
proses input atau output tanpa tergantung jenis peralatannya.
Simbol terminal yaitu menyatakan permulaan atau akhir suatu program.
Simbol document, mencetak keluaran dalam bentuk dokumen.
2.9. Penelitian Terdahulu
Metode Term Frequency Inverse Document Frequency telah banyak digunakan dalam menyelesaikan berbagai macam permasalahan dalam hal pembobotan kata. Dari
permasalahan yang kecil hingga permasalahan yang cukup kompleks dengan berbagai metode dalam penyelesaiannya.
Universitas Sumatera Utara
Zafikri, 2008 melakukan penelitian untuk menyelesaikan permasalahan dalam pencarian informasi yang akurat dan efektif pada mesin pencari. Dalam
penelitiannya mencoba menerapkangabungan antara metode Term Frequency Inverse Document Frequency TF-IDF dan model ruang vektor vector space model pada
mesin pencari. Hasilnya metode pembobotan dokumen TF-IDF tidak selalu memberikan hasil performansi yang baik.
Akbar 2011 dalam penelitiannya menyelesaikan permasalahan dalam menentukan nilai tes esai online. Dalam halini Akbar 2011 menggunakan algoritma
Latent Semantic Analysis LSA dengan pembobotan Term FrequencyInverse Document Frequency TFIDF untuk menyelesaikan permasalahannya yakni sebagai
alternatif solusi penilaian esai kepada user ssecara konsisten tanpa mengikutsertakan subjektivitas penilai, seperti suasana hati dan tingkat pengetahuan. Algoritma TFIDF-
LSA memiliki tingkat keakuratan cukup tinggi dalam pemeriksaan jawaban esai dengan jumlah kata yang banyak.
Sulthan 2012 menggunakan algoritma Hill Climbing dalam meringkas teks, hasil dari peringkasan menggunakan algoritma Hill Climbing cukup baik. Metode text
mining juga pernah dilakukan Kurniawan 2012 dalam klasifikasi berita, dan hasil dari metode text mining cukup berhasil.
Aristoteles 2013 melakukan penelitian peringkasan teks dokumen bahasa Indonesia menggunakan algoritma genetika, hasilnya bahwa algoritma genetika dapat
digunakan untuk mencari tingkat kepentingan yang optimal dari tiap fitur teks. Nilai akurasi 47.46 pada pemampatan 30. Sedangkan hasil tidak optimal pada
pemampatan 10.
Universitas Sumatera Utara
Tabel 2.2 Penelitian terdahulu
No Peneliti Tahun Judul
Keterangan 1
Zafikri 2008 Implementasi Metode Term Frequency
Inverse Document Frequency TF-IDF pada Sistem Temu Kembali informasi.
2 Akbar 2011
Menentukan Nilai Tes Esai Online Menggunakan AlgoritmaLatent
Semantic Analysis LSA dengan Pembobotan Term Frequency Inverse
Document Frequency
3 Sulthan 2012
Peringkasan Teks Otomatis Berbasis Web Menggunakan AlgoritmaHill
Climbing
4 Kurniawan 2012
Klasifikasi Konten Berita menggunakan Text Mining
5 Aristoteles 2013
Penerapan Algoritma Genetika pada Peringkasan Teks Dokumen Bahasa
Indonesia
Universitas Sumatera Utara
3 BAB 3
ANALISIS DAN PERANCANGAN
Pada bab ini akan membahas beberapa hal diantaranya data yang digunakan, flowchart system, tampilan antar-muka serta analisis perancangan yang bertujuan untuk
mengindentifikasi permasalahan yang ada pada sistem tersebut. Analisis ini diperlukan sebagai dasar perancangan sistem untuk mengimplementasikan tf-idf
dalam meringkas teks.
3.1. Analisis Data