73
BAB V ANALISA HASIL
5.1. Pengujian Relevance Feedback
Dari 281 dokumen yang di diproses dalam
indexing
dengan menggunakan jumlah kamus kata dasar 3278 dan 395 kata buang kata menghasilkan 25737 term
yang digunakan dalam pengujian. Pengujian menggunakan media kuesioner yang dibagikan kepada 4 orang
mahasiswa Sanata Dharma Yogyakarta. kuesioner dibagi menjadi 2 tahap, yaitu form kuesioner precision dan form kuesioner recall. Pada tahap pertama
responden diminta untuk melakukan pencarian, mencatat seluruh dokumen hasil pencarian, dan menandai dokumen yang relevan. Pada tahap kedua responden
diminta untuk melihat seluruh koleksi daftar dokumen dan menandai dokumen yang relevan terhadap kata kunci yang digunakan dalam pencarian sebelumnya.
1. Kata kunci “penambangan data”
Sis tem menghasilkan 2 dokumen dari kata kunci “penambangan data”. Dari 2
dokumen hasil pencarian, responden menemukan 1 dokumen yang relevan. Pada tahap kedua responden menemukan 8 dokumen yang relevan dari 281 dokumen
koleksi. Perhitungan recall diperoleh. Hasil perhitungan Recall dan precision
dapat dilihat padat tabel 5.1.
Berikut dokumen hasil pencarian. 1.
ANALISIS ASOSIASI
HASIL EVALUASI
PEMBELAJARAN MEMPERGUNAKAN ALGORITMA APRIORI
2. ARSITEKTUR DATA SPASIAL UNTUK INFORMASI TEMATIS
SIGDA KABUPATEN LOMBOK BARAT
74
Tabel 5.1 Recal Precision
query “penambangan data”
ID Relevan
Recall Precision
257 R 0,125
1 115
0,125 0,5
Tabel 5.2
Interpolasi Recall Precision query “penambangan data”
Recall Precision
100 10
100 20
30 40
50 60
70 80
90 100
Dari tabel 5.2 dan Gambar 5.1 dapat dilihat diperoleh precision 100 dari nilai recall 0-10 dan menurun hingga 0 pada nilai recall 20-100.. Hal ini
dikarenakan dokumen relevan yang ditemukan responden yaitu 8 dokumen lebih banyak daripada dokumen relevan yang ditemukan menurut sistem yaitu 1,
dimana beberapa dari dokumen tersebut mengandung kata “data mining” yang merupakan
istilah bahasa Inggris dari kata “penambangan data”.
75
Gambar 5.1 Grafik Recall precision query “penambangan data”
Istilah “penambangan data” memiliki sinonim dalam bahasa inggris sehingga
dilakukan pengujian dengan kata kunci “
data mining
” untuk memberi perbandingan.
Dokumen hasil pencarian dengan kata kunci “data mining”. 1.
PERANCANGAN APLIKASI DATA MINING STUDI KASUS: ANALISIS KEPUASAN PELANGGAN PT. XYZ
2. PENGGUNAAN ANALISA ASOSIASI ASSOCIATION ANALYSIS
DALAM PEMILIHAN LOKASI WISATA BERDASARKAN KARAKTERISTIK SOSIO-DEMOGRAFIS WISATAWAN
3. KLASIFIKASI EVENT PADA PROCESS LOGS MENGGUNAKAN
MODEL REGRESI LOGISTIK 4.
PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA ASSOCIATION RULES UNTUK MEMPREDIKSI PILIHAN PROGRAM
STUDI DI SEKOLAH TINGGI XYZ
20 40
60 80
100 120
P re
ci si
o n
Recall
Interpolasi
Interpolasi
76
5. Market Basket Analysis Berbasis Classifier Characterictic untuk
MENENTUKAN PERSENTASE MODEL DESKRIPSI MEDIA RELATIONS PERGURUAN TINGGI
6. ANALISIS ASOSIASI HASIL EVALUASI PEMBELAJARAN
MEMPERGUNAKAN ALGORITMA APRIORI 7.
ANALISIS KEMUNGKINAN PENGUNDURAN DIRI CALON MAHASISWA DI STMIK STIKOM BALI DENGAN ALGORITMA
BAYESIAN CLASSIFICATION 8.
PENGOLAHAN DATA WAREHOUSE AKADEMIK SEBAGAI PENUNJANG KEPUTUSAN DI PERGURUAN TINGGI
9. PERANCANGAN e-HEALTH MANAGEMENT SYSTEM
10. CUSTOMER RELATIONSHIP MANAGEMENT CRM UNTUK USAHA
KECIL DAN MENENGAH 11.
PEMANFAATAN BUSINESS INTELLIGENCE DALAM PERENCANAAN PEMBANGUNAN NASIONAL: STUDI KASUS BADAN PERENCANAAN
PEMBANGUNAN NASIONAL 12.
PEMANFAATAN KNOWLEDGE MANAGEMENT SYSTEM BERBASIS OPENSOURCES UNTUK INSTANSI PEMERINTAH STUDI KASUS:
DIREKTORAT E-GOVERNMENT KEMENTERIAN KOMUNIKASI DAN INFORMATIKA
13. DASHBOARDING INFORMATION SYSTEMS FOR THE EDUCATION
SECTOR: APPLICATION AND METHODOLOGIES
77
14. EFISIENSI MATRIKS: PERBEDAAN SISTEM TUNGGAL DAN
CLUSTER DENGAN ALGORITMA MAPREDUCE 15.
MODEL KNOWLEDGE MANAGEMENT PADA PERUSAHAAN DISTRIBUTOR FARMASI DAN CONSUMER PRODUCT
16. SISTEM ANALISIS OPINI MICROBLOGGINGBERBAHASA INDONESIA
17. FAKTOR KONTEKSTUAL DALAM PEMANFAATAN WEB SEBAGAI
MEDIA KOMUNIKASI CSR OLEH PERUSAHAAN 18.
ALGORITMA UNTUK EKSTRAKSI TABEL HTML DI WEB 19.
PERBANDINGAN ALGORITMA BINERISASI PADA CITRA TULANG ABNORMAL TELAPAK TANGAN MANUSIA
20. PENJADWALAN PERKULIAHAN DENGAN METODE COMPACT
GENETIC ALGORITHM STUDI KASUS UNIVERSITAS WIDYATAMA 21.
PENERAPAN CRM DENGAN SISTEM INFORMASI BERBASIS WEB UNTUK KEPUASAN PELANGGAN
22. MUSIC THERAPY ISSUES ON MUSIC INFORMATION RETRIEVAL
Sistem menghasilkan 22 dokumen dari kata kunci “data mining”. Dari 22
dokumen hasil pencarian, responden menemukan 8 dokumen yang relevan. Pada tahap kedua responden menemukan 8 dokumen yang relevan dari 281 dokumen
koleksi. Perhitungan recall diperoleh. Hasil perhitungan Recall dan precision
dapat dilihat padat tabel 5.4. dan tabel 5.5. Tabel 5.4 Recal Precision
query “data mining”
No Urut Relevan Recall
Precision 1 R
0,125 1
78 2 R
0,25 1
3 R 0,375
1 4 R
0,5 1
5 R 0,625
1 6 R
0,75 1
7 R 0,875
1 8
0,875 0,875
9 0,875 0,777778
10 0,875
0,7 11
0,875 0,636364 12
0,875 0,583333 13
0,875 0,538462 14
0,875 0,5
15 0,875 0,466667
16 0,875
0,4375 17
0,875 0,411765 18
0,875 0,388889 19 R
1 0,421053 20
1 0,4
21 1 0,380952
22 1 0,363636
Tabel 5.5
Interpolasi Recall Precision query “data mining”
Recall Precision
100 10
100 20
100 30
100 40
100 50
100 60
100 70
100 80
100 90
100 100
42
Dapat dilihat pada gambar 5.2 precision 100 didapat pada nilai recall 0
sampai 90 dan menurun ke 42 pada nilai recal 100. Jika dibandingkan
79
dengan grafik pada gambar 5.1
query “data mining” menghasilkan precision yang lebih baik karena dokumen yang mengandung kata “data mining” lebih
banyak jumlahnya daripada dokumen yang mengandung kata “penambangan data” .
Gambar 5.2 Grafik Recall precision query “data mining”
2. Kata k
unci “pemerolehan informasi”
Sistem menghasilkan 1 dokumen dari kata kunci “pemerolehan informasi”.
Dari 1 dokumen hasil pencarian, responden menemukan 1 dokumen yang relevan. Pada tahap kedua responden menemukan 5 dokumen yang relevan dari 281
dokumen koleksi. Perhitungan recall diperoleh. Hasil perhitungan Recall dan
precision dapat dilihat padat tabel 5.3.
20 40
60 80
100 120
Interpolasi
Interpolasi
80
Tabel 5.3 Recal Precision query “pemerolehan informasi”
Hasil Relevan
Recall Precision
257 R 0,2
1
Tabel 5.4 Interpolasi Recall Precision query “pemerolehan informasi”
Recall Precision
100 10
100 20
100 30
40 50
60 70
80 90
100
Gambar 5.2 Recall precision query “pemerolehan informasi”
Dari tabel 5.4 dan Gambar 5.2 dapat dilihat diperoleh
precision
100 dari nilai
recall
0-20 dan menurun hingga 0 pada nilai recall 30-100. Hal ini
20 40
60 80
100 120
Interpolasi
Interpolasi
81
dikarenakan dokumen relevan yang ditemukan responden yaitu 5 dokumen lebih banyak daripada dokumen relevan yang ditemukan menurut sistem yaitu 1 dimana
4 dokume n yang mengandung istilah “information retrieval” dan 1 dokumen yang
mengandung istilah “pemerolehan informasi” dan menurut responden relevan.
Kata kunci “apriori”
Sistem menghasilkan 2 dokumen dari kata kunci “apriori”. Dari 2 dokumen hasil pencarian, responden menemukan 2 dokumen yang relevan. Pada tahap
kedua responden menemukan 2 dokumen yang relevan dari 281 dokumen koleksi. Perhitungan recall diperoleh. Hasil perhitungan Recall dan precision dapat dilihat
padat tabel 5.5.
Tabel 5.5 Recal Precision query “apriori”
Hasil Relevan
Recall Precision
257 R 0,5
1 278 R
1 1
Tabel 5.6 Interpolasi Recal Precision query “apriori”
Recall Precision
100 10
100 20
100 30
100 40
100 50
100 60
100 70
100 80
100 90
100
82 100
100
Gambar 5.3 Recall precision query “apriori”
Dari tabel 5.6 dan Gambar 5.3 dapat dilihat diperoleh
precision
100 dari nilai
recall
0-100. Untuk kata kunci tersebut sistem menghasilkan dokumen relevan yang sama dengan menurut responden.
3. Kata
kunci “
pemanfaatan data warehouse
”
Sistem menghasilkan 1 dokumen dari kata kunci “pemanfaatan data
warehouse”. Dari 1 dokumen hasil pencarian, responden menemukan 1 dokumen yang relevan. Pada tahap kedua responden menemukan 3 dokumen yang relevan
dari 281 dokumen koleksi. Perhitungan recall diperoleh. Hasil perhitungan Recall
dan precision dapat dilihat padat tabel 5.7.
Tabel 5.7 Recall precision query
“pemanfaatan data warehouse”
20 40
60 80
100 120
Interpolasi
Interpolasi
83 Hasil
Relevan Recall
Precision 234 R
0,333333 1
Tabel 5.8 Interpolasi recall precision query “pemanfaatan data warehouse”
Recall Precision
100 10
100 20
100 30
100 40
50 60
70 80
90 100
Gambar 5.4 Recall precision query “pemanfaatan data warehouse”
Dari tabel 5.8 dan Gambar 5.2 dapat diperoleh
precision
100 dari nilai
recall
0-40 dan menurun hingga 0 pada nilai recall 40-100. Hal ini dikarenakan dokumen relevan yang ditemukan responden yaitu 4 dokumen lebih
20 40
60 80
100 120
Interpolasi
Interpolasi
84
banyak daripada dokumen relevan yang ditemukan menurut sistem yaitu 1 karena responden juga menemukan dokumen-
dokumen yang mengandung kata “gudang data” dan menurut responden relevan.
Dari pencarian tersebut ditemukan juga 2 kata kunci yaitu data warehouse yang sebenarnya di dalam dokumen terletak pada daftar pustaka dimana sistem
melakukan index pada seluruh isi dokumen. Hal tersebut ditemukan pada dokumen dengan judul “IMPLEMENTASI TABEL AGREGAT UNTUK
MENINGKATKAN UNJUK KERJA MODEL BASISDATA MULTIDIMENSI STUDI KASUS PERUSAHAAN PERSEWAAN BAN XYZ
“.
5.2. Pengujian Performa Inverted Index