1.9 Diagram Objek
Supaya bisa menjalankan sistem yang dibuat dengan object oriented programming dibutuhkan objek untuk memanggil kelas. Gambar 3.4 menunjukkan diagram objek
yang struktur organisasinya sama seperti diagram kelas pada gambar 3.3 karena sistemnya tidak terlalu besar dan tidak terlalu banyak membutuhkan kombinasi dari
kelas.
main : Main
newsRecommendation : SparseMatrixProximity log : LogNewsAccess
newsConversion : SparseMatrixProximity naivebayes : NaiveBayes
parse : Parsing
Gambar 3.12
Diagram objek
1.10 Diagram Sekuen
Untuk menampilkan interaksi dan proses yang dikerjakan dari use case maka perlu digambarkan dalam diagram sekuen. Tidak semua use case akan dibuat masing
– masing diagram sekuen, jika sifatnya masuk dalam diagram sekuen yang lain, maka
tidak akan dibuat sendiri diagram sekuennya. Yang tidak dibuat diagram sekuen yaitu stemming
, stopword removal, ambil kata dan huruf. 1.10.1.
Konversi berita Tugas dari admin memasukkan judul dan isi berita selanjutnya sistem melakukan
konversi dalam bentuk term dan frekuensi untuk disimpan ke database melalui kelas sparseMatrixProximity
.
Universitas sumatera utara
Admin main : Main
conversion : SparseMatrixProxi mity
judul dan isi berita
inistilizeConversion create
destroy conversionToIR
Gambar 3.13 Diagram sequence untuk konversi berita
1.10.2. Catat akses berita
Anonyomous atau pembaca berita tanpa login yang mengakses halaman berita sistem
akan mencatat ID berita yang diakses oleh pengguna anonim.
Anonymous main : Main
lga : logNewsAccess url
create logUrl
destroy
Gambar 3.14 Diagram sequence catat akses berita oleh user
3.10.3. Rekomendasi akses berita
Sistem akan memberikan rekomendasi akses berita pada saat pembaca berita sedang mengakses suatu berita dengan menjadikan judul berita sebagai query selanjutnya
menjalani tahap – tahapan proses rekomendasi. Tahap pertama menjalani proses CSR
SpMV, tahap kedua menjalani proximity processing dan terakhir menjalani proses bayesian framework for user interest
, rekomendasi diberikan setelah diurutkan 5 tertinggi.
Universitas sumatera utara
user main : Main
smp : SparseMatrixProximity url
parse : Parsing
create makeSparseMatrix
create nb : NaiveBayes
term crsm
initialization removeStopWord
stemming term
create nilai dari naive bayes
5 tertinggi 5 judul berita
Gambar 3.15
Diagram sequence memberikan rekomendasi pada saat akses berita
3.11. Diagram Aktivitas
Diagram aktivitas yang penulis buat untuk menggambarkan aktivitas sistem rekomendasi secara keseluruhan. Secara garis besar ada 4 alur aktivitas yang ada
dalam sistem rekomendasi, yaitu : 1. Alur yang dimulai dengan input data, yang akan dipakai untuk mlakukan konversi
berita ke dalam bentuk frekuensi dan posisi offset dari term. Setiap berita yang tersedia dalam portal berita, akan melalui tahapan konversi.
2. Alur yang dimulai dengan akses berita, kemudian sistem akan mencatat identitas berita yang sedang diakses. Setelah proses pencatatan dilakukan, akan dilakukan
proses rekomendasi yang dimulai dengan proses CSR SpMV, proximity processing
dan bayesian framework for user interest. Setelah ketiga proses tersebut dilakukan akan memberikan penilaian untuk masing
– masing dokumen yang selanjutnya nilai
– nilai menjadi penilaian dokumen yang akan ditampilkan sebagai rekomendasi.
Universitas sumatera utara
Input berita catat akses berita
akses berita konversi berita
simpan sparse matrix vector multiplication
proximity processing
pengurutan skor bayesian framework for user interest
Gambar 3.16 Diagram aktivitas yang menggambarkan kerja sistem
3.12. Diagram Komponen
Kategori