PENDAHULUAN 14 LANDASAN TEORI 20 ANALISIS DAN PERANCANGAN SISTEM 29 IMPLEMENTASI DAN PENGUJIAN 55 KESIMPULAN DAN SARAN 88

DAFTAR ISI PERSETUJUAN iii PERNYATAAN iv PENGHARGAAN v ABSTRAK vi ABSTRACT vii DAFTAR ISI viii DAFTAR TABEL xi DAFTAR GAMBAR xii

BAB 1 PENDAHULUAN 14

1.1. Latar Belakang 14 1.2 Rumusan Masalah 16 1.3 Batasan Masalah 16 1.4 Tujuan Penelitian 17 1.5 Manfaat Penelitian 17 1.6 Metodologi Penelitian 17 1.7 Sistematika Penulisan 18

BAB 2 LANDASAN TEORI 20

2.1 Anak Berkebutuhan Khusus ABK 20 2.1.1 Anak Berkebutuhan Khusus Bersifat Sementara Temporer 20 2.1.2 Anak Berkebutuhan Khusus Bersifat Menetap Permanen 21 2.2 Word Prediction 21 2.3 Algoritma Pencarian 22 2.3.1 Algoritma Pencarian Linear Linear Search Algorithm 22 2.3.2 Algoritma Pencarian Biner Binary Search Algorithm 23 2.3.3 Algoritma Pencarian Interpolasi Interpolation Search Algorithm 24 Universitas Sumatera Utara 2.3 Algoritma prediksi 24 2.4 Adaptation 25 2.5 Windows API 26 2.6 Penelitian Terdahulu 26

BAB 3 ANALISIS DAN PERANCANGAN SISTEM 29

3.1 Analisis masalah 29 3.2 Analisis Data 30 3.3. Perancangan Sistem 32 3.3.1 Windows API 32 3.3.2 Flowchart Sistem 33 3.3.3 Perancangan Database 36 3.3.4 Diagram Use Case 38 3.3.5 Use case spesifikasi 39 3.3.6 Activity Diagram 45 3.3.7 Perancangan Antar Muka 49

BAB 4 IMPLEMENTASI DAN PENGUJIAN 55

4.1 Implementasi Sistem 55 4.1.1 Perangkat Keras 55 4.1.2 Perangkat Lunak 56 4.2 Pengujian 56 4.2.1 Tabel pada database MySQL 56 4.2.2 Kasus dan hasil pengujian sistem 58 4.3 Pengujian Kinerja Sistem 63 4.4 Hasil pengujian prediksi kata pada aplikasi pengolah kata 73 4.5 Hasil pengujian Keystroke Saving KS 79 4.6 Evaluasi Heuristik dengan Skala Likert 80 4.6.1 Skor untuk tampilan aplikasi 81 4.6.2 Skor untuk Fitur-fitur aplikasi 82 4.6.3 Skor untuk hasil prediksi kata 83 4.6.4 Skor untuk Banyaknya Hasil Prediksi Kata 83 4.6.5 Skor untuk Keystroke Saving 84 4.6.6 Hasil Skor Aspek Heuristik Skala Likert 85

BAB 5 KESIMPULAN DAN SARAN 88

Universitas Sumatera Utara 5.1 Kesimpulan 88 5.2 Saran 89 DAFTAR PUSTAKA 90 Universitas Sumatera Utara DAFTAR TABEL Hal Tabel 2.1 Penelitian Terdahulu 28 Tabel 3.1 Sampel Data Kata Lanin et al, 2013 30 Tabel 3.1. Sampel Data Kata Lanin et al, 2013 Lanjutan 31 Tabel 3.2 Spesifikasi use case untuk login 39 Tabel 3.2 Spesifikasi use case untuk login Lanjutan 40 Tabel 3.3 Spesifikasi use case untuk input huruf 40 Tabel 3.3 Spesifikasi use case untuk input huruf Lanjutan 41 Tabel 3.4 Spesifikasi use case untuk tambah kata 42 Tabel 3.5 Spesifikasi use case ubah kata 43 Tabel 3.6 Spesifikasi use case untuk hapus kata 44 Tabel 3.7 Spesifikasi use case untuk cari kata 44 Tabel 3.7 Spesifikasi use case untuk cari kata Lanjutan 45 Tabel 4.1 Hasil pengujian halaman awal 58 Tabel 4.1 Hasil pengujian halaman awal Lanjutan 59 Tabel 4.2 Hasil pengujian halaman pengaturan 59 Tabel 4.2 Hasil pengujian halaman pengaturan Lanjutan 60 Tabel 4.3 Hasil pengujian halaman tambah kata 61 Tabel 4.4 Hasil pengujian halaman ubah kata 62 Tabel 4.5 Hasil pengujian halaman login 62 Tabel 4.6 Hasil pengujian halaman daftar 63 Tabel 4.7 Skala Jawaban dari Skala Likert 80 Tabel 4.8 Skor Jawaban Kuesioner 81 Tabel 4.9 Rating Scale 86 Tabel 4.10 Skor Rata-rata Setiap Aspek 86 Universitas Sumatera Utara DAFTAR GAMBAR Hal Gambar 2.1 Ilustrasi penggunaan word prediction 21 Gambar 3.1 Diagram Ishikawa analisis permasalahan 30 Gambar 3.2 Flowchart Sistem 33 Gambar 3.3 Flowchart Algoritma 35 Gambar 3.4 Rancangan tbl_unigram 36 Gambar 3.5 Rancangan tbl_login 37 Gambar 3.6 Rancangan tbl_unigramnamauser 38 Gambar 3.7 Diagram use case sistem 39 Gambar 3.8 Activity diagram sistem prediksi kata 46 Gambar 3.9 Activity diagram sistem tambah kata 47 Gambar 3.10 Activity diagram sistem hapus kata 48 Gambar 3.11 Activity diagram sistem ubah kata 49 Gambar 3.12 Rancangan tampilan awal aplikasi 50 Gambar 3.13 Rancangan tampilan halaman pengaturan 51 Gambar 3.14 Rancangan tampilan halaman tambah kata 52 Gambar 3.15 Rancangan tampilan halaman about 53 Gambar 3.16 Rancangan tampilan halaman login 54 Gambar 3.17 Rancangan tampilan halaman daftar 54 Gambar 4.1 Tabel unigram 57 Gambar 4.2 Tabel login 57 Gambar 4.3 Tabel unigramnamauser 58 Gambar 4.4 Halaman login 64 Gambar 4.5 Halaman Awal Non-aktif 64 Gambar 4.6 Halaman Awal Aktif 65 Gambar 4.7 Halaman pengaturan 65 Gambar 4.8 Halaman pengaturan Pencarian kata 66 Gambar 4.10 Halaman pengaturan Kata berhasil dihapus 67 Gambar 4.11 Halaman pengaturan Hapus kata error 68 Gambar 4.12 Halaman tambah kata 69 Gambar 4.13 Halaman tambah kata Kata berhasil ditambah 69 Universitas Sumatera Utara Gambar 4.14 Halaman tambah kata Kata gagal ditambah 70 Gambar 4.15 Halaman ubah kata error 71 Gambar 4.16 Halaman ubah kata Informasi kata 71 Gambar 4.17 Halaman ubah kata Konfirmasi ubah kata 72 Gambar 4.18 Halaman about 73 Gambar 4.19 Pengujian sistem pada notepad 74 Gambar 4. 20 Prediksi kata “ma” berdasarkan frek_unigram 74 Gambar 4.21 Pengujian pengiriman kata pada notepad 75 Gambar 4.22 Pengujian sistem pada aplikasi Microsoft word 75 Gambar 4. 23 Prediksi kata “k” berdasarkan frek_unigram dan frek_uniuser 76 Gambar 4.24 Pengujian pengiriman kata pada Microsoft word 77 Gambar 4.25 Pengujian sistem pada aplikasi E-mail 77 Gambar 4. 26 Prediksi kata “meng” berdasarkan frek_unigram dan frek_uniuser 78 Gambar 4.27 Pengujian pengiriman kata pada E-mail 79 Gambar 4.28 Grafik Skor Pertanyaan 1 81 Gambar 4.29 Grafik Skor Pertanyaan 2 82 Gambar 4.30 Grafik Skor Pertanyaan 3 83 Gambar 4.31 Grafik Skor Pertanyaan 4 84 Gambar 4.32 Grafik Skor Pertanyaan 5 85 Universitas Sumatera Utara ABSTRAK Mengetik merupakan salah satu kegiatan yang erat dalam kehidupan sehari-sehari, namun masih banyak yang mengalami masalah ketika mengetik terutama bagi yang berkebutuhan khusus seperti autis. Salah satu solusinya yaitu dengan menggunakan aplikasi word prediction agar dapat mengurangi keystroke yang diperlukan untuk mengetik suatu teks, namun aplikasi word prediction yang beredar masih banyak yang menggunakan bahasa asing, bukan bahasa Indonesia. Pada penelitian ini, aplikasi word prediction yang dikembangkan menggunakan database yang berbahasa Indonesia berbasis frekuensi kata. Aplikasi word prediction yang dikembangkan dapat berjalan di banyak aplikasi pengolah kata seperti Microsoft Word, Notepad, E-mail, dengan memanfaatkan Windows API. Hasil pengujian menunjukkan bahwa word prediction berbasis frekuensi kata mampu menghasilkan Keystroke Saving KS antara 26 sampai dengan 34. Kata kunci : word prediction, frekuensi kata, windows api, kebutuhan khusus Universitas Sumatera Utara FREQUENCIES-BASED WORD PREDICTION WITH WINDOWS API ABSTRACT Typing is one activity that is closely in everyday life, but there are still many who have problems when typing, especially for those who are special needs like autism. One solution is to use word prediction application that can reduce keystroke needed to type a text, but many application of word prediction in circulation are still use a foreign language, not Indonesian. In this study, word prediction application was developed using Indonesian language database of word frequency. Applications can be run in many word processing applications such as Microsoft Word, Notepad, E-mail, by utilizing the Windows API. The results show that the frequency-based word prediction is able to achieved Keystroke Saving KS between 26 and 34. Keywords : word prediction, word frequency, windows api, special needs Universitas Sumatera Utara

BAB 1 PENDAHULUAN