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