PERANCANGAN DAN IMPLEMENTASI SISTEM PENCARIAN BUKU MENGGUNAKAN ALGORITMA PEMETAAN TRANSAKSI.
PROCEEDING
SEMINAR NASIONAL
TEKNOLOGI INFORMASI DAN APLIKASINYA
2012
“Aplikasi Teknologi Informasi dalam Menunjang
Pelestarian Budaya Nasional dan Pengembangan Sektor
Pariwisata”
Bali, 9 Oktober 2011
Diselenggarakan Oleh :
Program Studi Teknik Informatika
Jurusan Ilmu Komputer
Universitas Udayana
Bali
KATA PENGANTAR
Puji syukur kita panjatkan kehadirat Tuhan Yang Maha Esa, atas terselesainya
penyususnan Proceeding SNATIA 2012 ini. Buku ini memuat naskah hasil penelitian dari
berbagai bidang kajian yang telah direview oleh pakar dibidangnya dan telah
dipresentasikan dalam acara Seminar SNATIA 2012 pada tanggal 9 Oktober 2012 di
Universitas Udayana kampus Bukit Jimbaran, Badung, Bali.
Kegiatan SNATIA 2012 merupakan yang pertama kali diadakan, dan akan menjadi
agenda tahunan Program Studi Teknik Informatika, Jurusan Ilmu Komputer, Universitas
Udayana. SNATIA 2012 mengambil tema “Aplikasi Teknologi Informasi dalam
Menunjang Pelestarian Budaya Nasional dan Pengembangan Sektor Pariwisata”, dengan
pembicara utama seminar yang terdiri dari pakar peneliti dibidang teknologi informasi,
pembicara dari praktisi pariwisata Bali, dan pembicara dari Dinas Kebudayaan Propinsi
Bali.
Meskipun kegiatan seminar dan pendokumentasian naskah dalam proceeding ini telah
dipersiapkan dengan baik, namun kami menyadari masih banyak kekurangannya. Untuk
itu panitia mohon maaf yang sebesar-besarnya, dan juga mengucapkan terimakasih atas
kepercayaan dan kerjasamanya dalam kegiatan ini. Kritik dan saran perbaikan sangat
diharapkan untuk penyempurnaan di masa mendatang, yang dapat dikirimkan melalui email snatia@cs.unud.ac.id.
Kepada semua pihak yang terlibat, baik langsung maupun tidak langsung dalam
penyelenggaraan seminar, dan penyusunan proceeding SNATIA 2012, panitia
mengucapkan terima kasih.
Denpasar, 9 Oktober 2012
Panitia SNATIA 2012
Ketua Pelaksana
I Gede Santi astawa, S.T., M.Cs.
DAFTAR ISI
Kata Pengantar
Daftar Isi
Analisis Dan Implementasi Algoritma Learning Vector Quantization (Lvq) Dalam Pengenalan
Ekspresi Wajah
Kadek Dian Trisnadewi, I Wayan Santiyasa, I Made Widiartha ..........................................................
1
Analisis Kualitas Voip Pada Jaringan Yang Menggunakan Active Queue Management Random
Early Detection (Red)
I Dewa Made Bayu Atmaja Darmawan ................................................................................................
6
Analisis Sistem Firewall Pada Jaringan Komputer Menggunakan Iptables Untuk Meningkatkan
Keamanan Jaringan ( Studi Kasus : Jaringan Komputer Jurusan Matematika Fakultas Mipa
Universitas Udayana)
I Wayan Supriana, I Wayan Santiyasa, Cokorda Rai Adi Pramartha..................................................
13
Ekstraksi Tepi Dengan Menggunakan Fuzzy Spatial Filtering Dan Slicing Intensity
I Gede Aris Gunadi, Retantyo Wardoyo .............................................................................................
22
Evaluasi Cluster Menggunakan Metode Prototype-Based Cohesion And Separation Dan Silhouette
Coefficient Pada Implementasi Algoritma Som
Gusti Ayu Vida Mastrika Giri, Kadek Cahya Dewi ...........................................................................
29
Group Decision Support System Dengan Menggunakan Metode Analytical Hierarchy Process
(Ahp) Dan Borda Dalam Penentuan Lokasi Bank Dan Pimpinan Cabang Yang Tepat
Desak Made Dwi Utami Putra ...............................................................................................................
34
Identifikasi Lagu Menggunakan Algoritma K-Nearestneighbours – Cosine Similarity(KNNCS)
I Gede Suta Lascarya Astawa, Agus Muliantara, Kadek Cahya Dewi.................................................
42
Kompresi Citra Fraktal Dengan Algoritma Genetika Adaptif
Putu Indah Ciptayani1, Zulfahmi Indra2...............................................................................................
46
Mobile Information System Untuk Mengidentifikasidefisiensi Unsur Hara Pada Daun
Asti Dwi Irfianti, Endang Sulistyaningsih ............................................................................................
51
Model Rekayasa Perangkat Lunak Berbasis Komponen (Component-Based Software Engineering)
Herri Setiawan, Edi Winarko................................................................................................................
57
Model Sistem Pendukung Keputusan Kelompok Dengan Metode Multiplicative Exponent
Weighting
Muhammad Syaukani, Sri Hartati .......................................................................................................
65
Optimasi Distribusi Pupuk Bersubsidi Dengan Menggunakan Algoritma Genetika (Studi Kasus:
Kab. Jombang Jawa Timur)
Asti Dwi Irfianti, Sri Hartati ..................................................................................................................
72
Perancangan Dan Implementasi Aplikasi Web Service(Studi Kasus : Sim Perpustakaan Dengan
Simak F.Mipa Universitas Udayana)
Made Agung Raharja .............................................................................................................................
78
Perancangan Dan Implementasi Rekam Medis Berbasis Mobile
Ida Bagus Made Mahendra, Ida Bagus Gede Dwidasmara, Putu Praba Santika .................................
88
Pengalokasian Sumber Daya Dalam Sistem Pendukung Keputusan
Rita Wiryasaputra .... .............................................................................................................................
95
Perancangan Dan Implementasi Customer Information Gathering Menggunakan Model Ruang
Vektor Dan Perluasan Query
Sang Gede Suriadnyana, I Made Widiartha, I Gede Santi Astawa ......................................................
101
Perancangan Dan Implementasi Sistem Pencarian Buku Menggunakan Algoritma Pemetaan
Transaksi
Wayan Gede Suka Parwita, Ngurah Agus Sanjaya Er, Luh Gde Astuti ..............................................
107
Pengembangan Cost Driver Model Cocomo Ii Dengan Modifikasi Nilai Atribut Analysis
Capability Untuk Estimasi Usaha Perangkat Lunak
Sri Andayani, L. Anang Setiyo.............................................................................................................
111
Prototype Sistem Penyeberangan Jalanbagi Penyandang Tuna Netra Berbasis Rfid( Radio
Frequency Identification )
I Made Widhiwirawan ...........................................................................................................................
119
Review Of Ontology-Based Question Answering System
Eka Karyawati, Azhari S. N. ................................................................................................................
126
Resiko Proyek Teknologi Informasi
Herri Setiawan, Ashari SN ....................................................................................................................
134
Sistem Pendukung Keputusan Untuk Pembelian Rumah Menggunakan Analytical Hierarchy
Process (Ahp)
Standy Oei, Riah Ukur Ginting .............................................................................................................
140
Vanet Untuk Solusi Komunikasi Data Di Kawasan Pariwisata Bali
I Komang Ari Mogi,Waskitho Wibisono ..............................................................................................
146
Visualisasi Cluster Menggunakan Smoothed Data Histograms (Sdh) Pada Audio Clustering Lagu
Daerah Indonesia Menggunakan Self Organizing Map (Som)
Kadek Cahya Dewi, Gusti Ayu Vida Mastrika Giri ............................................................................
153
Proceeding Seminar Nasional Teknologi Informasi & Aplikasinya
2012
PERANCANGAN DAN IMPLEMENTASI SISTEM PENCARIAN BUKU
MENGGUNAKAN ALGORITMA PEMETAAN TRANSAKSI
Wayan Gede Suka Parwita, Ngurah Agus Sanjaya ER, Luh Gde Astuti
Program Studi Teknik Informatika
Jurusan Ilmu Komputer Fakultas MIPA, Universitas Udayana
ABSTRAK
Pemanfaatan kaidah asosiasi untuk proses pencarian sangat jarang diterapkan. Konteks pemanfaatan
kaidah asosiasi dalam pencarian adalah untuk mengetahui kemungkinan seorang pengguna mencari data
bersamaan dengan pencarian data lainnya.
Pencarian frequent Itemset pada algoritma pemetaan transaksi dilakukan secara depth-first. Algoritma
ini bekerja dengan memetakan dan meringkas daftar TIDs dari masing-masing itemset ke dalam suatu daftar
interval menggunakan suatu pohon transaksi dan menghitung nilai support dari masing-masing itemset
dengan menggunakan irisan dari daftar interval tersebut. Frequent itemset didapat dalam urutan depth-first
pada pembangunan suatu pohon lexicographic.
Sumber data yang digunakan ada 2 yaitu data pencarian dan juga data peminjaman. Data pencarian
disimpan saat user melakukan pencarian buku. Dari hasil penelitian, sistem yang dibangun menghasilkan
aturan asosiatif yang sama dengan hasil yang didapat oleh aplikasi ARMADA 1.4.
Kata Kunci : Kaidah Asosiasi, Pemetaan Transaksi, Frequent Itemset.
Pendahuluan
Dengan jumlah data yang semakin besar, tentunya penggunaan sistem tanpa suatu proses pencarian
tidak akan efektif. Umumnya proses pencarian menggunakan proses perhitungan otomatis (counter) untuk
menghitung peringkat dari kepopuleran suatu data.
Pola asosiasi menjadi salah satu fungsionalitas yang paling menarik dalam penggalian data. Terlebih
lagi sejak diperkenalkannya frequent itemsets pada tahun 1993 oleh Agrawal dkk., kaidah asosiasi
mendapatkan banyak perhatian dalam bidang eksplorasi pengetahuan dan data mining, khususnya salah satu
tahap dari analisis asosiasi yang disebut analisis pola frekuensi tinggi (frequent pattern mining). Kaidah
asosiasi adalah teknik data mining untuk menemukan aturan assosiatif antara suatu kombinasi item pada tabel
data transaksional. Pola asosiasi akan memberikan gambaran mengenai hubungan antara item pada tabel.
Penting tidaknya suatu aturan assosiatif dapat diketahui dengan dua parameter, support (nilai penunjang dan
confidence (nilai kepastian).
Pemanfaatan kaidah asosiasi untuk proses pencarian sangat jarang diterapkan. Konteks pemanfaatan
kaidah asosiasi untuk pencarian adalah diketahui seberapa besar kemungkinan seorang pengguna mencari
data bersamaan dengan pencarian data lainnya. Dengan pemanfaatan kaidah asosiasi, maka pencarian buku
yang saling berkaitan sangat mungkin dilakukan, sehingga pengguna aplikasi akan mudah menentukan buku
mana yang sebaiknya digunakan. Persoalan-persoalan yang telah disebutkan di atas menyebabkan penulis
merasa tertarik untuk membangun suatu sistem pencarian menggunakan kaidah asoasiasi dengan algoritma
pemetaan transaksi. Sistem Pencarian Buku berbasis Web ini akan dirancang dan diimplementasikan di
Perpustakaan Universitas Udayana.
Kaidah Asosiasi
Kaidah asosiasi adalah teknik mining untuk menemukan aturan assosiatif antara suatu kombinasi item.
Fungsi kaidah asosiasi seringkali disebut dengan “market basket analysis”. Penting tidaknya suatu aturan
assosiatif dapat diketahui dengan dua parameter, support yaitu persentase kombinasi item tersebut dalam
basis data dan confidence yaitu kuatnya hubungan antar item dalam aturan assosiatif. Aturan asosiasi yang
didefinisikan pada basket data, digunakan untuk keperluan promosi, desain katalog, segmentasi customer dan
target pemasaran. Secara tradisional, aturan asosiasi digunakan untuk menemukan trend bisnis dengan
menganalisa transaksi customer, dan dapat digunakan secara efektif pada bidang Web Mining.
Algoritma yang paling populer dikenal sebagai Apriori dengan paradigma generate and test, yaitu
pembuatan kandidat kombinasi item yang mungkin berdasar aturan tertentu lalu diuji apakah kombinasi item
tersebut memenuhi syarat support minimum. Kombinasi item yang memenuhi syarat tersebut disebut
frequent Itemset, yang nantinya dipakai untuk membuat aturan-aturan yang memenuhi syarat confidence
minimum (Agrawal dan R. Srikant,1994).
Pemetaan Transaksi
Algoritma pemetaan transaksi melakukan pencarian frequent Itemset secara depth-first. Algoritma ini
dibuat dengan memetakan dan meringkas daftar TIDs dari masing-masing itemset ke dalam suatu daftar
107
Jurusan Ilmu Komputer, FMIPA, Universitas Udayana
2012
Proceeding Seminar Nasional Teknologi Informasi & Aplikasinya
interval menggunakan suatu pohon transaksi dan menghitung nilai support dari masing-masing itemset
dengan menggunakan irisan dari daftar interval tersebut. Frequent itemset didapat dalam urutan depth-first
pada pembangunan suatu pohon lexicographic.
Langkah-langkah algoritma pemetaan transaksi ada empat yaitu (Song dan Rajasekaran, 2006) :
1. Amati seluruh basis data dan identifikasi semua frequent 1-itemset.
2. Buat pohon transaksi dan hitung support untuk setiap simpul.
3. Buat daftar interval transaksi. Gabungkan interval jika memungkinkan.
4. Buat pohon lexicographic dalam urutan depth-first. Ketika memproses suatu simpul maka penghitungan
support dari kandidat dilakukan dengan irisan interval. Jika support melebihi minsup maka kandidat
dikeluarkan sebagai luaran. Ketika koefisien kompresi dari suatu simpul kurang dari 2 maka irisan yang
digunakan adalah irisan TIDs.
Desain Sistem
. Sumber data yang masuk ada 2 yaitu data pencarian dan juga data peminjaman. Data peminjaman akan
ditransformasikan terlebih dahulu untuk menyesuaikan bentuk dari data transaksi. Selanjutnya data transaksi
tersebut akan dijadikan data untuk melakukan proses asosiasi. Data pada data proses disesuaikan
kebutuhannya untuk proses asosiasi. Pada proses asosiasi, data diolah untuk menemukan kombinasi item
yang saling berkaitan. Lalu data hasil asosiasi ditampilkan. Gambar 1 merupakan skema rancangan sistem
Gambar 1. Skema Sistem Pencarian
Transformasi data hanya akan dilakukan pada saat user melakukan peng-update-an data transaksi.
Update data akan dilakukan dari hari update data transaksi terakhir yang tersimpan dalam tabel konfig
sampai hari saat transformasi data dilakukan.
Pada saat transformasi data dilakukan, satu data transaksi pada data peminjaman akan diseleksi
berdasarkan id anggota dan juga tanggal peminjaman. Ini dilakukan untuk mengetahui item apa saja yang
tergabung dalam transaksi tersebut. Setelah data transaksi tersebut didapatkan, maka id buku dalam data
transaksi tersebut akan diurutkan lalu selanjutnya dimasukkan ke dalam tabel transaksi.
Penambahan data dilakukan jika user menekan link pada hasil pencarian yang telah ditampilkan
sebelumnya. Data transaksi didapatkan dari penggabungan sejumlah link yang ditekan. Ini dimungkinkan
dengan menggunakan kata kunci pencarian sebagai alat ukur bahwa data tersebut merupakan satu transaksi.
Misalkan kata kunci yang dimasukkan adalah “komputer”, maka link yang ditekan saat kata kunci ini
digunakan dianggap satu transaksi. Saat kata kunci diubah, maka data tersebut dianggap baru, walaupun
sebelumnya kata kunci tersebut sudah pernah digunakan. Hal ini disebabkan adanya kemungkinan user yang
menggunakan sistem bukanlah user yang sama. Setelah memastikan apakah data tersebut adalah satu
transaksi, maka pada penekanan link selanjutnya data akan langsung diurut. Jadi data hasil penambahan data
pencarian ini merupakan daftar transaksi yang sudah diurut.
Hasil Pengujian
Data pengujian yang digunakan adalah data berupa tabel transaksi yang berisi sebanyak 10 transaksi
dengan 20 item. Item tersebut merupakan deret huruf yang disusun sedemikian rupa agar semua
kemungkinan dalam algoritma dapat diuji. Penggunaan data uji ini dilakukan untuk memudahkan dalam
pengujian implementasi algoritma ke dalam program untuk menentukan benar atau salahnya implementasi
algoritma terebut. Sedangkan pada saat pengujian hasil keluaran, data transaksi yang digunakan adalah data
transaksi yang disertakan dalam aplikasi ARMADA 1.4. Data transaksi ini memiliki 203 baris data.
Penggunaan data transaksi ini dilakukan karena keterbatasan dari perangkat uji yang digunakan. Isi kedua
data ini dapat dilihat pada lampiran data transaksi.
Pengujian sistem ini dilakukan dengan menggunakan metode white box dengan pendekatan uji coba
berbasis alur (basis path). Metode berbasis alur memungkinkan perancang kasus uji untuk menghasilkan
ukuran kompleksitas logikal dari desain prosedural dan menggunakan ukuran ini untuk mendefinisikan
himpunan basis dari alur eksekusi. Kasus uji dihasilkan untuk melakukan sekumpulan basis yang dijamin
untuk mengeksekusi setiap perintah dalam program, sedikitnya satu kali selama ujicoba (Aliyuana, 2009).
Tabel 1, Tabel 3 dan Tabel 3 merupakan skenario uji sistem ini.
Jurusan Ilmu Komputer, FMIPA, Universitas Udayana
108
Proceeding Seminar Nasional Teknologi Informasi & Aplikasinya
2012
No.
1.
2.
3.
4.
5.
No.
1.
2.
3.
4.
5.
No.
1.
2.
3.
4.
5.
6.
7.
8.
9
Tabel 1. Skenario Pengujian Transformasi Data
Task
Keterangan
Load Page
Membuka halaman konfigurasi
Masukan support dan Memasukan support dan confidence
confidence
sistem
Simpan
Menyimpan support dan confidence
ke dalam basis data konfig
Transformasi data
Melakukan transformasi data dari data
peminjaman
peminjaman ke data transaksi. Lalu
data disimpan ke dalam tabel
transaksi
Cek hasil
Mengecek bentuk data hasil
transformasi
transformasi pada tabel transaksi
Tabel 2. Skenario Pengujian Penambahan Data
Task
Keterangan
Load Page
Membuka halaman pencarian
Memasukkan kata
Memasukkan kata kunci pencarian
kunci pencarian
yang digunakan untuk uji coba
Mengecek apakah data telah
Menekan link judul
ditambahkan ke dalam data transaksi.
buku pada halaman
Lalu langkah ini dilakukan sekali lagi
pencarian
untuk mengecek apakah data
sebelumnya langsung diubah.
Mengubah kata kunci Memasukkan kata kunci baru. Lalu
pencarian
mengulangi proses pada skenario
nomor 4.
Menekan link judul
Mengecek data apakah sudah
buku pada halaman
ditambahkan atau belum
pencarian
Tabel 3. Skenario Pengujian Pencarian Frequent Itemset
Task
Keterangan
Load Data Transaksi
Membaca data transaksi
Cek frequent itemset
Mengecek apakah semua frequent
berdasarkan support
itemset yang ada sudah terdata
Cek bentuk pohon
Mengecek apakah pohon transaksi
transaksi
sudah berhasil dibuat sesuai dengan
algoritma
Cek interval
Mengecek apakah interval yang
diberikan ke masing-masing node
sudah benar
Cek pembentukan
Mengecek apakah akar dari pohon
pohon transaksi
transaksi sudah dibentuk dengan
benar
Cek nilai koef
Mengecek nilai koef apakah sudah
sesuai dengan perhitungannya
Cek Pengirisan
Mengecek apakah irisan interval
Interval
sudah berhasil dibuat
Cek Pengirisan TIDs
Mengecek apakah irisan TIDs sudah
berhasil dibuat
Cek hasil pencarian
Mengecek apakah kombinasi item
kombinasi item
yang dihasilkan sudah benar
Status
Ok
Ok
Ok
Ok
Ok
Status
Ok
Ok
Ok
Ok
Ok
Status
Ok
Ok
Ok
Ok
Ok
Ok
Ok
Ok
Ok
Pengujian ini menunjukkan bahwa fungsi perangkat lunak telah bekerja sesuai dengan spesifikasi dan
kebutuhan fungsi karena seluruh kasus uji yang dilakukan sudah berhasil dilewati.
Pengujian hasil pencarian kombinasi item dilakukan dengan membandingkan hasil pemrosesan data
yang diperoleh dari sistem yang dibuat dengan hasil pemrosesan data yang diproses oleh ARMADA 1.4.
Data transaksi akan diproses menggunakan support 30 % dengan menggunakan confidence 30 %. Tabel 4
merupakan tabel hasil pengujian yang dilakukan oleh sistem yang telah dibuat.
109
Jurusan Ilmu Komputer, FMIPA, Universitas Udayana
2012
Proceeding Seminar Nasional Teknologi Informasi & Aplikasinya
Tabel 4. Hasil Pengujian Data Transaksi
Confidence( % )
TM
ARMADA 1.4
1. 23232
30
1. 12221
12221
10001
2. 23232
2. 12221
10001
10001
3. 10001
23232
23232
3. 12221
4. 10001
23232
12221
4. 12221
5. 12221
12345
23232
5. 10001
6. 12221
23232
10001
7. 12345
12221
8. 12221
12345
9. 10001
12221
23232
10. 10001
23232
12221
11. 12221
23232
10001
Dari tabel di atas dapat dilihat bahwa sistem yang dibuat memiliki kombinasi item dengan jumlah yang
berbeda. Ini disebabkan karena pada algoritma pemetaan transaksi tidak memasukkan ulang itemset yang
memiliki item dengan kombinasi yang sama. Dengan demikian kombinasi item yang sama tidak dituliskan
kembali. Hal ini merupakan salah satu keunggulan dari algoritma pemetaan transaksi. Sehingga waktu
komputasi dapat dikurangi dengan adanya pengurangan pengecekan kombinasi item yang sama. Proses ini
dilakukan pada pohon lexicographic pada saat pembacaan hasil dari pencarian kombinasi item. Jika item
dengan kombinasi yang sama dianggap satu transaksi maka hasil pemrosesan antara sistem yang dibuat
dengan aplikasi ARMADA 1.4 dapat dikatakan sama. Dengan demikian sistem yang dibuat telah berhasil
mencari hubungan asosiatif antara kombinasi item.
Support( % )
30
Kesimpulan
Berdasarkan uji coba yang dilakukan, maka kesimpulan yang dapat diambil dari penelitian ini adalah :
1. Sistem yang dibangun dibagi menjadi tiga bagian yaitu proses transformasi data peminjaman, proses
penambahan data pencarian dan proses pencarian menggunakan algoritma pemetaan transaksi. Proses
transformasi data peminjaman terdapat pada halaman konfigurasi yang digunakan juga untuk pengaturan
support dan confidence. Proses penambahan data pencarian dilakukan saat user menekan link pada daftar
buku yang dicari. Proses ini langsung menambahkan data pada tabel transaksi secara otomatis. Proses
pencarian menggunakan algoritma pemetaan transaksi dilakukan pada halaman pencarian buku.
2. Sistem yang dibuat dalam penelitian ini telah berhasil membuat sistem pencarian buku berdasarkan
kaidah asosiasi dengan menggunakan algoritma pemetaan transaksi. Setelah perbandingan dilakukan,
sistem yang dibangun menghasilkan aturan asosiatif yang sama dengan aplikasi ARMADA 1.4.
Saran
Untuk memaksimalkan kinerja sistem, penyesuaian support dan confidence untuk setiap data sangat
dibutuhkan. Oleh karena itu, diperlukan penelitian lebih lanjut dalam penggunaan algoritma yang mencari
support dan juga confidence secara dinamis.
Daftar Pustaka
Agrawal,R. dan Srikant, R., 1994. Fast Algorithms for Mining Association Rules. Proc. 20th Int’l Conf. Very
Large Data Bases, pp. 487-499.
Aliyuana, 2009. Teknik Pengujian Perangkat Lunak (Software Testing Techniques). Yogyakarta : Universitas
Gunadarma.
Song, Mingjun dan Rajasekaran, Sanguthevar, 2006. A Transaction Mapping Algorithm for Frequent
Itemsets Mining. IEEE Transactions on Knowledge and Data Engineering.
Jurusan Ilmu Komputer, FMIPA, Universitas Udayana
110