Sistem rekomendasi hasil pertanian tanaman pangan menggunakan pendekatan Content Based Filtering - USD Repository

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  

SISTEM REKOMENDASI HASIL PERTANIAN TANAMAN PANGAN

MENGGUNAKAN PENDEKATAN CONTENT BASED FILTERING

  Skripsi Diajukan untuk Memenuhi Salah Satu Syarat

  Memperoleh Gelar Sarjana Komputer Program Studi Teknik Informatika

  Oleh: Putri Nastiti

  085314020 JURUSAN TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SANATA DHARMA YOGYAKARTA

  2013

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  RECOMMENDATION SYSTEM OF FOOD CROP FARMS USING CONTENT-BASED FILTERING APPROACH A Thesis Presented as Partial Fulfillment of the Requirements to Obtain the Sarjana Komputer Degree in Informatics Engineering By :

  Putri Nastiti 08 5314 020

DEPARTMENT OF INFORMATICS ENGINEERING FACULTY OF SCIENCE AND TECHNOLOGY SANATA DHARMA UNIVERSITY YOGYAKARTA 2013

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  HALAMAN PENGESAHAN Halaman Persembahan ..

  Tugas akhir ini saya persembahkan untuk orang tua saya, yang di setiap halamannya mengandung keringat, air mata, serta senyuman mereka ..

  . Untuk kakak saya, satu2 nya keluarga yang tak pernah ribut dengan pertanyaan ‘kapan lulus?’ ini kado pernikahanmu, Mas ..

  Untuk semua an ggota ‘genk galau’ yang setia menjadi teman seperjuangan meraih gelar S.Kom ..

  

Dan untuk kamu yang sadar atau tidak, ternyata

sudah menjadi inspirasiku ..

   Thank’s anyway 

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  MOTTO Bermainlah dalam permainan, tetapi janganlah main-main.

  Bermainlah untuk bahagia, tetapi janganlah mempermainkan bahagia.

• N. Driyarkara, S. J.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  

SISTEM REKOMENDASI HASIL PERTANIAN TANAMAN PANGAN

MENGGUNAKAN PENDEKATAN CONTENT BASED FILTERING

ABSTRAK

  Sebagian besar petani di Indonesia yang berkelompok dan membentuk suatu kelompok tani biasanya menyalurkan hasil pertaniannya kepada pengepul, untuk selanjutnya diteruskan kepada pedagang pasar atau konsumen. Padahal idealnya hasil pertanian dapat disalurkan oleh petani langsung kepada konsumen. Pada kenyataannya, hasil pertanian tidak bisa langsung sampai pada konsumen, melainkan harus melewati beberapa rantai distribusi. Hal ini menjadikan proses penyaluran hasil pertanian menjadi kurang efektif dan efisien, dari segi waktu dan juga biaya. Skripsi ini menyediakan informasi tentang rekomendasi hasil pertanian tanaman pangan. Sistem ini dikembangkan berbasis mobile.

  Dalam pencarian rekomendasi hasil pertanian, digunakan teori mengenai content Dalam pendekatan content-based filtering, sistem memilih dan melakukan based filtering. peringkat item berdasarkan kesamaan profil pengguna dan profil item. Keuntungan dari pendekatan ini adalah pengguna mendapatkan wawasan tentang mengapa suatu item dianggap relevan untuk mereka. Data yang dipergunakan adalah data yang diperoleh dari Dinas Pertanian Kabupaten Sleman.

  Rekomendasi yang diberikan sistem disusun berdasarkan tingkat kemiripan profil item dengan profil user. Proses pengujian sistem adalah dengan mencari hasil yang relevan dari daftar hasil rekomendasi. Kemudian menghitung precision, dan rata-ratanya. Berdasarkan pengujian 10 profil pedagang dengan 15 rekomendasi kelompok tani teratas, didapatkan hasil rata-rata presisi 78.40%. Berdasarkan hasil evaluasi sistem ini belum dapat dikatakan baik karena pengujian yang dilakukan hanya menggunakan precision saja. Kata kunci : sistem rekomendasi, content based filtering, vector space model, aplikasi mobile.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

RECOMMENDATION SYSTEM OF FOOD CROP FARMS

  

ABSTRACT

  Most farmers in Indonesia are grouped and make a groups, usually distribute their crops to the wholesalers, then submitted to the merchant or the consumer market. Ideally agricultural products can be delivered by farmers directly to consumers. In fact, agriculture is not can jump directly to the consumer, but must pass through a chain of distribution. It makes the process of distributing agricultural products become less effective and efficient, in terms of time and costs. This thesis provides information on the recommendations of agricultural crops. This system was developed based on the mobile.

  In the recommendation process agricultural products, used the theory of content- based filtering. In content-based filtering approach, systems select and rank the items based on similarity of user profiles and item profiles. The advantage of this approach is that users gain insights on why an item is considered relevant to them. The data used is the data obtained from the Department of Agriculture District of Sleman.

  Recommendations given system is based on the level of similarity profile items with user profiles. System testing process is to find relevant results from the recommendation list. Then calculate the precision, and the average. Based on testing of 10 profiles trader with 15 top recommendations farmer groups, showed an average of precision is 78.40%. Based on that evaluation system can not be said to be good because the testing is using only precision.

  Key word : recommendation system, content based filtering, vector space model, mobile application.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  Puji dan syukur saya panjatkan kepada Tuhan Yang Maha Esa karena segala berkat dan rahmat yang telah diberikan sehingga saya dapat menyelesaikan tugas akhir dengan judul “Sistem Rekomendasi Hasil Pertanian Tanaman Pangan Menggunakan Pendekatan Content Based Filtering”.

  Pada kesempatan ini saya ingin mengucapkan terima kasih kepada pihak-pihak yang telah mendukung saya selama pengerjaan tugas akhir ini. Ucapan terima kasih ini saya tunjukkan kepada:

  1. Bapak Puspaningtyas Sanjoyo Adi S.T., M.T. selaku dosen pembimbing yang senantiasa memberikan masukkan dan bantuan dalam membimbing penulis untuk menyelesaikan tugas akhir ini.

  2. Ibu Paulina Heruningsih Prima Rosa, S.Si., M.Sc. selaku dekan Fakultas Sains dan Teknologi Universitas Sanata Dharma.

  3. Ibu Ridowati Gunawan, S,Kom., M.T. selaku ketua jurusan Teknik Informatika Universitas Sanata Dharma.

  4. Pihak sekretariat dan laboran FST yang turut membantu penulis dalam menyelesaikan tugas akhir ini.

  5. Kedua orangtua saya, Ir. Bambang Setiyo dan Chatarina Herningsih, serta kakak saya Yohanes Pandu Prasetya, S.E., dan calon kakak ipar Adinda Putri Widyaningtyas, dan segenap keluarga atas dukungan dan doa yang mengalir tanpa henti untuk penulis.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  xii

  6. Teman-teman seperjuangan dalam meraih gelar, Itha, Laurin, Siska, Petra, Vava, Ilan, Rista, Angga, Endro, Devi, Henfri, Bebeth, Ocha, Surya, Tista dan segenap teman-teman TI USD yang tidak dapat penulis sebutkan satu-persatu.

  7. Yohanes Januadi, yang walaupun datang di akhir perjuangan, tetapi doa dan motivasi penuh yang diberikan selalu menguatkan.

  8. Seluruh pihak yang membantu kelancaran dalam penulisan Tugas Akhir ini, secara langsung dan tidak langsung, yang tidak dapat saya sebutkan satu-persatu.

  Saya menyadari masih terdapat banyak kekurangan dalam penelitian ini. Saran dan kritik akan selalu saya nantikan untuk perbaikan di masa yang akan datang.

  Akhir kata, saya berharap tulisan ini dapat bermanfaat bagi kemajuan dan perkembangan ilmu pengetahuan serta para pembaca sekalian.

  Yogyakarta, 26 Mei 2013 Penulis

  PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  

DAFTAR ISI

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  xiv

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  xv

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  xvi

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  xvii

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  DAFTAR GAMBAR

Gambar 2.1 Vector Space Model.................................................................. 12Gambar 2.2 Arsitektur Android...................................................................... 15Gambar 3.1 Arsitektur Sistem........................................................................ 20Gambar 3.2 Arsitektur Aplikasi (pedagang).................................................. 21Gambar 3.3 Arsitektur Aplikasi (petani)........................................................ 22 Gambar 3.4Use Case Diagram untuk Petani dan Pedagang......................... 24Gambar 3.5 Diagram Kelas............................................................................ 25Gambar 3.6 ERD Sistem................................................................................. 26

  PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  

DAFTAR TABEL

Tabel 3.1 Struktur tabel data_lahan..................................................................... 27Tabel 3.2 Struktur tabel data_pedagang............................................................... 27Tabel 3.3 Struktur tabel petani............................................................................ 27Tabel 3.4 Struktur tabel petani_jarak................................................................... 28Tabel 3.5 Struktur tabel produk............................................................................ 28Tabel 3.6 Struktur tabel query_pdg...................................................................... 29Tabel 3.7 Struktur tabel profil_pedagang............................................................. 29Tabel 3.8 Struktur tabel data_lahan_index.......................................................... 29Tabel 4.1 Nama varietas tanaman padi................................................................32Tabel 4.2 Sampel profil 1..................................................................................... 33Tabel 4.3 Sampel profil 2..................................................................................... 34Tabel 4.4 Sampel profil 3.................................................................................... 35Tabel 4.5 Sampel profil 4.................................................................................... 35Tabel 4.6 Sampel profil 5.................................................................................... 36Tabel 4.7 Sampel profil 6.................................................................................... 36Tabel 4.8 Sampel profil 7.................................................................................... 37Tabel 4.9 Sampel profil 8..................................................................................... 37Tabel 4.10 Sampel profil 9................................................................................. 39Tabel 4.11 Sampel profil 10................................................................................ 39Tabel 4.12 Tabel relevansi hasil pencarian rekomendasi petani........................ 42Tabel 4.13 Tabel hasil perhitungan precision rekomendasi kelompok tani........ 43Tabel 4.14 Tabel relevansi hasil pencarian rekomendasi pedagang................... 47Tabel 4.15 Tabel hasil perhitungan precision rekomendasi pedagang............... 48

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

BAB 1 PENDAHULUAN

1.1 Latar Belakang Masalah

  Di negara Indonesia yang merupakan daerah agraris, masih terdapat banyak petani yang kesulitan dalam mendistribusikan hasil panennya. Sebagian besar petani yang berkelompok dan membentuk suatu kelompok tani biasanya menyalurkan hasil pertaniannya kepada pengepul, untuk selanjutnya diteruskan kepada pedagang pasar atau konsumen. Padahal idealnya hasil pertanian dapat disalurkan oleh petani langsung kepada konsumen. Pada kenyataannya, hasil pertanian tidak bisa langsung sampai pada konsumen, melainkan harus melewati beberapa rantai distribusi. Hal ini menjadikan proses penyaluran hasil pertanian menjadi kurang efektif dan efisien, dari segi waktu dan juga biaya.

  Berdasarkan pada hal tersebut, penulis ingin membuat sebuah sistem yang dapat mencatat data lahan pertanian serta merekomendasikan lahan pertanian mana saja yang berpotensi menghasilkan komoditas tanaman pangan, berupa padi khususnya untuk Kabupaten Sleman yang masih dalam proses pemulihan pasca bencana Merapi. Sistem tersebut harus dapat diakses dimanapun dan kapanpun, pengguna pun juga secara cepat dapat mengakses informasi melalui sistem tersebut.

  Berdasarkan penjelasan tersebut, akan sangat cocok apabila diimplementasikan dengan sistem berbasis mobile. Dengan adanya aplikasi ini, pemasaran hasil pertanian khususnya kepada pedagang akan lebih

  mobile

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  2 efektif dan efisien. Aplikasi mobile ini tentunya harus tepat sasaran dan tepat pengguna. Dalam hal ini sistem mampu memberikan rekomendasi lahan yang sesuai untuk pengguna sistem. Dalam pembuatannya, sistem rekomendasi ini akan menerapkan teori mengenai content based filtering.

  Jurnal yang berjudul “An Ontology-Content Based Filtering Method” oleh Peretz Shoval, Veronica Maidel, dan Brancha Shapira menjelaskan tentang pendekatan content-based filtering, sistem memilih dan melakukan peringkat item berdasarkan kesamaan profil pengguna dan profil item. Keuntungan dari pendekatan ini adalah pengguna mendapatkan wawasan tentang mengapa suatu item dianggap relevan untuk mereka.

  Aplikasi mobile ini akan diimplementasikan pada smartphone Android. Android merupakan sebuah sistem operasi terbuka yang dianggap mampu menjawab masalah-masalah yang diangkat dalam tugas akhir ini. Pada implementasinya aplikasi mobile ini akan memanfaatkan Google Map yang sudah terintegrasi dengan Android. Dengan aplikasi mobile ini pengguna yang khususnya adalah pedagang akan lebih mudah dalam mengakses informasi mengenai lahan pertanian yang sesuai dengan profil setiap pedagang.

1.2 Rumusan Masalah

  Masalah-masalah yang akan dibahas untuk pengembangan perangkat lunak ini mencakup :

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  3

  1. Bagaimana membangun sebuah sistem rekomendasi mobile hasil pertanian?

  2. Bagaimana sistem ini akan membantu pengguna khususnya para pedagang untuk mengetahui informasi lahan dan hasil pertanian berupa padi menggunakan pendekatan content based filtering?

  1.3 Batasan Masalah

  Mengingat ruang lingkup penelitian mengenai lokasi lahan pertanian ini cukup luas sehingga penelitian ini hanya dibatasi pada :

  1. Memetakan lokasi lahan pertanian yang termasuk pada area DIY.

  2. Lahan pertanian yang dijadikan sampel adalah yang lahan berada di Kabupaten Sleman.

  3. Jenis tanaman yang dapat dipilih hanya tanaman padi.

  4. Informasi yang diberikan oleh sistem adalah lokasi lahan, jenis tanaman, luas lahan, kelompok tani, prediksi jumlah hasil panen (dalam kg).

  1.4 Tujuan dan Manfaat Penulisan

  Tujuan dibuatnya tugas akhir yang berjudul “Sistem Rekomendasi Hasil Pertanian Tanaman Pangan Menggunakan Pendekatan Content Based Filtering” ini adalah membangun sebuah sistem berbasis mobile yang sesuai dengan teori

  

Conten Based Filtering pada sistem operasi Android untuk mencatat data lahan

  pertanian serta menginformasikan hasil pertanian di Kabupaten Sleman kepada pengguna, khususnya pedagang. Informasi tersebut berupa waktu tanam, waktu

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  4 panen, luas lahan, posisi lahan, hasil panen, kelompok tani. Sistem yang dibuat

  mobile

  ini bertujuan untuk membuat pengguna lebih merasa fleksibel dalam mengakses informasi tersebut.

  Manfaat penulisan tugas akhir ini adalah memberikan kemudahan bagi pengguna khususnya pedagang untuk mengetahui informasi lahan pertanian beserta informasi waktu tanam dan perkiraan panen yang dapat diakses melalui ponsel. Manfaat lainnya adalah dengan dibuatnya sistem ini semoga dapat membantu proses pemasaran hasil pertanian para petani di daerah Sleman.

1.5 Metodologi Penelitian

  Pada pelaksanaan pembuatan tugas akhir hingga pembuatan sistem dan penyusunan laporan, penulis menggunakan tahapan : a. Pengumpulan data dan analisis Penulis melakukan studi pustaka untuk mengumpulkan informasi.

  Studi pustaka dilakukan dengan mempelajari teori-teori serta literatur yang mendukung penelitian ini terutama yang berhubungan dengan

  recommender system, content-based filtering,

  serta perangkat lunak yang digunakan untuk membangun sistem.

  Selain itu penulis juga mengumpulkan data seperti data lahan pertanian yang terdapat di Kabupaten Sleman yang digunakan untuk penelitian ini.

  b. Pengembangan sistem atau software

  5 Metode yang dipakai untuk mengembangkan sistem yang dipakai adalah pendekatan content-based filtering dengan pengukuran kemiripan (measuring similarity) antara profil item dan profil user menggunakan algoritma cosine similarity.

  c. Evaluasi sistem Metode evaluasi dilakukan dengan menghitung nilai precision. Nilai

  precision

  inilah yang menentukan berhasil atau tidaknya sistem yang dibangun dengan metode content-based filtering ini dan implementasi vector space model.

1.6 Sistematika Penulisan

  Sistematika penulisan tugas akhir ini dengan susunan sebagai berikut :

  Bab 1 Pendahuluan Pada bagian ini berisi tentang penjelasan latar belakang masalah,

  perumusan masalah, batasan masalah, tujuan, hingga teknik penulisan yaitu metodologi penelitian, dan sistematika penulisan.

  Bab 2 Landasan Teori Pada bagian ini berisi tentang prinsip-prinsip dasar recommender system , content based filtering, pengertian mobile application. Bab 3 Analisa Sistem dan Perancangan Sistem Pada bagian ini berisi tentang sistem yang akan dibuat serta langkah- langkah dan metode yang akan digunakan dalam pembuatan sistem tersebut. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  6

Bab 4 Implementasi dan Analisis Sistem Pada bagian ini akan berisi mengenai pembuatan sistem dan cara kerja sistem serta analisa dari sistem yang telah dibuat. Bab 5 Penutup Pada bagian ini akan berisi tentang kesimpulan dari keseluruhan pembuatan sistem dan saran untuk pengembangan sistem ke depan.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

BAB 2 LANDASAN TEORI

2.1 Pengertian Sistem Rekomendasi

  Sistem Rekomendasi atau disebut juga Recommender system merupakan sebuah sistem yang menyarankan informasi yang berguna.

  Sistem rekomendasi juga dapat menduga apa yang akan dilakukan pengguna untuk mencapai tujuannya, misalnya seperti memilih produk tertentu.

  Seperti yang disebutkan oleh Paul Resnick dan Hal R. Varian dalam jurnalnya, recommender system membantu dan meningkatkan proses seleksi alam. Suatu yang khas dalam sistem rekomendasi adalah orang memberikan rekomendasi sebagai masukan, kemudian sistem mengagregasikan dan mengarahkan agar sesuai dengan si penerima. Dalam beberapa kasus, transformasi utama ada di dalam proses agregasi. Kasus lainnya nilai sistem terletak pada kemampuannya untuk mencocokkan dua hal yaitu bagian yang dijadikan rekomendasi, dan yang mencari rekomendasi secara baik.

  Tugas inti dari recommender system adalah untuk memprediksikan evaluasi subyektif yang akan diberikan pengguna terhadap item. Prediksi ini dihitung menggunakan sejumlah model prediktif yang memiliki karakteristik umum, yaitu mengeksploitasi evaluasi atau penilaian yang diberikan oleh pengguna untuk transaksi yang sebelumnya telah dilihat. Berdasarkan teknik prediksi tertentu yang sedang digunakan, recommender

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  8 telah diklasifikasikan ke dalam empat kategori utama [Burke, 2007]:

  system

  . Pada sistem

  collaborative-based, content-based, knowledge-based, hybrid

  yang menggunakan pendekatan collaborative-based paling sederhana menghitung korelasi antara pengguna, memprediksi peringkat produk untuk pengguna saat ini didasarkan pada peringkat yang diberikan oleh pengguna lain, yang sangat berhubungan dengan preferensi pengguna saat ini [Herlocker et al, 1999]. Sedangkan sistem dengan pendekatan content-based hanya menggunakan preferensi dari pengguna saat ini, memprediksi peringkat untuk item yang tak terlihat berdasarkan seberapa banyak deskripsinya atau isinya mirip dengan pengguna [Pazzani dan Billsus, 2007].

2.1.1 Content Based Filtering

  Pendekatan Information filtering didasarkan pada bidang (IR) dan teknik yang digunakan pun banyak yang

  information retrieval

  sama [Hanani et al, 2001]. Satu aspek yang membedakan antara information filtering dan information retrieval adalah mengenai kepentingan pengguna.

  Pada IR pengguna menggunakan ad-hocqueries, sedangkan information

  filtering pengguna sudah mempunyai profil yang merepresentasikan

  kepentingan jangka panjang, dan sistem mencoba memberikan kepada setiap pengguna, item yang relevan. Berdasarkan pada ukuran kesamaan antara masing-masing profil, sistem memilih dan membuat peringkat pada item yang relevan, kemudian diberikan kepada pengguna. Terdapat dua

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  9 pendekatan pada information filtering, yaitu collaborative filtering dan content-based filtering.

  Pada tugas akhir ini akan menggunakan pendekatan content-based Berbeda dengan collaborative filtering yang memilih dan membuat filtering. peringkat item untuk pengguna berdasarkan kesamaan dari pengguna untuk pengguna lain yang menyukai item serupa di masa lalu, tetapi pada pendekatan content-based filtering ini, sistem memilih dan melakukan peringkat item berdasarkan kesamaan profil pengguna dan profil item.

  Keuntungan dari pendekatan ini adalah pengguna mendapatkan wawasan tentang mengapa suatu item dianggap relevan untuk mereka, karena konten di setiap item nya diketahui dari representasinya. Namun pendekatan ini juga mempunyai kelemahan, misalnya kenyataan bahwa pendekatan ini berfokus pada kemiripan kata kunci. Pendekatan ini tidak mampu menangkap hubungan yang lebih kompleks pada level semantik yang lebih dalam, berdasarkan pada berbagai jenis atribut yang berhubungan dengan obyek terstruktur dari teks [Dai dan Mobasher, 2001]. Kesamaan antara representasi dari pengguna dan representasi dari item akan didasarkan pada prinsip kedekatan yang menyatakan bahwa jarak dari dua deskripsi item secara langsung berkaitan dengan kesamaan mereka [Knappe, 2005].

  Menurut International Journal "Information Theories & Applications" Vol.15 / 2008 oleh Peretz Shoval, Veronica Maidel, Brancha Shapira dijelaskan bahwa representasi dari konten untuk profil item adalah : Profil item terdiri dari serangkaian konsep yang mewakili isinya. Misalnya,

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  10 jika item berkaitan dengan olahraga, dan secara khusus sepak bola, ini diwakili dengan konsep sepak bola saja. Sedangkan representasi dari konten untuk profil pengguna adalah : Profil pengguna terdiri dari daftar yang berbobot yang merepresentasikan keinginannya. Sebagai contoh, profil pengguna berisi konsep „olahraga‟ saja, atau „olahraga‟ dan „sepakbola‟, atau „sepak bola‟ dan „basket‟, atau ketiganya. Ini berarti bahwa konsep tertentu dalam profil item mungkin “matched” (yaitu dibandingkan) dengan lebih dari satu konsep setara dalam profil pengguna. Misalnya jika dalam profil item terdapat „sepak bola‟ dan profil pengguna terdapat „olahraga‟ dan „sepak bola‟ maka terdapat “perfect match” antara dua profil tersebut.

  Dalam jurnal yang berjudul „Using Content-based Filtering for Recommendation‟ oleh Robin van Meteren dan Marteen van Someren, sistem rekomendasi yang sedang diperkenalkan saat itu adalah PRES, yang merupakan akronim dari Personal Recommender System. Sistem ini bertujuan untuk membantu pengguna menemukan informasi yang sesuai dengan kepentingan mereka pada website. Sistem rekomendasi dapat meningkatkan website untuk pengguna individu dengan menambahkan

  hyperlink secara dinamis. Tujuannya adalah untuk memudahkan pengguna

  dalam menemukan item yang sesuai, sehingga dapat meningkatkan interaksi antara sistem dan pengguna. PRES menggunakan content-based filtering dimana sistem membuat rekomendasi dengan membandingkan profil pengguna dengan isi setiap dokumen dalam koleksi. Isi dokumen dapat direpresentasikan dengan satu set term. Term diekstrak dari dokumen

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  11 dengan menjalankan sejumlah langkah parsing. Pertama, semua tag html dan stop word (kata yang sering muncul dan tidak dapat digunakan sebagai diskriminator) akan dihapus. Kata yang tersisa dikurangi menjadi induk mereka dengan menghapus awalan dan akhiran [Porter, 1980].

  Terdapat beberapa cara untuk merepresentasikan agar dapat digunakan sebagai komponen pembelajaran. Sebuah metode yang paling sering digunakan adalah Vector Space Model. Pada metode ini, dokumen D direpresentasikan sebagai vektor m dimensional. Dimana setiap dimensi berkorespondensi terhadap term yang berbeda dan m adalah total jumlah

  term yang dipakai dalam koleksi dokumen. Vektor dokumen adalah ditulis sebagai, w i adalah bobot dari term t i yang menunjukkan tingkat kepentingan.

  Jika pada dokumen D tidak mengandung term t maka bobot dari w adalah

  i i

  nol. Bobot term dapat ditentukan dengan menggunakan skema tf-idf. Pada pendekatan ini bobot dihitung berdasarkan pada seberapa sering sebuah

  term muncul pada sebuah dokumen, dan seberapa sering ditemukan dalam

  koleksi dokumen. Selanjutnya teori mengenai vector space model akan dibahas dalam sub bab berikutnya.

2.1.2 Vector Space Model

  Vector space model adalah suatu model yang digunakan untuk mengukur kemiripan antara suatu dokumen dengan suatu query. Pada model ini, query dan dokumen dianggap sebagai vektor-vektor pada ruang n- dimensi, dimana n adalah jumlah dari seluruh term yang ada dalam

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  12 leksikon. Leksikon adalah daftar semua term yang ada dalam indeks [Salton, 1989].

  Vector space model digunakan karena pada metode ini memungkinkan proses pemeringkatan dokumen. Metode ini menghitung nilai cosinus dari dua vektor. Dua vektor tersebut adalah bobot dari tiap dokumen dan bobot dari query. Bobot dokumen dan query digunakan untuk proses pemeringkatan dokumen, seperti yang terlihat pada Gambar 2.1 berikut.

Gambar 2.1 Vector Space Model

  Pembobotan term dalam vektor dokumen dapat ditentukan dalam banyak cara. Pendekatan yang umum, dan digunakan dalam tugas akhir ini adalah metode TF-IDF. Pada metode ini, bobot term ditentukan oelh dua faktor: seberapa sering term j terdapat dalam dokumen i (term frequency tf )

  i,j

  dan seberapa sering muncul dalam seluruh dokumen koleksi (document ). Tepatnya bobot term j pada dokumen i dirumuskan seperti

  frequency df j

  berikut :

  w = tf x idf = tfi x log N/df i,j i,j j ,j j

  (2.1)

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  13 N merupakan jumlah dokumen yang terdapat dalam koleksi dokumen. Idf merupakan singkatan dari inverse document frequency.

  Metode ini memberikan bobot tinggi pada term yang sering muncul pada sedikit dokumen pada dokumen set.

  Setelah bobot term dihitung, diperlukan suatu fungsi pemeringkatan untuk mengukur kemiripan antara query dan dokumen vektor. Pengukuran kemiripan yang umum dikenal sebagai pengukuran kosinus. Pengukuran ini menentukan sudut antara vektor dokumen dan query ketika direpresentasikan dalam V-dimensional Euclidean, dimana v adalah ukuran vocabulary. Tepatnya kemiripan antara dokumen D dan

  i

  query Q didefinisikan sebagai berikut : [Lee, 1997]

  ( )   w w

  , , Q j i j

  Sim(Q,D i ) = j 

  1

  (2.2)

  2

   2 _{Q j i j}  ,  , w w _j  

  1 j

  1

2.1.3 Pengukuran Performansi

  Menurut Lee (1997) cara konvensional untuk mengukur kualitas hasil yang dikembalikan oleh sebuah sistem dalam menanggapi permintaan adalah dengan menggunakan recall dan precision.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  14

  a. Recall

  adalah proporsi dari semua dokumen relevan yang

  Recall dapat ditemukan-kembali oleh sebuah proses pencarian di sistem.

  Pada kasus ini adalah lahan pertanian ditemukan dalam proses pencarian. Rumusnya adalah :

  Recall = jumlah dokumen relevan yang berhasil ditemukan

  (2.3)

  jumlah seluruh dokumen yang ditemukan

  b. Precision

  adalah proporsi jumlah dokumen yang ditemukan

  Precision dan dianggap relevan untuk kebutuhan si pencari informasi.

  Precision = jumlah dokumen relevan yang berhasil ditemukan

  (2.4)

   jumlah seluruh dokumen yang relevan

  c. Average Precision

  Untuk mengevaluasi strategi retrieval terhadap semua query, dihitung rata-rata dari precision di tiap recall : (2.5)

  Keterangan : P (r) = average precision pada level recall ke- r N (q) = jumlah query yang digunakan, dan Pi (r) = precision pada level recall ke- r untuk query ke- i

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  15

  2.2 Perangkat Bergerak (Mobile Device)

  Menurut Gartner (2003), perangkat bergerak secara umum dapat diklasifikasikan dalam 2 kategori, yaitu: [1] Telepon selular dengan peningkatan kemampuan komputasi, termasuk menampilkan grafik dan kemampuan berinteraksi dengan grafik (seperti: smartphone dan

  communicator ); [2] Komputer portabel, yang dapat diintegrasikan dengan kemampuan komunikasi audio-video (seperti: PDA, dan lain-lain).

  Pada umumnya perangkat bergerak yang digunakan untuk aplikasi klien kartografi memiliki sistem operasi (operating system), yang memberi pengguna sebuah antarmuka dan kontrol sinkronisasi perangkat. Saat ini sistem operasi yang popular untuk smartphone adalah: iPhone OS, Android, Blackberry, dan Microsoft Windows Mobile.

  2.3 Android

  Android merupakan operating system untuk mobile yang sedang tumbuh di tengah OS mobile lainnya, seperti Windows Mobile, i-Phone OS, Symbian. Android dikembangkan untuk perangkat mobile berbasis Linux.

2.3.1 Arsitektur Android

  Sistem operasi Android dibangun berdasarkan kernel Linux dan memiliki arsitektur seperti gambar berikut .

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  16

Gambar 2.2 Arsitektur Android

  Seperti yang terlihat pada gambar tersebut, arsitektur Android terdiri dari Application yang merupakan lapisan aplikasi, aplikasi tersebut ditulis dengan bahasa pemrograman Java, Application Framework yang merupakan pengembangan aplikasi yang memiliki akses penuh ke Android, sama dengan aplikasi inti yang telah tersedia. Arsitektur aplikasi ini dirancang untuk menyederhanakan penggunaan kembali komponen. Lapisan arsitektur lainnya terdapat Libraries, merupakan satu set libraries dalam bahasa C/C++ yang digunakan oleh berbagai komponen pada sistem Android, kemudianAndroid Runtime yang merupakan satu set libraries inti yang menyediakan sebagian besar fungsi yang tersedia di libraries inti dari bahasa pemrograman Java. Setiap aplikasi akan berjalan sebagai proses sendiri pada Dalvik Virtual Machine (VM). Lapisan yang terakhir adalah

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  17 kernel bertindak sebagai lapisan antara hardware dan seluruh

  Linux Kernel, software.

  2.3.2 Komponen Dasar

  Aplikasi Android ditulis dalam bahasa pemrograman Java. Java mengompilasi kode bersama dengan data resource dan file yang dibutuhkan oleh aplikasi disatukan ke dalam paket Android, file arsip ditandai dengan .apk. Komponen aplikasi pada Android terdiri 4 komponen utama, yaitu

  Activities yang merupakan potongan kode executable yang menyajikan UI

  secara visual dimulai oleh pengguna maupun sistem operasi dan berjalan selama diperlukan, Service yang berjalan di latar belakang untuk waktu yang tidak terbatas, Broadcast Receiver merupakan komponen yang menerima dan bereaksi untuk menyiarkan pengumuman, Content Provider diciptakan untuk berbagi data dengan Activities lain atau Service, sebuah content provider menggunakan antarmuka standar dalam bentuk URI untuk memenuhi permintaan data dari aplikasi lain.

  2.3.3 Location Based Service dan Google Maps

  Salah satu fitur yang mendefinisikan ponsel adalah mudah dibawa, sehingga tidak mengherankan bahwa beberapa fitur Android paling menarik adalah layanan yang memungkinkan untuk menemukan dan mengontekstualisasikan lokasi peta secara fisik.

  Google Maps memungkinkan penggunanya untuk membuat peta berbasis Aktivitas sebagai elemen User Interface. Pengguna memiliki akses

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  18 penuh ke peta, yang memungkinkan untuk mengontrol pengaturan tampilan, mengubah tingkat zoom, dan memindahkan lokasi terpusat. Dengan menggunakan Overlay, pengguna dapat menambahkan keterangan peta dan menangani masukan pengguna untuk memberikan informasi dan fungsi dari

  map-contextualized .

  Location-based service adalah layanan yang memungkinkan pengguna menemukan lokasi perangkat saat itu. Termasuk teknologi seperti GPS dan teknologi Google yang berbasis lokasi. Pengguna dapat menentukan teknologi location-sensing secara eksplisit yaitu dengan nama, atau secara implisit yaitu dengan mendefinisikan seperangkat kriteria dalam hal akurasi, biaya, dan persyaratan lainnya.

  Peta dan layanan berbasis lokasi menggunakan garis lintang dan bujur untuk menentukan lokasi geografis, namun pengguna lebih cenderung untuk berpikir menggunakan alamat. Android menyediakan geocoder yang mendukung proses forward dan reverse geocoding. Geocoder memungkinkan pengguna untuk mengkonversi bolak balik antara lintang atau bujur dan alamat dunia nyata. Pemetaan, geocoding, dan layanan berbasis lokasi digunakan bersama-sama pada perangkat canggih untuk menggabungkan mobilitas ponsel ke dalam aplikasi mobile pengguna.

  Terdapat dua elemen LBS yaitu :

  a. Location Manager : menyediakan pengait ke Location Based . Fungsinya mendapatkan lokasi saat ini, melacak

  Service

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  19 perpindahan dan mengatur tanda kedekatan untuk mendeteksi gerakan masuk dan keluar dari area tertentu.

  b. Location Provider : masing-masing mewakili teknologi lokasi- temuan yang berbeda yang digunakan untuk menentukan lokasi perangkat.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

BAB 3 ANALISA DAN PERANCANGAN

3.1 Analisis Sistem

  3.1.1 Gambaran Umum Sistem Analisis sistem merupakan suatu teknik penyelesaian masalah yang

  membagi sistem ke dalam bagian-bagian komponen kecil dengan tujuan agar bagian-bagian dari komponen tersebut dapat bekerja dengan baik.

  Analisis sistem bertujuan mendapatkan pemahaman secara keseluruhan tentang sistem yang akan dibuat berdasarkan masukan dari pihak-pihak yang berkepentingan dengan sistem tersebut.

  Seperti yang telah disampaikan di latar belakang masalah, sistem yang akan dibuat ini digunakan untuk memberikan informasi mengenai lahan pertanian di kawasan Sleman, DIY. Sistem yang akan dibangun mempunyai sasaran pengguna yaitu masyarakat pada umumnya dan para pedagang pada khususnya yang ingin mengetahui informasi hasil pertanian berupa tanaman padi yang berada di kawasan Sleman tersebut. Informasi yang akan didapatkan oleh pengguna sistem adalah pemilik lahan, tanggal tanam, perkiraan masa panen, dan perkiraan hasil panen, letak lokasi, dan luas lahan.

  Sistem mempunyai 2 level pengguna yaitu pedagang dan petani yang bertugas melakukan update data. Pengguna tersebut mempunyai hak

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  21 untuk mendapatkan rekomendasi mengenai informasi lahan pertanian yang ditampilkan oleh sistem. Dalam pembangunan sistem rekomendasi lahan pertanian ini, penulis mengumpulkan data pertanian Kecamatan Cangkringan dari Dinas Pertanian Kabupaten Sleman.

3.2 Perancangan Sistem

3.2.1 Arsitektur Sistem

Gambar 3.1 Arsitektur Sistem

  Pada gambar tersebut terlihat bahwa mobile digunakan sebagai

  dumb terminal . Sedangkan penyimpanan data dan proses rekomendasi, seperti perhitungan menggunakan vector space model terjadi di web server.

  Berikut merupakan arsitektur aplikasi, atau proses yang terjadi pada web server :

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  22

  kel_tani, varietas, tgl tanam, tgl panen, jumlah data corpus

  (varietas, jumlah) Vector Space Model User (Pedagang tengkulak)

  , × , =1 ₂ , =1 ^{× 2} ,

  =1 List Rekomendasi similarity process Masukan profil pengguna (nama, varietas, jumlah)

Gambar 3.2 Arsitektur Aplikasi (pedagang)

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  23

  Petani Masukan profil item (kel_tani,varietas, jumlah, lokasi) perubahan database profil item yang telah berubah

Gambar 3.3 Arsitektur Aplikasi (petani)

  Hasil rekomendasi pada penelitian ini didapatkan dengan menggunakan metode Vector Space Model, dengan mengukur kedekatan antara profil pengguna dan profil item menggunakan rumus cosine

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  24 . Pada implementasi vector space model pada umumnya adalah

  similarity

  untuk menghitung kemiripan dokumen. Namun pada tugas akhir ini, metode vector space model tidak digunakan untuk menghitung kemiripan dokumen, tetapi menghitung kemiripan profil item, dalam hal ini petani dan profil pengguna, dalam hal ini pedagang.

  Contoh perhitungan kemiripan profil menggunakan algoritma vector space model, yang telah disesuaikan dengan kasus pada penelitian tugas akhir ini dapat dilihat pada lampiran 6 halaman 102.

3.3 Desain Model Secara Umum

3.3.1 Diagram Use Case

  Diagram use case merupakan diagram yang menggambarkan interaksi antara sistem dengan sistem eksternal dan pengguna. Dengan kata lain, secara grafis menggambarkan siapa yang akan menggunakan sistem dan dengan cara apa pengguna mengharapkan untuk berinteraksi dengan sistem. (Whitten, 2004).

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  25

  Registrasi

Login

depends on

Kelola data

  Petani Pedagang

depends on

  

Lihat rekomendasi

Gambar 3.4 Use Case Diagram untuk Petani dan Pedagang

  3.3.2 Narasi Use Case

  Setiap use case pada diagram use case gambar 3.4, akan dirinci dalam sebuah narasi use case yang akan mendeskripsikan secara tertulis aktivitas yang ada pada use case, adapun skenario use case dari gambar diagram use case tersebut terdapat pada lampiran 1 halaman 54.

  3.3.3 Diagram Aktifitas

  Merupakan diagram yang menjelaskan aktivitas antara user dengan sistem. Secara lebih rinci tahap activity diagram dapat dilihat pada lampiran 2 halaman 60.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  26

  3.3.4 Model Analisis

  Merupakan suatu proses untuk menterjemahkan skenario use case menjadi kelas analisis. Dalam kelas analisis terdapat tiga jenis, yaitu dan entity. Model analisis secara rinci dapat

  form/boundary, contoller, dilihat pada lampiran 3 halaman 69.

  3.3.5 Diagram Kelas

  Diagram kelas dari sistem yang akan dibangun adalah seperti pada gambar 3.5.