KAJIAN GRAPH SOCIAL NETWORK ANALYSIS UNTUK IDENTIFIKASI RELASI MAHASISWA ITS PADA KOMUNITAS KEILMIAHAN BERDASARKAN DATA USULAN PKM
TUGAS AKHIR – SM141501 KAJIAN GRAPH SOCIAL NETWORK ANALYSIS
UNTUK IDENTIFIKASI RELASI MAHASISWA ITS
PADA KOMUNITAS KEILMIAHAN BERDASARKAN
DATA USULAN PKM NURMA ARIKA WIDYA YOGA NRP 1213 100 051 Dosen Pembimbing Alvida Mustika Rukmi, S.Si, M.Si DEPARTEMEN MATEMATIKA Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya 2017
“Halaman ini sengaja dikosongkan”
- – FINAL PROJECT SM141501
STUDY OF GRAPH SOCIAL NETWORK ANALYSIS
TO IDENTIFYITS STUDENTS’ RELATIONS IN SCIENTIFICS COMMUNITY BASED ON DATA PROPOSED PKM NURMA ARIKA WIDYA YOGA NRP 1213 100 051 Dosen Pembimbing Alvida Mustika Rukmi, S.Si, M.Si DEPARTEMEN MATEMATIKA Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya 2017
“Halaman ini sengaja dikosongkan”
LEMBAR PENGESAHAN
KAJIAN GRAPH SOCIAL NETWORK ANALYSIS UNTUK
IDENTIFIKASI RELASI MAHASISWA ITS PADA
KOMUNITAS KEILMIAHAN BERDASARKAN DATA
USULAN PKM
STUDY OF GRAPH SOCIAL NETWORK ANALYSIS TO
IDENTIFY ITS STUDENTS’ RELATIONS IN SCIENTIFICS
COMMUNITY BASED ON DATA PROPOSED PKM
Diajukan untuk memenuhi salah satu syarat Untuk memperoleh gelar Sarjana Sains
Pada bidang studi Ilmu Komputer Program Studi S-1 Jurusan Matematika
Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya
Oleh : Nurma Arika Widya Yoga
NRP. 1213 100 051 Menyetujui,
DosenPembimbing, Alvida Mustika Rukmi, S.Si, M.Si
NIP. 19720715 199802 2 001 Mengetahui,
Ketua Departemen Matematika FMIPA ITS
Dr. Imam Mukhlash, S.Si, MT
NIP. 19700831 199403 1 003
Surabaya, Juni 2017
“Halaman ini sengaja dikosongkan”
KAJIAN GRAPH SOCIAL NETWORK ANALYSIS UNTUK
IDENTIFIKASI RELASI MAHASISWA ITS PADA
KOMUNITAS KEILMIAHAN BERDASARKAN
DATA USULAN PKM
Nama Mahasiswa : Nurma Arika Widya Yoga NRP : 1213 100 051 Departemen : Matematika FMIPA-ITS Dosen Pembimbing : Alvida Mustika Rukmi, S.Si, M.Si
Abstrak
Identifikasi relasi mahasiswa Institut Teknologi Sepuluh Nopember (ITS) berdasarkan usulan Program Kreativitas Mahasiswa (PKM) merupakan salah satu upaya membangun relasi bidang keilmiahan yang efektif untuk meningkatkan produktifitas kinerja ilmiah khususnya PKM di ITS. Pada pembentukan komunitas keilmiahan, untuk dapat mengidentifikasi pertukaran informasi dan opini dari sekian banyak usulan PKM merupakan hal yang relatif sulit. Pada penelitian ini, penggunaan Social Network
Analysis (SNA) adalah untuk menganalisis struktur dan pola relasi
interaksi antar individu yang kemudian direpresentasikan dalam bentuk graph. Interaksi dalam SNA tersebut menjawab berbagai persoalan antara lain mengukur bagaimana mahasiswa terkoneksi dengan yang lain, pengaruh seorang mahasiswa dengan mahasiswa lainnya dalam komunitas keilmiahan dan mengukur mahasiswa saling terhubung dan berinteraksi. Proses yang dilakukan meliputi ekstraksi kata kunci, pembentukan vektor konsep, identifikasi topik, identifikasi relasi menggunakan SNA dan pengelompokan mahasiswa ITS yang divisualisasikan dalam bentuk graph dalam menyajikan hubungan mahasiswa ITS berdasarkan usulan PKM.
Kata kunci: Identifikasi Relasi Mahasiswa, Clustering, Social Network Analysis
“Halaman ini sengaja dikosongkan”
STUDY OF GRAPH SOCIAL NETWORK ANALYSIS TO
IDENTIFY ITS STUDENTS’ RELATIONS IN SCIENTIFICS
COMMUNITY BASED ON DATA PROPOSED PKM
Student Name : Nurma Arika Widya Yoga NRP : 1213 100 051 Department : Mathematics Supervisor : Alvida Mustika Rukmi, S.Si, M.Si
Abstract
Identification relations students of the Sepuluh Nopember Institute of Technology (ITS) based on data proposed Student Creativity Program (PKM) is one way to build effective relationships Scientifics fields to improve the productivity of scientific performance especially PKM in ITS. On the establishment Scientifics community, to be able to identify the exchange of information and opinions from so many data proposed PKM is relatively difficult. In this study, the use of Social Network Analysis (SNA) is to analyze the structure and relationship patterns of interaction between individuals who then represented in the form of a graph. Interaction in the SNA answer the various issues, among others, measure how students connect with each other, how the influence of a particular student in Scientifics community and measure how students connect and interact. The process includes keyword extraction, concept vector formation, topic identification, identification using SNA and grouping of ITS students visualized in graph form in presenting ITS student relationship based on PKM proposal.
Keyword: Identification of Student Relations, Clustering, Social
Network Analysis
“Halaman ini sengaja dikosongkan”
KATA PENGANTAR
Puji syukur kepada Tuhan Yang Maha Esa atas segala karunia dan rahmat-Nya penulis dapat menyelesaikan tugas akhir yang berjudul
“Kajian Graph Social Network Analysis untuk Identifikasi Relasi Mahasiswa ITS pada Komunitas Keilmiahan berdasarkan Data Usulan PKM ”.
Melalui lembar ini, penulis ingin menyampaikan ucapan terima kasih dan penghormatan yang sebesar-besarnya kepada:
1. Alvida Mustika Rukmi S.Si, M.Si selaku Dosen Pembimbing yang telah memberikan bimbingan dan motivasi kepada penulis dalam mengerjakan Tugas Akhir ini sehingga dapat terselesaikan dengan baik.
2. Dr. Imam Mukhlash, S.Si, MT selaku Kepala Departemen Matematika ITS.
3. Dra. Nuri Wahyuningsih, M.Kes selaku Dosen Wali yang telah memberikan arahan akademik selama penulis menempuh pendidikan di Departemen Matematika ITS.
4. Dr. Didik Khusnul Arif, S.Si, M.Si selaku Ketua Program Studi S1 Departemen Matematika ITS.
5. Drs. Iis Herisman, M.Si selaku Sekretaris Program Studi S1 Departemen Matematika ITS.
6. Seluruh jajaran dosen dan staf Jurusan Matematika ITS.
7. Orang tua penulis dan kedua kakak pertama perempuan penulis yang tiada henti-hentinya mencurahkan kasih sayang, perhatian, semangat dan do’a kepada penulis selama ini.
8. Teman-teman Grup S.Si 15/16 dan Wanita sholikhah yang senantiasa memberikan motivasi dan hiburan pada penulis.
9. Rekan-rekan Matematika ITS terutama angkatan 2013 yang telah menjadi teman penulis hingga sekarang.
10. Semua pihak yang tak bisa penulis sebutkan satu-persatu, terima kasih telah membantu sampai terselesaikannya Tugas Akhir ini.
Sebagai manusia biasa, penulis menyadari bahwa tugas akhir ini masih jauh dari kesempurnaan dan memiliki banyak kekurangan. Sehingga dengan segala kerendahan hati, penulis mengharapkan saran dan kritik yang membangun dari pembaca. Akhir kata, semoga Tugas Akhir ini dapat bermanfaat bagi semua pihak yang berkepentingan.
Surabaya, Juni 2017 Penulis
DAFTAR ISI
“Halaman ini sengaja dikosongkan”
DAFTAR GAMBAR
Gambar 2.1 Ilustrasi algoritma tf-idf ............................................. 9Gambar 2.2 Visualisasi SNA, tersusun atas ‘node’ dan ‘vertex’ 12Gambar 4.1 Deskripsi Umum Perangkat Lunak .......................... 24Gambar 4.2 Tabel Database ....................................................... 26Gambar 4.3 Ekstraksi kata kunci menggunakan RAKE.............. 29Gambar 4.4 Proses pembentukan vektor konsep ......................... 31Gambar 4.5 Proses identifikasi topik .......................................... 33Gambar 4.6 Proses pembentukan vektor topik dokumen ............ 35Gambar 4.7 Proses pembentukan awal relasi mahasiswa ........... 37Gambar 4.8 Proses pembentukan vektor mahasiswa .................. 39Gambar 4.9 Proses pengelompokan mahasiswa .......................... 41Gambar 4.10 Proses pembentukan graph mahasiswa ................. 43Gambar 4.11 Tab Concept Extraction ......................................... 44Gambar 4.12 Tab Topic Detection .............................................. 45Gambar 4.13 Tab Clustering & SNA ........................................... 46Gambar 4.14 Tab Cluster Result ................................................. 47Gambar 5.1 Preprocessing Data ................................................. 62Gambar 5.2 Ekstraksi Konsep ..................................................... 63Gambar 5.3 Pengelompokan Konsep .......................................... 70Gambar 5.4 Proses Identifikasi relasi mahasiswa ....................... 76Gambar 5.5 Visualisasi graph SNA menggunkan 3 data untuk perhitungan degree centrality ...................................................... 79Gambar 5.6 Visualisasi graph fitur SNA .................................... 89Gambar 5.7 Visualisasi graph fitur topik .................................... 90Gambar 5.8 Visualisasi graph awal fitur gabungan .................... 91Gambar 5.9 Pembentukan graph awal sebelum clustering ......... 92Gambar 5.10 Visualisasi Graph Relasi Awal .............................. 92Gambar 5.11 Pembentukan relasi setelah dilakukan clustering .. 93Gambar 5.12 Visualisasi Graph Relasi dengan k=22 .................. 93
DAFTAR TABEL
Tabel 4.1 Tombol dan kegunaan pada tab concept extraction .... 44Tabel 4.2 Tombol dan kegunaan pada tab topic detection .......... 45Tabel 4.3 Tombol dan kegunaan pada tab clustering & SNA ...... 46Tabel 5.1 Contoh Data Mentah ................................................... 63Tabel 5.2 Contoh Hasil Preprocessing ........................................ 64Tabel 5.3 Contoh matriks co-occurrence pada dokumen 1 ......... 65Tabel 5.4 Contoh perhitungan rasio pada dokumen 1 ................. 66Tabel 5.5 Contoh perhitungan nilai fitur dasar pada dokumen 1 66Tabel 5.6 Contoh kandidat frase kunci dengan k = 2 .................. 66Tabel 5.7 Contoh kandidat frase kunci dengan k = 2 .................. 67Tabel 5.8 Hasil Matriks Term Frequency.................................... 67Tabel 5.9 Hasil Matriks Pembobotan .......................................... 69Tabel 5.10 Hasil Pengelompokan Konsep dengan k-means ........ 70Tabel 5.11 Contoh Matriks Pembobotan term ............................ 71Tabel 5.12 Contoh 3 centroid terpilih secara acak ...................... 71Tabel 5.13 Contoh 3 centroid terpilih secara acak ...................... 72Tabel 5.14 Centroid baru pada cluster 1 ..................................... 73Tabel 5.15 Centroid baru pada ketiga cluster ............................. 73Tabel 5.16 Document Cluster Vector .......................................... 74Tabel 5.17 Kandidat Kata Kunci Dokumen 1 ............................. 74Tabel 5.18 Hasil 3 topik cluster konsep ...................................... 74Tabel 5.19 Hasil Document Cluster Vector pada dokumen 1 ..... 75Tabel 5.20 Hasil Document Cluster Vector pada ketiga dokumenTabel 5.21 Hasil perhitungan Normalize Degree Centrality ....... 77Tabel 5.22 Contoh 3 Data Uji Usulan ......................................... 78Tabel 5.23 Hasil normalize degree centrality dengan 3 data ...... 80Tabel 5.24 Hasil normalize closeness centrality dengan 3 data .. 82Tabel 5.25 Hasil perhitungan Normalize Betweeness Centrality 83Tabel 5.26 Hubungan antar node dalam network ........................ 84Tabel 5.27 Hasil betweeness centrality dengan 3 data ................ 86Tabel 5.28 Hasil Ujicoba Pengelompokan Mahasiswa dengan k=22Tabel 5.29 Hasil Ujicoba Pengelompokan Mahasiswa dengan k=3
Tabel 5.30 Hasil Ujicoba Pengelompokan Mahasiswa fitur SNA
Tabel 5.31 Hasil Ujicoba Pengelompokan Mahasiswa fitur Topik
Tabel 5.32 Hasil Ujicoba Pengelompokan Mahasiswa fitur Topik
“Halaman ini sengaja dikosongkan”
BAB I PENDAHULUAN Pada bagian ini akan dijelaskan mengenai latar belakang,
permasalahan, batasan masalah, tujuan, manfaat yang ingin dicapai, dan sistematika penulisan yang digunakan dalam pembuatan tugas akhir ini.
1.1 Latar Belakang
Publikasi Karya Ilmiah merupakan suatu wadah bagi para dosen dan mahasiswa untuk menyampaikan gagasan ilmiah mengenai hasil penelitian dan kajian akademik berupa artikel skripsi, tesis atau disertasi, maupun hasil kajian yang dipresentasikan dalam kegiatan seminar [1]. Saat ini publikasi hasil penelitian Indonesia di dunia internasional masih terbilang rendah, terutama publikasi di media yang terindeks di pengindeks internasional bereputasi. Salah satu f individu penyebabnya adalah budaya menulis yang belum berkembang di masyarakat pada umumnya, perguruan tinggi khususnya, dan/atau rendahnya kemauan dan kemampuan menulis hasil-hasil penelitian maupun pengabdian kepada masyarakat dalam terbitan berkala ilmiah bermutu [1].
Untuk mengatasi adanya kesenjangan antara teori yang telah diperoleh mahasiswa dengan realita kebutuhan masyarakat tersebut, adanya Program Kreativitas Mahasiswa (PKM) menjadi salah satu alternatif untuk meningkatkan iklim akademik yang kreatif, inovatif, visioner, solutif, dan mandiri [2]. Dalam hal ini identifikasi relasi mahasiswa Institut Teknologi Sepuluh Nopember (ITS) berdasarkan usulan PKM merupakan salah satu upaya membangun relasi bidang keilmiahan yang efektif untuk meningkatkan produktifitas kinerja ilmiah khususnya PKM di ITS.
Terdapat dua jenis data yang dapat digunakan untuk melakukan pengelompokan mahasiswa ITS. Pertama adalah menggunakan atribut mahasiswa ITS yang dapat diperoleh melalui data usulan PKM. Kedua adalah melalui data yang diperoleh dari dari relasi antar mahasiswa ITS. Algoritma pengelompokan bisa menghilangkan informasi yang penting dalam jejaring jika hanya menggunakan salah satu dari dua jenis sumber data. Sebagai contoh, pengelompokan berdasarkan data atribut mahasiswa ITS memungkinkan untuk mengetahui mahasiswa ITS cenderung masuk ke dalam suatu komunitas yang memiliki atribut sama, sedangkan jika menggunakan data karakterisitik mahasiswa ITS saja maka mahasiswa ITS mungkin berada dalam satu cluster walaupun tidak memiliki kesamaan atribut.
Pada pembentukan komunitas keilmiahan, untuk dapat mengidentifikasi pertukaran informasi dan opini dari sekian banyak usulan PKM merupakan hal yang relatif sulit. Penggunaan
Social Network Analysis (SNA) adalah untuk menganalisis
struktur dan pola relasi interaksi antar individu yang kemudian direpresentasikan dalam bentuk graph. Pola interaksi merupakan suatu aspek yang penting yang terlibat didalamnya. Interaksi dalam SNA tersebut akan menjawab berbagai persoalan antara lain mengukur bagaimana individu terkoneksi dengan yang lain, bagaimana seseorang akan mempengaruhi relasi antar orang lain dan mengukur bagaimana individu-individu dalam satu grup saling terhubung dan berinteraksi.
Beberapa penelitian menggunakan metode SNA dengan mencermati keterhubungan dan aktivitas pada objek penelitian seperti analisis jaringan sosial komunitas video bloggers dalam YouTube [3]. Kemudian penelitian mengenai pola permainan suatu pertandingan sepakbola untuk mengevaluasi kekalahan ataupun kecurangan yang mungkin terjadi dapat dimonitor dengan metode ini [4]. Selanjutnya penerapan SNA untuk mengidentifikasi terorisme melalui komunitas tertentu [5]. Penelitian lain memanfaatkan teori keterhubungan melalui graf dalam kampanye politik [6], monitoring kemacetan lalu lintas [7] dan sebagainya.
Berdasarkan latar belakang tersebut, pada Tugas Akhir ini dilakukan kajian terhadap struktur graph jejaring sosial berdasarkan data usulan PKM untuk mengetahui relasi setiap mahasiswa ITS dengan mahasiswa ITS lainnya berkenaan dengan kemiripan usulan PKM dan disiplin ilmu berdasarkan identitas komunitas keilmiahan.
1.2 Rumusan Masalah
Berdasarkan latar belakang tersebut, dapat dirumuskan permasalahan dalam Tugas Akhir ini adalah sebagai berikut :
1. Bagaimana mengidentifikasi topik dokumen berdasarkan data atribut mahasiswa ITS yang dapat diperoleh melalui data usulan PKM.
2. Bagaimana mengidentifikasi relasi mahasiswa ITS menggunakan SNA yang mencakup informasi bagaimana mahasiswa terkoneksi dengan yang lain, pengaruh seorang mahasiswa dengan mahasiswa lainnya dalam komunitas keilmiahan dan mengukur mahasiswa saling terhubung dan berinteraksi.
3. Bagaimana membuat pengelompokan mahasiswa ITS berdasarkan topik dan relasi mahasiswa menggunakan SNA serta membangun representasi graph mahasiswa ITS berdasarkan data usulan PKM.
1.3 Batasan Masalah
Dalam penelitian tugas akhir ini, permasalahan yang akan dibahas dibatasi ruang lingkup pembahasannya antara lain:
1. Data sekunder yang digunakan adalah database usulan proposal PKM ITS yang memiliki atribut: a.
NRP Mahasiswa b. Nama Mahasiswa c. Judul Usulan PKM 2. Metode pengelompokan menggunakan k-means.
3. Aplikasi ini dibuat menggunakan bahasa pemrograman Java dan software basisdata MySQL
1.4 Tujuan
Berdasarkan permasalahan yang telah dirumuskan sebelumnya, tujuan penelitian Tugas Akhir ini adalah :
1. Mengidentifikasi topik dokumen berdasarkan data atribut mahasiswa ITS yang dapat diperoleh melalui data usulan PKM.
2. Mengidentifikasi relasi mahasiswa ITS menggunakan SNA yang mencakup informasi bagaimana mahasiswa terkoneksi dengan yang lain, pengaruh seorang mahasiswa dengan mahasiswa lainnya dalam komunitas keilmiahan dan mengukur mahasiswa saling terhubung dan berinteraksi.
3. Membuat pengelompokan mahasiswa ITS berdasarkan topik dan relasi mahasiswa menggunakan SNA serta membangun representasi graph berdasarkan data usulan PKM.
1.5 Manfaat
Manfaat yang dapat diperoleh dari tugas akhir yang diusulkan ini antara lain:
1. Memberikan informasi bagi pihak yang ingin mengembangkan penelitian mengenai kajian graph jejaring sosial menggunakan SNA 2. Sebagai bahan pertimbangan dalam pembentukan komunitas keilmiahan di ITS berdasarkan identifikasi relasi antara mahasiswa ITS dan kemiripan topik usulan PKM 3. Sebagai upaya membangun relasi mahasiswa ITS di bidang keilmiahan yang efektif untuk meningkatkan produktifitas kinerja ilmiah khususnya PKM di ITS.
1.6 Sistematika Penulisan Tugas Akhir
Sistematika penulisan pada tugas akhir ini disusun sebagai berikut:
1. BAB I PENDAHULUAN
Bab ini menjelaskan tentang latar belakang pembuatan tugas akhir, rumusan dan batasan masalah yang dihadapi dalam penelitian tugas akhir, tujuan dan manfaat pembuatan tugas akhir, dan sistematika penulisan Tugas Akhir.
2. BAB II TINJAUAN PUSTAKA
Bab ini menjelaskan tentang beberapa teori yang digunakan untuk membantu penyelesaian permasalahan tugas akhir.
3. BAB III METODOLOGI
Bab ini menjelaskan metode penelitian yang dilakukan dalam menyelesaikan Tugas Akhir.
4. BAB IV PERANCANGAN DAN IMPLEMENTASI SISTEM
Bab ini membahas analisa dan perancangan sistem perangkat lunak yang akan dibangun untuk identifikasi relasi mahasiswa
ITS menggunakan SNA pada pengelompokan mahasiswa ITS berdasarkan data usulan PKM
5. BAB V HASIL DAN PEMBAHASAN
Bab ini menjelaskan mengenai hasil pengujian yang telah dilakukan pada perangkat lunak. Hasil pengujian kemudian dibahas untuk mengetahui kerja sistem secara keseluruhan.
6. BAB VI PENUTUP
Bab ini merupakan penutup, berisi tentang kesimpulan yang dapat diambil berdasarkan data yang ada dan saran yang selayaknya dilakukan bila tugas akhir ini dilanjutkan.
“Halaman ini sengaja dikosongkan”
BAB II TINJAUAN PUSTAKA
2.1 Metode Rapid Automatic Keyphrase Extraction (RAKE)
Metode Rapid Automatic Keyphrase Extraction adalah metode yang menggunakan pendekatan berbasis dokumen individu yang mampu mengelompokan topik usulan PKM tanpa bergantung pada koleksi dokumen. Metode RAKE meperhatikan asosiasi kata dengan menghitung matriks kemunculan bersama satu dengan yang lain. Matriks tersebut digunakan untuk mengukur skor kandidat kata kunci untuk kemudian dilakukan perangkingan.[8] Metode RAKE memiliki tahapan sebagai berikut [9]: 1.
Ekstraksi kandidat.
Ekstraksi kandidat kata kunci dimulai dengan memisahkan teks menggunakan stopword dan tanda baca. Misalkan terdapat d i adalah dokumen ke-i dari data usulan yang ada. Setelah i dokumen diekstraksi, maka didapatkan kandidat kata kunci Td = {t 1 , t 2 , t 3 , ...,t n }, dengan t 1 , t 2 , t 3 , ...,t n dalam bentuk kata, maupun frase kandidat kata kunci.
2. Menghitung matriks co-ocurrence.
Setelah kandidat kata kunci didapatkan, langkah selanjutnya adalah menghitung matriks co-ocurrence. Matriks co-
ocurrence memetakan frekuensi kemunculan suatu kata dan frase kata kunci.
3. Menghitung rasio.
Nilai rasio merupakan perbandingan antara derajat kata dengan frekuensi kata. Derajat kata adalah jumlah kemunculan kata pada dokumen ditambah jumlah frase yang mengandung kata tersebut. Derajat kata pada matriks co-ocurrence didapat dari penjumlahan satu kolom atau satu baris. Frekuensi kata adalah jumlah kemunculan kata dalam teks. Nilai frekuensi bisa didapatkan pada nilai diagonal pada matriks co-ocurrence. Rasio dapat dihitung dengan menggunakan Persamaan 2.1 berikut: dimana : ( ) = derajat kata freq(
) = frekuensi kata.
4. Menghitung nilai fitur dasar.
Nilai fitur dasar merupakan nilai penjumlahan rasio kata yang ada pada kandidat kata kunci. Nilai tersebut kemudian diurutkan berdasarkan nilai tertinggi sampai terendah. Nilai fitur dasar dihitung dengan menggunakan Persamaan 2.2 berikut
Nfd = ras
(t) + (ft) (2.2) dimana : Nfd = nilai fitur dasar,
rasio (t ) = rasio kata kunci t
rasio (ft) = rasio frase yang mengandung katakunci t.
5. Pemilihan kandidat frase kunci dengan skor tertinggi.
Setelah kandidat kata kunci diberi nilai, selanjutnya dipilih sejumlah k
2.2 Metode Latent Semantic Analysis (LSA)
LSA adalah suatu metode untuk menemukan hubungan, keterkaitan, dan kemiripan antar dokumen-dokumen, penggalan dari dokumen-dokumen, dan kata-kata yang muncul pada dokumen-dokumen dengan memanfaatkan komputasi statistik untuk menggali dan merepresentasikan konteks yang digunakan sebagai sebuah arti kata untuk sejumlah corpus yang besar. Corpus adalah kumpulan teks yang memiliki kesamaan subjek atau tema.
Metode LSA menerima masukan (input) berupa dokumen teks yang selanjutnya akan dibandingkan kata-kata unik yang digunakan atau yang ada pada dokumen kemudian direpresentasikan sebagai matriks X yang merupakan matriks dengan elemen (i, j) yang menunjukkan kemunculan term i pada dokumen j.Cara kerja LSA ialah dengan menghasilkan sebuah model yang didapat dengan mencatat kemunculan-kemunculan kata dari tiap-tiap dokumen yang direpresentasikan dalam sebuah matriks yang dinamakan term-document matrix, setelah itu digunakan untuk mendapatkan nilai kemiripan antara satu dokumen dengan dokumen yang lain [10].
2.2.1 Term Weighting dengan Term Frequency (tf) dan
Inverse Document Frequency (idf)
Pembobotan Term (Term Weighting) bertujuan untuk menentukan bobot setiap term. Perhitungan bobot term memerlukan dua hal yaitu Term Frequency (tf) dan Inverse
Document Frequency (idf). Term Frequency (tf) merupakan
frekuensi kemunculan suatu kata (term) dalam suatu dokumen.Nilai tf bervariasi ditiap dokumen bergantung pada kemunculan kata di suatu dokumen. Besar nilai tf sebanding dengan tingkat kemunculan term di dokumen. Semakin sering term muncul pada suatu dokumen, semakin besar pula nilai tf pada dokumen tersebut dan semakin jarang term muncul semakin kecil pula nilai tf. Selain diperlukan pula Inverse Document Frequency
Term Frequency
(idf) pada pembobotan term. Inverse Document Frequency (idf) merupakan frekuensi kemunculan term pada keseluruhan dokumen. Nilai idf berkaitan dengan distribusi term di berbagai dokumen. Nilai idf berbanding terbalik dengan jumlah dokumen yang mengandung. Term yang jarang muncul pada keseluruhan dokumen memiliki nilai idf lebih besar dibanding dengan term yang sering muncul. Jika setiap dokumen dalam koleksi mengandung term yang bersangkutan, maka nilai idf dari term tersebut adalah nol (0). Hal ini menunjukkan bahwa setiap term yang muncul pada dokumen dalam koleksi tidak berguna untuk membedakan dokumen berdasarkan topik tertentu. Ilustrasi algoritma tf-idf ditunjukkan pada Gambar 2.1 : Persamaan untuk menghitung nilai tf-idf adalah : (2.3)
= × = × log ( )
, , ,
dimana (2.4)
= log Keterangan : 1 5 D ,.., D : dokumen
= bobot term ke-i terhadap dokumen ke-j
,
= jumlah kemunculan term i ke dalam dokumen j
,
= jumlah dokumen secara keseluruhan = jumlah dokumen yang mengandung term i = Inverse document frequency yang mengandung term i
Perhitungan bobot dari term tertentu dalam sebuah dokumen dengan menggunakan tf x idf menunjukkan bahwa deskripsi terbaik dari dokumen adalah term yang banyak muncul dalam dokumen tersebut dan sangat sedikit muncul pada dokumen lain[11].
2.2.2 Metode Singular Value Decomposition (SVD)
SVD adalah sebuah metode untuk mengidentifikasi dan mengurutkan dimensi yang menunjukkan data mana yang mempunyai variasi paling banyak. Berkaitan dengan hal itu, SVD dapat mengidentifikasi di mana variasi muncul paling banyak, sehingga hal ini memungkinkan untuk mencari pendekatan yang terbaik pada data asli menggunakan dimensi yang lebih kecil. Oleh karena itu, SVD dapat dilihat sebagai metode pengurangan data.
Hal yang mendasari SVD adalah SVD mengambil data asli biasanya terdiri dari variasi matriks kata dan dokumen kemudian memecahnya menjadi komponen – komponen ini dalam beberapa kasus mengandung beberapa korelasi yang beragam dan banyak terjadi data noise, yaitu data yang tidak memiliki korelasi yang kuat dengan data asli. Karena komponen utama darai data tersebut biasanya sangat kecil, maka data noise tadi bisa diabaikan dengan cara mengurangi dimensi dari data asli. Proses pereduksian dengan SVD ini akan semakin menegaskan kemiripan data yang mirip dan menegaskan ketidakmiripan data yang tidak mirip.
SVD akan menguraikan sebuah matriks menjadi tiga buah matriks baru yaitu matriks vektor singular kiri, matriks nilai singular dan vektor singular kanan. SVD dari sebuah matriks A yang berdimensi mxn adalah sebagai berikut [14]:
= (2.5)
× × × ×
Keterangan : A = Matriks berdimensi mxn U = matriks vektor singular kiri berdimensi mxn S = matriks nilai singular berdimensi nxn V = matriks vektor singular kanan berdimensi nxd
= matriks V transpose
2.3 Social Network Analysis
Social Network Analysis atau disebut juga analisa jejaring
sosial merupakan suatu teknik untuk memetakan dan mengukur relasi dan komunikasi yang terjadi antar manusia, kelompok, organisasi, komputer ataupun entitas yang memproses suatu informasi [12]. Hubungan relasi ini divisualisasikan dengan graph SNA (selanjutnya disebut sociogram) yang tervisualisasi sehingga menjadi lebih mudah untuk dianalisis. Hubungan relasi ini divisualisasikan dengan graph seperti yang terlihat pada gambar
2.2 . Titik pada gambar yang disebut ’node’ atau simpul merepresentasikan personal atau individu yang dihubungkan oleh garis yang membentuk ’vertex’. Dua node yang terhubung dinyatakan dengan adanya garis yang menghubungkan keduanya.
Penggambaran sebuah hubungan dalam graph yang disimbolkan dengan menggunakan edges atau garis terdapat dua cara yaitu: 1.
Undirected Graph Graph sederhana yang menghubungkan seseorang individu
yang memiliki hubungan edges atau garis yang digunakan tanpa menggunakan anak panah.
2. Directed Graph
Graph yang mampu menunjukkan relasi lebih jelas, karena
relasi yang disimbolkan dengan edges atau garis digambarkan dengan anak panah.
Gambar 2.2 Visualisasi SNA, tersusun atas ‘node’ dan‘vertex’
Node dan vertex memiliki arti pengukuran tersendiri yang
dijelaskan oleh beberapa terminologi dalam teori graph berikut ini [13]:
a) Degree centrality, yaitu jumlah koneksi yang dimiliki sebuah node. Individu dengan relasi terbanyak adalah individu yang paling penting. Dapat dihitung menggunakan Persamaan 2.6 berikut:
( )
(2.6) ( ) =
′
−1
dimana, = normalized degree centrality individu (node) i
( ) ′
= degree dari individu (node) i )
(
= jumlah individu
b) Closeness centrality, merupakan kedekatan suatu individu dengan individu yang lainnya. individu dikatakan penting apabila dekat dengan individu yang lain. Closeness didasarkan pada jaringan. Dapat dihitung menggunakan Persamaan 2.7 berikut:
−1
(2.7) ( ) = [∑ ( , ) ]
=1
dimana, = closeness centrality individu (node) i
( ) ( , ) = jarak individu i ke j Rumus tersebut dapat dinormalisasikan menjadi Persamaan 2.8 berikut:
′
( ) = ( ( ))( − 1) (2.8) dimana,
′
( ) = normalized centrality closeness individu (node) i = jumlah individu .
c) Betweeness centrality, menghitung jumlah jalan terpendek antara individu j dan k dimana individu i berada. Dapat dihitung menggunakan Persamaan 2.9 berikut:
( )
(2.9) ( ) = ∑
<
dimana, ( ) = betweeness centrality individu (node) i
( ) = jumlah path dimana individu i berada = jumlah path yang menghubungkan individu j dan k
Rumus tersebut dapat dinormalisasikan menjadi Persamaan 2.10 berikut:
( ) ′
(2.10) ( ) =
( −1)( −2) [ ]
2
dimana,
′
( ) = normalized centrality betweeness individu (node) i = jumlah individu
2.4 Pengklasteran dengan k-means
Jika diberikan sekumpulan data X = {x , x , ...,x 1 2 n } dimana xi = ) adalah vektor n
dalam ruang real R , maka
(xi 1 , xi 2 , ..., xi n algoritma k-means akan mempartisi X dalam k buah cluster. Setiap
cluster memiliki centroid (titik tengah) atau mean dari data-data
dalam cluster tersebut. Pada tahap awal, algoritma k-means memilih secara acak k buah data sebagai centroid. Kemudian, jarak antara data dan centroid dihitung menggunakan Euclidian
distance . Data ditempatkan dalam cluster yang terdekat, dihitung
dari titik tengah cluster. Centroid baru akan ditentukan bila semua data telah ditempatkan dalam cluster terdekat. Proses penentuan
centroid dan penempatan data dalam cluster diulangi sampai nilai
centroid konvergen (centroid dari semua cluster tidak berubah
lagi). Algoritma k-means memiliki tahapan sebagai berikut [15]:
1. Pilih k pusat awal secara acak C = {c 1 , c 2 , c 3 , ..., c k }.
2. Setiap i i sebagai kumpulan titik
∈ {1, ..., k}, jadikan cluster C di X yang lebih dekat dengan c i daripada c j untuk semua j ≠ i. i
3. Untuk setiap i sebagai pusat dari seluruh
∈{1, ..., k}, jadikan c
1
titik pada C i sehingga ∑
=
∈
| |
4. Ulangi tahap 2 dan 3 sampai semua pusat tidak berubah.
2.5 Metode Silhouette Coefficient Silhouette Coefficient digunakan untuk melihat kualitas dan
kekuatan cluster seberapa baik suatu objek ditempatkan dalam suatu cluster. Nilai Silhouette Coefficient rentang -1 sampai dengan 1, nilai Silhouette Coefficient mendekati 1 adalah hasil pengelompokkan yang lebih baik. Tahapan perhitungan Silhouette
Coefficient adalah sebagai berikut [16]: a.
Hitung rata-rata jarak dari suatu dokumen, misalkan i dengan semua dokumen lain yang berada dalam satu cluster
1
(2.11)
( ) = ∑ ( , )
, ≠
| |−1dengan j adalah dokumen lain dalam satu cluster A dan d(i,j)
b.
Hitung rata-rata jarak dari dokumen i dengan semua dokumen di cluster lain, dan diambil nilai terkecilnya.
1
(2.12)
( , ) = ∑ ( , ) | |
dengan d(i,C) adalah jarak rata-rata dokumen i dengan semua objek pada cluster lain C dimana
A ≠ C.
(2.13) ( ) = ( , )
C ≠ A
c.Nilai Silhouette Coefficient nya adalah :
( )− ( )
(2.14) ( ) =
max ( ( ), ( ))
dimana
s(i) = Nilai Silhouette Coefficient a(i) = rata-rata jarak antar anggota dalam cluster b(i) = jarak terkecil antara anggota cluster dengan anggota cluster terdekatnya (nearest neigbor)
“Halaman ini sengaja dikosongkan”
BAB III METODE PENELITIAN Bab ini membahas tentang metodologi sistem yang digunakan
untuk menyelesaikan tugas akhir. Pengerjaan Tugas Akhir ini dibagi ke dalam beberapa tahap, berikut merupakan tahap-tahap pengerjaan Tugas Akhir ini:
Pengumpulan Data
Pada tahap ini dilakukan pengumpulan data mengenai usulan Program Kreativitas Mahasiswa ITS yang diperoleh dari Lembaga Pengembangan Pendidikan, Kemahasiswaan dan Hubungan Alumni (LP2KHA) ITS yang mencakup 6 kategori usulan PKM yaitu PKM-M, PKM-K, PKM-KC, PKM-PE, PKM-T dan PKM- PSH. Atribut yang terdapat dalam data usulan PKM meliputi nama mahasiswa, NRP mahasiswa, jurusan, judul usulan PKM, kategori, nama dosen pembimbing dan NIP dosen.
3.2 Studi literatur
Pada tahap ini dilakukan berbagai pengumpulan informasi pendukung yang dapat menunjang pengerjaan Tugas Akhir meliputi: a.
Pengolahan Text Mining antara lain tahap ekstraksi kata kunci suatu dokumen menggunakan metode Rapid Automatic (RAKE) dan pembentukan vektor
Keyphrase Extraxction
konsep dengan menggunakan metode Latent Semantic
Analysis (LSA) yang meliputi pembobotan TF-IDF, dan metode Singular Value Decomposition.
b.
Metode clustering menggunakan k-means yang digunakan untuk mengelompokkan konsep-konsep yang mirip menjadi satu cluster.
c.
Metode Social Network Analysis yang digunakan sebagai salah satu fitur pengelompokan mahasiswa.
3.3 Perancangan perangkat lunak
Pada tahap ini, perancangan perangkat lunak meliputi beberapa perancangan utama yaitu perancangan data, perancangan proses, dan perancangan antarmuka aplikasi.
a. Tahap perancangan database meliputi perancangan data masukan. Data masukan aplikasi ini adalah usulan PKM ITS.
Data-data tersebut telah tersimpan di dalam database. Data lain yang digunakan adalah daftar stopword. Stopword merupakan kata-kata yang dianggap tidak penting dalam ekstraksi kata kunci. Stopword tersebut juga telah tersimpan di database.
a.
Tahap perancangan proses merupakan tahap perancangan fungsi-fungsi dan algoritma yang terdapat dalam aplikasi.
Aplikasi dibangun menggunakan bahasa pemrograman Java. Secara garis besar terdapat 5 proses utama yaitu ekstraksi konsep dokumen, identifikasi topik, identifikasi relasi mahasiswa
ITS dengan Sosial Network Analysis , pengelompokan mahasiswa ITS, serta representasi Graph.
b.
Tahap perancangan antarmuka aplikasi menggunakan GUI pada Java
3.4 Pembuatan perangkat lunak
Pada tahap pembuatan perangkat lunak, rancangan data, proses, dan antarmuka diimplementasikan dengan bahasa pemrograman Java. Aplikasi utama dibangun menggunakan Netbeans IDE 8.2 untuk mempermudah proses coding dan perancangan antarmuka. Selain itu, pilihan software basisdata yang digunakan adalah MySQL karena waktu pemrosesannya cepat. Berikut proses implementasi program meliputi : a.
Proses Text Mining Proses ini terdiri dari dua tahapan utama yaitu ekstraksi kata kunci menggunakan metode RAKE dan pembentukan vektor konsep menggunakan metode LSA b.
Identifikasi Topik Identifikasi topik berfungsi untuk melakukan pengelompokan konsep-konsep dokumen menjadi kumpulan topik.
Pengelompokan ini menggunakan metode k-means. Pada tahap ini dilakukan input parameter berupa jumlah cluster yang dikehendaki. Kemudian setelah didapatkan hasil cluster dilakukan pembentukan vektor topik dokumen.
c.
Identifikasi Relasi Mahasiswa dengan SNA terdiri dari yang
Social Network Analysis node
merepresentasikan mahasiswa serta edge yang merepresentasikan hubungan antara mahasiswa. Hubungan antar mahasiswa didapatkan dari jumlah kerja sama antar mahasiswa dalam pengerjaan Project PKM.
d.
Pengelompokan mahasiswa ITS Pada proses ini mahasiswa ITS dikelompokkan pada cluster menggunakan algoritma k-means. Fitur pengelompokan mahasiswa ITS berfungsi untuk mengelompokkan mahasiswa berdasarkan vektor topik yang dimiliki oleh mahasiswa serta fitur relasi yang dihasilkan oleh Analisis Jaringan Sosial (SNA). Setelah mahasiswa berhasil dikelompokkan maka kelompok mahasiswa divisualisasikan ke dalam graph.
e.
Representasi Graph Representasi graph merupakan visualisasi relasi yang mengambarkan sekumpulan node yang terkumpul dalam bentuk graph. Dimana graph jejaring sosial mahasiswa yang terbentuk dari hasil pengelompokan dengan algoritma k-means berdasarkan nilai k yang ditentukan.
3.5 Uji coba dan evaluasi
Pada tahap ini, uji coba dilakukan dengan 5 skema yaitu ekstraksi konsep dokumen, identifikasi topik, identifikasi relasi dengan SNA, pengelompokan mahasiswa dan representasi graph.
a.
Ekstraksi konsep bertujuan untuk mencari jumlah kata kunci yang tepat yang dapat diekstraksi dari dokumen. Uji ini kunci menggunakan metode RAKE berjalan dan pembentukan vektor konsep dengan LSA.
b.
Identifikasi topik bertujuan untuk mengelompokkan konsep yang memiliki kemiripan topik ke dalam beberapa cluster.
Performa dan kemampuan pengelompokan dilakukan dengan menghitung rata-rata nilai kemiripan topik terhadap seluruh koleksi dokumen. Untuk memperoleh hasil cluster yang maksimal dilakukan beberapa ujicoba pengelompokan dengan input parameter jumlah cluster yang berbeda.
c.
Identifikasi relasi mahasiswa dengan perhitungan centrality pada Social Network Analysis yang meliputi normalize degree
centrality, normalize closeness centrality, dan normalize betweeness centrality bertujuan untuk merepresentasikan
hubungan antara mahasiswa.
d. mahasiswa
ITS bertujuan untuk Pengelompokan mengelompokkan mahasiswa yang memiliki kemiripan dalam topik usulan PKM, dan properti jaringan ke dalam cluster yang sama. Pada uji pengelompokan mahasiswa ITS performa dan kemampuan dihitung berdasarkan nilai Silhouette Coefficient .
e.
Proses pembentukan graph mahasiswa dilakukan dengan membentuk relasi antar mahasiswa pada cluster yang sama, kemudian barulah membentuk relasi antar mahasiswa antar
cluster . Seluruh mahasiswa pada cluster yang sama memiliki relasi karena memiliki vektor topik dokumen yang mirip.
Sedangkan relasi mahasiswa antar cluster didasarkan pada ada tidaknya kerja sama yang dapat diidentifikasi dari jumlah