Pengelompokan tema lirik lagu menggunakan metode k-means clustering (studi kasus : Radio Masdha Yogyakarta).

(1)

INTISARI

Penempatan atau pengelompokan lagu sesuai dengan tema, sangat diperlukan dalam suatu siaran radio. Penempatan tema lagu yang tepat akan memudahkan penyiar radio memilihkan lagu sesuai permintaan pendengar. Cara pengelompokan tema secara otomatis dapat dipergunakan, salah satunya dengan K-means clustering. Pada penelitian ini tema lagu diambil dari teks lirik lagu. Tujuan dari penelitian ini adalah membangun sistem yang secara otomatis mampu mengelompokkan tema lirik lagu, dan mengetahui tingkat akurasi pengelompokan.

Tahapan proses dimulai dari pengolahan kata atau pengolahan teks disebut dengan text mining. Dalam text mining terdapat beberapa proses yaitu text operation yang terdiri dari tokenizing, stopword, stemming serta pembobotan kata, selanjutnya dapat diolah menggunakan K-Means clustering. Proses clustering terdiri dari, inisialisasi centroid awal menggunakan Variance Initialization, selanjutnya menghitung jarak centroid pada data menggunakan Euclidean distance, hingga dapat pengelompokkan yang sesuai dengan akurasi. Penghitungan akurasi menggunakan confusion matrix. Selanjutnya untuk melihat kesesuaian sistem yang dibuat, maka dimasukkan data baru yang diproses dengan sistem, lalu dapat menentukan data baru tergolong salah satu jenis tema.

Dari penelitian yang dilakukan pada studi kasus Radio Masdha Yogyakarta, didapatkan total data lirik lagu sebanyak 400 serta jumlah cluster terbagi menjadi empat. Cluster tersebut terdiri dari, cluster percintaan, persahabatan, religi dan perjuangan. Hasil penelitian pengelompokkan lirik lagu berdasarkan tema dapat berjalan baik dengan akurasi 93,25% untuk jumlah frekuensi kata unik maksimal 121 (batas atas) dan kata unik minimal 0 (batas bawah).

Kata kunci : K-Means clustering, Text Operation, Variance Initialization, Confusion Matrix.

(2)

ABSTRACT

The song placement or grouping based on the theme is really needed in a radiobroadcast. The accurate song theme placement will ease the broadcaster to choose the song in accordance with the listeners’ requests. One of the automatic way of theme grouping that can be used is K-Means Clustering. In this research, the song theme is taken from the text of song lyrics. The aim of this study is developing a system that can automatically group the song lyric theme and know the accuracy level of the grouping.

The process stage is started with the data processing or text processing called as text mining. In text mining, there are some processes. First, the text operation. The text operation consists of tokenizing, stopword, steeming, and word weighting then can be processed using K-Means clustering. In clustering process, it consists of initial centroid initialization uses Variance Initialization, next counts the centroid distance on the data using Euclidean distance until get the proper grouping accurately. The accuracy counting uses confusion matrix. The next step to see the suitability system that has been made, new data is added which then is processed by a system. After that, it can decide the new data is classified into one specific theme.

From the research that has been conducted as case study in Masdha Radio Yogyakarta, total data available 400 and divided into four clusters. The clusters consist of love cluster, friendship cluster, religion cluster, and fighting cluster. The result of research song lyric grouping based on the theme works well with 93.25% accuracy for the unique word frequency numbers 121 maximum and unique word 0 minimum.

Keywords: K-Means clustering, Text Operation, Variance Initialization, Confusion Matrix.

(3)

PENGELOMPOKAN TEMA LIRIK LAGU

MENGGUNAKAN METODE K-MEANS CLUSTERING

(Studi Kasus : Radio Masdha Yogyakarta)

SKRIPSI

Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer

Program Studi Teknik Informatika

Disusun Oleh : Dionisia Bhisetya Rarasati

115314045

PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA YOGYAKARTA

(4)

A GROUPING OF SONG-LYRIC THEMES

USING K-MEANS CLUSTERING

(Case Study : Radio Masdha of Yogyakarta)

FINAL PROJECT

Presented as Partial Fulfillment of Requirements To Obtain Sarjana Komputer Degree In Informatics Engineering Study Program

Written By :

Dionisia Bhisetya Rarasati 115314045

INFORMATICS ENGINEERING STUDY PROGRAM DEPARTMENT OF INFORMATICS ENGINEERING

FACULTY OF SCIENCE AND TECHNOLOGY SANATA DHARMA UNIVERSITY

YOGYAKARTA 2015

(5)

(6)

HALAMAN

PENGESAIIAN

SKRIPSI

PENGELOMPOKAN TEMA

LIRIK LAGU

MENGGUNAKAN

METODN K-MEANS CLUSTERING

(Studi Kasus : Radio Masdha Yogyakarta)

Dipersiapkan dan ditulis oleh :

Dionisia Bhisetya Rarasati

115314045

Telah dipertahankan di depan Panitia Penguji

Pada tanggal 27 Agustus 2015 Dan dinyatakan memenuhi syarat

Susunan Panitia Penguji

Nama Lengkap

Ketua

: Dr. Anastasia Rita Widiarti, M.Kom Sekretaris : Robertus Adi Nugroho S.T., M.Eng.

Anggota

: Dr. C. Kuntoro Adi, S.J., M.A, M.Sc.

Tanda Tangan

ffilqr?-r

ruL-Yogyakarta,.{J...fu-Y*g

lE

Fakultas Sains dan Teknologi Universitas Sanata Dharma

Dekan,

Prima Rosa, S.Si., M.Sc.

d.e

iit

(7)

HALAMAN PERSEMBAHAN

“The

key for a happiness is when

you thankful for the grace that

God has

given.”

This final project belongs to:

My Parents and my family thank you so much for guiding me

My Best Partner thank you so much for all support

(8)

PERNYATAAN KEASLIAN KARYA

Saya menyatakan dengan sesungguhnya bahwa di dalam skripsi yang saya tulis ini tidak memuat karya atau bagian karya orang lain, kecuali yang telah disebutkan dalam kutipan dan daftar pustaka, sebagaimana layaknya karya ilmiah.

Yogyakarta, 27 Agustus 2015 Penulis

(9)

vii

LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS

Yang bertanda tangan di bawah ini, saya mahasiswa Universitas Sanata Dharma: Nama : Dionisia Bhisetya Rarasati

NIM : 115314045

Demi pengembangan ilmu pengetahuan, saya memberikan kepada Perpustakaan Universitas Sanata Dharma karya ilmiah yang berjudul:

PENGELOMPOKAN TEMA LIRIK LAGU MENGGUNAKAN METODE K-MEANS CLUSTERING

Beserta perangkat yang diperlukan (bila ada). Dengan demikian saya memberikan kepada perpustakaan Universitas Sanata Dharma hak untuk menyimpan, mengalihkan dalam bentuk media lain, mengelolanya dalam bentuk pangkalan data mendistribusikan secara terbatas, dan mempublikasikannya di Internet atau media lain untuk kepentingan akademis tanpa perlu meminta ijin dari saya maupun memberikan royalti kepada saya selama tetap mencantumkan nama saya sebagai penulis.

Demikian pernyataan ini saya buat dengan sebenarnya.

Yogyakarta, 27 Agustus 2015

Yang menyatakan,

(10)

viii

INTISARI

Kata kunci : K-Means clustering, Text Operation, Variance Initialization, Confusion Matrix.

(11)

ABSTRACT

Keywords: K-Means clustering, Text Operation, Variance Initialization, Confusion Matrix.

(12)

KATA PENGANTAR

Puji dan syukur penulis panjatkan kepada Tuhan Yesus Kristus atas berkat yang diberikan dalam penyusunan Skripsi ini sehingga semuanya dapat berjalan dengan baik dan lancar.

Skripsi ini merupakan salah satu syarat mahasiswa untuk mendapatkan gelar sarjana S-1 pada Prodi Teknik Informatika, Fakultas Sains dan Teknologi, Universitas Sanata Dharma Yogyakarta.

Berkat bimbingan dan dukungan dari berbagai pihak, Skripsi ini dapat terselesaikan. Pada kesempatan ini dengan segenap kerendahan hati penulis menyampaikan rasa terimakasih kepada :

1. Paulina Heruningsih Prima Rosa, S.Si., M.Sc., selaku Dekan Fakultas Sains dan Teknologi Universitas Sanata Dharma Yogyakarta.

2. Dr. C. Kuntoro Adi, S.J.,M.A.,M.Sc. selaku Dosen Pembimbing Skripsi, yang dengan sabar memberi arahan serta bimbingan kepada penulis dalam pembuatan skripsi.

3. Drs. Ignatius Pratomo, Anastasia Sri Sumarni, Maria Sukarsih, Bernardus Grawiradhika, Caroline Pundyaresmi selaku keluarga penulis yang senantiasa telah mendukung dan memberi semangat penulis dalam menyelesaikan skripsi.

4. Timotius Slamet Putro Cahyono yang selalu mendukung, memberikan semangat serta menjadi pendengar setiap cerita suka-duka yang penulis hadapi dalam proses pembuatan skripsi hingga dapat menyelesaikan skripsi ini

(13)

5. Romo Poldo, Eric, Dio, Bee, Priska serta teman-teman Teknik Informatika Universitas Sanata Dharma khususnya Angkatan 2011 dan teman penulis lain yang tidak dapat disebutkan satu-persatu yang telah mendukung penulis dalam menyelesaikan Skripsi ini.

Penulis menyadari dalam penulisan Skripsi ini masih jauh dari sempurna. Segala kritik dan saran yang membangun sangat diharapkan oleh penulis demi penyempurnaan dikemudian hari. Akhir kata, semoga Skripsi ini dapat berguna bagi kita semua.

Yogyakarta, 27 Agustus 2015 Penulis,

(14)

xii

DAFTAR ISI

HALAMAN JUDUL ... i

TITLE PAGE ... ii

HALAMAN PERSETUJUAN ... iii

PENGELOMPOKAN TEMA LIRIK LAGU ... iii

HALAMAN PENGESAHAN ... iv

PENGELOMPOKAN TEMA LIRIK LAGU ... iv

HALAMAN PERSEMBAHAN ... v

PERNYATAAN KEASLIAN KARYA ... vi

LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ... vii

PENGELOMPOKAN TEMA LIRIK LAGU ... vii

INTISARI ... viii

ABSTRACT ... ix

KATA PENGANTAR ... x

BAB I ... 1

1.1. Latar Belakang ... 1

1.2. Rumusan Masalah ... 3

1.3. Tujuan Penelitian ... 3

1.4. Batasan Masalah ... 3

1.5. Sistematika Penulisan ... 3

BAB II ... 5

2.1. Information Retrieval ... 5

2.1.1. Proses Information Retrieval ... 5

2.1.1.1. Text Operation ... 6

2.1.1.1.1. Tokenizing ... 6

2.1.1.1.2. Stopwords Removal / Filtering ... 7

2.1.1.1.3. Stemming ... 7

2.1.1.1.3.1. Aturan / Rule Stemming ... 8

2.1.1.1.4. Penggabungan Kata Berdasarkan Sinonim ... 12

2.1.1.1.5. Pembobotan Kata ... 12

(15)

xiii

2.1.1.1.7. Variance Initialization ... 16

2.2. K-Means Clustering ... 17

2.2.1. Langkah Algoritma K-Means clustering ... 19

2.2.2. Flowchart K-Means Clustering ... 21

2.3. Confusion Matrix ... 22

BAB III ... 24

3.1. Data ... 24

3.2. Deskripsi Sistem ... 24

3.3. Model Analisis ... 25

3.3.1. Diagram Block ... 25

3.3.1.1. Text Operation ... 27

3.3.1.1.1. Tokenizing ... 27

3.3.1.1.2. Stopword removal / filtering ... 29

3.3.1.1.3. Stemming ... 32

3.3.1.1.4. Pembobotan Kata ... 34

3.3.1.1.5. Penggabungan Kata (Sinonim) ... 40

3.3.1.1.6. Normalisasi Z-Score ... 41

3.3.1.2. K-Means Clustering ... 43

3.3.1.3. Pengujian Akurasi ... 46

3.4. Desain Interface ... 47

3.5. Spesifikasi Software dan Hardware ... 48

BAB IV ... 49

4.1. Implementasi ... 49

4.1.1. User Interface ... 49

4.1.2. Data ... 57

4.1.2.1. Text Operation ... 58

4.1.2.1.1. Tokenizing ... 58

4.1.2.1.2. Stopword ... 58

4.1.2.1.3. Stemming ... 59

4.1.2.1.4. Sinonim ... 60

4.1.2.1.5. Pembobotan Kata ... 61

(16)

xiv

4.1.2.2. K-Means Clustering ... 62

4.1.2.3. Output Centroid ... 63

4.1.2.4. Akurasi ... 63

4.2. Analisa Hasil ... 63

BAB V ... 68

5.1. Kesimpulan ... 68

5.2. Saran ... 69

DAFTAR PUSTAKA ... 70

(17)

DAFTAR GAMBAR

Gambar 2.1 Proses Information Retrieval (Manning C. D., 2008) ... 5

Gambar 2.2 Ilustrasi Penentuan Keanggotaan Kelompok Berdasarkan Jarak (Turban dkk, 2005)... 18

Gambar 2.3 Flowchart Algoritma KMeans ... 21

Gambar 3.1 Diagram Block ... 25

Gambar 3.2 Tokenizing dokumen pertama ... 27

Gambar 3.3 Tokenizing dokumen kedua ... 28

Gambar 3.4 Tokenizing dokumen ketiga ... 28

Gambar 3.5 Tokenizing dokumen keempat ... 29

Gambar 3.6 Stopword dokumen pertama... 30

Gambar 3.7 Stopword dokumen kedua ... 30

Gambar 3.8 Stopword dokumen ketiga ... 31

Gambar 3.9 Stopword dokumen keempat ... 31

Gambar 3.10 Stemming dokumen pertama ... 32

Gambar 3.11 Stemming dokumen kedua ... 32

Gambar 3.12 Stemming dokumen ketiga ... 33

Gambar 3.13 Stemming dokumen keempat ... 33

Gambar 3.14 Pembobotan kata dokumen pertama ... 34

Gambar 3.15 Pembobotan kata dokumen kedua ... 34

Gambar 3.16 Pembobotan kata dokumen ketiga ... 35

Gambar 3.17 Pembobotan kata dokumen keempat ... 35

Gambar 3.18 Desain Interface ... 48

Gambar 4.1 Implementasi user interface sebelum proses dilakukan ... 50

Gambar 4.2 Implementasi user interface setelah proses dilakukan ... 50

Gambar 4.3 Jumlah data dan button Preprocessing... 51

Gambar 4.4 Batas bawah dan batas atas ... 52

Gambar 4.5 Button Proses Clustering ... 52

(18)

xvi

Gambar 4.7 Hasil Cluster ... 54

Gambar 4.8 Hasil Akurasi ... 55

Gambar 4.9 Hasil Input Data Baru ... 55

Gambar 4.10 Tampil Teks Lagu ... 56

Gambar 4.11 Hasil message informasi ... 56

Gambar 4.12 Kumpulan data ... 57

Gambar 4.13 Salah satu contoh data lirik lagu ... 57

Gambar 4.14 Implementasi Program Tokenizing ... 58

Gambar 4.15 Implementasi Program Stopword ... 59

Gambar 4.16 Implementasi Program Stemming ... 59

Gambar 4.17 Kamus Sinonim ... 60

Gambar 4.18 Implementasi Program Sinonim ... 60

Gambar 4.19 Hasil akurasi ... 63

Gambar 4.20 Hasil akurasi Batas Atas 121 dan Batas Bawah 0-5... 66

(19)

xvii

DAFTAR TABEL

Tabel 2.1 Kombinasi Awal dan Akhir ... 10

Tabel 2.2 Cara Menentukan Tipe Awalan Untuk awalan "te-" ... 10

Tabel 2.3 Jenis Awalan Berdasarkan Tipe ... 11

Tabel 2.4 Tabel Confusion Matrix ... 22

Tabel 3.1 Tabel menghitung DF ... 36

Tabel 3.2 Tabel menghitung IDF ... 36

Tabel 3.3 Tabel menghitung bobot pertama ... 38

Tabel 3.4 Tabel menghitung bobot kedua ... 38

Tabel 3.5 Tabel menghitung bobot ketiga ... 39

Tabel 3.6 Tabel menghitung bobot keempat ... 39

Tabel 3.7 Tabel contoh data belum mengalami penggabungan kata ... 40

Tabel 3.8 Tabel contoh data telah mengalami penggabungan kata ... 40

Tabel 3.9 Tabel Pembobotan... 41

Tabel 3.10 Tabel Standar Deviasi Per Lirik ... 42

Tabel 3.11 Tabel Mean ... 42

Tabel 3.12 Tabel Normalisasi ... 43

Tabel 3.13 Tabel Variance ... 44

Tabel 3.14 Tabel Sort Lirik ... 45

Tabel 3.15 Tabel Centroid ... 45

Tabel 3.16 Tabel Jarak Terdekat (Euclidean Distance) ... 46

Tabel 3.17 Tabel hasil cluster ... 46

Tabel 4.1 Tabel kata unik hasil preprocessing ... 53

Tabel 4.2 Tabel Hasil Centroid ... 54

Tabel 4.3 Tabel Confusion Matrix ... 55

Tabel 4.4 Tabel Pembobotan Kata ... 61

Tabel 4.5 Normalisasi Z-Score ... 62

Tabel 4.6 Hasil pengelompokkan cluster ... 62

(20)

xviii

(21)

BAB I

PENDAHULUAN

1.1. Latar Belakang

Radio Masdha FM adalah radio kampus dengan segala dinamika kemahasiswaan yang dimiliki oleh Universitas Katholik yaitu Universitas Sanata Dharma dan telah resmi berbentuk badan hukum dengan nama PT. Radio Swara Mahasiswa Sanata Dharma. Radio Masdha FM menawarkan program acara yang mengerti dunia kaum muda dimana tema sangat diperlukan untuk menjelaskan perasaan atau emosi yang dapat dirangkai melalui lirik lagu. Terdapat banyak tema lagu yang dikenal masyarakat yaitu seperti percintaan, persahabatan, perjuangan, religi serta jenis tema lainnya. Maka untuk menghindari penempatan tema lagu yang tidak sesuai dengan lirik lagu diperlukan suatu metode untuk menentukan tema lagu sesuai dengan lirik lagu. Kata-kata pada lirik lagu diolah sehingga nantinya dapat untuk menggolongkan berdasarkan kesesuaian tema. Pengolahan kata atau pengolahan teks disebut dengan text mining. Setelah proses pengolahan kata selesai selanjutnya diperlukan penggolongan atau clustering tema pada lirik lagu, salah satunya menggunakan metode K-Means.

K-Means clustering merupakan salah satu metode yang sering digunakan, karena memiliki akurasi yang tinggi serta pengolahannya yang mudah dimengerti sehingga dinilai cukup efisien, yang ditunjukkan dengan kompleksitasnya O(tkn), dengan catatan n adalah banyaknya obyek data, k adalah jumlah cluster yang dibentuk dan t banyaknya iterasi. Biasanya nilai

(22)

k dan t jauh lebih kecil daripada nilai n. Selain itu, dalam iterasinya metode ini akan berhenti dalam kondisi optimum lokal (Williams, 2006).

Penelitian yang sudah pernah dilakukan berkaitan dengan tema pada lirik lagu adalah menggunakan metode Transformed Weight-Normalized Complement Naive Bayes (TWCNB). Evaluasi sistem yang dilakukan terhadap 29 data uji dan 224 data latih dengan perubahan jumlah data latih yang berbeda-beda pada 4 skenario menghasilkan nilai terbaik pada precision senilai 0,89, recall senilai 0,856 dan nilai F-measure senilai 0,857. (Pratiwi, 2014).

Melalui penjelasan metode K-Means diatas, maka pada penelitian ini menggunakan metode K-Means untuk clustering tema pada lirik lagu. Salah satu contoh kasus yang telah dipecahkan dengan menggunakan metode K-Means Clustering adalah untuk pengelompokkan posisi pemain sepakbola (Nugroho, 2012), dimana pada penelitian ini hasil pengujian akurasi program dengan menggunakan 5 cross validation yaitu 53,49%, 46,52%, 54,72%, 66,50%, 50,83% (rata-rata akurasi 54,41%). Sehingga dengan melakukan penelitian ini dapat mengetahui tingkat akurasi serta efisien untuk menyelesaikan masalah clustering tema pada lirik lagu menggunakan metode ini.

Maka masalah pokok yang ingin dijawab pada penelitian ini ialah dengan menggunakan metode K-Means clustering, mampukah sistem secara otomatis mengelompokkan tema lirik lagu dengan baik, sehingga dapat mengetahui lirik lagu yang sesuai terhadap pengelompokan tema.

(23)

1.2. Rumusan Masalah

Berdasarkan Latar Belakang yang ada dapat di rumuskan masalah yaitu : Berapakah tingkat akurasi pengelompokan lirik lagu berdasarkan tema dengan menggunakan metode K-Means clustering ?

1.3. Tujuan Penelitian

Tujuan dari penelitian ini adalah membangun sistem yang secara otomatis mampu mengelompokan tema lirik lagu, dan mengetahui tingkat akurasi pengelompokkan.

1.4. Batasan Masalah

Dalam batasan masalah ini, penulis membatasi permasalahan yang perlu, yaitu :

1. Data pada lirik lagu adalah lirik lagu yang berbahasa Indonesia.

2. Clustering yang digunakan sebanyak empat cluster yaitu percintaan, persahabatan, religi, dan perjuangan.

3. Data lirik lagu yang diambil adalah Refrain.

1.5. Sistematika Penulisan BAB I : Pendahuluan

Berisi penjelasan mengenai masalah yang akan diteliti, berisi latar belakang, rumusan masalah, tujuan penelitian, batasan masalah, dan sistematika penulisan.

(24)

BAB II : Landasan Teori

Berisi mengenai penjelasan dan uraian mengenai teori-teori yang berkaitan dengan topik dari clustering tema pada lirik lagu menggunakan metode K-Means.

BAB III : Metodologi

Berisi analisis dan desain yang merupakan detil teknis sistem yang akan dibangun.

BAB IV : Implementasi dan Analisis Hasil

Berisi implementasi dan perancangan sistem yang telah dibuat sebelumnya serta analisis hasil dari program yang telah dibuat.

BAB V : Penutup

Berisi kesimpulan dan saran dari sistem yang telah dibuat, melalui pembahasan pada bab-bab sebelumnya.

(25)

BAB II

LANDASAN TEORI

Pada bab ini membahas tentang penjelasan serta uraian mengenai teori-teori yang berkaitan dengan topik dari clustering tema pada lirik lagu menggunakan metode K-Means. Berikut ini teori-teori yang akan dibahas:

2.1. Information Retrieval

Information Retrieval merupakan sekumpulan algoritma dan teknologi untuk melakukan pemrosesan, penyimpanan, dan menemukan kembali informasi (terstruktur) pada suatu koleksi data yang besar (Manning dkk., 2008). Data yang digunakan dapat berupa teks, tabel, gambar maupun video. Sistem IR yang baik memungkinkan pengguna menentukan secara cepat dan akurat apakah isi dari dokumen yang diterima memenuhi kebutuhannya. 2.1.1. Proses Information Retrieval

Proses information retrieval secara garis besar digambarkan dalam Gambar 2.1 dibawah ini:

(26)

6 2.1.1.1. Text Operation

Text mining memiliki definisi menambang data yang berupa teks di mana sumber data biasanya didapatkan dari dokumen, dan tujuannya adalah mencari kata - kata yang dapat mewakili isi dari dokumen sehingga dapat dilakukan analisa keterhubungan antar dokumen. (Harlian, 2006).

Proses kerja dari text mining terdapat beberapa tahapan, yaitu:

Dalam text mining melalui proses text preprocessing, yaitu proses yang diterapkan terhadap data teks yang bertujuan untuk menghasilkan data numerik. Tahapan dalam proses ini, yaitu :

2.1.1.1.1. Tokenizing

Tokenizing : tahap pemotongan string input berdasarkan tiap kata yang menyusunnya. Sehingga mengubah semua huruf dalam dokumen menjadi huruf kecil dan karakter selain huruf dihilangkan.

Contoh proses tokenizing : Kalimat asal :

Kuketuk pintuMu dan Kau bukakan. Hasil dari text preprocessing:

Kuketuk kau Pintumu bukakan Dan

(27)

2.1.1.1.2. Stopwords Removal / Filtering

Tahap stopword adalah tahap penyaringan kata-kata penting dari hasil tokenizing, dimana kata yang tidak relevan dibuang. Proses ini menggunakan pendekatan stoplist atau stopword. Contoh stopword yaitu “ada”, “kita”, “kamu”, dan lain lain.

Contoh proses stopword: Hasil dari text preprocessing : Kuketuk Kau

Pintumu bukakan Dan

Hasil dari stopword: Ketuk

Pintu Bukakan

2.1.1.1.3.Stemming

Stemming merupakan tahap mencari root kata dari tiap kata hasil stopword.

Hasil dari stopword: Ketuk

Pintu Bukakan

(28)

Hasil dari stemming: Ketuk

Pintu Buka

2.1.1.1.3.1.Aturan / Rule Stemming

Algoritma Stemming untuk menghilangkan kata berimbuhan memiliki tahap-tahap sebagai berikut (Nazief dan Adriani, 2007):

1. Pertama cari kata yang akan distem dalam kamus kata dasar. Jika ditemukan maka diasumsikan kata adalah root word. Maka algoritma berhenti.

2. Inflection Suffixes (“-lah”, “-kah”, “-ku”, “-mu”, atau “-nya”) dibuang. Jika berupa particles (“-lah”, “-kah”, “-tah” atau “-pun”) maka langkah ini diulangi lagi untuk menghapus Possesive Pronouns(“-ku”, “-mu”, atau “ -nya”), jika ada.

3. Hapus Derivation Suffixes (“-i”, “-an” atau “-kan”). Jika kata ditemukan di kamus, maka algoritma berhenti. Jika tidak maka ke langkah 3a

a. Jika “-an” telah dihapus dan huruf terakhir dari kata tersebut adalah “-k”, maka “-k” juga ikut dihapus. Jika kata tersebut ditemukan dalam kamus maka algoritma berhenti. Jika tidak ditemukan maka lakukan langkah 3b.

b. Akhiran yang dihapus (“-i”, “-an” atau “-kan”) dikembalikan, lanjut ke langkah 4.

4. Hapus Derivation Prefix. Jika pada langkah 3 ada sufiks yang dihapus maka pergi ke langkah 4a, jika tidak pergi ke langkah 4b.

(29)

a. Periksa tabel kombinasi awalan-akhiran yang tidak diijinkan. Jika ditemukan maka algoritma berhenti, jika tidak

b. pergi ke langkah 4b.

c. For i = 1 to 3, tentukan tipe awalan kemudian hapus awalan. Jika root word belum juga ditemukan lakukan langkah 5, jika sudah maka algoritma berhenti. Catatan: jika awalan kedua sama dengan awalan pertama algoritma berhenti.

5. Melakukan Recoding.

6. Jika semua langkah telah selesai tetapi tidak juga berhasil maka kata awal diasumsikan sebagai root word. Proses selesai.

Tipe awalan ditentukan melalui langkah-langkah berikut:

1. Jika awalannya adalah: “di-”, “ke-”, atau “se-” maka tipe awalannya secara berturut-turut adalah “di-”, “ke-”, atau “se-”.

2. Jika awalannya adalah “te-”, “me-”, “be-”, atau “pe-” maka dibutuhkan sebuah proses tambahan untuk menentukan tipe awalannya.

3. Jika dua karakter pertama bukan “di-”, “ke-”, “se-”, “te-”, “be-”, “me-”, atau “pe-” maka berhenti.

4. Jika tipe awalan adalah “none” maka berhenti. Jika tipe awalan adalah bukan “none” maka awalan dapat dilihat pada Tabel 2.2 Hapus awalan jika ditemukan.

(30)

Tabel 2.1 Kombinasi Awal dan Akhir

Tabel 2.2 Cara Menentukan Tipe Awalan Untuk awalan "te-"

Following Characters _Tipe

Awalan Set 1 Set 2 Set 3 Set 4

“-r-“ “-r-“ – – none

“-r-“ – – ter-luluh

“-r-“ not (vowel or “

-r-”) “-er-“ vowel ter “-r-“ not (vowel or “

-r-”) “-er-“ not vowel ter- “-r-“ not (vowel or “

-r-”) not “-er-“ – ter

not (vowel or

“-r-”) “-er-“ vowel – none not (vowel or

“-r-”) “-er-“ not vowel – te Awalan Akhiran yang tidak diizinkan

be- -i

di- -an

ke- -i, -kan

me- -an

(31)

Tabel 2.3. Jenis Awalan Berdasarkan Tipe Tipe Awalan Awalan yang harus dihapus

di- di-

ke- ke-

se- se-

te- te-

ter- ter-

ter-luluh Ter

Untuk mengatasi keterbatasan pada algoritma di atas, maka ditambahkan aturan-aturan dibawah ini:

1. Aturan untuk reduplikasi.

 Jika kedua kata yang dihubungkan oleh kata penghubung adalah kata yang sama maka root word adalah bentuk tunggalnya, contoh : “buku -buku” root word-nya adalah “buku”.

 Kata lain, misalnya “bolak-balik”, “berbalas-balasan, dan ”seolah-olah”. Untuk mendapatkan root word-nya, kedua kata diartikan secara terpisah. Jika keduanya memiliki root word yang sama maka diubah menjadi bentuk tunggal, contoh: kata “berbalas-balasan”, “berbalas” dan “balasan” memiliki root word yang sama yaitu “balas”, maka root word “berbalas -balasan” adalah “balas”. Sebaliknya, pada kata “bolak-balik”, “bolak” dan “balik” memilikiroot word yang berbeda, maka root word-nya adalah “bolak-balik”.

(32)

2. Tambahan bentuk awalan dan akhiran serta aturannya.

 Untuk tipe awalan “mem-“, kata yang diawali dengan awalan “memp-” memiliki tipe awalan “mem-”.

 Tipe awalan “meng-“, kata yang diawali dengan awalan “mengk-” memiliki tipe awalan “meng-”.

2.1.1.1.4. Penggabungan Kata Berdasarkan Sinonim

Menurut Kamus Besar Bahasa Indonesia (KBBI) sinonim adalah bentuk bahasa yg maknanya mirip atau sama dengan bentuk bahasa lain. Proses sinonim akan dilakukan ketika ada kata berbeda namun memiliki makna yang sama, untuk me-minimal-kan jumlah kata yang terdapat pada sistem, tanpa menghilangkan jumlah frekuensi.

2.1.1.1.5. Pembobotan Kata

Pemberian bobot terhadap suatu kata dilakukan dengan memberikan nilai frekuensi suatu kata sebagai bobot. Apabila kemunculan suatu kata dalam dokumen semakin besar maka nilai kesesuaian semakin besar pula. Pembobotan kata dipengaruhi oleh hal-hal berikut ini (Mandala dan Setiawan, 2004):

1. Term Frequency (tf) factor, yaitu faktor yang menentukan bobot term pada suatu dokumen berdasarkan jumlah kemunculannya dalam dokumen tersebut. Nilai jumlah kemunculan suatu kata (term frequency)

(33)

diperhitungkan dalam pemberian bobot terhadap suatu kata. Semakin besar jumlah kemunculan suatu term (tf tinggi) dalam dokumen, semakin besar pula bobotnya dalam dokumen atau akan memberikan nilai kesesuian yang semakin besar.

2. Inverse Document Frequency (idf) factor, yaitu pengurangan dominansi term yang sering muncul di berbagai dokumen. Hal ini diperlukan karena term yang banyak muncul di berbagai dokumen, dapat dianggap sebagai term umum (common term) sehingga tidak penting nilainya. Sebaliknya faktor kejarangmunculan kata (term scarcity) dalam koleksi dokumen harus diperhatikan dalam pemberian bobot. Kata yang muncul pada sedikit dokumen harus dipandang sebagai kata yang lebih penting (uncommon tems) daripada kata yang muncul pada banyak dokumen (Mandala dan Setiawan, 2004). Pembobotan akan memperhitungkan faktor kebalikan frekuensi dokumen yang mengandung suatu kata (inverse document frequency).

Pada metode ini, perhitungan bobot term t dalam dokumen dilakukan dengan mengalikan nilai Term Frequency dengan Inverse Document Frequency.

Pada Term Frequency (tf) terdapat beberapa perhitungan yang dapat digunakan yaitu (Mandala dan Setiawan, 2004):

1. tf biner (binery tf), hanya memperhatikan apakah suatu kata ada atau tidak dalam dokumen, jika ada diberi nilai satu, jika tidak diberi nilai nol

(34)

2. tf murni (raw tf), nilai tf diberikan berdasarkan jumlah kemunculan suatu kata di dokumen.

3. tf logaritmik, hal ini untuk menghindari dominansi dokumen yang mengandung sedikit kata dalam query, namun mempunyai frekuensi yang tinggi.

tf = 1 + log (tf) (2.1)

4. tf normalisasi, menggunakan perbandingan antara frekuensi sebuah kata dengan jumlah keseluruhan kata pada dokumen.

(2.2)

Pada Inverse Document Frequency (idf) perhitungannya adalah : idf

j = log (D /df j ) (2.3)

Keterangan :

D : jumlah semua dokumen dalam koleksi df

j : jumlah dokumen yang mengandung term t j

Jenis formula yang akan digunakan untuk perhitungan term frequency (tf) yaitu tf murni (raw tf (Robertson, 1974). Oleh karena itu untuk rumus yang digunakan untuk TF-IDF adalah nilai raw tf dikalikan dengan nilai inverse document frequency Persamaan (2.3):

(35)

(2.4)

Keterangan : w

ij : bobot term tj terhadap dokumen di

ij : jumlah kemunculan term tj dalam dokumen di

D : jumlah semua dokumen yang ada dalam database df

j : jumlah dokumen yang mengandung term tj

(minimal ada satu kata yaitu term t

Berdasarkan Persamaan (2.4) berapapun besarnya nilai tf

ij , jika D = dfj

didapatkan hasil 0 (nol) untuk perhitungan idf. Maka dapat ditambahkan nilai 1 pada sisi idf, sehingga perhitungan bobot menjadi sebagai berikut :

(2.5) 2.1.1.1.6. Normalisasi ZScore

Z-score merupakan metode normalisasi yang berdasarkan mean (nilai rata-rata) dan standar deviasi dari data. Metode ini sangat berguna jika kita tidak mengetahui nilai aktual minimum dan maksimum dari data. (Martiana, 2013). Lihat Persamaan (2.6)

newdata = (data-mean)/std (2.6) Pada persamaan (2.6)

new data = data baru mean = rata-rata std = standar deviasi

(36)

16 2.1.1.1.7. Variance Initialization

Variance Initialization merupakan salah satu teknik analisis multivariate yang berfungsi untuk membedakan rerata lebih dari dua kelompok data dengan cara membandingkan variansinya. Analisis varian termasuk dalam kategori statistik parametric. (Ghozali, 2009).

Untuk membandingkan variansinya, maka digunakan rumus variance yang terdapat pada persamaan (2.7)

(2.7)

Pada persamaan (2.7) xi = nilai x ke-i

= rata-rata n = ukuran sampel s2 = varian

Untuk menghitung standar deviasi (simpangan baku) maka digunakan rumus standar deviasi seperti yang terdapat pada persamaan (2.8)

(2.8)

Pada persamaan (2.8) s2 = varian

(37)

2.2. K-Means Clustering

K Means clustering merupakan metode yang populer digunakan untuk mendapatkan deskripsi dari sekumpulan data dengan cara mengungkapkan kecenderungan setiap individu data untuk berkelompok dengan individu-individu data lainnya. Kecenderungan pengelompokan tersebut didasarkan pada kemiripan karakteristik tiap individu data yang ada. Ide dasar dari metode ini adalah menemukan pusat dari setiap kelompok data yang mungkin ada untuk kemudian mengelompokkan setiap data individu kedalam salah satu dari kelompok-kelompok tersebut berdasarkan jaraknya (Turban dkk., 2005). Semakin dekat jarak data individual, sebut saja X1 dengan salah satu pusat dari kelompok yang ada , sebut saja A, maka semakin jelas bahwa X1 tersebut merupakan anggota dari kelompok yang berpusat di A dan semakin jelas pula bahwa X1 bukan anggota dari kelompok-kelompok yang lainnya (ilustrasi dapat dilihat pada gambar 2.2). Secara kuantitatif hal ini ditunjukkan melalui fakta bahwa d1A yaitu jarak dari X1 ke A mempunyai nilai yang paling kecil jika dibandingankan dengan d1B dan d1C.

(38)

Gambar 2.2 Ilustrasi Penentuan Keanggotaan Kelompok Berdasarkan Jarak (Turban dkk., 2005)

Cara untuk menemukan pusat yang paling sesuai sebagai upaya merepresentasikan posisi dari sebuah kelompok data terhadap kelompok data yang lainnya dilakukan sebuah proses perulangan. Proses perulangan ini dimulai dengan menentukan secara sembarang posisi dari pusat-pusat kelompok yang telah ditetapkan. Selanjutnya ditentukan keanggotaan setiap individu data berdasarkan jarak terpendek terhadap pusat-pusat tersebut. Pada iterasi kedua dan seterusnya dilakukan pembaharuan posisi pusat untuk semua kelompok. Langkah selanjutnya dilakukan pembaharuan keanggotaan untuk setiap kelompok.

(39)

2.2.1. Langkah Algoritma K-Means clustering

Langkah-langkah dalam algoritma K-means clustering adalah (Agusta, 2007) :

1. Tentukan k sebagai jumlah cluster yang di bentuk.

Untuk menentukan banyaknya cluster k dilakukan dengan beberapa pertimbangan seperti pertimbangan teoritis dan konseptual yang mungkin diusulkan untuk menentukan berapa banyak cluster.

2. Bangkitkan k Centroid (titik pusat cluster) awal secara random.

Penentuan centroid awal dilakukan secara random/acak dari objek-objek yang tersedia sebanyak k cluster, kemudian untuk menghitung centroid cluster ke-i berikutnya, digunakan rumus sebagai berikut :

(2.9) dimana; : centroid pada cluster

: objek ke-i

n : banyaknya objek/jumlah objek yang menjadi anggota cluster

3. Hitung jarak setiap objek ke masing-masing centroid dari masing-masing cluster. Untuk menghitung jarak antara objek dengan centroid penulis menggunakan Euclidian Distance.

(2.10) dimana ; xi : objek x ke-i

(40)

yi : daya y ke-i n : banyaknya objek

4. Alokasikan masing-masing objek ke dalam centroid yang paling terdekat. Untuk melakukan pengalokasian objek kedalam masing-masing cluster pada saat iterasi secara umum dapat dilakukan dengan cara hard k-means, dimana secara tegas setiap objek dinyatakan sebagai anggota cluster dengan mengukur jarak kedekatan sifatnya terhadap titik pusat cluster tersebut. 5.Lakukan iterasi, kemudian tentukan posisi centroid baru dengan menggunakan persamaan (2.9).

6. Ulangi langkah 3 jika posisi centroid baru tidak sama.

Pengecekan konvergensi dilakukan dengan membandingkan matriks group assignment pada iterasi sebelumnya dengan matrik group assignment pada iterasi yang sedang berjalan. Jika hasilnya sama maka algoritma k-means cluster analysis sudah konvergen, tetapi jika berbeda maka belum konvergen sehingga perlu dilakukan iterasi berikutnya.

(41)

2.2.2. Flowchart K-Means Clustering

Berikut penggambaran algoritma k-means clustering menggunakan flowchart:

Gambar 2.3 Flowchart Algoritma KMeans

Gambar diatas merupakan algoritma K-Means clustering dengan menggunakan flowchart. Langkah pertama adalah menentukan banyaknya jumlah cluster K, selanjutnya menentukan titik pusat, penentuan titik pusat dapat ditentukan secara random atau menggunakan salah satu cara yaitu Variance Initialization. Tahapan selanjutnya menghitung jarak obyek ke pusat salah satu penghitungannya menggunakan kedekatan Euclidean Distance, lalu kelompokkan obyek berdasar jarak minimum. Tahapan terakhir adalah apabila ada obyek yang harus dipindah, maka terjadi

(42)

pengulangan pada tahap penentuan titik pusat, ketika tidak ada lagi obyek yang harus dipindah maka selesai.

2.3. Confusion Matrix

Pada tahapan pengujian akurasi suatu clustering maka hal yang diproses adalah pemberian label pada masing-masing cluster. Pemberian label di dapat dari studi kasus, dimana pada label satu ialah percintaan, label dua ialah perjuangan, label ketiga ialah religi dan label empat ialah persahabatan. Setelah didapat empat label pada masing-masing cluster maka diproses menggunakan pengujian Confusion Matrix.

Confusion Matrix berisi informasi yang aktual dan dapat diprediksi (Kohavi dan Provost, 1998), dimana kinerja sistem dapat di evaluasi menggunakan data dalam matriks.

Tabel dibawah ini menunjukkan confusion matrix untuk dua class (Kohavi dan Provost, 1998) :

Tabel 2.4 . Tabel Confusion Matrix

Keterangan :

 a adalah jumlah prediksi yang benar bahwa contoh bersifat negatif.

 b adalah jumlah prediksi yang salah bahwa contoh bersifat positif.

 c adalah jumlah prediksi yang salah bahwa contoh bersifat positif

(43)

Beberapa macam cara untuk menghitung akurasi, antara lain dengan menggunakan :

 Akurasi (AD)

 Recall atau true positive rate (TP)

 False positive rate (FP)

 True negative rate (TN)

 False negative rate (FN)

 Tahap terakhir yaitu precision (P)

Dalam penelitian ini, untuk menghitung tingkat akurasi penulis menggunakan perhitungan Akurasi (AD), dengan penjelasan:

Akurasi adalah jumlah prediksi yang benar, yang ditentukan dengan persamaan (2.11):

(44)

BAB III

METODOLOGI

Bab ini menjelaskan tentang perancangan penelitian yang akan dibuat oleh penulis, yang berisi data, deskripsi sistem, model analisis serta desain interface. Penjelasannya sebagai berikut:

3.1. Data

Data yang digunakan adalah data lagu yang bersumber dari Radio Masdha Yogyakarta, langkah selanjutnya mencari lirik lagu berdasarkan data lagu yang diperoleh dari Radio Masdha Yogyakarta, selanjutnya data lirik lagu untuk diolah hanya diambil pada bagian refrain.

3.2. Deskripsi Sistem

Sistem ini digunakan untuk mengetahui tingkat akurasi penggolongan tema berdasarkan lirik lagu dengan menggunakan metode K-Means clustering. Langkahnya adalah melalui data lirik lagu yang berekstensi .txt, teks akan mengalami tahapan preprocessing yang terdiri dari (tokenizing, stopword dan stemming). Tahap kedua yaitu tahapan pembobotan kata menggunakan TF-IDF untuk menentukan nilai frekuensi dari dokumen, serta melakukan penggabungan kata (sinonim), apabila terdapat kata yang berbeda namun makna sama, maka gabungkan menjadi satu kata, setelah mendapatkan bobot, maka hasil pembobotan di normalisasi menggunakan z-score, supaya dapat membandingkan bobot pada kata satu terhadap kata lainnya. Tahapan ketiga adalah Variance Initialization digunakan untuk

(45)

menemukan centroid awal yang akan diproses pada tahapan K-Means clustering. Tahap selanjutnya yaitu menentukan kedekatan atau kemiripan data pada centroid yaitu tema (percintaan, perjuangan, religi dan persahabatan) dengan metode K-Means Clustering menggunakan Euclidean Distance. Tahap terakhir adalah proses penghitungan akurasi menggunakan Confusion Matrix.

Setelah menemukan hasil akurasi serta pengelompokkan selanjutnya sistem melakukan proses input data baru, yang berfungsi untuk mengetahui data baru termasuk dalam tema yang mana. Maka data baru dapat dikategorikan termasuk salah satu dari tema yang ada.

3.3. Model Analisis

Pada bagian model analisis berisi diagram block yang terdiri dari text operation, K-means clustering, pengujian akurasi serta input data baru. Penjelasannya sebagai berikut:

3.3.1. Diagram Block

Dibawah ini merupakan proses sistem menggunakan Diagram Block:

Input

Data

Information Retrieval

Tokenizing Stopword

Pembobotan Stemming

K-Means

Variance Initialization

K-Means

Output

Hasil Cluster

Akurasi

Confusion Matrix

Penggabungan Kata

Normalisasi Z-Score

Input Data Baru

Hasil Klasifikasi Data Baru

(46)

Pada gambar 3.1. proses clustering dimulai dari input data yang berupa lirik lagu, kemudian dilanjutkan dengan text operation, pada proses ini terdapat beberapa tahapan yaitu tokenizing untuk pemisahan kata, stopword untuk menghilangkan kata-kata yang tidak mengandung makna, stemming untuk menghilangkan kata berimbuhan, dan pembobotan untuk proses memberi index atau frekuensi yang terdapat pada kata hasil akhir dari proses stemming, selanjutnya masuk ke proses penggabungan kata (sinonim), apabila terdapat kata berbeda tetapi memiliki makna yang sama, maka sistem dapat menggabungkan bersama dengan frekuensinya, lalu kata hasil pembobotan melakukan proses normalisasi menggunakan Z-Score membandingkan kata yang satu dengan lainnya. Tahapan selanjutnya yaitu tahapan K-Means yang terdiri dari Variance Initialization proses ini digunakan untuk mencari variance terbesar sehingga penentuan nilai awal centroid, selanjutnya proses K-Means, dicari kedekatan antara centroid yang telah didapat dengan data menggunakan kedekatan Euclidean Distance. Selanjutnya untuk output terdiri dari hasil cluster, dimana terdapat pembagian data dalam empat cluster berdasarkan centroid terdekat. Untuk pengujian menggunakan Confusion Matrix, dimana jumlah prediksi yang benar dibagi dengan total seluruh data. Setelah menemukan hasil akurasi, maka sistem menambahkan data baru untuk menemukan hasil klasifikasi data baru berdasarkan data yang diolah melalui proses clustering.

(47)

27 3.3.1.1. Text Operation

Langkah kerja serta penjelasan mengenai Text Operation adalah sebagai berikut:

3.3.1.1.1.Tokenizing

Pada proses tokenizing proses yang terjadi adalah pemenggalan kalimat menjadi tiap-tiap kata, kata diubah menjadi huruf kecil dan menghilangkan karakter yang bukan termasuk kata. Maka dibawah ini merupakan contoh lirik lagu dari tema perjuangan, religi, percintaan dan persahabatan yang mengalami proses tokenizing.

Dokumen pertama (perjuangan) :

Garuda pancasila Akulah pendukungmu Patriot proklamasi Sedia berkorban untukmu Pancasila dasar negara Rakyat adil makmur sentosa Pribadi bangsaku

Ayo maju maju Ayo maju maju Ayo maju maju

garuda rakyat

pancasila adil

akulah makmur

pendukungmu sentosa

patriot pribadi

proklamasi bangsaku

sedia ayo

berkorban maju

untukmu maju

pancasila ayo

dasar maju

negara maju

ayo maju maju Gambar 3.2 Tokenizing dokumen pertama

Pada gambar 3.2 merupakan contoh lirik lagu yang mengalami proses tokenizing, lirik lagu yang digunakan pada gambar diatas adalah contoh lirik lagu dengan tema perjuangan.

(48)

Dokumen kedua (religi) :

Kau b’ri yang kupinta

Saat kumencari kumendapatkan Kuketuk pintuMu dan Kau bukakan

S’bab Kau Bapaku, Bapa yang

kekal

kau dan bri kau yang bukakan kupinta sbab saat kau kumencari bapaku kumendapatkan bapa kuketuk yang pintumu kekal

Gambar 3.3. Tokenizing dokumen kedua

Pada gambar 3.3 merupakan contoh lirik lagu yang mengalami proses tokenizing, lirik lagu yang digunakan pada gambar diatas adalah contoh lirik lagu dengan tema religi.

Dokumen ketiga (percintaan) :

(Mencoba) mengerti, arti hadirmu,

Mengerti, sinar diwajahmu Mengerti, tenangnya jiwaku, Akhirnya ku mengerti, diriku memang untuk kau miliki

mencoba jiwaku mengerti akhirnya arti ku hadirmu mengerti mengerti diriku sinar memang diwajahmu untuk mengerti kau tenangnya miliki

Gambar 3.4. Tokenizing dokumen ketiga

Pada gambar 3.4 merupakan contoh lirik lagu yang mengalami proses tokenizing, lirik lagu yang digunakan pada gambar diatas adalah contoh lirik lagu dengan tema percintaan.

(49)

Dokumen keempat (persahabatan) :

kau teman sejati kita teman sejati hadapilan dunia genggam tanganku

kau sejati teman hadapilah sejati dunia kita genggam teman tanganku

Gambar 3.5. Tokenizing dokumen keempat

Pada gambar 3.5 merupakan contoh lirik lagu yang mengalami proses tokenizing, lirik lagu yang digunakan pada gambar diatas adalah contoh lirik lagu dengan tema persahabatan.

3.3.1.1.2. Stopword removal / filtering

Setelah mengalami proses tokenizing, langkah selanjutnya adalah proses stopword. Stopword merupakan tahap penyaringan kata-kata yang penting, sehingga kata yang tidak relevan dapat dibuang. Kata-kata yang tidak relevan memiliki kamus kata tersendiri, sehingga sistem mengecek kata yang muncul di dokumen lirik lagu terhadap kamus kata stopword. Jika kata pada data lirik lagu ada dengan kamus kata stopword maka kata tersebut dibuang. Maka dibawah ini merupakan contoh lirik lagu dari tema perjuangan, religi, percintaan dan persahabatan yang mengalami proses stopword.

(50)

Dokumen pertama (perjuangan) :

garuda rakyat

pancasila adil

akulah makmur

pendukungmu sentosa

patriot pribadi

proklamasi bangsaku

sedia ayo

berkorban maju

untukmu maju

pancasila ayo

dasar maju

negara maju

ayo maju maju

garuda rakyat

pancasila adil

makmur

pendukung sentosa

patriot pribadi

proklamasi bangsa

sedia ayo

berkorban maju

maju

pancasila ayo

dasar maju

negara maju

ayo maju maju Gambar 3.6. Stopword dokumen pertama

Pada gambar 3.6 merupakan contoh lirik lagu yang mengalami proses stopword, lirik lagu yang digunakan pada gambar diatas adalah contoh lirik lagu dengan tema perjuangan.

Dokumen kedua (religi) :

bukakan pinta

mencari bapa bapa ketuk

pintu kekal kau dan

bri kau yang bukakan kupinta sbab saat kau kumencari bapaku kumendapatkan bapa kuketuk yang pintumu kekal

Gambar 3.7. Stopword dokumen kedua

Pada gambar 3.7 merupakan contoh lirik lagu yang mengalami proses stopword, lirik lagu yang digunakan pada gambar diatas adalah contoh lirik lagu dengan tema religi.

(51)

Dokumen ketiga (percintaan) :

mencoba jiwaku mengerti

arti ku hadirmu mengerti mengerti diriku sinar memang diwajahmu untuk mengerti kau tenangnya miliki

mencoba jiwa mengerti

hadir mengerti mengerti

sinar diwajah mengerti

tenangnya miliki

Gambar 3.8. Stopword dokumen ketiga

Pada gambar 3.8 merupakan contoh lirik lagu yang mengalami proses stopword, lirik lagu yang digunakan pada gambar diatas adalah contoh lirik lagu dengan tema percintaan.

Dokumen keempat (persahabatan) :

kau teman sejati kita teman sejati hadapilan dunia genggam tanganku

sejati teman hadapilah sejati dunia

genggam teman tangan

Gambar 3.9. Stopword dokumen keempat

Pada gambar 3.9 merupakan contoh lirik lagu yang mengalami proses stopword, lirik lagu yang digunakan pada gambar diatas adalah contoh lirik lagu dengan tema persahabatan.

(52)

32 3.3.1.1.3.Stemming

Pada proses selanjutnya ialah proses stemming dimana mencari kata dasar dari data lirik lagu yang diperoleh. Dibawah ini merupakan contoh data lirik lagu yang mengalami proses stemming:

Dokumen pertama (perjuangan) :

garuda rakyat

pancasila adil

makmur

pendukung sentosa

patriot pribadi

proklamasi bangsa

sedia ayo

berkorban maju

maju

pancasila ayo

dasar maju

negara maju

ayo maju maju

garuda rakyat

pancasila adil

makmur

dukung sentosa

patriot pribadi

proklamasi bangsa

sedia ayo

korban maju

maju

pancasila ayo

dasar maju

negara maju

ayo maju maju Gambar 3.10. Stemming dokumen pertama

Pada gambar 3.10 merupakan contoh lirik lagu yang mengalami proses stemming, lirik lagu yang digunakan pada gambar diatas adalah contoh lirik lagu dengan tema perjuangan.

Dokumen kedua (religi) :

bukakan pinta

mencari bapa bapa ketuk

pintu kekal

buka pinta

cari bapa bapa ketuk

pintu kekal

(53)

Pada gambar 3.11 merupakan contoh lirik lagu yang mengalami proses stemming, lirik lagu yang digunakan pada gambar diatas adalah contoh lirik lagu dengan tema religi.

Dokumen ketiga (percintaan) :

mencoba jiwa mengerti

hadir mengerti mengerti

sinar diwajah mengerti

tenangnya miliki

coba jiwa mengerti

hadir mengerti mengerti

sinar wajah mengerti

tenang milik

Gambar 3.12. Stemming dokumen ketiga

Pada gambar 3.12 merupakan contoh lirik lagu yang mengalami proses stemming, lirik lagu yang digunakan pada gambar diatas adalah contoh lirik lagu dengan tema percintaan.

Dokumen keempat (persahabatan) : sejati

teman hadapilah sejati dunia

genggam teman tangan

sejati teman hadapi sejati dunia

genggam teman tangan

Gambar 3.13. Stemming dokumen keempat

Pada gambar 3.13 merupakan contoh lirik lagu yang mengalami proses stemming, lirik lagu yang digunakan pada gambar diatas adalah contoh lirik lagu dengan tema persahabatan.

(54)

3.3.1.1.4.Pembobotan Kata

Pada proses pembobotan kata, tahapan yang dilakukan adalah memberikan nilai frekuensi suatu kata sebagai bobot, yang nantinya dapat diproses pada K-means clustering. Dibawah ini merupakan contoh proses pembobotan kata:

Menghitung TF (Term Frequency)

garuda rakyat

pancasila adil

makmur

dukung sentosa

patriot pribadi

proklamasi bangsa

sedia ayo

korban maju

maju

pancasila ayo

dasar maju

negara maju

ayo maju maju

D

TF garuda = 1 pancasila = 2 dukung = 1 patriot = 1 proklamasi = 1 sedia=1 korban=1 dasar=1 negara=1 rakyat=1 adil=1 makmur=1 sentosa=1 pribadi=1 bangsa=1 ayo=3 maju=6

Gambar 3.14. Pembobotan kata dokumen pertama

Pada gambar 3.14 merupakan contoh lirik lagu yang mengalami proses penghitungan term frequency, lirik lagu yang digunakan pada gambar diatas adalah contoh lirik lagu dengan tema perjuangan.

buka pinta

cari bapa bapa ketuk

pintu kekal

D

2 TF pinta=1 cari=1 ketuk=1 pintu=1 buka=1 bapa=2 kekal=1

(55)

Pada gambar 3.15 merupakan contoh lirik lagu yang mengalami proses penghitungan term frequency, lirik lagu yang digunakan pada gambar diatas adalah contoh lirik lagu dengan tema religi.

coba jiwa mengerti

hadir mengerti mengerti

sinar wajah mengerti

tenang milik

D

₃ TF coba=1 mengerti=4 hadir=1 sinar=1 wajah=1 tenang=1 jiwa=1 milik=1

Gambar 3.16. Pembobotan kata dokumen ketiga

Pada gambar 3.16 merupakan contoh lirik lagu yang mengalami proses penghitungan term frequency, lirik lagu yang digunakan pada gambar diatas adalah contoh lirik lagu dengan tema percintaan.

sejati teman hadapi sejati dunia

genggam teman tangan

D

4 TF teman=2 sejati=2 hadapi=1 dunia=1 genggam=1 tangan=1

Gambar 3.17. Pembobotan kata dokumen keempat

Pada gambar 3.17 merupakan contoh lirik lagu yang mengalami proses penghitungan term frequency, lirik lagu yang digunakan pada gambar diatas adalah contoh lirik lagu dengan tema persahabatan.

(56)

Menghitung DF (Document Frequency) Tabel 3.1. Tabel menghitung DF ID word DF

1 Garuda 1 21 pintu 1 2 pancasila 2 22 buka 1 3 dukung 1 23 bapa 2 4 Patriot 1 24 kekal 1 5 proklamasi 1 25 coba 1 6 Sedia 1 26 mengerti 4 7 Korban 1 27 hadir 1 8 Dasar 1 28 sinar 1 9 Negara 1 29 wajah 1 10 Rakyat 1 30 tenang 1 11 Adil 1 31 jiwa 1 12 makmur 1 32 milik 1 13 sentosa 1 33 teman 2 14 pribadi 1 34 sejati 2 15 Bangsa 1 35 hadapi 1 16 Ayo 3 36 dunia 1 17 Maju 6 37 genggam 1 18 Pinta 1 38 tangan 1 19 Cari 1

20 Ketuk 1

Pada Tabel 3.1 merupakan contoh penghitungan document frequency, document frequency merupakan banyaknya bobot (term frequency) yang terkandung dalam seluruh data lirik.

Menghitung IDF (Inverse Document Frequency) Tabel 3.2. Tabel menghitung IDF

ID word DF IDF

1 garuda 1 1.7243

2 pancasila 2 1.4232

3 dukung 1 1.7243

4 patriot 1 1.7243

5 proklamasi 1 1.7243

6 sedia 1 1.7243

7 korban 1 1.7243

8 dasar 1 1.7243

9 negara 1 1.7243

(57)

Tabel 3.2. Tabel menghitung IDF (Lanjutan)

ID word DF IDF

11 adil 1 1.7243

12 makmur 1 1.7243

13 sentosa 1 1.7243

14 pribadi 1 1.7243

15 bangsa 1 1.7243

16 ayo 3 1.2472

17 maju 6 0.9461

18 pinta 1 1.7243

19 cari 1 1.7243

20 ketuk 1 1.7243

21 pintu 1 1.7243

22 buka 1 1.7243

23 bapa 2 1.4232

24 kekal 2 1.4232

25 coba 1 1.7243

26 mengerti 4 1.1222

27 hadir 1 1.7243

28 sinar 1 1.7243

29 wajah 1 1.7243

30 tenang 1 1.7243

31 jiwa 1 1.7243

32 milik 1 1.7243

33 teman 2 1.4232

34 sejati 2 1.4232

35 hadapi 1 1.7243

36 dunia 1 1.7243

37 genggam 1 1.7243

38 tangan 1 1.7243

Pada Tabel 3.2 merupakan contoh penghitungan inverse document frequency.

Menghitung Wij

Langkah selanjutnya ialah menghitung bobot (Wij) yang terdapat pada masing-masing data lagu. Dimana Wij didapat dari hasil perkalian antara

(58)

term frequency dengan inverse document frequency. Dibawah ini merupakan contoh data lagu yang melakukan proses penghitungan Wij.

 Menghitung bobot pertama

Tabel 3.3. Tabel menghitung bobot pertama

ID word DF IDF Wij

1 garuda 1 1.72427587 1.7242759 2 pancasila 2 1.423245874 2.8464917 3 dukung 1 1.72427587 1.7242759 4 patriot 1 1.72427587 1.7242759 5 proklamasi 1 1.72427587 1.7242759 6 sedia 1 1.72427587 1.7242759 7 korban 1 1.72427587 1.7242759 8 dasar 1 1.72427587 1.7242759 9 negara 1 1.72427587 1.7242759 10 rakyat 1 1.72427587 1.7242759 11 adil 1 1.72427587 1.7242759 12 makmur 1 1.72427587 1.7242759 13 sentosa 1 1.72427587 1.7242759 14 pribadi 1 1.72427587 1.7242759 15 bangsa 1 1.72427587 1.7242759 16 ayo 3 1.247154615 3.7414638 17 maju=6 6 0.946124619 5.6767477 Total Wij 36.404565

Pada Tabel 3.3 merupakan contoh penghitungan Wij yang terkandung dalam setiap data lirik. Lirik lagu yang digunakan pada gambar diatas adalah contoh lirik lagu dengan tema perjuangan.

 Menghitung bobot kedua

Tabel 3.4. Tabel menghitung bobot kedua

ID word DF IDF Wij

18 pinta 1 1.72427587 1.7242759 19 cari 1 1.72427587 1.7242759 20 ketuk 1 1.72427587 1.7242759 21 pintu 1 1.72427587 1.7242759 22 buka 1 1.72427587 1.7242759 23 bapa 2 1.423245874 2.8464917 24 kekal 1 1.72427587 1.7242759 Total Wij 13.19215

(59)

Pada Tabel 3.4 merupakan contoh penghitungan Wij yang terkandung dalam setiap data lirik. Lirik lagu yang digunakan pada gambar diatas adalah contoh lirik lagu dengan tema religi.

 Menghitung bobot ketiga

Tabel 3.5. Tabel menghitung bobot ketiga

ID word DF IDF Wij

25 coba 1 1.72427587 1.7242759 26 mengerti 4 1.122215878 4.4888635 27 hadir 1 1.72427587 1.7242759 28 sinar 1 1.72427587 1.7242759 29 wajah 1 1.72427587 1.7242759 30 tenang 1 1.72427587 1.7242759 31 jiwa 1 1.72427587 1.7242759 32 milik 1 1.72427587 1.7242759 Total Wij 16.558795

Pada Tabel 3.5 merupakan contoh penghitungan Wij yang terkandung dalam setiap data lirik. Lirik lagu yang digunakan pada gambar diatas adalah contoh lirik lagu dengan tema percintaan.

 Menghitung bobot keempat

Tabel 3.6. Tabel menghitung bobot keempat

ID word DF IDF Wij

33 teman 2 1.423245874 2.8464917 34 sejati 2 1.423245874 2.8464917 35 hadapi 1 1.72427587 1.7242759 36 dunia 1 1.72427587 1.7242759 37 genggam 1 1.72427587 1.7242759 38 tangan 1 1.72427587 1.7242759 Total Wij 12.590087

(60)

Pada Tabel 3.6 merupakan contoh penghitungan Wij yang terkandung dalam setiap data lirik. Lirik lagu yang digunakan pada gambar diatas adalah contoh lirik lagu dengan tema persahabatan.

3.3.1.1.5.Penggabungan Kata (Sinonim)

Penggabungan Kata dilihat dari sinonim yang bersumber dari Kamus Besar Bahasa Indonesia (KBBI). Menurut Kamus Besar Bahasa Indonesia (KBBI) sinonim adalah bentuk bahasa yang maknanya mirip atau sama dengan bentuk bahasa lain, maka pada proses penggabungan kata dapat dilakukan ketika terdapat kata berbeda namun memiliki arti sama, maka dapat digabungkan menjadi satu kata, tanpa mengubah nilai frekuensi. Dibawah ini adalah contoh kata yang mengalami proses penggabungan kata Lihat tabel 3.7 dan 3.8:

Tabel 3.7. Tabel contoh data belum mengalami penggabungan kata kata tf

kangen 1 kawan 1 rindu 1 sahabat 1 teman 1

Tabel 3.8. Tabel contoh data telah mengalami penggabungan kata kata tf

rindu 2 teman 3

Berdasarkan contoh data diatas, terdapat lima kata yang masing-masing memiliki tf=1, tetapi ketika mengalami proses penggabungan kata, kata tersebut kemudian dicek dengan sinonim, dan ternyata hanya terdapat dua

(61)

kata yang memiliki makna berbeda, sedangkan kata lainnya masuk kedalam dua kata tersebut.

3.3.1.1.6.Normalisasi Z-Score

Setelah menemukan pembobotan, langkah selanjutnya adalah proses normalisasi menggunakan z-score, yang berfungsi supaya kata hasil pembobotan yang satu dengan yang lainnya dapat dibandingkan. Dibawah ini merupakan langkah-langkah untuk mendapatkan hasil normalisasi: 1. Hasil Pembobotan yang telah mengalami proses tokenizing, stopword dan

stemming. Lihat tabel 3.9.

Tabel 3.9. Tabel Pembobotan

cinta bendera tuhan teman Dokumen 1 0.60206 0 0 0 Dokumen 2 0.60206 0 0 0 Dokumen 3 0 0.823909 0 0 Dokumen 4 0 5.20412 0 0 Dokumen 5 0.60206 0 1.124939 0 Dokumen 6 0 0 1.124939 0 Dokumen 7 0 0 0 2.40824 Dokumen 8 0 0 0 0.60206

Berdasarkan Tabel 3.9 telah mengalami proses pembobotan. Sebagai contoh pada kata cinta di Dokumen 1, Bobot (Wij) sebesar 0.60206 yang didapat dari Term Frequency yang bernilai 1, dikalikan dengan inverse document frequency yang bernilai 0.60206. Proses tersebut dilakukan pada masing-masing data di seluruh dokumen.

(62)

2. Mencari nilai standar deviasi dari masing-masing data lirik. Lihat tabel 3.10.

Tabel 3.10. Tabel Standar Deviasi Per Lirik STD

Dokumen 1 0.30103 Dokumen 2 0.30103 Dokumen 3 0.411954 Dokumen 4 2.60206 Dokumen 5 0.54232 Dokumen 6 0.562469 Dokumen 7 1.20412 Dokumen 8 0.30103

Pada Tabel 3.10 masing-masing dokumen dicari nilai standar deviasi, untuk dapat diproses pada tahapan normalisasi.

3. Mencari nilai mean dari masing-masing data lirik. Lihat Tabel 3.11. Tabel 3.11. Tabel Mean

MEAN

Dokumen 1 0.150515 Dokumen 2 0.150515 Dokumen 3 0.205977 Dokumen 4 1.30103 Dokumen 5 0.43175 Dokumen 6 0.281235 Dokumen 7 0.60206 Dokumen 8 0.150515

Pada Tabel 3.11 masing-masing dokumen dicari nilai mean, untuk dapat diproses pada tahapan normalisasi.

4. Hasil normalisasi, berdasarkan perhitungan rumus yang telah dipaparkan pada bab sebelumnya. Lihat Tabel 3.12.

(63)

Tabel 3.12. Tabel Normalisasi

cinta bendera tuhan teman Dokumen 1 1.5 -0.5 -0.5 -0.5 Dokumen 2 1.5 -0.5 -0.5 -0.5 Dokumen 3 -0.5 1.5 -0.5 -0.5 Dokumen 4 -0.5 1.5 -0.5 -0.5 Dokumen 5 0.31404 -0.79612 1.278192 -0.79612 Dokumen 6 -0.5 -0.5 1.5 -0.5 Dokumen 7 -0.5 -0.5 -0.5 1.5 Dokumen 8 -0.5 -0.5 -0.5 1.5

Berdasarkan Tabel 3.12 mengalami proses normalisasi dengan menggunakan Z-Score, nilai yang diperoleh pada tabel diatas adalah data dikurangi dengan rata-rata (mean) lalu dibagi dengan standar deviasi, maka diperoleh nilai masing-masing normalisasi pada setiap dokumen.

3.3.1.2. K-Means Clustering

Setelah melakukan proses text operation selanjutnya langkah pengelompokkan menggunakan K-Means Clustering. Centroid awal=4 centroid, dipilih empat centroid dikarenakan sudah dibatasi dengan pengelompokan topik yang diasumsikan menjadi empat kelompok/cluster yaitu percintaan, perjuangan, persahabatan dan religi, selanjutnya untuk penentuan centroid menggunakan variance initialization, dicari variance terbesar, kemudian lirik di sort menggunakan hasil variance terbesar dan lirik yang sudah di sort dibagi menjadi empat bagian, setiap bagian pada kelompok/cluster dicari rata-rata/mean, maka itulah centroid awal. Setelah menemukan centroid awal langkah selanjutnya adalah mencari kedekatan

(64)

antara centroid dengan masing-masing dokumen menggunakan Euclidean distance.

Penjelasan dari langkah kerja Metode K-Means : 1. Menentukan banyaknya cluster k

2. Menentukan centroid menggunakan Variance Initialization. 3. Menghitung centroid cluster ke-i

4. Menghitung jarak objek ke masing-masing centroid pada tiap-tiap cluster menggunakan Euclidean Distance.

5. Pengalokasian objek ke dalam tiap-tiap cluster.

Pada tabel 3.12 menunjukkan contoh dokumen lagu yang telah mengalami proses normalisasi, kemudian dicari variance menggunakan persamaan(2.7):

Berikut ini contoh dokumen yang telah mengalami proses variance. Lihat tabel 3.13.

Tabel 3.13. Tabel Variance

(65)

Setelah mendapatkan nilai dari variance, maka mencari variance terbesar, lalu sort dokumen berdasarkan variance terbesar. Pada data diatas, variance terbesar berada pada kata : bendera didokumen 3 dan 4, serta teman didokumen 7 dan 8, sebagai acuan diambil pada kata bendera didokumen 3, maka sort dokumen 3 yang memiliki variance terbesar. Lihat tabel 3.14.

Tabel 3.14. Tabel Sort Lirik

Cinta bendera tuhan teman Dokumen 3 -0.5 1.5 -0.5 -0.5 Dokumen 4 -0.5 1.5 -0.5 -0.5 Dokumen 1 1.5 -0.5 -0.5 -0.5 Dokumen 2 1.5 -0.5 -0.5 -0.5 Dokumen 6 -0.5 -0.5 1.5 -0.5 Dokumen 7 -0.5 -0.5 -0.5 1.5 Dokumen 8 -0.5 -0.5 -0.5 1.5 Dokumen 5 0.31404 -0.79612 1.278192 -0.79612

Selanjutnya untuk mencari centroid langkahnya adalah bagi jumlah data dokumen menjadi empat bagian, lalu cari rata-rata (mean) pada tiap-tiap bagian, maka itulah centroid awal yang didapat. Lihat Tabel 3.15.

Tabel 3.15. Tabel Centroid

cinta bendera tuhan teman Dokumen 3 -0.5 1.5 -0.5 -0.5 Dokumen 4 -0.5 1.5 -0.5 -0.5 Dokumen 1 1.5 -0.5 -0.5 -0.5 Dokumen 2 1.5 -0.5 -0.5 -0.5 Dokumen 6 -0.5 -0.5 1.5 -0.5 Dokumen 7 -0.5 -0.5 -0.5 1.5 Dokumen 8 -0.5 -0.5 -0.5 1.5 Dokumen 5 0.31404 -0.79612 1.278192 -0.79612

C1 -0.5 1.5 -0.5 -0.5 C2 1.5 -0.5 -0.5 -0.5 C3 -0.5 -0.5 0.5 0.5 C4 -0.09298 -0.64806 0.389096 0.351942

(66)

Setelah menemukan centroid awal menggunakan variance initializaion, selanjutnya mencari jarak antara centroid dengan dokumen menggunakan kedekatan Euclidean Distance. Maka terbentuklah empat cluster.Lihat Tabel 3.16.

Tabel 3.16. Tabel Jarak Terdekat (Euclidean Distance)

C1 C2 C3 C4

Jarak Terdekat Dokumen 1 2.828427125 0 2.44949 2.018862 C2 Dokumen 2 2.828427125 0 2.44949 2.018862 C2 Dokumen 3 2.93737E-16 2.828427 2.44949 2.509206 C1 Dokumen 4 2.22045E-16 2.828427 2.44949 2.509206 C1 Dokumen 5 3.030588336 2.178035 1.742368 1.515294 C4 Dokumen 6 2.828427125 2.828427 1.414214 1.465435 C3 Dokumen 7 2.828427125 2.828427 1.414214 1.515294 C3 Dokumen 8 2.828427125 2.828427 1.414214 1.515294 C3

Setelah mendapatkan jarak terdekat maka centroid baru di cek kembali dengan dokumen hingga centroid tidak berubah lagi.

3.3.1.3. Pengujian Akurasi

Pada pengujian akurasi menggunakan confusion matrix. Confusion Matrix digunakan untuk mengetahui seberapa besar keberhasilan sistem. Langkahnya adalah membuat kelompok kelas, yaitu kelas aktual dan kelas prediksi. Kelas aktual merupakan kelas yang akan dicek terhadap kelas prediksi.

Tabel 3.17. Tabel hasil cluster Cls1 1; 2; 3; 4; 5; 7; 8; 13; 17; 20;

Cls2 6 ;9; 10

Cls3 11;12;14;15; Cls4 16;18;19

(67)

Pada Tabel 3.17. merupakan tabel permisalan hasil cluster yang telah diproses oleh sistem, terdapat kelompok data pada tiap tiap cluster. Data dokumen lagu ada sebanyak 20 dokumen, dimana dokumen 1-5 merupakan cluster 1, dokumen 6-10 merupakan cluster 2, dokumen 11-12 merupakan cluster 3, dokumen 16-20 merupakan cluster 4. Tetapi pada tabel diatas yang terjadi, cluster 1 terdapat berbagai dokumen, maka itu untuk melihat keakuratan sistem maka dihitung menggunakan confusion matrix. Rumus dari confusion matrix yang tercantum pada Tabel (2.4):

Tabel 2.4 . Tabel Confusion Matrix

Untuk menghitung jumlah prediksi yang benar, maka menggunakan Persamaan (2.11)

(2.11) 3.4. Desain Interface

Gambar 3.18 merupakan desain interface yang akan dibuat pada sistem ini.

(68)

Gambar 3.18. Desain Interface

3.5. Spesifikasi Software dan Hardware

Untuk proses membuat sistem dan data digunakan software dan hardware sebagai berikut :

1. Software

a) Sistem Operasi : Windows 7 Ultimate32-bit

b) Bahasa Pemprograman : Matlab version 8.0.0.783 (R2012b) 2. Hardware

a) Processor : Intel(R) Core(TM) i3-2350M CPU @ 2.30GHz b) Memory : 2 GB

c) Hardisk : 500 GB

Button Preprocessing

Button Proses Clustering

Akurasi Tabel

Prepro-cessing

Tabel Centroid

Tabel

Confusion Matrix

Hasil Cluster Batas Bawah :

Batas Atas :

Jumlah Data: _{Input file}

Nama File : Masuk Cluster:

Text Lagu

(69)

BAB IV

IMPLEMENTASI DAN ANALISA HASIL

Bab ini menjelaskan tentang metodologi yang dijelaskan pada bab sebelumnya, maka implementasinya sebagai berikut:

4.1. Implementasi

Implementasi mencakup proses information retrieval, pengelompokkan data dengan menggunakan K-Means clustering hingga pengujian akurasi menggunakan Confusion Matrix.

4.1.1. User Interface

Dalam pembuatan user interface sistem menggunakan sarana yang diberikan oleh Matlab version 8.0.0.783 (R2012b). Melihat dari desain user interface pada bab sebelumnya, maka bab ini mengimplementasikan user interface untuk melakukan text operation hingga mengetahui akurasi dari pengelompokan data dengan K-Means Clustering, maka sistem dapat langsung menampilkan hasil keseluruhan proses. Gambar 4.1 dan 4.2 merupakan tampilan keseluruhan sistem yang telah dibentuk.

(70)

Gambar 4.1. Implementasi user interface sebelum proses dilakukan

Gambar 4.2. Implementasi user interface setelah proses dilakukan

Berdasarkan gambar diatas, langkah pertama pengguna menginputkan banyaknya data yang diinginkan, maksimal banyaknya data adalah 400, kemudian menekan button Preprocessing, untuk melihat kata-kata unik yang digunakan dalam proses, maka seluruh kata unik akan muncul beserta dengan jumlah dan nilai terkecil serta terbesar. Ketika telah ada peringatan bahwa preprocessing telah berhasil, maka langkah selanjutnya user menekan

(71)

button Proses, maka muncul keseluruhan proses, dari pengelompokkan centroid , hasil cluster yang tebentuk, confusion matrix, hingga akurasi. Setelah proses clustering telah berhasil selanjutnya masuk dalam proses input data baru, untuk mengetahui data lirik lagu yang baru masuk dalam salah satu jenis tema. Berikut merupakan penjelasan yang lengkap dari user interface yang dibuat:

1. Proses

a. Button Preprocessing

Pengguna menginputkan jumlah data yang ingin diproses, maksimal jumlah data adalah 400, selanjutnya pengguna menekan button Preprocessing untuk melakukan proses Information Retrievel, dari langkah text operation (tokenizing, stopword, stemming, dan pembobotan kata), dapat dilihat pada Gambar 4.3.

Gambar 4.3. Jumlah data dan button Preprocessing

b. Button Proses

Ketika telah menekan tombol preprocessing dan hasil dari preprocessing telah muncul, maka langkah selanjutnya pengguna menginputkan nilai batas bawah serta batas atas, batas bawah digunakan untuk membatasi kata minimum yang

(72)

ada pada data, jika frekuensi kata tidak mencukupi batas bawah yang kita inputkan, maka kata tersebut tidak dapat masuk kedalam proses, sebaliknya dengan batas atas. Lihat Gambar 4.4.

Gambar 4.4. Batas bawah dan batas atas c. Button Proses Clustering

Setelah pengguna menginputkan batas bawah serta batas atas, langkah selanjutnya pengguna menekan button Proses

Clustering untuk memproses hasil clustering dan mengetahui hasil akurasi. Lihat Gambar 4.5.

Gambar 4.5. Button Proses Clustering d. Button Input File

Selanjutnya setelah muncul akurasi beserta tabel confusion matrix dan tabel centroid maka pengguna menekan button Input File, berfungsi untuk memasukkan data baru yang ingin diproses, hingga data baru yang diinputkan masuk kedalam salah satu cluster yang ada. Lihat Gambar 4.6.

(1)

94 % Penentuan yang akan diberi warna dengan fotmat html

[~,I] = max(X);

for i=1:size(I,2)

XX(I(i),i) = strcat(...

'<html><span style="color: #429808; font-weight: bold;font-size:14;">', ...

XX(I(i),i), ...

'</span></div></html>'); end

dataConfMat=XX;

function btnInputFile_Callback(hObject, eventdata, handles) %#ok<INUSL,DEFNU>

clc;

set(handles.edNamaFileInput,'String',''); set(handles.edClsHasil,'String','');

set(handles.edProgres,'String','0');

jmlData=str2double(get(handles.edJmlData,'String'));

load('hasilProses.mat','kataUnik'); load('hasilProses.mat','c');

load('hasilProses.mat','calonDataNonNorm'); centroid=c;

calonData=calonDataNonNorm;

fileID = fopen('KamusKata\stopwordID.txt'); % Membuka file

data = textscan(fileID,'%s'); % Membaca file fclose(fileID); % Menutup file

kataTiadaArti=data{1}; % Memasukkan data file ke dalam matriks cell array

fileID = fopen('KamusKata\gabungfeature.txt'); % Membuka file

data = textscan(fileID,'%s'); % Membaca file fclose(fileID); % Menutup file

gabungfeature=data{1}; % Memasukkan data file ke dalam matriks cell array

fileID = fopen('KamusKata\kamuskata.txt'); % Membuka file

data = textscan(fileID,'%s'); % Membaca file fclose(fileID); % Menutup file

(2)

95 kamusKataDasar=data{1}; % Memasukkan data file ke dalam matriks cell array

[namaFile, folderFile] = uigetfile({'*.txt'},'Pilih file','LaguTest\'); % untuk membuka file yang akan dicari

if namaFile ~= 0

alamatFile = strcat (folderFile, namaFile); % menampilkan keseluruhan pathname

text = fileread(alamatFile); % untuk menampilkan isi teks

lagu={text};

% Menampilkan isi fullpathname/ isi dari file handles.isiLagu=lagu;

menampilkanData(hObject,handles); % Menampilkan isi lagu ke panel

set(handles.edFileInput, 'String', alamatFile) % Tampil alamat file

fileID = fopen(alamatFile); % Membuka file yang telah dipilih

data = textscan(fileID,'%s'); % Membaca file fclose(fileID); % Menutup file

data=data{1}; % Memasukkan data file ke dalam matriks

set(handles.edProgres,'String','1'); pause(0.01);

set(handles.edNamaFileInput,'String',namaFile);

[kataDasarHasilStem,dataKataPrefixSufixGagal,tiadaAr ti] =

preprocessingPerLagu(data,kataTiadaArti,gabungfeatur e,kamusKataDasar );

gagalStem=[dataKataPrefixSufixGagal;tiadaArti]; %#ok<NASGU>

[kataUnikLagu,~,indeksKata]=unique(kataDasarHasilSte m); % Menentukan kata unik beserta indeksnya

jmlReduksiKataUnik = length(kataUnikLagu); % Jumlah total kata unik

(3)

96 jmlPerKataUnik =

hist(indeksKata,1:jmlReduksiKataUnik); % Jumlah per kata unik

jmlPerKataUnik=jmlPerKataUnik'; %#ok<NASGU> matrixFIle{1}=kataUnikLagu; %#ok<NASGU>

if str2double(namaFile(:,1:end-4)) <= jmlData && str2double(namaFile(:,1:end-4)) > 0

DataTest=calonData(:,str2double(namaFile(:,1:end-4)));

data=[DataTest';centroid];

[cluster,~,~,~]= Kmeans(1,data,4,1, 1 ); set(handles.edClsHasil,'String',cluster); else

DataTest=zeros(size(calonData,1),1); [m,~]=size(kataUnikLagu);

for i=1:m [row,~] =

find(ismember(kataUnik,kataUnikLagu(i,1)));

DataTest(row, 1)=max(calonData(row,:)); end

DataTest=zscore(DataTest);

data=[DataTest';centroid];

[cluster,~,~,~]= Kmeans(1,data,4,1, 1 ); set(handles.edClsHasil,'String',cluster);

end

set(handles.edProgres,'String','100'); pause(0.01);

end

% Function untuk menampilkan isi lagu di panel function menampilkanData(hObject,handles)

uicontrol(handles.pIsiLagu, 'Style','edit',

'FontSize',10, ... 'Min',0, 'Max',2,

'HorizontalAlignment','center', ... 'BackgroundColor','white',...

'Units','normalized', 'Position',[0 0 1 1], ... 'String',handles.isiLagu');

guidata(hObject,handles);

(4)

97 % --- Executes on button press in btnEmail.

function btnEmail_Callback(hObject, eventdata, handles) %#ok<INUSD,DEFNU>

web mailto:dionisia_rara@yahoo.com

function edJmlData_Callback(hObject, eventdata, handles) %#ok<INUSD,DEFNU>

function edJmlData_CreateFcn(hObject, eventdata, handles) %#ok<INUSD,DEFNU>