Pembangunan Aplikasi Mesin Rekomendasi pada Kumpulan Anime dengan Penerapan Latnet Semantic Indexing.
ABSTRAK
Saat ini jumlah anime yang beredar sangatlah banyak, sehingga para penikmat anime terkadang kebingunan untuk mencari anime yang cocok dengan selera mereka. Hal ini terjadi terutama untuk penggemar anime di luar Jepang, seperti di Indonesia. Informasi mengenai anime bisa dibilang terbatas, karena anime bukan hal yang disukai oleh masyarakat umum. Untuk penggemar anime di luar Jepang, penggemar hanya dapat menikmati anime dengan cara mengunduh, melakukan streaming, atau membeli CD/ DVD. Oleh karena itu, diperlukan suatu solusi untuk memudahkan para penggemar anime untuk dapat mencari anime yang sesuai dengan selera pengguna. Aplikasi yang bisa memberikan rekomendasi anime akan sangat membantu penggemar anime. Untuk itu diperlukan suatu metode yang cocok yang bisa menciptakan hubungan antar anime dengan baik. Metode itu adalah Latent Semantic Indexing yang dipakai oleh beberapa mesin pencari, seperti Google. Pencarian kemiripan dengan menggunakan LSI tidak terpaku kepada kemunculan suatu kata saja. LSI mencari kemiripan dengan melihat kemunculan shared words atau kata-kata yang biasa muncul bersamaan dengan suatu kata. Untuk penghubung antar anime, genre dapat menjadi solusi yang tepat karena biasanya selera penonton didasarkan pada genre. Aplikasi juga membutuhkan sumber data yang tepat, www.anime-planet.com bisa menjadi sumber data yang cukup baik. Setelah dilakukan percobaan, penggunaan LSI pada aplikasi ini memberikan hasil yang cukup baik. Hal ini dapat dilihat pada hasil percobaan, LSI memiliki akurasi lebih baik dibandingkan metode VSM dengan TF/IDF.
(2)
ABSTRACT
Nowadays, a lot of anime titles exist in this world. Anime’s audience sometimes confuse to find good anime that matches their tastes. This happens especially for anime’s fans outside of Japan, such as in Indonesia. Information about anime is very limited, because anime is not something wacthed by the general public. For anime fans outside Japan, they can just enjoy the anime by downloading, streaming, or purchasing a CD / DVD. Therefore, we need a solution to make it easier for anime fans can look for the anime to suit the user's taste. Application that can provide recommendations would be very helpful anime anime fans. This requires a suitable method that can create a relationship between the anime well. Latent Semantic Indexing is used by search engines, such as Google. When searching for similarity, LSI isn’t only looking for certain words. LSI is searching for similarity by looking the shared words or words that occur with certain words. Genre can be perfect solution for creating connection between existing animes, because audience’s taste usually based on genre. This application requires a good data sources, www.anime-planet.com is quite good choise for this application’s data source. After the trial dan test, the usage of LSI in this application gives good results. This can be seen in the results of the experiment, LSI has better accuracy than the method VSM with TF / IDF.
(3)
DAFTAR ISI
LEMBAR PENGESAHAN ... ii
PRAKATA ... ii
PERNYATAAN PUBLIKASI LAPORAN PENELITIAN... v
PERNYATAAN ORISINALITAS LAPORAN PENELITIAN ... vi
ABSTRAK ... vii
ABSTRACT ... viii
DAFTAR ISI ... ix
DAFTAR GAMBAR ... xii
DAFTAR TABEL ... xiv
DAFTAR POTONGAN KODE ... xvi
BAB I PENDAHULUAN ... 1
1.1 Latar Belakang... 1
1.2 Rumusan Masalah ... 2
1.3 Tujuan ... 2
1.4 Batasan Masalah ... 2
1.5 Sistematika Pembahasan ... 3
BAB II LANDASAN TEORI ... 4
2.1 Temu Balik Informasi (Information Retrieval) ... 4
2.2 Search engine ... 4
2.2.1 Indexing Process ... 5
2.2.2 Query Process ... 8
2.3 Latent Semantic Indexing (LSI) ... 12
2.3.1 LingPipe ... 16
2.4 Anime ... 17
2.5 Anime-Planet ... 17
2.6 Java... 18
2.7 Basis Data ... 18
2.7.1 ERD ... 18
2.7.2 Macam-Macam Kunci ... 21
2.8 UML ... 21
2.8.1 Uses Case Diagram... 21
2.8.2 Activity Diagram ... 22
2.8.3 Class Diagram ... 22
BAB III ANALISIS DAN DISAIN ... 24
3.1 Metodologi Penelitian ... 24
3.2 Gambaran Keseluruhan ... 25
3.2.1 Persyaratan Antarmuka Eksternal ... 25
3.2.2 Antarmuka dengan Pengguna ... 25
3.2.3 Antarmuka Perangkat Keras ... 25
3.2.4 Antarmuka Perangkat Lunak... 26
3.2.5 Fitur-Fitur Produk Perangkat Lunak ... 26
3.3 Disain Perangkat Lunak ... 34
3.3.1 Pemodelan Perangkat Lunak ... 34
3.3.2 Disain Penyimpanan Data ... 44
(4)
3.4 Implementasi LSI dan VSM ... 49
3.4.1 Implementasi LSI ... 51
3.4.2 Implementasi VSM ... 58
BAB IV PENGEMBANGAN PERANGKAT LUNAK... 63
4.1 Pengolahan Data ... 63
4.1.1 Penyaringan Data ... 63
4.2 Implementasi Metode LSI... 65
4.2.1 Pembuatan Term-Genre Matrix ... 66
4.3 Implementasi Metode Vector Space Model ... 66
4.3.1 Pembuatan Term-Document Matrix dan TF/IDF Weighting ... 67
4.4 Implementasi Metode Scoring ... 67
4.5 Implementasi Class ... 69
4.5.1 Class Anime ... 73
4.5.2 Class Rating ... 73
4.5.3 Class UserStats ... 74
4.5.4 Class Title... 74
4.5.5 Class Term ... 75
4.5.6 Class Genre ... 75
4.5.7 Class TermTitle ... 75
4.5.8 Class TermGenre ... 76
4.5.9 Class TermHasIdf... 76
4.5.10 Class TermHasTfIdf ... 77
4.5.11 Class GenreHasLsiScore ... 77
4.5.12 Class Recommendation ... 78
4.5.13 Class AnimeHasRecommendationFromWeb ... 78
4.5.14 Class AnimeHasScore ... 78
4.5.15 Class AnimeHasCosineSimiliarlity ... 79
4.5.16 Class LSI ... 79
4.5.17 Class TfIdf ... 81
4.5.18 Class Koneksi... 82
4.5.19 Class Crawler... 82
4.5.20 Class FileManager ... 82
4.5.21 Class WordParser ... 84
4.5.22 Class Scoring ... 85
4.5.23 Class SearchAnime... 85
4.5.24 Class TermDAO ... 85
4.5.25 Class TitleDAO ... 86
4.5.26 Class GenreDAO ... 86
4.5.27 Class TermTitleDAO ... 87
4.5.28 Class TermGenreDAO ... 87
4.6 Implementasi Penyimpanan Data ... 88
4.7 Implementasi Antar Muka Pengguna ... 89
4.7.1 Menu Utama ... 89
4.7.2 Form File Crawler ... 90
4.7.3 Form Menguraikan dan Memasukkan Data ... 92
4.7.4 Form Pembuatan Indeks ... 94
4.7.5 Form Riset Genre LSI ... 95
(5)
4.7.7 Form Riset Anime VSM ... 98
4.7.8 Form Pencarian Rekomendasi Anime dengan LSI ... 100
4.7.9 Form Pencarian Rekomendasi Anime dengan VSM ... 103
BAB V TESTING DAN EVALUASI SISTEM ... 105
5.1 Rencana Pengujian untuk Rekomendasi ... 105
5.2 Rencana Pengujian Input/ Output ... 105
5.3 Pelaksaan Pengujian Input-Output ... 106
5.4 Kesimpulan Pengujian Input-Output ... 107
5.5 Pelaksanaan Pengujian Hasil Pencarian ... 108
5.5.1 Pengujian Pemberian Genre LSI ... 108
5.5.2 Pengujian Rekomendasi Anime Berdasarkan Genre Hasil LSI .... 110
5.5.3 Pengujian Rekomendasi Anime Berdasarkan VSM ... 116
5.6 Kesimpulan Pengujian Hasil Rekomendasi ... 120
5.6.1 Kesimpulan Pengujian Hasil Pemberian Genre Dengan LSI ... 120
5.6.2 Kesimpulan Pengujian Hasil Rekomendasi Anime Dengan LSI ... 120
5.6.3 Kesimpulan Pengujian Hasil Pencarian Dengan VSM TF/IDF... 122
BAB V KESIMPULAN DAN SARAN ... 123
6.1 Kesimpulan ... 123
6.2 Saran ... 123
DAFTAR PUSTAKA ... xv
(6)
DAFTAR GAMBAR
Gambar 2.1 Model VSM ... 10
Gambar 2.2 Hubungan Antar Tiga Matriks Hasil Perhitungan SVD ... 13
Gambar 2.3 Gambaran Bidang Kartesius Untuk Matriks-Matriks LSI ... 15
Gambar 2.4 Contoh Class ... 23
Gambar 4.1 Class Diagram Entity ... 70
Gambar 4.2 Class Diagram Utility ... 71
Gambar 4.3 Class Diagram Indexing... 71
Gambar 4.4 Class Diagram Searching ... 72
Gambar 4.5 Class Diagram DAO ... 72
Gambar 4.6 Class Anime ... 73
Gambar 4.7 Class Rating ... 73
Gambar 4.8 Class UserStats ... 74
Gambar 4.9 Class Title ... 74
Gambar 4.10 Class Term... 75
Gambar 4.11 Class Genre ... 75
Gambar 4.12 Class TermTitle ... 76
Gambar 4.13 Class TermGenre... 76
Gambar 4.14 Class TermHasIdf ... 77
Gambar 4.15 Class TermHasTfIdf ... 77
Gambar 4.16 Class GenreHasLsiScore... 77
Gambar 4.17 Class Recommendation ... 78
Gambar 4.18 Class AnimeHasRecommendationFromWeb... 78
Gambar 4.19 Class AnimeHasScore ... 79
Gambar 4.20 Class AnimeHasCosineSimiliarlity ... 79
Gambar 4.21 Class LSI ... 80
Gambar 4.22 Class TfIdf ... 81
Gambar 4.23 Class Koneksi ... 82
Gambar 4.24 Class Crawler ... 82
Gambar 4.25 Class FileManager ... 83
Gambar 4.26 Class WordParser ... 84
Gambar 4.27 Class Scoring... 85
Gambar 4.28 Class SearchAnime ... 85
Gambar 4.29 Class TermDAO ... 86
Gambar 4.30 Class TermDAO ... 86
Gambar 4.31 Class TermDAO ... 86
Gambar 4.32 Class TermTitleDAO ... 87
Gambar 4.33 Class TermGenreDAO ... 88
Gambar 4.34 Implementasi Basis Data di MySQL ... 88
Gambar 4.35 Form Menu Utama ... 89
Gambar 4.36 Form File Crawler ... 91
Gambar 4.37 Form File Chooser ... 92
Gambar 4.38 Form Menguraikan dan Memasukkan Data ... 93
Gambar 4.39 Form Pembuatan Indeks... 94
Gambar 4.40 Form Riset Genre LSI ... 95
(7)
Gambar 4.42 Form Riset Pencarian Anime LSI ... 97
Gambar 4.43 Hasil Riset Pencarian Anime LSI ... 98
Gambar 4.44 Form Riset Pencarian Anime VSM ... 99
Gambar 4.45 Hasil Riset Pencarian Anime VSM ... 100
Gambar 4.46 Form Pencarian Rekomendasi Anime dengan LSI ... 101
Gambar 4.47 Hasil Riset Pencarian Anime LSI ... 102
Gambar 4.48 Form Riset Pencarian Anime TF/IDF ... 103
Gambar 4.49 Hasil Riset Pencarian Anime VSM ... 104
(8)
DAFTAR TABEL
Tabel 2.1 Matriks Term-Document C (Manning, Raghavan, & Hinrich, 2009, p.
414) ... 13
Tabel 2.2 Matriks ′� (Manning, Raghavan, & Hinrich, 2009, p. 414). ... 14
Tabel 2.3 Matriks �′� (Manning, Raghavan, & Hinrich, 2009, p. 414). ... 14
Tabel 2.4 Matriks ′� (Manning, Raghavan, & Hinrich, 2009, p. 415). ... 14
Tabel 2.5 Matriks Hasil �� (Manning, Raghavan, & Hinrich, 2009, p. 415). ... 14
Tabel 2.6 Simbol-Simbol ERD ... 18
Tabel 3.1 Term-Document Matrix Untuk Contoh Kasus ... 50
Tabel 3.2 Svd Matrix Contoh Kasus ... 54
Tabel 3.3 Word Vectors Matrix Contoh Kasus ... 54
Tabel 3.4 Sigma Values Matrix Contoh Kasus ... 55
Tabel 3.5 Document Vectors Matrix Contoh Kasus... 55
Tabel 3.6 Hasil Pencarian Contoh Kasus ... 58
Tabel 3.7 Nilai Idf Setiap Term ... 58
Tabel 3.8 Nilai TF/IDF Setiap Term Pada Dokumen 1 ... 59
Tabel 3.9 Nilai TF/IDF Setiap Term Pada Dokumen 2 ... 60
Tabel 3.10 Nilai TF/IDF Setiap Term Pada Dokumen 3 ... 60
Tabel 3.11 Nilai IDF Setiap Term Pada Query ... 61
Tabel 3.12 Nilai TF/IDF Setiap Term Pada Query ... 61
Tabel 3.13 Nilai Cosine Similarity Query Terhadap Setiap Dokumen ... 62
Tabel 5.1 Daftar Test Case ... 106
Tabel 5.2 Test Case File Crawler ... 106
Tabel 5.3 Test Case Pencarian Anime LSI ... 106
Tabel 5.4 Test Case Pencarian Anime VSM ... 107
Tabel 5.5 Hasil Test... 107
Tabel 5.6 Hasil Pengujian Pemberian Genre k = 2 ... 108
Tabel 5.7 Hasil Pengujian Pemberian Genre k = 5 ... 108
Tabel 5.8 Hasil Pengujian Pemberian Genre k = 10 ... 109
Tabel 5.9 Hasil Pengujian Pemberian Genre k = 15 ... 109
Tabel 5.10 Hasil Pengujian Pemberian Genre k = 22 ... 109
Tabel 5.11 Hasil Rekomendasi Anime Top 3 Genre Metode 1 ... 110
Tabel 5.12 Hasil Rekomendasi Anime Top 3 Genre Metode 2 ... 110
Tabel 5.13 Hasil Rekomendasi Anime Top 3 Genre Metode 3 ... 111
Tabel 5.14 Hasil Rekomendasi Anime Top 3 Genre Metode 4 ... 111
Tabel 5.15 Hasil Rekomendasi Anime Top 3 Genre Metode 5 ... 112
Tabel 5.16 Hasil Rekomendasi Anime Top 3 Genre Metode 6 ... 112
Tabel 5.17 Hasil Rekomendasi Anime Top 3 Genre Metode 7 ... 112
Tabel 5.18 Hasil Rekomendasi Anime Top 3 Genre Metode 8 ... 113
Tabel 5.19 Hasil Rekomendasi Anime Top 5 Genre Metode 1 ... 113
Tabel 5.20 Hasil Rekomendasi Anime Top 5 Genre Metode 2... 114
Tabel 5.21 Hasil Rekomendasi Anime Top 5 Genre Metode 3... 114
Tabel 5.22 Hasil Rekomendasi Anime Top 5 Genre Metode 4... 114
Tabel 5.23 Hasil Rekomendasi Anime Top 5 Genre Metode 5... 115
Tabel 5.24 Hasil Rekomendasi Anime Top 5 Genre Metode 6... 115
(9)
Tabel 5.26 Hasil Rekomendasi Anime Top 5 Genre Metode 8... 116
Tabel 5.27 Hasil Rekomendasi Anime VSM Metode 1 ... 116
Tabel 5.28 Hasil Rekomendasi Anime VSM Metode 2 ... 117
Tabel 5.29 Hasil Rekomendasi Anime VSM Metode 3 ... 117
Tabel 5.30 Hasil Rekomendasi Anime VSM Metode 4 ... 118
Tabel 5.31 Hasil Rekomendasi Anime VSM Metode 5 ... 118
Tabel 5.32 Hasil Rekomendasi Anime VSM Metode 6 ... 118
Tabel 5.33 Hasil Rekomendasi Anime VSM Metode 7 ... 119
(10)
DAFTAR POTONGAN KODE
Potongan Kode 2.1 Deklarasi jsoup di Java ... 7
Potongan Kode 2.2 Implementasi LSI dalam LingPipe ... 16
Potongan Kode 3.1 Main Program LSI... 53
(11)
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Anime adalah istilah untuk film animasi atau kartun khas Jepang. Anime tidak hanya digemari di Jepang saja, tetapi digemari juga oleh orang-orang di seluruh dunia. Orang-orang yang menggemari anime disebut sebagai anime otaku atau biasa disingkat otaku saja. Sama halnya seperti dengan film biasa, anime memiliki banyak genre seperti slice of life, comedy, horror, tragedy, school life, dan lain-lain.
Saat ini jumlah anime yang beredar sangatlah banyak, sehingga para penikmat anime terkadang kebingunan untuk mencari anime yang cocok dengan selera mereka. Hal ini terjadi terutama untuk penggemar anime di luar Jepang, seperti di Indonesia. Informasi mengenai anime bisa dibilang terbatas, karena anime bukan hal yang disukai oleh masyarakat umum seperti movie Hollywood yang bisa dibahas berbagai media massa. Untuk penggemar anime di luar Jepang, mereka hanya dapat menikmati anime dengan cara mengunduh, melakukan streaming, atau membeli CD/ DVD. Hal ini tentu sangat tidak praktis, tidak seperti di Jepang yang tinggal menonton lewat TV. Jika salah mengunduh anime, tentu saja akan menyebabkan kerugian, seperti membuang bandwidth dan uang.
Melihat masalah yang terjadi ini, penulis memiliki keinginan untuk membuat suatu aplikasi untuk dapat memberi saran kepada penggemar anime mengenai anime apa yang kira-kira cocok untuk mereka. Penulis akan menggunakan referensi www.anime-planet.com sebagai sumber data anime yang akan disarankan kepada pengguna. Anime-Planet adalah sebuah web site yang berisi data-data mengenai anime yang tayang dari tahun 1960-an sampai sekarang, data yang disediakan oleh Anime-Planet selalu up to date.
Penulis akan menggunakan aplikasi pihak ketiga untuk mengakses data dari Anime-Planet. Untuk mengolah informasi yang didapat dari web site tersebut, penulis akan menerapkan metode yang ada pada ilmu text mining. Aplikasi yang akan dibuat adalah berupa aplikasi yang menyediakan fasilitas mesin pencarian yang lebih kea rah memberi rekomendasi atau bisa dibilang sebagai mesin rekomendasi. Penulis akan menerapkan metode yang ada pada ilmu temu balik
(12)
2
informasi atau information retrieval untuk membuat aplikasi ini. Penerapan temu balik informasi dilakukan untuk mendapatkan hasil yang memuaskan karena temu balik informasi sudah banyak diterapkan untuk mesin pencarian, salah satunya adalah Google. Dengan ilmu temu balik informasi aplikasi akan dapat memberikan rekomendasi yang cocok dengan selera pengguna karena ilmu temu balik informasi dapat memperoleh data dari pengguna dan data itu dapat digunakan untuk mencari informasi yang sesuai dengan data pengguna.
1.2 Rumusan Masalah
Melihat dari latar belakang tersebut, muncul beberapa masalah sebagai berikut:
1. Bagaimana cara untuk membangun mesin rekomendasi untuk kumpulan anime?
2. Bagaimana cara untuk membuat pencarian rekomendasi anime yang memberi hasil yang tepat sesuai dengan informasi yang ada?
1.3 Tujuan
Dengan adanya masalah-masalah tersebut, maka tujuan yang diharapkan sebagai berikut:
1. Membangun mesin rekomendasi anime dengan data dari situs www.anime-planet.com sebagai referensi data untuk kumpulan anime yang ada.
2. Menggunakan metode Latent Semantic Indexing dari cabang ilmu temu balik informasi untuk membuat mesin rekomendasi agar hasil sesuai dengan permintaan pengguna.
1.4 Batasan Masalah
Batasan masalah untuk aplikasi ini adalah sebagai berikut: 1. Aplikasi berbasis desktop.
2. Aplikasi hanya melakukan pencarian anime dengan menggunakan query yang berupa judul anime dari pengguna.
(13)
3
4. Data anime hanya berasal dari situs www.anime-planet.com
1.5 Sistematika Pembahasan
Sistematika penulisan yang akan digunakan untuk menyusun laporan adalah sebagai berikut:
BAB I PENDAHULUAN
Bab ini menjelaskan tentang latar belakang, rumusan masalah, tujuan, batasan masalah dan sistematika pembahasan.
BAB II LANDASAN TEORI
Bab ini menjelaskan tentang teori-teori yang berhubungan dengan pembuatan aplikasi atau sistem dan mendukung aplikasi atau sistem.
BAB III ANALISIS DAN DISAIN
Bab ini menjelaskan tentang metodologi penelitian, kebutuhan dari aplikasi, perancangan aplikasi, Use Case, Activity Diagram, ERD, dan gambaran arsitektur dari aplikasi yang dibuat.
BAB IV PENGEMBANGAN PERANGKAT LUNAK
Bab ini menjelaskan mengenai implementasi dari rancangan aplikasi yang dibuat.
BAB V TESTING DAN EVALUASI SISTEM
Bab ini menjelaskan pengujian dari aplikasi atau sistem yang dibuat. BAB VI KESIMPULAN DAN SARAN
Bab ini berisi tentang kesimpulan dan saran yang didapatkan dari hasil implementasi atau pembuatan aplikasi atau sistem.
DAFTAR PUSTAKA
Bab ini berisi tentang sumber-sumber referensi yang digunakan untuk mencari informasi yang mendukung dalam pembuatan aplikasi atau sistem.
(14)
6
BAB V
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Kesimpulan yang didapat dari hasil analisis, pembuatan aplikasi, dan uji coba adalah sebagai berikut:
1. Untuk membangun aplikasi mesin rekomendasi anime, dibutuhkan data-data anime yang lengkap. Data-data-data berupa judul, synopsis, dan genre dibutuhkan untuk memciptakan hubungan antar anime dalam pembuatan indeks. Data tersebut dapat diambil dari situs tentang anime, seperti www.anime-planet.com. Dari hasil pembuatan aplikasi dan uji coba pemilihan www.anime-planet.com sebagai sumber data sudah cukup baik. 2. Hasil pemberian genre dengan menggunakan LSI sudah cukup baik hasilnya
karena LSI dapat memberikan rekomendasi genre yang cocok dengan query anime. Genre memiliki peran penting dalam menciptakan hubungan antar anime, hal ini dapat dilihat dari hasil pengujian. Akurasi pencarian rekomendasi LSI yang menggunakan genre lebih baik dibandingkan hasil pencarian VSM TF/IDF yang hanya melihat hubungan term dan tidak melibatkan genre.
3. Hasil rekomendasi aplikasi atau rekomendasi mesin masih belum bisa menyamai rekomendasi manusia yang bersifat subjektif. Hal ini bisa dilihat dari hasil pengujian, rata-rata akurasi pencarian rekomendasi tidak ada yang mencapai 50%.
4. Rekomendasi manusia ternyata memiliki unsur objektif walaupun hanya sedikit, sehingga ada kemungkinan rekomendasi mesin dapat sesuai dengan rekomendasi manusia. Hal bisa dilihat adanya term yang beririsan antara sinopsis anime yang direkomendasikan dan komentar dari pengguna.
6.2 Saran
Beberapa saran untuk mengembangkan aplikasi ini:
1. Modul untuk pencarian anime dapat dibuat dalam bentuk web site sehingga mudah diakses.
(15)
124
(16)
DAFTAR PUSTAKA
Brenner, R. E. (2007). Understanding Manga and Anime. London: Libraries Unlimited.
Carpenter, B., & Baldwin, B. (2011). Text Analysis with LingPipe 4. New York: LingPipe Publishing.
Fathansyah, I. (2007). BASIS DATA. Bandung: Penerbit INFORMATIKA. Imbar, R. V., & Suteja, R. B. (2006). Pemrograman Web-Commerce dengan
Oracle & ASP. Bandung: Informatika.
Kadir, A. (2008). Dasar Pemrograman Web Dinamis Menggunakan PHP Edisi Revisi. Yogyakarta: Penerbit ANDI.
Manning, C. D., Raghavan, P., & H. S. (2009). An Introduction to Information Retrieval. Cambridge: Cambridge University Press.
Manu, K. (2006). Text Mining Application Programming. Boston: Charles River Media.
Miles, R., & Hamilton, K. (2006). Learning UML 2.0. Sebastopol: O'Reilly. Schildt, H. (2005). Java™ A Beginner’s Guide (3rd ed.). United State of America:
(1)
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Anime adalah istilah untuk film animasi atau kartun khas Jepang. Anime tidak hanya digemari di Jepang saja, tetapi digemari juga oleh orang-orang di seluruh dunia. Orang-orang yang menggemari anime disebut sebagai anime otaku atau biasa disingkat otaku saja. Sama halnya seperti dengan film biasa, anime memiliki banyak genre seperti slice of life, comedy, horror, tragedy, school life, dan lain-lain.
Saat ini jumlah anime yang beredar sangatlah banyak, sehingga para penikmat anime terkadang kebingunan untuk mencari anime yang cocok dengan selera mereka. Hal ini terjadi terutama untuk penggemar anime di luar Jepang, seperti di Indonesia. Informasi mengenai anime bisa dibilang terbatas, karena anime bukan hal yang disukai oleh masyarakat umum seperti movie Hollywood yang bisa dibahas berbagai media massa. Untuk penggemar anime di luar Jepang, mereka hanya dapat menikmati anime dengan cara mengunduh, melakukan streaming, atau membeli CD/ DVD. Hal ini tentu sangat tidak praktis, tidak seperti di Jepang yang tinggal menonton lewat TV. Jika salah mengunduh anime, tentu saja akan menyebabkan kerugian, seperti membuang bandwidth dan uang.
Melihat masalah yang terjadi ini, penulis memiliki keinginan untuk membuat suatu aplikasi untuk dapat memberi saran kepada penggemar anime mengenai anime apa yang kira-kira cocok untuk mereka. Penulis akan menggunakan referensi www.anime-planet.com sebagai sumber data anime yang akan disarankan kepada
pengguna. Anime-Planet adalah sebuah web site yang berisi data-data mengenai
anime yang tayang dari tahun 1960-an sampai sekarang, data yang disediakan oleh Anime-Planet selalu up to date.
Penulis akan menggunakan aplikasi pihak ketiga untuk mengakses data dari Anime-Planet. Untuk mengolah informasi yang didapat dari web site tersebut, penulis akan menerapkan metode yang ada pada ilmu text mining. Aplikasi yang akan dibuat adalah berupa aplikasi yang menyediakan fasilitas mesin pencarian yang lebih kea rah memberi rekomendasi atau bisa dibilang sebagai mesin rekomendasi. Penulis akan menerapkan metode yang ada pada ilmu temu balik
(2)
Universitas Kristen Maranatha informasi atau information retrieval untuk membuat aplikasi ini. Penerapan temu balik informasi dilakukan untuk mendapatkan hasil yang memuaskan karena temu balik informasi sudah banyak diterapkan untuk mesin pencarian, salah satunya adalah Google. Dengan ilmu temu balik informasi aplikasi akan dapat memberikan rekomendasi yang cocok dengan selera pengguna karena ilmu temu balik informasi dapat memperoleh data dari pengguna dan data itu dapat digunakan untuk mencari informasi yang sesuai dengan data pengguna.
1.2 Rumusan Masalah
Melihat dari latar belakang tersebut, muncul beberapa masalah sebagai berikut:
1. Bagaimana cara untuk membangun mesin rekomendasi untuk kumpulan
anime?
2. Bagaimana cara untuk membuat pencarian rekomendasi anime yang
memberi hasil yang tepat sesuai dengan informasi yang ada?
1.3 Tujuan
Dengan adanya masalah-masalah tersebut, maka tujuan yang diharapkan sebagai berikut:
1. Membangun mesin rekomendasi anime dengan data dari situs
www.anime-planet.com sebagai referensi data untuk kumpulan anime yang ada.
2. Menggunakan metode Latent Semantic Indexing dari cabang ilmu temu
balik informasi untuk membuat mesin rekomendasi agar hasil sesuai dengan permintaan pengguna.
1.4 Batasan Masalah
Batasan masalah untuk aplikasi ini adalah sebagai berikut:
1. Aplikasi berbasis desktop.
2. Aplikasi hanya melakukan pencarian anime dengan menggunakan query
yang berupa judul anime dari pengguna.
(3)
4. Data anime hanya berasal dari situs www.anime-planet.com
1.5 Sistematika Pembahasan
Sistematika penulisan yang akan digunakan untuk menyusun laporan adalah sebagai berikut:
BAB I PENDAHULUAN
Bab ini menjelaskan tentang latar belakang, rumusan masalah, tujuan, batasan masalah dan sistematika pembahasan.
BAB II LANDASAN TEORI
Bab ini menjelaskan tentang teori-teori yang berhubungan dengan pembuatan aplikasi atau sistem dan mendukung aplikasi atau sistem.
BAB III ANALISIS DAN DISAIN
Bab ini menjelaskan tentang metodologi penelitian, kebutuhan dari aplikasi, perancangan aplikasi, Use Case, Activity Diagram, ERD, dan gambaran arsitektur dari aplikasi yang dibuat.
BAB IV PENGEMBANGAN PERANGKAT LUNAK
Bab ini menjelaskan mengenai implementasi dari rancangan aplikasi yang dibuat.
BAB V TESTING DAN EVALUASI SISTEM
Bab ini menjelaskan pengujian dari aplikasi atau sistem yang dibuat. BAB VI KESIMPULAN DAN SARAN
Bab ini berisi tentang kesimpulan dan saran yang didapatkan dari hasil implementasi atau pembuatan aplikasi atau sistem.
DAFTAR PUSTAKA
Bab ini berisi tentang sumber-sumber referensi yang digunakan untuk mencari informasi yang mendukung dalam pembuatan aplikasi atau sistem.
(4)
123
Universitas Kristen Maranatha
6
BAB V
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Kesimpulan yang didapat dari hasil analisis, pembuatan aplikasi, dan uji coba adalah sebagai berikut:
1. Untuk membangun aplikasi mesin rekomendasi anime, dibutuhkan
data-data anime yang lengkap. Data-data-data berupa judul, synopsis, dan genre dibutuhkan untuk memciptakan hubungan antar anime dalam pembuatan indeks. Data tersebut dapat diambil dari situs tentang anime, seperti www.anime-planet.com. Dari hasil pembuatan aplikasi dan uji coba pemilihan www.anime-planet.com sebagai sumber data sudah cukup baik.
2. Hasil pemberian genre dengan menggunakan LSI sudah cukup baik hasilnya
karena LSI dapat memberikan rekomendasi genre yang cocok dengan query anime. Genre memiliki peran penting dalam menciptakan hubungan antar anime, hal ini dapat dilihat dari hasil pengujian. Akurasi pencarian rekomendasi LSI yang menggunakan genre lebih baik dibandingkan hasil pencarian VSM TF/IDF yang hanya melihat hubungan term dan tidak melibatkan genre.
3. Hasil rekomendasi aplikasi atau rekomendasi mesin masih belum bisa
menyamai rekomendasi manusia yang bersifat subjektif. Hal ini bisa dilihat dari hasil pengujian, rata-rata akurasi pencarian rekomendasi tidak ada yang mencapai 50%.
4. Rekomendasi manusia ternyata memiliki unsur objektif walaupun hanya
sedikit, sehingga ada kemungkinan rekomendasi mesin dapat sesuai dengan rekomendasi manusia. Hal bisa dilihat adanya term yang beririsan antara sinopsis anime yang direkomendasikan dan komentar dari pengguna.
6.2 Saran
Beberapa saran untuk mengembangkan aplikasi ini:
1. Modul untuk pencarian anime dapat dibuat dalam bentuk web site sehingga
(5)
(6)
xv
Universitas Kristen Maranatha
DAFTAR PUSTAKA
Brenner, R. E. (2007). Understanding Manga and Anime. London: Libraries Unlimited.
Carpenter, B., & Baldwin, B. (2011). Text Analysis with LingPipe 4. New York: LingPipe Publishing.
Fathansyah, I. (2007). BASIS DATA. Bandung: Penerbit INFORMATIKA. Imbar, R. V., & Suteja, R. B. (2006). Pemrograman Web-Commerce dengan
Oracle & ASP. Bandung: Informatika.
Kadir, A. (2008). Dasar Pemrograman Web Dinamis Menggunakan PHP Edisi Revisi. Yogyakarta: Penerbit ANDI.
Manning, C. D., Raghavan, P., & H. S. (2009). An Introduction to Information Retrieval. Cambridge: Cambridge University Press.
Manu, K. (2006). Text Mining Application Programming. Boston: Charles River Media.
Miles, R., & Hamilton, K. (2006). Learning UML 2.0. Sebastopol: O'Reilly.
Schildt, H. (2005). Java™ A Beginner’s Guide (3rd ed.). United State of America: