JURNAL MASYARAKAT INFORMATIKA INDONESIA
Vol 2, No 2, Tahun 2017
Analisis Klasifikasi pada Dataset Cerita Anak Indonesia Menggunakan Metode Rule Based Classifier
Claudia Ernestina Aurora, Ika Monica, Irasanti Primabara, Lilin
PLAGIARISM DETECTION USING SENTENCE SIMILARITY WITH TEXT ALIGNMENT
APPROACH
Mufidah Aisyah Rachmat
DETEKSI IMAGE FACE SPOOFING MENGGUNAKAN LOCAL BINARY PATTERN DALAM
RUANG WARNA YCBCR
Salehah Wijayanti
PERKEMBANGAN E-GOVERNMENT INDONESIA: ANALISIS DAFTAR LAYANAN PUBLIK
Endang Amalia
SMART TOUR GUIDE “ANGKOT”
Azizah Zakiah, Arief Yulianto
DIGITAL REMINDER CUSTOMER PAYMENT
Hari Supriyadi
SISTEM INFORMASI PEMASARAN BERBASIS WEB E-COMMERCE PADA UMKM BINAAN HPP
KABUPATEN PANGANDARAN (STUDI KASUS UMKM SIMPATI COLLECTION)
Muhammad Benny Chaniago, Asep Nuryanto
Interpretable STS Terjemahan Ayat Alquran dengan Menggunakan Chunking otomatis
Maulisye Audina Ulfa
APLIKASI PERHITUNGAN REKAPITULASI DATA ANGGARAN PENGOLAHAN LAHAN DAN AIR
PADA DINAS PERTANIAN DAN PERKEBUNAN PROVINSI NTT
Emerensiana Ngaga, Frengky Tedy
ISSN: 2541-5093
Jurnal ilmiah dengan bidang ilmu teknik informatika. Terbit 4 kali dalam setahun, setiap bulan
Maret, Juni, September, dan Desember.
Ketua Redaksi
Feri Sulianta
Dewan Redaksi
Fajri Rakhmat Umbara
Agung Santoso Pribadi
Afief Dias Pambudi
Edward Daniel Maspaitella
Iqbal Yulizar
Editor Pelaksana
Farhan Ferdian Mulyadi
Vito Hafiz
Ricko Firmansyah
Reviewer
Prof The Houw Liong (Institut Teknologi Bandung)
Hengky Honggo (STMIK MDP Palembang)
Bahar Riand Passa (Nanyang Technological University)
Dwi Aryanta (ITENAS)
Eko Cahyanto ( Universitas Gunadarma)
Cholid Fauzi (ST Inten)
Wawan Kurniawan (ASMTB)
Titan Halim (Universitas BINUS)
Muksin Wijaya (STMIK LIKMI)
Muhhammad Sufyan Abdurrahman (Universitas TELKOM)
SEKRETARIAT
TIM KOMUNIKA INFORMATIKA
Jl. Gatot Subroto 153 C, Bandung 40273
e-mail: [email protected] / [email protected]
website: http://www.e-jmii.org
PENGANTAR REDAKSI
Merupakan pencapaian yang luarbiasa menggembirakan bagi kami untuk
menerbitkan JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII)
yang sifatnya independen, sebagai wujud kontribusi kami kepada masyarakat
Indonesia dalam dunia edukasi. Hal inilah yang menjadi landasan esensial kami
untuk menerbitkan jurnal ini. Tujuan dari jurnal ini adalah sebagai wadah untuk
mensosialisasikan hasil penelitian dari berbagai pihak terkait ranah atau rumpun
ilmu Teknik Informatika dengan berbagai bidang kajian seperti Sistem Informasi,
Basis Data, Data Mining, Jaringan Komputer & Internet, Kecerdasan Buatan,
Komputer Forensik, Pengolahan Citra Digital, Humaniora yang melibatkan
Teknologi Informasi dan lainnya.
Kami berterima kasih pada para penulis dan peneliti yang sudah berkontribusi
dalam mengirimkan hasil penelitiannya untuk diterbitkan pada jurnal ini. Dan kami
pun mengajak masyarakat Indonesia untuk terlibat dalam terbitan konten jurnal ini
pada edisi – edisi selanjutnya.
Akhir kata, kami berkomitmen untuk terus meningkatkan kualitas jurnal ini dan
berharap agar jurnal ini dapat terus memberikan kontribusi bagi masyarakat
Indonesia dalam ranah keilmuan Informatika.
REDAKSI
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
4
Jurnal Nasional JMII 2017
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
5
Jurnal Nasional JMII 2017
Analisis Klasifikasi pada Dataset Cerita Anak Indonesia
Menggunakan Metode Rule Based Classifier
Claudia Ernestina Aurora, Ika Monica, Irasanti Primabara, Lilin
Program Studi S1 Teknik Informatika
Universitas Telkom
Jalan Telekomunikasi No.1 Bandung, Indonesia
[email protected], [email protected],
irasantipr@ students.telkomuniversity.ac.id , [email protected]
Abstrak
Cerita anak indonesia merupakan suatu sarana
atau media pengetahuan dan hiburan yang
diperuntukkan untuk anak-anak Indoneisa. Dalam
internet, banyak sekali terdapat cerita anak yang bisa
saja kontennya mengandung kata-kata negatif yang
kurang baik bila dibaca oleh anak. Untuk dapat
mengetahui apakah konten cerita yang ada pada
cerita anak itu banyak mengandung kata yang positif
atau negatif, maka dilakukanlah suatu analisis
klasifikasi yang bertujuan untu mengetahui positif
atau negatifnya suatu konten pada cerita anak
Indonesia online [8]. Untuk menjalankan analasis
tersebut, diperlukan suatu metode klasifikasi yang
tepat sesuai dengan kasus yang ada. Oleh karena itu,
teknik analasis klasifikasi digunakan oleh penulis
untuk mengelompokkan suatu ceita ke dalam
kelompok positif atau negatif adalah dengan
menggunakan metode Rule-Based Classifier. Dengan
metode ini, pengklasifikasian dibangun dengan rule
yang telah ditentukan oleh penulis sehingga dapat
tergambar hasil dari klasifikasi yang dilakukan[4].
Kata Kunci : cerita, anak, indonesia, klasifikasi,
Rule-based Classifier
Abstract
Indonesian kids stories have became one of many
ways that used for knowledge and entertainment
media for Indonesian kids. That stories can be access
by everyone, everywhere, and everytime by using
internet. In the internet, there are stories that
probably have some inappropriate words that
shouldn’t be shown in the kids stories. For knowing
the positive status or negative status of document, we
have to make analysis for document classification.
Analysis for document classification should chose the
right method for classification. Classification method
that we use is Rule-based Classifier. Rule-based
Classifier is a classification method that classifying
set of documents by rule that have been made by
authors.
Keywords: story, kids, Indonesian,
classification, Rule-based Classifier
I. PENDAHULUAN
Perkembangan teknologi yang semakin pesat
menyebabkan banyaknya informasi yang semakin
besar tersimpan dalam internet. Salah satunya
adalah cerita anak. Banyak orang tua di Indonesia
yang memanfaatkan teknologi internet sebagai
sarana untuk membuat anaknya dapat belajar melalui
cerita-cerita anak yang tersedia di internet. Cerita-
cerita anak indonesia yang tersebar di internet bisa
saja memiliki kata-kata atau konten yang ‘negatif’
sehingga perlu dilakukannya analisis terhadap cerita
anak indonesia.
Untuk mengetahui apakah konten cerita anak
Indonesia pada internet termasuk ke dalam
kelompok cerita positif atau negatif, dilakukanlah
analisis klasifikasi pada cerita-cerita anak tersebut.
Dalam proses klasifikasi ini melibatkan beberapa
tahapan, antara lain :
1. Crawling data pada website cerita anak
Indonesia
2. Melakukan preprocessing pada dataset yang
didapat dari hasil crawling
3. Melakukan klasifikasi
4. Mengevaluasi hasil klasifikasi[3]
Metode preprocessing yang digunakan pada
kasus ini adalah Principle Component Anaylisi atau
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
6
Jurnal Nasional JMII 2017
PCA. Metode PCA bertujuan untuk mencari term-
term yang sering muncul pada setiap dataset
dokumen cerita anak Indonesia yang ada. Setelah
melakukan preprocessing menggunakan metode
PCA, lalu dilakukanlah proses klasifikasi dengan
metode Rule-based Classifier. Pada metode
ini,pengklasifikasian dilakukan dengan membuat
sebuah rule pengklasifikasian sehingga dari rule yang
telah dibuat tersebut cerita akan dikelompokkan
sesuai dengan kelas atau label cerita yang ada. Selain
dengan metode klasifikasi Rule-based Classifier,
metode lain yang digunakan adalah metode Naive
Bayes Classifier. Tujuan dilakukannya
pengklasifikasian dengan dua teknik yang berbeda
adalah untuk menjadi pembanding dan pencarian
akurasi terhadap pengklasifikasian Rule-based
Classifier[4].
Pengklasifikasian suatu cerita dikatakan
kelompok cerita positif atau negatif adalah dengan
melihat term-term yang muncul pada cerita tersebut
lalu dilakukan identifikasi terhadap term yang ada.
Identifikasi yang dilakukan adalah dengan mencari
term positif dan term negatifnya. Dengan
dilakukannya pengklasfikasian ini, dapat diketahuilah
cerita anak Indonesia mana yang termasuk ke dalam
cerita positif atau cerita negatif.
II. KAJIAN LITERATUR
A. Data Mining
Data mining atau penggalian data adalah suatu
proses dalam analisis data dari perspektif yang
berbeda dan menyederhanakannya ke dalam
informasi yang berguna, yaitu informasi yang dapat
digunakan untuk meningkatkan pendapatan,
memotong biaya, atau keduanya. [1]
Latar belakang adanya data mining adalah sebagai
berikut.
1. Pertumbuhan yang cepat dalam kumpulan
data.
2. Penyimpanan data dalam data warehouse,
sehingga seluruh perusahaan memiliki akses
ke dalam database yang baik.
3. Adanya peningkatan akses data melalui
navigasi web dan intranet.
4. Tekanan kompetisi bisnis untuk
meningkatkan penguasaan pasar dalam
globalisasi ekonomi.
5. Perkembangan teknologi perangkat lunak
untuk data mining (ketersediaan teknologi).
6. Perkembangan yang hebat dalam
kemampuan komputasi dan pengembangan
kapasitas media penyimpanan. [2]
Data mining adalah salah satu bagian dari proses
pencarian pola. Berikut ini urutan proses pencarian
pola:
1. Pembersihan data
Pada proses ini akan dilakukan
penghapusan data pengganggu (noise) dan
melakukan pengisian data yang hilang
(missing value).
2. Integrasi data
Pada proses in akan dilakukan
penggabungan dari berbagai sumber data.
3. Pemilihan data
Pada proses ini akan dilakukan
pemilihan data yang relevan.
4. Transformasi data
Pada proses ini akan dilakukan
transformasi data ke dalam format untuk
diproses dalam penggalian data.
5. Evaluasi pola
Pada proses ini akan dilakukan
pengenalan pola-pola menarik yang
mewakili knowledge yang tersimpan pada
data berdasarkan pengukuran yang telah
ditentukan
6. Penyajian pola atau Penyajian knowledge
Pada proses ini akan visualisasi pola ke
pengguna dan membantu user memahami
hasil dari data mining yang telah dilakukan
[3]
B. Metode Classification
Metode Classification adalah sebuah metode dari
data mining untuk memprediksi kategori atau kelas
dari suatu instance berdasarkan sekumpulan atribut-
atributyang adapada data tersebut[4].
Ada dua langkah dalam metode classification
untuk mengklasifikasikan data. Langkah pertama
adalah Learning. Pada langkah ini, classifier
dibangun berdasarkan sekumpulan kelas atau kategori
yang sudah ditentukan dari data. Langkah ini disebut
learning step atau training step, dimana sebuah
algoritma classification membangun classifier dengan
menganalisis atau “belajar dari” sebuah training set.
Setelah dilakukannya proses learning, langkah
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
7
Jurnal Nasional JMII 2017
selanjutnya Classification. Pada langkah ini,
classifier yang sudah dibangun akan digunakan untuk
mengklasifikasi data. Akurasi dari prediksi classifier
tersebut akan diperkirakan dengan beberapa cara. Jika
menggunakan training set untuk mengukur akurasi
dari classifier, maka estimasi akan optimis karena
data yang digunakan untuk membentuk classifier
adalah training set juga. Oleh karena itu, digunakan
test set, yaitu sekumpulan tuple beserta class label-
nya yang dipilih secara acak dari dataset. Test set
bersifat independen dari training set dikarenakan test
set tidak digunakan untuk membangun classifier
Tahapan dari klasifikasi dalam data mining
terdiri dari :
1. Pembangunan model, dalam tahapan ini
dibuat sebuah model untuk menyelesaikan
masalah klasifikasi class atau atribut dalam
data, model ini dibangun berdasarkan
training set-sebuah contoh data dari
permasalahan yang dihadapi, training set ini
sudah mempunyai informasi yang lengkap
baik attribut maupun classnya
2. Penerapan model, pada tahapan ini model
yang sudah dibangun sebelumnya digunakan
untuk menentukan attribut / class dari
sebuah data baru yang attribut / classnya
belum diketahui sebelumnya
3. Evaluasi, pada tahapan ini hasil dari
penerapan model pada tahapan sebelumnya
dievaluasi menggunakan parameter terukur
untuk menentukan apakah model tersebut
dapat diterima [4]
C. Preprocessing
Preprocessing adalah suatu proses pengolahan
data awal sebelum data tersebut diolah dengan teknik
data mining. Tujuan dari preprocessing ini adalah
untuk mentransformasikan data ke suatu format yang
prosesnya lebih mudah dan efektif untuk kebutuhan
user [5]. Ada beberapa metode yang digunakan
dalam preprocessing antara lain sebagai berikut :
1. Sampling
Teknik sampling adalah teknik utama
yang digunakan untuk memilih data dan
biasanya digunakan untuk investigasi data
dan analisis data akhir. Prinsip utama
sampling yang efektif adalah output dengan
penggunaan sampel sama bagusnya dengan
penggunaan data keseluruhan yang dapat
diartikan sampel sudah representatif.
2. Agregasi
Agregasi adalah suatu teknik yang
mengkombinasikan dua atau lebih atribut)
atau objek) menjadi satu atribut (atau objek)
3. Pengurangan dimensi.
Pengurangan dimensi adalah suatu
teknik yang bertujuan untuk mengurangi
penggunaan memori, memudahkan
visualisasi data dan menghindari Curse of
Dimensionality yaitu fenomena dimana
analisis data menjadi sulit disebabkan
pertambahan dimensi data dan data menjadi
tersebar atau sparse. Teknik yang digunakan
untuk pengurangan dimensi adalah Principle
Component Analysis (PCA), Singular Value
Decomposition, Feature Subset Selection
dan lain-lain. [6]
D. Korpus
Korpus (corpus) adalah bagian dari pustaka teks
elektronik, yang dibangun dengan kriteria untuk
tujuan khusus. Korpus terdiri dari kumpulan kata-
kata yang dapat dimanfaatkan dalam proses
mining[3].
Beberapa hal yang perlu diperhatikan dalam
membangun korpus adalah sebagai berikut :
a) Perencanaan dan rancangan korpus
b) Pemilihan sumber data
c) Ijin dari pemilik data
d) Pengumpulan data dan pengkodeannya
e) Penanganan korpus. [7]
E. Proses Crawling
Web crawler adalah suatu program atau script
otomatis yang relatif simple dan dengan metode
tertentu dapat melakukan scan atau “crawl” ke semua
halaman-halaman Internet untuk membuat index dari
data yang dicarinya. Nama lain untuk web crawl
adalah web spider, web robot, bot, crawl dan
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
8
Jurnal Nasional JMII 2017
automatic indexer. Web crawl dapat digunakan untuk
beragam tujuan. Penggunaan yang paling umum
adalah yang terkait dengan search engine. Search
engine menggunakan web crawl untuk
mengumpulkan informasi mengenai apa yang ada di
halaman-halaman web publik. Tujuan utamanya
adalah mengumpukan data sehingga ketika pengguna
Internet mengetikkan kata pencarian di komputernya,
search engine dapat dengan segera menampilkan web
site yang relevan [10].
F. Evaluasi Klasifikasi
Pengklasifikasian cerita anak dilakukan dengan
beberapa cara, antara lain pengklasifikasian secara
manual, rule-based classifier, dan naive bayes
classifier. Dari setiap hasil yang diperoleh dari
classifiers tersebut, akan diukur tingkat akurasi
kesesuaian hasilnya dari hasil yang diperoleh.
Adapun formula perhitungan akurasi yang
dilakukan adalah sebagai berikut.
......................(1)
Dari Persamaan 1 di atas, yang memperngaruhi
tingkat akurasi adalah data hasil pengklasifikasian
yang sama dari tiga classifier dan total data
keseluruhan[7].
III. ANALISIS DAN PERANCANGAN
Dalam membangun sistem yang dapat menganalisis klasifikasi dataset cerita anak Indonesia ini, ada beberapa hal yang harus dilakukan. Mulai dari melakukan crawling hingga pada visualisasi hasil klasifikasi terhadap cerita anak yang ada. Berikut ini pada Gambar 1 adalah flowchart dari sistem yang akan dibangun adalah sebagai berikut :
Gambar 1 Desain Sistem pada Klasifikasi Cerita
Anak Indonesia
Berikut ini adalah penjelasan dari flowchart di atas adalah sebagai berikut :
1. Pembuatan data corpus
Pada tahap ini akan dilakukan pembuatan
data corpus berdasarkan dari data corpus
bahasa inggris AFINN yang diterjemahkan
menjadi bahasa indonesia beserta kata-kata
sinonimnya dan diberikan pembobotan tiap
kata dari nilai -5 sampai dengan 5 [9].
2. Proses Crawling dan pembuatan dataset Pada tahap ini dilakukan proses
pengambilan data dari website mengenai cerita anak berbahasa Indonesia. Data yang diambil dari website tersebut hanya berupa informasi penting seperti isi cerita beserta judulnya. Dataset yang dibangun dari hasil crawling tersebut adalah kumpulan cerita anak yang memiliki tipe data berupa dokumen.
Dalam proses crawling yang dilakukan, ada beberapa keyword yang digunakan, seperti yang tertera pada Tabel 1 di bawah ini
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
9
Jurnal Nasional JMII 2017
Tabel 1 Keyword yang digunakan untuk Crawling
Dataset cerita anak Indonesia
Keyword Hasil Pencarian
Dongeng anak
1. Cerita pendek anak-anak, dongeng, ilmu pengetahuan umum, tokoh ilmuwan dan penemu
2. Cerita Rakyat Cindelaras - Dongeng Nusantara » LokerSeni
3. Cerita Rakyat Danau Toba - Dongeng Legenda Nusantara » LokerSeni
4. Cerita Rakyat Malin Kundang » LokerSeni
5. Dongeng Anak Cerita si Kancil Dan Kerbau yang Malas
6. Dongeng Burung Bangau dan Seekor Ketam
7. Dongeng Burung Merpati Putih Dan Burung Gagak Hitam
Cerita anak 8. Cerita Anak dan Ayah Yang Mengharukan – Cerita anak Islami
Fabel 9. Dongeng Ayam Kate Yang Kurang Mujur Dan Besar Kepala
Legenda 10. Cerita Rakyat Lutung Kasarung - Cerita Legenda Indonesia » LokerSeni
11. Cerita Rakyat Timun Mas - Cerita Legenda Jawa Tengah » LokerSeni
12. Cerita Rakyat Keong Mas - Legenda Nusantara » LokerSeni
Indonesia 13. Dongeng Kisah Bawang Merah Dan Bawah Putih
14. Dongeng Rakyat Cerita Sangkuriang
15. Dongeng Rakyat Telaga Warna
16. Legenda Batu Menangis » LokerSeni
17. Rido Ingin Naik Motor.
Adapun jumlah dataset yang digunakan dalam klasifikasi ini adalah 17 cerita anak yang tertera pada Tabel 2 sebagai berikut:
Tabel 2 Dataset Hasil Crawling
NO Dataset Cerita Anak Indonesia
1 Cerita Anak Dan Ayah Yang Mengharukan - Cerita anak
Islami.txt
2 Cerita pendek anak-anak
3 Cerita Rakyat Cindelaras - Dongeng Nusantara » LokerSeni.txt
4 Cerita Rakyat Danau Toba - Dongeng Legenda Nusantara »
LokerSeni.txt
5 Cerita Rakyat Keong Mas - Legenda Nusantara » LokerSeni.txt
6 Cerita Rakyat Lutung Kasarung - Cerita Legenda Indonesia »
LokerSeni.txt
7 Cerita Rakyat Malin Kundang » LokerSeni.txt
8 Cerita Rakyat Timun Mas - Cerita Legenda Jawa Tengah »
LokerSeni.txt
9 Dongeng Anak Cerita si Kancil Dan Kerbau yang Malas.txt
10 Dongeng Ayam Kate Yang Kurang Mujur Dan Besar Kepala.txt
11 Dongeng Burung Bangau dan Seekor Ketam.txt
12 Dongeng Burung Merpati Putih Dan Burung Gagak Hitam.txt
13 Dongeng Kisah Bawang Merah Dan Bawah Putih.txt
14 Dongeng Rakyat Cerita Sangkuriang.txt
15 Dongeng Rakyat Telaga Warna.txt
16 Legenda Batu Menangis » LokerSeni.txt
17 Rido Ingin Naik Motor..txt
3. Preprocessing Setelah didapatkannya dataset
berdasarkan hasil crawling yang telah dilakukan, maka proses data mining selanjutnya adalah preprocessing. Adapun tahapan-tahapan yang dilakukan dalam preprocessing seperti yang tertera pada Gambar 2 di bawah ini.
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
10
Jurnal Nasional JMII 2017
a. Case folding
Pada tahap ini akan dilakukan pengubahan semua huruf menjadi kecil dan menghilangkan semua yang bukan huruf, seperti angka,simbol dan lain-lain.
b. Tokenizing
Pada tahap ini akan dilakukan pemotongan terhadap string hasil dari crawling menjadi karakter.
c. Filtering
Pada tahap ini akan dilakukan pengambilan kata-kata yang penting dari hasil tokenizing dengan cara menghilangkan kata-kata yang tidak penting seperti yang, di, dan, dari, dan lain-lain.
Metode preprocessing yang digunakan pada kasus ini adalah metode Principle Component Analysis (PCA)[11]. Dengan menggunakan metode PCA ini, preprocessing yang dilakukan adalah dengan cara mencari term yang paling sering muncul pada suatu dokumen dan divisualisasikan menjadi sebuah tabel matriks. Tabel matriks tersebut memiliki beberapa feature atau term yang digambarkan dengan tabel matriks horizontal, dan memiliki beberapa dataset dokumen yang digambarkan dengan tabel matriks vertikal. Hasil yang didapatkan dari PCA ini adalah tabel term-document matrix seperti pada Tabel 3 berikut.
Tabel 3 Hasil Preprocessing PCA dan pembobotan
term
No Nama File bisa meng
hibur pergi
dongen
g
1 Cerita Anak Dan
Ayah Yang
Mengharukan - Cerita
1 3 -2 0
anak Islami.txt
2 Cerita pendek
anak-anak, dongeng,
ilmu pengetahuan
umum, tokoh ilmuwan
dan penemu.txt
0 0 -2 0
3 Cerita Rakyat
Cindelaras - Dongeng
Nusantara »
LokerSeni.txt
0 0 -2 0
4 Cerita Rakyat
Danau Toba - Dongeng
Legenda Nusantara »
LokerSeni.txt
1 0 -2 0
5 Cerita Rakyat
Keong Mas - Legenda
Nusantara »
LokerSeni.txt
1 0 -2 0
6 Cerita Rakyat
Lutung Kasarung -
Cerita Legenda
Indonesia »
LokerSeni.txt
0 0 -2 0
7 Cerita Rakyat
Malin Kundang »
LokerSeni.txt
1 0 -2 0
8 Cerita Rakyat
Timun Mas - Cerita
Legenda Jawa Tengah
» LokerSeni.txt
1 0 0 0
9 Dongeng Anak
Cerita si Kancil Dan
Kerbau yang Malas.txt
1 3 0 0
10 Dongeng Ayam
Kate Yang Kurang
Mujur Dan Besar
Kepala.txt
1 3 0 0
11 Dongeng
Burung Bangau dan
Seekor Ketam.txt
1 3 0 0
12 Dongeng
Burung Merpati Putih
Dan Burung Gagak
Hitam.txt
1 3 0 0
13 Dongeng Kisah
Bawang Merah Dan
Bawah Putih.txt
1 3 -2 0
Gambar 2 Proses Preprocessing pada klasifikasi cerita
anak
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
11
Jurnal Nasional JMII 2017
14 Dongeng Rakyat
Cerita Sangkuriang.txt
1 3 -2 0
15 Dongeng Rakyat
Telaga Warna.txt
1 3 -2 0
16 Legenda Batu
Menangis »
LokerSeni.txt
0 0 0 0
17 Rido Ingin Naik
Motor..txt
1 0 0 0
Pada Tabel 3 di atas adalah salah satu
contoh hasil preprocessing PCA. Dapat
dilihat bahwa dari dataset yang ada, terdapat
beberapa term yang sering muncul pada
semua dataset dokumen yang ada. Setiap
term tersebut akan menjadi features pada
tabel tersebut.
4. Pembobotan Penentuan bobot untuk setiap term yang
ada dilakukan dengan teknik binary. Pembobotan dilakukan secara binary karena jumlah kemunculan suatu term pada dokumen dianggap tidak mempengaruhi positif atau tidaknya dataset cerita anak tersebut[11]. Selain itu, pembobotan dilakukan secara binary dikarenakan agar proses pembagian lebih stabil dibandingnya dengan menggunakan jumlah frekuensi kemunculan term. Penulis lebih menitikberatkan pada jumlah term positif atau term negatif dibanding jumlah kemunculan untuk setiap term positif dan term negatif. Untuk setiap term yang ada akan dicari pada data korpus yang telah dibuat sebelumnya. Jika term tersebut ada pada data korpus tersebut, maka status term tersebut adalah “1”, sedangkan jika term tersebut tidak ditemukan dalam data korpus, maka status term tersebut adalah “0”. Untuk setiap term yang bernilai “1” akan diberikan bobot sesuai dengan skor yang ada pada korpus tersebut, baik itu skor positif maupun skor negatif. Sedangkan untuk term yang bernilai “0” secara otomatis akan diberikan bobot 0.
Hasil pembobotan dengan teknik binary dapat dilihat pada Tabel 3 di atas.
5. Menghitung Persentase Term Positif dan Term Negatif pada Setiap Dokumen
Untuk menghitung persentasi positif dan negatif untuk setiap dokumen yang ada, maka rumus yang digunakan adalah sebagai berikut :
..........(2)
......(3)
keterangan :
pt(p) : persentase term positif
pt(n) : persentase term negatif
stn : skor term negatif
stp : skor term positif
Pada Persamaan 2 dan Persamaan 3, skor term diperoleh dari hasil pembobotan pada korpus yang ada, sehingga setiap term yang muncul memiliki bobot sesuai dengan bobot pada skor korpus yang ada
Perhitungan persentase positif dan persentase negatif menggunakan rumus sederhana yang biasa digunakan pada pencarian peluang-peluang pada berbagai kasus. Pada kasus ini, yang menjadi penentun nilai suatu dokumen dikatakan dokumen positif atau negatif adalah jumlah skor term positif, jumlah skor term negatif, dan jumlah skor term keseluruhan. Dengan menerapkan formula pada Persamaan 2 dan Persamaan 3, maka persentase positif dan negatif tiap dokumen akan diketahui dan persentase tersebut akan dimanfaatkan untuk tahap selanjutnya, yaitu klasifikasi.
.
6. Pengklasifikasian Dokumen
Pada tahap ini, setelah kita mengetahui persentase dokumen positif dan persentase dokumen negatif, maka dilakukanlah
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
12
Jurnal Nasional JMII 2017
pengklasifikasian dengan teknik rule-base classifier. Jika pt(p) lebih besar dari pt(n) maka dokumen tersebut kelas positif dan sebaliknya.
Adapun rule yang digunakan untuk mengklasifikasikan dataset cerita anak tersebut adalah sebagai berikut :
if (pt(p) > pt(n)) then {
output (“Termasuk Cerita
Positif”);
} else {
output (“Termasuk Cerita
Negatif”);
}
Dari rule di atas, maka keluaran yang didapat dari proses klasifikasi adalah “Termasuk Cerita Positif” atau “Termasuk Cerita Negatif”.
7. Data Hasil Klasifikasi
Data klasifikasi yang dihasilkan berupa dokumen CSV yang berisi nama dokumen, persentase term positif dan persentase term negatif pada setiap dokumen serta kelas klasifikasi dokumen berupa kelas dokumen positif atau kelas dokumen negatif.
Dalam pembangunan sistem klasifikasi terhadap
dataset cerita anak Indonesia, terdapat skenario
pengujian yang dilakukan. Skenario pengujian yang
dilakukan pada analasis klasifikasi cerita anak
Indonesia adalah sebagai berikut :
a. Mengukur performansi pada dataset yang ada
berdasarkan Persamaan 2 dan Persamaan 3
b. Melakukan klasifikasi dengan beberapa
metode amatara lain Rule-based Classifier dan
metode Naive Bayes Classifier
c. Membandingkan hasil antara kedua metode
klasifikasi tersebut
A. Perhitungan Persentase Term Positif dan
Persentase Term Negatif pada setiap Dokumen
Perhitungan persentase term positif dan
persentase term negatif dilakukan dengan
menerapkan formula pada Persamaan 2 dan
Persamaan 3. Adapun hasil perhitungan persentase
term positif dan persentase term negatif yang di dapat
dari Persamaan 2 dan Persamaan 3 tertera pada Tabel
4 di bawah ini
Tabel 4 Hasil Perhitungan Persentase Term
Positif dan Persentase Term Negatif
No Dokumen Persenta
se Term Positif
Persen
tase Term
Negatif
1 Cerita Anak Dan
Ayah Yang Mengharukan -
Cerita anak Islami.txt
66,48% 33,51%
2 Cerita pendek anak-
anak
63,90% 36,18%
3 Cerita Rakyat
Cindelaras - Dongeng
Nusantara » LokerSeni.txt
61,81% 38,18%
4 Cerita Rakyat Danau
Toba - Dongeng Legenda
Nusantara » LokerSeni.txt
70,53% 29,46%
5 Cerita Rakyat Keong
Mas - Legenda Nusantara »
LokerSeni.txt
65,51% 34,48%
6 Cerita Rakyat
Lutung Kasarung - Cerita
Legenda Indonesia »
LokerSeni.txt
80,16% 19,83%
7 Cerita Rakyat Malin
Kundang » LokerSeni.txt
75,47% 24,51%
8 Cerita Rakyat Timun
Mas - Cerita Legenda Jawa
Tengah » LokerSeni.txt
72,72% 27,27%
9 Dongeng Anak
Cerita si Kancil Dan
Kerbau yang Malas.txt
63,63% 36,36%
10 Dongeng Ayam Kate
Yang Kurang Mujur Dan
Besar Kepala.txt
54,92% 45,07%
11 Dongeng Burung
Bangau dan Seekor
Ketam.txt
58,24% 41,75%
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
13
Jurnal Nasional JMII 2017
12 Dongeng Burung
Merpati Putih Dan Burung
Gagak Hitam.txt
56,96% 43,03%
13 Dongeng Kisah
Bawang Merah Dan Bawah
Putih.txt
57,75% 42,24%
14 Dongeng Rakyat
Cerita Sangkuriang.txt
52,70% 47,29%
15 Dongeng Rakyat
Telaga Warna.txt
60,20% 39,79%
16 Legenda Batu
Menangis » LokerSeni.txt
68,14% 31,85%
17 Rido Ingin Naik
Motor..txt
51,83% 48,16%
Dari hasil perhitungan persentase pada Tabel 4 di
atas dapat pula divisualisasikan dengan grafik pada
Gambar 3 di bawah ini.
Gambar 3 Grafik Persentase Term Positif dan
Term Negatif pada semua dokumen
B. Klasifikasi Dokumen Positif dan Negatif
Penentuan klasifikasi suatu dokumen dikatakan
positif atau negatif adalah dengan menerapkan teknik
Rule-based Classifier. Teknik ini akan melakukan
klasifikasi dengan rule yang telah ditentukan oleh
penulis. Dengan menerapkan rule yang telah
ditentukan, maka proses klasifikasi dapat dilakukan.
Namun dalam hal ini, proses klasifikasi dilakukan
secara manual dengan perhitungan manual, bukan
pengklasifikasian dengan menggunakan sistem.
Berikut merupakan hasil klasifikasi manual pada
Tabel 5 di bawah ini
Tabel 5 Hasil Klasifikasi secara Manual
Dokumen Persentase
Term
Positif
Persentase
Term
Negatif
Hasil
Klasifik
asi
Cerita Anak
Dan Ayah Yang
Mengharukan -
Cerita anak
Islami.txt
66,48% 33,51% Positif
Cerita
pendek anak-anak
63,90% 36,18% Positif
Cerita
Rakyat Cindelaras -
Dongeng
Nusantara »
LokerSeni.txt
61,81% 38,18% Positif
Cerita
Rakyat Danau
Toba - Dongeng
Legenda Nusantara
» LokerSeni.txt
70,53% 29,46% Positif
Cerita
Rakyat Keong Mas
- Legenda
Nusantara »
LokerSeni.txt
65,51% 34,48% Positif
Cerita
Rakyat Lutung
Kasarung - Cerita
Legenda Indonesia
» LokerSeni.txt
80,16% 19,83% Positif
Cerita
Rakyat Malin
Kundang »
LokerSeni.txt
75,47% 24,51% Positif
Cerita
Rakyat Timun Mas
- Cerita Legenda
Jawa Tengah »
LokerSeni.txt
72,72% 27,27% Positif
Dongeng
Anak Cerita si
Kancil Dan Kerbau
63,63% 36,36% Positif
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
14
Jurnal Nasional JMII 2017
yang Malas.txt
Dongeng
Ayam Kate Yang
Kurang Mujur Dan
Besar Kepala.txt
54,92% 45,07% Positif
Dongeng
Burung Bangau
dan Seekor
Ketam.txt
58,24% 41,75% Positif
Dongeng
Burung Merpati
Putih Dan Burung
Gagak Hitam.txt
56,96% 43,03% Positif
Dongeng
Kisah Bawang
Merah Dan Bawah
Putih.txt
57,75% 42,24% Positif
Dongeng
Rakyat Cerita
Sangkuriang.txt
52,70% 47,29% Positif
Dongeng
Rakyat Telaga
Warna.txt
60,20% 39,79% Positif
Legenda
Batu Menangis »
LokerSeni.txt
68,14% 31,85% Positif
Rido Ingin
Naik Motor..txt
51,83% 48,16% Positif
Pengklasifikasian tidak hanya dilakukan dengan
metode Rule-based Classifier, tetapi juga
menggunakan Naive Bayes Classifier. Pada metode
ini, pengklasifikasian dilakukan dengan klasifikasi
probabilitas kondisional [6]. Proses klasifikasi
dengan metode Naive Bayes Classifier dilakukan
pada software Weka.
Berikut padaGambar 4 dan Gambar 5 merupakan
hasil klasifikasi Naive Bayes
Classifier.
Gambar 4 Hasil Klasifikasi Naive bayes Classifier
pada Weka secara ringkas
Gambar 5 Salah satu hasil klasifikasi Naive Bayes
Classifier secara detail
C. Pengujian dan Analisis Hasil Perbandingan
Klasifikasi Cerita Anak Indonesia
Dalam analisis klasifikasi cerita anak Indonesia
ini, ada dua metode klasifikasi yang digunakan, yaitu
Rule-based Classifier dan Naive Bayes Classifier.
Pengklasifikasian dilakukan dengan dua metode
bertujuan untuk dapat membandingkan hasil
klasifikasi dengan metode yang dipilih dan untuk
mengetahui tingkat akurasi dari hasil klasifikasi Rule-
based Classifier sehingga hasil yang didapat pun
akurat dan tepat.
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
15
Jurnal Nasional JMII 2017
Pengujian klasifikasi dilakukan pada 17 dataset
dan 7 dataset. Hal ini dilakukan untuk melihat dan
mengethui perbandingan dari hasil yang didapat pada
kedua metode ini.
Berdasarkan pada Tabel 5, hasil metode
klasifikasi Rule-based Classfier dengan
menggunakan 17 dataset memberikan kesimpulan
bahwa semua cerita anak yang ada pada dataset
termasuk ke dalam kelas cerita anak positif karena
persentase term positif lebih besar dibandingkan
persentase term negatif untuk setiap dokumen cerita
anak yang ada. Lalu berdasarkan pada Gambar 4 dan
Gambar 5, hasil klasifikasi dataset cerita anak dengan
menggunakan metode Naive Bayes Classifier pun
termasuk ke dalam kelas cerita anak yang positif.
Tabel 6 Hasil Klasifikasi Manual pada 7 dataset
Dokumen Persentase
Term Positif
Persentase
Term Negatif
Hasil
Klasifikasi
Cerita Anak Dan
Ayah Yang
Mengharukan -
Cerita anak
Islami.txt
66,48% 33,51% Positif
Cerita pendek
anak-anak 63,90% 36,18% Positif
Cerita Rakyat
Cindelaras -
Dongeng
Nusantara »
LokerSeni.txt
61,81% 38,18% Positif
Cerita Rakyat
Danau Toba -
Dongeng
Legenda
Nusantara »
LokerSeni.txt
70,53% 29,46% Positif
Cerita Rakyat
Keong Mas -
Legenda
Nusantara »
LokerSeni.txt
65,51% 34,48% Positif
Cerita Rakyat
Lutung
Kasarung -
Cerita Legenda
Indonesia »
LokerSeni.txt
80,16% 19,83% Positif
Cerita Rakyat
Malin Kundang
» LokerSeni.txt
75,47% 24,51% Positif
Gambar 6 Hasil klasifikasi Naive Bayes Classifier
pada 7 dataset
Sedangkan hasil klasifikasi Rule-based Classfier
dengan 7 dataset yang ditunjukkan pada Tabel 7,
dapat disimpulan pula bahwa semua cerita anak yang
ada pada dataset termasuk ke dalam kelas cerita
anak positif karena persentase term positif lebih besar
dibandingkan persentase term negatif untuk setiap
dokumen cerita anak yang ada. Lalu berdasarkan
pada Gambar 6, hasil klasifikasi dataset cerita anak
dengan menggunakan metode Naive Bayes Classifier
pun termasuk ke dalam kelas cerita anak yang positif.
Berikut pada Gambar 7 merupakan perbandingan
hasil Rule-based Classfier dan Naive Bayes Classifier
pada 17 dataset dan 7 dataset
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
16
Jurnal Nasional JMII 2017
Gambar 7 Grafik perbandingan hasil Rule-Based
Classifier dan naive bayes Classifier
Dalam melakukan pengklasifikasian, diperlukan
pula data testing untuk menguji dan memastikan hasil
pelabelan yang di dapat dari sistem yang dibangun
sudah sesuai atau tidak. Dari 17 dataset yang ada, 5
diantaranya dijadikan data testing. Berikut pada
Tabel 6 merupkan hasil pelabelan manual yang
dilakukan penulis dengan membaca cerita secara
manual.
Tabel 7 Hasil Label Manual
Dokumen Hasil
Label Manual
Cerita Anak Dan Ayah Yang
Mengharukan - Cerita anak Islami.txt Positif
Cerita pendek anak-anak Positif
Cerita Rakyat Cindelaras -
Dongeng Nusantara » LokerSeni.txt Positif
Cerita Rakyat Danau Toba -
Dongeng Legenda Nusantara »
LokerSeni.txt
Positif
Cerita Rakyat Keong Mas -
Legenda Nusantara » LokerSeni.txt Positif
Tabel 8 Perbandingan klasifikasi dengan data
testing
Dokume Predict Rill
n
Cerita Anak
Dan Ayah Yang
Mengharukan -
Cerita anak
Islami.txt
Positif Positif
Cerita
pendek anak-anak Positif Positif
Cerita
Rakyat Cindelaras
- Dongeng
Nusantara »
LokerSeni.txt
Positif Positif
Cerita
Rakyat Danau
Toba - Dongeng
Legenda
Nusantara »
LokerSeni.txt
Positif Positif
Cerita
Rakyat Keong
Mas - Legenda
Nusantara »
LokerSeni.txt
Positif Positif
Dengan melihat Tabel 8 yakni hasil perbandingan Rule-based Classifier dengan data testing yang ada, maka dapat disimpulkan bahwa model Rule-based Classifier yang telah dibangun sudah baik dengan tingkat akurasi 100%
Berdasarkan hasil keseluruhan yang didapatkan dari pengklasifikasian dengan teknik rule-based classifier dan naive bayes, maka dapat disimpulkan bahwa semua dataset cerita anak Indonesia masuk ke dalam kategori cerita anak yang positif, karena tingkat presentase term positif atau pt(p) lebih tinggi dibandingkan dengan persentase term negatif atau pt(n).
Informasi lain yang dapat diperoleh dari hasil pengklasifikasian di atas adalah Cerita Rakyat Lutung Kasarung merupakan cerita anak Indonesia yang memiliki persentase cerita positif tertinggi. Hasil klasifikasi cerita paling positif ini dapat terlihat dari hasil pengklasifikasian dengan teknik rule-based classifier dan dengan perhitungan manual. Sedangkan teknik naive bayes hanya dapat mengklasifikasian dataset yang adalah ke dalam kategori cerita positif dan negatif.
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
17
Jurnal Nasional JMII 2017
Perhitungan akurasi dilakukan dengan formula pada Persamaan 1 diatas maka hasil akurasi yang didapatkan adalah sebesar 100% seperti yang tertera pada Tabel 8 di bawah ini
Tabel 6 Tingkat akurasi pada setiap classifier
Classifier Akur
asi
Rule-based Classifier 100%
Naive Bayes
Classifier
100%
IV. KESIMPULAN DAN SARAN
Pengklasifikasian yang dilakukan pada 17
dataset cerita anak Indonesia dengan menggunakan
beberapa teknik yaitu perhitungan manual,
pengklasifikasian dengan teknik rule-based classifier
dan naive bayes, maka dapat disimpulkan bahwa
semua dataset cerita anak Indonesia masuk ke dalam
kategori cerita anak yang positif, karena tingkat
presentase term positif atau f(p) lebih tinggi
dibandingkan dengan persentase term negatif atau
f(n). Dan jika ditelusuri lebih jauh lagi, informasi
yang dapat kita peroleh adalah Cerita Rakyat Lutung
Kasarung merupakan cerita anak Indonesia yang
memiliki persentase cerita positif tertinggi. Hasil
klasifikasi cerita paling positif ini dapat terlihat dari
hasil pengklasifikasian dengan teknik rule-based
classifier dan dengan perhitungan manual.
Sedangkan teknik naive bayes hanya dapat
mengklasifikasian dataset yang adalah ke dalam
kategori cerita positif dan negatif.
I.1.1.1.1 Referensi
[1] Jason Frand, “Data Mining: What is Data
Mining?,” University of California. [Online].
Available:
http://www.anderson.ucla.edu/faculty/jason.fr
and/teacher/technologies/palace/datamining.h
tm. [Accessed: 17-Nov-2016].
[2] U. S. Utara, “Data Mining,” 2006.
[3] Osmar R. Zaïane, “Chapter I: Introduction to
Data Mining,” Princ. Knowl. Discov.
Databases, pp. 1–15, 1999.
[4] Kemdikbud, “Metode Classification,” 2013.
[5] Wikipedia, “Data pre-processing -
Wikipedia,” 2007. [Online]. Available:
https://en.wikipedia.org/w/index.php?title=D
ata_pre-processing&oldid=733593016.
[Accessed: 14-Nov-2016].
[6] S. of Computing, “Klasifikasi.” Telkom
University, Bandung.
[7] B. Susanto, “KLASIFIKASI PADA TEXT
MINING.” 2013.
[8] “Cerita Anak.org,” 14 November 2016.
[Online]. Available:
http://www.ceritaanak.org/.
[9] T. U. o. D. Informatics and Mathematical
Modelling, “AFINN,” AFINN, 1 March
2011. [Online]. Available:
http://www2.imm.dtu.dk/pubdb/views/public
ation_details.php?id=6010. [Diakses 12
November 2016]
[10] “Wikipedia,” Wikimedia Foundation, 13
September 2016. [Online]. Available:
https://en.wikipedia.org/wiki/Web_crawler.
[Diakses 11 November 2016].
[11] G. S. L. Vishal Gupta, “A Survey of Text
Mining Techniques and,” Journal Of
Emerging Technologies In Web Intelligence,
vol. 1, pp. 60-76, 2009.
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
18
Jurnal Nasional JMII 2017
PLAGIARISM DETECTION USING SENTENCE
SIMILARITY WITH TEXT ALIGNMENT APPROACH
Mufidah Aisyah Rachmat
Fakultas Informatika, Jurusan Teknik Informatika
Universitas Telkom
Jalan Telekomunikasi No.1, Bandung, Indonesia
Abstrak
Dalam membuat suatu karya tulis atau karya
ilmiah tidak dapat dipungkiri bahwa penulis
membutuhkan informasi dan referensi dari hasil
karya orang lain. Referensi tersebut bisa didapatkan
melalui sebuah artikel, buku, paper, atau hasil karya
lainnya yang memiliki keterkaitan dengan referensi
yang dibutuhkan. Seiring berjalannya waktu, era
digital semakin berkembang dan mengakibatkan
suatu dokumen mulai direpresentasikan dalam bentuk
digital dan dapat di sebarluaskan dengan mudah
dengan adanya internet. Hal tersebut mengakibatkan
tindakan plagiarisme cenderung lebih mudah
dilakukan. Dalam paper ini akan dilakukan
pendeteksian plagiarisme menggunakan pendekatan
text alignment dengan menggunakan proses (1)
Preprocessing (2) Seeding (3) Extension (4)
Filtering. Tujuan dari text alignment merupakan
mencari pasangan fragmen yang digunakan kembali
atau menjadi sumber dari dokumen terduga. Dataset
yang digunakan terkategori menjadi beberapa tipe
yaitu no plagiarism, no obfuscation, random
obfuscation, translation obfuscation, dan summary
obfuscation [1] dimana setiap tipe memiliki
karakteristiknya masing masing. Adapun dalam
penyelesaianya akan digunakan metode sentence
similarity menggunakan tf-idf, cosine similarity dan
dice coefficient kemudian hasil akhir dari fragmen
yang dihasilkan akan dievaluasi dengan 2 evaluasi
yaitu evaluasi level kasus dan evaluasi level karakter.
Untuk evaluasi pada level kasus didapatkan nilai f-
measure sebesar 0.976761563 sedangkan untuk
evaluasi level karakter didapatkan nilai f-measure
sebesar 0.708385162.
Kata kunci :
plagiarisme, text alignment, sentence similarity,
cosine similarity, dice similarity, tf-idf, parameter
adaptif.
Abstract
To make a paper or scientific work can’t be
denied that the authors need information and
references from other people's work. The reference
can be obtained through an article, book, paper, or
other works that have relevance to the references that
required. Over the time, the growth of digital era
makes documents represented as digital documents
that can easily accessed in the internet, therefore it's
makes anyone can do a plagiarism easily. This paper
will explained about plagiarism detection using text
alignment approach that have 4 process (1)
Preprocessing (2) Seeding (3) Extension (4) Filtering.
The purpose of the text alignment is looking for
fragments that reused or be a source of suspicious
documents. The dataset that used in this research
categorized in 5 types : no plagiarism, no
obfuscation, random obfuscation, obfuscation
translation and summary obfuscation [1] where each
type has their own characteristics. In this paper
plagiarism detection using sentence similarity with tf-
idf, cosine similarity dan dice coefficient. The final
fragment that resulted form that process will evaluate
in two ways. First, use case level evaluation that get
0.976761563 for f-measure value. Second, use
character level evaluation that get 0.708385162 for f-
measure value.
Keywords :
plagiarism, text alignment, sentence similarity, cosine
similarity, dice similarity, tf-idf, adaptive parameter.
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
19
Jurnal Nasional JMII 2017
I. PENDAHULUAN
Dalam membuat suatu karya tulis atau karya
ilmiah tidak dapat dipungkiri bahwa penulis
membutuhkan informasi dan referensi hasil karya
orang lain. Referensi tersebut bisa didapatkan melalui
sebuah artikel, buku, jurnal, atau hasil karya lainnya
yang memiliki keterkaitan dengan referensi yang
dibutuhkan. Pada awalnya karya tulis hanya
dituangkan dalam tulisan tangan manusia. Seiring
berjalannya waktu, era digital semakin berkembang
dan mengakibatkan suatu dokumen mulai
direpresentasikan dalam bentuk digital dan dapat di
sebarluaskan dengan mudah dengan adanya internet.
Dipaparkan dalam [1], melalui hasil penelitian dari
IBM, Compac dan Alta Vista terdapat lebih dari 600
juta laman unik yang memiliki variasi topik yang
sangat luas. Hal itu memberikan fakta bahwa dalam
pencarian suatu topik permasalahan dalam internet
sebagian besar akan didapatkan hasil yang relevan
dan sesuai dengan kebutuhan. Perkembangan tersebut
memberikan kecenderungan seseorang untuk
melakukan tindakan plagiat dengan mudah.
Seperti yang dijelaskan dalam [2] tindakan
plagiarisme dapat dibedakan menjadi dua jenis yaitu
literal plagiarism dan intelligent plagiarism. Teknik
plagiarisme yang dapat dilakukan untuk literal
plagiarism diantaranya adalah melakukan copy-paste
secara langsung dan melakukan copy-paste dengan
tambahan modifikasi didalamnya. Sedangkan teknik
yang digunakan untuk intelligent plagiarism
diantaranya adalah mengadopsi ide, mengartikan
kedalam Bahasa lain, paraphrasing dan mengambil
intisari dalam karya tulis tersebut. Tentu saja semua
kegiatan tersebut dilakukan tanpa mencantumkan
sumber referensi yang digunakan.
Pada umumnya, sistem pendeteksian plagiat
biasanya hanya dapat menentukan apakah kedua
pasang dokumen yang dinputkan terindikasi plagiat
atau tidak, namun belum dapat memberikan
informasi bagian mana dari kedua teks yang dapat
mengakibatkan pasangan dokumen tersebut
diindikasikan plagiat. Dengan menggunakan
pendekatan text alignment, setiap bagian dari
dokumen dalam pasangan dokumen akan dilihat dan
diidentifikasi untuk mendapatkan pasangan bagian
dari dokumen sumber yang dipergunakan kembali
oleh dokumen yang diduga plagiat. Dalam
melakukan identifikasi tersebut, akan dilakukan 4
tahap yaitu (1) Preprocessing, (2) Seeding, (3)
Extension dan (4) Filtering [3].
Dalam penelitian sebelumnya, untuk
mendapatkan bagian yang saling ber-align antara
pasangan dokumen akan dilakukan identifikasi yang
tersegmentasi dalam pencarian kesamaan antar
kalimat yang dimiliki oleh pasangan dokumen
dengan menggunakan ekstraksi fitur term frequency-
inverse document frequency (TF-IDF), menggunakan
cosine similarity dan dice coefficient untuk
menghitung kesamaan antar bagian dokumen dan
observasi penggunaan beberapa parameter pada
setiap tahap yang dapat menyesuaikan sesuai tipe
plagiarisme yang dilakukan [4] [5] [6]. Sedangkan
dalam penelitian ini akan dilakukan analisis dalam
perbedaan perlakuan dalam tahap preprocessing pada
kedua dokumen dan dampak perubahan performansi
terhadap perubahan parameter dalam tahap seeding
dan extension dan melakukan evaluasi hasil dalam 2
level, yakni level kasus dan level karakter.
II. KAJIAN LITERATUR
II.1 Text Alignment
Text alignment merupakan suatu pendekatan
yang dapat digunakan dalam mendeteksi apakah
kedua pasang dokumen merupakan dokumen yang
plagiat atau tidak. Tujuan dari pendekatan ini adalah
mencari bagian dari dokumen yang digunakan
kembali atau menjadi sumber dari dokumen terduga
[3]. Suatu bagian antara dua dokumen dikatakan
saling ber-align apabila bagian tersebut memiliki
kesamaan yang cukup. Setiap hasil alignment yang
terbentuk antar dua dokumen menunjukan fragmen
yang mengindikasi pasangan dokumen tersebut
terindikasi plagiat atau tidak. Dalam mengidentifikasi
fragmen yang ber-align antar kedua dokumen,
terdapat 3 tahap khusus yang harus dilakukan,
diantaranya adalah
II.1.1 PROSES SEEDING
Seeding merupakan tahapan pertama dari
pendekatan text alignment. Tujuan dari tahap ini
adalah pencarian bakal calon dari dokumen sumber
dan dokumen terduga yang memiliki kesamaan
diantara keduanya. Dalam tahap ini akan dilakukan
pencarian pasangan bagian dokumen yang memiliki
kecocokan dalam hal kesamaan yang kemudian
disebut sebagai seeds [3].
II.1.2 PROSES EXTENSION
Extension merupakan tahap kedua yang
dilakukan setelah mendapatkan hasil seeds dari
proses seeding. Tahap ini bertujuan untuk
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
20
Jurnal Nasional JMII 2017
memperluas dengan cara menggabungkan hasil seed
dengan aturan tertentu sehingga membentuk suatu
bagian dimana dokumen sumber dan dokumen
terduga saling ber-align [3].
II.1.3 PROSES FILTERING
Setelah proses extension dilakukan,
terbentuklah sebuah fragmen yang lebih besar. Tugas
dari tahap filtering merupakan meningkatkan
ketepatan dari bagian yang terindikasi saling ber-
align sehingga sesuai dengan parameter yang telah
ditentukan [3], sehingga pada tahap ini akan
dilakukan pengihalangan bagian bagian yang tidak
akurat.
II.2 TERM FREQUENCY-INVERSE
DOCUMENT FREQUENCY (TF-IDF)
Dalam mengukur kesamaan suatu dokumen
teks, dibutuhkan pendaftaran dan pembobotan fitur
yang dimiliki oleh dokumen tersebut. Salah satu
metode yang dapat digunakan adalah TF-IDF.
Dengan menggunakan TF-IDF setiap dokumen akan
direpresentasikan menjadi vektor yang berisikan
setiap bobot fitur yang dimiliki oleh dokumen
tersebut.
Term frequency merupakan suatu metode
pembobotan yang memperhitungkan jumlah
kemunculan suatu term didalam suatu dokumen.
Semakin banyak term tersebut muncul dalam
dokumen tersebut maka term tersebut semakin
penting. TF dapat dinotasikan kedalam rumus (1)
dimana d berarti dokumen dan t berarti term yang
terdapat di dokumen tersebut.
(1)
Berbeda dengan TF, IDF merupakan suatu
metode yang digunakan untuk memperhitungkan
kemunculan term atau kata pada setiap dokumen.
Suatu term dinilai penting apabila memiliki frekuensi
kemunculan yang tinggi, namun apabila term tersebut
muncul di setiap dokumen maka term tersebut
merupakan term umum dan tidak dapat dijadikan
pembeda atau ciri khas. Menggunakan IDF term yang
muncul di banyak dokumen akan semakin kecil
nilainya. Nilai IDF didapat dari perhitungan log basis
10 dari hasil pembagian jumlah seluruh dokumen
terhadap jumlah dokumen dimana term tersebut
muncul secara lebih jelas dapat dilihat pada rumus
(2).
(2)
Bobot dari suatu dokumen dapat dihasilkan
melalui perkalian hasil perhitungan TF dan IDF yang
dirumuskan dalam rumus (3).
(3)
II.3 COSINE SIMILARITY
Perhitungan kesamaan suatu teks misalkan
dokumen menggunakan cosine similarity didapatkan
dari hasil pembagian perkalian dot dari kedua vektor
yang dihasilkan oleh fitur masing masing dokumen
dengan perkalian panjang masing masing vektor
kedua dokumen, secara lebih jelasnya dapat
dijelaskan dalam rumus (4).
(4)
II.4 DICE COEFFICIENT
Perhitungan kesamaan suatu teks misalkan
dokumen menggunakan dice coefficient didapatkan
dari hasil pembagian 2 dikali jumlah term yang
terdapat di kedua dokumen terhadap perkalian jumlah
term yang muncul pada masing masing dokumen
yang dirumuskan dalam rumus (5).
(5)
III. ANALISIS DAN PERANCANGAN
Sistem pendeteksian plagiarisme yang dibangun
dalam penelitian ini dibangun dalam beberapa tahap
yang diantaranya adalah (1) Preprocessing, (2)
Seeding, (3) Extension dan (4) Filtering. Sistem akan
menerima inputan berupa 2 dokumen yaitu dokumen
sumber dan dokumen terduga. Kedua dokumen
tersebut kemudian dipasangkan dan akan dianalisis
apakah terdapat fragmen yang ada dalam dokumen
sumber yang digunakan kembali dalam dokumen
terduga. Hasil keluaran dari sistem merupakan
fragmen dari masing masing dokumen yang
diidentifikasi menjadi bagian plagiat dan status
pasangan dokumen tersebut yang di bagi menjadi 2
kelas yaitu kelas bukan plagiat dan plagiat secara
umum proses dapat dilihat pada gambar 1.
Sebelum memasuki proses seeding, kedua
dokumen yang diinputkan akan dilakukan proses
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
21
Jurnal Nasional JMII 2017
preprocessing. Tahap preprocessing yang digunakan
dalam penelitian ini adalah
1. Pemisahan setiap kalimat dalam dokumen
menjadi suatu unit tunggal.
2. Mengkonversi kalimat kedalam bentuk
lowercase.
3. Menghilangkan tanda baca dan tokenisasi.
4. Melakukan konversi angka sederhana, bulan
dan hari kedalam bentuk standar.
5. Melakukan perubahan kata menjadi kata
dasar.
Gambar 8 Skema Umum Sistem
Tahapan preprocessing menghasilkan setiap
fitur kalimat yang dimiliki oleh dokumen sumber dan
dokumen terduga. Selanjutnya akan dilakukan proses
ektraksi fitur yang merpakan sub proses dari tahap
seeding menggunakan TF-IDF. Setiap kalimat dalam
dokumen akan membentuk suatu vektor berukuran
[1xn] dimana n merupakan jumlah kosa kata yang
terdapat dalam dua dokumen. Selanjutnya setiap fitur
kalimat antara dua dokumen yang terbentuk akan
dipetakan secara fully connected untuk dihitung
kesamaannya menggunakan dice coefficient dan
cosine similarity. Setiap pasangan kalimat yang
memiliki nilai kesamaan melebihi threshold yang
ditentukan maka pasangan tersebut ditambahkan
kdalam sebuah himpunan yang dinamakan seeds [5].
Setelah didapatkan hasil pasangan kalimat
sebagai bakal calon fragmen antara kedua dokumen,
selanjutnya akan dilakukan proses extension yang
berguna untuk memperluas seeds dengan cara
menggabungkan setiap kalimat yang jaraknya kurang
dari maxGap yang ditentukan. Terdapat dua buah
kemungkinan maxGap yang akan dipergunakan
dalam proses extension, yang pertama adalah 4,
maxGap ini diperuntukan kepada tipe selain
summary obfuscation. Adapun maxGap yang kedua
sebesar 24 diperuntukan khusus untuk tipe summary
obfuscation yang biasanya memiliki fragmen
dokumen sumber 3 kali lebih panjang dibandingkan
dokumen terduga [5].
Gambar 9 Skema Proses Extension
Tahapan pada proses extension akan dilakukan
secara rekursif dengan proses yang dijalankan pada
hasil seeds pada sisi dokumen terduga, selanjutnya
dari hasil extension pada dokumen terduga akan
dijadikan inputan untuk proses extension pada hasil
seeds di sisi dokumen sumber. Setiap hasil pasangan
fragmen yang terbentuk akan dihitung kembali nilai
kesamaannya menggunakan cosine similarity dan
apabila pasangan fragmen tersebut nilai kesamaannya
tidak melebihi threshold yang ditentukan, maka akan
dilakukan decreament nilai maxGap sampai keadaan
fragmen tersebut diterima atau maxGap belum
bernilai 1. Sebaliknya apabila fragmen yang
dihasilkan memiliki kesamaan melebihi threshold
maka fragmen akan diinputkan.
Setiap pasangan fragmen yang dihasilkan dari
proses extension kemudian akan melalui validasi
kembali dalam tahap filtering. Didalam proses
filtering terdapat 2 sub proses yang diantaranya
adalah
1. Penghapusan pasangan fragmen yang memiliki
panjang kurang dari 150 karakter.
2. Pengilangan kasus fragmen yang saling beririsan
[5].
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
22
Jurnal Nasional JMII 2017
Untuk mengevaluasi hasil yang didapat dari
sistem terdapat 2 level evaluasi yaitu evaluasi
berdasarkan kasus dan evaluasi berdasarkan karakter.
Evaluasi pada level ini bertujuan untuk mengetahui
apakah suatu sistem telah optimal dalam mendeteksi
suatu dokumen terduga terindikasi melakukan plagiat
dengan dokumen sumber. Evaluasi dalam level ini
akan diperhitungkan menggunakan precision, recall,
dan F-Measure. Untuk mendapatkan ketiga nilai
tersebut, akan dibentuk sebuah confusion matrix yang
dibangun oleh perhitungan 4 kategori yaitu true
positive (TP), false positive (FP), false negative (FN)
dan true negative (TN).
Berbeda dengan hasil evaluasi kasus yang hanya
memperhitungkan kemampuan sistem untuk
mengindikasi plagiat atau bukan, pada evaluasi
berbasis karakter setiap fragmen yang ditebak oleh
sistem akan diperhitungkan kesesuaiannya dengan
fragmen yang seharusnya. Recall merupakan suatu
representasi proporsi banyaknya karakter yang
beririsan dari setiap potongan dokumen yang
bersesuaian antara kondisi aktual (direpresentasikan
dengan s) dan kondisi hasil deteksi sistem
(direpresentasikan dengan r) terhadap seluruh
karakter s. Sedangkan precision merupakan suatu
representasi proporsi banyaknya karakter yang
beririsan dari setiap potongan dokumen yang
bersesuaian antara kondisi aktual s dan kondisi hasil
deteksi sistem r terhadap seluruh karakter r [7].
Secara lengkap perhitungan recall, precision, dan F-
Measures untuk masing masing evaluasi dapat dilihat
dalam tabel 1.
Jenis
Evaluasi
Berdasarkan
Karakter Berdasarkan Kasus
Recall
Precision
F-
Measures
Tabel 7 Perhitungan Evaluasi
Dataset yang digunakan dalam penelitian ini
diambil dari kompetisi PAN - CLEF 2014 dengan
kategori Plagiarism Detection dengan pendekatan
Text Alignment. Terdapat 3 buah data yang masing
masingnya terdapat 5 buah tipe plagiarism yang
berbeda dengan persebaran yang dapat dilihat dalam
tabel 2.
Nama
Dataset
Tipe Plagiarisme (Plagiat : Bukan Plagiat)
NP NO RO TO SO
Training 0:1000 1000:0 1000:0 1000:0 238:947
Testing
C1 0:90 108:0 94:0 105:0 24:97
Testing
C2 0:1000 1000:0 1000:0 1000:0 236:949
Tabel 8 Persebaran Data dalam Dataset
Keterangan :
NP = No Plagiarism
NO = No Obfuscation
RO = Random Obfuscation
TO = Translation Obfuscation
SO = Summary Obfuscation
Dalam penelitian ini, terdapat beberapa skenario
yang dijalankan dan diobservasi diantaranya adalah
1. Pemilihan teknik preprocessing : lemmatization
(A), lemmatization tanpa menggunakan POS
tagging (B), dan stemming (C).
2. Pemilihan threshold untuk kesamaan pada proses
seeding : 0.25 (A), 0.33 (B), dan 0.42 (C).
3. Pemilihan threshold untuk kesamaan pada proses
extension : 0.3 (A), 0.4 (B), dan 0.48 (C).
Sedangkan untuk nilai maxGap dan
maxGapSummary yang digunakan pada proses
extension dan nilai minplaglength dalam proses
filtering mengacu pada paper acuan [5] yakni sebesar
4 untuk maxGap, 24 untuk maxGapSummary dan 150
karakter untuk minplaglength. Untuk setiap
kemungkinan yang terdapat dalam masing masing
skenario kemudian akan di kombinasikan dan di uji
cobakan adapaun detail kombinasi yang dijalankan
dalam penelitian ini diantaranya adalah
K Preprocessing Th.
Seeding
Th.
Extension
K1 A A A
K2 B A A
K3 C A A
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
23
Jurnal Nasional JMII 2017
K4 A B B
K5 B B B
K6 C B B
K7 A C C
K8 B C C
Tabel 9 Kombinasi Skenario Pengujian
Gambar 10 Hasil Evaluasi pada Level Kasus
Gambar 11 Hasil Evaluasi pada Level Karakter
Untuk hasil evaluasi pada level kasus
didapatkan nilai F-Measure tertinggi pada kombinasi
K4 yaitu sebesar 0.976761563 dengan menggunakan
metode lemmatization untuk preprocessing, nilai
threshold seeding sebesar 0.25 dan nilai threshold
extension sebesar 0.3. Sedangkan untuk hasil evaluasi
pada level karakter didapatkan nilai F-Measure
tertinggi pada pada kombinasi K2 yaitu sebesar
0.708385162 dengan menggunakan metode stemming
untuk preprocessing, nilai threshold seeding sebesar
0.33 dan nilai threshold extension sebesar 0.4.
Gambar 12 Hasil Evaluasi pda Level Karakter K2
pada Setiap Tipe Plagiarisme
Seperti yang telah dijelaskan sebelumnya,
didalam dataset terdapat beberapa tipe plagiarism
yang diantaranya adalah no obfuscation, random
obfuscation, summary obfuscation dan translation
obfuscation. Setiap tipe plagiarism tersebut memiliki
karakteristiknya masing masing dengan
menggunakan parameter kombinasi K2 setiap hasil
nilai f-measure, recall, dan precision dapat dilihat
dalam gambar 5. Dalam gambar tersebut sistem yang
diteliti mendapatkan hasil terbaik pada tipe no
obfuscation dan nilai terkecil pada tipe summary
obfuscation. Plagiarisme dengan tipe no obfuscation
dapat di tebak fragmennya dengan mudah
dikarenakan tindakan plagiarism yang dilakukan
dalam tipe tersebut cenderung masih menggunakan
kata kata yang sama tanpa mengunkan paraphrasing
dan sebaliknya untuk tipe summary obfuscation
sistem masih memiliki kekurangan untuk mendeteksi
fragmen yang lebih banyak.
Kombinasi parameter terbaik yang ditunjukan
pada setiap level evaluasi berbeda dikarenakan teknik
evaluasi pada level kasus menilai secara keseluruhan
dan tidak memperdulikan ketepatan fragmen yang
terdeteksi, sehingga dengan proporsi dataset yang
lebih banyak label plagiarism penggunaaan nilai
threshold yang lebih kecil mengakibatkan
kemungkinan fragmen yang terdeteksi lebih besar
sehingga nilai precision yang dihasilkan sangat
tinggi. Hal itu dibuktikan dengan nilai recall yang
dihasilkan juga lebih rendah dibandingkan kombinasi
yang menggunakan threshold yang lebih besar.
Sedangkan untuk evaluasi pada level karakter nilai
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
24
Jurnal Nasional JMII 2017
threshold yang paling cocok adalah 0.33 untuk nilai
threshold seeding dan 0.4 untuk nilai threshold
extension. Threshold tersebut dinilai cocok karena
tidak terlalu besar atau kecil sehingga fragmen yang
terdeteksi seimbang sehingga tidak terjadi
ketimpangan nilai precision dan recall yang
dihasilkan.
Adapun pengaruh pemilihan penggunaan
lemmatization, stemming, dan lemmatization tanpa
menggunakan POS tagging dalam tahap
preprocessing dalam penelitian ini tidak memberikan
perbedaan yang cukup signifikan terhadap nilai F-
Measure, recall, dan precision untuk kedua level
akurasi. Namun dari seluruh hasil evaluasi pada
setiap kombinasi yang dijelaskan dalam gambar 3
dan 4 menunjukan rata rata nilai yang paling besar
yang didapatkan untuk setiap threshold yang sama
terdapat pada kombinasi parameter yang
menggunakan stemming untuk proses preprocessing-
nya walaupun hasil terbaik yang didapatkan didapat
pada kombinasi K4 menggunakan lemmatization
namun selisih nilai dengan kombinasi K5 yang
menggunakan stemming dengan nilai threshold yang
sama sangatlah kecil.
IV. KESIMPULAN DAN SARAN
Sistem pendeteksi plagiarism pada penelitian ini
dibangun dengan pendekatan text alignment dengan
mengunakan kalimat untuk menjadi satuan unit untuk
membangun fragmen yang diduga merupakan hasil
plagiat dari dua dokumen. Dalam menentukan
fragmen tersebut terdapat 4 proses yang dijalankan
yaitu (1) Preprocessing, (2) Seeding, (3) Extension
dan (4) Filtering dengan parameter adaptif. Dataset
yang digunakan dalam penelitian ini diambil dari
kompetisi PAN - CLEF 2014 dengan kategori
Plagiarism Detection dengan pendekatan Text
Alignment dengan tipe no plagiarism, no obfuscation,
random obfuscation, translation obfuscation dan
summary obfuscation [1].
Untuk mengevaluasi hasil yang didapat oleh
sistem yang dibangun digunakan dua buah evaluasi,
yaitu evaluasi pada level kasus dan evaluasi pada
level karakter. Pada evaluasi level kasus hasil terbaik
didapatkan pada penggunaan lemmatization untuk
preprocessing, nilai threshold seeding sebesar 0.25
dan nilai threshold extension sebesar 0.3 dengan hasil
F-measure sebesar 0.976761563. Sedangkan pada
evaluasi level karakter hasil terbaik didapatkan pada
penggunaan stemming untuk preprocessing, nilai
threshold seeding sebesar 0.33 dan nilai threshold
extension sebesar 0.4 dengan hasil F-measure sebesar
0.708385162. Dari hasil keseluruhan tersebut, sistem
yang diteliti mendapatkan hasil terbaik pada tipe no
obfuscation dan nilai terkecil pada tipe summary
obfuscation.
Untuk penelitian lebih lanjut, dapat
dipertimbangkan penggunaan pengukuran kesamaan
yang meperhitungkan kesamaan sebuah kata yang
berdasar pada arti katanya, karena tindakan
plagiarism khususnya pada tipe summary obfuscation
terdapat perubahan bentuk kata seperti paraphrase
atau penggantian kata menggunakan kata
sinonimnya.
REFERENSI
[
1] P. Clough, "Plagiarism in natural and
programming languages: an overview of current
tools and technologies," 2000.
[
2]
Salha M. Alzahrani, Naomie Salim, Ajith
Abraham, "Understanding Plagiarism Linguistic
Patterns, Textual Features, and Detection
Methods," IEEE, vol. 42, no. 2, pp. 133-149,
2012.
[
3]
Martin Potthast,1 Matthias Hagen,1 Anna
Beyer, Matthias Busse, Martin Tippmann, Paolo
Rosso, and Benno Stein, "Overview of the 6th
International Competition on Plagiarism
Detection," PAN, 2014.
[
4]
Shuai W Ang, Haoliang Qi, Leilei
Kong,Cuixia Du , "Combination Of VSM And
Jaccard Coefficient For External Plagiarism
Detection," International Conference on
Machine Learning and Cybernetics, pp. 1880 -
1885, 2013.
[
5]
Miguel A. Sanchez-Perez, Grigori Sidorov,
Alexander Gelbukh , "The Winning Approach to
Text Alignment for Text Reuse Detection at
PAN 2014," PAN at CLEF 2014 , pp. 1004 -
1011, 2014.
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
25
Jurnal Nasional JMII 2017
[
6]
"Comparison of Jaccard, Dice, Cosine
Similarity Coefficient To Find Best Fitness
Value for Web Retrieved Documents Using
Genetic Algorithm," International Journal of
Innovations in Engineering and Technology
(IJIET), vol. 2, no. 4, pp. 202-205, 2013.
[
7]
Martin Potthast, Benno Stein, Alberto
Barrón-Cedeño, Paolo Rosso, "An Evaluation
Framework for Plagiarism Detection,"
Proceedings of the 23rd International
Conference on Computational Linguistics,
COLING 2010, 2010.
[
8]
Wael H. Gomaa, Aly A. Fahmy , "A
Survey of Text Similarity Approaches,"
International Journal of Computer Applications
, vol. 68, no. 13, pp. 13-18, 2013.
[
9]
Khadijeh Khoshnavataher, Vahid Zarrabi,
Salar Mohtaj, Habibollah Asghari , "Developing
Monolingual Persian Corpus for Extrinsic
Plagiarism Detection Using Artificial
Obfuscation," Notebook for PAN at CLEF 2015
, 2015.
[
10]
Samira Abnar, Mostafa Dehghani, Hamed
Zamani, and Azadeh Shakery, "Expanded N-
Grams for Semantic Text Alignment," Notebook
for PAN at CLEF 2014, 2014.
[
11]
Badan Pengembangan dan Pembinaan
Bahasa, Kemdikbud, "Kamus Besar Bahasa
Indonesia (KBBI)," Kemenbikbud, 2016.
[Online]. Available: http://kbbi.web.id.
[Accessed Maret 2016].
[
12]
D. Glinos, "Discovering Similar Passages
within Large Text Documents," Springer
International Publishing Switzerland , pp. 98-
109, 2014.
[
13]
T. Kuˇceˇcka, "Plagiarism Detection in
Obfuscated Documents Using an N-gram
Technique," Information Sciences and
Technologies Bulletin of the ACM Slovakia, vol.
3, no. 2, pp. 67-71, 2011.
[
14]
H. B. P. Nobertus Krisandi, "Algoritma K-
Nearest Neighbor Dalam Klasifikasi Data Hasil
Produksi Kelapa Sawit Pada PT. Minamas
Kecamatan Parindu," Buletin Ilmiah Math. Stat.
dan Terapannya (Bimaster) , vol. 02, no. 01, pp.
33-38, 2013.
[
15]
PAN, "PAN @ CLEF 2014," 2014.
[Online]. Available:
http://pan.webis.de/clef14/pan14-
web/plagiarism-detection.html. [Accessed 2
Maret 2016].
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
26
Jurnal Nasional JMII 2017
DETEKSI IMAGE FACE SPOOFING MENGGUNAKAN LOCAL
BINARY PATTERN DALAM RUANG WARNA YCBCR
Salehah Wijayanti
Fakultas Teknik Informatika, Jurusan Teknik Informatika
Universitas Telkom
Jalan Telekomunikasi No.1, Bandung, Indonesia
Abstrak
Dewasa ini, sistem keamanan menggunakan
deteksi wajah sebagai sistem autentik utama
keamanannya dapat diretas dengan mudah yaitu
dengan cara menipu, menunjukan image face
spoofing didepan kamera. Image face spoofing
diperoleh dengan gambar print wajah atau video
wajah seseorang yang memiliki ciri sama dengan
wajah asli, guna menipu sistem dan menerobos
sistem keamanan. Penelitian mengenai deteksi wajah
anti-spoofing sudah banyak dilakukan dengan
berbagai metode salah satunya dengan menggunakan
Local Binary Pattern (LBP). LBP dipahami secara
luas merupakan metode komputasi yang cukup
sederhana namun memiliki kemampuan menyimpan
informasi ciri gambar yang baik. Pada penelitian-
penelitian sebelumnya yang menggunakan metode
LBP berfokus hanya pada ruang warna grayscale
saja. Pada penelitian ini, penulis menggunakan
metode LBP yang berfokus pada analisis warna
luminansi dan kromasi dari gambar wajah dengan
menggunakan ruang warna YCbCr yang memiliki
karakteristik mendekati warna kulit manusia.
Klasifikasi yang digunakan adalah K-Nearst
Neighbour. Dataset yang digunakan pada penelitian
ini adalah NUAA Photograph Imposter Database.
Dengan pendekatan metode yang dilakukan dalam
penelitian ini, sistem berhasil mendapatkan tingkat
akurasi mencapai 84.20%.
Kata kunci:
K-Nearst Neighbour, Local Binary Pattern, ruang
warna YCbCr, Spoofing
Abstract
At present, the security system using face
detection as an authentic system of primary safety
can be hacked easily by tricking image shows the
face spoofing front of the camera. Spoofing face
image obtained by the print image or video face the
face of someone who has the same characteristics of
the original face, in order to cheat the system and
break through the security system. Research on anti-
spoofing face detection has been done by various
methods one using Local Binary Pattern (LBP). LBP
is widely understood is quite simple computational
methods but has the ability to store information
characteristic of image. In previous studies using the
method LBP focuses only on grayscale color space
only. In this study, the authors use the method of LBP
focusing on luminance and color analysis kromasi of
the facial image by using the YCbCr color space that
has characteristics closer to human skin color.
Classification used is the K-nearst Neighbour. The
dataset used in this study is NUAA imposter
Photograph Database. With the approach of the
method applied in this research, the system managed
to get an accuracy of 84.20%.
Keywords:
K-Nearst Neighbour, Local Binary Pattern, ruang
warna YCbCr, Spoofing
I. PENDAHULUAN
Tren sistem keamanan saat ini adalah
menggunakan biometric. Biometric adalah ciri yang
dimiliki oleh manusia bisa berupa sidik jari, kelopak
mata dan wajah namun, sudah bukan rahasia umum
sistem keamanan menggunakan wajah rentan adanya
spoofing attack atau penyerangan akses [2]. Beberapa
kasus terkait peretasan sistem keamanan dengan
biometric telah ditemukan salah satunya terjadi pada
sebuah demonstrasi selama Konferensi Internasional
tentang Biometric (ICB 2013), penyusup perempuan
dengan spesifik make-up berhasil membodohi sistem
pengenalan wajah [1]. Selain itu terdapat penelitian
kasus spoofing attack bahwa gambar wajah yang ada
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
27
Jurnal Nasional JMII 2017
pada jaringan sosial online memiliki resiko untuk
menipu software otentifikasi sebesar 77% yaitu
dengan menyajikan face spoofing di depan kamera
keamanan guna melewati sistem keamanan tersebut
[1]. Hal tersebut memberikan gambaran kerentanan
sistem keamanan dengan pengenalan wajah untuk
serangan spoofing.
Beberapa penelitian tentang anti- face
spoofing telah dilakukan guna meningkatkan
keamanan sistem agar mendeteksi gambar wajah
spoofing Metode-metode yang telah digunakan pada
penelitian tersebut untuk mendapatkan fitur ciri yang
berguna dalam mendeteksi gambar spoofing antara
lain menggunakan Local Binary Pattern (LBP)
[1][10], Motion Magnification [3], HOOF [4], dan
LDA [4]. Dari beberapa metode pada penelitian
tersebut, tedapat metode yang komputasinya cukup
sederhana namun memberikan hasil yang maksimal
dalam mengekstraksi ciri image face spoofing guna
mendeteksi gambar spoofing, yaitu Local binary
pattern (LBP)[10].
Mata manusia memang lebih sensitif
terhadap pencahayaan dari pada gelap, sehingga
image face spoofing masih terlihat sangat mirip
dengan yang asli sehingga sulit membedakan ketika
potongan gambar wajah yang sama dengan image
face spoofing ditampilkan atau dijejerkan dalam
warna. Namun, jika gambar diubah ke komponen
warna lain, beberapa perbedaan karakteristik sudah
dapat dilihat. Penelitian sebelumnya yang
menggunakan LBP berfokus pada ruang warna
gryscale namun membuang informasi warna yang
dapat berguna untuk membedakan image spoofing
dari yang asli [1]. Selain itu, ruang warna YCbCr
memiliki bentuk warna yang mendekati kulit
manusia. Oleh karena itu, dalam penelitian ini penulis
menggunakan metode Local Binary Pattern (LBP)
guna mengekstrak informasi warna-tekstur pada
ruang warna YCbCr untuk membedakan wajah asli
dengan spoofing.
II. KAJIAN LITERATUR
Pada penelitian ini terdapat dua kelas dalam
dataset yaitu kelas spoof (wajah palsu) dan nonspoof
(wajah asli). Gambar wajah palsu diambil dari
memperlihatkan wajah target menggunakan cetakan
wajah target (print) dihadapan kamera sistem
keamanan sehingga sudah berbeda proses
pengambilan gambar dengan pengambilan gambar
wajah asli secara langsung pada kamera keamanan.
Pengambilan ulang gambar tersebut tidak bisa secara
langsung dibedakan bila disejajarkan, sehingga perlu
mencari ciri perbedaan gambar wajah asli dengan
wajah palsu. Hal tersebut bisa dilakukan dengan
ekstraksi ciri menggunakan analisis tekstur gambar
serta analisis komponen warna luminasi dan kromasi.
Sebelum dilakukan ektraksi ciri terdapat
beberapa tahapan yaitu preprocessing, konversi
gambar ke ruang warna YCbCr, kemudian ekstraksi
ciri, dan klasifikasi. Preprocessing gambar dilakukan
dengan memotong gambar agar fokus pada area
wajah saja yang digunakan pada saat ekstraksi ciri
dilakukan.
Ruang warna YCbCr kadang disebut sebagai
YCC adalah ruang warna yang tergolong warna
spesifik aplikasi, termasuk diadopsi dari sistem TV
(YUV, YIQ), sistem foto (YCC) dan sistem print
(CMY (K)) [11]. Y adalah komponen luma, Cr adalah
selisih komponen warna merah suatu gambar dan Cb
adalah selisih komponen warna biru kroma [6].
Ruang YCbCr dapat dihitung dari nilai warna RGB.
Local Binary Pattern (LBP) merupakan
operator analisis tekstur gambar yang memiliki 2
parameter yaitu ketetanggaan (P) dan radius (R) dari
piksel tengah. LBP melakukan thresholding dengan
membandingkan nilai ketetanggaannya dengan nilai
tengah piksel. Hasil perbandingan tersebut berupa
nilai biner (1, 0) yang kemudian dijumlahan dengan
perkalian pangkat 2. Berikut persamaan dari LBP.
Gambar 13. Wajah asli dan wajah palsu pada
ruang warna RGB, grayscale dan YCbCr [5]
(1)
[8]
(2)
[8]
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
28
Jurnal Nasional JMII 2017
Dimana adalah nilai dari piksel tetangga dan
adalah nilai dari piksel pusat. Selanjutnya nilai
s(x) = 1 jika x 0 dan 0 jika sebaliknya. Nilai LBP
titik pusat merupakan nilai desimal dari rangkaian
angka biner dari piksel tetangga yang disusun searah
jarum jam [7]. Hasil dari proses ekstraksi ciri LBP
berupa histogram fitur ciri.
K-Nearest Neighbor adalah contoh
algoritma berbasis pembelajaran, dimana dataset
pelatihan (training) disimpan, sehingga klasifikasi
untuk data uji belum terklasifikasi didapatkan dengan
membandingkannya dengan data yang paling mirip
dengan training set [8]. Ada banyak cara untuk
mengukur jarak kedekatan antara data uji dengan data
lama (data training), diantaranya euclidean distance
dan manhattan distance (city block distance), yang
paling sering digunakan adalah euclidean distance.
Selain daripada itu euclidean distance mempunyai
hasil akurasi paling baik dibandingkan dengan
metode berdasarkan jarak pada klasifikasi K-Nearest
Neighbor [8]. Berikut merupakan persamaan yang
digunakan dalam mencari jarak terdekat dengan
euclidean distance.
Dimana matriks d adalah jarak skalar dari kedua
vektor x dan y dari matriks dengan ukuran n dimensi.
Pada fase training, algoritma ini hanya melakukan
penyimpanan vektor-vektor fitur dan klasifikasi data
training sampel. Pada fase klasifikasi, fitur-fitur yang
sama dihitung untuk data uji (yang klasifikasinya
tidak diketahui). Jarak dari vektor baru/ data uji
dihitung terhadap seluruh vektor training sampel dan
sejumlah K buah yang paling dekat diambil. K adalah
parmater untuk menentukan banyak data yang
diambil dari jarak terdekat. Titik data uji
klasifikasinya diprediksikan pada klasifikasi
terbanyak dari titik-titik tersebut [8].
Dataset yang digunakan yaitu NUAA
Photograph Imposter Database. Disediakan pada
dataset gambar asli langsung (cilent) dari wajah
subjek, dan dari foto subjek (imposter) [5]. Gambar
asli diambil menggunakan webcam, menghadap
kamera secara frontal. Didalam dataset yang terdapat
beberapa kategori gambar yaitu gambar dengan kaca
mata dan tidak berkacamata, lokasi di kondisi
bercahaya, kondisi dengan jendela tertutup maupun
terbuka dengan penerangan yang ada. Hal tersebut
memberikan variansi data latih dan data uji. Berikut
contoh data gambar yang terdapat di dalam dataset
dapat dilihat pada Gambar 3.
Gambar 15. Bebrapa kategori pengambilan
gambar wajah asli dan wajah palsu pada dataset
Perhitungan akurasi menggunakan
confusionmatrix serta precision dan recall digunakan
karena menggunakan data yang tidak seimbang
jumlah antara data image spoofing dengan nonspoof
[9].
III. ANALISIS DAN PERANCANGAN
Sistem deteksi image spoofing ini terbagi
menjadi dua bagian, yaitu bagian pembangunan
model dan bagian pengujian. Alur pembangunan
model digambarkan seperti dibawah ini.
Gambar 14. Ilustrasi proses LBP [5]
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
29
Jurnal Nasional JMII 2017
Gambar 16. Flowchart pembangunan Model
Gambar 17. Sistem pengujian [8]
Dataset NUAA Photograph Imposter yang
digunakanan untuk pembangunan model dengan
pengujian dibedakan namun tetap memiliki dua kelas
imposter/palsu dan client/asli. Berikut detail jumlah
dataset yang digunakan.
Tabel 10. Jumlah data gambar yang digunakan
Lebel Gambar Data Train Data Test
Imposter/Spoofing 1081 553
0
Client/NonSpoofing 1631 305
6
Jumlah 2712 858
6
Pada proses input gambar pembangunan model,
dilakukan preprocessing gambar yaitu gambar akan
dipotong pada area wajah saja. Sepeti pada gambar 5.
K
emudi
an dilanjutkan ke tahap konversi ruang warna gambar
RGB ke YCbCr. Setelah didapatkan warna YCbCr
kemudian dilakukan pemisahan per- komponen ruang
warna menjadi Y, Cr dan Cb untuk ekstraksi ciri
menggunakan Local Binary Pattern (LBP) hal ini
dilakukan guna memperoleh informasi tiap ruang
warna. Hasil dari LBP adalah histogram ciri tiap
komponen warna dengan dimensi 1x256. Histogram
warna yang telah didapat kemudian dilakukan
Equalisasi citra guna perbaikan citra dengan
pemerataan histogram dengan distribusi derajat
keabuan yang membuat citra menjadi lebih kontras
seperti gambar 7.
Gambar 19. Hasil citra yang telah diequalisasi
(atas) histogram citra telah terequalisasi (bawah)
Setelah proses tersebut kembali digabung
menjadi 1 warna YCbCr dengan panjang dimensi
1x768 dan disimpan.
Setelah proses pembangunan model,
dilanjutkan ke tahap pengujian. Proses pada tahap
pengujian kurang lebih sama dengan pembagunan
model, hanya saja perbedaannya terdapat klasifikasi
data uji (yang belum tau kelasnya) di klasifikasikan
menggunakan KNN. Tahap pengujian dilakukan 2
skenario. Skenario pengujian 1 menguji parameter
ketetanggan dan radius LBP yaitu LBP8,1 , LBP8,2 ,
dan LBP8,3. Perbedaannya ada pada area jangkauan
ciri yang diambil seperti pada gambar 8 dan skenario
peng
ujian
ke 2
adal
ah
peng
ujian
para
meter K pada KNN.
Gambar 20. Perbedaan radius pada metode LBP
Data akurasi hasil skenario 1 dapat dilihat pada
gambar grafik 9.
Gambar 18. Sampel gambar untuk
pembangunan model [5]
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
30
Jurnal Nasional JMII 2017
Gambar 21. Hasil uji parameter LBP
Paramater pada skenario 1 menggunakan
KNN, K=10. Dapat dilihat pada gambar 9 bahwa
akurasi tertinggi ada pada parameter LBP
ketetanggaan 8, dan radius 1 sebesar 83.76%. Berikut
ini grafik hasil akurasi hasil skenario 2 dapat dilihat
pada gambar grafik 10.
Gambar 22 Hasil uji parameter k pada KN
Dapat dilihat gambar grafik 10, terjadi
peningkatan akurasi pada pendeteksian image
spoofing sebesar 0.44% dari 83.76% ke 84.20%. Hal
tersebut membuktikan bahwa K=15 optimal dalam
meningkatkan akurasi deteksi image spoofing.
IV. KESIMPULAN DAN SARAN
Pendeteksian image spoofing menggunakan
analisis warna YCbCr cukup memberikan
performansi yang baik dengan LBP ketetanggan 8
dengan radius 1 sehingga berhasil mendapatkan hasil
sebesar 84.20%. Hal tersebut dikarenakan terdapat
analisis tekstur pada warna luminansi dan kromasi
yang didapat dan LBP (8,1) jangkauannya cukup
kecil sehingga memberikan informasih lebih dekat
dengan ciri aslinya, dan jangkauan yang jauh akan
menyebabkan adanya ciri yang tidak relavan . Selain
itu nilai parameter K pada KNN berpengaruh
terhadap hasil akurasi yang didaptakan yaitu bahwa
nilai K=15 merupakan parameter yang menghasilkan
akurasi tertinggi. Hal ini disebabkan K = 15 cukup
memberikan batas mendekati dengan ciri image
spoof dan nonspoof.
Untuk penelitian lebih lanjut sebaiknya
dilakukan pengujian terhadap metode LBP lain dan
raung warna yang bervariansi, serta dataset untuk
pembuatan model lebih diperbanyak agar sistem yang
dibangun lebih baik.
REFERENSI
[1] Zinelabidine Boulkenafet, J. K. 2015. ”
Face Anti-Spoofing Based On Color Texture
Analysis”. Ohlulu. Finland
[2] J. Maatta, A. Hadid, and M. Pietikainen.
2011. “Face spoofing detection from single
images using micro-texture analysis,”
International Joint Conference on Biometrics
(IJCB), pp. 1–7.
[3] S. Bharadwaj. 2013. "Computationally
Efficient Face Spoofing Detection with
Motion Magnification," CVPR2013.
[4] Erdogmus, Neils. 2013. ”Spoofing in 2D
Face Recognition with 3D Masks and Anti-
spoofing with Kinect”, Idiap Research
Institute.
[5] Parnec.Nuaa, "NUAA Photograph Imposter
Database,"
http://parnec.nuaa.edu.cn/xtan/data/nuaaim
posterdb.html, 2010.
[6] Adikara, P.P. 2014. ”Pencarian Ruang
Warna Kulit Manusia Berdasarkan Nilai
Karakteristik (Λ) Matrik Window Citra” di
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
31
Jurnal Nasional JMII 2017
Jurnal Teknologi Informasi dan Ilmu
Komputer (JTIIK).
[7] Zhao, G, dkk. 2011.“Computer Vision Using
Local Binary Pattern”.Spring.,
[8] Utomo, Endra Budi. 2015. “Pengenalan
Wajah Wanita Berkerudung Menggunakan
Metode 2DPCA dan K-Nearest Neighbor”.
Universitas Dian Nuswantoro.Semarang.
[9] T. Fawcett. 2005. "An introduction to ROC
analysis," elsevier.
[10] I. Chingovska, A. Anjos, and S. Marcel.
2012. “On the effectiveness of local binary
patterns in face anti-spoofing,” in
International Conference of the Biometrics
Special Interest Group (BIOSIG), pp. 1–7.
[11] Marko, 2003. "Colour spaces - perceptual,
historical and applicational background,".
University of Ljubljana.
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
32
Jurnal Nasional JMII 2017
PERKEMBANGAN E-GOVERNMENT INDONESIA: ANALISIS
DAFTAR LAYANAN PUBLIK
Endang Amalia
Fakultas Teknis, Jurusan Sistem Informasi
Universitas Widyatama
Jalan Cikutra No 204A Sukapada Cibeunying Kidul, Bandung, Indonesia
Abstrak
Untuk menganalisis sejauh mana perkembangan E-
Government, salah satu caranya adalah dengan
menganalisis daftar layanan publik yang sudah ada.
Analisis daftar layanan publik ini dibagi menjadi dua
bagian, yaitu analisis daftar layanan publik
perseorangan/individu dan layanan publi kelompok
atau bisnis.
Melalui riset ini, perkembangan E-Government di
Indonesia sudah bagus namun dalam
implementasinya masih ada beberapa layanan publi
yang masih menggunakan cara tradisional. Bila
fasilitas yang diberikan lengkap dan layanan bisa
diakses secara online sepenuhnya, baik pihak
peorangan ataupun bisnis dapat memanfaatkan
fasilitas-fasilitas publik tersebut lebih maksimal lagi.
Kata kunci:
Daftar Layanan Publik, E-Government,
Perkembangan
Abstract
To analyze how far is the e-government work, we can
see it through the list of public services that they
served. This analyze divided into two categories,
services for citizens and services for business.
Through this research, the development of E-
Government in Indonesia is fine but the
implementation as far is still use the traditional way
by some public services. If the facilities provided
complete and accesible onlone service completely,
both parties citizens and business can utilize public
services more maximum way.
Keywords:
List Public Services, E-Government, Development
I. PENDAHULUAN
Perkembangan E-Government di Indonesia
semakin meningkat seiring meningkatnya layanan
masyarakat dan teknologi yang berkembang saat ini.
Mulai dari layanan pemerintah untuk masyarakat
secara umum, perorangan bahkan sampai layanan
pemerintah terhadap sektor swasta yang salah
satunya adalah bisnis.
Dengan adanya e-government ini semua orang
dipaksa untuk menggunakan teknologi yang
perubahannya sangat cepat dan mempengaruhi segala
aspek di kehidupan sehari-hari. Teknologi internet
yang sudah merupakan bagian dari kegiatan sehari-
hari harus dimanfaatkan secara maksimal. Hal ini
bisa dimanfaatkan pemerintah untuk mulai
mengadopsi e-government sebagai tiang utama dalam
pelayanan publik.
Terlihat dari berbagai aktifitas yang dilakukan
masyarakat Indonesia, kini layanan pemerintah mulai
menggunakan e-government. Mulai dari pengurusan
pembuatan paspor, pelaporan pajak, website-website
pemerintahan terutama website-website kementrian
dan masih banyak lagi. Aktifitas-aktifitas inilah yang
memaksa masyarakat Indonesia untuk menggunakan
layanan publik berbasis e-government sekaligus
memaksa pemerintah untuk terus memperbaiki
layanan publik yang lebih baik lagi.
Layanan publik di dalam e-government ini
dibagi menjadi dua komponen besar yaitu layanan
publik terhadap masyarakat luas sebagai pengguna e-
government dan layanan publik terhadap sector
bisnis.
II. METODE PENELITIAN
Pertama, penulis dari paper ini akan mencari
komponen penting e-government dalam analisis
pelayanan publik dengan menggunakan google dan
menemukan daftar layanan publik untuk e-
government yang dijelaskan sebagai berikut[4][5]:
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
33
Jurnal Nasional JMII 2017
Tabel 1. Daftar Layanan Publik
Services for the Citizens Services for
Businesses
1. Income taxes
2.Job search
3. Social security benefits
4. Personal documents
5. Vehicle registration
6. Application for building
permission
7. Declaration to the police
8. Public libraries
9. Birth and marriage certificates
10. Enrolment in higher
education
11. Announcement of moving
12. Health-related services
13. Property Evaluation and
Registration
1. Social contribution for
employees
2. Corporate tax
3. VAT
4. Registration of a new
company
5. Submission of statistical
data
6. Customs declarations 7. Environment-related
permits
8. Public Procurement
Kedua, penulis dari paper ini fokus terhadap
dua daftar layanan publik diatas. Konsep ini dipilih
karena konsep ini memiliki komponen yang lengkap
untuk penelitian paper ini.
Ketiga, penulis dari paper ini mereview
beberapa abstrak dan menemukan metodologi dan
metode-metode yang digunakan oleh penulis-penulis
lainnya, konferensi-konferensi paper dan sumber-
sumber lainnya. Sebagian paper-paper memiliki
metodologi dan metode-metode yang jelas yang
dipresentasikan pada abstraksi namun sebagian lagi
tidak. Paper-paper yang memiliki kejelasan
metodologi dan metode-metode inilah yang
digunakan sebagai riset studi untuk kasus.
Kemudian, tahap berikutnya adalah
mengumpulkan istilah-istilah yang relevan untuk
pilosofi riset, metodologi dan metode dari paper-
paper hasil seleksi pada tahap sebelumnya.
Tahap keempat adalah istilah-istilah yang
didapat dari tahap sebelumnya dikategorikan sebagai
komponen penting riset untuk dianalisi dalam riset ini
dan terakhir adalah mengambil kesimpulan dari
keseluruhan riset yang sudah dilaksanakan.
III. ANALISIS DAN PERANCANGAN
Pada bab ini penulis menjabarkan klasifikasi
dari riset dan menganalisis area-area yang sudah
ditentukan pada tahap sebelumnya. Pengumpulan
data diklasifikasikan kedalam riset paradigma,
pendekatan riset, metodologi riset, metode riset dan
terakhir adalah kesimpulan.
Data yang dianalisis berdasarkan dua
kelompok konsep dibawah ini [1][2][3][5]:
a. Daftar Layanan untuk Masyarakat:
1. Income taxes
Income taxes adalah pajak penghasilan
atau sering dikenal dengan PPh
merupakan panjak yang dibebankan
pada penghasilan seseorang. Layanan
pemerintah untuk pajak penghasilan
salah satunya adalah e-filling yang
dikeluarkan oleh Direktorat Jenderal
Pajak. E-filling adalah layanan
pemerintah untuk penyampaian
pelaporan SPT (Surat Pemberitahuan)
secara online dan real time melalui
website Direktorat jenderal Pajak. Bagi
setiap masyarakat yang sudah memiliki
penghasilan wajib melaporkan e-SPT
tanpa harus datang ke kantor pajak,
cukup melalui website e-filling yang
bisa diakses melalui
www.pajak.go.id/e-filling.
2. Job search
Job search adalah suatu layanan
pemerintah secara elektronik untuk
memfasilitasi masyarakat yang sedang
mencari pekerjaan. Bursa kerja online
memang sangat banyak di Indonesia
salahsatunya adalah
www.jobstreet.co.id. Dari website yang
terpercaya sampai website yang hanya
sekedar mencantukan lowongan
pekerjaan namun informasi yang
ditampilkan kurang jelas. Bursa kerja
online resmi dari pemerintah saat ini
belum ada dikarenakan harus
direncanakan matang-matang bagi
pencari kerja dan penyedia kerja serta
spesifikasi yang dibutuhkan dan yang
ditampilkan di website.
3. Social security benefits
Social security benefits layanan
pemerintah berupa jaminan sosial atau
disebut sebagai Badan Penyelenggara
jaminan Sosial (BPJS) yang terbit 31
Desember 2013. Jaminan sosial lainnya
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
34
Jurnal Nasional JMII 2017
dari pemerintah yaitu
JaminanKesehatan nasional (JKN) yang
sistemnnya seperti asuransi kesehatan.
Kedua layanan ini dapat digunakan
masyarakat untuk berobat, imunisasi
dan sejenisnya seperti halnya asuransi
kesehatan.
4. Personal documents
Personal documentadalah arsip yang
berisi tentang data-data kependudukan
atau dikenal dengan e-KTP (elektronik
Kartu Tanda Penduduk). E-KTP
diluncurkan sejak tahun 2010. Dengan
adanya e-KTP ini penduduk hanya
diperbolehkan memiliki satu nomor
KTP saja sehingga data redudansi
penduduk bisa terhindar.
5. Vehicle registration
Vehicle registrasion atau dikenal
dengan STNK (Surat Tanda Nomor
Kendaraan) adalah layanan pemerintah
secara online mengenai pendaftaran
kendaraan. Pemerintah Indonesia belum
memiliki layanan online untuk fasilitas
ini, namun pemerintah Indonesia sudah
memiliki layanan e-SIM (elektronik
Surat Ijin Mengemudi) namun hanya
untuk pendaftarannya saja, sisanya
harus datang ke kantor polisi.
6. Application for building permission
Application for building permision
adalah layanan pemrintah untuk
memfasilitasi masyarakat indonesia
dalam hal Ijin Mendirikan Bangunan
(IBM) secara online. Fasilitas ini
sedang dalam proses yang nantinya
website ini akan terhubung dengan
instansi-instansi lain seperti Dinas dan
Suku Dinas PBB hingga tingkat yang
paling rendah.
7. Declaration to the police
Declaration to the police adalah surat
deklarasi yang disubmit secara online
ke kepolisian baik laporan kejahatan,
penipuan, pengaduan dan sejenisnya.
Laporan ini bisa masyarakat submit
melalui website: https://lapor.go.id.
8. Public libraries
Public libraries adalah perpustakaan
umum yang dimiliki oleh setiap kota-
kota di Indonesia untuk digunakan oleh
masyarakat luas. Setiap perpustakaan
dikelola oleh badan KORPRI Unit
Badan Perpustakaan dan kearsipan
daerah masing-masingyang mana setiap
pengunjung yang ingin menggunakan
layanan perpustakaan ini harus
mendaftarkan diri terlebih dahulu untuk
menjadi anggota.
9. Birth and marriage certificates
Birth and marriage certificates adalah
fasilitas yang diberikan pemerintah
untuk pembuatan akta untuk kelahiran
dan pernikahan secara online. Di
Indonesia setiap, kota/kabupaten
memiliki website ini untuk pembuatan
akta lahir dan nikah namun belum
sepenuhnya terlaksana.
10. Enrolment in higher education
Enrolment in higher education adalah
fasilitas yang diberikan pemerintah
terkait pendaftaran di perguruan tinggi.
Perguruan tinggi di Indonesia ada
perguruan tinggi negeri yang
dilaksanakan dengan jalur SNMPTN
dan jalur SBMPTN, pihak yang
menyelenggarakan langusng oleh
pemeirntah melalui panitia seleksi
nasional yang pendaftarannya dilakukan
secara online namun untuk tesnya masih
tradisional yaitu test dengan
menggunakan papersheet di ruang
kelas, kemudian yang kedua adalah
perguruan tinggi kedinasan yang
diselenggarakan oleh kementrian
ataupun non kementrian, hal yang sama
terjadi di ujian seleksi masuk ke
perguruan tinggi ini yaitu pendaftaran
bisa online namun tes dilakukan di
ruang kelas oleh peserta yang sudah
terdaftar, yang terakhir adalah
perguruan tinggi swasta, ujian saringan
untuk masuk ke perguruan tinggi swasta
ini diselenggarakan oleh perguruan
tinggi tersebut masing-masing dengan
pendaftaran bisa online dan test ujian
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
35
Jurnal Nasional JMII 2017
masuk dilakukan di ruang kelas dengan
jadwal dan tempat yang sudah
ditentukan sebelumnya.
11. Announcement of moving
Announcement of moving adalah
layanan pemerintah untuk memfasilitasi
penduduk yang pindah domisili. Untuk
pengurusan pindah domisi online E-
KTP tidak bisa online.
12. Health-related services
Health-related services adalah fasilitas
yang diberikan pemerintah dalam
layanan yang terkait dengan kesehatan
selain asuransi pada poin 3 diatas.
Fasilitas ini lebih ke rekam medis
online yang terintegrasi antar
puskesmas, klinik dan rumah sakit dna
segala pelayanan yang ada di dalamnya.
Di Indonesia, layanan ini sedang
dikembangkan. Data rekam medis saat
ini masih merupakan otoritas setiap
rumah sakit, puskesmas atau klinik.
Belum tersentralisasi.
13. Property Evaluation and Registration
Property evaluation and registration
adalah layanan pemerintah berbasis
online untuk pendaftaran dan evaluasi
properti seperti rumah, tanah,
apartemen dan gedung-gedung properti
lainnya. Di Indonesia layanan ini
sedang dikembangkan
b. Daftar layanan untuk bisnis:
1. Social contribution for employees
Social contribution for employees
adalah layanan pemerintah untuk
kelompok atau bisnis berupa kontribusi
sosial untuk pegawai kelompok atau
bisnis tersebut secara elektronik.
tanggungjawab perusahaan terhadap
karyawan meliputi aspek ekonomi,
sosial dan lingkungan. Namun
pelayanan pemerintah secara elektronik
untuk memfasilitasi hal ini belum ada,
masih dalam tahap proses.
2. Corporate tax
Corporate tax untuk perusahaan sama
dengan perorangan menggunakan E-
Filling untuk pelaporan SPT dan E-
Billing untuk pembayaran pajak per
bulan.
3. VAT
VAT (Value Added Tax) adalah pajak
pertambahan nilai yang harus
dilaporkan ke pemerintah. Di Indonesia
layanan ini masih dalam tahap
pengembangan.
4. Registration of a new company
Registration of a new company adalah
layanan pemerintah yang bersifat online
untuk registrasi perusahaan baru.
Dikelola oleh dinas perindustrian dan
perdagangan di masing-masing kota.
registrasi bisa dilakukan online namun
untuk pendaftaran sepenuhnya harus
datang ke masing-masing Dinas
Perindustrian dan Perdagangan untuk
ditindaklanjuti.
5. Submission of statistical data
Submission of statistical data adalah
fasilitas yang diberikan pemerintah
dalam hal penyampaian data statistik
yang dikelola oleh Badan Pusat
Statistik. Di website BPS
www.bps.go.id hanya menampilkan
informasi angka statistik, mulai dari
jumlah penduduk Indonesia per tahun,
Penerimaan PNBP (Penerimaan Negara
Bukan pajak), Survei kepuasan
konsumen per tahun dan permintaan
data lainnya.
6. Customs declarations
Customs declarations adalah layanan
pemerintah berupa deklarasi bea cukai
yang dilakukan oleh Direktorat jenderal
Bea dan Cukai dalam rangka
mengakomodir praktik-praktik bisnis
internasional dimana beberapa
komponen pembentuk harga barang
untuk penghitungan bea masuknya
belum dapat diketahui besaran nilainya
secara pasti pada saat penyampaian
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
36
Jurnal Nasional JMII 2017
dokumen. Fasilitas ini belum bisa
diakses secara online, masih dalam
tahap pengembangan.
7. Environment-related permits
Environment-related permits dalah
fasilitas pemerintah dalam hal ijin
terkait lingkungan yang dikelola oleh
Dinas Lingkungan Hidup daerah
masing-masing. Fasilitas ini belum bisa
diakses secara online, masih dalam
tahap pengembangan.
8. Public Procurement
Public Procurement adalah fasilitas
pemerintah dalam hal pengadaan publik
berupa barang dan jasa Layanan
Pengadaan Secara Elektronik (LPSE).
Apabila sebuah pemerintahan minimal sudah
memiliki daftar layanan publik seperti diatas, maka
layanan e-government negara tersebut sudah semakin
baik dalam pemenuhan layanan publik baik untuk
masyarakat maupun untuk bisnis. Lebih lengkap akan
lebih bagus.
Namun untuk Indonesia, seperti yang dijelaskan
setiap fasilitas layanan publik masih ada yang
setengah sudah online setengah tradisional, yang
artinya baik masyarakat maupun pelaku bisnis masih
harus datang ke tempat dimana pemerintah bisa
melayani kebutuhan masyarakat secara manual untuk
mendapatkan pelayanan publik secara menyeluruh.
IV. KESIMPULAN DAN SARAN
Dasar pengembangan e-government dimulai
dari daftar layanan publik yang disediakan pemeintah
Indonesia. Dari analisis riset yang dilakukan diatas,
layanan publik e-government di Indonesia sudah
bagus. Dua komponen layanan publik, yaitu layanan
publik perorangan dan layanan publik bisnis sudah
lengkap. Namun yang menjadi fokus untuk
mengembangakn e-government yang lebih efektif
dan efisien lagi adalah dalam hal fasilitas dan
layanan. Bila fasilitas yang diberikan lengkap dan
layanan bisa diakses secara online sepenuhnya, baik
pihak peorrangan ataupun bisnis dapat memanfaatkan
fasilitas-fasilitas publik tersebut lebih maksimal lagi.
REFERENSI
[1]. Direktorat Jenderal Pajak www.pajak.go.id/e-
billing diakses Februari 2017
[2]. Direktorat Jenderal Pajak www.pajak.go.id/e-
filling diakses Februari 2017
[3]. Kepolisian Republik Indonesia https://lapor.go.id
diakses Februari 2017
[4]. Ridley, G (2008) IT governance to improve e-
governance. In: E-gov pre-ECIS workshop, 8th
June 2008, Galway Ireland
[5]. Srinivasan and Iyyakutti (2014) Different
Methodologies and Methods of E-Governance
Using Open Source Technology: Reseach Gate
2014, Berlin German
[6].
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
37
Jurnal Nasional JMII 2017
SMART TOUR GUIDE “ANGKOT”
Azizah Zakiah, Arief Yulianto
Fakultas Teknik, Jurusan Teknik Informatika
Universitas Widyatama
Jalan Cikutra No 204 A, Bandung, Indonesia
[email protected], [email protected]
Abstrak
Bandung merupakan kota yang memiliki jalur
lalu lintas angkotan kota yang tidak sedikit. Dengan
berbagai jenis angkot yang berbeda, dan jalur trayek
yang jauh. Masyarakat terutama pendatang baru
kadang merasa sulit untuk mencari angkutan kota
yang dapat mengantarkan jalurnya. Banyak informasi
yang ada di internet, namun tidak begitu akurat.
Berbagai pengalaman dan survey, ketika naik jalur
angkot khususnya sebagai pendatang baru, sulit untuk
mengetahui dimana keberadaan kita, sehingga banyak
pendatang baru yang kebingungan dan nyasar ketika
menggunakan angkutan kota di bandung. Dengan
adanya teknologi maps, geofence, dan geolocation
yang disediakan oleh BING Maps pada platform
Windows Phone dalam bentuk API dan software
pendukungnya yaitu Microsoft Visual Studio 2013
serta SDK Windows Phone. Hal ini merupakan
keuntungan bagi pengembang, karena pengembang
dapat mengembangkan fitur teknologi tersebut untuk
mendukung program smartcity Bandung.
Kata kunci : Angkot, Maps, Geofence,
Geolocation, Bandung, Jalur Trayek, Windows Phone
Abstract
Bandung is a city that has a traffic lane of
public transportation . With a variety of different
types of public transportation , and lane stretch that
far. People especially newcomers sometimes find it
difficult to find public transportation that can deliver
its tracks . A lot of information available on the
internet , but not very accurate . Various experiences
and surveys , when riding public transportation lines ,
especially as a newcomer , it is difficult to know
where our existence , so many newcomers are
confused and stray when using public transportation
in Bandung . With the technology maps, geofence and
geolocation are provided by Bing Maps on Windows
Phone platform in the form of APIs and supporting
software is Microsoft Visual Studio 2013 and the
Windows Phone SDK . This is an advantage for the
developer , since the developer can develop the
technology features to support SmartCity program.
Keywords :
public transportation, Maps, Geofence,
Geolocatio , Bandung, Tracing Route, Windows
Phone
I. PENDAHULUAN
Mobile Aplication merupakan perangkat lunak
yang banyak digunakan oleh masyarakat kini.
Pengguna smartphone di Indonesia terus meningkat.
Bahkan, sebuah lembaga riset menyebutkan bahwa
Tanah Air berada di peringkat kelima dalam daftar
pengguna smartphone terbesar di dunia[4]. Hal ini
membuktikan bahwa masyarakat Indonesia butuh
akan penggunaan smartphone.
Bandung merupakan kota yang memiliki jalur lalu
lintas angkotan kota yang tidak sedikit. Dengan
berbagai jenis angkot yang berbeda, dan jalur trayek
yang jauh. Masyarakat terutama pendatang baru
kadang merasa sulit untuk mencari angkutan kota
yang dapat mengantarkan jalurnya. Banyak informasi
yang ada di internet, namun tidak begitu akurat.
Berbagai pengalaman dan survey, ketika naik jalur
angkot khususnya sebagai pendatang baru, sulit untuk
mengetahui dimana keberadaan kita, sehingga banyak
pendatang baru yang kebingungan dan nyasar ketika
menggunakan angkutan kota di bandung.
Adapun aplikasi yang telah bekembang seputar
tracking jalur angkot bandung yakni seperti Angkot
Bandung pada aplikasi android oleh GITS Indonesia,
lalu angkot.tibandung.com berbasis web oleh
TiBandung. Namun pada platform Windows Phone,
belum ada pengembang yang mengembangkan
informasi jalur angkot kota Bandung.
Dengan adanya teknologi maps, geofence, dan
geolocation yang disediakan oleh BING Maps pada
platform Windows Phone dalam bentuk API dan
software pendukungnya yaitu Microsoft Visual
Studio 2013 serta SDK Windows Phone. Hal ini
merupakan keuntungan bagi pengembang, karena
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
38
Jurnal Nasional JMII 2017
pengembang dapat mengembangkan fitur teknologi
tersebut untuk mendukung program smartcity
Bandung.
Penulis tertarik membuat aplikasi tentang seputar
informasi jalur trayek angkot di kota bandung
menggunakan kolaburasi teknologi maps, geofence,
dan geolocation berbasis Windows Phone, dengan
dibuatnya aplikasi tersebut, penulis berharap dapat
membantu dan mempermudah masyarakat khususnya
pendatang baru untuk mengakses informasi jalur
trayek angkotan kota di Bandung melalui smartphone
Windows Phone nya.
1.1 Identifikasi Masalah
Berdasarkan latar belakang di atas dapat
dirumuskan beberapa masalah antara lain :
1. begitu banyaknya jenis angkot di kota
bandung, banyak masyarakat masih belum
mengetahui jalur angkot kota Bandung
khususnya pendatang baru;
2. beberapa informasi jalur angkot melalui web
internet tidak detail dan tidak akurat;
3. belum ada pengembang yang mengembangkan
tracking jalur angkot di kota Bandung berbasis
platform Windows Phone.
1.2 Tujuan
Adapun tujuan perancangan penulis membuat
aplikasi ini :
1. mengembangkan informasi jalur angkot di
kota bandung;
2. memberikan akurasi informasi jalur angkot di
kota bandung;
3. mengembangkan teknologi maps, geofence,
dan geolocation berbasis Windows Phone
untuk tracking jalur angkot di kota Bandung.
1.3 Ruang Lingkup
Agar permasalahan yang di bahas lebih terfokus
dan tidak melebar, penulis membatasi permasalahan
yang akan di bahas. Adapun beberapa hal yang akan
di bahas dan dijabarkan yaitu;
1. mengembangkan aplikasi seputar informasi
jalur angkot di kota Bandung;
2. platform aplikasi berbasis mobile Windows
Phone;
3. mengembangkan kolaburasi teknologi maps,
geofence, dan geolocation pada Windows
Phone;
4. jalur angkot yang dipilih sebagai sampel
berdasarkan 4 trayek terbanyak hasil survey
yang dilakukan oleh penulis melalui online
survey (google form).
Sebagai berikut:
- angkot ST Hall – Sarijadi;
- angkot Dago – ST Hall;
- angkot Sederhana – Cimindi;
- angkot Cimahi – ST Hall.
Aplikasi bersifat online menggunakan Bing
Maps.
II. KAJIAN LITERATURE
2.1 Mobile Application
Aplikasi mobile merupakan sebuah aplikasi
yang memungkinkan anda melakukan mobilitas
dengan menggunakan perlengkapan telepon seluler,
atau smartphone. Dengan menggunakan aplikasi
mobile, anda dapat melakukan berbagai macam
aktifitas mulai dari hiburan, berjualan, akses
informasi, mengerjakan pekerjaan dan lain
sebagainya.
Aplikasi mobile menurut kamus Oxford yakni
"Program mandiri atau bagian dari perangkat lunak
yang dirancang untuk memenuhi tujuan tertentu;
aplikasi , terutama karena download oleh pengguna
untuk perangkat mobile[3].”
Biasanya jenis aplikasi terkait pada beberapa
platform yaitu:
a. Windows Phone dan Windows 8.
b. Iphone dan Ipad.
c. Android dan tablet.
Laporan Bussiness Insider yang diakses melalui
laman BusinessInsider.com pada tanggal 10 Juli
2015 mengatakan penggunaan mobile meningkat
tajam[4]. Konsumen menghabiskan banyak waktu di
ponsel. Bahkan, sebuah lembaga riset yang dilansir
detik pada 10 juli 2015 menyebutkan bahwa
Indonesia berada di peringkat kelima dalam daftar
pengguna smartphone terbesar di dunia[4]. Hal ini
membuktikan bahwa masyarakat Indonesia butuh
akan penggunaan smartphone.
2.2 Angkot Bandung
Bandung adalah Ibu Kota Propinsi Jawa Barat
dan merupakan salah satu kota terbesar di Indonesia.
Sarana transportasi umum yang ada di kota bandung
menjadi salah satu prioritas pemerintah untuk
mengatasi minat masyarakat untuk menggunakan
kendaraan umum di setiap aktivitasnya agar
mengurangi angka kemacetan. Transportasi umum di
Bandung terdapat angkutan umum atau biasa disebut
angkot.
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
39
Jurnal Nasional JMII 2017
Gambar 2.1 Angkot kota Bandung[11]
Angkutan kota (Angkot) merupakan salah satu
program transportasi massal yang memiliki masalah
klasik di bandung. Beberapa masalah yang
teridentifikasi pada angkutan kota sekarang ini adalah
tarif angkutan kota yang tidak konsisten, waktu
tempuh angkot yang sulit diprediksi, pemberhentian
angkot yang seenaknya, dan terkadang trayek angkot
tidak sesuai rute resmi. Menurut persentase Dishub
Bandung yang di publish ulang oleh KamanaweID
pada April 2015 “Angkot digunakan oleh 13,5% dari
total 2,5 juta penduduk kota Bandung”[10].
Kemacetan dan permasalahan tersebut membuat
masyarakat enggan menggunakan angkot. Penduduk
kota yang semakin banyak, dan jumlah Kendaraan
pribadi lebih banyak dari pada kendaraan umum.
2.3 Windows Phone 8.1
Windows Phone merupakan sistem operasi
mobile yang dikembangkan oleh Microsoft. Gambar
dibawah menjelaskan bahasa yang digunakan untuk
mengembangkan Windows Phone.
Gambar 2.2 Native App Development pada Windows
Phone 8.1[5]
2.3.1 Windows Phone Lifecycle
Aplikasi mobile memiliki siklus yang berbeda
dengan aplikasi desktop. Pada aplikasi mobile
siklusnya meliputi launching, running, activating,
deadactivated dan closing. Hal ini terjadi karena
spseifikasi aplikasi mobile tidak sebesar aplikasi yang
dijalankan pada desktop. Pada Windows Phone
Lifecycle gambaran siklusnya digambarkan seperti
pada gambar dibawah
. Gambar 2.3 Windows Phone Lifecycle[1]
Ketika aplikasi dijalankan, aplikasi dapat
diberhentikan setiap saat. Contoh ketika pengguna
dapat menekan tombol HOME atau melakukan hal
lain untuk membuka aplikasi lain. Dalam hal
ini, aplikasi yang akan berhenti sejenak state itu
di simpan dalam memori RAM.
Gambar 2.4 Windows Developer Platform in 8.1[1]
2.4 Teknologi Maps, Geofence dan Geolocation
Teknologi Maps, Geofence dan Geolocation
merupakan fitur yang ada pada Windows Phone
dengan menggunakan GPS sebagai fitur utama. Hal
ini sangat menguntungkan untuk developer
mengembangkan dan mengeksplor experience untuk
membangun seuah aplikasi berbasis Windows Phone.
Geofencing memungkinkan sebuah aplikasi untuk
menentukan wilayah geografis dan memiliki sistem
peringatan app bila perangkat itu berjalan pada masuk
atau keluar daerah itu.
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
40
Jurnal Nasional JMII 2017
Gambar 2.5 Maps dan Geofencing[9]
Maps dan Geofencing merupakan fitur untuk
mendeteksi lokasi dalam suatu radius tertentu. Lalu
kemudian akan dikirimkan signal notifikasi untuk
mendeteksi gps terbaca oleh ruang lingkup yang
ditentukan.
III. ANALISIS DAN PERANCANGAN
3.1 Analisis Sistem
Visual Studio 2013 Update 4 menyediakan
SDK Windows Phone untuk mendukung para
developer mengembangkan aplikasi Windows Phone.
Maps, geofence dan geolocation merupakan fitur
yang sangat bermanfaat untuk mengembangkan
aplikasi berbasis mapping atau tracking.
Rancang bangun SI-MANGKOT merupakan
hasil pengembangan sistem informasi angkot yang
sudah ada sebelumya seperti, Angkot tiBandung, Kiri,
Angkot Bandung. Dengan menggunakan teknologi
maps, geofence, dan geolocation menjadi peluang
bagi pengembang untuk mengembangkan aplikasi
pada platform Windows Phone dengan studi kasus
jalur angkot di kota Bandung.
Aplikasi ini dibuat berbasis Windows Phone
dengan Software Visual Studio 2013 Update 4
termasuk SDK Windows Phone. Untuk membuat
laporan aplikasi rancang bangun SI-MANGKOT
berbasis Windows Phone dengan menggunakan
teknologi maps, geofence, dan geolocation, Star UML
sebagai software yang digunakan untuk menganalisis
sistem aplikasi ini dan bahasa pemerograman C#.
3.1.1 Analisis Sistem Berjalan
Untuk menganalisa perancangan suatu sistem,
maka diperlukan analisis prosedur yang sedang
berjalan. Tujuannya adalah untuk mengetahui
bagaimana system yang sedang berjalan.
Gambar 3.1 Prosedur Menggunakan Angkot
Gambar diatas menjelaskan bagaimana
prosedur penggunaan angkot yang sedang berjalan
saat ini. Dari pengguna mulai menentukan tujuan,
kemudian mencari angkot hingga mendapatkan
angkot yang dituju. Supir angkot mencari
penumpang dengan cara mempromosikan angkotnya
sambil berteriak jurusan yang dituju. Setelah
mendapatkan angkot yang tepat, pengguna naik
angkot dan diantar oleh supir angkot ke tujuan
melalui rute angkot yang sudah ditentukan. Ketika
sudah sampai, penumpang turun dan membayar
ongkos.
3.1.2 Analisis Sistem Yang Akan Dibangun
Analisis sistem yang akan dibangun
menjelaskan bagaimana sistem yang akan dibuat
secara rinci. Prosedur yang akan dibangun dijelaskan
secara rinci pada flowmap dibawah.
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
41
Jurnal Nasional JMII 2017
Gambar 3.2 Prosedure Sistem Yang Akan
Dibangun Phase A
Gambar 3.3 Prosedure Sistem Yang Akan
Dibangun Phase B
3.1.3 Use Case Diagram
Usecase menjelaskan penggambaran aplikasi yang
akan dibuat secara detail dengan menggunakan
Universal Modelling Language (UML) yang
menggambarkan perancangan secara
universal.
Gambar 3.4 Use Case Diagram Aplikasi
IV. IMPLEMENTASI DAN PENGUJIAN
4.1 Lingkungan Implementasi
Lingkungan implementasi dan pengujian pada
Rancang Bangun Aplikasi SIMANGKOT Bandung
Menggunakan Kolaburasi Teknologi Maps,
Geolocation Dan Geofence dilakukan pada computer
dengan spesifikasi sebagai berikut :
1) Perangkat Keras
Kebutuhan analisis perangkat keras yang kami
gunakan untuk membangun aplikasi ini adalah
komputer atau Laptop dengan spesifikasi :
a. Processor Intel(R) Core i3-3120 CPU
@2.50GHz;
b. Memory 8.00 RAM;
c. Monitor resolusi 1366 x 768 (64 bit) (50Hz).
2) Perangkat Lunak
Sebagai perangkat lunak yang kami gunakan
untuk Rancang Bangun Aplikasi SIMANGKOT
Bandung Menggunakan Kolaburasi Teknologi Maps,
Geolocation Dan Geofence ini antaranya :
a. Windows 8 64-bit (6.1, Build 7600);
b. Visual Studio 2013 Update 4
c. SDK Windows Phone 8.0;
d. Bahasa pemrograman yang digunakan adalah
C# dan XAML;
e. API Bing Maps, Geofence dan Geolocation.
Metode Pengujian menggunakan device yang
memiliki spesifikasi sebagai berikut:
a. Device Lumia 620
b.OS Windows Phone 8.0
c. RAM 512 MB
d.Require GPS
1.1 Pembahasan Hasil Implementasi
Tampilan SplashScreen Aplikasi
SIMANGKOT
Gambar 4.1 Tampilan SplashScreen
Keterangan:
Setelah aplikasi terinstall di windows phone
8.0 saat membuka aplikasi SIMANGKOT maka akan
muncul tampilan pertama yaitu tampilan
splashscreen. Tunggu hingga aplikasi selesai
menginisialisasi sistem.
Prosedur Sistem Yang Akan Dibangun
Windows Phone StoreUser System
Phas
e B
A
Selesai
PilihAbout ?
PilihRate & Review ?
Tidak
Exit
Tidak
Tampil About
Tampil Rate & Review
Kirim Rate & Review
SIMANGKOT
A
A
Tampil Map Trayek Angkot
If Point GPS = Point Latitude & Longitude
(Rad 100 m)
Tampil Nama Jalan
Pilih Trayek Angkot ?
Ya
Tidak
Tidak
Ya
A
Tampil Nama Jalan
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
42
Jurnal Nasional JMII 2017
Tampilan MainPage Aplikasi
SIMANGKOT
Gambar di bawah merupakan hasil implementasi
aplikasi Simangkot Bandung bagian Menu Utama.
Gambar 4.2 Tampilan Menu MainPage
Aplikasi
Tampilan Maps Rute Angkot
Gambar di bawah merupakan hasil implementasi
aplikasi Simangkot Bandung bagian maps view
angkot.
Gambar 4.3 Tampilan Maps Rute Angkot
Di MainPage klik angkot Dago – Sta.Hall untuk
menampilkan rute maps trayek angkot Dago – stasiun
bandung.
Klik di appbar tombol get location.
Tombol ini berfungsi untuk menampilkan
lokasi pengguna secara realtime, lokasi
pengguna digambarkan lingkaran berwarna hijau
pada layer map.
Klik tombol +
Tombol ini berfungsi untuk melakukan
zoom in pada peta rute angkot.
Klik tombol –
Tombol ini berfungsi untuk melakukan
zoom out pada peta rute angkot.
Klik di App Bar Show Location
Menu ini berfungsi untuk menampilkan
point utama terminal hulu dan hilir.
Klik di App Bar Hide Location
Menu ini berfungsi untuk menyembunyikan
point utama terminal hulu – hilir.
V. KESIMPULAN DAN SARAN
5.1 Kesimpulan
Kesimpulan yang dapat diambil dari Rancang
Bangun Aplikasi SIMANGKOT Bandung
Menggunakan Kolaburasi Teknologi Maps,
Geolocation Dan Geofence adalah sebagai berikut;
1. Teknologi Bing Maps, Geofence dan
Geolocation dari Microsoft dapat digunakan
untuk mengembangkan aplikasi yang bisa
membantu masyarakat pengembang (Developer)
untuk program smartcity di kota Bandung.
2. Aplikasi SIMANGKOT Bandung menyediakan
informasi rute jalur angkot di sekitar kota
bandung menggunakan Maps Geolocation dan
Geofence. Teknologi ini memanfaatkan lokasi
GPS dan rute jalur angkot yang digambar secara
polyline menggunakan geocordinate di layer
Bing Maps.
3. Aplikasi SIMANGKOT Bandung memberikan
kemudahan untuk masyarakat yang masih awam
dengan informasi seputar transportasi umum di
kota Bandung khususnya angkot sekitar kota
Bandung.
5.2 Saran
Saran yang dapat diberikan berdasarkan hasil
yang telah dicapai maupun untuk pengembangan
aplikasi pada masa yang akan datang, antara lain :
1. Aplikasi ini masih menggunakan 4 sampel rute
jalur angkot, diharapkan pembaca dapat
mengembangkan aplikasi SIMANGKOT
Bandung.
2. Fitur SIMANGKOT Bandung dapat ditambah
dengan fitur pencarian awal dan akhir sebagai
pencarian jalur angkot terdekat.
Saran dan kesan harap kirimkan ke pengembang
melalui install aplikasi SIMANGKOT Bandung for
Windows Phone di url http://bit.ly/wp8-simangkot
lalu beri rate dan review aplikasi SIMANGKOT
Bandung.
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
43
Jurnal Nasional JMII 2017
REFERENSI
[
1]
R. T. Andy Wigley, M5: Windows Phone 8
Application Lifecycle, Seattle: Microsoft Corporation,
2012.
[
2]
Irwanto, "Sistem Teknologi Informasi," in Sistem
Teknologi Informasi, Yogyakarata, Andi Offset, 2006,
p. 48.
[
3]
Oxford University Press, "Definition of app in
English," 20 Juni 2015. [Online]. Available:
http://www.oxforddictionaries.com/definition/english/a
pp.
[
4]
T. Heriyanto, "Indonesia Masuk 5 Besar Negara
Pengguna Smartphone," in Detik Inet, Jakarta, 2015.
[
5]
L. McCarthy, "Introduction to mobile app
development," in Microsoft Virtual Academy, Seattle,
2014.
[
6]
E. Brinks, "Mobile App Development Life
Cycle," Cubix Labs. Inc., 16 Juni 2012. [Online].
Available: http://www.socialcubix.com/blog/mobile-
app-development-life-cycle. [Accessed 20 Juni 2015].
[
7]
W. Setiawan, "Geolocation di Windows Phone,"
15 April 2015. [Online]. Available:
https://wirasetiawan29.wordpress.com/2015/04/24/geo
location-di-windows-phone/. [Accessed 20 Juni 2012].
[
8]
Microsoft, "Introduction to the Geolocation API,"
Microsoft Developer Network, 1 January 2012.
[Online]. Available: https://msdn.microsoft.com/en-
us/library/ie/gg589513%28v=vs.85%29.aspx.
[Accessed 20 Juni 2015].
[
9]
M. Shapiro and A. Wigley, "Maps, Geolocation
and Geofencing," Building Apps for Windows Phone
8.1 Jump Start, pp. 2-35, 30 April 2014.
[
10]
Bonaditya, "Daftar Angkutan Umum Di Kota
Bandung," Infobdg, 17 Maret 2015. [Online].
Available: http://www.infobdg.com/v2/info-
kota/transportasi/trayek-angkot-bandung/. [Accessed
20 Juni 2015].
[
11]
Trifa News, "Rute Angkot Bandung," 26 Maret
2011. [Online]. Available: http://trifanews.com/rute-
angkot-bandung.html. [Accessed 27 Juni 2015].
[
12]
A. Nugroho, Rekayasa Perangkat Lunak
Menggunakan UML dan Java, Bandung: Andy, 2005.
[
13]
TIM Proyek 2, Pedoman Proyek 2 Teknik
Informatika DIII, Bandung: Politeknik Pos Indonesia,
Teknik Informatika, 2014.
[ A. Rouf, "Pengujian Perangkat Lunak Dengan
14] Menggunakan Metode White Box Dan Black Box,"
Sistem Informasi – STMIK HIMSYA Semarang, pp. 3-
5, 2012.
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
44
Jurnal Nasional JMII 2017
DIGITAL REMINDER CUSTOMER PAYMENT
Hari Supriyadi
Fakultas Teknik, Program Studi Sistem Informasi Universitas Widyatama Bandung
Abstrak
Pada saat ini perkembangan teknologi
membawa dampak yang sangat besar terhadap
kehidupan sehari-hari termasuk pada Toko XYZ.
Toko XYZ adalah sebuah perusahaan dagang
yang bergerak di bidang fashion. Saat ini Toko
XYZ belum memanfaatkan teknologi yang
mampu memberikan pelayanan kepada
pelanggan, khusunya dalam memberikan
informasi produk-produk fashion, dan dalam
mengingatkan para pelanggan dalam hal jatuh
tempo pembayaran. Akibatnya para pelanggan
Toko XYZ yang berada di luar kota dan luar
pulau jawa sering ketinggalan informasi produk-
produk baru yang dimiliki oleh toko, dan pihak
toko sering lupa dalam mengingatkan para
pelanggannya dalam hal jatuh tempo
pembayaran.
Pada Penelitian ini, peneliti mecoba
mengimplementasikan teknologi informasi dalam
membantu kinerja Toko XYZ, dengan
membangun Digital Reminder Customer
Payment. Peneliti berharap dengan dibangunnya
aplikasi ini dapat membantu toko dalam
mengenalkan produk-produk terbarunya kepada
pelanggan, serta mampu membantu dalam
mengingatkan para pelanggan dalam hal jatuh
tempo pembayaran.
Kata kunci : Reminder Customer Payment
Abstract
In the current technological developments
bring enormous impact on everyday life including
the XYZ Stores. XYZ Store is a trading company
engaged in the field of fashion. Currently XYZ
Store not utilize technology capable of providing
services to customers, especially in providing
information fashion products, and to remind the
customer in terms of the payment due date. As a
result, customers XYZ shop who are out of town and
out of the island of Java often miss new products
information owned by the store, and the store often
forget to remind its customers in terms of the
payment due date.
This research tries to implement
information technology in helping performance
XYZ Stores, with build-Based Digital Payment
Customer Reminder. The research hopes that with
the construction of this application can help store in
introducing new products to the customer, and is
able to assist in alerting the customer in terms of the
payment due date.
Key word: Reminder Customer Payment
I. PENDAHULUAN
1.1 Latar belakang
Toko XYZ merupakan salah satu usaha yang
bergerak dibidang fashion yang menjual berbagai
macam jenis jaket, celana, kemeja, atasan dan
lainnya. Toko ini berdiri sejak tahun 1960, pada
awalnya toko ini hanya menjual secara eceran dan
masih pedagang kaki lima. Seiring berkembangnya
zaman semakin berkembang juga usaha yang dimiliki
oleh toko ini dan semakin banyak pelanggan yang
datang ke toko ini. Pada awal tahun 2000 toko ini
mempunyai tempat yang cukup besar beralamatkan di
Jalan Arjuna No. 19 Ciroyom Bandung. Sekarang
toko tersebut berpindah haluan yang awalnya menjual
secara eceran, sekarang sudah menjadi toko grosir.
Toko XYZ berdagang mengikuti prinsip dan
konsep bisnis orang Cina yang bertekad kuat untuk
maju, jujur, adil, ramah kepada para pelanggan dan
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
45
Jurnal Nasional JMII 2017
memiliki Etos kerja yang sangat tinggi, sehingga toko
ini mampu berkembang dan memiliki pelanggan yang
cukup banyak. Selain dari daerah sendiri (Bandung)
Toko XYZ juga memiliki pelanggan yang berasal
dari luar kota seperti Jakarta, Surabaya, Bogor
bahkan ada yang dari luar Pulau Jawa. Pelanggan
yang mempunyai jarak yang dekat dengan toko
biasanya langsung datang ke toko akan tetapi untuk
pelanggan yang jauh biasanya memesan produk lewat
telephone seluler, mereka datang ke toko hanya
sesekali saja, itupun jika ada produk-produk baru.
Berdasarkan informasi yang diperoleh dari
pemilik toko, pelanggan yang paling besar yaitu
pelanggan yang berasal dari luar pulau Jawa, karena
pelanggan yang berasal dari luar pulau Jawa mereka
memesan produk sangat banyak sekali dengan budget
lebih dari Rp 100.000.000,- sekali belanja bahkan
bisa melebihi. udget yang sebelumnya mereka
siapkan, oleh karena itu pihak toko memberi
keringanan dalam hal pembayaran dan biasanya
pelanggan membayar 80% dari jumlah produk yang
dipesan, untuk sisanya para pelanggan membayar
secara mengangsur dengan melakukan perjanjian
pembayaran kapan mereka akan membayar sisanya.
Namun seringkali mereka lupa kapan mereka
harus membayar sisa uang yang belum mereka bayar.
Untuk membantu pihak toko dalam
mengenalkan produk-produk fashion sekaligus
mengingatkan para pelanggannya yang melakukan
transaksi pembelian produk fashion secara
mengangsur, maka pihak toko perlu memanfaatkan
teknologi informasi, salah satunya aplikasi yang bisa
memberikan solusi terhadap hal di atas. Selama ini
Toko XYZ belum mempunyai aplikasi tersebut,
sehingga para pelanggan kesulitan dalam mengetahui
produk-produk terbaru, dan pihak toko mengalami
kendala terutama dalam hal memberikan konfirmasi
jatuh tempo pembayaran terhadap pelanggan.
Berdasarkan uraian diatas, sebaiknya Toko XYZ
mengimplementasikan teknologi informasi dalam
membantu kinerja perusahaan.
1.2 Identifikasi Masalah
Berdasarkan latar belakang tersebut, peneliti
dapat mengidentifikasi masalah-masalah sebagai
berikut :
a. Pelanggan selalu ketinggalan informasi
tentang produk-produk terbaru yang dimiliki
Toko XYZ terutama pelanggan yang berada
diluar Pulau Jawa.
b. Belum adanya sistem pemberitahuan yang
realtime yang mampu memberitahu pelanggan.
1.3 Rumusan Masalah
Berdasarkan identifikasi masalah tersebut
penyusun dapat merumuskan permasalahan sebagai
berikut :
1. Bagaimana cara menyajikan informasi yang baik
kepada para pelanggan supaya para pelanggan
tidak ketinggalan informasi produk Toko XYZ.
2. Bagaimana cara membangun Media Digital
Customer Payment di Toko XYZ ?
II. KAJIAN LITERATUR
2.1 Konsep Dasar Perangkat Lunak
Perangkat lunak (software) adalah program
komputer yang berfungsi sebagai penghubung antara
pengguna (user) dan perangkat keras (hardware).
Perangkat lunak (software) bisa dikatakan juga
sebagai “penerjemah” perintah-perintah yang
dijalankan pengguna komputer untuk diproses oleh
perangkat keras (hardware).
Perangkat lunak adalah : (1) perintah (program
komputer) yamg bila dieksekusi memberi fungsi dan
ujuk kerja seperti yang diinginkan. (2) struktur data
yang memungkinkan program memanipulasi
informasi secara proporsional, dan (3) dokumen yang
menggambarkan operasi dan kegunaan program
(Andi Kristanto, 2004).
2.2 Definisi Rekayasa Perangkat Lunak
Secara umum rekayasa perangkat lunak
(software engineering) memiliki pengertian sebagai
sebuah disiplin ilmu yang menerapkan teori-teori
dasar bidang tertentu, kedalam sebuah perangkat
lunak (software) yang digunakan sebagai alat bantu
pemecahan masalah atau proses pengambilan
keputusan.
Rekayasa perangkat lunak (software
engineering) adalah Suatu disiplin ilmu yang
mengintegrasikan proses atau prosedur, metode, dan
perangkat tools untuk pembangunan perangkat lunak
computer. (Roger S.Pressman, 97)
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
46
Jurnal Nasional JMII 2017
2.3 Model Pengembangan Perangkat Lunak
Pemodelan rekayasa perangkat lunak (software
engineering) merupakan kegiatan yang dilakukan
pada tahap awal dalam rekayasa perangkat lunak.
Pemodelan ini berpengaruh terhadap hal-hal yang
akan dikerjakan dalam pembangunan perangkat lunak
(software). Pemodelan rekayasa perangkat lunak
memiliki beberapa model diantaranya :
1. Waterfall
2. Prototype
3. Spiral
4. RAD ((Rapid Application Development)
Dalam pembangunan Digital Reminder
Customer Payment peneliti menggunakan model
yaitu model waterfall.
2.4 Pemodelan Waterfall
Teknik pemodelan waterfall atau linear
sequential model merupakan model yang
dikembangkan untuk pengembangan perangkat lunak
dan membuat perangkat lunak. Pemodelan ini
berkembang secara sistematis dari satu tahap ke tahap
lain seperti air terjun.
Setiap tahapan pada model waterfall ini akan
menghasilkan keluaran yang diperlukan sebagai
bahan masukan untuk melanjutkan ketahap
berikutnya, atau sebagai umpan balik untuk
memperbaiki kekurangan atau kesalahan yang
mungkin ada ditahap sebelumnya.
Berikut ini mengilustrasikan model waterfall yang
disampaikan oleh Pressman 1997.
Analysis Design Code Test
Pemodelan sistem
informasi
Gambar 1 Model Sekuensial Liner (Waterfall Model)
2.5 Alat Bantu Analisis
Alat bantu analysis perangkat lunak memberi
topangan yang otomatis atau semi otomatis pada
proses-preses dan metode-metode yang ada. jika
suatu tools terintegrasi, maka informasi yang
dihasilkan oleh tools tersebut dapat digunakan oleh
tools yang lain dalam suatu sistem perangkat lunak.
Adapun tools dalam perancangan terstruktur adalah
sebagai berikut :
1. Diagram hubungan antar entitas (Entity
Relationship diagram/ERD)
2. Diagram aliran data (Data Flow Diagram/DFD)
3. Kamus data (Data Dictionary)
2.6 Basis Data
Basis data terdiri atas 2 kata, yaitu basis dan
data. Basis dapat diartikan sebagai markas atau
gudang, tempat bersarang atau berkumpul.
Sedangkan data adalah representasi fakta dunia nyata
yang mewakili suatu objek seperti manusia (pegawai,
pembeli, pelanggan), barang, hewan, peristiwa,
konsep, keadaan, dan sebagainya, yang direkam
dalam bentuk angka, huruf, symbol, teks, gambar,
bunyi dan kombinasi.
Basis data sendiri dapat didefinisikan dalam
sejumlah sudut pandang seperti :
1. Himpunan kelompok data (arsip) yang saling
berhubungan yang diorganisasi sedemikian rupa
agar kelak dapat dimanfaatkan dengan mudah.
2. Kumpulan data yang paling berhubungan yang
disimpan secara bersama sedemikian rupa dan
tanpa pengulangan (redundasi) yang tidak perlu,
untuk memenuhi berbagai kebutuhan.
3. Kumpulan file/tabel/arsip yang saling
berhubungan yang disimpan dalam media
penyimpanan elektronis. (Fatansyah, 1999)
III. ANALISIS DAN PERANCANGAN
DIGITAL CUSTOMER REMINDER
PAYMENT
3.1 Analisis Digital Customer Reminder
Payment
Analisis dalam pengembangan perangkat lunak
(software development), merupakan kegiatan untuk
mengindentifikasikan dan mendefinisikan semua
kebutuhan pengguna yang diperoleh dari hasil
wawancara dan observasi. Adapun kegiatan
pembangunan perangkat lunak tersebut dimulai dari
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
47
Jurnal Nasional JMII 2017
tahap analisis kebutuhan data, analisis kebutuhan
fungsional, dan analisis pemodelan yang mencakup
ERD, DFD, dan kamus data.
3.1.1 Diagram Konteks (Context Diagram)
Diagram konteks (context diagram) merupakan
diagram yang menggambarkan ruang lingkup suatu
sistem, baik untuk menggambarkan seluruh input ke
sistem ataupun output ke sistem. Adapun diagram
konteks yang menggambarkan ruang lingkup Digital
Reminder Customer Payment adalah sebagai berikut :
Administrator PelangganAplikasi Reminder
Customer Payment
Data Login
Verifikasi Login
Detail Data Produk
Data Pesanan Produk
Data Perjanjian
Report Jatuh Tempo Pembayaran
Detail Data Login
Detail Data Produk
Detail Data Pesanan
Detail Data Perjanjian
Data Login
Verifikasi Login
Data Pelanggan
Data Produk
Detail Data Pelanggan
Detail Pesanan Produk
Cetak Data Pesanan
Gambar 2 Context Diagram
3.1.2 DFD Level 1
DFD level 1 menggambarkan fungsi-fungsi
utama atau menunjukan proses, aliran data dan
external entity. Adapun DFD level 1 untuk Digital
Reminder Customer Payment adalah sebagai berikut.
2.0
Kelola Data
Pelanggan
3.0
Kelola Data
Produk
Administrator
Pelanggan
Tabel Pelanggan
Data Produk
Detail Data Produk
Tabel Data Produk
Data Perjanjian
Tabel Data Perjanjian
Detail Data PesananData Pesanan Produk
Detail Data Perjanjian
Detail Data Login
5.0
Kelola Data
Perjanjian
Report Jatuh Tempo Pembayaran
4.0
Kelola Data
Pesanan
Detail Data Produk
Data Pelanggan
Tabel Data Pesanan
1.0
Kelola Data
Login
Data Login
Detail Data Login
Verifikasi Login
Verifikasi Login
Data Login
Tabel Login
Detail Pesanan ProdukCetak Data Pesanan
Gambar 3 Data Flow Diagram
3.1.3 EntityRelationship Diagram
Entity Relationship Diagram (ERD) merupakan
notasi grafik dari sebuah model data atau sebuah
model jaringan yang menjelaskan tentang data yang
tersimpan dalam sistem secara abstrak. Adapun ERD
yang menunjukan hubungan antar entitas yang ada
pada perangkat lunak yang dibangun adalah sebagai
berikut:
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
48
Jurnal Nasional JMII 2017
Harga
MemesanPelanggan Produk
Id Pelanggan
N N
Nama
PelangganKata Sandi
Alamat
No HP
Id Pengguna Id Produk
Jumlah produk Deskripsi Ukuran
Deskripsi
Nama Produk
Id Produk
Perjanjian
Mengisi
Total Belanja
1
1
Id Pelanggan No.Registrasi
No.Registrasi
Cicilan
Bayar
Uang Muka
Gambar 4 Entity Relationship Diagram
3.2 Perancangan Digital Customer Reminder
Payment
Perancangan dalam membangun perangkat
lunak merupakan kegiatan untuk mengontruksikan
sebuah sistem yang sesuai dengan kebutuhan
pengguna yang didapat dari hasil analisis, agar
perangkat lunak yang dibangun dapat memberikan
kepuasan bagi pengguna perangkat lunak yang
dibangun tersebut.
3.2.1 Rancangan Antarmuka
Rancangan antarmuka merupaan tahapan
dimana perancangan aplikasi yang sudah
dipersiapkan kemudian ditampilkan menjadi
antarmuka antara pengguna dengan aplikasi. Adapun
rancangan antarmuka dari Digital Reminder
Customer Payment adalah sebagai berikut:
1. Halaman Login
Masuk
Gambar Slide
Id Pengguna
MUSCAT CORPORATION
Kata Sandi
Copyright 2014. Toko Muscat. Corporation. 3 Brother
LOGO
Gambar 5 Halaman Login
2. Halaman Menu Utama Administrator
Selamat Datang di Toko Muscat
GROSIR FASHION
JL ARJUNA NO. 19 BANDUNG
Hp: 085720216657, 081321474807, 082118209942
BCA : 28 10 21 6002
MANDIRI : 13-000-10-505-629
BNI : 01 99519959
Copyright 2014. Toko Muscat. Coorporation. 3 Brother
LOGO
Gambar
Data Perjanjian Data Login Data Produk LogoutData Pelanggan
Gambar 7 Menu Utama Adminstrator
3. Halaman Menu Utama Pelanggan
Produk
Selamat Datang di Toko Muscat
GROSIR FASHION
JL ARJUNA NO. 19 BANDUNG
Hp: 085720216657, 081321474807, 082118209942
BCA : 28 10 21 6002
MANDIRI : 13-000-10-505-629
BNI : 01 99519959
Copyright 2014. Toko Muscat. Coorporation. 3 Brother
LOGO
Gambar
Keranjang Logout
Gambar 8 Menu Utama Pelanggan
4. Halaman Produk
Gambar GambarGambar
Produk
Copyright 2014. Toko Muscat. Coorporation. 3 Brother
LOGO
Keranjang Logout
Gambar GambarGambar
Gambar 9 Halaman Produk
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
49
Jurnal Nasional JMII 2017
5. Halaman Pemesanan
Produk
Copyright 2014. Toko Muscat. Coorporation. 3 Brother
LOGO
Keranjang Logout
Gambar
Nama Produk
Ukuran S, M, L & XL
Harga
Warna Hitam, Coklat, hijau dan Abu
Beli Kembali
Jumlah
Form Pemesanan
Deskripsi
Gambar 10 Halaman Pemesanan
6. Halaman Keranjang
Produk
Copyright 2014. Toko Muscat. Coorporation. 3 Brother
LOGO
Keranjang Logout
Data Pesanan
Identitas
Nama :
Alamat :
No HP :
Pesanan
Total Rp :1.xxx.xxx.xxx Kontan KreditCara Pembayaran
No Nama Produk Jumlah Harga Deskripsi
1 Urban Tanduk 100 63000 campur Batal
2 Mayer Cewe 50 65000 campur Batal
3
4
5
Gambar 11 Halaman Keranjang
7. Halaman Perjanjian
Produk
Copyright 2014. Toko Muscat. Coorporation. 3 Brother
LOGO
Keranjang Logout
Rp : 1.xxx.xxx.xxx Total Pesanan
Silahkan isi form perjanjian dibawah
Uang Muka Rp :
Sisa
TGL/BLN/THN
Maksimal 2 kali cicilan
Cicilan Pertama
TGL/BLN/THNCicilan Kedua
Rp :
Keterangan :
Rp :
Rp :
Anda akan mendapatkan
pemberitahuan berupa
pesan lewat sms. Pesan
tersebut hanya untuk
mengingatkan anda dalam
hal pembayaran cicilan.
Ok
Nama
No. HP
Bang Zamal
081321xxxxxxNo. Reg
Gambar 12 Halaman Perjanjian
8. Halaman Data Perjanjian
Copyright 2014. Toko Muscat. Coorporation. 3 Brother
LOGO
NO No. Reg Nama No. HP Total Belanja Uang Muka Cicilan 1 Bayar 1 Cicilan 2 Bayar 2 Detail
1 1Bang Beni 085624xxxxxx Rp200,000,000Rp150,000,000 26-Nov-88Rp25,000,000 3-Dec-88Rp25,000,000
2 2Bang Zamal 081321xxxxxx Rp250,000,000Rp200,000,000 27-Nov-88Rp25,000,000 4-Dec-88Rp25,000,000
3 3Anto D_zone 088812xxxxxx Rp20,000,000 Rp15,000,000 28-Nov-88 Rp2,500,000 5-Dec-88 Rp2,500,000
4 4Andre Dago 087816xxxxxx Rp10,000,000 Rp8,000,000 29-Nov-88 Rp1,000,000 6-Dec-88 Rp1,000,000
5 5Mang Asep 089981xxxxxx Rp50,000,000 Rp40,000,000 30-Nov-88 Rp5,000,000 7-Dec-88 Rp5,000,000
6
7
8
9
10
11
12
13
14
15
CARI
DataPerjajian
Data Perjanjian Data Login Data Produk LogoutData Pelanggan
Transaksi Hari ini
Gambar 13 Halaman Data Perjanjian
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
50
Jurnal Nasional JMII 2017
9. Halaman Data Pesanan
Copyright 2014. Toko Muscat. Coorporation. 3 Brother
LOGO
Data Pesanan
Identitas
Nama :
Alamat :
No HP :
Pesanan
Total Rp :1.xxx.xxx.xxx Download Kembali
N o N a m a P ro d u k J u m l a h H a rg a D e s k ri p s i
1 U rb a n T a n d u k 100 63000 ca m p u r
2 M a y e r C e w e 50 65000 ca m p u r
3
4
5
Data Perjanjian Data Login Data Produk LogoutData Pelanggan
Gambar 14 Halaman Data Pesanan
10. Halaman Data Login
Copyright 2014. Toko Muscat. Coorporation. 3 Brother
N O I d P e n g g u n a K a t a S a n d i S t a t u s R e v i s i D a t a
1 b e n i r j b i s t i m e w a A d m i n e d i t | h a p u s
2 d _ z a m a l l u a r b i a s a p e l a n g g a n e d i t | h a p u s
3 a n t o d _ z o n e b u k a d o n g p e l a n g g a n e d i t | h a p u s
4 a n d r e _ d a g o d i t u n g g u a n p e l a n g g a n e d i t | h a p u s
5 m a s e p s i k a s e p p e l a n g g a n e d i t | h a p u s
6 u n i _ e l o p e n p l i s p e l a n g g a n e d i t | h a p u s
7 n i n a 0 7 n i n 4 b 4 h e n o l p e l a n g g a n e d i t | h a p u s
8 b _ i s n u 9 e l 1 5 p e l a n g g a n e d i t | h a p u s
9
1 0
1 1
1 2
1 3
1 4
1 5
Tambah CARI
Data Login
LOGO
Data Perjanjian Data Login Data Produk LogoutData Pelanggan
Gambar 15 Halaman Data Login
11. Halaman Tambah Data Login
Copyright 2014. Toko Muscat. Coorporation. 3 Brother
LOGO
Data Baru
Nama
Alamat
No. Handphone
ID Pengguna
Kata SAndi
Konfirmasi
Simpan Kembali
Data Perjanjian Data Login Data Produk LogoutData Pelanggan
Data Pelanggan
Data Login
Status Admin / pelanggan
Gambar 16 Halaman Tambah Data Login
12. Halaman Ubah Data Login
Copyright 2014. Toko Muscat. Coorporation. 3 Brother
LOGO
Pembaruan Data
ID Pengguna
Kata SAndi
Konfirmasi
Simpan Kembali
Data Perjanjian Data Login Data Produk LogoutData Pelanggan
Gambar 17 Halaman Ubah Data Login
13. Halaman Data Pelanggan
Copyright 2014. Toko Muscat. Coorporation. 3 Brother
N O Id P e langgan N am a A lm at N o Handphone Re visi Data
1 be ni rjb istim e w a A dm in 81231453678 e dit | hapus
2 d_zam al luar b iasa pe langgan 81231453678 e dit | hapus
3 anto d_zone buka dong pe langgan 81231453678 e dit | hapus
4 andre _dago ditungguan pe langgan 81231453678 e dit | hapus
5 m ase p si kase p pe langgan 81231453678 e dit | hapus
6 uni_e l ope n p lis pe langgan 81231453678 e dit | hapus
7 nina 07 nin4 b4he nol pe langgan 81231453678 e dit | hapus
8 b_is nu9e l15 pe langgan 81231453678 e dit | hapus
9
10
11
12
13
14
15
CARI
Data Login
LOGO
Data Perjanjian Data Login Data Produk LogoutData Pelanggan
Gambar 18 Halaman Data Pelanggan
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
51
Jurnal Nasional JMII 2017
14. Halaman Data Produk
Produk
Copyright 2014. Toko Muscat. Coorporation. 3 Brother
Keranjang Data Perjanjian Data Login Data Produk Logout
LOGO
Data Baru
Id_Produk
Nama
Ukuran
Harga
Warna
Tipe / Jenis
Simpan Kembali
Foto Chose Foto
Gambar 19 Halaman Data Produk
15. Halaman Ubah Data Produk
Produk
Copyright 2014. Toko Muscat. Coorporation. 3 Brother
Keranjang Data Perjanjian Data Login Data Produk Logout
LOGO
Perbarui Data
Id_Produk
Nama
Ukuran
Harga
Warna
Tipe / Jenis
Simpan Kembali
Foto Chose Foto
Gambar 20 Halaman Ubah Data Produk
3.2.2 Perangkat Pengembangan dan
Implementasi
Dalam membangun perangkat lunak,
dibutuhkan sumber daya yang dapat menunjang
kegiatan membangun perangkat lunak tersebut.
Sumber daya tersebut terdiri dari perangkat keras
(hardware), perangkat lunak (software), serta sumber
daya manusia (brainware).
1. Lingkungan Perangkat Keras
Perangkat keras (hardware) yang dibutuhkan
untuk mendukung kegiatan pengembangan perangkat
lunak yang dibangun agar dapat digunakan dengan
baik, minimal memiliki konfigurasi sebagai berikut:
1. Processor berkecepatan minimal 1,4 Ghz (Giga
Heartz)
2. Random Acces Memory (RAM) 2 Ghz (Giga
Heartz)
3. Harddisk dengan kapasitas free 40 GB (Giga
Byte)
4. Alat input, yaitu keyboard, mouse, dan flashdisk
5. Alat output, yaitu monitor, printer, modem GSM
2. Lingkungan Perangkat Lunak
Perangkat lunak (software) yang dibutuhkan
sebagai penunjang dalam kegiatan pengembangan
perangkat lunak yang dibangun adalah sebagai
berikut:
1. Sistem operasi Windows XP/7
2. XAMPP
3. Macromedia Dreamweaver 8
4. Adobe Photoshop CS2
3. Sumber Daya Manusia
Sumber daya manusia (brainware) dalam
pengembangan perangkat lunak memiliki peranan
yang sangat penting, diperlukan sumber daya
manusia yang berpotensi untuk mengelola aplikasi
tersebut. Adapun sumber daya manusia yang
dibutuhkan dalam pengembangan perangkat lunak ini
adalah sumber daya manusia yang memiliki
keunggulan dalam mengoperasikan komputer,
memiliki pengetahuan dan menguasai bahasa
pemrograman yang digunakan dalam membangun
aplikasi ini.
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
52
Jurnal Nasional JMII 2017
3.2.3 Pengujian
Dalam tahap pengujian perangkat lunak
yang dibangun ini peneliti menggunakan metode
black box, pengujian metode black box merupakan
metode pengujian yang berfokus pada persyaratan
fungsional aplikasi.
IV. KESIMPULAN DAN SARAN
Kesimpulan yang dapat diambil dari penelitian
ini antara lain adalah sebagai berikut :
1. Aplikasi ini dibangun dengan menggunakan
model waterfall yaitu melalui tahapan-tahapan
mulai dari analisis, perancangan, pengkodean,
sampai ke tahap pengujian (testing), tahapan-
tahapan itu dilakukan untuk mempermudah
dalam pembuatan aplikasi ini.
2. Aplikasi yang dibangun memiliki kemampuan
untuk menyajikan informasi mengenai produk-
produk yang dimiliki oleh Toko XYZ, yang
dapat diakses melalui internet, sehingga
mempermudah para pengunjung atau pelanggan
Toko XYZ dalam membeli atau memesan
produk yang diinginkannya. Data yang dipesan
akan diterima oleh pihak toko dan akan ditindak
lanjuti.
3. Digital Reminder Customer Payment diterapkan
pada aplikasi ini, yaitu dengan mengisi form
perjanjian yang sudah tersedia untuk
mengingatkan para pelanggan dalam hal jatuh
tempo pembayaran. Sehingga pihak toko tidak
direpotkan dengan para pelanggannya yang lupa
membayar sisa pembayaran.
REFERENSI
Pressman. Roger. S, Ph. D. 202 Rekayasa
Perangkat Lunak (pendekatan praktisi buku
satu). Yogyakarta; ANDI
Fatansyah. 1999. Basis Data. Bandung:
Informatika.
Ann Wan Seng. 2013 Rahasia Bisnis Orang Cina.
Noura Books.
Andri Kristanto. 2004. Rekayasa Perangkat Lunak
(Konsep Dasar) Yogyakarta; Gava Media.
Sutarman. 2007. Membangun Aplikasi Web dengan
PHP & MySql.Yogyakarta: Graha Ilmu
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
53
Jurnal Nasional JMII 2017
SISTEM INFORMASI PEMASARAN BERBASIS WEB E-COMMERCE
PADA UMKM BINAAN HPP KABUPATEN PANGANDARAN
(STUDI KASUS UMKM SIMPATI COLLECTION)
Muhammad Benny Chaniago1), Asep Nuryanto2)
1), 2) Sistem Informasi Universitas Widyatama Bandung
Jl Cikutra 204A, Bandung 40125
Email : [email protected]), [email protected])
Abstrak
Simpati Collection merupakan suatu usaha dalam
bidang penjualan produk baju dan celana khas
Pangandaran. Saat ini Simpati Collection dalam
kegiatan promosi dan pemasaran produk masih
dengan cara statis yaitu dengan membuka toko di
kawasan pangandaran saja. Hal ini menyebabkan
ruang lingkup pemasaran masih belum luas dan
lambat serta komunikasi kepada pelanggan dan
calon pelanggan masih belum efisien. Oleh karena
itu Simpati Collection membutuhkan sistem informasi
yang lebih modern agar proses promosi dan
pemasaran bisa lebih luas dan lebih cepat serta lebih
efisien dalam berkomunikasi dengan pelanggan dan
calon pelanggan. Selain itu Simpati Collection ingin
menghadirkan inovasi baru di bidang penjualan baju
dan celana khas pangandaran dengan sistem
pemasaran e-Commerce.
Metode yang diusulkan dalam pengembangan sistem
menggunakan analisis berorientasi obyek ditambah
dengan desain menggunakan tool Unified Modeling
Language (UML) sebagai bahasa pemodelannya.
Output dari penelitian ini adalah terciptanya media
pemasaran atau promosi berbasis website dengan
sistem E-commerce bagi Simpati Collection sehingga
tersedianya sarana komunikasi yang efektif dan
efisien bagi pelanggan dan calon pelanggan Simpati
Collection.
Kata kunci: e-Commerce, UML, Website, Sistem
Informasi, Pelanggan.
1. PENDAHULUAN
Pemberdayaan UMKM bertujuan untuk
meningkatkan pengembangan daerah, membuat
lapangan kerja, pemerataan pendapatan, pertumbuhan
ekonomi dan pengentasan kemisikinan. Oleh karena
itu, pengelola atau pemilik UMKM perlu melakukan
strategi pemasaran yang baik terhadap produk yang
dikelola agar mendapatkan pendapatan yang menjadi
salah satu tujuan utama UMKM.
Zaman sekarang merupakan era teknologi, kebutuhan
manusia dalam akses data semakin meningkat tidak
terkecuali dalam mengakses situs online untuk
melakukan transaksi jual beli, ini disebabkan adanya
pola pergeseran hidup manusia ke arah yang lebih
baik. Hal ini dapat terfasilitasi dengan cepat dengan
pemanfaatan komputer. Berdampak akan terjadinya
keefisiensian waktu, biaya dan resource.
Simpati Collection merupakan suatu usaha dalam
bidang penjualan produk baju dan celana khas
Pangandaran. Saat ini Simpati Collection dalam
kegiatan promosi dan pemasaran produk masih
dengan cara statis yaitu dengan membuka toko di
kawasan pangandaran saja. Hal ini menyebabkan
ruang lingkup pemasaran masih belum luas dan
lambat serta komunikasi kepada pelanggan dan calon
pelanggan masih belum efisien. Oleh karena itu
Simpati Collection membutuhkan sistem informasi
yang lebih modern agar proses promosi dan
pemasaran bisa lebih luas dan lebih cepat serta lebih
efisien dalam berkomunikasi dengan pelanggan dan
calon pelanggan. Selain itu Simpati Collection ingin
menghadirkan inovasi baru di bidang penjualan baju
dan celana khas pangandaran dengan sistem
pemasaran e-Commerce.
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
54
Jurnal Nasional JMII 2017
Dengan berkembangnya sarana teknologi, Simpati
Collection pun tak lupa untuk menerapkannya
dimana nantinya untuk lebih menunjang proses
publikasi atau promosi dapat menggunakan sarana
online seperti website. Oleh karena itu, dalam
penelitian ini penulis mengambil inisiatif untuk
membuatkan sistem berbasis web untuk Simpati
Collection. Sistem ini dibuat agar dapat membantu
mempercepat proses pengenalan, pemesanan dan
penjualan produk serta kegiatan Simpati Collection
sehingga seluruh masyarakat di seluruh Indonesia
dapat menikmati dan terbantu dengan fasilitas yang
ada pada web Simpati Collection.
Berdasarkan latar belakang di atas, maka penulis
dapat merumuskan beberapa masalah di antaranya :
a. Bagaimana membuat media sebagai
sarana pemasaran produk berbasis web
dengan sistem e-Commerce bagi Simpati
Collection secara profesional?
b. Bagaimana membuat sarana komunikasi
yang efisien bagi pelanggan dan calon
pelanggan Simpati Collection?
Adapun tujuan yang ingin dicapai dari hasil
penelitian ini adalah sebagai berikut:
a. Membantu terciptanya media pemasaran
atau promosi berbasis website dengan
sistem e-Commerce bagi Simpati
Collection yang profesional.
b. Tersedianya sarana komunikasi yang efektif dan
efisien bagi pelanggan dan calon pelanggan
Simpati Collection.
Ruang lingkup penelitian ini hanya mendalami
aspek-aspek pendukung proses pemasaran atau
promosi produk dan kegiatan Simpati Collection
terutama dalam hal pengenalan produk untuk
pelanggan dan calon pelanggan Simpati Collection
dengan membuatkan website melalui wordpress.
Dalam penelitian ini sudah mencakup proses
pemesanan produk (E-commerce) dan kegiatan yang
sifatnya transaksional.
Metode yang diusulkan dalam pengembangan sistem
menggunakan analisis berorientasi obyek ditambah
dengan desain menggunakan tool Unified Modeling
Language (UML) sebagai bahasa pemodelannya.
1.1. Definisi Sistem
Sistem menurut (Jogiyanto, 2005) adalah
sekumpulan unsur/elemen yang saling berkaitan,
saling mempengaruhi dan bekerjasama sesuai aturan
yang ditetapkan untuk mencapai suatu tujuan.
1.2. Definisi Informasi
Informasi menurut (Jogiyanto, 2005) adalah
data yang telah diproses sehingga memiliki makna
yang mudah dipahami atau dimengerti. Kualitas
Informasi dinilai dari akurat, relevan dan tepat waktu.
Sedangkan data itu sendiri adalah fakta atau kejadian
yang terjadi di dalam sebuah perusahaan atau
organisasi. Kebanyakan dari data tidak mempunyai
makna jika digunakan tanpa didukung dengan data
lain.
1.3. Definisi Sistem Informasi
Sistem informasi menurut (O’Brien, 2005)
adalah suatu sistem di dalam suatu organisasi yang
mempertemukan kebutuhan pengolahan transaksi
harian, mendukung operasi yang bersifat manajerial
dan kegiatan strategi dari suatu organisasi dan pihak
luar tertentu dengan laporan yang diperlukan. Dan
sistem informasi terdiri dari brainware, hardware,
software, computer networks and communications,
dan database yang mengumpulkan, mengubah dan
menyebarkan informasi di dalam suatu organisasi.
1.4. Aplikasi Berbasis Web
Aplikasi menurut (Kadir, 2003) adalah suatu
perangkat lunak yang siap pakai dengan
menjalankan instruksi-instruksi dari
pengguna (user). Aplikasi banyak diciptakan
untuk membantu berbagai keperluan.
Menurut (Simarmata, 2010), web adalah suatu
sistem informasi yang disimpan pada sebuah server
berupa teks, gambar, suara, dan lain-lain yang
ditampilkan dalam bentuk hypertext. Aplikasi
berbasis web dapat diakses dengan menggunakan web
browser melalui internet.
1.5. Pemasaran
Pemasaran menurut (Stanton, 2000) dapat
didefinisikan sebagai usaha terpadu untuk
menggabungkan rencana-rencana strategis yang
diarahkan kepada usaha pemuas kebutuhan dan
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
55
Jurnal Nasional JMII 2017
keinginan konsumen untuk memperoleh keuntungan
yang diharapkan melalui proses pertukaran atau
transaksi. Kegiatan pemasaran perusahaan harus
dapat memberikan kepuasan kepada konsumen bila
ingin mendapatkan tanggapan yang baik dari
konsumen. Perusahaan harus secara penuh tanggung
jawab tentang kepuasan produk yang ditawarkan
tersebut. Dengan demikian, maka segala aktivitas
perusahaan, harusnya diarahkan untuk dapat
memuaskan konsumen yang pada akhirnya bertujuan
untuk memperoleh laba.
1.6. Definisi Wordpress
WordPress menurut (Mullenweg, 2010) adalah alat
blogging gratis dan open source serta sistem
manajemen konten (CMS) berbasis PHP dan
MySQL, yang berjalan pada layanan web hosting.
WordPress adalah sistem blogging yang paling
populer digunakan di Web, pada lebih dari 60 juta
situs.
WordPress mempunyai kelebihan-kelebihan sebagai
berikut :
a. Free. Wordpress dapat didownload dan
digunakan secara gratis termasuk untuk
kepentingan komersial.
b. Berbasis open source. WordPress dapat
dimodifikasi sesuai dengan keinginan kita
sehingga WordPress dapat dijadikan media
pembelajaran bagi programer tingkat lanjutan.
c. WordPress memiliki desain tampilan yang
mudah dimodifikasi sesuai keinginan user. User
dapat mendownload template yang dapat dipilih
sebanyak ribuan dan gratis.
d. WordPress juga sering dimanfaatkan
sebagai blog komunitas dimana anggota
komunitas bisa berperan sebagai
kontributor.
e. WordPress dapat melakukan import data
dari blog lainnya dengan mudah sehingga
pengguna bisa melakukan migrasi data
dengan mudah dan cepat.
f. WordPress memiliki banyak plugin untuk
melengkapi fitur-fitur standar seperti
plugin anti-spam, plugin web counter, dan
lain-lain.
g. WordPress dapat memunculkan CSS
standar, XML, dan XHTML.
h. WordPress memiliki struktur permalink
untuk memudahkan mesin pencari
mengenali struktur blog dengan baik.
i. Support terhadap LaTeX.
j. Memiliki kemampuan Search Engine Optimizer
yang baik.
1.7. UML
Menurut (Nugroho, 2009), UML (Unified Modeling
Language) merupakan sebuah bahasa yang
berdasarkan grafik/gambar untuk memvisualisasi,
menspesifikasikan, membangun, dan
pendokumentasian dari sebuah sistem pengembangan
software berbasis OO (Object-Oriented). UML
sendiri juga memberikan standar penulisan sebuah
sistem blue print, yang meliputi konsep bisnis proses,
penulisan kelas-kelas dalam bahasa program yang
spesifik, skema database, dan komponen-komponen
yang diperlukan dalam sistem software.
Menurut (Widodo, 2011) dan (Sholiq, 2006),
dikatakan bahwa : “Notasi UML dibuat sebagai
kolaborasi dari Glady Booch, DR. James Rumbough,
Ivar Jacobson, Rebecca Wirfs-Brock, Peter Yourdon,
dan lainnya. Jacobson menulis tentang
pendefinisian persyaratan-persyaratan sistem yang
disebut use case. Juga mengembangkan sebuah
metode untuk perancangan sistem yang disebut
Object-Oriented Software Engineering (OOSE)”. Dan
saat ini UML menyediakan delapan diagram untuk
proses perancangannya.
Jadi pengertian UML yang penulis rangkum
berdasarkan referensi yaitu bahasa standar dalam
industri yang digunakan untuk menganalisa,
mendokumentasikan dan merancang sistem
perangkat lunak. Sebagaimana yang telah
diungkapkan oleh Sholiq dalam bukunya di atas,
bahwa untuk mendapatkan gambaran terhadap
aplikasi yang akan dibangun, UML menyediakan
beberapa diagram antara lain : Diagram Use Case
(use case diagram), Diagram Kelas (class diagram),
Diagram Aktivitas (activity diagram), Diagram
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
56
Jurnal Nasional JMII 2017
Sekuensial (sequence diagram), Diagram Kolaborasi
(collaboration diagram), Diagram State chart (state
chart diagram), Diagram Komponen (component
diagram), Diagram Deployment (deployment
diagram).
1.8. E-Commerce
Menurut (Hidayat, 2008) e-Commerce merupakan
bagian dari e-lifestyle dengan melakukan proses
transaksi jual-beli secara online kapan pun dan
dimana pun.
Menurut (Laudon, 2007), kegiatan e-Commerce
dapat diklasifikasikan berdasarkan sifat
penggunanya, yaitu :
a. Business to Customer (B2C) yang melibatkan
transaksi penjualan produk dan jasa secara
eceran kepada pembeli perorangan.
b. Business to Business (B2B) yang melibatkan
transaksi penjualan produk dan jasa antar
perusahaan.
c. Customer to Customer (C2C) yang melibatkan
transaksi penjualan produk dan jasa antara
konsumen yang menjual produk dan jasa secara
langsung ke konsumen.
Menurut (Hidayat, 2008), e-Commerce mempunyai
beberapa komponen standar yang dapat
membedakannya dengan transaksi bisnis yang
dilakukan secara offline, yaitu :
a. Product. Jumlah dan jenis produk yang
ditawarkan sama seperti produk yang ditawarkan
secara offline.
b. A place to sell. Domain dan hosting merupakan
perangkat yang paling pokok untuk dapat
menawarkan produk.
c. How to order. Cara menerima pesanan dapat
memanfaat fasilitas internet seperti pesan
langsung melalui website, e-mail, atau
menggunakan fasilitas sosial media juga dapat
memanfaatkan telpon, sms dan lain-lain.
d. Payment method. Pembayaran dapat dilakukan
dengan cara cash on delivery, credit card,
transfer antar bank, internet payment (misalnya
paypal), dan lain-lain.
e. Delivery method. Untuk produk software
pengiriman dapat dilakukan secara online
sedangkan untuk produk selain software
pengiriman dapat dilakukan menggunakan
layanan jasa pengiriman barang.
f. Customer service. Layanan konsumen dapat
dilakukan melalui fitur contact us, email,
formulir on-line, FAQ, telepon, chatting, dan
lain-lain.
2. PEMBAHASAN
2.1. Perancangan Sistem
Penjelasan mengenai analisis website pemasaran
ini dituangkan dalam pemodelan diagram UML yang
terdiri dari Use Case Diagram, Activity Diagram,
Class Diagram, Sequence Diagram dan Deployment
Diagram.
Gambar 1. Use Case Diagram Website
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
57
Jurnal Nasional JMII 2017
Gambar 2. Activity Diagram Pemesanan
Produk
Gambar 3. Class Diagram Website
Gambar 4. Sequence Diagram Website
Gambar 5. Deploy Diagram Website
Untuk memenuhi kebutuhan UMKM Simpati
Collection, maka dalam penelitian ini dibuat suatu
website e-Commerce yang bertujuan untuk
mempermudah Simpati Collection dalam melakukan
pemasaran produk. Hal-hal yang dipermudah adalah
pengelolaan produk, kegiatan transaksi jual beli dan
profil Simpati Collection. Diharapkan sistem ini
dapat memberikan informasi yang cepat dan tepat
bagi pelanggan maupun calon pelanggan yang
memerlukan informasi tentang Simpati Collection
dan dapat mempermudah transaksi jual beli dengan
system e-Commerce.
Pembuatan dan pengembangan website ini dilakukan
berdasarkan pada analisis yang telah dilakukan
sebelumnya dengan tujuan pemanfaatan website ini
mengenai sasaran yang menjadi kebutuhan bagi
Simpati Collection.
Berikut perancangan modul pada website e-
Commerce yang digambarkan dalam bentuk bagan
terstruktur di bawah ini :
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
58
Jurnal Nasional JMII 2017
Sistem Informasi
Pemasaran Produk
LoginPengelolaan Sistem
Pemasaran
Pengelolaan AdminPengelolaan Tema/
Antarmuka
Pengelolaan
Postingan Produk
Gambar 6. Perancangan Modul
Dan perancangan menu pada website ini digambarkan
dalam sebuah site map sebagai berikut :
Menu
Admin
Login
Pengelolaan
Postingan Produk
Add Postingan
Edit Postingan
Delete Postingan
Pengelolaan
Antarmuka/Tema
Pengelolaan
Admin
Add Admin
Update Admi
Delete Admin
Logout
User
Home Products Page Gallery Photo Peta Lokasi Contact Us About
Gambar 7. Perancangan Menu
2.2. Tampilan Antar Muka
2.2.1. Antar Muka Login
Antarmuka login berfungsi untuk otentikasi
Admin tersebut memastikan pengguna yang akan
mengakses website memang seorang Admin.
Gambar 8. Login
2.2.2. Antar Muka Admin
Antar muka menu utama Admin memiliki
konten berupa menu-menu untuk mengelola seluruh
komponen website. Fungsi utama pada menu ini
untuk mengatur konten website seperti pengelolaan
Posts, pengelolaan media seperti image, video dan
audio, pengelolaan link apabila diperlukan untuk
terkoneksi pada sumber internet lain, pengelolaan
page yang akan ditampilkan, moderasi user yang
masuk, mengatur tema dan pengelolaan umum
lainnya.
Gambar 9. Admin
2.2.3. Antar Muka Mobile
Untuk mempermudah Admin dalam pengelolaan
webiste, kini WordPress for Android telah tersedia
pada Google Store dan bisa di-download secara
gratis. Di WordPress for Android, Admin dapat
mengelola segala kebutuhan yang berkaitan dengan
website seperti membuat postingan dimana saja
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
59
Jurnal Nasional JMII 2017
admin berada, mengetahui secara langsung tingkat
aktifitas website seperti komentar yang masuk dan
follower yang baru bergabung melalui menu
notification.
Gambar 10. WordPress for Android
3. KESIMPULAN
Kesimpulan dari penelitian ini adalah sebagai berikut
:
a. Dengan dibuatnya website berbasis web e-
Commerce ini, Simpati Collection memiliki
sarana promosi dan penjualan produk yang dapat
menjangkau pelanggan dan calon pelanggan
secara lebih luas karena menggunakan media
internet dan lebih profesional.
b. Dengan website ini, Simpati Collection dapat
berkomunikasi lebih efektif dan efisien dengan
pelanggan dan calon pelanggan karena adanya
pesan atau komentar yang masuk dari pelanggan
dan calon pelanggan.
Daftar Pustaka
[1] Jogiyanto, Analisis dan Desain Sistem Informasi,
Yogyakata: Andi Offset, 2005.
[2] J.A. O’Brien, Pengantar Sistem Informasi Perseptif Bisnis
dan Manajerial, Jakarta: Salemba Empat, 2005.
[3] A. Kadir, Pengenalan Sistem Informasi, Yogyakarta: Andi
Offest, 2003.
[4] J. Simarmata, Rekayasa Web, Yogyakarta: Andi Offest,
2010.
[5] W. Stanton, Prinsip Pemasaran, Jakarta: Erlangga, 2000.
[6] M. Mullenweg, WordPress, Retrieved from rezzaid.com,
10/02/2016, 12:16 WIB.
[7] A. Nugroho, Rekayasa Perangkat Lunak Menggunakan
UML & Java, Yogyakarta: Andi Offset, 2009.
[8] Herlawati dan Widodo, Menggunakan UML, Bandung:
Informatika, 2011.
[9] Sholiq, Pemodelan Sistem Informasi Berorientasi Objek
dengan UML, Yogyakarta: Graha Ilmu, 2006.
[10] T. Hidayat, Panduan Membuat Toko Online dengan
OSCommerce, Jakarta: Mediakita, 2008.
[11] K.C. Laudon, Sistem Informasi Manajemen Edisi 10 Buku 2,
Jakarta: Salemba Empat, 2007.
Biodata Penulis
Muhammad Benny Chaniago, S.T., M.Kom.,
memperoleh gelar Sarjana Teknik (S.T), Jurusan
Teknik Informatika STMIK IM, lulus tahun 2011.
Memperoleh gelar Magister Komputer (M.Kom)
Program Pasca Sarjana Magister Sistem Informasi
UNIKOM, lulus tahun 2013. Saat ini menjadi Dosen
di Universitas Widyatama Bandung.
Asep Nuryanto, S.Kom., memperoleh gelar Sarjana
Komputer (S.Kom), Jurusan Sistem Informasi
Universitas Widyatama Bandung, lulus tahun 2016.
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
60
Jurnal Nasional JMII 2017
Interpretable STS Terjemahan Ayat Alquran dengan Menggunakan
Chunking otomatis
Maulisye Audina Ulfa
Fakultas Informatika , Jurusan S1 Teknik Informatika
Universitas Telkom
Jalan Telekomunikasi no 1, Terusan buah batu, Bandung, Indonesia
Abstrak
Penelitian dibidang Linguistik memiliki daya
tarik yang cukup besar saat ini, salah satunya adalah
penelitian Interpretable STS (Semantic Textual
Simillarity) yang merupakan penelitian untuk
mengukur tingkat kesamaan makna antara dua buat
teks dengan cara pemberian label keterhubungan dan
skor kesamaan antar teks berdasarkan proses
alignment. Tujuan Tugas Akhir ini yaitu membuat
program untuk menghitung tingkat kesamaan
makna antara pasangan ayat Alquran dalam
terjemahan bahasa Inggris versi saheeh international
dengan proses chunking yang otomatis. Untuk
melakukan penelitian ini, dibuat sistem berupa
unsupervised system.
Garis besar tahapan yang dilakukan dalam
penelitian ini yaitu mengumpulkan data pasangan
terjemahan ayat Alquran, selanjutnya data melalui
proses chunking secara otomatis oleh sistem lalu
masuk pada proses alignment. Selanjutnya diberikan
label keterhubungan antar potongan ayat Alquran,
dan tahap terakhir dilakukan perhitungan skor
kesamaan antara potongan ayat Alquran. Adanya
penelitian ini diharapkan dapat mengetahui secara
optimal mengenai kesamaan makna pasangan
potongan terjemahan Alquran melalui nilai
kesamaan dan label keterhubungan yang dimiliki.
Penelitian ini memiliki nilai akurasi tertinggi untuk
sistem chunking sebesar 88% dan nilai F1 Ali (F1
untuk alignment ) yang tertinggi sebesar 92,9 %.
Kata kunci :
Semantic Textual Similarity, Interpretable STS,
unsupervised system, Chunking, alignment, Alquran.
Abstract
Research in the field of Linguistics has an appeal that
is large enough at the moment, one of which is the
research interpretable STS (Semantic Textual
Simillarity) which is a study to measure the level of
similarity of meaning between the two create a text
by labeling of connectedness and similarity score
between the text based alignment process. The
purpose of this final project is a program to calculate
the degree of similarity of meaning between a couple
verses of the Koran in English translation Saheeh
international version with Chunking process is
automated. To conduct this research, created the
system in the form of unsupervised system.
An outline of the steps being taken in this study is to
collect data translation couple verses of the Koran,
then the data through a process Chunking system
automatically and entered in the alignment process.
Furthermore, given the label connectivity between
pieces of verses of the Koran, and the last stage of the
calculation score similarities between pieces of
verses of the Koran. Their research is expected to
determine optimally on the similarity of meaning
translations of the Qur'an through a couple pieces of
similarity values and connectedness owned label.
This study has an accuracy value for chunking system
by 88% and the value of F1 Ali (F1 for alignment)
which is the highest at 92.9% .
Keywords :
Semantic Textual Similarity, Interpretable STS,
unsupervised system, Chunking, alignment, Koran.
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
61
Jurnal Nasional JMII 2017
I. PENDAHULUAN
Umat Islam memiliki kitab kepercayaan untuk
panduan hidup mereka, kitab tersebut bernama
Alquran. Alquran terdiri dari teks yang biasa disebut
dengan ayat. Kitab Alquran terdiri dari ayat-ayat
yang tersebar dalam 114 surat [1]. Alquran memiliki
banyak ayat yang berulang dalam berbagai surat
yang masih memiliki keterhubungan atau topik yang
saling berkaitan. Hal ini menyebabkan kesulitan
bagi orang awam untuk mencari ayat yang
memiliki informasi yang saling berkait dalam
Alquran. Oleh karena itu, dilakukan implementasi
konsep Interpretable STS pada pasangan
terjemahaan ayat Alquran baik itu ayat-ayat yang
memiliki kesamaan baik dari segi tulisan maupun
dari segi topik yang dibahas. Hal ini bertujuan untuk
melakukan pengukuran kesamaan makna dengan
cara menentukan label keterhubungan dan skor
kesamaan berdasarkan proses alignment[3].
Penelitian ini berpedoman pada SemEval2016
Task21 dan metode yang digunakan pada penelitian
kali ini adalah chunking otomatis, karena metode ini
cocok digunakan pada permasalahan ISTS dan
metode ini mendapatkan peringkat tertinggi dengan
performansi tertinggi pada SemEval2016Task2.Oleh
karena itu sistem akan dibagi menjadi dua yaitu
sistem chunking
II. KAJIAN LITERATUR
Interpretable Semantic Textual Similarity (ISTS)
Interpretable Semantic Textual Similarity
(ISTS) yaitu salah satu task yang terdapat di dalam
SemEval2015 dan SemEval 2016. Interpretable STS
merupakan salah satu metode STS untuk proses
pengukuran kesamaan makna antara kalimat dengan
menggunakan potongan-potongan (Chunk)2 dan
pemberian label keterhubungan serta skor kesamaan
berdasarkan alignment. Tahapan untuk proses
Interpretable STS meliputi.
a. menginputkan data pasangan ayat.
b. melakukan proses pemotongan atau
chunking. Chunk dapat diartikan sebagai
bagian dari konstituen atau gabungan dari
berbagai kata. Karena chunk terdiri dari satu
atau lebih dari satu kata. Untuk menentukan
chunk pada SemEval 2016 dapat mengikuti
1 http://at.qrci.org/semeval2016/task2 2 http://www.clips.ua.ac.be/conll2000/chunking/
panduan pada CONLL 20003. Berikut cara
menentukan potongan berdasarkan panduan
CO-NLL 2000.
1.Membagi klausa dan bawahan klausa utama
dalam menjadi potongan yang lebih kecil
seperti NP, verb chain,PP, adverbs, dan
expressions.
2.Mengambil PP’s secara keseluruhan
pasangan
Contoh chunking seperti berikut.
NP [The boy] / [Maulisye Audina and
Muhammad]
verb chain [is chatting] / [does not like]
PP [at a time] / [with the computer] / [the
house] [of that man] adverbs [of course]
expressions [once upon a time] / [by the
way]
c. melakukan proses alignment atau
menyelaraskan antar chunk. Proses aligment
pada penelitian ini yaitu menggunakan
lemma kata yang sama dan menerapkan
algoritma Hungarian untuk mengoptimalkan
alignment.
d. Proses pemberian label keterhubungan
berdasarkan alignment.
e. Proses menentukan skor kesamaan
berdasarkan alignment.
Contoh penerapan ISTS pada Alquran sebagai
berikut.
- Terdapat pasangan ayat seperti berikut.
Ayat 1 : they say when promise will come if you are
the righteous behold god is most merciful
Ayat 2: And they say when comes the threat of it if
you is the righteous
- Proses chunking untuk pasangan ayat tersebut.
Ayat 1: [they say when promise] [will come] [if you
are the righteous] [behold god is most merciful]
Ayat 2: [And they say] [when comes the threat of it]
[if you is the righteous]
- Proses alignment untuk pasangan ayat tersebut.
3 http://www.clips.ua.ac.be/conll2000/chunking/
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
62
Jurnal Nasional JMII 2017
Gambar 1: Contoh proses alignment untuk
pasangan ayat
- Proses pemberian label keterhubungan dan skor
kesamaan berdasarkan alignment. Berikut
merupakan hasil dari proses ISTS.
(1 1 EQUI 5 ), (2 2 SPE2 4), (3 3 EQUI
5), (4 Ø NOALI)
Dimana 1 1 menandakan chunk satu pada ayat
satu dibandingkan dengan chunk satu pada ayat dua.
Sedangkan EQUI, SPE2, NOALI merupakan tipe
label keterhubungan dan angka yang di bold
merupakan skor kesamaan.
Label Keterhubungan
Label keterhubungan (alignment type)
bertujuan untuk menentukan tipe dari alignment
potongan kalimat, apakah potongan tersebut
mengandung tipe yang seperti apa. Berikut label
yang digunakan untuk kesamaan antar potongan.
EQUI : kedua potongan memiliki arti
yang sama, dan memiliki nilai semantik
yang setara. Contohnya : Hospital dengan
At Hospital.
OPPO : arti kedua potongan saling
bertentangan satu sama lain. Contohnya : in
southern indonesia dengan in northern
indonesia.
SPE1 : antar potongan memiliki arti yang
sama, tetapi potongan di kalimat 1 lebih
spesifik daripada potongan di kalimat lain.
Contohnya : by a shop dengan outside a
bookstore.
SPE2 : seperti SPE1, tetapi yang berbeda
adalah potongan dalam kalimat 2 yang lebih
spesifik. Contohnya holy book dengan
Koran.
SIMI : antar potongan hanya memiliki
arti yang sama, namun tidak EQUI, OPPO,
hubungan SPE1 ataupun SPE2. Contohnya
Palestina dengan Indonesia.
REL : antar potongan tidak dianggap
sama , namun saling terkait erat dengan
beberapa hubungan ( tidak ada hubungan
EQUI, OPPO, SPE1, SPE2, atau SIMI).
NOALI : potongan ini tidak memiliki
potongan yang sesuai dalam kalimat lainnya
[3].
Skor Kesamaan
Untuk menentukan skor kesamaan dan keterkaitan
pada penelitian ini harus dilakukan sebelum
memberikan label pada pasangan ayat. Nilai
kesamaan diberikan untuk setiap alignment. Menurut
sumber dari detail task description SemEval2016,
untuk menentukan nilai kesamaaan, yang dilakukan
terlebih dahulu adalah mengidentifikasi setiap
potongan ayat. Kemudian tentukan parameter untuk
perhitungan keselarasaan. Kategori nilai skor
kesamaan dan keterkaitan antar potongan yaitu
sebagai berikut. Skor kesamaan memiliki range dari
5 sampai 0, dimana angka lima merupakan skor
maksimal sedangkan nol merupakan skor minimal.
[5] jika makna dari kedua potongan ayat itu sama
atau selaras. Contohnya : [unbelievers] [an
unbelievers]
[4,3] jika makna dari kedua potongan ayat itu
sangat mirip atau terikat. Contohnya : [will doom ]
[ will torment]
[2,1] jika makna dari kedua potongan ayat itu
sedikit mirip atau sedikit terkait. Contohnya :
[on the house] [ on horse]
0 yang direpresentasikan NIL makna dari kedua
potongan ayat itu sama sekali tidak mirip atau sama
sekali tidak berhubungan.
Dataset
Untuk Data yang digunakan pada penelitian ini
yaitu 400 pasang ayat terjemahan Alquran, dimana
200 pasang ayat didapatkan dari data Qursim
hasil penelitian keterkaitan corpus Alquran
berdasarkan tafsir Ibn katsir oleh Abdul-Baquee M.
Sharaf dan Eric S [13]. Atwell yang dimuat dalam
situs web textminingthequran.com dan 200 pasang
ayat lainnya diambil dari data indeks tematik pada
Alquran terjemahan Kementrian Agama RI dan situs
web Pusat Kajian Hadist Al-Mughni
alquranalhadi.com.
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
63
Jurnal Nasional JMII 2017
Qursim
Salah satu penelitian dalam bidang quran
mining adalah Qursim. Qursim yaitu suatu corpus
untuk melakukan evaluasi kesamaan dan keterkaitan
teks pendek pada Alquran. Adapun data yang
digunakan pada penelitian ini adalah data ayat
Alquran hasil eksplorasi dari tafsir Ibn Katsir. Tafsir
Ibn Katsir merupakan salah satu buku tafsir yang
sangat popular dan banyak dijadikan referensi tafsir
Alquran. Untuk mendapatkan data pasangan ayat
dilakukan dengan cara melakukan ekstraksi pada ayat
secara otomatis. Selanjutnya dilakukan pengecekan
secara manual untuk menghilangkan sebagian data
yang tidak konsisten sehingga proses ini
menghasilkan 7.679 pasangan ayat Alqur-an.
Kemudian dilakukan pengecekan kembali karena
dalam tafsir Ibn Katsir pembahasan suatu ayat
mengarahkan pada pembahasan yang sangat luas.
Setelah dilakukan pengecekan kembali secara manual
dihasilkan 6.796 pasangan ayat yang terbagi dengan
tiga level berbeda yaitu level 0, level 1, level2 [13].
a. level 0
Pasangan ayat memiliki keterhubungan yang sangat
rendah dan sulit un-tuk dipahami,sehingga untuk
memahami keterhubungannya diharuskan melihat
dari konteks dalam buku tafsir tersebut. Berikut
contoh data level 0 seperti berikut.
Ayat satu : They request from you a [legal] ruling.
Say, "Allah gives you a ruling concerning one having
neither descendants nor ascendants [as heirs]." If a
man dies, leaving no child but [only] a sister, she will
have half of what he left. And he inherits from her if
she [dies and] has no child. But if there are two
sisters [or more], they will have two-thirds of what he
left. If there are both brothers and sisters, the male
will have the share of two females. Allah makes clear
to you [His law], lest you go astray. And Allah is
Knowing of all things (Q.S.An-Nisa :176)
Ayat dua : And do not invoke with Allah another
deity. There is no deity except Him. Everything will
be destroyed except His Face. His is the judgement,
and to Him you will be returned (Q.S.Al-Qasas :88).
b. Level 1
Pasangan ayat ini memiliki keterkaitan rendah namun
dapat di-pahami oleh manusia, tapi masih mungkin
sulit untuk digunakan sebagai data training pada
algoritma pembelajaran mesin. Berikut contoh data
level 1.
Ayat satu : In the name of Allah, the Entirely
Merciful, the Especially Merciful.(Q.S.Al-Baqarah
:1)
Ayat dua : So exalt the name of your Lord, the Most
Great (Q.S.Al-Waqiah:74).
c. Level 2
Pasangan ayat ini memiliki keterkaitan yang tinggi
dan sangat mudah dipahami oleh pembaca. Data ini
cocok untuk digunakan sebagai data training pada
algoritma pembelajaran mesin. Berikut contoh data
level 2.
Ayat satu : This is the Book about which there is no
doubt, a guidance for those conscious of Allah
(Q.S.Al-Baqarah :7)
Ayat dua :O mankind, there has to come to you
instruction from your Lord and healing for what is in
the chest and guidance and mercy for the believers
(Q.S.Yunus:57).
Untuk penelitian ini data Qursim yang digunakan
yaitu data Qursim level 2.
Evaluasi
Evaluasi adalah metode yang digunakan untuk
mengetahui seberapa baik sistem yang telah dibuat.
Pada penelitian ini untuk evaluasi dibedakan menjadi
dua yaitu evaluasi chunk dan matriks evaluasi.
Evaluasi Chunk: Pada sistem chunking otomatis
yang telah dibangun, cara mengukur ketepatan proses
chunking dengan menghitung akurasi sistem.
Perhitungan akurasi yang dilakukan berdasarkan dari
akurasi chunk level. Berikut merupakan rumus untuk
menghitung akurasi chunk level.
Keterangan :
X = Jumlah chunk sistem yang sesuai dengan gold
standard
N= Jumlah keseluruhan chunk
Matriks Evaluasi : metode evaluasi yang di terapkan
dalam SemEval2016 Task 2. Untuk matriks evaluasi
dilakukan perhitungan F1 atau F measure yang
digunakan untuk mengukur performansi dengan cara
membandingkan hasil dari sistem dengan manual
yang dibuat dari ahli. Untuk perhitungan F1 terlebih
dahulu dilakukan perhitungan presisi dan recall.
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
64
Jurnal Nasional JMII 2017
Untuk penelitian ini digunakan matriks evaluasi yang
sesuai dengan SemEval2016 Task 2. Pengukuran F1
dalam penelitian ini di bedakan menjadi dua yaitu
pengukuran F1 untuk sistem dan pengukuran F1 untuk
gold Chunk (dataset yang sudah di potong). Adapun
persamaan yang digunakan untuk perhitungan presisi,
recall dan juga F1 yaitu sebagai berikut.
Keterangan untuk persamaan diatas yaitu sebagai
berikut.
True Positive (TP) : Nilai yang akan
didapat ketika hasil prediksi true(bernilai 1) dan
nilai sebenarnya true(bernilai 1).
False Positive (FP) : Nilai yang akan didapat
ketika hasil prediksi true(bernilai 1) dan nilai
sebenarnya false(bernilai 0).
False Negative (FN) : Nilai yang akan
didapat ketika hasil prediksi false(bernilai 0) dan
nilai sebenarnya true(bernilai 1).
Ada empat pengukuran yang dilakukan dalam
evaluasi yaitu sebagai berikut.
- F1 Ali: dimana perhitungan tidak melibatkan
label keterhubungan dan skor, dengan kata lain
label keterhubungan dan skor diabaikan.
- F1 Type: dimana perhitungan hnaya
melibatkan label keterhubungan dan skor
diabaikan.
- F1 Score : dimana perhitungan hanya
melibatkan skor dan label keterhubungan
diabaikan.
- F1 Type+Score : di mana pengukuran
dilakukan berdasarkan kecocokan antara label
keterhubungan dan juga skor.
III. ANALISIS DAN PERANCANGAN
Gambaran Umum Sistem
Pada dasarnya sistem Interpretable STS yang
dibangun membutuhkan data inputan berupa
pasangan ayat yang terdiri dari data Qursim dan data
Indeks Tematik, selanjutnya data ini dibandingkan
dan dicari nilai kesamaan dan label keterhubungan
berdasarkan alignment antara kedua potong ayat
terjemahan tersebut. Selanjutnya sistem yang
dibangun mengeluarkan outputan berupa nilai
kesamaan dan jenis label yang dimiliki oleh kedua
potongan ayat terjemahan Alquran dalam terjemahan
bahasa Inggris berdasarkan alignment. Kemudian
sistem menampilkan jenis label yang ada berdasarkan
aturan label yang telah ditentukan dalam penelitian
ini. Setelah itu, sistem akan mengevaluasi
perhitungan nilai kesamaan yang dikelola oleh
sistem, dan di bandingkan dengan nilai gold standard
yang merupakan penilaian secara manual dari
perhitungan expert judgement. Sistem yang dibangun
dibagi menjadi dua yaitu sistem untuk chunking dan
sistem untuk Interpretable STS. Berikut alur proses
sistem untuk proses chunking.
Start
Data Indeks
Temantik
Data Pasangan
Ayat
Data Qursim
Preprocessing
Chunking
Data chunking pasangan ayat
End
EvaluasiGold
standard
Gambar 2 Alur proses chunking
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
65
Jurnal Nasional JMII 2017
Penjelasan mengenai tahapan dan proses pada
Gambar 2 adalah sebagai berikut.
1. Sistem membaca masukan yang berupa data
pasangan ayat Alquran terjemahan yang terdiri
dari data Qursim dan data indeks tematik.
2. Sistem melakukan preprocessing data seperti
melakukan menghilangkan simbol dan tanda
baca yang tidak diperlukan oleh data input
pasangan ayat Alquran terjemahan bahasa
Inggris.
3. Sistem melakukan pemotongan atau chunking
terhadap data input pasangan ayat Alquran
terjemahan bahasa Inggris.
4. Hasil dari proses chunking akan dilakukan
evaluasi dengan gold standard.
Sedangkan alur proses untuk Interpretable STS
sebagai berikut.
Start
Data chunking Pasangan
Ayat
Alignment
Pemberian Label Keterhubungan
Data Hasil pelabelan
dan pengukuran
End
Perhitungan kesamaan semantik
Evaluasi
Hasil Evaluasi
Gold Standard
Gambar 3 Alur proses ISTS
Adapun penjelasan untuk Gambar 3 yaitu sebagai
berikut.
1. Sistem membaca inputan data yang berupa
data chunking pasangan ayat Alquran
2. Data tersebut akan dilakukan proses
alignment.
3. Sistem memberikan label keterhubungan
4. Sistem memberikan skor kesamaan
5. Sistem akan melakukan evaluasi dengan
membandingkan hasil dari sistem dengan
gold standard
6. Sistem mengeluarkan hasil evaluasi sistem
yang berupa skor F1
Setelah dilakukan proses pengujian sistem maka
diperoleh hasil sebagai berikut.
Hasil pengujian ketepatan chunk
Pengujian dilakukan dengan cara membandingkan
nilai akurasi chunk level pada setiap data uji yang
terdiri dari data tematik, data Qursim dan data
gabungan antara data tematik dan data Qursim.
Gambar 4 Grafik akurasi chunk level
Perbandingan nilai akurasi dapat dilihat dari Gambar
4, dapat diketahui bahwa nilai akurasi antara ketiga
data. Data yang memiliki akurasi chunk level
tertinggi adalah data gabungan dari data Qursim dan
data indeks tematik. Akurasi untuk data gabungan
sebesar 0,88 atau 88%.
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
66
Jurnal Nasional JMII 2017
Hasil pengukuran F1
Gambar 5 Grafik pengukuran F1
Berdasarkan gambar grafik diatas untuk masing-
masing pengukuran F1 baik itu F1 Ali, F1 Type, F1
score, F1 Type+score. Data yang memiliki nilai F1
tertinggi adalah data Indeks Tematik sebesar 0,9299
untuk F1 Ali, 0,598 untuk F1 Type, 0,8241 untuk F1
score, 0,5977 untuk F1 Type+score. Hal ini
dikarenakan untuk data Indeks Tematik memiliki
karakteristik data yang lebih identik karena indeks
tematik merupakan data yang berdasarkan kesamaan
topik yang dimiliki. Pada grafik juga dapat diketahui
bahwa untuk F1 antara F1 Ali, F1 Type, F1 score, F1
Type+score yang memiliki nilai tertinggi adalah F1
Ali.
KESIMPULAN
Berdasarkan hasil pengujian dan analisis yang telah
dilakukan pada penelitian ini, dapat disimpulkan
bahwa :
1. Untuk menentukan kesamaan makna antar
potongan terjemahan ayat Alquran ada tahapan
proses yang dilakukan yaitu preprocessing data,
chunkinng, alignment, pemberian label
keterhubungan, pemberian skor kesamaan.
2. Untuk perbandingan Akurasi untuk proses
chunking berdasarkan chunk level dapat diketahui
bahwa akurasi paling tinggi adalah nilai akurasi
untuk data gabungan antara data Qursim dan data
indeks tematik.
3. Untuk perbandingan F1 antara F1 ali, F1
Type, F1 Score, F1 Type +Score dapat diketahui
bahwa F1 ali memiliki nilai paling tinggi diantara
F1 lainnya pada semua data uji yang dicoba. Hal
ini dikarenakan proses alignment merupakan
faktor penentu tinggi rendahnya nilai kesamaan
makna.
REFERENSI
[7]. Muhammad Sya'ban Al-Ha zh Abdul Aziz
Ahmad, M.Si. Robbani Al-Quran per Kata,
Tajwid Warna.
[8]. Abney, S. (1991). Parsing by Chunk s. In: Robert
Berwick, Steven Abney and Carol Tenny (eds.),
Principle-Based Parsing. Kluwer Academic
Publishers, Dordrecht.
[9]. Banjade Rajendra, dkk (2015). A System for
Measuring and Interpreting Semantic Textual
Similarity .In Proceedings of the 9th
International Workshop on Semantic Evaluation.
[10]. Eneko Agirre, Mona Diab, Daniel Cer, and
Aitor Gonzalez-Agirre. 2012. Semeval-2012 task
6: A pilot on semantic textual similarity. In
Proceedings of the First Joint Conference on
Lexical and Computational Semantics-Volume
1: Proceedings of the main conference and the
shared task, and Volume 2: Proceedings of the
Sixth International Workshop on Semantic
Evaluation, pages 385–393. Association for
Computational Linguistics.
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
67
Jurnal Nasional JMII 2017
[11]. Eneko Agirre, Daniel Cer, Mona Diab,
Aitor Gonzalez-Agirre, andWeiwei Guo. 2013.
sem 2013 shared task:Semantic textual
similarity, includin g a pilot on
typedsimilarity.In In* SEM 2013: The Second
Joint Conferenceon Lexical and Computational
Semantics. Association for Computational
Linguistics. Citeseer.
[12]. Eneko Agirre, Carmen Banea, Claire Cardie,
Daniel Cer, Mona Diab, Aitor Gonzalez-
Agirre,Weiwei Guo,Iigo Lopez-Gazpio, Montse
Maritxalar, Rada Mihalcea,German Rigau,
Larraitz Uria, and Janyce Wiebe.2015. SemEval-
2015 Task 2: Semantic Textual
Similarity,English, Spanish and Pilot on
Interpretability. In Proceedings of the 9th
International Workshop on Semantic Evaluation
(SemEval 2015), Denver, CO, June. Association
for Computational Linguistics.
[13]. Claudia Leacock and Martin Chodorow.
1998. Combininglocal context and wordnet
similarity for word sense identification.
WordNet: An electronic lexical database,
49(2):265–283.
[14]. Fellbaum, Christiane (2005). WordNet and
wordnets. In: Brown, Keith et al. (eds.),
Encyclopedia of Language and Linguistics,
Second Edition, Oxford: Elsevier, 665-670
[15]. Christiane Fellbaum. 1998. WordNet. Wiley
Online Library.
[16]. Dan Melamed. (1998) Manual annotation of
translational equivalence: The blinker project.
Technical Report 98-07, Institute for Research in
Cognitive Science, Philadelphia
[17]. Banjade, Rajendra, Nabin Maharjan, Nobal
B Niraula, and Vasile Rus. 2016. “DTSim at
SemEval-2016 Task 2 : Interpreting Similarity of
Texts Based on Automated Chunking , Chunk
Alignment and Semantic Relation Prediction,”
809–13.
[18]. Banjade, Rajendra, Nobal B Niraula, Nabin
Maharjan, Vasile Rus, Dan Stefanescu, Mihai
Lintean, and Dipesh Gautam. 2015. “NeRoSim:
A System for Measuring and Interpreting
Semantic Textual Similarity.” SemEval2015, no.
SemEval: 164–71.
[19]. Sharaf, M., and Eric S. Atwell. 2012.
“Qursim: A Corpus for Evaluation of
Relatedness in Short Texts.” 8th International
Conference on Language Resources and
Evaluation (LREC’12), no. January 2012: 2295–
2302. doi:10.13140/2.1.4007.0088.
[20]. Susanto, Alvin. 2008. “Penggunaan
Algoritma Hungarian Dalam Menyelesaikan
Persoalan Matriks Berbobot,” no. 10.
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
68
Jurnal Nasional JMII 2017
APLIKASI PERHITUNGAN REKAPITULASI DATA
ANGGARAN PENGOLAHAN LAHAN DAN AIR PADA DINAS
PERTANIAN DAN PERKEBUNAN PROVINSI NTT
Emerensiana Ngaga, Frengky Tedy
Program Studi Teknik Informatika, Fakultas Teknik
Universitas Katolik Widya Mandira Kupang
Jalan A. Yani No. 50-52 Kupang, NTT
[email protected], [email protected]
Abstrak
Di dalam Dinas Pertanian dan Perkebunan
terdapat bidang Sarana dan Prasarana khususnya
seksi Pengolahan Lahan dan Air yang mengurusi
pengolahan lahan, air dan perluasan areal. Seksi ini
bertugas menerima dan mengolah data yang masuk
dari berbagai kabupaten di NTT, menghitung data
anggaran serta merekap data anggaran yang telah
disusun. Sistem perhitungan rekapitulasi data
pengolahan lahan, air dan perluasan areal yang
masuk dari kabupaten – kabupaten yang selama ini
dilakukan belum optimal untuk mengelola
perhitungan data anggaran kegiatan karena hanya
mengolahnya dalam Microsoft Excel. Proses kerja
yang demikian kurang efisien karena bila data yang
diolah cukup banyak maka dapat mengakibatkan
terjadinya salah perhitungan rekapitulasi data serta
lambat karena harus menghitung data satu – persatu
dari seluruh kabupaten. Penelitian ini membuat
sebuah aplikasi perhitungan data rekapitulasi
anggaran pengolahan lahan dan air dengan
menggunakan metode pengembangan sistem Unified
Process. Aplikasi dibangun menggunakan bahasa
pemograman Java dengan databasenya MySQL.
Hasil dari penelitian ini adalah sebuah aplikasi yang
membantu kerja dari pegawai dalam merekapitulasi
data – data dalam perhitungannya dan menghasilkan
laporan anggaran per kabupaten, laporan anggaran
per kecamatan, laporan anggran per desa serta
laporan anggaran per kelompok tani sehingga
mengurangi tingkat kesalahan serta mempercepat
proses pelaporan rekapitulasi data anggaran
pengolahan lahan dan air.
Kata kunci :
Rekapitulasi data, Perhitungan, Pengolahan Lahan
dan Air, Unified Process.
Abstract
In the Department of Agriculture and
Plantation there are section Facility and
Infrastructure particularly the processing of Land
and Water in charge of land management, water and
expansion. This section is in charge of receiving and
processing incoming data from various districts in
NTT, calculating the budget data and recapitulate of
budget data that has been compiled. System data
summary calculation processing of land, water and
the expansion incoming of districts that has been
done has not been optimized to manage data
calculation process activity budget because only in
Microsoft Excel. Thus working process is less
efficient because when data is processed quite a lot of
it can lead to a miscalculation of data summary and
late because they have to calculate the data one by
one of the whole district. This study makes an
application of calculation the data recapitulation of
budget processing of land and water using Unified
Process system development. Applications built using
the Java programming language with MySQL
database. The result of this research is an application
that helps the work of the employees in recapitulating
the data in the calculation and generate the budget
report on each district, the budget report on each
sub-district, reports on each village and budget
reports on each farmer groups so as to reduce the
error rate and speed up the recapitulation reporting
process of land and water management budgets.
Keywords :
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
69
Jurnal Nasional JMII 2017
Data recapitulation, calculations, Land and Water
Processing, Unified Process.
I. PENDAHULUAN
Dampak pemanfaatan kemampuan teknologi
kini dapat dirasakan di berbagai lapisan masyarakat
yaitu dalam bidang pendidikan, kesehatan,
kemiliteran, pemerintahan, perusahaan, perindustrian
dan lainnya. Seiring perkembangan dunia teknologi
informasi dari waktu ke waktu mendorong setiap
individu ataupun institusi untuk menerapkannya
dalam segala aktivitasnya sehari-hari, sehingga
segala permasalahan yang ada dapat dengan cepat
diselesaikan mulai dari sekedar menulis sampai
melakukan perhitungan. Namun fenomena yang
terjadi masih terdapat banyak instansi yang
pekerjaannya masih belum memanfaatkan teknologi
informasi, hal ini mengakibatkan pekerjaan terasa
lambat dan hasilnya kurang maksimal.
Dinas Pertanian dan Perkebunan Provinsi Nusa
Tenggara Timur (NTT) adalah dinas yang mengurus
hal – hal yang berkaitan dengan pertanian dan
perkebunan yang ada di kabupaten – kabupaten yang
terdapat di provinsi NTT. Bidang Sarana dan
Prasarana khususnya Seksi Pengolahan Lahan dan
Air (PLA) merupakan salah satu seksi kerja pada
Dinas Pertanian dan Perkebunan Provinsi NTT yang
bekerja untuk mendata kegiatan pengolahan lahan
dan air dari setiap kabupaten yang ada di provinsi
NTT, menghitung data anggaran, merekap data
anggaran kegiatan yang telah disusun serta
menyerahkan data hasil rekapan yang telah dihitung
kepada pimpinan untuk ditindaklanjuti. Proses
pengolahan data yang selama ini dilakukan belum
menggunakan fasilitas komputer secara optimal
karena hanya menggunakan Microsoft Excel untuk
mengelola perhitungan data anggaran d2kegiatan
PLA. Hal ini mengakibatkan beberapa permasalahan
seperti dalam hal ketepatan waktu, sering terjadi
penundaan waktu yang cukup lama antara
ketersediaan informasi dengan kebutuhan akan
informasi. Dalam hal efisiensi, sering penyajian
informasi belum terpenuhi secara maksimal karena
kurangnya tenaga administrasi yang bertugas
mengumpulkan, mengolah dan menghitung
rekapitulasi data sehingga tentu saja ini juga
membutuhkan waktu yang tidak sedikit. Dalam hal
akurasi / ketepatan, sistem yang ada tidak menjamin
pemenuhan akurasi informasi secara memuaskan.
Masalah akurasi bergantung sepenuh pada orang
yang mengolahnya sehingga dengan demikian sangat
besar kemungkinan terjadinya kesalahan baik yang
disengaja maupun yang tidak disengaja. Jika semua
dikelola oleh semua staf yang ada maka terjadi
pemborosan tenaga dan dapat mengurangi pelayanan
Seksi PLA kepada petani yang membutuhkan
penyuluhan pengolahan lahan dan air. Selain itu
terjadi kesulitan dalam pencarian data pada dokumen
yang telah diarsipkan.
Menyadari perlunya untuk meningkatkan
kinerja pelayanan dinas ini maka perlu dioptimalkan
pula penggunaan sumber daya yang ada melalui
automatisasi sistem aplikasi perhitungan data
sehingga dapat membantu meningkatkan kinerja dan
mempermudah sistem kerja dari Bidang Sarana dan
Prasarana khusunya pada seksi PLA .
II. KAJIAN LITERATUR
Sistem informasi akan lebih efektif dan efisien
dengan komputerisasi yang tepat. Semua pekerjaan
dapat dilakukan dengan cepat dan mudah, terlebih
untuk proses perhitungan anggaran. Beberapa
penelitian terkait aplikasi perhitungan telah banyak
dilakukan sebelumnya.
Penelitian [1] menghasilkan aplikasi
perhitungan estimasi biaya pembangunan rumah
tinggal berbasis android untuk memudahkan calon
pemilik rumah dalam menghitung estimasi biaya
bangunan tempat tinggal dengan 3 model perhitungan
yaitu model hitung otomasis, hitung denah dan hitung
detail yang konsisten. Penelitian [2] membuat suatu
aplikasi perhitungan pajak hotel berbasis web yang
dapat menghasilkan jumlah pajak hotel, tanggal jatuh
tempo, denda dan kelebihan secara online. Penelitian
[3] membuat aplikasi perhitungan pendapatan dan
perhitungan pajak restoran Kereta Api berbasis web
yang dapat menghitung pendapatan, menghitung
pajak restoran, jurnal, buku besar, laporan pedapatan
dan laporan pajak terutang dari restoran. Penelitian
[4] membangun aplikasi perhitungan biaya tenaga
kerja langsung berbasis web untuk memudahkan
dalam pembuatan kartu upah, perhitungan kasbon,
penghitungan upah tenaga kerja, pembuatan laporan
tenaga kerja, jurnal serta buku besar.
Penelitian saat ini juga membangun sebuah
aplikasi yang membantu perhitungan rekapitulasi
data anggaran pengolahan lahan dan air sehingga
membantu pegawai Dinas Pertanian dan Perkebunan
Provinsi NTT dalam penghitungan rekapan anggaran
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
70
Jurnal Nasional JMII 2017
PLA dari setiap kabupaten sehingga dapat
mengurangi kesalahan perhitungan serta
mempercepat waktu pelaporan.
Sistem Informasi
Sistem informasi merupakan sistem yang
mempuyai kemampuan untuk mengumpulkan
informasi dari semua sumber dan menggunakan
berbagai media untuk menampilkan informasi.
Sistem informasi adalah suatu sistem manusia / mesin
yang terpadu untuk menyajikan informasi guna
mendukung fungsi operasi, manajemen dan
pengambilan keputusan dalam organisasi. Sistem
informasi adalah (kesatuan) formal yang terdiri dari
berbagai sumber daya fisik maupun logika. Dari
organisasi ke organisasi, sumber daya ini disusun
atau distrukturkan dengan beberapa cara yang
berlainan, karena organisasi dan sistem informasi
merupakan sumber daya yang bersifat dinamis [5].
Sistem Informasi Manajemen
Sistem informasi manajemen merupakan suatu
sistem yang biasanya diterapkan dalam suatu
organisasi untuk mendukung pengambilan keputusan
dan informasi yang dihasilkan dibutuhkan oleh
semua tingkatan manajemen atau dengan kata lain
teknik pengelolaan informasi dalam suatu organisasi.
Sistem informasi manajemen memberikan dukungan
dalam penggunaan informasi atau perancangan
rangkaian alternatif tindakan, memutuskan untuk
memilih tindakan yang terbaik dari alternatif yang
tersedia dan melaksanakan pilihan dan mengawasi
hasil kegiatan [6].
Pengertian Rekapitulasi
Rekapitulasi merupakan ringkasan isi atau
ikhtisar pada akhir laporan atau akhir hitungan.
Rekapitulasi juga berarti pembuatan rincian data
yang bercampur aduk menurut kelompok utama [7].
Pengertian Anggaran
Anggaran merupakan suatu rencana yang
disusun secara sistematis, meliputi seluruh kegiatan
perusahaan, dinyatakan dalam unit (kesatuan)
moneter dan berlaku untuk jangka waktu (periode)
tertentu yang akan datang [8].
III. ANALISIS DAN PERANCANGAN
Analisis Sistem
Seksi PLA adalah unit pelaksana pembantu
pimpinan yang bertugas memberikan layanan tentang
pengolahan lahan dan air kepada petani. PLA adalah
salah satu bagian penting yang bisa diibaratkan
sebagai jantung dari Dinas Pertanian dan Perkebunan
NTT dimana hampir seluruh kegiatan Dinas
Pertanian dan Perkebunan NTT dikendalikan dari
sini. Salah satu kegiatan yang menjadi sentral dan
fokus dari unit ini adalah pengolahan lahan dan air
yang dimiliki oleh para petani. Dalam konteks ini,
tugas-tugas yang diemban oleh PLA antara lain :
1. Menerima dan mengolah data yang masuk dari
berbagai kabupaten di NTT.
2. Menghitung data anggaran.
3. Merekap data anggaran yang telah disusun.
4. Menyerahkan data hasil rekapan yang telah
dihitung kepada pimpinan untuk
ditindaklanjuti.
Cara kerja yang selama ini dipakai oleh PLA
untuk pengolahan data untuk menghasilkan informasi
belum sepenuhnya menggunakan fasilitas komputer
secara optimal sebagai alat kerjanya sehingga tidak
jarang menghadapi beberapa permasalahan antara
lain :
1. Dalam hal ketepatan waktu, sering terjadi
penundaan waktu yang cukup lama antara
ketersediaan informasi dengan kebutuhan akan
informasi.
2. Dalam hal efisiensi, sering penyajian informasi
belum terpenuhi secara maksimal karena
kurangnya tenaga administrasi yang bertugas
mengumpulkan, mengolah dan menghitung
rekapitulasi data sehingga tentu saja ini juga
membutuhkan waktu yang tidak sedikit.
3. Dalam hal akurasi / ketepatan, sistem yang ada
tidak menjamin pemenuhan akurasi informasi
secara memuaskan. Masalah akurasi
bergantung sepenuh pada orang yang
mengolahnya sehingga dengan demikian
sangat besar kemungkinan terjadinya
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
71
Jurnal Nasional JMII 2017
kesalahan baik yang disengaja maupun yang
tidak disengaja.
Hal – hal tersebut di atas merupakan masalah
yang harus diatasi agar kinerja Dinas Pertanian dan
Perkebunan NTT secara menyeluruh dapat
ditingkatkan khususnya dalam perhitungan
rekapitulasi data.
Perancangan Sistem
a. Use Case
Use Case Diagram menggambarkan
fungsionalitas yang diharapkan dari sebuah
sistem. Sebuah use case merepresentasikan
sebuah interaksi antara aktor dengan sistem.
Seorang/sebuah aktor adalah sebuah entitas
manusia atau mesin yang berinteraksi dengan
sistem untuk melakukan pekerjaan-pekerjaan
tertentu.
Operator
Pengolahan data
kabupaten
Pengolahan data
desa
Mencetak Laporan
Pengolahan data
kecamatan
Pengolahan data
kelompok_tani
Pengolahan data
alokasi_dana
Gambar 1. Use Case Diagram Kegiatan Rekapitulasi
Data
Use case diagram di atas menjelaskan fungsi dari
operator. Operator mempunyai tugas
mengidentifikasi data, mengelola data mulai dari
menambah, menyimpan, mengedit. menghitung, dan
merekap serta mencetak laporan kepada pimpinan.
b. Entity Relationship Diagram
Desa
Kabupaten
Kecamatan
Alokasi_Dana
Kelompok_Tani
Memiliki
Memiliki Memiliki
Memiliki
Nama_KecamatanKode_Kecamatan
Kode_Kabupaten Nama_Kabupaten
Nama_DesaKode_Desa
Nama_Kelompok_Tani
Kode_Kelompok_Tani
Kegiatan
Jumlah_dana
Dana_terpakaiSisa_dana
Tahun_Anggaran
Volume
1 N
1
N
1N
1
1
Kode_Kelompok_Tani
Gambar 2. Entity Relationship Diagram
IV. IMPLEMENTASI SISTEM
Implementasi Basis Data
Basis data yang digunakan dalam sistem ini
adalah MySQL untuk menampung semua data yang
diperlukan yang dibuat dalam beberapa tabel sebagai
berikut :
1). Tabel Kabupaten
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
72
Jurnal Nasional JMII 2017
Gambar 3. Struktur Tabel Kabupaten
2). Tabel Kecamatan
Gambar 4. Struktur Tabel Kecamatan
3). Tabel Desa
Gambar 5. Struktur Tabel Desa
4). Tabel Kelompok Tani
Gambar 6. Struktur Tabel Kelompok Tani
5). Tabel Alokasi Dana
Gambar 7. Struktur Tabel Alokasi Dana
Antar Muka Sistem
1). Tampilan Menu Utama
Tampilan form Menu pada saat membuka
sistem. Terdapat menu File, menu Rekap Data, menu
Laporan dan Exit unjtuk keluar dari aplikasi.
Gambar 8. Tampilan Menu Utama Sistem
2). Tampilan Form Kabupaten
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
73
Jurnal Nasional JMII 2017
Form ini dibuat untuk menginput data–data
kabupaten yang ada di provinsi NTT.
Gambar 9. Tampilan Form Input Data
Kabupaten
3). Tampilan Form Kecamatan
Form ini dibuat untuk menginput data–data
kecamatan yang ada di tiap kabupaten.
Gambar 10. Tampilan Form Input Data
Kecamatan
4). Tampilan Form Desa
Form ini dibuat untuk menginput data–data desa
yang ada di tiap kecamatan.
Gambar 11. Tampilan Form Input Data Desa
5). Tampilan Form Kelompok Tani
Form ini dibuat untuk menginput data–data
kelompok tani yang ada di tiap desa.
Gambar 12. Tampilan Form Input Data
Kelompok Tani
6). Tampilan Form Alokasi Dana
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
74
Jurnal Nasional JMII 2017
Form ini dibuat untuk menginput data–data
alokasi dana untuk setiap kelompok tani sehingga
secara otomatis aplikasi akan menghitung sisa
anggaran.
Gambar 13. Tampilan Form Input Data Alokasi
Dana
7). Tampilan Laporan Anggaran Per Kabupaten
Gambar 14. Tampilan Laporan Anggaran Per
Kabupaten
8). Tampilan Laporan Anggaran Per Kecamatan
Gambar 15. Tampilan Laporan Anggaran Per
Kecamatan
9). Tampilan Laporan Anggaran Per Desa
Gambar 16. Tampilan Laporan Anggaran Per
Desa
10). Tampilan Laporan Anggaran Per Kelompok Tani
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
75
Jurnal Nasional JMII 2017
Gambar 17. Tampilan Laporan Anggaran Per
Kelompok Tani
V. KESIMPULAN DAN SARAN
Dari hasil penelitian ini dapat diambil beberapa
kesimpulan yaitu :
1. Aplikasi yang dibuat dapat menggantikan proses
pendataan yang selama ini secara manual ke
suatu sistem yang lebih teratur dan
terkomputerisasi.
2. Aplikasi yang dibuat sangat membantu pemakai
dalam memonitoring data–data kabupaten
kecamatan, desa, kelompok tani dan
pengalokasian dana.
3. Dengan adanya aplikasi perhitungan rekapitulasi
data yang dibuat ini dapat membantu
meningkatkan kinerja dan mempermudah sistem
kerja dari Bidang Sarana dan Prasarana
khususnya pada seksi PLA dalam mengolah dan
menghitung data-data yang masuk secara cepat
dan akurat.
.Disarankan kedepannya sistem ini
dikembangkan lebih lanjut dengan menambahkan
proses perhitungan anggaran kebutuhan bibit padi
untuk penanaman.
REFERENSI
[1] Wijiyono, Utomo, V., G., “Aplikasi
Perhitungan Estimasi Biaya Pembangunan
Rumah Tinggal Berbasis Android”, Jurnal
Teknologi Informasi dan Komunikasi, Vol. 6,
No. 2, ISSN : 2087-0868, September 2015.
[2] Nanda, Alfitrya, Samaji, Iji, Setiawan, C., R.,
K., “Aplikasi Perhitungan Pajak Hotel
Berbasis Web,” e-Proceeding of Applied
Science, Vol. 1, No. 3, ISSN : 2442-5826,
Desember 2015.
[3] Ivananda, Fajri, Samaji, Iji, Yanuar, Yudhi
“Aplikasi Perhitungan Pendapatan dan
Perhitungan Pajak Restoran Kereta Api
Berbasis Web,” e-Proceeding of Applied
Science, Vol. 1, No. 3, ISSN : 2442-5826,
Desember 2015.
[4] Simamora, Rina, Samaji, Iji, Sinaga, Ardiles
“Pembangunan Aplikasi Perhitungan Biaya
Tenaga Kerja Langsung Berbasis Web,” e-
Proceeding of Applied Science, Vol. 1, No. 3,
ISSN : 2442-5826, Desember 2015.
[5] Husda, Elfi, Nur, Pengantar Teknologi
Informasi, Cetakan Pertama, Jakarta :
Boduose, 2012.
[6] Sutrabi, Tata, Sistem Informasi Manajemen
(Edisi Revisi), Yogyakarta : Andi Offset, 2016.
[7] Kamus Besar Bahasa Indonesia. Kamus Besar
Bahasa Indonesia Website. [Online].
http://www.kbbi.web.id/rekapitulasi
[8] Mulyadi, Sistem Akuntansi, Edisi Keempat,
Jakarta : Salemba Empat, 2016.
[9] Pressman, R., S., Software Engineering,
Sevent Edition, Mc Graw-Hill International
Edition, 2010.
[10] Al Fatta, Hanif, Analisis dan Desain Sistem
Informasi, Yogyakarta : Andi, 2007.
[11] Huda, Miftakhul, Nugroho, Bunafit, Membuat
Aplikasi Database dengan MySQL dan
Netbeans, Jakarta : PT Elex Media
Komputindo, 2010.
[12] (2016) Netbeans website. [Online]. Available:
http://www.netbeans.org/
[13] Nugroho, Adi, Perancangan dan Implementasi
Sistem Basis Data, Yogyakarta : Andi, 2011.
[14] Kurniawan, Eko, Belajar Java Dasar, Jakarta
: PT Elex Media Komputindo, 2011.
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
76
Jurnal Nasional JMII 2017
[15] Yakub, Pengantar Sistem Informasi,
Yogyakarta : Graha Ilmu, 2012.
[16] Jogiyanto, Hartono, Model Kesuksesan Sistem
Teknologi Informasi, Yogyakarta : Andi,
2007.
JURNAL MASYARAKAT INFORMATIKA INDONESIA (JMII Vol 2/II/2017) JMII Vol 2, No. 2, April-Juni 2017 ISSN: 2541-5093
77
Jurnal Nasional JMII 2017