13 BAB III ANALISA DAN PERANCANGAN 3.1. Analisa Pada bab analisa dan perancangan ini akan dibahas tentang analisa kebutuhan dan desain antarmuka (interface) fitur analisis kedekatan matakuliah pada sistem Lective. Modul atau fitur untuk menganalisis kedekatan matakuliah dipilih dikarenakan dibutuhkan oleh mahasiswa, dosen maupun pihak program studi yang menggunakan sistem Lective untuk mendesain kurikulum dan mendesain RPS untuk mengetahui matakuliah apa saja yang materinya berdekatan. Pada bab sebelumnya (BAB II) telah dijelaskan RPS memiliki beberapa komponen yang salah satunya yang termasuk dalam komponen penting dalam RPS, adalah materi pembelajaran atau materi pokok, materi pembelajaran atau materi pokok adalah materi yang akan disampaikan oleh dosen kepada mahasiswa disetiap pertemuannya. Dengan dikembangkannya fitur analisis kedekatan matakuliah yang berdasarkan materi pokok diharapkan dapat menjadi referensi bagi stackholder (mahasiswa, dosen, program studi) untuk kepentingan masing-masing. Selain itu dilakukan juga analisa terhadap sistem Lective, Lective adalah sistem utamanya maka juga perlu dianalisa jika hendak mengembangkan suatu fitur untuk sistem Lective. Lective adalah sebuah tools berbasis website yang dibangun menggunakan bahasa pemrograman PHP dan menggunakan basis data MYSQL. Pada basis data Lective terdapat tabel matakuliah, materi_pembelajaran dan program_studi yang nantinya akan digunakan untuk proses analisa kedekatan matakuliah yang berdasarkan pada tiap-tiap program studi. 3.2. Sumber Data Pada fitur analisis kedekatan matakuliah ini data yang digunakan bersumber dari basis data sistem Lective yaitu pada tabel matakuliah, materi_pembelajaran dan program_studi. Berikut ini adalah potongan diagram entitas sistem Lective
17
Embed
BAB III ANALISA DAN PERANCANGAN 3.1. Analisa · pemrograman maka diputuskan untuk membuat sebuah view pada ... dilakukan perhitungan pembobotan kata dengan TF-IDF dengan ... access
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
13
BAB III
ANALISA DAN PERANCANGAN
3.1. Analisa
Pada bab analisa dan perancangan ini akan dibahas tentang analisa kebutuhan
dan desain antarmuka (interface) fitur analisis kedekatan matakuliah pada sistem
Lective. Modul atau fitur untuk menganalisis kedekatan matakuliah dipilih
dikarenakan dibutuhkan oleh mahasiswa, dosen maupun pihak program studi yang
menggunakan sistem Lective untuk mendesain kurikulum dan mendesain RPS
untuk mengetahui matakuliah apa saja yang materinya berdekatan. Pada bab
sebelumnya (BAB II) telah dijelaskan RPS memiliki beberapa komponen yang
salah satunya yang termasuk dalam komponen penting dalam RPS, adalah materi
pembelajaran atau materi pokok, materi pembelajaran atau materi pokok adalah
materi yang akan disampaikan oleh dosen kepada mahasiswa disetiap
pertemuannya.
Dengan dikembangkannya fitur analisis kedekatan matakuliah yang
berdasarkan materi pokok diharapkan dapat menjadi referensi bagi stackholder
(mahasiswa, dosen, program studi) untuk kepentingan masing-masing. Selain itu
dilakukan juga analisa terhadap sistem Lective, Lective adalah sistem utamanya
maka juga perlu dianalisa jika hendak mengembangkan suatu fitur untuk
sistem Lective. Lective adalah sebuah tools berbasis website yang dibangun
menggunakan bahasa pemrograman PHP dan menggunakan basis data MYSQL.
Pada basis data Lective terdapat tabel matakuliah, materi_pembelajaran dan
program_studi yang nantinya akan digunakan untuk proses analisa kedekatan
matakuliah yang berdasarkan pada tiap-tiap program studi.
3.2. Sumber Data
Pada fitur analisis kedekatan matakuliah ini data yang digunakan bersumber
dari basis data sistem Lective yaitu pada tabel matakuliah, materi_pembelajaran
dan program_studi. Berikut ini adalah potongan diagram entitas sistem Lective
14
Gambar 3. 1: Potongan Diagram Entitas Sistem Lective
3.3. Flowchart Rancangan Fitur
Pada tahap perancangan ini dibuatlah alur dari fitur analisis kedekatan
matakuliah. Dimulai dari query atau pengambilan data dari basis data sistem
Lective lalu dilakukan pre-processing, pembobotan dengan TF-IDF dan
menghitung jarak kedekatan dengan Cosine Similarity sampai dengan
menampilkan hasil dan visualisasi.
Gambar 3. 2: Flowchart Rancangan Fitur
15
3.4. Rancangan Desain Interface
Pada fitur analisis kedekatan matakuliah berdasarkan materi pokok ini
nantinya agar lebih menarik dan mudah dipahami oleh pengguna maka dilakukan
rancangan terlebih dahulu desain interface-nya. Rancangan desain interface atau
hasil dan visualisasi yang disebutkan pada poin sebelumnya adalah sebagai berikut
:
Gambar 3. 3: Rancangan Desain Interface
Pada rancangan desain interface diatas ditampilkan berupa visualisasi
kedekatan matakuliah dan dibawahnya ada tabel yang bertindak sebagai detail dari
hasil visualisasi dengan menunjukkan nilai kedekatan masing-masing matakuliah.
3.5. Desain Database Sistem Lective
Pada poin sebelumnya disebutkan bahwa data bersumber dari basis data sistem
Lective yang sudah ada, agar tidak terlalu banyak melakukan query melalui bahasa
pemrograman maka diputuskan untuk membuat sebuah view pada basis data sistem
Lective, berikut adalah rancangan view-nya :
16
Gambar 3. 4: Rancangan View di Basis Data Lective
Selain menambahkan view, ditambahkan pula sebuah tabel
(lective_analisis_kedekatan_mk) yang nantinya digunakan untuk menampung hasil
analisis, berikut ini adalah rancangan tabelnya dan berelasi dengan tabel matakuliah
dan programstudi yang saat ini sudah ada pada basis data sistem Lective :
Gambar 3. 5: Rancangan Desain Database
17
3.6. Pre-processing
Berdasarkan flowchart rancangan fitur yang telah dibuat pada poin sebelumnya
pada tahapan awal adalah melakukan pre-processing. Pre-processing yang akan
digunakan pada penelitian kali ini adalah menggunakan Tokenizing dan Stopword
Removal.
3.6.1. Tokenizing
Pada proses tokenizing ini melakukan penghilangkan simbol-simbol atau
tanda baca yang tidak penting pada dokumen, atau yang ada pada kasus penelitian
ini adalah data materi pokok atau materi pembelajaran pada RPS. Tanda baca yang
tidak penting seperti (.,*&%$#@!`~:;’”<>/?^{[]}|\=+-_) akan dihilangkan atau
diganti dengan spasi. Berikut adalah flowchart dari proses pre-processing
tokenizing :
Gambar 3. 6: Flowchart Proses Tokenizing
18
3.6.2. Stopword Removal
Setelah dilakukan tokenisasi (Tokenizing), rancangan langkah selanjutnya
adalah proses penghilangan atau penghapusan kata-kata yang dianggap tidak
penting dalam materi pembelajaran, seperti kata dan, adalah, bagaimana, yang dan
masih banyak lagi. Berikut adalah alur atau flowchart proses dilakukannya
stopword removal :
Gambar 3. 7: Flowchart Proses Stopword Removal
3.7. Pembobotan Kata Dengan Term Frequency - Inverse Document
Frequency (TF-IDF)
Pada penelitian ini semua materi pembelajaran yang didapatkan dari basis data
Lective dan telah dilakukan pre-processing akan dijadikan satu string atau kalimat
dan dikelompokkan berdasarkan masing-masing matakuliah. Pembobotan kata
19
perlu dilakukan untuk mengetahui tingkat penting atau tidaknya suatu kata dalam
materi pembelajaran, dan nilai dari hasil perhitungan pembobotan ini (tf-idf) akan
diteruskan ke perhitungan kedekatan (cosine similarity). Berikut adalah flowchart
proses tf-idf :
Gambar 3. 8: Flowchart Proses TF-IDF
Pada bagian ini selain perancangan yang menghasilkan flowchart juga
dilakukan perhitungan pembobotan kata dengan TF-IDF dengan studi kasus
sebagai contoh adalah materi pembelajaran dari matakuliah jaringan komputer,
manajemen jaringan dan komunikasi data.
Tabel 3. 1: Materi Pembelajaran
Matakuliah Materi
Jaringan Komputer (D1) Konsep dasar switching dan
konfigurasi. VLANs. Konsep
Mekanisme Routing. Inter-VLAN
20
Matakuliah Materi
Routing. Mekanisme Routing Static.
Mekanisme Routing Dynamic.
Routing Static dan Dynamic. Access
Control Lists. Dynamic Host
Configuration Protocol. Network
Address Translation (NAT)
Manajemen Jaringan (D2) Konsep Manajemen Jaringan dan
Pengenalan Router Mikrotik.
Dynamic Host Configuration
Protocol (DHCP). Bridging. Routing.
Wireless. Firewall. Quality of
Service (QoS). Tunelling. Packet
Flow Diagram. Web proxy
Komunikasi Data (3) Model komunikasi, komunikasi data,
jaringan data. Protokol layer stack,
arsitektur protokol layer, fungsi
pelayeran protokol. Konsep, prinsip
kerja, dan fungsi physical layer,
teknik encoding decoding, teknik
modulasi demodulasi. konsep, fungsi
dan prinsip kerja dari data link layer,
data link control protocol (control
flow & error control), HDLC.
konsep, fungsi dan prinsip kerja dari
medium access layer, Multiplexing,
Multiple access, topology (LAN dan
WAN), congestion control.
Setelah dilakukan pre-processing pada kedua materi pada matakuliah diatas
akan menghasilkan seperti tabel dibawah ini :
21
Tabel 3. 2: Materi Hasil Pre-processing
Matakuliah Materi
Jaringan Komputer (D1) switching konfigurasi vlans
mekanisme routing inter vlan routing
mekanisme routing static mekanisme
routing dynamic routing static
dynamic access control lists
dynamic host configuration protocol
network address translation nat
Manajemen Jaringan (D2) manajemen jaringan pengenalan
router mikrotik dynamic host
configuration protocol dhcp
bridging routing wireless firewall
quality service qos tunelling
packet flow diagram web proxy
Komunikasi Data (D3) model komunikasi komunikasi data
jaringan data protokol layer stack
arsitektur protokol layer fungsi
pelayeran protokol prinsip kerja
fungsi physical layer teknik encoding
decoding teknik modulasi
demodulasi fungsi prinsip kerja
data link layer data link control
protocol control flow error control
hdlc fungsi prinsip kerja medium
access layer multiplexing multiple
access topology lan wan
congestion control
22
3.7.1. Term Frequency (TF)
Setelah dilakukan pre-processing langkah selanjutnya adalah melakukan
perhitungan term frequency (tf), yaitu proses perhitungan banyaknya kemunculan
(frequecny) kata term (t) pada masing-masing dokumen (d) dalam kasus ini adalah
materi matakuliah
3.7.2. Document Frequency (DF)
Selanjutnya adalah menghitung berapa jumlah dokumen (materi) dimana
suatu term (kata) muncul
3.7.3. Inverse Document Frequency (IDF)
Setelah didapatkan nilai df maka selanjutnya adalah dilakukan inverse
terhadap nilai df yaitu dengan rumus : 𝒊𝒅𝒇 = 𝒍𝒐𝒈 𝒅𝒅𝒇
dimana d adalah jumlah
dokumen atau materi, sedangkan df adalah nilai df masing-masing term (kata) yang
telah dihitung pada poin sebelumnya.
3.7.4. Term Frequency - Inverse Document Frequency (TF-IDF)
Setelah mendapatkan masing-masing nilai tf dan nilai idf langkah
selanjutnya adalah menghitung bobot masing-masing term (kata) dengan rumus :
𝒘 = 𝒕𝒇×𝒊𝒅𝒇 dimana w adalah bobot masing-masing term (kata)
Tabel 3. 3: Term Frequency – Inverse Document Frequency