INTEGRASI DATA
OLEH :
KELOMPOK 2
2018
DAFTAR PUSTAKA
DAFTAR GAMBAR .................................................................................................... v
BAB I ............................................................................................................................ 1
PENDAHULUAN ........................................................................................................ 1
BAB II ........................................................................................................................... 5
2.1.5 Metode..................................................................................................... 7
ii
2.3.2 Play Store / Google Play ....................................................................... 17
BAB IV ....................................................................................................................... 43
iii
HASIL DAN PEMBAHASAN ................................................................................... 43
BAB V......................................................................................................................... 47
PENUTUP ................................................................................................................... 47
iv
DAFTAR GAMBAR
Gambar 1 Struktur Tinjauan Pustaka ........................................................................... 5
Gambar 2 Twitter ......................................................................................................... 6
Gambar 3 Hasil Filling ................................................................................................. 9
Gambar 4 Hasil Ekstraksi ............................................................................................ 9
Gambar 5 Contoh Tweet .............................................................................................. 9
Gambar 6 Contoh Tweet ............................................................................................ 10
Gambar 7 Anotasi Tweet Dalam Format XML ........................................................ 10
Gambar 8 Hasil Filling ............................................................................................... 11
Gambar 9 Logo Twitter .............................................................................................. 13
Gambar 10 Logo PLay Store...................................................................................... 17
Gambar 11 Tampilan Twitter ..................................................................................... 27
Gambar 12 Tampilan Play Store ................................................................................ 28
Gambar 13 Metode Mapping ..................................................................................... 30
Gambar 14 Key dan Tokens Twitter .......................................................................... 30
Gambar 15 Composer ................................................................................................ 31
Gambar 16 Library Abraham TwitterOAuth ............................................................. 31
Gambar 17 Tampilan di Localhost ............................................................................. 33
Gambar 18 Tampilan Import.Io ................................................................................. 33
Gambar 19 Tampilan Import ...................................................................................... 34
Gambar 20 Pemilihan data 1 ...................................................................................... 34
Gambar 21 Pemilihan data 2 ...................................................................................... 35
Gambar 22 Extract 1 .................................................................................................. 35
Gambar 23 Pemilihan Data 3 ..................................................................................... 35
Gambar 24 Extract 2 .................................................................................................. 36
Gambar 25 Tampilan data format yang diinginkan ................................................... 36
Gambar 26 Data Format Exel .................................................................................... 37
Gambar 27 Output Levenstein ................................................................................... 38
Gambar 28 Parameter ................................................................................................. 38
Gambar 29 Mediated Schema .................................................................................... 39
v
Gambar 30 Tampilan memasukkan kata kunci .......................................................... 39
Gambar 31 Data Matching ......................................................................................... 40
Gambar 32 Tampilan data Tweet ............................................................................... 40
Gambar 33 Informasi Sentimen Analisis ................................................................... 41
Gambar 34 Proses Mapping ....................................................................................... 41
Gambar 35 Tampilan awal Website ........................................................................... 44
Gambar 36 Hasil pencarian berdasarkan keyword..................................................... 44
Gambar 37 Pencarian ................................................................................................. 44
Gambar 38 Proses Mapping Menggunakan tampilan diagram .................................. 45
Gambar 39 Penentuan analisis ................................................................................... 45
vi
DAFTAR TABEL
Tabel 1Interpelasi ........................................................................................................ 23
Tabel 2 Inventarisasi ................................................................................................... 23
Tabel 3 Interupsi ......................................................................................................... 24
Tabel 4 Investasi ......................................................................................................... 24
Tabel 5 Hirarki Visualisasi ......................................................................................... 25
Tabel 6 Kebutuhan Informasi oleh Pengguna ............................................................. 26
Tabel 7 Sumber Data Twitter ...................................................................................... 28
Tabel 8 Sumber data Play Store .................................................................................. 29
Tabel 9 Code PHP ....................................................................................................... 32
Tabel 10 Algoritma dalam PHP .................................................................................. 37
Tabel 11 Desain Uji Coba .......................................................................................... 42
Tabel 12 Hasil Uji Coba Sistem .................................................................................. 46
vii
BAB I
PENDAHULUAN
1.1 Latar Belakang
Media sosial di Indonesia saat ini mulai berkembang pesat mengikuti
perkembangan para pengguna di Indonesia. Menurut Asosiasi penyelenggara
Jasa Internet Indonesia (APJII) pada tahun 2012, kurang lebih 63 juta
masyarakat Indonesia terhubung dengan internet dan sebanyak 95 persen
aktivitas yang dilakukan adalah membuka media sosial. Bahkan Indonesia
diprediksi akan menjadi negara dengan pengguna sosial media paling aktif dan
paling banyak. Salah satu alasan yang paling kuat mengapa hal tersebut bisa
terjadi karena perangkat-perangkat internet mobile semakin terjangkau
harganya bagi masyarakat sehingga memungkinkan penetrasi jaringan pada
user yang lebih luas. Perkembangan ini mendukung akses media sosial di
Indonesia. Telepon genggam pintar seperti Android, iOS, dan lain sebagainya,
beserta beragam model IoT seperti phablet, tablet, dan lain sebagainya turut
menyumbang pada semakin luasnya akses internet dan media sosial bagi
masyarakat di Indonesia.
Pada mulanya media sosial hanya digunakan untuk bersosialisasi satu sama lain
yang dilakukan secara online, untuk saling berinteraksi tanpa dibatasi ruang
dan waktu. Perkembangan media sosial yang semakin meningkat membuat
media sosial tidak hanya digunakan untuk media bertukar informasi namun
juga transaksi penjualan atau pembelian online.Namun, saat ini media sosial
tidak hanya digunakan sebagai platform komunikasi dan sosialisasi, tetapi juga
digunakan untuk kepentingan politik, pemerintahan, penjualan online dan lain
sebagainya. kegiatan sosial terhadap suatu informasi atau peristiwa tertentu
sangat mudah dilakukan dengan media sosial.
1
Dengan perkembangan media sosial yang semakin pesat menjadikan beberapa
pengguna memanfaatkan media sosial sebagai alat untuk transaksi jual beli
online, menurut (Noor, 2017) setiap hari ada 2,7 juta transaksi online yang
terjadi di media sosial. Banyaknya transaksi online diiringi munculnya E-
commerce baru untuk memenfaatkan kesempatan tersebut. Banyaknya E-
commerce baru membuat kita kebingungan dalam menentukan pilihan toko
online mana yang akan digunakan. Dari permasalahan yang ada kami
melakukan penelitian analisis untuk membantu pengguna dalam mengambil
keputusan sebelum membeli atau berjualan online suatu E-commerce dengan
melihat tingkat kepuasan pengguna toko online tersebut.
Sosial media yang digunakan dalam analisis ini yaitu Twitter dan Google Play
atau disebut juga Play Store. Twitter adalah layanan jejaring sosial atau
microblog yang memungkinkan pengguna mengirim dan membaca pesan
berbasis teks hingga 140 karakter, yang dikenal dengan sebutan kicauan
(tweet). Twitter didirikan pada bulan Maret 2006 oleh Jack Dorsey, dan situs
jejaring sosialnya diluncurkan pada bulan Juli. Sejak diluncurkan, Twitter telah
menjadi salah satu dari sepuluh situs yang paling sering dikunjungi di Internet,
dan dijuluki dengan "pesan singkat dari Internet.". Dalam manfaatnya twitter
dapat digunakan sebagai berjejaring karena Twitter adalah salah satu media
sosial yang berbasis microblog yang dapat menambah jaringan kita, yang
dimaksud dengan jaringan seperti kita mengenal suatu komunitas atau kita
mengenal beberapa orang dari pulau berbeda atau bahkan negara yang berbeda.
Twitter merukapan alat komunikasi gratis yang mudah dijangkau oleh semua
kalangan. Twitter juga dapat digunakan untuk membangun wawasan perubahan
yang pada kolom tweet yang jumlah maximal karakter tweet 140 menjadi 280
karakter yang membuat pengguna Twitter dapat lebih mengekpresikan dirinya
dengan menulis tweet tersebut. Begitu juga fitur trends didalam Twitter
menjadikan kita selalu mengetahui berita – berita yang sedang naik daun, tidak
hanya fitur trends kita juga dapat menambah wawasan dengan melihat home
2
timeline. Twitter juga dapat digunakan sebagai alat bantu pengambilan
keputusan seperti pada saat anda ingin membeli suatu barang pada toko online
tertentu, anda dapat melihat komentar bagus atau buruk dari orang orang yang
dapat anda lihat dari home timeline took online tersebut.
selain Twitter, sosial web lainnya yang digunakan adalah Google Play atau
sering disebut juga dengan Play Store. Play Store Play Store adalah layanan
yang disediakan oleh Google. Play Store diluncurkan pada 2008 sebagai cara
pengguna untuk mendownload aplikasi dan game pada sistem operasi Android
yang pada saat itu merupakan OS baru. Awalnya Play Store bernama Android
Market. Play Store menambahkan dukungan untuk aplikasi berbayar pada 2009
di AS dan Inggris, dan berkembang ke pasar Internasional di tahun 2010. Pada
peluncuran Google Play meliki 450.000 aplikasi dan game Android untuk
diunduh. Pada Mei 2014, toko melakukan beberapa perubahan pada setiap
deskripsi aplikasi, peringkat, dan ukuran file. Saat ini Google play store cukup
banyak dijadikan pemilik Android yang ingin sebagai perantara untuk
mengunduh aplikasi, membeli aplikasi, dan lain sebagainya. Berjejaring
merupakan salah satu manfaat yang kita dapatkan saat kita mengunduh suatu
aplikasi misalkan facebook kita dapat menggunakan aplikasi tersebut dengan
sangat mudah dimanapun dan kapanpun karena aplikasi tersebut diunduh ke
smartphone. Selain dalam berjejaring manfaat play store yang kedua adalah
untuk meningkatkan wawasan yang di dapatkan dari aplikasi yang kita unduh
kita dapat melihat dan membaca apa saja yang terjadi hari ini. Play Store juga
dapat digunakan untuk pengambilan keputusan, dengan cara melihat rate
aplikasi sebelum kita mengunduhnya, kita dapat melibat berapa pengguna yang
telah mengunduh aplikasi tersebut.
3
1.2 Rumusan Masalah
Berdasarkan latar belakang tersebut, maka pemesalahannya adalah bagaimana
cara mengintegrasikan data dari Twitter dan Play Store untuk merancang serta
membuat aplikasi analisis tingkat kepuasan konsumen.
4
BAB II
TINJAUAN PUSTAKA
2.7 Similarity
5
2.1 Penilitian yang Pernah Dilakukan
2.1.1 Judul Jurnal
“Ekstraksi Infromasi Transaksi Online”
Gambar 2 Twitter
Bayangkan berapa banyak tweet hal nya dengan tweet diatas. Mungkin
puluhan, ratusan, bahkan mungkin ribuan. Karena menurut (Boorstin,
2012) transaksi online dilakukan pengguna twitter lebih banyak 24%
dibandingkan rata-rata pengguna internet lainnya. Oleh karena itu
menjadi suatu kemungkinan untuk membuat aplikasi pengambilan
keputusan bersumber dari twitter.
6
2.1.4 Teori yang Digunakan
2.1.4.1 Twitter
Twitter merupakan sebuah situs web yang dimiliki dan
dioperasikan oleh Twitter Inc., yang menawarkan
jejaring sosial berupa microblog sehingga
memungkinkan penggunanya untuk mengirim dan
membaca pesan yang disebut kicauan (tweet).
2.1.5 Metode
Metode yang digunakan pada jurnal ini adalah pencarian (Search) dengan
kata kunci tertentu, memfilter konten tweet yang relevan dengan kegiatan
transaksi online (Filter), mengekstraksi informasi transaksi online
(Ekstraksi), dan menyimpan hasil ekstraksi dalam bentuk yang lebih
terstruktur (Filling).
2.1.5.1 Search
Menentukan kata kunci pencarian. Kata kunci berupa nama akun
Twitter dari online-shop Indonesia yang popular yaitu
kutukutubuku, tokopedia, bukabuku, tokobagus, bukalapak, juale,
berniagaIndo, dmarketID, zaloraID, ngomik, and bhinnekacom.
Twitter API digunakan untuk tahapan pertama ini. Hasil pencarian
berbasis kata kunci tersebut masih menghasilkan konten yang
beragam. Terdapat tiga kategori tweet yang dihasilkan
7
Kategori Relevan, Jika tweet tersebut berisi informasi aktifitas
pembelian, aktifitas pemesanan, dan aktifitas pengiriman
barang
Kategori Iklan, jika tweet tersebut berisi iklan produk yang
dijual.
Kategori tidak-relevan, jika tweet tersebut tidak mengandung
informasi rlevan ataupun iklan.
2.1.5.2 Filter
Melakukan analisis konten tweet untuk mengklasifikasikannya ke
dalam satu dari tiga kategori tweet pada tahap search. Dalam proses
ini akan dilakukan pembuangan kata yang tidak bermakna
(stopword), penggunaan kata kecl atau capital (case folding), dll.
2.1.5.3 Ekstraksi
mengekstraksi informasi transaksi online, untuk tahapan ekstraksi,
terdapat 10 jenis informasi yang akan diekstraksi dari tweet yaitu:
produk yang dibeli (PP: purchased product), produk yang diminati
(PI: product of interest), tempat belanja (SP: shopping place),
jumlah produk yang dibeli (NP:number of purchase), cara
pembayaran (PM: payment method), kepuasan pelanggan (CS:
customer satisfaction), ketidakpuasan pelanggan (CI: customer
inconvenience), haparan pelanggan (CE:customer expectation),
lokasi pengguna (UL: user location), dan harga produk (PR:
product price).
8
2.1.5.4 Filling
Menyimpan hasil ekstraksi dalam bentuk yang lebih terstruktur,
Tahapan filling menggabungkan semua token dengan kategori B-
X dan I-X yang berurutan sampai mendapatkan token dengan
kategori berbeda.
Contoh :
9
Gambar 6 Contoh Tweet
Gambar
disamping adalah
contoh hasil
anotasi tweet
dalam format
xml. Dari data
tersebut nanti
akan ditentukan
klasifikasi
menurut 10 jenis
informasi yang
telahdijelaskan
dalam bagian
metode : filter.
10
2.1.7 Data yang Diolah
Dari data tweet yang diperoleh bisa dilihat bahwa data yang didapat
adalah data yang tidak terstuktur. Maka dari itu perlu untuk membuat
data menjadi terstuktur agar mudah dipahami dan mendapatkan suatu
informasi.
Pada contoh hasil filling terlihat bahwa masih ada satu kejanggalan
yakni kata buku dan casual vacancy masih mendapat klasifikasi yang
berbeda begitu juga jaket dan varsity bigbang. Kedua token tersebut
seharusnya diklasifikasikan sebagai kategori I-PP, Sehingga hasil filling
seharusnya adalah buku casual vacancy dan jaket versity bigbang.
Untuk mendapatkan model klasifikasi yang terbaik untuk tahapan filter
dan tahapan ekstrasi dilakukan eksperimen menggunakan weka 3.7.9 (
Hall dkk, 2009 ). Algoritma pembelajaran yang digunakan telah
disediakan Weka yaitu Naïve Bayes (NB), instance-based learning
(IBk), dan C4.5. Model NB berupa model probabilitas setiap atribut
terhadap suatu kelas, dan klasifikasi suatu data dilakukan dengan
mencari kelas yang memiliki probabilitas maksimum berdasarkan
attribut dari data tersebut (Mitchel, 1997). Ibk tidak menghasilkan
model pembelajaran karena bersifat lazy learning, tetapi hanya
menyimpan semua data pembelajaran yang ada. Klasifikasi suatu data
pada Ibk dilakukan dengan mencari kelas mayoritas dari k-data tetangga
terdekat dengan data yang diklasifikasikan (Mitchell, 1997). Model
C4.5 berupa pohon keputusan, dan klasifikasi suatu data dilakukan
dengan menginferensi pohon sampai mencapai daun yang
merepresentasikan kategori yang dicari (Mitchell, 1997).
11
2.1.8 Hasil Penelitian
Mengekstrak informasi transaksi onlineshop di Indonesia dari konten
tweet. Terdapat empat tahapan yaitu: Search, Filter, Ekstraksi, dan
Filling. Karena sistem ini menggunakan pendekatan klasifikasi untuk
tahap filter dan ekstraksi, beberapa eksperimen dilakukan untuk
mendapatkan model klasifikasi terbaik. Untuk tahap filter, didapatkan
model terbaik dengan akurasi 85.09% dengan representasi fitur trigram,
pembobotan biner, dan algoritma C4.5. Untuk tahap ekstraksi,
didapatkan model terbaik dengan akurasi 81.49% dengan menggunakan
algoritma IBk dan set 7 fitur terbaik berdasarkan gain ratio yaitu
currentWord+ Bef1Class+Bef2Class+ IsLink+ isNumber+ isMention+
isPrice
12
Transaksi online yang semakin meningkat membuka peluang bagi toko online
untuk melebarkan sayapnya di dunia teknologi, dengan cara memberikan
pelayanan atau feedback yang menarik bagi pengguna toko online tersebut.
Meningkatnya transaksi online tersebut juga mengakibatkan pengumpulan
informasi transaksi dari para penjual online tidak efektif karena jumlah penjual
yang banyak dan dan informasi tersebut merupakan data rahasia bagi para
penjual. Maka dari permasalahan tersebut penelitian ini dilakukan dengan
tujuan untuk memberikan informasi tingkat kepuasan pada pengguna pada toko
online Shopee.
2.3.1 Twitter
Twitter didirikan pada bulan Maret 2006 oleh Jack Dorsey, dan situs
jejaring sosialnya diluncurkan pada bulan Juli. Sejak diluncurkan,
13
Twitter telah menjadi salah satu dari sepuluh situs yang paling sering
dikunjungi di Internet, dan dijuluki dengan "pesan singkat dari
Internet.":
1. Following
Following dalam Twitter merupakan orang yang kita ikuti (follow).
Dengan following tersebut kami akan mendapat updatean baru dari
orang tersebut.
2. Followers
Followers dalam Twitter merupakan orang yang mengikuti kita.
3. ReTweet
Retweet dalam bahasa Indonesia adalah mengulang tweet seseorang
maka ReTweet memiliki makna bahwa kita mengulang (meng-
copy) tweet seseorang untuk disampaikan kembali kepada para
Follower kita. ReTweet juga bisa kita sisipkan comment
sebelumnya, sehingga bisa juga digunakan sebagai alternatif dari
Reply
4. Comment / Reply
Comment atau reply adalah sebuah fitur dimana antar pengguna
dapat saling mengomentari sebuah tweet. Fitur ini dimaksudkan
supaya twitter lebih ramai ada sebuah interaksi antar pengguna.
5. Like
Dahulu fitur ini bernama “favorited” dengan icon bintang. Alasan
diganti dengan nama like adalah karena istilah like dan tombol love
itu sudah menjadi sebuah trend dan icon bagi pengguna sosial media
untuk menunjukkan ketertarikan akan sebuah topik. Kalau di
facebook fitur ini dinamakan “like”, kalau di instagram “fav”, kalau
di google plus adalah “plus 1”. Intinya sama, untuk menunjukkan
bahwa kita menyukai/tertarik sebuah postingan.
14
6. Share
Share merupakan salah satu fitur pada Twitter yang akan
membagikan twett melalui aplikasi yang ada pada perangkat anda.
7. Trends
Trends merupakan suatu topik yang sedang banyak dibicarakan
dalam twitter, semakin banyak pengguna twitter yang
membicarakan suatu topik maka semakin lama pula topik tersebut
berada di halaman utama twitter dan akan menjadi trending topik.
8. Mention
Fungsi dari mention adalah untuk memberi tahu pengguna akun
twitter lain dengan menuliskan username nya (@username)
sehingga pengguna akun tersebut dapat membaca tweet yang kita
tandai ke mereka. Pengguna akun tersebut akan mendapatkan
notifikasi di akun twitter.
9. Hastag (#)
Hastag merupakan kata kunci yan dapat dicari oleh pengguna
tweeter dengan mudah dan cepat. Kata kunci berhashtag tersebut
dapat menjadi trending di tweeter.
10. Direct Messages (DM)
Direct Messages (DM) adalah fitur yang digunakan untuk memberi
pesan pribadi ke pengguna Tweeter lain. Fitur ini hanya dapat
digunakan apabila kedua akun saling follow, dan DM ini hanya
memiliki batas 140 karakter.
11. Tweet
Tweet merupakan fitur untuk pengguna twitter agar dapat menulis
sesuatu yang nantinya akan di posting di home timeline twitter.
Dalam tweet ini memiliki batas 140 karakter.
12. Notifications
Notif adalah pemberitahuan pengguna jika ada aktivitas di twitter,
seperti: tweet baru, Retweet, like, comment, dll.
15
13. Night mode
Night mode adalah merubah tampilan twitter. Jika night mode
diaktifkan maka UI twitter akan berwarna gelap (biru navy)
sedangkan jika tidak aktif akan berwarna terang (putih).
14. Unfollow
Unfollow berfungsi untuk tidak mem-follow atau tidak mengikuti
suatu akun twitter tertentu yang sebelumnya kita follow. Ketika kita
sudah melakukan unfollow suatu akun, segala tweet akun tersebut
tidak akan muncul lagi di home timeline anda.
15. Search
Search merupakan sebuah fitur untuk mencari pengguna lain atau
hastag atau mencari sesuatu yang sedang dipikirkan oleh
penggunanya. Semua yang diketikkan akan munsul selama kata
kunci yang dimasukkan terdapat di Twitter.
16. Blocking, Muting
Fitur ini digunakan untuk memblokir sebuah akun pengguna jika
dirasa akun pengguna tersebut mengganggu atu mematikan segala
pemberitahuan tentang akun tersebut
17. Analitika
Analitika berfungsi untuk menampilkan informasi secara detail
segala aktifitas pengguna di twitter.
18. Iklan Twitter
Iklan Twitter digunakan bagi pengguna untuk melakukan promosi
sebuag produk baik berupa barang ataupun jasa. Iklan Twitter
berbasis objek dirancang untuk membantu pengguna mencapai hasil
yang mendorong tindakan dan memberikan nilai tambah pada
produk tersebut. Fitur ini disesuaikan berbagai tujuan bisnis, mulai
dari mendorong tingkat kunjungan situs web hingga meningkatkan
kesadaran merek
16
2.3.2 Play Store / Google Play
Google Play atau Play Store adalah layanan yang disediakan oleh
Google. Play Store diluncurkan pada 2008 sebagai cara pengguna untuk
mendownload aplikasi dan game pada sistem operasi Android yang
pada saat itu merupakan OS baru. Awalnya Play Store bernama Android
Market. Play Store menambahkan dukungan untuk aplikasi berbayar
pada 2009 di AS dan Inggris, dan berkembang ke pasar Internasional di
tahun 2010. Pada peluncuran Google Play meliki 450.000 aplikasi dan
game Android untuk diunduh. Pada Mei 2014, toko melakukan
beberapa perubahan pada setiap deskripsi aplikasi, peringkat, dan
ukuran file. Saat ini Google play store cukup banyak dijadikan toko
pusay agi pemilik Android yang ingin mengunduh aplikasi, membeli
aplikasi, dan lain sebagainya.
1. Search
Search digunakan untuk kita mencari aplikasi, game, flim atau buku
yang akan kita cari dalam aplikasi tersebut.
2. Home
Home adalah tampilan awal dari Play Store dengan menampilkan
beberapa iklan dan rekomendasi .
3. Rating dan Review
17
Rating dan riview merupakan fitur yang dapat kita lakukan apabla
kita telah menginstal suatu aplikasi pada Play Store yang digunakan
untuk memberikan penilaian pada aplikasi yang telah anda gunakan.
4. Daftar Aplikasi
Daftar aplikasi adalah daftar aplikasi yang telah kita unduh.
5. Update Otomatis
Update otomaatis adaah pengaturan yang ada di Play store untuk
mengupdate aplikasi yang ada versi baru dari aplikasi tersebut,
namun fungsi update otomatis dapat dimatikan jika tidak ingin
digunakan.
18
referensi yang berbeda untuk objek, bahkan ketika mereka memodelkan
domain yang sama. Beberapa sumber mungkin benar-benar terstruktur
(misalnya, database relasional), sementara yang lain mungkin tidak
terstruktur atau semi-terstruktur (misalnya, XML, teks).
Otonomi: Sumber tidak harus termasuk dalam satu kesatuan administratif,
dan bahkan ketika mereka melakukannya, mereka mungkin dijalankan oleh
suborganisasi yang berbeda. Oleh karena itu, kita tidak dapat
mengasumsikan bahwa kita memiliki akses penuh terhadap data dalam
sumber atau bahwa kita dapat mengakses data kapan pun kita mau, dan
perhatian yang besar perlu diberikan untuk menghormati privasi data bila
sesuai. Selanjutnya, sumber dapat mengubah format data dan pola akses
mereka setiap saat, tanpa harus memberitahukan kepada masing-masing
entitas administratif pusat.
19
2.6 Mediated Schema
Mediated schema adalah mesin pencari vertikan memodelkan sifat – sifat
penting dari objek yang sedang di pertimbangkan, beberapa atribur dalam
skema termediasi akan menjadi atribut dalam bentuk yang diakses pengguna.
Atribut lainnya akan menjadi atribut output dan hanya akan terlihat di halaman
hasil pencarian. Misalnya, skema yang dimediasi untuk pencarian pekerjaan
yang mengintegrasikan data dari dua sumber akan menyertakan atribut yang
ditampilkan dalam formulir, seperti kategori, kata kunciDeskripsi, kota, negara
bagian, dan atribut yang dibukaTanggal dan menggunakanAgency yang hanya
ditampilkan dengan hasil. Perhatikan bahwa dalam beberapa kasus, atribut yang
ditampilkan pada formulir dapat berupa nilai minimum dan maksimum untuk
atribut skema.
2.7 Similarity
Semakin berkembangnya teknologi informasi, sehingga membuat pembuatan
karya tulis semakin mudah dan cepat. Hal tersebut dikarenakan informasi kini
tersedia secara melimpah. Akan tetapi dikarenakan kemudahan dalam
memperoleh informasi tersebut, pada pembuatan karya tulis sering ditemukan
kesamaan dengan karya tulis orang lain sehingga kemudian menimbulkan isu
plagiarism.
20
distance 1 karena hanya perlu dilakukan satu operasi saja untuk mengubah satu
string ke string yang lain. Dalam kasus dua string di atas, string “computer”
dapat menjadi “komputer” hanya dengan melakukan satu penukaran karakter
“c” menjadi “k” . Algoritma Levenshtein digunakan secara luas dalam berbagai
bidang, misalnya mesin pencari, pengecek ejaan (spell checking), pengenal
pembicaraan (speech recognition), pengucapan dialek, analisis DNA,
pendeteksi pemalsuan, dan lain-lain. Algoritma ini menghitung jumlah operasi
string paling sedikit yang diperlukan untuk mentransformasikan suatu string
menjadi string yang lain . Algoritma Levenshtein bekerja dengan menghitung
jumlah minimum pentranformasian suatu string menjadi string lain yang
meliputi penghapusan, penyisipan, dan penukaran. Selisih perbedaan antar
string dapat diperoleh dengan memeriksa apakah suatu string sumber sesuai
dengan string target. Nilai selisih perbedaan ini disebut juga edit distance atau
jarak Levenhstein. Jarak Levenshtein antar string “s” dan string “t” tersebut
adalah fungsi D yang memetakan (s,t) ke suatu bilangan real non negatif,
sebagai contoh diberikan dua buah string s = s(1)s,(2),s(3),...,s(m) dan t =
t(1),t(2),t(3),...,t(n) dengan | s | = m dan | t | = n sepanjang alfabet V berukuran
r sehingga “s” dan “t” anggota dari V*. s(j) adalah karakter pada posisi ke-j
pada string “s” dan t(i) adalah karakter pada posisi ke-i pada string “t”.
Sehingga jarak Levenshtein dapat didefinisikan sebagai (Harahap, 2013). D(s,t
) = d(s1,t1 ) + d(s2,t2) + … + d(s1,t1 ) D(s,t) adalah banyaknya operasi
minimum dari operasi penghapusan, penyisipan dan penukaran untuk
menyamakan string s dan t. Pada implementasi pencocokan antar string, ketiga
operasi tersebut dapat dilakukan sekaligus untuk menyamakan string sumber
dengan string target.
Tahapan :
Pada saat melakukan pencarian pada sistem menggunakan kata kunci yang
tidak sesuai yang disebabkan oleh kesalahaan pada pengejaan, maka sistem
akan memberikan saran kata kunci yang merupakan hasil dari perbaikan ejaan
21
kata kunci yang sebelumnya. Sistem memberikan saran kata kunci
inventorisasi“ yang merupakan perbaikan ejaan dari kata “inventrisasi”.
Adapun proses perbaikan ejaan dapat dijelaskan sebagai berikut :
22
Tabel 1Interpelasi
Tabel 2 Inventarisasi
23
Tabel 3 Interupsi
Tabel 4 Investasi
24
lengkap. Teknik ini akan digunakan untuk mengakumulasikan
setiap tweet dan komentar Play Store yang dibuat oleh pengguna
Twitter dan Play Store yang dimana akan ditampung kedalam
database untuk menghadirkan informasi yang lebih lengkap dan
akurat.
2. Brushing
Memilih atau menunjuk/ menspesifikasikan nilai, kemudian melihat
item yang tepat ditempat lain pada tampilan. Teknik ini akan
digunakan untuk menspesifikasikan data data yang diperoleh dari
Twitter dan Play Store untuk dijadikan suatu informasi yang
berguna.
3. Hirarki yang menggambarkan visualisasi aplikasi ini adalah tree
(Pohon). Hal ini dikarenakan semua data yang beragam akan
divisualisasikan kedalam satu tampilan puncak yaitu informasi
mengenai kepuasan, ketidakpuasan, dan harapan pelanggan
terhadapa transaksi online Shoope.id
Tweet
Informasi Transaksi
Review Play Store
toko online.
Hastag
25
BAB III
26
3.3 Profil Sumber data
3.3.1 Profil masing – masing sumber data
3.3.1.1 Twitter
Twitter adalah layanan jejaring sosial dan mikroblog daring
yang memungkinkan penggunanya untuk mengirim dan
membaca pesan berbasis teks yang dikenal dengan sebutan
tweet (kicauan). Pada Twitter terdapat berbagai macam fitur,
yaitu: Profile, follower/ following, Tweet, Retweet, Comment,
Like, Trends, hastag, Mention, dll.
27
Gambar 12 Tampilan Play Store
28
3.3.2.2 Play Store
Nama_User Nama user pengguna Playstore
Review Postingan Pengguna Playstore
Waktu_Posting Waktu dari sebuah review dibuat
Like Menyukai sebuah review
Rate Menilai sebuah aplikasi yang ada di
Playstore
Tabel 8 Sumber data Play Store
29
Gambar 13 Metode Mapping
30
2. Menggunakan Library Abraham TwitterOAuth untuk
pengembangan dengan menggunakan PHP sebagai Bahasa
pemrograman. Untuk mempermudah penggunaan,
gunakanlah composer untuk melakukan installasi library.
Gambar 15 Composer
31
3. Membuat file php baru dengan nama file twitter dalam satu
folder yang sama dengan Library Abraham TwitterOauth.
Memasukkan kode seperti dibawah ini.
<?php
// load library TwitterOAuth
require "vendor/autoload.php";
use Abraham\TwitterOAuth\TwitterOAuth;
// membuka koneksi
$conn = new TwitterOAuth($key, $secret_key, $token,
$secret_token);
?>
32
4. Jalankan server php di localhost menggunakan browser,
maka akan muncul seperti tampilan data twitt seperti
dibawah ini.
33
2. Memasukkan url
https://play.google.com/store/apps/details?id=com.shopee.i
d&hl=in
34
Gambar 21 Pemilihan data 2
Gambar 22 Extract 1
35
Gambar 24 Extract 2
36
6. data dalam format exel
37
2. Memasukkan beberapa parameter yaitu ( string $str1, string $str2,
int $cost_ins, int $cost_rep, int $cost_del )
Gambar 28 Parameter
3. Output yang dikeluarkan yaitu berupa tipe data integer dengan nilai
kesamaan antara $target(nilai yang dicari) dengan $candidate(nilai
yang disamakan). Semakin kecil nilai yang dihasilkan function
levenshtein, maka semakin mirip kata yang ada di ta$rget dengan
$candidate.
38
3.4.4 Mediated Schema dan Pemetaan dengan Sumber Data
Mediated Schema terdiri dari Id, username, Posting, dan Waktu
Posting. Data yang paling dibutuhkan adalah data twitt dari
twitter dan review dari google playstore.
Informasi:
Sentiment Analysis Konsumen Shopee Indonesaia
Mediated Schema:
( Id, Username, Posting, Waktu
Posting, )
Database Database
Twitter Google
Playstore
39
Secara otomatis program akan mencari dan
menampilkan data twitt dan review dari Google
Playstore.
2. Matching Data
40
3. Proses Mapping
41
3.4.5 Desain Uji Coba
NO SKENARIO HASIL
Text Box Search kosong Muncul pesan alert!
( Masukkan Kata Kunci! )
1.
42
BAB IV
CPU : Intel Core i5-530 2.9 GHz or AMD Phenom II X4 925 2.8 GHz
43
4.3 Implementasi Sistem
1. Tampilan awal
Gambar 37 Pencarian
44
4. Proses mapping data dengan menggunakan tampila diagram garis
45
4.4 Hasil Uji Coba Sistem
KESIMPULA
NO SKENARIO HASIL N
1. ) Valid
46
BAB V
PENUTUP
5.1 Kesimpulan
Kesimpulan yang dapat diambil dari pembuatan aplikasi Analisis tingkat
kepuasan komsumen terhadap toko online Shopee dengan membandingkan 2
website yaitu Twitter dan Play Store berdasarkan komentarnya sebagai berikut
:
5.2 Saran
Dalam pembuatan aplikasi Analisis tingkat kepuasan komsumen terhadap toko
online Shopee tentulah masih ada kekurangan dan perlunya perbaikan lebih
lanjut. Demi pengembangan dan kemajuan aplikasi yang lebih baik, maka hal-
hal yang perlu diperhatikan guna mengembangkan aplikasi ini adalah :
47
2. Dalam pengembangannya, aplikasi Analisis tingkat kepuasan komsumen
terhadap toko online Shopee dengan membandingkan 2 website ini perlu
didukung oleh perangkat yang memadai, baik perangkat lunak (Sofware),
perangkat keras (Hardware), maupun jaringan (Network).
48
DAFTAR PUSTAKA
Arnani, M. (2018, September 11). 16000 Laporan diterima cekrekenig.id 14000
penipuaan. Retrieved from Kompas.com:
https://nasional.kompas.com/read/2018/09/11/15014481/16000-laporan-
diterima-cekrekeningid-penipuan-online-capai-14000
Baskoro, A. (2018, September 12). Kasus Penipuan Toko Online, Bela Hasilkan
Ratusan Juta Hasil Penipuan Bermodus Jual Beli Online. Retrieved from
Wartakota.tribunnews.com:
http://wartakota.tribunnews.com/2018/09/12/kasus-penipuan-toko-online-
bela-hasilkan-ratusan-juta-hasil-penipuan-bermodus-jual-beli-online
Inilah Sejarah Berdirinya Twitter yang Fenomenal di Dunia. (2017, Agustus 26).
Retrieved from Netralnews.com:
http://www.netralnews.com/news/singkapsejarah/read/97615/inilah-sejarah-
berdirinya-twitter-yang-fenomenal-di-dunia
49
Noor, A. R. (2017, April 27). Tiap hari ada 2,7 juta transaksi online lewat medsos.
Retrieved from https://inet.detik.com/business/d-3485125/tiap-hari-ada-27-
juta-transaksi-jual-beli-lewat-medsos
Setiawan, S. R. (2014, Oktober 13). Ketika Orang Indonesia Lebih Senang Belanja
Online. Retrieved from Kompas.com:
https://ekonomi.kompas.com/read/2014/10/13/084300126/Ketika.Orang.Indo
nesia.Lebih.Senang.Belanja.Online
vinashaw. (n.d.). Apa yang dimaksud dengan web crawler ? Retrieved from Dictio.id:
https://www.dictio.id/t/apa-yang-dimaksud-dengan-web-crawler/1511
50