PENGEMBANGAN

LIBRARY
SISTEM
PEMERINGKAT
OTOMATIS
M. Elfa Rodhian Putra
BERBASIS KATA 1641723007

SIFAT
 1 Pendahuluan
2 Metodologi
3 Analisis dan Perancangan
4 Implementasi

5 Pengujian
Agenda
Presentasi
 PENDAHULUAN
Pada pendahuluan akan dibahas latar belakang, rumusan
masalah, batasan masalah , dan tujuan
LATAR BELAKANG

PERKEM DATA ANALISA

BANGAN RATING
SEMANTI
TEKNOLO
Perkembangan banyak beredar C kritik
ide, opini, Nilai yang didapat
Teknologi
GI yang ide, opini, kritik ataupun saran di diproses
pesat ataupun saran di internet dapat menggunakan
mempengaruhi internet dalam diproses suatu metode
kebiasaan bentuk website sehingga dan
masyarakat atau blog pribadi menghasilkan menghasilkan
dalam sebuah nilai rating
berkomunikasi
PENELITIAN TERKAIT

1 2 3

Wisata Jasa Pengiriman Organisasi

D.M. Ramadhani, "Sistem
Pemeringkat Otomatis Destinasi
Wisata berdasarkan analisa Media
Sosial [Thesis]", 2018
U. Nurhasan, I.P. Hidayati. “Sistem
Rating Otomatis Jasa Pengiriman
Barang Nasional”, 2018
F. Rahutomo, Z. H. R. Adi, I. F. Rozi
and P. Y. Saputra, "Implementasi
Text Mining pada Laman Blog di
Internet untuk Menilai Kinerja
Suatu Organisasi“, 2018
 Sistem
Pemeringka
t Otomatis
Berbasis
Kata Sifat

Wisata
D.M. Ramadhani, "Sistem
Pemeringkat Otomatis Destinasi Jasa Pengiriman
Wisata berdasarkan analisa Media
Sosial [Thesis]", 2018 U. Nurhasan, I.P. Hidayati. “Sistem
Rating Otomatis Jasa Pengiriman
Organisasi Barang Nasional”, 2018

• F. Rahutomo, Z. H. R. Adi, I. F.
Rozi and P. Y. Saputra,
"Implementasi Text Mining pada
Laman Blog di Internet untuk
Menilai Kinerja Suatu
Organisasi“, 2018
PERMASALAHAN

KASUS PEMBUAT KURANG

TERBATA AN EFEKTIF
S yang
Penelitian SISTEM
ketika Metode yang sama
telah dibuat permasalahan dibuat ulang
terbatas pada objek LAMA berkali-kali
yang akan
tertentu
diselesaikan
berbeda, sistem
harus dibuat
ulang dari awal
 SOLUSI

Di buat sebuah Library

Agar dapat digunakan secara dinamis tanpa ada batasan

permasalahan tertentu, perlu dibuat sebuah library yang memiliki
fungsi sama seperti Sistem Pemeringkat pada penelitian sebelumnya,
namun dapat menerima input permasalahan secara dinamis
RUMUSAN MASALAH
1

Bagaimana melakukan
pemeringkatan bersadarkan kata
sifat?
2

Bagaimana membuat library

sistem pemeringkat otomatis
berbasis kata sifat?
3

Bagaimana mengimplementasikan
library sistem pemeringkat
otomatis berbasis kata sifat?
BATASAN MASALAH

1 2
Data yang digunakan adalah Daftar kata sifat yang
konten dalam Bahasa Indonesia digunakan berdasarkan
yang berasal dari blospot, Tesaurus Indonesia
wordpress dan kompasiana

3 4
Metode yang digunakan adalah Objek yang digunakan untuk
Sistem Pemeringkat Otomatis pengujian adalah Wisata
Berbasis Kata Sifat
TUJUAN
1

Membuat Library Sistem

Pemeringkat Otomatis
berdasarkan perbandingan kata
sifat dari data yang diinputkan 2
dengan kata sifat dari Tesaurus
Library yang dibuat dapat
digunakan secara dinamis untuk
berbagai jenis permasalahan
3

Menerapkan Metode Sistem

Pemeringkat Otomatis Berbasis
Kata Sifat kedalam sebuah Library
 METODOLOGI
Pada metodologi akan dibahas meliputi metode pengumpulan data,
pengolahan data, Analisis Metode, pengembangan sistem, dan metode
pengujian
Pengumpulan data
1. Lemma kata sifat

mengumpulkan data lemma kata

sifat. Kata sifat yang digunakan
dalam peneltian ini adalah kata sifat
yang telah terdaftar di dalam 8.005 2. Google Maps
lemma kata sifat yang telah dibuat Terdapat 3
pada penelitian sebelumnya
tahap dalam mengumpulkan 10 nama tempat
pengumpulan wisata secara acak, pada penelitian
ini tempat wisata yang
data dikumpulkan adalah yang berada
3. Crawling Google CSE
di daerah Malang Raya.
crawling data menggunakan Google
Custom Search API berdasarkan
pada kata kunci nama objek wisata
yang dikumpulkan pada tahap
kedua.
METODE PENGOLAHAN DATA
Preprocessing Preprocessing adalah pengolahan data yang
bertujuan untuk menghilangkan data yang
• Case folding tidak memiliki nilai atau data yang tidak
• Tokenizing konsisten. Tahap ini meliputi case folding
dan tokenizing.
preprocessing
No Dataset Case Folding Tokenizing
1 Gunung Bromo membuat saya senang gunung bromo membuat saya gunung
dan takjub dikarenakan sejauh mata senang dan takjub dikarenakan bromo
memandang, hanya terlihat sejauh mata memandang, hanya membuat
saya
pemandangan yang indah terlihat pemandangan yang indah
senang
dan
takjub
dikarenakan
sejauh
mata
memandang
hanya
terlihat
pemandangan
yang
indah
ANALISa METODE
Sistem Pemeringkat
Otomatis Berbasis Kata
Sifat
• menentukan kategori dan Kategori dan Sub Kategori digunakan sebagai parameter pembanding yang
sub kategori menentukan kata sifat apa saja yang dapat mempengaruhi rating dari sebuah
obyek

• Membandingkan dataset membandingkan dataset dengan sub kategori tujuannya adalah mencari dan
dengan sub kategori mendapatkan kata-kata yang sama antara kata sifat yang dihasilkan oleh
(beserta sinonim dan preprocessing dengan daftar sub kategori(berserta sinonim dan antonimnya). Jadi
antonim yang didapat masing-masing kata sifat di dalam dataset dicari di dalam daftar kata sifat sub
dari data lemma kata kategori (berserta sinonim dan anotonimnya) dengan ketentuan yaitu jika
sifat) menemukan kesamaan kata sifat dan sinonimnya maka kata di nilai 1. Sedangkan
jika ditemukan antonim maka di nilai -1 dan jika tidak ditemukan sinonim ataupun
antonim maka di nilai 0.

Hasil perbandingan dataset dengan sub kategori kemudian dihitung dengan rumus
• Algoritma Pemeringkatan
tertentu sehingga menghasilkan rating
Menentukan kategori dan sub
kategori
No Kategori Sub Kategori
1 Akses Jalan lancar
mudah
2 Fasilitas indah Pada penelitian ini terdapat 6 kategori
bersih
alami penilaian yaitu Akses Jalan, Fasilitas, Kuliner,
terpesona
unik
Biaya Masuk, Usia Pengunjung dan
jernih Emosional. Setiap Kategori memiliki sub
bagus
luas kategori yang berbeda, sub kategori berupa
3 Kuliner
megah
enak
kata sifat yang nantinya akan direlasikan
nikmat sinonim dan antonimnya dengan data
sedap
asin lemma kata sifat dari penelitian.
lezat
khas
4 Biaya Masuk murah
ekonomis
gratis
5 Usia Pengunjung muda
dewasa
tua
6 Emosional senang
bahagia
gembira
seru
asyik
menarik
Membandingan dataset dengan sub
kategori
Sub Kategori Sinonim (dari Tesaurus) Antonim (dari
contoh sub kategori beserta sinonim
Tesaurus)
lancar mudah, mulus. lancar mengadat, terhalang dan antonimnya. Relasi ini kemudian
lebar besar, belantara, lebar, luas kecil, cekak, cupet akan dibandingkan dengan contoh
kecil kerdil, mungil, alit, kecil -
ceria bahagia, ceria, senang, gembira -
dataset berikut:
gembira bahagia, ceria, senang, gembira -

Dataset Sub kategori

senang lancar (sinonim dan antonim)
2 kelompok kata sifat yaitu dataset dan
cupet lebar (sinonim dan antonim) sub kategori beserta sinonim dan
bahagia kecil (sinonim dan antonim)
kecil ceria (sinonim dan antonim)
antonimnya. Kedua kelompok kata ini
mengadat mengadat (sinonim dan antonim) akan dibandingkan satu persatu.
Membandingan dataset dengan sub
kategori
Su   sin & ant dataset   Dataset SUM
b     senang cupet bahagia kecil mengadat
senang cupet bahagia kecil mengadat
ka mudah mudah 0 0 0 0 0
te mulus 0 0 0 0 0
S mudah 0 0 0 0 -1 -1
go lancer 0 0 0 0 0 u lebar 0 -1 0 -1 0 -2
ri mengadat* 0 0 0 0 -1 b kecil 0 0 0 1 0 1
terhalang* 0 0 0 0 0
k ceria 1 0 1 0 0 2
terhambat* 0 0 0 0 0 gembira 1 0 1 0 0 2
lebar besar 0 0 0 0 0 at
belantara 0 0 0 0 0 e
lebar 0 0 0 0 0
luas 0 0 0 0 0
g
kecil* 0 0 0 -1 0 o
cekak* 0 0 0 0 0 ri
cupet* 0 -1 0 0 0
kecil kerdil 0 0 0 0 0
mungil 0 0 0 0 0
alit 0 0 0 0 0 hasil dari perbandingan dan perhitungan
kecil 0 0 0 1 0
ceria bahagia 0 0 1 0 0 yang didapat dengan menjumlah nilai dari
ceria
senang
0
1
0
0
0
0
0
0
0
0 masing-masing dataset berdasarkan sub
gembira
gembira
bahagia
0
0
0
0
0
1
0
0
0
0
kategori
ceria 0 0 0 0 0
senang 1 0 0 0 0
gembira 0 0 0 0 0

* = antonim
 Algoritma peratingan
  Dataset SUM SUM 2
senang cupet bahagia kecil mengadat
kolom “SUM 2” adalah perubahan dari
mudah 0 0 0 0 -1 -1 -1 “SUM" dengan batasan yang dijelaskan
sebelumnya. Kata “lebar” yang berjumlah “-
Sub lebar 0 -1 0 -1 0 -2 -1
2” berubah menjadi “-1” pada kolom “SUM
kate
gori kecil 0 0 0 1 0 1 1 2”, karena nilai “-2” kurang dari “-1”. Begitu
ceria 1 0 1 0 0 2 1 pula dengan kata “ceria” nilai “2” akan
gembira 1 0 1 0 0 2 1
menjadi nilai “1”. Setelah semua di lakukan
Rata-rata 0.2
proses batasan, hasil dari nilai di rata rata
Rating = rata-rata * 5 1
yaitu “0,2” kemudian di kali “5” dan menjadi
“1”. Sehingga rating dari dataset yang
diberikan adalah “1”
 ANALISIS dan PERANCANGAN
Pada analisis dan perancangan akan dibahas mengenai analisis dan perancangan
sistem dari Library Sistem Pemeringkat Otomatis Berbasis Kata Sifat
Gambaran umum sistem

Pada penelitian ini akan dibuat sebuah

aplikasi berbasis web untuk
mengimplementasikan library Sistem
Pemeringkat Otomatis Berbasis Kata Sifat.
Sesuai dengan fungsi library, sistem yang
dibuat akan menerima input berupa aspek
penilaian dan konten kemudian
menghasilkan output berupa rating.
WORK FLOW DIAGRAM
1. User menginputkan 3 masukan
yaitu : konten, kategori dan sub
kategori
2. Konten akan menjadi input utama
dari Library dan dilakukan proses
preprocessing yang meliputi
Tokenizing, Case Folding, dan
Adecjtive Passlist sehingga hanya
menghasilkan nilai kategori.
3. Nilai kategori tersebut kemudian
dihitung melalui perhitungan
sinonim-antonim berdasarkan
Relasi Kata Sifat
4. Hasil perhitungan tersebut
kemudian dirata-rata sehingga
menghasilkan nilai rating.
database
terdapat 3 jenis data .json yang akan digunakan
dalam penelitian ini yaitu:
1. Data lemma kata sifat yang telah terdaftar
di dalam 8.005 lemma kata sifat yang telah
dibuat sebelumnya pada penelitian [4]
2. Data kategori dan sub kategori penilaian
3. Dataset yang didapatkan dari proses
Crawling
 IMPLEMENTASI
Bagian ini membahas tentang proses implementasi dari hasil
perancangan sistem
Upload repository pypi

Python Package Index (disingkat PyPI) adalah pihak ketiga resmi perangkat lunak
repositori untuk python
Halaman input kategori
N Jenis Nama Fungsi

o
1 Label Nama Kategori Text Petunjuk
2 Input Text Kategori Input nama kategori
3 Input Multi Sub Kategori Input sub kategori untuk tiap

Tags kategori yang berbeda

3 Button Proses Aksi pemrosesan selanjutnya
4 Menu SPOKS Pindah ke halaman SPOKS
5 Menu Kategori Pindah ke halaman kategori
Halaman input data
N Jenis Nama Fungsi

o
1 Label Input Text Text Petunjuk
2 Text Area Input Dataset Input dataset untuk proses

selanjutnya
3 Button Proses Aksi pemrosesan dataset
4 Menu SPOKS Pindah ke halaman SPOKS
5 Menu Kategori Pindah ke halaman kategori
Halaman hasil rating
N Jenis Nama Fungsi

o
1 Label Hasil Peratingan Text Petunjuk
2 Label Hasil Jumlah rating yang

didapatkan dari perhitungan

menggunakan metode
3 Tabel Tabel Detail Penilaian Tabel perhitungan langkah-

langkah penilaian

menggunakan library
4 Menu SPOKS Pindah ke halaman SPOKS
5 Menu Kategori Pindah ke halaman kategori
 PENGUJIAN
Pada pengujian dijelaskan pengujian sistem aplikasi setelah
implementasi selesai
Pengujian sistem
PCC

Pearson Coefficient of Correlation

(PCC) adalah adalah ukuran
korelasi linier antara dua variabel X
dan Y
  r

Presentase Error

Error Precentage yaitu menghitung

perbedaan antara nilai yang
diperoleh sistem dengan nilai
acuan
 
Data rating dari sistem
Nilai Rating Sistem
No Wisata
10 konten 20 konten 30 konten
1 Pantai Ngudel 3.72 3.86 3.86
2 Pantai Goa Cina 3.60 3.81 3.81
3 Coban Rondo 3.48 3.48 3.48
4 Coban Rais 4.14 4.14 4.14
5 Batu Night Spectacular 3.28 3.28 3.28
6 Museum Angkut 3.67 3.67 3.67
7 Paralayang 3.67 3.67 3.67
8 Jawa Timur Park 3 3.81 3.81 3.81
9 Jodipan 4.32 4.41 4.41
10 Omah Kayu 3.48 3.48 4.00
Data rating dari GOOGle maps
Rating Google Maps
No Wisata
(diakses 8 Juni 2019)
1 Pantai Ngudel 4.5
2 Pantai Goa Cina 4.4
3 Coban Rondo 4.4
4 Coban Rais 4.1
5 Batu Night Spectacular 4.4
6 Museum Angkut 4.6
7 Paralayang 4.6
8 Jawa Timur Park 3 4.4
9 Selecta 4.4
10 Omah Kayu 4.3
Presentase error
Sistem

No Wisata Google Maps 10 konten 20 konten 30 konten

rating error rating error rating error

1 Pantai Ngudel 4.5 3.72 17% 3.86 14% 3.86 14%

2 Pantai Goa Cina 4.4 3.60 18% 3.81 13% 3.81 13%

3 Coban Rondo 4.4 3.48 21% 3.48 21% 3.48 21%

4 Coban Rais 4.1 4.14 1% 4.14 1% 4.14 1%
5 Batu Night Spectacular 4.4 3.28 26% 3.28 26% 3.28 26%

6 Museum Angkut 4.6 3.67 20% 3.67 20% 3.67 20%

7 Paralayang 4.6 3.67 20% 3.67 20% 3.67 20%
8 Jawa Timur Park 3 4.4 3.81 13% 3.81 13% 3.81 13%
9 Selecta 4.4 4.32 2% 4.41 0% 4.41 0%
10 Omah Kayu 4.3 3.48 19% 3.48 19% 4.00 7%
∑ error     16%   15%   14%
Rata-rata Error 15%
Pearson Coefficient of Correlation (PCC)
Sistem
Google
No Wisata Maps 10 konten

x x2 y y2 xy
1 Pantai Ngudel 4.5 20.3 3.72 13.84 16.74

2
2 Pantai Goa
Pantai Goa Cina
Cina 4.4
4.4 19.4
19.4 3.60
3.60 12.97
12.97 15.85
15.85
3
3 Coban
Coban Rondo
Rondo 4.4
4.4 19.4
19.4 3.48
3.48 12.13
12.13 15.32
15.32
4
4 Coban
Coban Rais
Rais 4.1
4.1 16.8
16.8 4.14
4.14 17.11
17.11 16.96
16.96
5 Batu Night Spectacular 4.4 19.4 3.28 10.74 14.42  Data uji 10
5 Batu Night Spectacular 4.4 19.4 3.28 10.74 14.42
6 Museum Angkut 4.6 21.2 3.67 13.5 16.9 konten :
6 Museum Angkut 4.6 21.2 3.67 13.5 16.9
7 Paralayang 4.6 21.2 3.67 13.5 16.9
7 Paralayang 4.6 21.2 3.67 13.5 16.9
8 Jawa Timur Park 3 4.4 19.4 3.81 14.54 16.78
8 Jawa Timur Park 3 4.4 19.4 3.81 14.54 16.78
9 Selecta 4.4 19.4 4.32 18.68 19.02
9 Selecta 4.4 19.4 4.32 18.68 19.02
10 Omah Kayu 4.3 18.5 3.48 12.13 14.97
10 Omah Kayu 4.3 18.5 3.48 12.13 14.97
∑   195   139.1 163.9
∑  
195  
139.1 163.9
    0.99564898

0.99564898
   
Pearson Coefficient of Correlation (PCC)
Sistem
Google
No Wisata Maps 20 konten

x x2 y y2 xy
1 Pantai Ngudel 4.5 20.3 3.86 14.89 17.37

2 Pantai Goa Cina 4.4 19.4 3.81 14.54 16.78

3 Coban Rondo 4.4 19.4 3.48 12.13 15.32

4 Coban Rais 4.1 16.8 4.14 17.11 16.96

5 Batu Night Spectacular 4.4 19.4 3.28 10.74 14.42  Data uji 20
6 Museum Angkut 4.6 21.2 3.67 13.50 16.90
konten :
7 Paralayang 4.6 21.2 3.67 13.50 16.90

8 Jawa Timur Park 3 4.4 19.4 3.81 14.54 16.78

9 Selecta 4.4 19.4 4.41 19.49 19.42

10 Omah Kayu 4.3 18.5 3.48 12.13 14.97

∑   195   142.6 165.8

0.995382777
   
Pearson Coefficient of Correlation (PCC)
Sistem
Google
No Wisata Maps 30 konten

x x2 y y2 xy
1 Pantai Ngudel 4.5 20.3 3.86 14.89 17.37

2 Pantai Goa Cina 4.4 19.4 3.81 14.54 16.78

3 Coban Rondo 4.4 19.4 3.48 12.13 15.32

4 Coban Rais 4.1 16.8 4.14 17.11 16.96

5 Batu Night Spectacular 4.4 19.4 3.28 10.74 14.42

 Data uji 30
6 Museum Angkut 4.6 21.2 3.67 13.5 16.9
konten :
7 Paralayang 4.6 21.2 3.67 13.5 16.9

8 Jawa Timur Park 3 4.4 19.4 3.81 14.54 16.78

9 Selecta 4.4 19.4 4.41 19.49 19.42

10 Omah Kayu 4.3 18.5 4.00 15.98 17.19

146.
∑ 195 168
    4

0.995317645
   
Bagan perbandingan
Rating Tempat Wisata
5

4.5

3.5

3
rating

2.5

1.5

0.5

0
1 2 3 4 5 6 7 8 9 10
TERIMA KASIH