bab 1 pendahuluan - SInTA UKDW - Universitas Kristen Duta Wacana

BAB 1
PENDAHULUAN
1.1
Latar Belakang
Halaman web atau Web Page biasanya menyimpan informasi dalam
format tampilan tertentu, sehingga tampilan informasi tersebut mudah dilihat oleh
pengguna. Bahasa representasi dalam mengatur tampilan dalam halaman web
adalah Hypertext Markup Language (HTML).
Penulisan HTML dari suatu
halaman web dapat dilihat dengan melihat source pada Web Browser (view
source). Sering kali ditemukan halaman web yang memiliki kemiripan dari segi
format penulisan dan isinya. Dalam pengaturan halaman web (web pages
maintance) diperlukan untuk mengelompokan halaman-halaman web yang
memiliki kemiripan. Dari pengelompokan tersebut dapat digunakan untuk
membantu dalam pencarian informasi halaman-halaman web yang terkait dengan
suatu topik tertentu, atau mendeteksi adanya duplikasi halaman web (plagiarism).
Pada dasarnya halaman web terdiri dari dua bagian yaitu : struktur web
(tag) dan isi web (content), selain itu juga ada tambahan berupa script dan
cascading style sheets (CSS). Penulisan tag HTML dari halaman web yang
terstruktur
memungkinkan
untuk
dilakukan
identifikasi
sejauh
mana
kemiripannya dengan halaman web yang lain dilihat dari segi format tampilannya.
Sedangkan isi dari halaman web pada dasarnya merupakan berkas teks, kecuali
untuk halaman web yang hanya berisi gambar atau animasi yang tidak berbasis
teks. Jadi untuk membandingkan isi halaman web dapat dilakukan seperti
melakukan perbandingan antara dua berkas teks.
Dalam tugas akhir ini penulis akan mencoba melakukan penelitian
dengan menghitung tingkat kemiripan antara dua halaman web. Perbandingan
dapat dilakukan dengan mengacu kepada struktur dan isi yang terdapat didalam
source dari halaman web. Dan untuk permasalahan ini ada beberapa algoritma
pemograman struktural dapat digunakan salah satunya adalah algoritma
Levenshtein Distance yang merupakan metode pencocokan string (Approximate
string matching). Algoritma tersebut melakukan perbandingan kata (string)
perkarakter dan khusus tag-tag HTML dari halaman web akan lebih mudah jika
terlebih dahulu diubah dalam bentuk yang lebih terstruktur sederhana yaitu dalam
bentuk string (HTML-strings). Sedangkan untuk isi halaman web dapat
dibandingkan dengan menggunakan algoritma yang sama dengan mengasumsikan
isi halaman web sebagai dua string yang panjang.
1.2
Rumusan Masalah
•
Bagaimana menerapkan Algoritma Levenshtein Distance agar dapat
menghitung tingkat kemiripan struktur dan isi dari dua halaman web.
•
Bagaimana
mengatasi
keterbatasan
alokasi
memory
dalam
membandingkan dua string yang sangat panjang dengan algoritma
Levenshtein Distance.
•
Seberapa
efektifkah
algoritma
Levenshtein
Distance
dalam
membandingkan halaman web khususnya jika dilihat dari kecepatan
proses perhitungan.
1.3
Batasan Masalah
Pada skripsi ada beberapa batasan yang ditentukan :
•
Perbandingan dilakukan dengan mengasumsikan satu halaman web
sebagai file yang asli (original) dan satu lagi sebagai file yang
diperkirakan mirip dengan halaman yang pertama (modified).
•
Perbandingan halaman web meliputi perbandingan struktur dan isi
halaman web dan tingkat kemiripan yang didapat akan dipisah antara
keduanya.
•
Halaman web yang dibandingkan adalah halaman web yang sudah
diterima oleh browser (client side)
•
Asumsi tingkat kemiripan yang diambil penulis adalah dalam persentase
0% sampai 100%
•
Perbandingan halaman web dapat dilakukan secara online dan offline.
2
•
Dalam proses perbandingan struktur halaman web, hanya tag pembuka
dari halaman web saja yang akan dibandingkan, misal : web1 =
<p>......</p>; web2 = <b>....</b>, maka yang dibandingkan adalah tag
<p> dan <b>.
•
Penggunaan CSS yang ditambahkan kedalam file HTML (dalam tag
<style>....</style>) atau file CSS yang terpisah (eksternal) akan
diabaikan.
•
Penggunaan script yang ditambahkan ke dalam file HTML (dalam tag
<script>....</script>) atau file script yang terpisah (eksternal) akan
diabaikan.
•
Kode HTML yang dibandingkan diasumsikan sudah sesuai dengan
spesifikasi HTML versi 4.01
1.4
Tujuan Penulisan
Tujuan penulisan skripsi ini adalah :
•
Membuat aplikasi yang menerapkan algoritma levenshtein distance
dapat digunakan untuk membandingkan dua halaman web. Dengan
aplikasi yang dibuat akan dilakukan penelitian sejauh mana kemampuan
algoritma levenshtein distance dalam menemukan tingkat kemiripan dari
kedua halaman web tersebut.
•
Memenuhi kurikulum tingkat sarjana dan meraih gelar sarjana komputer
pada Program Studi Teknik Informatika Universitas Kristen Duta
Wacana.
1.5
Metode Penulisan
Dalam penulisan skripsi ini penulis melakukan beberapa pendekatan
dalam memecahan permasalahan antara lain: mencari beberapa referensi dari
sumber-sumber di internet, mempelajari buku-buku terkait di perpustakaan,
mempelajari kembali modul-modul perkuliahan dari dosen-dosen, mempelajari ebook tentang penggunaan perangkat lunak pendukung yang didapat dari internet,
3
dan menganalisa cara kerja dari perangkat lunak yang digunakan dalam
perbandingan file seperti : HTMLDiff dan TextDiff.
1.6
Sistematika Penulisan
Skripsi ini dibagi dalam lima bab termasuk bab pendahuluan ini yang
gambaran isi setiap bab adalah sebagai berikut :
Bab pertama pendahuluan, berisi penjelasan skripsi secara umum yang
terdiri dari latar belakang masalah, perumusan masalah, batasan masalah, metode
yang digunakan dalam penelitian, tujuan penulisan, dan sistematika penulisan.
Bab kedua landasan teori, berisi tentang landasan teori yang digunakan,
dan penjelasan dari algoritma yang digunakan.
Bab ketiga analisa dan perancangan sistem, berisi tentang informasi
perangkat lunak yang digunakan untuk membuat aplikasi, perangkat keras yang
digunakan selama pembuatan aplikasi, perancangan proses dari penerapan teori
algoritma dalam aplikasi, dan perancangan tampilan aplikasi termasuk bentuk
masukan dan keluaran.
Bab keempat implementasi sistem, berisi implementasi dari hasil
rancangan sistem. Pada bab ini juga akan dijelaskan alur proses yang lebih detail
pada aplikasi yang sudah dibuat.
Bab kelima penutup, berisi kesimpulan dan saran yang didapat dari hasil
implementasi atau penelitian yang dilakukan.
4