Jurnal Ilmiah NERO Vol. 2, No.1

Jurnal Ilmiah NERO Vol. 2, No.1
2015
IMPLEMENTASI WEB SEMANTIK UNTUK APLIKASI PENCARIAN
TUGAS AKHIR MENGGUNAKAN ONTOLOGI DAN COSINE SIMILARITY
Maskur1), Faiz Rizky Andriansyah2)
1),2)
Program Studi Teknik Informatika
Fakultas Teknik, Universitas Muhammadiyah Malang
Jl Raya Tlogomas, No.246, Malang
Email : 1) [email protected], 2) [email protected]
ABSTRAK
Sistem pencarian pada sistem umumnya masih menggunakan sistem pencarian konvensional, yaitu
pencarian yang mencocokkan kata kunci dengan data yang ada. Pencarian konvensional memiliki
kelemahan yaitu tidak bisa mencari data yang relevan dengan kata kunci. Untuk mengatasi masalah ini
dibangun sistem yang dapat melakukan pencarian yang dapat mecari hasil yang relevan dengan kata
kunci. Sistem ini berbasis web yang digabungkan dengan ontologi. Ontologi merupakan hirarki yang
menjelaskan antara hubungan suatu kata. Ontologi berfungsi untuk mencari hubungan antara kata yang
dimasukkan oleh pengguna. Pencarian data dalam ontologi menggunakan Query Sparql yang
menyerupai Query database pada umumnya namun tidak terlalu kompleks seperti Query database. Untuk
menunjang hasil yang diperoleh digunakan cosine similarity. Metode cosine similarity digunakan untuk
memberikan bobot pada setiap dokumen yang di dapatkan, sehingga dokumen yang didapat semakin
relevan dengan kata kunci. Pengujian menggunakan metode precission untuk menghitung nilai relevansi
hasil yang didapat dari ontologi, sedangkan pengujian dengan kappa statistics digunakan untuk
menghitung nilai dari hasil cosine similarity dengan cara membandingkan hasil yang didapat dari sistem
dan hasil menurut pengamatan pakar.Dari hasil pengujian didapatkan nilai Cosine Similaritynya lebih
besar sama dengan 0,33.
Kata kunci: Cosine Similarity, Ontologi,Semantik, Sparql
ABSTRACT
The system searches the system generally still use conventional search system, which searches that match
keywords to existing data. Conventional search has the disadvantage that it can not find the data that is
relevant to your keywords. To resolve this issue built a system that can do a search to look for results that
are relevant to the keywords. This system combined with web-based ontology. Ontology is a hierarchy
that describes the relationship between a word. Ontology is used to find the relationship between words
entered by the user. Search data in ontologies using SPARQL Query Query the database that resembles
in general but not too complex as database queries. To support the results obtained are used cosine
similarity. Cosine similarity method is used to give weight to every document that they got, so that the
documents obtained by the increasingly relevant to the keyword. Precission testing using the method for
calculating the value relevance of the results obtained from the ontology, while testing with kappa
statistics used to calculate the value of the results of cosine similarity by comparing the results obtained
from the system and the results according to expert examination. From the test results obtained Cosine
Similarity greater value equal to 0.33.
Keywords: Cosine Similarity, Ontology,Semantic, Sparql.
1. PENDAHULUAN
Saat ini web merupakan sumber data dan informasi terbesar, dikarenakan hampir semua
teknologi saat ini memanfaatkan internet. Oleh karena itu web merupakan sarana yang paling
tepat untuk mendapatkan informasi. Sebuah halaman website pada umumnya hanya
menyediakan fitur pencarian standar untuk melakukan pencarian informasi yang tersimpan.
11 | P a g e
Jurnal Ilmiah NERO Vol. 2, No.1
2015
Pencarian standar dalam hal ini ialah pencarian berdasarkan kata kunci yang dihubungkan
dengan basis data. Metode pencarian memiliki beberapa kelemahan seperti informasi yang
didapatkan ialah informasi yang benar – benar mirip dengan kata kunci, sehingga informasi
yang didapatkan hanya terbatas pada kata kunci yang digunakan dan untuk informasi yang
relevan dengan kata kunci tidak akan ditampilkan. Hal ini menyebabkan informasi yang
didapatkan menjadi lebih sedikit dan pengguna website harus benar-benar memasukkan kata
kunci yang tepat untuk mendapatkan informasi yang diinginkan. Oleh sebab itu untuk mengatasi
masalah tersebut, akan dikembangkan sebuah aplikasi yang akan membantu melakukan
pencarian informasi yang tidak hanya sama dengan kata kunci yang dimaksud namun juga akan
melakukan pencarian infomasi yang relevan dengan kata kunci yang dimaksud, sehingga
pengguna akan mendapatkan informasi lebih banyak dan informasi yang relevan dengan kata
kunci pencarian.
Aplikasi tersebut berupa semantik web. Hal ini disebabkan web berbasis semantik tidak
hanya melakukan pencarian informasi yang sama persis dengan kata kunci yang dimasukkan.
Web semantik juga akan menampilkan informasi yang relevan dengan kata kunci karena web
semantik akan mampu memahami makna dari sebuah kata atau konsep. Dalam sebuah web
semantik sebuah Query akan diperluas dengan cara menambahkan kata yang relevan dengan
kata kunci yang dimasukkan. Setelah itu data akan dicari dalam basis data menggunakan Query
yang telah diperluas. Hal ini akan menampilkan data lebih banyak lagi sehingga data harus
dilakukan pembobotan dan diberi rangking ketika akan di tampilkan [1].
2. DASAR TEORI
2.1. Web
Web merupakan sebuah layanan yang menampilkan sebuah halaman yang berisi
informasi dalam bentuk digital. Web menggunakan bahasa HTML (Hypertext Markup
Language) dan berjalan pada protokol HTTP atau Hypertext Transfer Protocol. Setiap halaman
web memiliki sebuah URL (Uniform Resource Locator) yang berfungsi sebagai alamat web
tersebut. Untuk membuka sebuah halaman web dibutuhkan sebuah web browser yang akan
menghubungkan pengguna dengan server web yang berfungsi menyediakan layanan web [2].
2.2 PHP
PHP adalah bahasa pemrograman yang digunakan untuk membuat sebuah web. Bahasa
PHP menyatu dengan HTML dan dijalankan pada sisi server.Artinya semua sintaks yang kita
tulis akan dijalankan sepenuhnya di server sedangkan yang ditampilkan di browser merupakan
hasil dari pengolahan sintaks PHP.Untuk membuat sintaks PHP dengan cara <?php … ?> dan
menyimpan berkas dalam format “.php”. Artinya semua sintaks yang terdapat di antara sintaks
pembuka dan penutup akan dijalankan sebagai PHP [2].
2.3 Ontologi
Istilah ontologi sebenarnya berasal dari istilah filosofi "ontology" yang artinya sesuatu
yang sesungguhnya ada dan bagaimana menggambarkannya. Dalam dunia komputer
ontologi digunakan untuk menspesifikasikan suatu konseptualisasi. Dalamistilah lainontologi
dijelaskan sebagai suatu representasi dari domain pengetahuan tertentu yang berisi istilahistilah dalamdomain tersebut beserta hubungan antara istilah-istilah yang ada.
Ontologi saat ini banyak digunakan terutama untuk mendukung web semantik, yaitu
teknologi web yang diarahkan dapat memahami makna suatu kata atau kalimat yang
diberikan oleh pengguna. Membuat komputer mengerti seperti manusia adalah suatu hal yang
sepertinya tidak mungkin, namun visi ini terus diupayakan dengan menyediakan seperangkat
alat sehingga membuat mesin atau komputer dengan mudahdapat memproses informasi dan
mengerti informasi yang diinginkan oleh pengguna.
Namun dalam kasus ini ontologi digunakan untuk melakukan perluasan Query dimana
kata yang paling relevan akan dimasukkan dalam Query. Query yang telah diproses dengan
ontologi akan digunakan untuk melakukan proses selanjutnya [3].
12 N E R O
Jurnal Ilmiah NERO Vol. 2, No.1
2015
2.4 Sparql
Sparql adalah Query yang digunakan untuk mengakases data yang dibuat dalam
RDF/Ontologi. Sparql menggunakan URI untuk mendapatkan data yang yang ada. Sparql
hampir sama dengan Query pada Sql pada umumnya, hanya saja Sparql lebih sederhana
dibanding dengan Query Sql [4].
2.5 ALGORITMA COSINE SIMILARITY
Cosine Similarity adalah salah satu metode yang diterapkan untuk membandingkan
dokumen teks. Cosine Similarity menggunakan dua parameter vektor. Vektor tersebut
didasarkan pada jumlah kata yang mirip pada kedua dokumen teks [5].Perbandingan
kemiripan(similarity) yang digunakan Seperti yang ditunjukkan oleh persamaan (1).
sim =
σ ௪Ǥ௜ௗ௙
(1)
ඥσ ௜ௗ௙మ ‫כ‬௩
dimana :
W : bobot dari setiap dokumen
V : panjang vecto
Idf : invers frekuensi dokumen Ž‘‰ଵ଴ ቀ݊ൗ݂݀ ቁ
2.6 PRECISION
Precision adalah tingkat ketepatan antara informasi yang diminta oleh pengguna dengan
jawaban yang diberikan oleh sistem [6]. Persamaan 2 menunjukkan menghitung ketepatan
presisi.
Precission =
࢐࢛࢓࢒ࢇࢎ࢟ࢇ࢔ࢍࢊ࢏ࢊࢇ࢖ࢇ࢚ࢊࢋ࢔ࢍࢇ࢔࢈ࢋ࢔ࢇ࢘
(2)
࢐࢛࢓࢒ࢇࢎ࢟ࢇ࢔ࢍࢊ࢏ࢊࢇ࢖ࢇ࢚
2.7 KAPPA STATISTIK
Cohen mengemukakan suatu ukuran kesepakatan antara dua penilai dalam
mengklasifikan beberapa subjek dalam satu dari dua kategori yang mungkin. Nilai statistik
Kappa yang mendekati satu menunjukkan kesepakatan yang sangat baik di antara kedua penilai
sedangkan yang mendekati nol menunjukkan kesepakatan lemah diantara kedua penilai. Dalam
pengukuran Cohen Kappa dapat menggunakan tabel kontingensi 2 x 2 berpasangan yang terdiri
dari dua kategori misalkan sebuah jawaban “ya” dan “tidak”. Nilai Kappa akan menunjukan
proporsi kesepakatan antara dua pengamat. Pengamat pada penelitian ini adalah responden dan
sistem. Nilai Kappa digunakan untuk menganalisis hasil pengujian yang telah dilakukan sistem
dengan responden. Disamping itu subjektivitas dari seorang responden yang memahami hasil
pencarian adalah alasan lain penggunaan Nilai Kappa untuk menganalisis hasil pengujian [7].
Seperti yang ditunjukkan oleh persamaan (5).
Tabel 1. Nilai Pengujian Pengamat 1 dan Pengamat 2
Pengamat 2
Ya
Tidak
Ya
a
b
Pengamat 1
Tidak
c
d
n1
n0
Total
௔ାௗ
ሺሻ ൌ
Total
m1
m0
n
(3)
௡
୬
ୟ
୬
ୟ
ሺሻ ൌ ቂቀ భቁ ቀ ቁቃ ൅ ቂቀ బቁ ቀ ቁቃ
୬
୬
୬
୬
ƒ’’ƒǡ ൌ
௉ሺ஺ሻି௉ሺாሻ
ଵି௉ሺாሻ
(4)
(5)
13 | P a g e
Jurnal Ilmiah NERO Vol. 2, No.1
2015
3. METODOLOGI
3.1. DATA PENELITIAN
Data penelitian yang digunakan dalam penelitian ini adalah koleksi judul tugas akhir
program studi teknik informatika Universitas Muhammadiyah Malang meliputi bidang minat
rekayasa perangkat lunak, jaringan dan game cerdas data yang dipakai 100 judul tugas akhir dan
yang dilakukan untuk penelitian ada abstrak dari masing-masing tugas akhir.
Tabel 1. Tabel Contoh koleksi judul tugas akhir
No
1
Judul
Pembuatan aplikasi lets
healthy memanfaatkan
accelerometer di smartphone
android
2
Perancangan sistem dan
implementasi listik prabayar
pada kost mahasiswa
menggunakan arduino uno
3
Sistem single sign on sso pada
layanan aplikasi teknologi
informasi universitas
muhammadiyah malang
14 N E R O
Abstrak
<p>Smartphone bersistem operasi android banyak digunakan
di dunia.Salah satunya karena dukungan aplikasi dan sensor di
android.Sensor <em>accelerometer</em> adalah salah satu
sensor yang terdapat di <em>smartphone
</em>android.Banyak user yang memakai
<em>smartphone</em> untuk menunjang aktivitas sehari
– hari.Tidak terkecuali aktivitas kebugaran yang amat
penting untuk kesehatan tubuh.Dengan memanfaatkan sensor
<em>accelerometer </em>yang ada di <em>smartphone</em>
<p>Rumah kost merupakan sebuah jasa yang menawarkan
sebuah kamar atau tempat untuk ditinggali dengan sejumlah
pembayaran tertentu untuk setiap periode tertentu. Pada
penelitian ini, mengambil contoh pada kost mahasiswa,
permasalahan yang timbul adalah tidak ada tolok ukur untuk
menentukan tarif penggunaan listrik pada masing-masing
penghuni kost, sehingga pemilik kost membuat peraturan
abonemen  listrik antar penghuni di sama ratakan, jika
diteliti lebih detail penggunaan daya listrik pada masing
penghuni kost tidak sama. Dari permasalahan tersebut perlu
dirancang sebuah sistem yang dapat mengetahui beban
penggunaan listrik secara real time dan terintegrasi dengan
sistem prabayar.<br />Tujuan penelitian ini akan membangun
sistem yang dapat memonitoring penggunaan listrik dan
pembuatan listrik prabayar, sehingga abonemen masingmasing penghuni kost akan berbeda karena penggunaan listrik
sesuai dengan kebutuhan. Dengan adanya sistem ini
penggunaan listrik akan lebih efektif dan efisien, sehingga
keuntungan dirasakan tidak salah satu pihak, tetapi dari dua
sisi.<br />Untuk menerapkan sistem diatas dibutuhkan Board
Arduino yang berfungsi sebagai sistem control pengambilan
data, sebelum data tersebut diolah pada server side. Terdapat
sistem sensoryang  yang berfungsi untuk pengambilan
data ampere yaitu sensor AC712-20A dan modul relay yang
berfungi sebagai saklar elektrik yang memutus daya listrik
ketika pulsa tidak mencukupi. Data dari sensor ampere
digunakan untuk menggetahui load dari masing-masing beban
penggunaan daya listrik.</p><p> </p>
<p>Di era teknologi informasi ini aplikasi berbasis web di
Universitas Muhammadiyah Malang (UMM) semakin
berkembang dan setiap aplikasi yang telah terbangun
memerlukan proses otentikasi untuk memvalidasi identitas dari
pengguna yang akan menggunakan layanan pada aplikasi
tersebut. Sehingga menyebabkan pengguna harus kembali
melakukan login jika berganti aplikasi.Karena masing –
masing aplikasi dapat memiliki akun yang berbeda membuat
para mahasiswa kesulitan dalam mengingatnya itu.Sehingga
banyak yang lupa. Hal ini dapat dihindari dengan
Jurnal Ilmiah NERO Vol. 2, No.1
2015
mengintegrasikan sebuah central authentication service atau
CAS agar aplikasi berbasis web yang telah ada dapat dijadikan
Single Sign On, sehingga semua proses otentikasi akan
ditangani oleh CAS dan proses otentikasi dapat
disederhanakan.<br />Dengan proses otentikasi tersebut
ditangani oleh CAS maka cas harus dapat memberikan
otentikasi yang kuat, salah satu metode yang dapat dilakukan
adalah dengan menggunakan Lightweight Directory Access
Protocol (LDAP) p><p> </p>
3.2
Proses pencarian judul Tugas Akhir berbasis Semantik
1. Memasukkan kata kunci pencarian adalah proses untuk mencari judul tugas akhir
2. Preprocessing adalah untuk menentukan kata penting yang digunakan untuk proses
pencarian tahapan yang dilakukan meliputi stemming, parsing, stopword removal.
Setelah proses memasukkan kata kunci dan preprocessing tahap selanjutnya yang
menjadi penelitian ini yaitu proses pencarian semantik.
3. Ontologi digunakan untuk memperluas wakna dari judul tugas akhir yang digunakan
pencarian.
Gambar 1. Contoh Ontologi Judul Tugas Akhir
4.
5.
6.
7.
Ekspansi Query merupakan hasil perluasan dari hasil pencarian judul tugas akhir.
Data judul tugas akhir merupakan database koleksi judul tugas kahir.
Cosine Similaritydigunakan untuk perangkingan judul tugas akhir yang ditemukan.
Hasil pencarian judul tugas akhir yang relevan ditampilkan.
4. PENGUJIAN DAN PEMBAHASAN
Pengujian hasil pencarian judul tugas akhir berbasis semantik dilakukan dengan
menggunakan 100 data judul tugas akhir yang terdiri dari 3 bidang minat meliputi rekayasa
perangkat lunak, jaringan dan game cerdas. Ontologi dalam penelitian ini digunakan untuk
mengetahui hubungan judul tugas akhir dan cosine similarity digunakan untuk perangkingan
dokumen judul tugas akhir. Selanjutnya pembahasan memfokuskan pada pengujian precission
dan kappa statistik.
PEMBAHASAN
Sistem yang dibangun terdiri dari beberapa menu yang merupakan tahapan dalam menjalankan
sistem pendukung keputusan. Hal pertama yang harus dilakukan adalah ketika ada pelamar
(calon dosen tetap) data pelamar dapat disimpan melalui menu ”Master Data Pelamar”.
15 | P a g e
Jurnal Ilmiah NERO Vol. 2, No.1
2015
Mulai
Memasukkan kata kunci
A
Preproses Textminig
Data judul tugas akhir
Ontologi
Cosine Similirity
Ekspansi Query
Hasil
A
Selesai
Gambar 2.Alur Kerja Sistem
Setelah semua data pelamar dalam satu periode penerimaan calon dosen tetap
dimasukkan dan tersimpan di dalam sistem, selanjutnya yang harus dilakukan adalah melakukan
pengaturan kriteria dan bobot. Setelah semua proses tersebut dilakukan selanjutnya dapat
dilakukan seleksi. Ketika proses seleksi telah menghasilkan peringkat dari setiap alternatif,
pengambil keputusan dapat menetukan pelamar yang diterima sebagai dosen tetap. Keseluruhan
proses seleksi yang sudah pernah dilakukan dapat dilihat pada menu ”History Pengangkatan”.
Menu utama dari sistem pendukung keputusan seleksi penerimaan dosen tetap yayasan dapat
dilihat pada gambar berikut.
Gambar 3. Hasil pengujian pencarian tugas akhir berbasis semantik
4.1. Pengujian Precission
Precission=
௝௨௠௟௔௛௬௔௡௚ௗ௜ௗ௔௣௔௧ௗ௘௡௚௔௡௕௘௡௔௥
଻
Precission= ଵ଴
Precission= 0.7
16 N E R O
௝௨௠௟௔௛௬௔௡௚ௗ௜ௗ௔௣௔௧
Jurnal Ilmiah NERO Vol. 2, No.1
2015
Skenario pengujian precission
Ada 100 data koleksi judul tugas tugas akhir. 7 diantaranya merupakan judul tugas akhir
mengenai pemrograman Java. Ketika sistem melakukan pencarian judul tugas akhir dengan kata
kunci “Java”, sistem mengenali 10 judul tugas akhir yang dianggap sebagai tugas akhir java.
଻
Jadi hasil precission dari pengujian tersebut adalah ൌ ͲǤ͹Ǥ
ଵ଴
Tabel 3.Hasil pengujian precission
Kata kunci
Jumlah yang didapat
Jumlah yang
precission
dengan benar
didapat
aplikasi berbasis
windows phone
sistem informasi
berbasis web
data mining
sensor
microcontroller
augmented reality
game edukasi
arduino
2
15
0.13
26
78
0.33
5
1
49
2
0.1
0.5
3
10
1
12
22
2
0.25
0.45
0.5
android
21
32
0.66
java
7
10
0.7
html5
6
21
0.28
4.2. Pengujian Kappa
Tabel 4.Hasil Pengujian Kappa Statistik
Kata kunci
Hasil
1.
Judul : Implementasi mobile cloud
file sharing berbasis android mobile
Nilai Similarity : 0.5645
Judul: Implementasi mobile learning
berbasis android pada e learning
laboratorium teknik informatika
universitas muhammadiyah malang
Nilai Similarity : 0.4523
Judul:Pembuatan aplikasi social
discovery berbasis lokasi pada
platform windows phone 8
Nilai Similarity : 0.3132
Judul:Abstrak sistem informasi
geografis wisata kabupaten sumbawa
barat menggunakan location based
service pada perangkat mobile
Nilai Similarity : 0.2987
2.
aplikasi berbasis
windows phone
3.
4.
Salah
Hasil
Sistem
Benar
Salah
Benar
Benar
Benar
Salah
Benar
Hasil Pakar
Tabel 5.Hasil Pengujian Pakar dan Sistem
PAKAR
Benar
Salah
TOTAL
SISTEM
Benar
Salah
1
0
1
3
0
3
TOTAL
4
0
4
17 | P a g e
Jurnal Ilmiah NERO Vol. 2, No.1
ܲሺ‫ܣ‬ሻ ൌ
2015
ܽ൅݀
݊
ଵା଴
= ସ
= 0,25
=
= 0,4375
=
= 0,33
Dari hasil pengujian Kappa, kata kunci pertama yaitu “aplikasi berbasis windows phone”
telah diambil hasil sebanyak 4 dokumen. Dokumen yang menurut pakar hasilnya benar hanya 1
dokumen. Sehingga diperoleh nilai Kappa sebesar 0,33. Sehingga pada pengujian pertama
diperoleh 4 dokumen mirip yang mana nilai Cosine Similarity nya lebih besar sama dengan
0,33.
5. Kesimpulan
Berdasarkan pengujian pada bab sebelumnya, dapat dikesimpulkan bahwa:
1. Sistem mampu mendapatkan data lebih banyak dibandingkan dengan pencarian pada
umumnya yang masih memiliki hubungan dengan kata kunci.
2. Pengujian menggunakan precission memperoleh hasil tertinggi pada angka 0.7 pada kata
kunci “java”.
3. Jawaban pertama atau bobot tertinggi yang dihasilkan oleh sistem adalah jawaban yang
benar menurut penilaian sistem, pakar dan Kappa.
4. Hasil pengujian menggunakan kappa statistik memberikan nilai terbaik kappa sebesar
0,5 pada pengujian ketiga. Nilai tersebut membuktikan bahwa sistem yang telah dibangun
dapat digunakan untuk mengetahui kemiripan antar kasus penggunaan pertanyaan dan
jawaban mirip menurut sistem dan pakar.
6. Daftar Pustaka
[1]. Zebua, Javier dan Metty Mustikasari.”Aplikasi pencarian buku berbasis web semantik
untuk perpustakaan Smk Yadika 7”. Bogor. 2013.
[2]. Ramadhan, Mukhis dan Nurcahyono Budi Nugroho. “Desain Web dengan PHP”. 2009.
[3]. Ayuningtyas, Nuriana. “Implementasi ontologi web dan aplikasi semantik untuk sistem
sistasi jurnal elektronik Indonesia”. 2009.
[4]. Gunawan dan Fandi Halim. “Penerapan web semantik untuk aplikasi pencarian pada
repository koleksipenelitian, studi kasus: program studi sistem informasi stmik mikroskil
Medan”. 2014.
[5]. Saputra, Wahyu dan Faisal Muttaqin. “Pengenalan karakter pada proses digitalisasi
dokumen menggunakan cosine similarity”. 2013.
[6]. Keke, Dyan, Rian Chikita dan Agus Dwi Prayogo. “Sistem temu balik informasi”. 2012.
[7]. Fauzan, Reza dan Djoko Pramono. “Pemeriksaan Kemiripan Diagram Kasus Penggunaan
Terhadap Skenario”. 2013
18 N E R O