i

IMPLEMENTASI TEXT MINING PADA KLASIFIKASI ABSTRAK JURNAL

MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE

(Studi Kasus Jurnal Komputasi Ilmu Komputer Universitas Lampung)

(Skripsi)

Oleh

ELIZA FITRI

JURUSAN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS LAMPUNG

BANDAR LAMPUNG

2019

ii

ABSTRACT

IMPLEMENTATION OF TEXT MINING IN CLASSIFICATION ABSTRACT

JOURNAL USING THE SUPPORT VECTOR MACHINE ALGORITHM

(Case Study Journal of Computational Computer Science, University of

Lampung)

BY

ELIZA FITRI

Computer Science Departement, University of Lampung publishes journal that

written by researchers. These online journals have not been structured and classified

into more specific scientific categories, which makes it difficult to search for

information contained in journals. 144 journal abstracts are collected into one corpus

document in CSV format used as dataset. Text mining is used to transform data into

a structured journal. Classification journal abstract performed using one of the

supervised machine learning methods called Support Vector Machine so that the

classification process is faster than the manual method. The words in the abstract are

processed as features using the TF-IDF weighting methods. The classification model

will be validated by applying the 10-fold cross validation technique. The

classification will be calculated from the size of the resulting performance confusion

matrix based calculation. The dataset classification results show an imbalance in the

number of class members with one another. The highest accuracy of testing results in

this classification process is obtained on the use of 205 features and SVM Linear

kernel with a value of 58,3%.

Keywords: Text Mining, Supervised Machine Learning, Support Vector Machine,

TF-IDF, 10-Fold Cross Validation.

iii

ABSTRAK

IMPLEMENTASI TEXT MINING PADA KLASIFIKASI ABSTRAK JURNAL

MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE

(Studi Kasus Jurnal Komputasi Ilmu Komputer Universitas lampung)

Oleh

ELIZA FITRI

Jurusan Ilmu Komputer, Universitas Lampung menerbitkan Jurnal Komputasi yang

ditulis oleh peneliti. Jurnal online ini belum terstruktur dan terklasifikasi ke dalam

kategori keilmuan yang lebih khusus sehingga menyebabkan sulitnya pencarian

informasi yang terdapat di dalam jurnal. 144 abstrak jurnal dikumpulkan menjadi

satu dokumen korpus dalam format CSV yang digunakan sebagai dataset penelitian.

Text mining digunakan untuk mengubah data jurnal menjadi terstruktur. Klasifikasi

abstrak jurnal dilakukan menggunakan salah satu metode supervised machine

learning yaitu Support Vector Machine agar proses klasifikasi lebih cepat

dibandingkan dengan cara manual. Kata-kata pada abstrak diproses sebagai fitur

menggunakan metode pembobotan TF-IDF. Model klasifikasi akan divalidasi dengan

menerapkan teknik 10-fold cross validation. Dari klasifikasi tersebut akan dihitung

ukuran performansi yang dihasilkan berdasarkan perhitungan confusion matrix. Hasil

klasifikasi dataset menunjukkan ketidakseimbangan jumlah anggota kelas satu

dengan yang lain. Hasil akurasi testing tertinggi pada proses klasifikasi ini diperoleh

pada penggunaan 205 fitur dan kernel Linear SVM dengan nilai sebesar 58.3%.

Kata Kunci: Text Mining, Supervised Machine Learning, Support Vector Machine,

TF-IDF, 10-Fold Cross Validation.

iv

IMPLEMENTASI TEXT MINING PADA KLASIFIKASI ABSTRAK JURNAL

MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE

(Studi Kasus : Jurnal Komputasi Ilmu Komputer Universitas Lampung)

Oleh

ELIZA FITRI

Skripsi

Sebagai Salah Satu Syarat Untuk Mencapai Gelar

SARJANA KOMPUTER

Pada

Jurusan Ilmu Komputer

Fakultas Matematika dan Ilmu Pengetahuan Alam

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS LAMPUNG

BANDAR LAMPUNG

2019

viii

RIWAYAT HIDUP

Penulis dilahirkan pada tanggal 5 Juli 1997 di Desa

Terbanggi Agung, Kecamatan Terbanggi, Kabupaten

Lampung Tengah sebagai anak kedua dari tiga bersaudara

dengan Ayah bernama Jhon Hendri dan Ibu Mastuti.

Penulis menyelesaikan pendidikan formal pertama kali di TK

Islam Terpadu Bustanul ‘Ulum Lampung Tengah pada tahun 2003. Pada tahun 2009,

penulis lulus dari SD Islam Terpadu Bustanul ‘Ulum Lampung Tengah. Pada tahun

2012, penulis lulus dari SMP Islam Terpadu Bustanul ‘Ulum Lampung Tengah dan

lulus dari SMA Negeri 1 Terbanggi Besar pada tahun 2015.

Pada tahun 2015, penulis terdaftar sebagai mahasiswi di Jurusan Ilmu Komputer

Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung melalui jalur

SNMPTN. Selama menjadi mahasiswi, beberapa kegiatan yang dilakukan penulis

antara lain:

1. Penulis menerima beasiswa Bidikmisi Tahun Anggaran 2015-2018.

2. Anggota Bidang Keilmuan Himpunan Mahasiswa Jurusan Ilmu Komputer

(Himakom) 2016-2017.

ix

3. Penulis mengikuti Karya Wisata Ilmiah (KWI) di Pekon Batu Tegi, Kecamatan

Air Naningan, Kabupaten Tanggamus tahun 2016.

4. Sekretaris koordinator Divisi Konsumsi pada Pekan Raya Jurusan V (PRJ V)

Himakom pada tahun 2017.

5. Sekretaris Komunitas Creative Skill for Professional Organization (CSPRO) pada

tahun 2017 yang merupakan bagian dari Himakom.

6. Penulis menjadi panitia Divisi Medis pada Karya Wisata Ilmiah (KWI) di Pekon

Margosari, Kecamatan Pagelaran Utara, Kabupaten Pringsewu tahun 2017.

7. Penulis melakukan Kerja Praktik di Maintenance Cannery Departement, PT Great

Giant Foods Lampung Tengah pada Januari sampai dengan Maret 2018.

8. Penulis melaksanakan Kuliah Kerja Nyata Kebangsaan (KKN Kebangsaan) di

Desa Betengsari, Kecamatan Jabung, Kabupaten Lampung Timur, Provinsi

Lampung bersama dengan mahasiswa lain dari daerah barat dan timur Indonesia.

x

PERSEMBAHAN

Alhamdulillahirabbil’alamiin, puji syukur kepada Allah Subhanahu wa ta’ala atas

nikmat dan karunia-Nya sehingga skripsi ini dapat diselesaikan.

Skripsi yang disusun ini adalah suatu kebanggaan yang saya persembahkan kepada:

Kedua Orangtuaku yang Tercinta

Ayah dan Ibuk (Almh) yang senantiasa memberikan segala perhatian, kasih sayang,

cinta, dukungan moril maupun materiil serta do’a terbaik bagi kesuksesan anak-

anaknya yang tidak bisa diukur dan dibalas dengan apapun.

Ajo, abang, dan keluarga besar yang senantiasa memberikan dukungan, kasih sayang,

semangat, dan arahan atas segala keputusan yang saya ambil selama ini.

Keluarga Classic A Ilmu Komputer 2015

Serta Almamater Tercinta,

UNIVERSITAS LAMPUNG

xi

MOTTO

Man Jadda Wajadda

“Sesungguhnya Allah tidak akan mengubah keadaan suatu kaum sebelum

mereka mengubah keadaan diri mereka sendiri.”

(QS. Ar-Ra’d [13]:11)

“Maka sesungguhnya bersama kesulitan ada kemudahan, sesungguhnya

bersama kesulitan ada kemudahan.”

(QS. Al-Insyirah [94]:5-6)

“Maka ingatlah kepada-Ku, Aku pun akan ingat kepadamu.”

(QS. Al-Baqarah [2]:152)

xii

SANWACANA

Alhamdulillahirabbil’alamiin, puji syukur kehadirat Allah Subhanahu wa ta’ala yang

telah melimpahkan nikmat dan hidayah-Nya sehinga penulis dapat menyelesaikan

skripsi di Jurusan Ilmu Komputer Fakultas MIPA Universitas Lampung dengan judul

“Implementasi Text Mining pada Klasifikasi Abstrak Jurnal Ilmu Komputer

Menggunakan Algoritma Support Vector Machine”.

Shalawat serta salam semoga senantiasa tercurahkan kepada baginda Rasulullah,

Nabi Muhammad Shallallahu ‘alaihi wa sallam serta keluarga dan para sahabatnya

yang selalu kita nantikan syafa’atnya di yaumul qiyamah kelak, Aamiin.

Penulis mengucapkan terimakasih yang paling tulus dan sebesar-besarnya kepada

semua pihak yang telah membantu dalam pelaksanaan penelitian dan penyusunan

laporan skripsi ini, antara lain:

1. Kedua orangtua yang sangat penulis sayangi, Ayah dan Ibu (Almh) yang

senantiasa mengajarkan kebaikan, memberikan perhatian, kasih sayang, do’a

terbaik, dan segalanya hingga detik ini. Serta Ajo dan Abang yang sangat Uni

sayangi.

xiii

2. Bapak Favorisen R. Lumbanraja, Ph.D. selaku pembimbing utama penulis dalam

penelitian ini yang senantiasa memberikan arahan, bantuan ketika mengalami

kesulitan selama penelitian, dan semangat dalam menyelesaikan penelitian ini.

3. Bapak Ardiansyah, S.Kom., M.Kom selaku pembimbing kedua penulis dalam

penelitian ini yang senantiasa memberikan arahan, masukan, dan saran terbaik

selama penyusunan laporan skripsi ini.

4. Bapak Dr. Rer. Nat. Akmal Junaidi selaku pembahas yang telah memberikan

bantuan, masukan, dan saran yang bermanfaat untuk perbaikan penelitian dan

penulisan laporan skripsi ini.

5. Bapak Drs. Suratman, M.Sc. selaku Dekan Fakultas Matematika dan Ilmu

Pengetahuan Alam Universitas Lampung.

6. Bapak Dr. Ir. Kurnia Muludi, M.S.Sc. selaku Ketua Jurusan Ilmu Komputer

Fakultas MIPA Universitas Lampung.

7. Bapak Didik Kurniawan, S.Si., M.T. selaku Sekretaris Jurusan Ilmu Komputer

Fakultas MIPA Universitas Lampung.

8. Bapak Febi Eka Febriansyah, M.T. selaku Pembimbing Akademik yang telah

memberikan arahan kepada penulis selama menempuh pendidikan di Jurusan

Ilmu Komputer.

9. Seluruh Dosen Jurusan Ilmu Komputer yang telah memberikan ilmu terbaik

selama penulis menempuh pendidikan di Jurusan Ilmu Komputer.

10. Seluruh Karyawan dan Staf Jurusan Ilmu Komputer yang telah memberikan

bantuan dalam berbagai hal selama penulis menempuh pendidikan.

xiv

11. Micin a.k.a Adji Pangestu, my big brother tempat berbagi pengalaman hidup

sekaligus guru yang sabar dan sangat berbaik hati membagikan ilmunya untuk

kelancaran penelitian ini.

12. K-Team (Acil, Teteh, Aci, Titik, Afan, Angger, Infa, dan Aak) selaku sahabat

karib yang sangat penulis sayangi dan senantiasa berada disisi penulis dalam

suka dan duka, memberikan pengertian, motivasi, bantuan dan bersedia menjadi

pendengar yang baik ketika penulis ingin berkeluh kesah selama ini.

13. Rumpii (Micin, Acil, Minak, Emak, Pakde) selaku sahabat karib yang sangat

penulis sayangi dan senantiasa berada disisi penulis dalam suka dan duka,

memberikan bantuan, motivasi, dan bersedia menjadi pendengar yang baik ketika

penulis ingin berkeluh kesah selama ini.

14. Serta keluarga besar Classic A Ilmu Komputer 2015 yang telah memberikan

kebersamaan, semangat, dan do’a sebagai teman sekelas.

Penulis menyadari bahwa penyusunan skripsi ini masih jauh dari kata sempurna

karena sejatinya kesempurnaan hanya milik Allah SWT. Namun penulis sangat

mengharapkan skripsi ini dapat bermanfaat bagi para civitas akademik Universitas

Lampung pada umumnya dan mahasiswa Ilmu Komputer pada khususnya.

Bandar Lampung, 27 November 2019

Eliza Fitri

NPM. 1517051045

xv

DAFTAR ISI

............................................................................................... Halaman

DAFTAR GAMBAR ............................................................................................... xvii

DAFTAR TABEL ................................................................................................... xviii

DAFTAR KODE ........................................................................................................ xx

I. PENDAHULUAN

A. Latar Belakang ................................................................................................. 1

B. Rumusan Masalah ............................................................................................ 5

C. Tujuan Penelitian ............................................................................................. 5

D. Manfaat Penelitian ........................................................................................... 5

E. Ruang Lingkup Penelitian ................................................................................ 5

II. TINJAUAN PUSTAKA

A. Text Mining ...................................................................................................... 7

B. Case Folding .................................................................................................... 8

C. Stopword .......................................................................................................... 8

D. Tokenizing ........................................................................................................ 9

E. Stemming .......................................................................................................... 9

F. Matriks Dennings ............................................................................................. 9

G. Support Vector Machine ................................................................................ 14

H. K-Fold Cross Validation ................................................................................ 16

I. Term Frequency-Inverse Document Frequency ............................................. 18

J. Ukuran Performansi Klasifikasi ...................................................................... 19

xvi

III. METODOLOGI PENELITIAN

A. Tempat dan Waktu ......................................................................................... 22

B. Data dan Alat.................................................................................................. 23

C. Metode Implementasi ..................................................................................... 26

D. Metode Pengujian........................................................................................... 35

IV. HASIL DAN PEMBAHASAN

A. Analisis Kebutuhan Data................................................................................ 38

B. Implementasi .................................................................................................. 39

1. Text Mining ................................................................................................ 39

2. Pemodelan dan Validasi Prediksi Model ................................................... 44

3. Menghitung Akurasi Testing ...................................................................... 46

C. Hasil Analisis Klasifikasi Abstrak ................................................................. 52

V. KESIMPULAN DAN SARAN

A. Kesimpulan .................................................................................................... 55

B. Saran ............................................................................................................... 55

DAFTAR PUSTAKA ................................................................................................ 57

LAMPIRAN ………………………………………………………………………. 60

xvii

DAFTAR GAMBAR

Gambar Halaman

1. Proses text mining (Dang dan Ahmad, 2014)............................................................ 7

2. Ilustrasi hyperplane pada SVM (Lutfi dkk., 2018). ................................................ 15

3. Ilustrasi cara kerja k-fold cross validation (Sasongko, 2016). ................................ 17

4. Alur penelitian implementasi text mining untuk klasifikasi jurnal. ........................ 27

5. Ilustrasi pembagian data training dan testing pada 10-fold CV. ............................. 45

6. Grafik nilai rata-rata ukuran performansi hasil klasifikasi. .................................... 48

7. Grafik perbandingan persentase akurasi testing hasil klasifikasi. ........................... 49

8. Confusion matrix hasil model klasifikasi menggunakan kernel linear. .................. 51

9. Confusion matrix hasil model klasifikasi menggunakan kernel polynomial. ......... 51

10. Grafik pengaruh jumlah fitur terhadap akurasi testing. ........................................ 54

xviii

DAFTAR TABEL

Tabel Halaman

1. Subbidang Ilmu Komputer Berdasarkan Matriks Dennings (Denning, 1997) .......... 8

2. Model Confusion Matrix (Nicolas, 2015) ............................................................... 19

3. Hasil Voting Klasifikasi Kelas Keilmuan Jurnal Komputasi .................................. 23

4. Ilustrasi Tahapan Case Folding .............................................................................. 28

5. Ilustrasi Tahapan Filtering ...................................................................................... 29

6. Ilustrasi Tahapan Tokenisasi ................................................................................... 30

7. Ilustrasi Tahapan Stemming .................................................................................... 31

8. Contoh Abstrak dari Tiga Dokumen Jurnal Komputasi .......................................... 32

9. Hasil Perhitungan TF-IDF....................................................................................... 33

10. Matriks Ilustrasi Hasil Klasifikasi ......................................................................... 35

11. Contoh Korpus Jurnal Komputasi ......................................................................... 39

12. Hasil Fungsi Lowercase ........................................................................................ 39

13. Hasil Fungsi Remove Number ............................................................................... 40

14. Hasil Fungsi Remove Whitespace ......................................................................... 41

15. Hasil Fungsi Remove Punctuation ........................................................................ 41

16. Hasil Fungsi Remove Stopwords ........................................................................... 42

17. Hasil Akurasi Pada Kernel Linear......................................................................... 47

xix

18. Hasil Akurasi Pada Kernel Polynomial ................................................................ 47

19. Hasil Akurasi Pada Kernel RBF ........................................................................... 47

20. Hasil Percobaan Pengurangan Jumlah Fitur ......................................................... 53

xx

DAFTAR KODE

Kode ............................................................................................................... Halaman

1. Pseudocode Stopword Removal .............................................................................. 30

2. Pseudocode TF-IDF ................................................................................................ 33

3. Pseudocode Validasi Model 10-Fold CV ............................................................... 34

4. Source Code Stopword Removal ............................................................................. 42

5. Source Code TF-IDF ............................................................................................... 44

6. Source Code Pemodelan Klasifikasi Menggunakan SVM dan 10-Fold CV .......... 46

1

I. PENDAHULUAN

A. Latar Belakang

APJII (Asosiasi Penyelenggara Jasa Internet Indonesia) pada tahun 2017

mencatat bahwa pertumbuhan pengguna internet di Indonesia mengalami

kenaikan yang signifikan dengan total pengguna internet mencapai 143,26 juta

jiwa (APJII, 2018). APJII juga mencatat pada tahun 2017, layanan yang diakses

oleh masyarakat Indonesia untuk kategori search engine menempati posisi

tertinggi ketiga dengan persentase sebesar 74,84%. Fakta tersebut menunjukkan

bahwa masyarakat Indonesia mengandalkan peran search engine untuk mencari

informasi atau solusi yang dibutuhkan. Salah satu kegiatan yang dilakukan

dengan memanfaatkan search engine yaitu mencari sumber pustaka untuk

penulisan tugas mata kuliah hingga karya tulis ilmiah. Sumber pustaka yang

terpercaya dan dapat dipertanggungjawabkan berasal dari buku, artikel ilmiah,

hingga jurnal ilmiah.

Jurnal ilmiah merupakan majalah publikasi yang memuat artikel ilmiah yang

secara nyata mengandung data dan informasi hasil penelitian terkini dan ditulis

sesuai dengan kaidah-kaidah penulisan karya ilmiah serta diterbitkan secara

periodik (Khumaeni, 2017). PDII-LIPI (Pusat Dokumentasi dan Informasi Ilmiah

2

Lembaga Ilmu Pengetahuan Indonesia) mencatat dalam ISJD (Indonesian

Scientific Journal Database), jumlah jurnal mengalami kenaikan dari 23.876

jurnal pada tahun 2017 menjadi 34.964 jurnal pada tahun 2018 (PDII-LIPI,

2019). Kenaikan yang signifikan tersebut menunjukkan bahwa minat baca dan

kebutuhan sumber pustaka yang berasal dari jurnal tinggi. Menurut

Kemendikbud online (2018), jurnal merupakan majalah yang khusus memuat

artikel dalam satu bidang ilmu tertentu. Salah satu bidang ilmu yang dimaksud

yaitu bidang komputasi yang khusus ditujukan bagi peneliti di bidang Ilmu

Komputer.

Universitas Lampung khususnya Jurusan Ilmu Komputer memiliki jurnal online

yang menerbitkan berbagai artikel ilmiah yang ditulis oleh peneliti baik

mahasiswa maupun dosen. Artikel ilmiah ini dinamakan Jurnal Komputasi online

yang diterbitkan setiap 6 bulan sekali. Jurnal Komputasi online belum terstruktur

dan terklasifikasi ke dalam kategori keilmuan yang lebih khusus. Hal ini

menyebabkan pencarian informasi yang terdapat di dalam jurnal sulit dilakukan

dan membutuhkan waktu pencarian informasi yang lama. Informasi keseluruhan

artikel di dalam jurnal umumnya dapat dibaca secara ringkas pada bagian

abstrak. Abstrak jurnal mengandung hal-hal penting dari artikel ilmiah.

Penggalian informasi pada Jurnal Komputasi dapat dilakukan dengan

memanfaatkan bagian abstrak jurnal menggunakan teknik text mining. Klasifikasi

Jurnal Komputasi ke dalam kategori ilmu yang lebih khusus juga dapat dilakukan

dengan teknik supervised machine learning seperti algoritma SVM (Support

3

VectorMachine). Banyak peneliti yang telah melakukan penelitian mengenai

klasifikasi teks maupun objek lain menggunakan algoritma Support Vector

Machine.

Khalid dkk (2015) melakukan penelitian dalam kategorisasi teks berbasis

algoritma SVM dengan metode feture ranking IG (Information Gain) dan feature

selection ABC (Artificial Bee Colony). Berdasarkan 100 dan 200 fitur yang diuji

menggunakan kedua metode tersebut, diperoleh peningkatan precision sebesar

15% dan recall sebesar 13% dibandingkan metode pembanding PSO (Particle

Swarm Optimization) SVM. Dua tahap seleksi fitur dengan IG dan ABC

menghasilkan fitur-fitur dengan bobot yang lebih baik sehingga didapatkan hasil

kategorisasi yang lebih baik.

Percobaan selanjutnya dilakukan oleh Pratama (2013) untuk

mengimplemetasikan kernel Linear SVM untuk klasifikasi dokumen teks

berbahasa Indonesia mengenai tanaman holtikultura. Seleksi fitur yang

digunakan dalam penelitiannya yaitu Chi-kuadrat agar dihasilkan fitur yang lebih

sedikit untuk meringankan proses komputasi. Terdapat dua faktor yang

digunakan sebagai parameter penilaian hasil klasifikasi, yaitu panjang dokumen

dan nilai epsilon. Dari kedua faktor tersebut, diperoleh hasil akurasi tertinggi

pada implementasi SVM menggunakan kernel Linear dengan persentase sebesar

76% pada nilai epsilon 0.01.

4

Sedikit berbeda dengan kedua riset sebelumnya, Somantri dan Apriliani (2018)

melakukan penelitian pada klasifikasi sentiment tingkat kepuasan pelanggan

terhadap restoran dan warung makan di Kota Tegal dengan menerapkan

algoritma SVM berbasis feature selection IG dan Chi Squared Statistic. Model

SVM dengan feature selection IG menghasilkan tingkat akurasi terbaik sebesar

72,45% dan rata-rata kenaikan tingkat akurasi sebesar 2,514% sedangkan model

SVM dengan Chi Squared Statistic yang menghasilkan akurasi terbaik sebesar

70.09%.

Dari beberapa penelitian tersebut disimpulkan bahwa algoritma SVM yang

ditambahkan dengan metode seleksi fitur IG (information gain) dapat

menghasilkan fitur yang lebih baik untuk proses klasifikasi. Oleh karena itu,

dalam penelitian ini akan dilakukan klasifikasi abstrak Jurnal Komputasi

Universitas Lampung berdasarkan subbidang Ilmu Komputer. Metode text

mining digunakan untuk mengolah abstrak Jurnal Komputasi menjadi lebih

terstruktur dan mengambil informasi pada abstrak. Kemudian informasi di dalam

abstrak diekstrak sebagai fitur dengan teknik pembobotan TF-IDF (Term

Frequency-Inverse Document Frequency). Model klasifikasi yang diajukan

menggunakan pendekatan algoritma Support Vector Machine yang memiliki

konsistensi kuat. Model klasifikasi kemudian akan divalidasi dengan menerapkan

teknik 10-Fold Cross Validation.

5

B. Rumusan Masalah

Rumusan masalah yang akan diselesaikan dalam penelitian ini yaitu bagaimana

ukuran performansi yang dihasilkan pada implementasi text mining untuk

klasifikasi abstrak Jurnal Komputasi menggunakan algoritma Support Vector

Machine.

C. Tujuan Penelitian

Tujuan dari penelitian ini yaitu untuk menganalisis dan mengukur performansi

hasil implementasi text mining pada proses klasifikasi abstrak Jurnal Komputasi

menggunakan algoritma Support Vector Machine.

D. Manfaat Penelitian

Manfaat yang diperoleh dari penelitian ini yaitu mempermudah proses klasifikasi

abstrak Jurnal Komputasi melalui implementasi text mining dan algoritma

Support Vector Machine.

E. Ruang Lingkup Penelitian

Ruang lingkup dalam penelitian ini adalah sebagai berikut.

1. Dataset yang digunakan pada penelitian ini yaitu 144 abstrak Jurnal

Komputasi tahun 2013 sampai dengan tahun 2018 berbahasa Inggris yang

disimpan ke dalam satu file dengan format CSV.

2. Klasifikasi abstrak Jurnal Komputasi didasarkan pada matriks Dennings

yang berisi 12 kategori keilmuan yaitu Algoritma dan Struktur Data, Bahasa

Pemrograman, Arsitektur, Sistem Operasi dan Jaringan, Software

6

Engineering, Sistem Temu Kembali Informasi, AI (Artificial Intelligence)

dan Robotik, Grafik, HCI (Human Computer Interaction), Komputasi,

Organizational Informatics, dan Bioinformatik.

3. Implementasi text mining menggunakan tools NLTK (Natural Language

Toolkit) yang tersedia pada Python.

4. Feature extraction abstrak Jurnal Komputasi menggunakan teknik

pembobotan TF-IDF.

5. Proses klasifikasi abstrak Jurnal Komputasi menggunakan pendekatan SVM

(Support Vector Machine) dengan 3 fungsi kernel yaitu Linear, Polynomial,

dan RBF (Radiant Basis Function) menggunakan tools Scikit-Learn yang

tersedia pada Python.

6. Validasi data dalam prediksi model penelitian ini menggunakan 10-Fold

Cross Validation.

7

II. TINJAUAN PUSTAKA

A. Text Mining

Menurut Dang dan Ahmad (2014) text mining adalah bidang multidisiplin yang

mencakup pengambilan informasi (information retrieval), analisis teks, ekstraksi

informasi, kategorisasi, pengelompokan (clustering), visualisasi, penambangan

data (data mining), dan pembelajaran mesin (machine learning). Konsep dasar

text mining adalah menemukan informasi baru dari data tekstual yang

sebelumnya tidak dikenal atau informasi rahasia dengan menggunakan teknik

ekstraksi yang berbeda. Proses text mining diilustrasikan pada Gambar 1.

Gambar 1. Proses text mining (Dang dan Ahmad, 2014).

8

Menurut Dang dan Ahmad (2014) terdapat 5 langkah dasar pada text mining,

yaitu:

1. Mengumpulkan informasi dari data yang tidak terstruktur.

2. Mengkonversi informasi yang diterima menjadi data terstruktur.

3. Mengidentifikasi pola dari data yang sudah terstruktur.

4. Melakukan analisis dari pola yang sudah teridentifikasi.

5. Mengekstrak informasi berharga dan disimpan ke dalam database.

B. Case Folding

Case folding adalah mengubah semua huruf di dalam dokumen menjadi huruf

kecil dan menghilangkan karakter selain huruf (Wisnu dan Hetami, 2015). Tidak

semua dokumen teks konsisten dalam penggunaan huruf kapital. Oleh karena itu,

case folding dibutuhkan dalam mengkonversi keseluruhan teks dalam dokumen

menjadi suatu bentuk standar (Informatikalogi, 2017).

C. Stopword

Menurut Setiawan dkk (2013) pengertian stopword adalah sekumpulan kata yang

tidak berhubungan (irrelevant) dengan subjek utama yang dimaksud meskipun

kata-kata tersebut sering muncul di dalam data yang digunakan. Tujuan stopword

removal ini adalah menghasilkan sebuah array kata kunci yang hanya

mengandung kata-kata yang bermakna atau sudah terbebas dari stopword.

9

D. Tokenizing

Tokenizing adalah suatu tahap pemrosesan teks input yang dibagi menjadi unit-

unit kecil yang disebut token atau term (Herawan, 2011). Tokenizing memotong

tiap kata dalam kalimat dengan menggunakan spasi sebagai delimiter yang akan

menghasilkan token (Wisnu dan Hetami, 2015).

E. Stemming

Stemming adalah proses pengubahan kata menjadi bentuk kata dasar (Lutfi dkk.,

2018). Pada proses stemming, kata-kata dikelompokkan ke dalam beberapa

kelompok kata yang memiliki kata dasar yang sama. Misalnya drug, drugs, dan

drugged dikelompokkan kedalam kata dasar drug.

F. Matriks Dennings

Matriks Dennings merupakan salah satu matriks penggolongan Ilmu Komputer

yang diciptakan oleh Peter J. Dennings (Wahono, 2003). Klasifikasi ini telah

mengalami beberapa perbaikan dan versi terakhir dirilis tahun 1999. Dalam versi

terakhir ini, Ilmu Komputer terbagi menjadi 12 subbidang dimana sebelumnya

terbagi menjadi 9 subbidang. Adapun 12 subbidang klasifikasi diuraikan pada

Tabel 1 dimana baris tabel menggambarkan bidang-bidang dalam Ilmu

Komputer. Sedangkan kolom tabel menggambarkan paradigma bidang tersebut

yang direfleksikan dalam tiga hal yaitu teori, abstraksi, dan desain (Denning,

1997)

8

Tabel 1. Subbidang Ilmu Komputer Berdasarkan Matriks Dennings (Denning, 1997)

Teori Abstraksi Desain

Algoritma dan

Struktur Data

Teori Komputabilitas Algoritma Paralel dan Terdistribusi

Program Aplikasi

Teori Komputasi Kompleks

Komputasi Paralel

Algoritma Efisien dan Optimal Teori Graf

Kriptografi

Algoritma dan Teori Probabilistik

Bahasa

Pemrograman

Bahasa Formal dan Automata BNF Bahasa Pemrograman

Turing Machines Metode Parsing, Compiling,

Interpretation Formal Semantics Translator, Kompiler, Interpreter

Arsitektur

Aljabar Boolean Arsitektur Nueman Produk Hardware (PC, Superkomputer, Mesin Von

Neumann) Teori Coding Hardware Reliability

Teori Switching Finite State Machine

Sistem CAD dan Simulasi Logika Teori Finite State Machine

Model Sirkuit, Data Path, Struktur

Kontrol

10

9

Tabel 1. Subbidang Ilmu Komputer Berdasarkan Matriks Dennings (lanjutan)

Teori Abstraksi Desain

Sistem Operasi

dan Jaringan

Teori Concurrency Manajemen Memori, Job Scheduling Produk OS (UNIX, Windows, Mach, dsb)

Teori Scheduling Model Komputer Terdistribusi File dan File Sistem

Teori Manajemen Memori Networking (Protokol, Naming, dsb) Pustaka untuk Utilities (Editor, Formatter, Linker,

dsb)

Software

Engineering

Teori Reliability Metode Spesifikasi Bahasa Spesifikasi

Program Verification and Proof Metode Otomatisasi Pengembangan

Program Metodologi Pengembangan Software

Temporal Logic Tool Pengembangan Software Tool untuk Pengembangan Software

Database dan

Sistem Temu

Kembali

Informasi

Relational Aljabar dan Kalkulus Data Model

Teknik Pendesainan Database (Relational,

Hierarchical, Network, dsb) Teori Dependency

Teori Concurrency Skema Database

Teknik Pendesainan Database Sistem (Ingres, Dbase,

Oracle, dsb) Performance Analysis

Sorting dan Searching Representasi File untuk Retrieval Hypertext System

Statistical Inference

11

10

Tabel 1. Subbidang Ilmu Komputer Berdasarkan Matriks Dennings (lanjutan)

Teori Abstraksi Desain

Artificial

Intelligence dan

Robotik

Teori Logika Knowledge Representation Logic Programming (Prolog)

Semantik dan Sintatik Model untuk

Natural Language Metode Pencarian Heuristic Neural Network

Conceptual Dependency Model Reasoning and Learning Sistem Pakar

Kinematics and Dynamics of Robot

Motion

Model Memori Manusia, Autonomous

Learning

Teknik Pendesaian Software untuk Logic

Programming

Grafik

Teori Grafik dan Warna Algoritma Komputer Grafik Pustaka untuk Grafik

Geometri Dimensi Dua atau Lebih Model untuk Virtual Reality Grafik Standar

Teori Chaos Metode Komputer Grafik Image Enhacement System

Human Computer

Interaction

Risk Analysis Pattern Recognition Flight Simulation

Cognitive Psychology Sistem CAD Usability Engineering

Ilmu Komputasi

Number Theory Discrete Approximations, Fast Fourier

Transform and Poisson Solvers Pustaka dan Paket untuk Tool Penelitian (Chem,

Macsyma, Mathematica, Maple, Reduce, dsb) Binary Representation Backward Error Propagation

Teori Quantum Finite Element Models

12

11

Tabel 1. Subbidang Ilmu Komputer Berdasarkan Matriks Dennings (lanjutan)

Teori Abstraksi Desain

Organizational

Informatics

Organizational Science

Model dan Simlasi berhubungan dengan

organizational informatics

Management Information Systems

Decision Sciences Decision Support Systems

Organizational Dynamics

Bioinformatik

Teori Komputasi Model Komputasi DNA Kimia Organic Memory Devices

Ilmu Biologi Protipe Retina dari Silikon Proyek Database Genom Manusia

Medicine Model Database Genom Manusia Analisa Komputer Terhadap Struktur Enzim untuk

Kesehatan

13

14

G. Support Vector Machine

SVM pertama kali dikembangkan oleh Boser, Guyon dan Vapnik pada tahun

1992. Support Vector Machine (SVM) merupakan teknik untuk melakukan

prediksi, baik dalam kasus klasifikasi maupun regresi. SVM memiliki prinsip

dasar linier classifier yaitu kasus klasifikasi yang secara linier dapat dipisahkan,

namun SVM telah dikembangkan agar dapat bekerja pada masalah non-linier

dengan memasukkan konsep kernel pada ruang kerja berdimensi tinggi.

Algoritma pelatihan margin maksimum menemukan fungsi keputusan untuk

vektor pola x dimensi n milik salah satu dari dua kelas A dan B. Fungsi

keputusan harus linear dalam parameternya tetapi tidak terbatas pada

ketergantungan linear x. Fungsi-fungsi ini dapat diekspresikan baik secara

langsung atau dalam ruang ganda. Fungsi kernel digunakan untuk memetakan

dimensi awal (dimensi yang lebih rendah) himpunan data ke dimensi baru

(dimensi yang relatif lebih tinggi) (Boser dkk., 1992). Fungsi kernel yang biasa

digunakan dalam SVM yaitu kernel Linear, kernel Polynomial, kernel Radiant

Basis Function (RBF), dan kernel Sigmoid (Santosa, 2007). Rumus fungsi kernel

yang umum digunakan diuraikan pada Persamaan 1-4 berikut (Boser dkk., 1992).

a. Kernel Linear

𝐾(𝑥, 𝑦) = 𝑥. 𝑦 …………………………………………………………… (1)

b. Polynomial

𝐾(𝑥, 𝑦 = (𝑥. 𝑦+𝑐)𝑑 ……………………………………………………... (2)

15

c. Radiant Basis Function (RBF)

𝐾(�⃗�, �⃗�) = exp (− ‖�⃗�−�⃗⃗�‖2

2𝜎2 ) …………………………………………….… (3)

d. Sigmoid

𝐾(�⃗�, �⃗�) = tanh(𝑘 < �⃗� . �⃗� > +𝜗) ……………………………………… (4)

Menurut Santosa (2007), hyperplane terbaik pada kernel Linear didapatkan

dengan cara mencari hyperplane yang terletak ditengah-tengah antara dua bidang

pembatas kelas. Ilustrasi hyperplane pada SVM dapat dilihat pada Gambar 2.

Gambar 2. Ilustrasi hyperplane pada SVM (Lutfi dkk., 2018).

Gambar 2 (a) memiliki fungsi pemisah yang memisahkan Class 1 dan Class 2

namun tidak optimal. Sedangkan Gambar 2 (b) memiliki fungsi pemisahan yang

memisahkan Class 1 dan Class 2 secara efektif (Lutfi dkk., 2018).

(a) (b)

16

H. K-Fold Cross Validation

K-fold cross validation adalah teknik untuk mengestimasi performansi dari

model pelatihan yang telah dibangun. Metode ini membagi data training dan data

testing sebanyak K bagian data. Metode ini berfungsi untuk mencegah

overlapping pada data testing (Sasongko, 2016). K-fold cross validation

membagi data ke dalam K bagian data yang sama (Xi, i=1..K). Pada setiap fold,

salah satu K digunakan sebagai set data testing dan mengkombinasikan sisa K-1

sebagai set data training selama K kali percobaan. Dari setiap fold, dihasilkan

pasangan data testing dan data training sebagai berikut (Alpaydin, 2004).

V1 = X1 T1 = X2 ᴗ X3 ᴗ…ᴗ XK

………….…………….………... (5)

V2 = X2 T2 = X1 ᴗ X3 ᴗ…ᴗ XK

.

.

.

VK = XK TK = X1 ᴗ X3 ᴗ…ᴗ XK-1

Semakin nilai K meningkat, jumlah set training juga akan meningkat dan

estimator yang dihasilkan lebih kuat, tetapi set testing akan menjadi lebih kecil

(Alpaydin, 2004). Ilustrasi singkat dari k-fold cross validation yang ditunjukkan

pada Gambar 3.

17

Gambar 3. Ilustrasi cara kerja k-fold cross validation (Sasongko, 2016).

Berdasarkan ilustrasi pada Gambar 3 dapat diketahui bahwa percobaan

menggunakan 4-fold cross validation. Hal ini ditandai dengan kotak berwarna

abu-abu pada gambar yang merupakan test set dan kotak berwarna putih

merupakan training set. Sebagai contoh terdapat 40 instance pada ilustrasi

Gambar 3 yang merupakan total number of examples. Pada percobaan 1

(experiment 1), kotak berwarna abu-abu merupakan test set yang berisi 10

instance dengan id instance dari 1-10. Sedangkan kotak berwarna putih

merupakan training set yang berisi 30 instance dengan id instance dari 11-40.

Pada percobaan 1 didapatkan hasil nilai rata-rata eror. Kemudian dilanjutkan ke

percobaan 2. Kotak berwarna abu-abu pada percobaan 2 merupakan test set yang

berisi 10 instance dengan id instance dari 11-20 sedangkan kotak berwarna putih

merupakan training set yang berisi 30 instance dengan id instance dari 1-10 dan

21-40. Pada percobaan 2 didapatkan hasil nilai rata-rata eror. Cara yang sama

dilakukan pada percobaan 3 dan 4. Setelah itu dihitung rata-rata keseluruhan

18

estimasi eror dari setiap percobaan yang telah dilakukan hingga percobaan

terakhir.

I. Term Frequency-Inverse Document Frequency

Term Frequency-Inverse Document Frequency (TF-IDF) adalah jenis

pembobotan yang sering digunakan dalam information retrieval dan text mining.

Pembobotan ini adalah suatu pengukuran statistik untuk mengukur seberapa

penting sebuah kata dalam kumpulan dokumen. Tingkat kepentingan meningkat

ketika sebuah kata muncul beberapa kali dalam sebuah dokumen tetapi

diimbangi dengan frekuensi kemunculan kata tersebut dalam kumpulan dokumen

(Wisnu dan Hetami, 2015).

TF-IDF digunakan pada transformasi data untuk proses pembentukan vektor

kalimat dengan mengubah bentuk teks menjadi sebuah matriks numerik.

Perhitungan matriks menggunakan TF-IDF dirumuskan pada Persamaan 6

berikut.

𝑇𝐹 𝑥 𝐼𝐷𝐹 = 𝑇𝐹 𝑥 log (𝑛

𝑑𝑓) …………………………………………...……... (6)

Dimana : TF = frekuensi kata

df = frekuensi dokumen

n = jumlah dokumen

Term frequency yaitu frekuensi kemunculan suatu term di tiap dokumen.

Sedangkan inverse document frequency yaitu nilai bobot suatu term dihitung dari

seringnya suatu term muncul di beberapa dokumen (Wisnu dan Hetami, 2015).

19

J. Ukuran Performansi Klasifikasi

Terdapat beberapa ukuran performansi untuk teknik klasifikasi yaitu accuracy,

precision, recall, f-measure, dan MCC (Matthews Correlation Coefficient).

Perhitungan ukuran performansi didasarkan pada confusion matrix, yaitu metode

yang umum digunakan untuk melakukan perhitungan akurasi pada konsep data

mining. Confusion matrix merepresentasikan hasil prediksi dan kondisi

sebenarnya dari data yang dihasilkan oleh algoritma machine learning (Nicolas,

2015). Model confusion matrix direpresentasikan pada Tabel 2.

Tabel 2. Model Confusion Matrix (Nicolas, 2015)

Actual:

Pos

Actual:

Neg

Predicted: Pos True Positives False Positives

Predicted: Neg False Negatives True Negatives

Keterangan :

True Positives (TP) = jumlah prediksi positif yang benar

False Positives (FP) = jumlah prediksi positif yang salah

False Negatives (FN) = jumlah prediksi negatif yang salah

True Negatives (TN) = jumlah prediksi negatif yang benar

1. Accuracy yaitu persentase pengamatan yang diklasifikasikan secara benar

(Nicolas, 2015). Menurut Arthana (2019) accuracy yaitu rasio prediksi benar

(positif dan negatif) dengan keseluruhan data. Semakin tinggi hasil

20

akurasinya maka semakin efektif model algoritma klasifikasi yang diuji

tersebut (Yusa dkk., 2016). Akurasi dirumuskan pada Persamaan 7 berikut.

𝐴𝑐𝑐𝑢𝑟𝑎𝑛𝑐𝑦 =𝑇𝑃+𝑇𝑁

𝑇𝑃+𝐹𝑃+𝐹𝑁+𝑇𝑁 ………………………………..…..…..... (7)

2. Precision yaitu persentase pengamatan yang diklasifikasikan secara benar

sebagai data positif dalam grup yang telah dinyatakan positif oleh

pengklasifikasi (Nicolas, 2015). Menurut Arthana (2019) precision yaitu

rasio prediksi benar positif dibandingkan dengan keseluruhan hasil yang

diprediksi positif. Precision dirumuskan pada Persamaan 8 berikut.

𝑃𝑟𝑒𝑐𝑖𝑠𝑖𝑜𝑛 =𝑇𝑃

(𝑇𝑃+𝐹𝑃) ..…….….…………………….….…….…….... (8)

3. Recall yaitu persentase pengamatan berlabel positif dan diklasifikasikan

secara benar (Nicolas, 2015). Menurut Arthana (2019) recall yaitu rasio

prediksi benar positif dibandingkan dengan keseluruhan data yang benar

positif. Recall dan precision berkorelasi negatif karena jika terjadi kenaikan

pada salah satu variabel maka akan diikuti penurunan pada variabel lain.

Misalnya jika nilai precision tinggi, maka nilai recall rendah, begitu juga

sebaliknya. Recall dirumuskan pada Persamaan 9 berikut.

𝑅𝑒𝑐𝑎𝑙𝑙 =𝑇𝑃

𝑇𝑃+𝐹𝑁 ..………………………………...…………...…..…... (9)

4. F-Measure (F1-score) menunjukkan keseimbangan antara precision dan

recall. F-Measure adalah rata-rata harmonik dari precision dan recall

dengan kisaran nilai 0 (skor terburuk) dan 1 (skor terbaik) (Nicolas, 2015).

F-Measure dirumuskan pada Persamaan 10.

21

F1 = 2 𝑥 𝑃𝑟𝑒𝑐𝑖𝑠𝑖𝑜𝑛 𝑥 𝑅𝑒𝑐𝑎𝑙𝑙

𝑃𝑟𝑒𝑐𝑖𝑠𝑖𝑜𝑛+𝑅𝑒𝑐𝑎𝑙𝑙 …………..……………..……………..….. (10)

5. MCC (Matthews Correlation Coefficient) pada dasarnya adalah koefisien

korelasi antara klasifikasi biner yang diamati dan yang diprediksi dengan

rentang nilai antara -1 dan +1. Koefisien +1 merepresentasikan sebuah

prediksi yang sempurna, 0 merepresentasikan rata-rata prediksi, dan

koefisien -1 merepresentasikan sebuah prediksi yang terbalik/keliru. MCC

memperhitungkan true-false positive dan true-false negative yang secara

umum dianggap sebagai ukuran keseimbangan yang dapat digunakan bahkan

jika kelas memiliki ukuran yang sangat berbeda (Nicolas, 2015). MCC

dirumuskan pada Persamaan 11 berikut.

MCC =TP x TN−FP x FN

√(𝑇𝑃+𝐹𝑃)(𝑇𝑃+𝐹𝑁)(𝑇𝑁+𝐹𝑃)(𝑇𝑁+𝐹𝑁) ..…………….………..….. (11)

22

III. METODOLOGI PENELITIAN

A. Tempat dan Waktu

1. Tempat Penelitian

Penelitian ini dilakukan di Jurusan Ilmu Komputer Fakultas Matematika dan

Ilmu Pengetahuan Alam Universitas Lampung yang berada di Jl. Soemantri

Brojonegoro No. 1 Gedong Meneng, Bandar Lampung.

2. Waktu Penelitian

Penelitian dilakukan pada tahun akademik 2018-2019 tepatnya pada bulan

Maret 2019 sampai dengan Agustus 2019. Adapun alur penelitian secara

garis besar dibagi menjadi 3 tahap, yaitu pengumpulan data, implementasi

text mining, dan analisis hasil implementasi. Pada tahap pengumpulan data

dibutuhkan waktu selama 1 minggu karena tahap ini mencakup tahap

pengklasifikasian abstrak ke dalam 12 kategori keilmuan menggunakan

teknik majority voting. Kemudian, pada tahap implementasi text mining

dibutuhkan waktu selama 4 bulan 4 minggu karena implementasi dilakukan

sebanyak 24 kali percobaan supaya diperoleh nilai akurasi yang paling besar.

Sedangkan untuk tahap analisis hasil implementasi dibutuhkan waktu selama

1 bulan untuk mendapatkan faktor-faktor yang mempengaruhi nilai akurasi

klasifikasi.

23

B. Data dan Alat

1. Data

Data pada penelitian ini berupa abstrak Jurnal Komputasi Jurusan Ilmu

Komputer Universitas Lampung berbahasa Inggris dengan format CSV yang

diperoleh dari dokumen Jurnal Komputasi yang diunduh melalui website

FMIPA Unila dengan alamat URL

http://jurnal.fmipa.unila.ac.id/index.php/komputasi. Dokumen Jurnal

Komputasi yang digunakan berjumlah 144 dokumen jurnal (volume I-VI)

tahun terbit 2013-2018. Dokumen-dokumen tersebut diklasifikasikan

menjadi 12 kelas kategori keilmuan berdasarkan matriks Dennings dengan

cara majority voting. Rekapitulasi jumlah dokumen untuk masing-masing

kategori keilmuan dapat dilihat pada Tabel 3.

Tabel 3. Hasil Voting Klasifikasi Kelas Keilmuan Jurnal Komputasi id Kelas Keilmuan Jumlah Dokumen

1 Algoritma dan Struktur Data 27

2 Bahasa Pemrograman 0

3 Arsitektur 1

4 Sistem Operasi dan Jaringan 5

5 Software Engineering 57

6 Database dan Sistem Temu Kembali Informasi 10

7 Artificial Intelligence dan Robotik 15

8 Grafik 2

9 Human Computer Interaction (HCI) 2

10 Komputasi 1

11 Organizational Informatics 23

12 Bioinformatika 1

TOTAL 144

24

Berdasarkan hasil klasifikasi abstrak pada Tabel 3 diperoleh fakta bahwa

terjadi ketidakseimbangan jumlah anggota antar kelas. Rata-rata anggota

kelas keilmuan dari hasil klasifikasi tersebut yaitu 12. Standar deviasi pada

data hasil klasifikasi yaitu 16,2 yang artinya titik data per-kelas mendekati

nilai rata-rata. Namun terjadi bias yang tinggi, misalnya kelas Software

Engineering memiliki 57 anggota kelas sedangkan kelas Bahasa

Pemrograman tidak memiliki anggota kelas sama sekali. Sementara itu kelas

Arsitektur, Komputasi, dan Bioinformatika hanya memiliki satu anggota

kelas.

2. Alat

− Software :

1. Sistem operasi Windows 10 Profesional

2. ClickCharts Diagram Flowchart Software

ClickCharts Diagram Flowchart Software adalah perangkat lunak

untuk membuat representasi visual dari suatu proses yang

kompleks, membuat value stream dan diagram alir, serta optimisasi

proses. Keuntungan dari pembuatan flowchart yaitu dapat

menampilkan proses yang sangat terperinci dan rumit menjadi lebih

mudah dipahami (NCH Software, 2019). Pada penelitian ini

digunakan ClickCharts Diagram Flowchart Software versi 3.02.

3. Python

Python dikembangkan oleh Guido van Rossum pada tahun 1990 di

Amsterdam sebagai kelanjutan dari bahasa pemrogramman ABC.

25

Python merupakan bahasa pemrograman tingkat tinggi yang bersifat

interpretatif dan multiplatform (dapat bekerja diberbagai platform

seperti MS Windows, Linux, Macintosh dan lainnya). Secara umum

Python berbentuk pemrograman berorientasi objek, pemrograman

imperatif, dan pemrograman fungsional. Python dapat diperoleh dan

digunakan secara bebas oleh siapapun (Enterprise, 2016). Pada

penelitian ini digunakan Python versi 3.

4. Jupyter Notebook

Jupyter membutuhkan Python untuk diinstal karena didasarkan pada

bahasa Python. Terdapat beberapa alat yang akan mengotomatisasi

instalasi Jupyter dari GUI, salah satunya software Anaconda.

Jupyter Notebook pada dasarnya adalah file JSON dengan sejumlah

anotasi. Bagian utama Jupyter Notebook yaitu metadata untuk

mengatur dan menampilkan Notebook, nomor versi software yang

digunakan untuk membuat Notebook, dan daftar sel (Toomey,

2016). Pada penelitian ini digunakan Jupyter Notebook versi 4.4.0.

5. Natural LanguageToolkit (NLTK)

NLTK adalah platform terkemuka yang bersifat open-source dan

gratis untuk membangun program Python dengan menggunakan

data berbahasa manusia. NLTK disebut sebagai “perpustakaan yang

luar biasa untuk bermain dengan bahasa alami” karena

menyediakan antarmuka yang mudah digunakan dan serangkaian

pustaka pemrosesan teks untuk klasifikasi, tokenisasi, stemming,

26

tagging, parsing, penalaran semantik, dan pustaka pemrosesan

bahasa alami lainnya. NLTK tersedia untuk Windows, Mac OS X,

dan Linux (NLTK Project, 2019). Pada penelitian ini digunakan

NLTK versi 3.4

6. Scikit-Learn

Scikit-Learn adalah pustaka Python open source yang

mengimplementasikan serangkaian pembelajaran mesin, pra-proses,

cross validation, dan algoritma visualisasi menggunakan antarmuka

terpadu. Keunggulan yang terdapat dalam Scikit-Learn diantaranya

memiliki berbagai fitur untuk klasifikasi, regresi dan algoritma

clustering untuk data mining dan analisis data (Kumar, 2019).

Awalnya, Scikit-Learn dikembangkan oleh David Cournapeau pada

tahun 2007 dan dikeluarkan pertama kali (v0.1 beta) pada akhir

Januari 2010 (Mishra, 2018). Pada penelitian ini digunakan Scikit-

Learn versi 0.20.3.

− Hardware : Laptop Acer Aspire E5-473G dengan prosesor i3-5005U

(2.0 GHz, 3MB L3 Cache), tipe grafis 920M 2GB, kapasitas

penyimpanan 500 GB HDD, dan memori 4GB DDR3.

C. Metode Implementasi

Implementasi text mining pada klasifikasi abstrak Jurnal Komputasi dilakukan

melalui tahapan penelitian yang digambarkan pada Gambar 4.

27

Gambar 4. Alur penelitian implementasi text mining untuk klasifikasi jurnal.

Pada penelitian ini, pengumpulan data abstrak Jurnal Komputasi dilakukan

dengan cara mengunduh langsung dokumen dari website FMIPA Unila.

Sejumlah 144 abstrak dalam bahasa Inggris kemudian diberikan label keilmuan.

Pemberian label keilmuan didasarkan pada aturan majority voting yang dilakukan

oleh 3 orang narasumber. Tahap selanjutnya yaitu melakukan praproses abstrak

dengan tujuan untuk menghilangkan noise, menyeragamkan bentuk kata, dan

28

mengurangi volume kata (Berry dan Kogan, 2010). Adapun urutan langkah

praproses abstrak diuraikan sebagai berikut.

1. Case Folding

Pada tahap ini, semua huruf dalam abstrak Jurnal Komputasi diubah menjadi

huruf kecil. Hanya huruf ‘a’ sampai ‘z’ yang diterima. Contoh tahapan case

folding diuraikan pada Tabel 4.

Tabel 4. Ilustrasi Tahapan Case Folding

Data Uji Tahapan Case Folding

Library integrated service unit of

Unila provides academic services

for students through the website.

library integrated service unit of

unila provides academic services

for students through the website.

Pada tahap case folding dihasilkan bentuk abstrak yang standar dan seragam

karena huruf pada abstrak konsisten menjadi huruf kecil semua.

2. Filtering

Filtering merupakan tahap penghilangan karakter angka, tanda baca

(punctuation), dan spasi berlebih. Contoh tahapan filtering diuraikan pada

Tabel 5.

29

Tabel 5. Ilustrasi Tahapan Filtering Data Latih Hasil Case Folding Hasil Proses Filtering

library integrated service unit of

unila provides academic services

for students through the website.

library integrated service unit of

unila provides academic services

for students through the website

Pada tahap filtering, batas antar kalimat menjadi tidak jelas karena tanda

baca seperti titik, koma, dan lainnya dihapus. Beberapa kalimat yang

mengandung angka juga menjadi tidak jelas maknanya sebab karakter angka

telah dihapus pada tahap ini. Namun hal ini tidak menjadi masalah, karena

informasi pada abstrak yang diperlukan sebagai fitur penciri suatu kelas

adalah dalam bentuk kata saja.

3. Tokenisasi

Pada tahap tokenisasi dilakukan pemotongan string input berdasarkan tiap

kata yang menyusunnya. Secara rinci, paragraf dan kalimat dipecah menjadi

kata-kata dengan memotong string dari penyusunnya. Pada tahap ini juga

dilakukan pemotongan kata umum yang biasanya muncul dalam jumlah

besar dan dianggap tidak memiliki makna atau disebut stopword removal.

Contoh tahapan tokenisasi diuraikan pada Tabel 6.

30

Tabel 6. Ilustrasi Tahapan Tokenisasi

Data Latih Hasil Filtering Hasil Proses Tokenisasi

library integrated service unit of unila

provides academic services for students

through the website

library

integrated

service

unit

-

unila

provides

academic

services

-

students

-

-

website

Pada tahap tokenisasi diperoleh daftar kata bermakna yang dapat digunakan

untuk mencari ciri dari suatu kelas karena jumlah kata yang menyusun

abstrak menjadi lebih sedikit jumlahnya. Adapun pseudocode untuk tahap

tokenisasi dituliskan pada Kode 1 berikut.

Kode 1. Pseudocode Stopword Removal

Define: List of stopword removal

For i=1 to Number_of_words_in_the_document do

For j=1 to Number_of_words_in_stopword_list do

If

Words(i) == stopword(j) THEN

eliminate Words(i)

END If

END For

END For

31

Berdasarkan Kode 1, tahap tokenisasi dimulai dengan mendefinisikan daftar

kata yang masuk kedalam stopword. Kemudian definisikan i sebagai indeks

kata dalam dokumen dan j sebagai indeks kata dalam stopword. Jika

ditemukan kata yang masuk kedalam stopword (words(i) == stopword (j))

maka kata tersebut akan dihapus.

4. Stemming

Pada tahap ini dilakukan pencarian kata dasar dari setiap kata hasil

tokenisasi dengan membuang imbuhan di awal (prefix) dan diakhir (sufix)

kata tersebut. Contoh tahapan stemming diuraikan pada Tabel 7 berikut.

Tabel 7. Ilustrasi Tahapan Stemming Data Latih Hasil Tokenizing Hasil Proses Stemming

library

integrated

service

unit

-

unila

provides

academic

services

-

students

-

-

website

library

integrat

servic

unit

-

unila

provide

academic

servic

-

student

-

-

website

Pada tahap stemming belum dihasilkan kata-kata aktual karena proses

stemming hanya menghilangkan afiks pada kata tersebut, contohnya mis-,

32

un-, -ed, -s, dan lain sebagainya. Seperti yang tertera pada Tabel 7, kata

‘integrated’ seharusnya menghasilkan kata dasar ‘intergate’ namun karena

pada stemming hanya dihilangkan sufiks –ed maka dihasilkan kata

‘integrat’. Untuk mengatasi eror pada proses stemming tersebut, maka

dilakukan proses lemmatisasi. Melalui proses lemmatisasi, berbagai bentuk

kata berbeda dengan makna yang sama akan dikelompokkan kedalam satu

kata. Misalnya terdapat kata run, running, dan ran, melalui proses

lemmatisasi maka dihasilkan kata run karena ketiga kata tersebut berasal

dari kata run.

Setelah praproses abstrak selesai, selanjutnya dilakukan transformasi abstrak

dengan teknik TF-IDF. Perhitungan bobot kata menggunakan teknik TF-IDF

diilustrasikan pada Tabel 8.

Tabel 8. Contoh Abstrak dari Tiga Dokumen Jurnal Komputasi

ID Abstrak

1 SMT’s secretariat is one of the PT. PLN (Persero) Power Generation Sector

of Tarahan which is responsible for document control process.

2 Dengue Fever (DBD) and Malaria are kinds of diseases that often caused an

extraordinary occurrence in Indonesia.

3 Technology development currently making human life be more practical.

Dari tiga contoh abstrak tersebut dihitung frekuensi kemunculan kata pada

dokumen (TF-IDF). Sebagai contoh, diambil 3 kata yang terdapat pada

33

contoh abstrak diatas (ditandai dengan warna merah). Pertama yaitu

menghitung TF atau kemunculan suatu kata pada sebuah dokumen. Langkah

kedua menghitung nilai DF atau banyaknya suatu dokumen tempat kata

ditemukan. Langkah ketiga menghitung nilai TF x IDF sehingga dihasilkan

nilai seperti pada Tabel 9.

Tabel 9. Hasil Perhitungan TF-IDF

Kata

TF

DF IDF

TF-IDF

1 2 3 1 2 3

response 1 0 0 1 0.477 0.477 0 0

disease 0 1 0 1 0.477 0 0.477 0

human 0 0 1 1 0.477 0 0 0.477

Teknik pembobotan kata TF-IDF dituliskan dalam pseudocode berikut.

function tf_idf(Matrix matriks)

double tf, idf

int baris = matriks.baris

int kolom = matriks.kolom

tabel_tfidf = new Matrix(baris,kolom)

for (int i=0; i<baris; i++)

for (int j = 0; j < kolom; j++)

tf = matriks[i][j]/n_kata_di_dokumen(j)

idf = Math.log(kolom/n_dokumen_pada_kata(i)+ 1)

tabel_tfidf[i][j] = tf * idf

return tabel_tfidf

Kode 2. Pseudocode TF-IDF

34

Berdasarkan Kode 2, TF-IDF diperoleh dengan cara menerima masukan

berupa sebuah mariks abstrak dan keluaran yang dihasilkan yaitu tabel TF-

IDF.

Setelah setiap abstrak ditransformasi kedalam bentuk vektor, dilanjutkan ke

tahap pembuatan model klasifikasi menggunakan algoritma Support Vector

Machine (SVM). SVM akan mengukur margin hyperplane dan mencari titik

maksimal yang memisahkan antar kelas dalam input space. Proses

pembelajaran pada SVM yaitu mencari support vector (titik pemisah

terdekat masing-masing kelas) dari data yang sudah ditransformasi pada

ruang baru yang berdimensi lebih tinggi.

Tahap selanjutnya yaitu melakukan validasi model klasifikasi menggunakan

10-fold cross validation untuk mendapatkan nilai akurasi testing yang

terbaik dari model yang sudah dibuat. Artinya 144 abstrak dibagi menjadi 10

bagian (fold) sama besar, 9 fold untuk data training dan 1 fold untuk data

testing. Adapun pseudocode untuk tahap validasi model menggunakan 10-

fold cross validation dituliskan sebagai berikut.

divide train data into 10 parts

for i = 1 to 10

train network using 9 parts

compute accuracy using 1 part

end for

compute average accuracy of the 10 runs

Kode 3. Pseudocode Validasi Model 10-Fold CV

35

Berdasarkan Kode 3, validasi dilakukan dengan membagi data training

kedalam 10 bagian (k=10). Masing-masing bagian akan dilakukan validasi

sebanyak 10 kali iterasi. Pada setiap iterasi, 9 bagian digunakan sebagai data

training dan 1 bagian akan dihitung nilai akurasinya. Hasil akhir yang

diperoleh yaitu nilai rata-rata akurasi selama 10 kali iterasi.

Tahap terakhir yaitu menghitung akurasi dengan 5 ukuran performansi yaitu

accuracy, precision, recall, f-measure, dan MCC berdasarkan confusion

matrix.

D. Metode Pengujian

Metode pengujian dalam penelitian ini dilakukan pada proses perhitungan

performansi klasifikasi abstrak. Performansi hasil klasifikasi dihitung

berdasarkan 5 ukuran performansi yaitu accuracy, precision, recall, f-measure,

dan MCC. Perhitungan masing-masing ukuran performansi diilustrasikan pada

Tabel 10.

Tabel 10. Matriks Ilustrasi Hasil Klasifikasi Actual:

Arsitektur

Actual:

Komputasi

Actual:

Bioinfmatika

Predicted: HCI 5 2 0

Predicted: Komputasi 3 3 2

Predicted: Bioinformatika 0 1 11

36

Sebagai contoh, kelas Komputasi memiliki ketepatan klasifikasi seperti yang

diilustrasikan pada matriks diatas. Kondisi positif (P) adalah jumlah Komputasi

yang sebenarnya (dalam contoh bernilai 6). Kondisi negatif adalah jumlah

Komputasi yang bukan sebenarnya (dalam contoh bernilai 21). True positive (TP,

dalam contoh bernilai 3). True Negative (TN, dalam contoh bernilai 16). False

Positive (FP, dalam contoh bernilai 5). False Negative (FN, dalam contoh

bernilai 3). Maka nilai accuracy, precision, recall, f-measure, dan MCC dihitung

dengan rumus sebagai berikut.

𝐴𝑐𝑐𝑢𝑟𝑎𝑛𝑐𝑦 =𝑇𝑃+𝑇𝑁

𝑇𝑃+𝑇𝑁+𝐹𝑃+𝐹𝑁

= 0.704

𝑃𝑟𝑒𝑐𝑖𝑠𝑖𝑜𝑛 =𝑇𝑃

𝑇𝑃+𝐹𝑃= 0.375

𝑅𝑒𝑐𝑎𝑙𝑙 =𝑇𝑃

𝑇𝑃+𝐹𝑁= 0.5

F1 = 2 𝑥𝑃𝑟𝑒𝑐𝑖𝑠𝑖𝑜𝑛 𝑥 𝑅𝑒𝑐𝑎𝑙𝑙

𝑃𝑟𝑒𝑐𝑖𝑠𝑖𝑜𝑛+𝑅𝑒𝑐𝑎𝑙𝑙= 2 𝑥

0.375 𝑥 0.5

0.375+0.5= 0.428

MCC =TP x TN−FP x FN

√(𝑇𝑃+𝐹𝑃)(𝑇𝑃+𝐹𝑁)(𝑇𝑁+𝐹𝑃)(𝑇𝑁+𝐹𝑁) = 0.0049

Berdasarkan hasil perhitungan pada contoh kasus yang diberikan, didapatkan

nilai accurancy sebesar 70,4%, artinya ketepatan record data yang

diklasifikasikan dengan benar terhadap prediksi hasil klasifikasi memiliki

persentase yang tinggi. Semakin tinggi hasil akurasinya maka semakin efektif

37

model algoritma klasifikasi yang diuji tersebut. Precision sebesar 37,5%, artinya

kecocokan antara dokumen aktual dengan prediksi hasil klasifikasi rendah.

Recall sebesar 50%, artinya proporsi dokumen yang dapat diprediksi dengan

benar dari total jumlah dokumen suatu kelas yang diprediksi mencapai setengah

akurat. F-measure sebesar 42,8%, artinya precision dan recall dari model

klasifikasi yang dibuat tidak seimbang. MCC mendekati nol artinya hasil prediksi

tidak lebih baik daripada fungsi acak (random).

55

V. KESIMPULAN DAN SARAN

A. Kesimpulan

Kesimpulan yang diperoleh berdasarkan penelitian yang telah dilakukan adalah

sebagai berikut.

1. Text mining telah berhasil diimplementasikan pada proses klasifikasi abstrak

Jurnal Komputasi.

2. Hasil akurasi testing tertinggi pada proses klasifikasi abstrak Jurnal

Komputasi menggunakan algoritma Support Vector Machine didapatkan pada

penggunaan kernel Linear dengan nilai sebesar 58,3%.

3. Jumlah anggota kelas keilmuan yang tidak seimbang mempengaruhi akurasi

klasifikasi.

4. Semakin sedikit jumlah fitur hasil proses feature extraction belum tentu

meningkatkan akurasi klasifikasi.

B. Saran

Saran yang diberikan berdasarkan penelitian yang telah dilakukan adalah sebagai

berikut.

56

1. Menggunakan dasar klasifikasi selain Matriks Dennings, misalnya ACM

(Association for Computing Machinery) Curriculum agar dihasilkan anggota

antar kelas yang seimbang.

2. Menerapkan metode klasifikasi SVM dengan kombinasi metode feature

selection yang lain agar dihasilkan data antar kelas yang seimbang, misalnya

Chi-kuadrat.

3. Menerapkan metode feature extraction yang lain agar dihasilkan fitur penciri

yang lebih baik, misalnya Word2Vec.

4. Menerapkan hasil klasifikasi abstrak Jurnal Komputasi ke dalam sistem

pencarian data Jurnal Komputasi supaya memudahkan pencarian jurnal.

57

DAFTAR PUSTAKA

Alpaydin, E. (2004). Introduction to Machine Learning. Massachusetts: MIT Press.

401 hlm.

APJII. (2018). Asosiasi Penyelenggara Jasa Internet Indonesia.

https://apjii.or.id/content/read/39/342/Hasil-Survei-Penetrasi-dan-Perilaku-

Pengguna-Internet-Indonesia-2017#. Diakses pada 11 Desember 2018.

Arthana, R. (2019). Mengenal Accuracy, Precision, Recall, dan Specificity serta yang

diprioritaskan dalam Machine Learning.

https://medium.com/@rey1024/mengenal-accuracy-precission-recall-dan-

specificity-serta-yang-diprioritaskan-b79ff4d77de8. Diakses pada 28 November

2019.

Berry, M. W., dan Kogan, J. (2010). Text Mining Applications and Theory.British:

Wiley. 205 hlm.

Boser, B. E., Guyon I. M., dan Vapnik V. N. (1992). A Training Algorithm for

Optimal Margin Classifier. https://www.svms.org. Diakses pada 5 Desember

2019.

Dang, S. dan Ahmad, P. H. (2014). Text mining: techniques and its applications.

IJETI, 1(4), 2348-0866.

Denning, P. J. (1997). Computer Science: The Discipline.

http://denninginstitute.com/pjd/PUBS/ENC/cs99.pdf. Diakses pada 17 Oktober

2019.

Enterprise, J. (2016). Trik Cepat Menguasai Pemrograman Python. Jakarta: PT Elex

Media Komputindo. 117 hlm.

Herawan, Y. (2011). Ekstraksi ciri dokumen tumbuhan obat menggunakan chi-

kuadrat dengan klasifikasi naive bayes. Institut Pertanian Bogor. 1-13.

Informatikalogi. (2017). Text Preprocessing. https://informatikalogi.com/text-

preprocessing/. Diakses pada 26 September 2019.

58

Kemdikbud (Kementrian Pendidikan dan Kebudayaan). (2018). Arti kata jurnal -

Kamus Besar Bahasa Indonesia (KBBI) Online. https://kbbi.web.id/jurnal.

Diakses pada 6 Desember 2018.

Khalid, Rintyarna, B. S., dan Arifin, A. Z. (2015). Seleksi fitur dua tahap

menggunakan information gain dan artificial bee colony untuk kategorisasi teks

berbasis support vector machine. SYSTEMIC, 1(2), ISSN 2460-8092.

Khumaeni, A. (2017). Kunci Sukses Menembus Jurnal Internasional Bereputasi.

Yogyakarta: PT Leutika Nouvalitera. 78 hlm.

Lutfi, A. A., Permanasari, A. E., dan Fauziati, S. (2018). Sentiment analysis in the

sales review by indonesian marketplace by utilizing support vector machine.

JISEBI, 4(1), 57-64.

Mishra, M. (2018). Hands-On Introduction To Scikit-learn (sklearn).

https://towardsdatascience.com/hands-on-introduction-to-scikit-learn-sklearn-

f3df652ff8f2. Diakses pada 15 September 2019.

NCH Software. (2019). ClickCharts Charting, Mapping &amp; Flowchart Software.

https://www.nchsoftware.com/chart/index.html. Diakses pada 10 Januari 2019.

NLTK Project. (2019). NLTK 3.4.5 documentation. https://www.nltk.org/. Diakses

pada 15 September 2019.

Nicolas, P. R. (2015). Scala For Machine Learning. UK: Packt Publishing Ltd. 573

hlm.

PDII-LIPI (Pusat Dokumentasi dan Informasi Ilmiah). (2019). Statistik Jumlah

Artikel per Tahun. Indonesian Scientific Journal Database (ISJD).

http://isjd.pdii.lipi.go.id/index.php/public_no_login/dashboard. Diakses pada 3

Januari 2019.

Pratama, D. H. (2013). Implementasi support vector machine (svm) untuk klasifikasi

dokumen. Institut Pertanian Bogor, 1-19.

Santosa, B. (2007). Tutorial Support Vector Machine.

https://bsantosa.files.wordpress.com/2015/03/tutorial-svm-2015. Diakses pada

27 September 2019.

Sasongko, T. B. (2016). Komparasi dan analisis kinerja model algoritma svm dan

pso-svm. Politeknik Harapan Bersama Tegal, 2(2), 244–253.

Scikit-Learn.org. (2019). Cross-validation: evaluating estimator performance.

59

https://scikit-learn.org/stable/modules/cross_validation.html. Diakses pada 18

Oktober 2019.

Setiawan, A., Kurniawan, E., dan Handiwidjojo, W. (2013). Implementasi stop word

removal untuk pembangunan aplikasi alkitab berbasis windows 8. Jurnal

EKSIS, 6(2), 1–11.

Somantri, O., dan Apriliani, D. (2018). Support vector machine berbasis feature

selection untuk sentiment analysis kepuasan pelanggan terhadap pelayanan

warung dan restoran kuliner kota tegal. JTIIK, 5(5), 537–548.

Toomey, D. (2016). Learning Jupyter. UK: Packt. 215 hlm.

Wahono, R. S. (2003). Klasifikasi Ilmu Komputer. kambing.ui.ac.id. Diakses pada 16

Ferbuari 2019.

Wisnu, D., dan Hetami, A. (2015). Perancangan Information Retrieval (IR) Untuk

Pencarian Ide Pokok Teks Artikel Berbahasa Inggris Dengan Pembobotan

Vector Space Model. Jurnal Ilmiah Teknologi Dan Informasi ASIA, 9(1), 53–59.

Wibowo, A. (2017). 10-Fold Cross Validation. https://mti.binus.ac.id/2017/11/24/10-

fold-cross-validation/. Diakses pada 25 Oktober 2019.

Yusa, M., Utami, E., dan Luthfi, E. T. (2016). Analisis komparatif evaluasi performa

algoritma klasifikasi pada readmisi pasien diabetes. Jurnal Buana Informatika,

7(4), 293-302.