ANALISIS DAN PERBANDINGAN ALGORITMA BRUTE FORCE DAN ...

ANALISIS DAN PERBANDINGAN ALGORITMA BRUTE FORCE DAN ALGORITMA

HORSPOOL PADA APLIKASI KAMUS BAHASA

INDONESIA - MANDARIN

SKRIPSI

DEAR ARINI PURBA

141421008

PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

MEDAN

2017

Universitas Sumatera Utara

ANALISIS DAN PERBANDINGAN ALGORITMA BRUTE FORCE DAN ALGORITMA

HORSPOOL PADA APLIKASI KAMUS BAHASA


SKRIPSI

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah

Sarjana Ilmu Komputer

DEAR ARINI PURBA

141421008

PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

MEDAN

2017


PERSETUJUAN

Judul : ANALISIS DAN PERBANDINGAN ALGORITMA

BRUTE FORCE DAN ALGORITMA HORSPOOL

PADA APLIKASI KAMUS BAHASA INDONESIA-

MANDARIN

Kategori : SKRIPSI

Nama : DEAR ARINI PURBA

Nomor Induk Mahasiswa : 141421008

Program Studi : SARJANA (S-1) ILMU KOMPUTER

Departemen : ILMU KOMPUTER

Fakultas : FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI

INFORMASI UNIVERSITAS SUMATERA UTARA

Komisi Pembimbing :

Pembimbing 2 Pembimbing 1

Jos Timanta Tarigan, S.Kom., M.Sc Prof. Dr. Iryanto, M.Si

NIP. 198501262015041001 NIP. 194604041971071001

Diketahui/disetujui oleh

Program Studi S-1 Ilmu Komputer

Ketua,

Dr. Poltak Sihombing, M.Kom.

NIP. 196203171991031001


PERNYATAAN

ANALISIS DAN PERBANDINGAN ALGORITMA BRUTE FORCE DAN

ALGORITMA HORSPOOL PADA APLIKASI KAMUS BAHASA


SKRIPSI

Saya menyatakan bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa

kutipan dan ringkasan yang masing – masing telah disebutkan sumbernya.

Medan, Maret 2017

Dear Arini Purba

141421008


UCAPAN TERIMA KASIH

Puji dan syukur penulis ucapkan kepada Tuhan Yang Maha Esa yang telah

memberikanrahmat dan berkat-Nya, sehinggapenulis dapat menyelesaikan

penyusunan skripsi ini, sebagai syarat untuk memperoleh gelar Sarjana Komputer

pada Program Studi S1 Ilmu Komputer Universitas Sumatera Utara.

Penulis ingin menyampaikan rasa hormat dan terima kasih yang sebesar–

besarnya kepada :

1. Bapak Prof. Dr. Runtung Sitepu, S.H., M.Humselaku Rektor Universitas

Sumatera Utara.

2. Bapak Prof. Dr. Opim Salim Sitompul, M.Si, selaku Dekan Fakultas Ilmu

Komputer dan Teknologi Informasi, Universitas Sumatera Utara.

3. Bapak Dr. Poltak Sihombing, M.Kom selaku Ketua Program Studi S1 Ilmu

Komputer Universitas Sumatera Utara yang telah memberikan kritik dan saran

dalam penyempurnaan skripsi ini.

4. Bapak Prof. Dr. Iryanto, M.Si. selaku Dosen Pembimbing I yang telah banyak

memberikan bimbingan, saran,masukan dan dukungan kepada penulis dalam

pengerjaan skripsi ini.

5. Bapak Jos Timanta Tarigan, S.Kom, M.Scselaku Dosen Pembimbing II yang

telah memberikan bimbingan, saran, dan masukan kepada penulis dalam

pengerjaan skripsi ini.

6. Ibu Dr. Maya Silvi Lidya, B.Sc., M.Scselaku Dosen Pembanding I yang

memberikan kritik dan saran untuk penyempurnaan skripsi ini.

7. Bapak M. Andri Budiman, S.T., M.Comp.Sc., M.E.M.selaku Dosen Pembanding

II yang memberikan kritik dan saran untuk penyempurnaan skripsi ini.

8. Seluruh tenaga pengajar dan pegawai Program Studi S1 Ilmu Komputer

Fasilkom-TI USU .

9. Ayahanda Efendi Elias Purba dan IbundaDamelina Saragihyang selalu

memberikan doa dan dukungan serta kasih sayang kepada penulis, serta abang

dan adik tersayang Dittya Purba, Benny Carnegie Purba dan Desy Ulina


Purbayang terus memberikan dukungan dan dorongan bagi penulis untuk

menyelesaikan skripsi ini.

10. Sahabat penulis Sar Barita, Alvin, Denny, Herman, Leo, Mailinda, Priska, Angga

dan yang lainnya yang telah banyak memberikan doa, dukungan dan semangat

selama proses menyelesaikan skripsi ini.

11. Teman – teman dekat Bangkit, Reynaldi, Rico, One, Hilda, Riris, Tika dan Ika

yang memberikan dukungan dan semangat selama proses menyelesaikan skripsi

ini.

12. Teman – teman kuliahJanuar Andi Sirait dan Mariaty Harefa yang senantiasa

membantu penulis dalam penyelesaian skripsi ini.

13. Dan semua pihak yang telah banyak membantu yang tidak bisa disebutkan satu-

persatu.

Semoga Tuhan Yang Maha Esa melimpahkan berkat dan kasih sayang-Nya kepada

semua pihak yang telah memberikan bantuan, semangat, dukungan dan perhatian serta

doa kepada penulis dalam menyelesaikan skripsi ini.

Medan, April 2017

Penulis

Dear Arini Purba


ABSTRAK

Bahasa sangat memegang peranan penting dalam berkomunikasi terutama dalam

berinteraksi, baik itu dalam masyarakat ataupun instansi tertentu.Pada saat ini banyak

perusahaan yang membuka lapangan pekerjaan dengan syarat karyawan harus mahir

dalam bahasa mandarin, Untuk dapat belajar bahasa mandarin, kamus dapat dijadikan

sebagai salah satu bahan acuan. Di zaman sekarang ini, aplikasi kamus berbasis

android sangat efisien digunakan untuk belajar menambah kosakata. Dalam membuat

aplikasi kamus, string matching dapat diimplementasikan untuk proses pencarian

katanya. String matching memiliki beberapa algoritma, salah satu algoritmanya adalah

algoritma Brute Force dan algoritma Horspool dan akan diimplementasikan pada

aplikasi kamus tersebut. Algoritma Burte Force melakukan proses pencarian dari kiri

kekanan dan Algoritma Horspool memiliki dua fase yaitu fase preprocessing dan fase

pencarian. Fase preprocessing merupakan proses untuk membuat nilai pergeseran

sesuai dengan pattern yang dimasukkan.Pattern akan bergeser apabila string dan

pattern mengalami ketidakcocokan. Pattern akan berhenti bergeser saat pattern

ditemukan pada teks atau saat jumlah nilai pergeseran lebih besar dari selisih panjang

teks dan panjang pattern.Kedua Algoritma tersebut memiliki kompleksitas

algoritma yang sama yaitu T(n) = θ(mn), tetapi memiliki perbedaan rata-rata running

time sebesar 0,243511 ms, dimana hasil rata-rata running timeAlgoritma Brute

Force adalah 1,38839 ms dan Algoritma Horspooladalah 1,631901 ms.

Kata Kunci : Android, String Matching, Brute Force, Horspool.


ANALYSIS AND COMPARISON OF BRUTE FORCE AND

HORSPOOL ALGORITHM ON DICTIONARY

INDONESIA –MANDARIN

ABSTRACT

Language has important role in communication because we use it as a tool to deliver

the information, especially in interaction, whether in the public or the company. At

this time many companies are creating jobs on the condition that the employee must

be proficient in Mandarin, To be able to learn Chinese language, the dictionary can

be used as a reference material. In today's age, android based dictionary application

very efficiently used to study add to the vocabulary. In making an application

dictionary, string matching can be implemented for the search process said. String

matching has several algorithms, one algorithm is an algorithm Brute Force and

algorithms Horspool and will be implemented in the dictionary application. Force

Burte algorithms perform the search process from left to right and Horspool

algorithm has two phases which preprocessing and search phase. Preprocessing

phase is a process to make the shift value in accordance with the pattern entered.

Pattern will shift when the string and pattern experienced incompatibility. Pattern will

stop the current shift pattern found on the text or when the amount of shift value is

greater than the difference between the long length of the text and pattern. Both of

these algorithms have the same complexity of the algorithm is T (n) = θ (mn), but have

a difference in the average running time of 0.243511 ms, where the average yield

Brute Force algorithm running time is 1.38839 ms and Algorithms Horspool is

1.631901 ms.

Keyword : Android, String Matching, Brute Force, Horspool.


DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Abstrak vi

Abstract vii

Daftar Isi viii

Daftar Tabel x

Daftar Gambar xi

Daftar Lampiran xii

Bab 1 Pendahuluan

1.1 Latar Belakang 1

1.2 Ruang Lingkup Masalah 2

1.3 Batasan Masalah 2

1.4 Tujuan Penelitian 3

1.5 Manfaat Penelitian 3

1.6 Metode Penelitian 3

1.7 Sistematika Penelitian 4

Bab 2 Landasan Teori

2.1 Kamus 5

2.2 Algoritma 6

2.3 Android 6

2.4 String Matching 8

2.4.1 Pengertian String Matching 8

2.4.2 Cara Kerja String Matching 8

2.4.3 Klasifikasi Algoritma String Matching 9

2.5 Algoritma Brute Force 10


2.6 Algoritma Horspool 12

2.6.1 Pencarian Dengan Algoritma Horspool 13

2.7 Penelitian Terkait 16

Bab 3 Analisis dan Perancangan Sistem

3.1 Analisis Sistem 18

3.1.1 Analisis Masalah 18

3.1.2 Analisis Kebutuhan Sistem 20

3.1.2.1 Analisis Kebutuhan Fungsional Sistem 20

3.1.2.2 Analisis Kebutuhan Non- Fungsional Sistem 20

3.1.3 Pemodelan Sistem 21

3.1.3.1Use – Case Diagram 21

3.1.3.2Activiy Diagram 22

3.1.3.3Sequence Diagram 23

3.2 Flowchart Sistem 23

3.3 Pseudocode Program 25

3.3.1 Pseudocode Algoritma Brute Force 25

3.3.2 Pseudocode Algoritma Horspool 25

3.4 Perancangan Sistem 26

3.4.1 Rancangan Halaman Menu Utama 26

3.4.2 Rancangan Halaman Hasil Pencarian 27

3.4.3 Rancangan Halaman About 28

Bab 4 Implementasi dan Pengujian Sistem

4.1 Implementasi Sistem 30

4.1.1 Tampilan Antarmuka Utama 30

4.1.2 Tampilan Antarmuka Hasil Pencarian 32

4.1.3 Tampilan Antarmuka About 33

4.2 Pengujian Sistem 34

4.2.1 Pengujian Proses Pencarian Dengan Algoritma Brute Force 34

4.2.2 Pengujian Proses Pencarian Dengan Algoritma Horspool 39

4.2.3 Hasil pengujian 45

4.3 Kompleksitas Algoritma 47

4.3.1 Kompleksitas Algoritma Brute Force 47

4.3.2 Kompleksitas Algoritma Horspool 48


Bab 5 Penutup 50

5.1 Kesimpulan 51

5.2 Saran 52

Daftar Pustaka 53

Lampiran A-1


DAFTAR TABEL

Nomor Tabel

Nama Tabel Halaman

2.1

2.2

2.3

2.4

2.5

2.6

2.7

2.8

2.9

2.10

2.11

4.1

4.2

4.3

4.4

4.5

4.6

Iterasi Algoritma Brute Force Pertama

Iterasi Algoritma Brute Force Kedua

Iterasi Algoritma Brute Force Ketiga

Iterasi Algoritma Brute Force Keempat

Iterasi Algoritma Brute Force Kelima

Bad Match Pada Pra-proses

Inisialisasi Awal Bad Match

Pembuatan Bad Match

Iterasi Algoritma Horspool Pertama

Iterasi Algoritma Horspool Kedua

Iterasi Algoritma Horspool Ketiga

Tabel Pengujian Algoritma Brute Force

Tabel Pengujian Algoritma Horspool

Hasil Pengujian Algoritma Brute Force dan Algoritma

Horspool

Kompleksitas Fungsi Match Algoritma Brute Force

Kompleksitas Fungsi Shifttable Algoritma Horspool

Kompleksitas Fungsi Match Algoritma Horspool

10

11

11

11

11

14

14

15

15

15

16

34

40

45

47

48

48


DAFTAR GAMBAR

Nomor Gambar

Nama Gambar Halaman

3.1 Fishbone Diagram 19

3.2 Use – Case Diagram 21

3.3 Activity Diagram 22

3.4 Sequence Diagram 23

3.5 Flowchart Sistem 24

3.6 Tampilan Tab Algoritma Brute Force 27

3.7 Tampilan Tab Algoritma Horspool 27

3.8 Tampilan Tab Hasil Pencarian Algoritma Brute Force 27

3.9 Tampilan Tab Hasil Pencarian Algoritma Horspool 28

3.10 Tampilan Halaman About 29

4.1 Tampilan Awal Tab Algoritma Brute Force 30

4.2 Tampilan Awal Tab Algoritma Horspool 31

4.3 Tampilan Hasil Pencarian Algoritma Brute Force 32

4.4 Tampilan Hasil Pencarian Algoritma Horspool 33

4.5 Tampilan HalamanAbout 33

4.6 Perbandingan Hasil Running Time Algotima Brute Force dan

Algoritma Horspool

46

4.7 Perbandingan Nilai Total dan Rata-rata Algotima Brute Force

dan Algoritma Horspool

46


DAFTAR LAMPIRAN

Lampiran 1 Listing Program A-1

Lampiran 2 Curriculum Vitae B-1


BAB 1

PENDAHULUAN

1.1 Latar Belakang

Komunikasi adalah salah satu bentuk interaksi antara satu pihak dengan pihak lain.

Komunikasi antar manusia dilakukan dan dibantu oleh sebuah sarana yaitu bahasa.

Karena manusia terdiri dari berbagai ragam suku dan bangsa maka beragam atau

bermacam juga jenis dan dialog bahasa sehingga kadang kala ada satu suku atau

bangsa yang sulit berkomunikasi dengan bangsa atau suku lain. Maka bahasa sangat

memegang peranan penting dalam berkomunikasi terutama dalam berintraksi antara

satu dengan yang lainnya.

Salah satu bahasa yang popular saat ini digunakan adalah bahasa Mandarin.

Bahasa mandarin tidak hanya popular menjadi bahasa sehari-hari, tetapi seseorang

yang memiliki kemampuan dalam berbahasa mandarin akan memiliki suatu nilai lebih

ketika melamar suatu pekerjaan.

Untuk dapat berbahasa Mandarin dengan lancar dapat dilakukan dengan

memulai percakapan sehari-hari dengan berbahasa Mandarin. Dan bagi orang yang

belum mahir berbahasa mandarin memerlukan kamus sebagai bahan acuannya.Pada

zaman seperti sekarang ini dimana kemajuan teknologi informasi diterapkan di segala

bidang, maka manusia dituntut untuk mengikuti kemajuan teknologi. Begitu kemajuan

dalam penggunaan kamus cetak yang masih dinilai kurang efisien. Hal ini disebabkan

karena pengguna harus mencari kata satu demi satu, membolak-balik halaman kamus

dan mencari dengan telitiserta ukurannya yang tebal dan berat.

Dalam aplikasi kamus bahasa Indonesia-Mandarin ini dengan menggunakan

teknologi makadibutuhkan algoritma pencocokan string (String Matching) yaitu

algoritma yang dapat mencari kata (pattern) dalam sebuah kalimat teks (string) untuk

menemukan satu kata yang pertama kali ditemukan atau yang lebih umum dan

menampilkan sebuah kata yang ditemukan dalam teks.

Algoritma Brute Force dan algoritma Horspool merupakan bagian dari

algoritma exact string matching yang memiliki cara kerja berbeda sehingga jika

diterapkan dalam aplikasi kamus ini mengakibatkan kecepatan pencarian informasi


juga menjadi berbeda. Dengan adanya perbedaan tersebut, maka perlu adanya analisa

yang membandingkan kedua algoritma exact string matching didalam aplikasi kamus

ini.

Berdasarkan uraian latar belakang diatas, Penulis bermaksud mengangkat

permasalahan tersebut sebagai bahan perancangan. Oleh karena itu, Penulis memilih

topik Tugas Akhir penulis dengan judul “Analisis dan Implementasi Algoritma Brute

Force dan Algoritma Horspool pada Aplikasi Kamus Bahasa Indonesia - Mandarin”.

1.2 Rumusan Masalah

Rumusan masalah pada penelitian ini adalah banyaknya lapangan pekerjaan yang

membutuhkan karyawan mahir dalam bahasa mandarin sehingga dirancang suatu

aplikasi kamus bahasa Indonesia – Mandarin dengansistem perangkat lunak yang

dapat menganalisis dan membandingkan algoritma Brute Force dan algoritma

Horspool.

1.3 Batasan Masalah

Batasanmasalah dari latar belakang penelitian ini yaitu:

1. Parameter yang digunakan untuk membandingkan algoritma Brute Force dan

algoritma Horspool adalah waktu proses dan kompleksitas menggunakan Big-

ϴ.

2. Input dan hasil terjemahan aplikasi kamus ini berupa kata dan bukan

merupakan huruf kanji. Jumlah kata yang tersedia adalah ±500 kata.

3. Kamus ini dirancang menggunakan bahasa pemrograman Java berbasis

Android

4. Aplikasi kamus ini dibangun dengan menggunakan kamus yang diterbitkan

oleh:

a. Penerbit Sketsa dengan judul Kamus Praktis Bahasa Mandarin, penulis

Jennifer Kwan dan Andre Wijaya pada tahun 2007.

b. Penerbit Rumah Ide dengan judul Kamus Saku Mandarin Superkomplet,

penulis Duma Rian pada tahun 2014.


1.4 Tujuan Penelitian

Tujuan dari penelitian ini adalah untuk memperoleh suatu sistem perangkat lunak

yang dapat menganalisa dan membandingkan antara algoritma Brute Force dan

algoritma Horspool serta mengukur tingkat perbandingan waktu proses dalam satuan

waktu (ms) dan kompleksitas menggunakan Big ϴ.

1.5 Manfaat Penelitian

Manfaat penelitian ini adalah untuk memperoleh sebuah perangkat lunak yang dapat

melakukan pencarian kata dalam kamus bahasa Indonesia-Mandarin.

1.6 Metodologi Penelitian

Dalam penelitian ini, tahapan-tahapan yang akan dilalui adalah sebagai berikut:

1. Studi pustaka

Pada tahap ini penelitian dimulai dengan peninjauan pustaka berupa buku-

buku, artikel - artikel ilmiah, dan penelitian - penelitian yang

didokumentasikan dalam bentuk jurnal yang berhubungan dengan Algoritma

Brute Force danAlgoritma Horspool.

2. Analisis dan Perancangan

Berkaitan dengan batasan masalah, pada tahap ini dilakukan analisa apa saja

yang dibutuhkan dalam penelitian ini dan selanjutnya dirancang dalam sebuah

model alur diagram sehingga menjadi suatu informasi.

3. Implementasi

Pada tahap ini sistem diimplementasikan dengan metode Algoritma Brute

Force dan Algoritma Horspool.

4. Pengujian

Setelah perancangan sistem selesai maka dilakukan tahap pengujian untuk

menentukan kesesuaian teori dan implementasi sistem.Selain itu pengujian

berguna untuk mengetahui kesalahan pada sistem yang dibuat.

5. Dokumentasi

Pada tahap ini pendokumentasian dilakukan selama penelitian, mulai dari

analisa hingga pengujian dalam bentuk skripsi.


1.7 Sistematika Penulisan

Sistematika penulisan skripsi ini terdiri dari beberapa bagian utama yang dijelaskan

sebagai berikut:

BAB 1 PENDAHULUAN

Bab ini membahas latar belakang, rumusan masalah, batasan

masalah, tujuan penelitian, manfaat penelitian, metode penelitian

serta sistematika penulisan.

BAB 2 LANDASAN TEORI

Bab ini membahas tentang landasan teori tentang algoritma,

algoritma string matching, algoritma Brute Force, Horspool,

kompleksitas algoritma, kamus, dan beberapa penelitian terdahulu

yang relevan.

BAB 3 ANALISIS DAN PERANCANGAN SISTEM

Bab ini membahas mengenai String Matching dengan

algoritmaBrute Force dan Horspool, flow chart sistem serta

perancangan antarmuka aplikasi.

BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM

Bab inimembahas tentang implementasi dan pengujian dari

perancangan sistem yang dirancang.

BAB 5 PENUTUP

Bab ini merupakan kesimpulan dari semua pembahasan yang ada

dengan saran-saran yang ditujukan bagi para pembaca atau

pengembang selanjutnya.


BAB 2

LANDASAN TEORI

2.1 Kamus

Kata kamus berasal dari kata dalam bahasa Arab, yaitu qamus (bentuk

jamaknya qawamus). Bahasa Arab menyerap kata kamus dari kata dalam bahasa

Yunani kuno, okeanos yang berarti lautan. Tentu menjadi pertanyaan, bagaimana

kata kamus yang berurusan dengan kosakata berasal dari bahasa Yunani

kuno okeanos yang berarti lautan. Kalau kita mencoba untuk memahami sejarah kata

itu, jelaslah bahwa kata kamus memiliki makna dasarwadah pengetahuan, khususnya

pengetahuan bahasa yang tidak terhingga dalam dan luasnya, seluas dan sedalam

lautan (Chaer, 2007).

Masih menurut Chaer padanan kata kamus dalam bahasa Inggris adalah

dictionary, mulai digunakan pada karya tulis pada tahun 1526 dan berasal dari kata

dalam bahasa Latin, yaitu dictionarum. Kata ini diturunkan dari katadictio yang

berarti kata atau berkata. Padanannya dalam bahasa Belanda adalah woordenboek

yang dibedakan dariwoordenschat yang dalam bahasa Indonesia dipadankan dengan

perbendaharaan atau kosakata.

Selain pengertian kamus yang telah disebutkan di atas, ada juga pengertian

kamus yang dikemukakan oleh beberapa para ahli (Chaer, 2007) yaitu:

a. Kamus adalah buku referensi yang memuat daftar kata atau gabungan kata dengan

keterangan mengenai berbagai segi maknanya dan penggunaannya dalam bahasa,

biasanya disusun menurut abjad.

b. Kamus adalah sebuah buku berisi kata-kata dari sebuah bahasa, biasanya disusun

secara alfabetis, disertai keterangan akan artinya ucapannya, ejaannya, dan lain-

lain.

c. Kamus adalah buku berisi kumpulan kata-kata sebuah bahasa yang disususn secara

alfabetis diikuti dengan definisi atau terjemahannya dalam bahasa lain.


d. Kamus sebagai sebuah buku referensi, memuat daftar kata-kata yang terdapat

dalam sebuah bahasa, disusun secara alfabetis, disertai keterangan cara

menggunkan kata itu.

Berdasarkan pengertian kamus yang dikemukakan oleh beberapa ahli di atas, dapat

disimpulkan beberapa hal sebagai berikut:

1. kamus termasuk buku referensi yang berisi kata-kata atau gabungan kata dari

suatu bahasa.

2. kata-kata tersebut disusun secara alfabetis.

3. kata-kata tersebut diberi keterangan tentang makna dan penggunaannya.

4. kata itu selain diberi keterangan maknanya, juga diberi keterangan tentang

ucapannya, ejaannya, dan berbagai hal lain.

5. keterangan tentang makna itu diberikan juga dalam bahasa lain.

2.2 Algoritma

Istilah algoritma (algorithm) berasal dari kata “algoris” dan “ritmis”, yang pertama

kali diungkapkan oleh Abu Ja’far Mohammed Ibn Musa al Khowarizmi (825 M)

dalam buku Al-Jabr Wa-al Muqabla. Dalam bidang pemrograman algoritma

didefenisikan sebagai suatu metode khusus yang tepat dan terdiri dari serangkaian

langkah yang terstruktur dan dituliskan secara matematis yang akan dikerjakan untuk

menyelesaikan suatu masalah dengan bantuan komputer (Jogiyanto, 2005).

Algoritma juga dapat didefenisikan sebagai proses komputasi yang mengambil

beberapa nilai atau menetapkan nilai sebagai input dan menghasilkan atau menetapkan

beberapa nilai sebagai output. Algoritma adalah urutan langkah – langkah komputasi

yang mengubah input menjadi output (Cormen et al. 2001).

2.3 Android

Android adalah generasi terbaru pada sistem operasi mobile yang berjalan pada Linux

Kernel (Holla, S. & Katti, M. 2012). Awalnya Google Inc. membeli Android Inc

pendatang baru yang membuat peranti lunak untuk ponsel. Kemudian untuk

mengembangkan Android, dibentuklah Open Handset Alliance, konsorsium dari 34

perusahaan peranti keras, peranti lunak, dan telekomunikasi, termasuk Google, HTC,


Intel, Motorola, Qualcomm, T-Mobile, dan Nvidia. Tujuan aliansi tersebut yaitu untuk

mengakselerasi pembaharuan dalam mobile dan menawarkannya ke konsumen yang

lebih kaya, dan sedikit mahal (Gargenta, 2011).

Android merupakan platform yang open source. Seluruh tumpukan, dari modul

Linux tingkat rendah hingga ke library bawaan, dan dari framework aplikasi ke

aplikasi secara komplit, seluruhnya terbuka. Lebih dari itu, Android dilisensikan di

bawah lisensi yang ramah bisnis (Apache/MIT) sehingga orang lain bisa dengan bebas

memperpanjang dan menggunakannya untuk berbagai tujuan. Jadi, seorang

pengembang dapat memiliki akses ke seluruh source code platform. Hal ini

memungkinkan Anda untuk melihat keberanian dari sistem operasi android bekerja.

Sebagai produsen, sistem operasi android dapat ditanamkan untuk perangkat keras

tertentu. Seorang produsen tersebut juga dapat menambahkan bumbu rahasia

kepemilikannya sendiri, tanpa perlu memberitahukan kepada komunitas pengembang

jika seorang produsen tersebut tidak ingin. Kita dapat mulai menggunakannya dan

memodifikasi saat ini. Lebih dari itu, android memiliki banyak kaitan di berbagai

tingkatan platform, yang memungkinkan siapa pun untuk memperluasnya dengan cara

yang tak terduga (Gargenta, 2011).

Android adalah platform yang dibangun ditujukan untuk perangkat mobile.

Ketika merancang android, para tim melihat di masa mendatang kendala perangkat

mobile mungkin tidak akan berubah. Pertama, perangkat mobile bertenaga baterai, dan

kinerja baterai kemungkinan tidak akan bisa lebih baik dalam waktu dekat. Kedua,

perangkat mobile yang berukuran kecil akan selalu terbatas dalam hal memori dan

kecepatan. Android dirancang untuk berjalan pada berbagai fisik perangkat.Android

tidak membuat asumsi tentang ukuran perangkat layar, resolusi, chipset, dan

sebagainya. Intinya android dirancang untuk menjadi portabel (Gargenta, 2011).

Android adalah software untuk perangkat mobile yang mencakup sistem

operasi, middleware, dan kunci aplikasi. Android SDK (Software Development Kit)

menyediakan tools dan API yang diperlukan untuk memulai mengembangkan aplikasi

dengan menggunakan bahasa Java (Holla, S. & Katti, M. 2012).


2.4 String Matching

2.4.1 Pengertian String Matching

String matching (pencocokan string) biasa digunakan dalam aplikasi seperti skema

database dan sistem jaringan. Ada dua metode pencocokan string yaitu exact

matching dan approximate matching. (Singla, N. 2012).String matching adalah

pencarian sebuah pattern pada sebuah teks (Cormen, T.H. et al. 1994). String

matching digunakan untuk menemukan suatu string yang disebut dengan pattern

dalam string yang disebut dengan teks (Charras, C. & Lecroq, T. 1997). Prinsip kerja

algoritma string matching (Effendi, D. et al. 2013) adalah sebagai berikut:

1. Memindai teks dengan bantuan sebuah window yang ukurannya sama dengan

panjang pattern.

2. Menempatkan window pada awal teks.

3. Membandingkan karakter pada window dengan karakter dari pattern. Setelah

pencocokan (baik hasilnya cocok atau tidak cocok) dilakukan pergeseran ke

kanan pada window. Prosedur ini dilakukan berulang-ulang sampai window

berada pada akhir teks. Mekanisme ini disebut mekanisme sliding window.

Algoritma string matching mempunyai tiga komponen utama (Effendi, D. et al. 2013),

yaitu:

1. Pattern, yaitu deretan karakter yang akan dicocokkan dengan teks, dinyatakan

dengan 𝑥𝑥[0 …𝑚𝑚 − 1], panjang pattern dinyatakan dengan 𝑚𝑚.

2. Teks, yaitu tempat pencocokan pattern dilakukan. Dinyatakan dengan

𝑦𝑦[0 …𝑛𝑛 − 1], panjang teks dinyatakan dengan 𝑛𝑛.

3. Alfabet, berisi semua simbol yang digunakan oleh bahasa pada teks dan pattern,

dinyatakan dengan ∑ dengan ukuran dinyatakan ASIZE.

2.4.2 Cara Kerja String Matching

Cara yang jelas untuk mencari pattern yang cocok dengan teks adalah dengan

mencoba mencari di setiap posisi awal dari teks dan mengabaikan pencarian secepat

mungkin jika karakter yang salah ditemukan (Knuth, D.E. et al. 1977). Proses pertama

adalah menyelaraskan bagian paling kiri dari pattern dengan teks. Kemudian

dibandingkan karakter yang sesuai dari teks dan pattern. Setelah seluruhnya cocok


maupun tidak cocok dari pattern, window digeser ke kanan sampai posisi (𝑛𝑛 −𝑚𝑚 +

1) pada teks. Menurut Singh, R. & Verma, H.N.(2011), efisiensi dari algoritma

terletak pada dua tahap:

1. Tahap praproses, tahap ini mengumpulkan informasi penuh tentang pattern

dan menggunakan informasi ini pada tahap pencarian.

2. Tahap pencarian, pattern dibandingkan dengan window dari kanan ke kiri atau

kiri ke kanan sampai kecocokan atau ketidakcocokan terjadi.

Dengan sebuah nilai karakter (m < n) yang akan dicari dalam teks. Dalam

algoritma pencocokan string, teks diasumsikan berada di dalam memori, sehingga bila

kita mencari string di dalam sebuah arsip, maka semua isi arsip perlu dibaca terlebih

dahulu kemudian disimpan di dalam memori. Jika pattern muncul lebih dari sekali di

dalam teks, maka pencarian hanya akan memberikan keluaran berupa lokasi pattern

ditemukan pertama kali (Wulan, 2011).

2.4.3 Klasifikasi AlgoritmaString Matching

Algoritma string matching dapat diklasifikasikan menjadi tiga bagian menurut arah

pencariannya (Charras, C. & Lecroq, T. 1997), yaitu:

1. From left to right

Dari arah yang paling alami, dari kiri ke kanan, yang merupakan arah untuk

membaca. Algoritma yang termasuk dalam kategori ini adalah algoritma Brute

Force, algoritma Morris dan Pratt yang kemudian dikembangkan menjadi

algoritma Knuth-Morris-Pratt.

2. From right to left

Dari arah kanan ke kiri, arah yang biasanya menghasilkan hasil terbaik secara

partikal. Contoh algoritma ini adalah algoritma Boyer-Moore, yang kemudian

banyak dikembangkan menjadi algoritma Tuned Boyer-Moore, algoritma

Turbo Boyer-Moore, algoritma Zhu Takaoka dan algoritma Horspool.

3. In a specific order

Dari arah yang ditentukan secara spesifik oleh algoritma tersebut, arah ini

menghasilkan hasil terbaik secara teoritis. Algoritma yang termasuk kategori

ini adalah algoritma Colussi dan algoritma Crochemore-perrin.


2.5 Algoritma Brute Force

Algoritma brute force adalah algoritma untuk mencocokkan pattern dengan semua

teks antara 0 dan n-m untuk menemukan keberadaan pattern dalam teks (Sarno et al.

2012). Di dalam pencocokkan string, terdapat istilah teks dan pattern. Teks

merupakan kata yang dicari dan dicocokkan dengan pattern. Sedangkan pattern

merupakan kata yang diinputkan untuk dicocokkan. Secara rinci, langkah–langkah

yang dilakukan algoritma ini saat mencocokkan string adalah:

1. Algoritma brute force mulai mencocokkan pattern dari awal teks.

2. Dari kiri ke kanan, algoritma ini akan mencocokkan karakter per karakter

pattern dengan karakter pada teks yang bersesuaian, sampai salah satu kondisi

berikut terpenuhi:

a. Karakter di pattern dan di teks yang dibandingkan tidak cocok.

b. Semua karakter di pattern cocok. Kemudian algoritma akan

memberitahukan penemuan di posisi ini.

3. Algoritma kemudian terus menggeser pattern sebesar satu ke kanan, dan

mengulangi langkah ke-2 sampai pattern berada di ujung teks.

algoritma brute force tidak memerlukan fase preprocessing, dan ruang ekstra konstan

selain pola dan teks. (DU Vidanagama. 2015). Selama fase mencari perbandingan

karakter teks dapat dilakukan dalam urutan apapun. Kompleksitas waktu fase

pencarian ini O (m x n) (ketika mencari (am-1 b dalam an). jumlah yang diharapkan

dari perbandingan karakter teks 2n. (Charras et al. 1997). Sebagai contoh, dapat

dilihat pada Tabel 2.1 berikut.

Text : DEARARINI

Pattern: ARINI

Tabel 2.1 Iterasi algoritma Brute Forcepertama

m 1 2 3 4 5 6 7 8 9 T D E A R A R I N I P A R I N I I 0 1 2 3 4


Terdapat ketidakcocokan teks dengan pattern seperti yang terlihat pada Tabel

2.1 maka, dilakukan pergeseran ke kanan pada window sebanyak 1 kali. Hal ini

terlihat pada Tabel 2.2 .

Tabel 2.2 Iterasi algoritma Brute Forcekedua

M 1 2 3 4 5 6 7 8 9 T D E A R A R I N I P A R I N I I 0 1 2 3 4




Tabel 2.3 Iterasi algoritma Brute Forceketiga

m 1 2 3 4 5 6 7 8 9 T D E A R A R I N I P A R I N I i 0 1 2 3 4




Tabel 2.4 Iterasi algoritma Brute Forcekeempat

m 1 2 3 4 5 6 7 8 9 T D E A R A R I N I P A R I N I i 0 1 2 3 4 Terdapat ketidakcocokan teks dengan pattern seperti yang terlihat pada Tabel



Tabel 2.5 Iterasi algoritma Brute Forcekelima

m 1 2 3 4 5 6 7 8 9 T D E A R A R I N I P A R I N I i 0 1 2 3 4


Pada iterasi kelima yang terlihat pada Tabel 2.5, window telah berada pada

akhir teks dan semua pattern cocok dengan teks “ARINI”. Seluruh pencocokan

karakter menggunakan algoritma Brute Forcetelah selesai dan berhenti pada iterasi

kelima.

2.6 Algoritma Horspool

Algoritma Horspool adalah penyederhanaan dari algoritma Boyer-Moore yang dibuat

oleh R. Nigel Horspool. Menurut Horspool, R.N. (1980), masalah dalam pencarian

teks ini adalah mencari dalam teks yang besar untuk menemukan pattern pertama.

Karena teks yang dicari bisa sangat besar (memungkinkan ratusan ribu karakter) maka

penting untuk menggunakan teknik yang lebih efisien. Algoritma Horspool bekerja

dengan metode yang hampir sama dengan algoritma Boyer-Moore namun tidak

melakukan lompatan berdasarkan karakter pada pattern yang ditemukan tidak cocok

pada teks.Aturan ini sangat tidak efisien ketika bekerja denganhuruf kecil

dibandingkan dengan panjang jika pola. Karena itu,ketika bekerja dengan tabel ASCII

dan pencarian biasa dalameditor teks aturan pergeseran buruk bekerja jauh lebih baik.

(Wahlstrom,S. 2013)

Algoritma Horspool mempunyai nilai pergeseran karakter yang paling kanan

dari window. Pada tahap observasi awal (preprocessing).Secara umum, tahap

preprocessing digunakan untuk preproses karakter pola sebagaicara untuk

mengumpulkaninformasi yang berguna dalam tahap pencarian. Informasiyang

dikumpulkan dalam tahap preprocessing adalahdigunakan untuk meminimalkan

jumlah perbandingan karakter bersama dengan jumlah total usaha. Dalamalgoritma

pencocokan string hybrid yang diusulkan, fase preprocessing tergantung pada

Pencarian Cepat burukKarakter meja (qsBc) untuk menentukan posisi berikutnya dari

jendela teks. Algoritma Pencarian Cepat memberikannilai pergeseran maksimum (m +

1) ketika karakter berikutnya dengan karakter paling kanan pada jendela teks

tidaktidak muncul dalam pola. Di sisi lain, ketika characternext dengan karakter

paling kanan pada tekswindow sama dengan karakter paling kanan, algoritma

Pencarian Cepat memberikan nilai pergeseran minimum.(Al-Dabbagh & Barnouli.

2017).nilai shift akan dihitung untuk semua karakter. Pada tahap ini, dibandingkan

pattern dari kanan ke kiri hingga kecocokan atau ketidakcocokan pattern terjadi.

Karakter yang paling kanan pada window digunakan sebagai indeks dalam


melakukannilai shift. Dalam kasus ketidakcocokan (karakter tidak terdapat pada

pattern) terjadi, window digeser oleh panjang dari sebuah pattern. Jika tidak, window

digeser menurut karakter yang paling kanan pada pattern (Baeza-Yates, R.A. &

Regnier, M. 1992).

2.6.1 Pencarian Dengan Algoritma Horspool

Terdapat dua tahap pada pencocokan string menggunakan algoritma Horspool (Singh,

R. & Verma, H.N. 2011), yaitu:

1. Tahap praproses

Pada tahap ini, dilakukan observasi pattern terhadap teks untuk membangun

sebuah tabel bad-match yang berisi nilai shift ketika ketidakcocokan antara

pattern dan teks terjadi. Secara sistematis, langkah-langkah yang dilakukan

algoritma Horspool pada tahap praproses adalah:

a. Algoritma Horspool melakukan pencocokan karakter ter-kanan pada

pattern.

b. Setiap karakter pada pattern ditambah ke dalam tabel bad-match dan

dihitung nilai shift-nya.

c. Karakter yang berada pada ujung pattern tidak dihitung dan tidak

dijadikan karakter ter-kanan dari karakter yang sama dengannya.

d. Apabila terdapat dua karakter yang sama dan salah satunya bukan

karakter ter-kanan, maka karakter dengan indeks terbesar yang dihitung

nilai shift-nya.

e. Algoritma Horspool menyimpan panjang dari pattern sebagai panjang

nilai shift secara default apabila karakter pada teks tidak ditemukan

dalam pattern.

f. Nilai (value) shift yang akan digunakan dapat dicari dengan perhitungan

panjang dari pattern dikurang indeks terakhir karakter dikurang 1, untuk

masing-masing karakter, 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 = 𝑚𝑚− 𝑖𝑖 − 1.

Sebagai contoh, dapat dilihat pada Tabel 2.6 berikut.

Pattern: ARINI

𝐴𝐴⏟0𝑅𝑅⏟1𝐼𝐼⏟2𝑁𝑁⏟3𝐼𝐼⏟4


Tabel 2.6Bad-match pada praproses

Value [A[1]] = 5 – 1 – 1 = 3

Value [R[3]] = 5 – 3 – 1 = 1

Value [I[2]] = 5 – 2 – 1 = 2

Value [N[4]] = karena 𝑖𝑖<𝑚𝑚 − 1 maka Value [N[4]] bernilai jumlah karakter pada

pattern (m) yaitu 5. Dan untuk karakter yang tidak terdapat pada

pattern, karakter tersebut bernilai jumlah karakter pattern itu sendiri

yaitu 5

2. Tahap pencarian

Secara sistematis, langkah-langkah yang dilakukan algoritma Horspool pada tahap

pencarian adalah:

a. Dilakukan perbandingan karakter paling kanan pattern terhadap window.

b. Tabel bad-match digunakan untuk melewati karakter ketika ketidakcocokan

terjadi.

c. Ketika ada ketidakcocokan, maka karakter paling kanan pada window berfungsi

sebagai landasan untuk menentukan jarak shift yang akan dilakukan.

d. Setelah melakukan pencocokan (baik hasilnya cocok atau tidak cocok)

dilakukan pergeseran ke kanan pada window.

e. Prosedur ini dilakukan berulang-ulang sampai window berada pada akhir teks

atau ketika pattern cocok dengan teks.

Untuk menggambarkan rincian algoritma, akan diberikan contoh kasus dimana pattern

P = “ARINI” dan teks T = “DEARARINI”. Inisialisasi awal dan pembuatan bad-

match terlihat pada Tabel 2.7 dan Tabel 2.8 berikut.

Tabel 2.7 Inisialisasi awal bad-match

M 1 2 3 4 5 6 7 8 9 T D E A R A R I N I P A R I N I

Karakter Index Value A 1 3 R 3 1 I 2 2 N 4 4


I 0 1 2 3 4 Tabel 2.8 Pembuatan bad-match

P A R I N I 1 3 2 4 V 3 1 2 0

Seperti yang terlihat pada Tabel 2.7 di atas, inisialisasi awal bad-match

dilakukan. Setiap teks dan pattern masing-masing diberi nilai m dan i, dimana m

sebagai panjang pattern dan i sebagai indeks. Tabel 2.8 menunjukkan nilai pergeseran

bad-match dengan menghitung nilai v seperti yang telah dilakukan pada Tabel 2.6.

Pada tahap awal pencarian, dilakukan perbandingan karakter paling kanan pattern

terhadap window. Apabila terjadi ketidakcocokan, akan dilakukan pergeseran ke

kanan untuk melewati karakter yang tidak cocok dimana nilai pergeserannya terdapat

pada tabel bad-match. Karakter paling kanan teks pada window berfungsi sebagai

landasan untuk menentukan jarak geser yang akan dilakukan. Hal ini terlihat pada

Tabel 2.9 berikut.

Tabel 2.9 Iterasi algoritma Horspool pertama


Terdapat ketidakcocokan seperti yang terlihat pada Tabel 2.9. Karakter “A”

adalah karakter paling kanan teks pada window. Pada tabel bad-match, nilai geser

karakter “A” adalah 1. Maka, dilakukan pergeseran ke kanan pada window sebanyak 1

kali. Hal ini terlihat pada Tabel 2.10.

Tabel 2.10 Iterasi algoritma Horspool kedua


Pada Tabel 2.10, terdapat ketidakcocokan kembali antara karakter “R” dan “I”.

Pada tabel bad-match, nilai geser karakter “R” adalah 3. Maka, dilakukan pergeseran

ke kanan pada window sebanyak 3 kali. Hal ini terlihat pada Tabel 2.11.


Tabel 2.11 Iterasi algoritma Horspool ketiga


Pada iterasi ketiga yang terlihat pada Tabel 2.11, window telah berada pada

akhir teks dan semua pattern cocok dengan teks “ARINI”. Seluruh pencocokan

karakter menggunakan algoritma Horspool telah selesai dan berhenti pada iterasi

ketiga.

2.7 Penelitian Terkait

Adapun penelitianterdahulu yang terkait dengan penelitian yang dilakukan oleh

penulis antara lain:

a. Penelitian Karunia (2005) mengangkat penelitian dengan judul “Perbandingan

Waktu Proses Pencarian String antara Algoritma Brute Force dengan

Algoritma Not So Naïve”. Hasil penelitian menunjukkan bahwa waktu proses

pencarian string dengan menggunakan algoritma Brute Force lebih singkat

dibandingkan dengan algoritma Not So Naïve.

b. Tambunan (2013) dari Institut Teknologi Bandung mengangkat penelitian

dengan judul “Perbandingan Penggunaan Algoritma BM Dan Algoritma

Horspool Pada Pencarian String Dalam Bahasa Medis”. Didapatkan hasil

bahwa pencarian string pada teks bahasa medis dengan menggunakan

algoritma Boyer-Moore lebih baik dibandingkan dengan algoritma

Horspool. Bahasa medis banyak menggunakan kosakata yang panjang

dengan varian karakter yang beragam. Karakter teks seperti bahasa medis

ini sangat cocok dengan algoritma Boyer-Moore sehingga algoritma ini dapat

bekerja dengan maksimal pada pencarian string dengan teks menggunakan

bahasa medis seperti ini.

c. Penelitian oleh Nababan (2015) mengangkat penelitian dengan judul

“Implementasi Algoritma Brute Force dan Algoritma Knuth-Morris-Pratt

(kmp) dalam Pencarian Word Suggestion”. Hasil penelitian ini didapat bahwa

Algoritma Knuth-Morris-Pratt (KMP) menyimpan sebuah informasi yang


digunakan untuk melakukan jumlah pergeseran, sehingga algoritma ini

melakukan pergeseran lebih jauh (tidak hanya bergeser satu karakter seperti

dalam Brute Force). Dengan ini penggunaan algoritma Knuth-Morris-Pratt

(KMP) dapat mempersingkat waktu dengan hasil rata-rata runtime 0,42717 ms

dibandingkan dengan algoritma Brute Force yang memiliki hasil rata-rata

runtime 0,44683 ms dalam pencocokan string-nya.

d. Wulan (2011) dari Universitas Islam Negeri Syarif Hidayatullah Jakarta

mengangkat penelitian dengan Judul “Analisis Penerapan String Matching

Dalam Komparasi Data Kepesertaan Jaminan Kesehatan Masyarakat

(JAMKESMAS)“. Hasil penelitian menunjukkan bahwa semakin banyak

kecocokkan yang dipilih maka jumlah kecocokkan yang dimiliki di database

semakin rendah dan semakin lama waktu yang dibutuhkan dalam

pencocokkan. Namun dengan sedikitnya ukuran kecocokkan yang dipilih maka

jumlah kecocokan yang dimiliki di database semakin tinggi dan semakin cepat

waktu yang dibutuhkan dalam pencocokkan.

e. Putra, Anton Gumala. (2014) mengangkat penelitian tentang Analisis

Perbandingan Algoritma Greedy dan Brute Force dalam Pencarian Kartu

Tertinggi pada Kartu Remi. Hasil penelitian menunjukkan bahwaPada

permasalahan pencarian kartu tertinggi 52 kartu ini, Brute Force lebih cepat

rata-rata 0.113 detik dari Greedy. Greedy tidak terlihat optimum dikarenakan

jumlah kartu yang kecil. Sisa akhir kartu pencarian kartu tertinggi secara

ascending dan descending dengan kedua algoritma adalah sama (2 wajik, 2

keriting, 2 hati, 2 sekop, 3 wajik, 3 keriting).


BAB 3

ANALISIS DAN PERANCANGAN SISTEM

3.1 Analisis Sistem

Analisis sistem adalah sebuah teknik pemecahan masalah yang menguraikan

sebuah sistem menjadi bagian – bagian komponen dengan tujuan mempelajari

seberapa bagus bagian–bagian komponen tersebut bekerja dan berinteraksi untuk

meraih tujuan mereka. Analisis sistem adalah pembelajaran sebuah sistem dan

komponen-komponennya sebagai prasyarat desain sistem, spesifikasi sebuah sistem

yang baru dan diperbaiki. Analisis sistem ini juga merupakan suatu proses

mengumpulkan dan menginterpretasikan kenyataan– kenyataan yang ada,

mendiagnosa persoalan dan menggunakan keduanya untuk memperbaiki sistem

(Whitten et al. 2004).

Analisis sistem memiliki tiga fase untuk mendeskripsikan pengembangan

sistem yaitu, analisis masalah, analisis kebutuhan, dan analisis proses. Tujuan analisis

masalah adalah mempelajari dan memahami bidang masalah dengan cukup baik untuk

secara menyeluruh menganalisis masalah, kesempatan dan batasannya (Whitten et al.

2004). Tujuan dari analisis kebutuhan yaitu menjelaskan fungsi – fungsi yang

ditawarkan dan mampu dikerjakan oleh sistem, baik kebutuhan fungsional maupun

non fungsional. Dan tujuan dari analisis proses yaitu untuk memodelkan tingkah laku

dari sistem.

3.1.1 Analisis Masalah

Analisis masalah merupakan proses mengidentifikasi sebab dan akibat

dibangunnya sebuah sistem agar sistem yang akan dibangun tersebut dapat berjalan.

Aplikasi kamus yang dibangun ini tidak mencari kata secara manual. Dengan

adanya fasilitas pencarian pada aplikasi kamus dapat mempermudah user

mendapatkan kata yang ingin dicarinya. Dengan menggunakan salah satu dari


Algoritma String Matching seperti, Algoritma Brute Force dan Algoritma Horspool

yang akan mempermudah dan mempercepat pencarian kata dalam kamus.

Untuk mengidentifikasi masalah tersebut digunakan diagram Ishikawa

(fishbone diagram). Diagram Ishikawa/diagram tulang ikan/diagram tulang

ikan/cause-and-effect matrix adalah diagram yang menggambarkan secara detail

semua penyebab yang berhubungan dengan suatu permasalahan. Diagram

Ishikawa berbentuk seperti ikan yang strukturnya terdiridari kepala ikan (fish’s

head) dan tulang-tulang ikan (fish’s bones). Nama atau judul dari masalah yang

diidentifikasi terletak pada bagian kepala ikan, sedangkan tulang-tulang ikan

menggambarkan penyebab-penyebab masalah tersebut. Diagram Ishikawa pada sistem

ini dapat dilihat pada Gambar 3.1.

Sulit mencari kata pada kamus secara manual

Dibutuhkan media untuk mencari kata terjemahan yang lebih praktis

Metode yang dilakukan masih kurang efisien dalam waktu

Metode pencarian kata pada kamus Indonesia-Mandarin belum dirancang dalam bentuk sistem

Kamus Indonesia-Mandarin masih tersedia dalam bentuk buku

Tidak ada fasilitas searching pada kamus manual

Tidak ada algoritma dalam mencocokkan kata karena kamus masih dalam bentuk manual.

Banyaknya lapangan pekerjaan yang membutuhkan karyawan yang mahir bahasa mandarin.

ManusiaManusia MetodeMetode

MateriMateri MesinMesin

Gambar 3.1 Fishbone Diagram

Seperti yang terlihat pada Gambar 3.1 di atas, masalah utama adalah pada

persegi panjang di posisi paling kanan gambar (bagian kepala) Fishbone Diagram.

Kategori masalah ditunjukkan pada empat persegi panjang yang masing-masing

terhubung ke garis utama, sedangkan rincian masalah ditunjukkan dalam bentuk tanda

panah horizontal pada masing-masing kategori masalah.


3.1.2 Analisis Kebutuhan Sistem

Dalam analisis kebutuhan sistem terdapat dua bagian penting yang harus dipenuhi,

yaitu analisis kebutuhan fungsional sistem dan analisis kebutuhan non-fungsional

sistem.

3.1.2.1 Analisis Kebutuhan Fungsional Sistem

Analisis kebutuhan fungsional sistem adalah analisis terhadap kebutuhan secara

fungsional baik dalam aliran data ataupun informasi dan merupakan hal yang harus

dimiliki oleh sistem untuk mencapai tujuannya. Berikut ini merupakan beberapa

kebutuhan fungsional sistem yang akan dibangun, antara lain:

1. Sistem dapat membaca pattern yang ingin dicari pada teks yang sebelumnya

telah diinput oleh user.

2. Sistem dapat memanggil dan menampilkan data berupa list kata.

3. Sistem dapat menghasilkan arti kata dari pattern yang dicari dengan

menggunakan algoritma Brute Force dan AlgoritmaHorspool.

4. Sistem dapat menghasilkan perbandingan waktu antara Algoritma Brute

Forcedengan AlgoritmaHorspool.

3.1.2.2 Analisis Kebutuhan Non-Fungsional Sistem

Analisis kebutuhan non-fungsional adalah suatu analisis untuk mengetahui elemen-

elemen apa saja yang berhubungan dengan sistem yang sedang berjalan. Untuk

mendukung kinerja sistem, sistem sebaiknya dapat berfungsi sebagai berikut:

1. Performa

Perangkat lunak yang dibangun dapat menunjukkan hasil pencarian kata yang

dimasukkan oleh pengguna dengan lebih cepat.

2. Mudah Dipelajari dan Digunakan

Tampilan dari perangkat lunak yang dibangun adalah ramah pengguna (user

friendly) dan sederhana.

3. Hemat Biaya

Perangkat lunak yang dibangun adalah hemat biaya karena dapat diakses tanpa

menggunakan jaringan internet dan tidak berbayar.


3.1.3 Pemodelan Sistem

Pemodelan sistem dilakukan untuk memperoleh gambaran yang lebih jelas tentang

objek apa saja yang akan berinteraksi dengan sistem, serta hal-hal apa saja yang harus

dilakukan oleh sebuah sistem sehingga sistem dapat berfungsi dengan baik sesuai

dengan kegunaannya.

Pada penelitian ini digunakan UML (Unified Modeling Language) sebagai

bahasa pemodelan untuk mendesain merancang sistem yang akan dibangun. UML

yang digunakan antara lainuse case diagram, activity diagram dan sequence diagram.

3.1.3.1 Use Case Diagram

Use Case Diagram adalah sebuah diagram yang dapat merepresentasikan interaksi

yang terjadi antara user dengan sistem. Use Case Diagram mendeskripsikan interaksi

tipikal antara pengguna sistem dengan sistem itu sendiri, dengan memberikan sebuah

narasi tentang bagaimana sistem tersebut digunakan. Use CaseDiagram dari sistem

aplikasi kamus ini akan dibangun dan dapat ditunjukkan pada Gambar 3.2.

Gambar 3.2 Use Case Diagram Sistem

Didalam Use Case Diagram diatas terdapat satu actor yang berperan sebagai

user. Untuk menampilkan hasil terjemahan user harus memasukkan inputan berupa

kata yang ingin diterjemahkan ke dalam search box. Selanjutnya sistem akan

melakukan pencarian dan pencocokan kata dengan kosakata yang terdapat pada


database. Kemudian sistem akan menampilkan hasil terjemahannya serta waktu

pencarian.

3.1.3.2 Activity Diagram

Activity Diagram adalah teknik untuk menggambarkan logika procedural, jalur kerja

sistem.Diagram ini menggambarkan berbagai alur kerja dalam sistem yang sedang

dirancang, bagaimana masing-masing alur kerja berawal, decision yang mungkin

terjadi, dan bagaimana aktifitas atau alur kerja berakhir.ActivityDiagram dari sistem

yang akan dibangun dapat ditunjukkan pada Gambar 3.3.

Gambar 3.3 Activity Diagram

Pada Activity diagramuser dapat dijelaskan bahwa user dapat menginputkan kata

sesuai dengan yang ingin dicari. Lalu user dapat melihat hasil pencocokan kata yang

sesuai dengan inputan beserta terjemahannya dan user dapat mengetahui berapa lama

proses pencarian menggunakan Algoritma Brute Force dan Algoritma Horspool.


3.1.3.3 Sequence Diagram

Sequence Diagram merupakan diagram yang menunjukkan bagaimana kelompok-

kelompok objek saling berkolaborasi dalam beberapa behavior. Sequence diagram

secara khusus, menjabarkan behavior sebuah scenario tunggal. Diagram tersebut

menunjukkan sejumlah objek contoh dan pesan-pesan yang melewat objek-objek

tersebut di dalam use case.Sequence Diagram dari sistem aplikasi kamus bahasa

Indonesia – Mandarin yang akan dibangun dapat ditunjukkan pada Gambar 3.4.

Gambar 3.4 Sequence Diagram

3.2 Flowchart Sistem

Flowchart atau bagan alir adalah bagan (chart) yang menunjukkan alir (flow) didalam

program atau prosedur sistem secara logika.Flowchart merupakan gambar atau bagan

yang memperlihatkan urutan dan hubungan antar proses beserta pernyataannya.

Dengan demikian setiap simbol menggambarkan proses tertentu. Sedangkan antara

proses digambarkan dengan garis penghubung. Flowchart digunakan terutama untuk

alat bantu komunikasi dan untuk dokumentasi. Flowchart dari sistem yang akan

dibangun dapat ditunjukkan pada Gambar 3.5.


Gambar 3.5 Flowchart Sistem

Pada Flowchart diatas menggambarkan alur sistem secara umum pada kamus

bahasa Indonesia – Mandarin, dimana user memilih tab algoritma dan menginput kata

yang ingin dicari, kemudian sistem akan memproses pencocokan kata berdasarkan

perhitungan Algoritma Brute Force dan Algoritma Horspool dan menampilkan hasil

pencarian kata beserta terjemahannya.


3.3 Pseudocode Program

3.3.1 Pseudocode Algoritma Brute Force

Berikut adalah pseudocode algoritma Brute Forcepada tahap pencarian: procedure BruteForceSearch( input m, n : integer, input P : array[0..n-1] of char, input T : array[0..m-1] of char, output ketemu : array[0..m-1] of boolean ) Deklarasi: i, j: integer Algoritma: for (i:=0 to m-n) do j:=0 while (j < n and T[i+j] = P[j]) do j:=j+1 endwhile if(j >= n) then ketemu[i]:=true; endif

endfor

3.3.2 Pseudocode Algoritma Horspool

Berikut adalah pseudocode algoritma Horspool pada tahap praproses: Procedure preBmBc ( input P : array[0. . m-1] of char, input m : integer, input/output BmBc : array [0 . . n-1] of integer ) Deklarasi:

i : integer Algoritma: for (i := 0 to ASIZE – 1)

BmBc[i] := m; endfor for (i := 0 to m-2)

BmBc[P[i]] := m – i – 1; endfor

Dan berikut adalah pseudocode algoritma Horspool pada tahap pencarian:

Procedure HorspoolSearch ( input m, n : integer,


input P : array[0 . . m-1] of char, input T : array[0 . . n-1] of char, output find : array[0 . . m-1] of boolean ) Deklarasi: j : integer BmBc : array[0 . . n] of integer c : char Algoritma: preBmBc(P, m, BmBc) j := 0 while (j <= n – m) do c = T[j + m – 1]; if (P[m – 1] == c && memcmp(P, T + j, m-1) == 0) then find[j] := true; endif j := j + BmBc[c]; endwhile

3.4 Perancangan Sistem

Proses perancangan antarmuka (interface) sebuah sistem adalah proses yang

cukup penting dalam perancangan sebuah sistem. Merancang antarmuka merupakan

bagian yang paling penting dari merancang sebuah sistem. Sebuah antarmuka harus

dirancang dengan memperhatikan faktor pengguna sehingga sistem yang

dibangun dapat memberikan kenyamanan dan kemudahan untuk digunakan oleh

pengguna.

3.4.1 Rancangan Halaman Menu Utama

Halaman ini merupakan tampilan awal ketika aplikasi pertama kali dijalankan. Pada

halaman ini terdapat dua tab, yaitu tab Algoritma Brute Force dan tab Algoritma

Horspool. Rancangan halaman tab masing-masing algoritma dapat dilihat pada

gambar 3.6 dan gambar3.7.


Gambar 3.6 Tampilan Tab Algoritma Brute Force

Gambar 3.7 Tampilan Tab Algoritma Horspool


Keterangan Gambar :

1) Action Bar memuat judul aplikasi dan sebuah icon. Dimana icon memuat

pilihan halaman about.

2) Tabhost digunakan untuk memilih tabalgoritma.

3) FieldText digunakan untuk memasukkan kata yang ingin dicari terjemahannya.

4) Button untuk mencari hasil terjemahan.

5) Textview untuk menampilkan hasil runningtime.

3.4.2 Rancangan Halaman Hasil Pencarian

Pada halaman ini terdapat dua tab, yaitu tab Algoritma Brute Force dan tab Algoritma

Horspool, dimana pengguna yang ingin mencari kata beserta artinya juga dapat

melihat hasil running time dari masing-masing algoritma. Rancangan halaman hasil

pencarian masing-masing algoritma dapat dilihat pada gambar 3.8 dan gambar3.9.

Gambar 3.8 Tampilan Tab Hasil Pencarian Algoritma Brute Force


Gambar 3.9 Tampilan Tab Hasil Pencarian Algoritma Horspool

Keterangan Gambar :

1) Action Bar memuat judul aplikasi dan sebuah icon. Dimana icon memuat

pilihan halaman about.

2) Tabhost digunakan untuk memilih tabalgoritma.

3) FieldText digunakan untuk memasukkan kata yang ingin dicari

terjemahannya.

4) Button untuk mencari hasil terjemahan.

5) Textview untuk menampilkan hasil running time.

6) Listview untuk menampilkan kata yang ada di dalam database.

3.4.3 Rancangan Halaman About

Halaman about merupakan halaman yang muncul ketika user menekan tombol about

pada halaman menu utama.Rancangan halaman about dapat dilihat pada gambar 3.10.


Gambar 3.10 Tampilan Halaman About.

Keterangan Gambar :

1) Action Bar berisikan judul dari halaman aplikasi.

2) ImageView untuk menampilkan logo aplikasi.

3) TextView untuk menampilkan judul aplikasi, identitas singkat penulis,

program studi, fakultas, universitas, kota dan tahun.


BAB 4

IMPLEMENTASI DAN PENGUJIAN SISTEM

4.1 Implementasi Sistem

Tahap implementasi sistem merupakan langkah lanjutan dari tahapan analisis dan

perancangan sistem yang dirangkum di bab tiga. Pada tahapan ini, segala yang telah di

bahas pada tahapan analisis dan perancangan akan diimplementasikan ke dalam

bahasa pemrograman Java. Proses dari sistem dan tampilan antarmuka keduanya

ditangani menggunakan bahasa Java dengan perangkat lunak yang digunakan adalah

Android Studio.

4.1.1 Tampilan Antarmuka Utama

Halaman utama merupakan antarmuka awal ketika aplikasi pertama sekali dijalankan.

Pada halaman ini terdapat dua kondisi, pada saat pengguna memilih untuk mencari

terjemahan bahasa Indonesia ke bahasa Mandarin pada algoritma brute force dan pada

saat pengguna memilih untuk mencari terjemahan bahasa Indonesia ke bahasa

Mandarin pada algoritma horspool.

Gambar 4.1 Tampilan Awal Tab Algoritma Brute Force


Gambar 4.2 Tampilan Awal Tab Algoritma Horspool

4.1.2 Tampilan Antarmuka Hasil Pencarian

Pada tampilan hasil pencarian, sistem akan menampilkan hasil dari kata yang dicari

oleh pengguna/user. Setiap kata di dalam sumberdata yang mengandung kata yang

dimasukkan oleh pengguna akan ditampilkan di dalam listview.

Gambar 4.3 Tampilan Hasil Pencarian Algoritma Brute Force


Gambar 4.4 Tampilan Hasil Pencarian Algoritma Horspool

4.1.3 Tampilan Antarmuka About

Pada tampilan menu yang berisi informasi singkat dari penulis. Tampilan menu about

dapat dilihat pada gambar 4.5 berikut ini.

Gambar 4.5 Tampilan Antarmuka About


4.2 Pengujian Sistem

Pengujian terhadap sistem dilakukan untuk membuktikan bahwa sistem yang telah

dibangun berjalan dengan baik serta sesuai dengan analisis dan perancangan sistem

yang telah dibuat sebelumnya.

4.2.1 Pengujian Proses Pencarian Kata dengan Algoritma Brute Force

Pada bagian ini akan dijelaskan pengujian terhadap algoritma Brute Force yang

dibangun. Pada edittext, pengguna memasukkan kata yang akan dicari seperti contoh:

“ada” maka sistem akan menampilkan beberapa hasil seperti: “ada”, “adalah”, “adat

istiadat” dan lainnya. Untuk hasil pengujian selengkapnya dapat dilihat pada tabel 4.1

Tabel 4.1 Tabel Pengujian dengan Algoritma Brute Force

Pattern Tampilan Aplikasi Hasil Running Time

ab

Cocok 0.915528 ms


ada

Cocok 3.02124 ms

eka

Cocok 1.220703 ms


isa

Cocok 1.281739 ms

dada

Cocok 1.495362 ms


Sap

Cocok 1,014635 ms

wan

Cocok 1,018334 ms


asi

Cocok

1,965886 ms

Bunga

Cocok 1,004166 ms


Sabar

Cocok

0,946302 ms

4.2.2 Pengujian Proses Pencarian Kata dengan Algoritma Horspool.

Pada bagian ini, sama dengan penjelasan pada pengujian pencarian kata dengan

algoritma Brute Force akan dijelaskan juga pengujian terhadap algoritma Horspool

yang dibangun.

Pada edittext, pengguna memasukkan kata yang akan dicari seperti contoh:

“ada” maka sistem akan menampilkan beberapa hasil seperti: “ada”, “adalah”, “adat

istiadat” dan lainnya. Untuk hasil pengujian selengkapnya dapat dilihat pada Tabel 4.2


Tabel 4.2 Tabel Pengujian dengan Algoritma Horspool

Pattern Tampilan Aplikasi Hasil Running Time

ab

Cocok 1.037598 ms

ada

Cocok 3.322031 ms


eka

Cocok 1.495362 ms

isa

Cocok 1.708984 ms


dada

Cocok 2.990722 ms

Sap

Cocok 1,071407 ms


wan

Cocok 1.218854 ms

asi

Cocok

1,062917 ms


Bunga

Cocok 1,004166 ms

Sabar

Cocok

1,256563 ms


4.2.3 Hasil Pengujian

Berdasarkan hasil pengujian dari penelitian Tabel 4.1 dan Tabel 4.2, running timedari

pencarian kata dan jumlah hasil pencarian yang dapat ditemukan pada Algoritma

Brute Force dan Horspool yang dilakukan terhadap string yang berbeda dengan 10

kali percobaan dan menghasilkan nilai rata-rata dari setiap string tersebut.

Tabel 4.3 Hasil Pengujian Algoritma Brute Force dan Algoritma Horspool

No String Running Time

Brute Force (ms)

Running Time

Horspool (ms)

1 ab 0.915528 1.037598

2 ada 3.02124 3.02124

3 eka 1.220703 1.495362

4 isa 1.281739 1.708984

5 dada 1.495362 2.99072

6 sap 1.014635 1.071407

7 wan 1.018334 1.218854

8 asi 1.965886 1.062917

9 bunga 1.004166 1.455364

10 sabar 0.946302 1.256563

Total 13.8839 16.31901

Rata- rata 1.38839 1.631901

Adapun hasil pengujian dari kedua Algoritma yang dapat dilihat pada Tabel

4.3.Setelah diperoleh hasil pengujian dari tabel 4.1 dan tabel 4.2 maka dibuat grafik

perbandingan dari hasil pengujian untuk kedua algoritma tersebut.Grafik dapat dilihat

pada Gambar 4.6.


Gambar 4.6 Perbandingan Hasil Running Time Algoritma Brute Force dan Horspool

Berdasarkan grafik tersebut dijelaskan bahwa Algoritma Brute Force

menghasilkanRunning Time yang relatif kecil untuk dibandingkan dengan Algoritma

Horspool. Algoritma Brute Force lebih cepat dalam proses pencocokan kata

dibandingkan dengan Algoritma Horspool. Rata-rata dari total hasil perbandingan dari

kedua Algoritma tersebut dapat dijelaskan pada Gambar 4.7.

Gambar 4.7 Perbandingan nilai total dan rata rata algoritma Brute Force dan Horspool

0

0,5

1

1,5

2

2,5

3

3,5

ab ada eka isa dada sap wan asi bunga sabar

Brute Force

Horspool

13,8839

1,38839

16,31901

1,631901

02468

1012141618

Total Rata-rata

Brute Force HorspoolRunning Time

Wak

tu


4.3 Kompleksitas Algoritma

Kompleksitas algoritma yang akan diuji adalah kompleksitas dari algoritma Brute

Force dan algoritma Horspool.

4.3.1 Kompleksitas Algoritma Brute Force

Kompleksitas untuk fungsi match pada algoritma Horspool dapat dilihat pada Tabel

4.4.

Tabel 4.4 Kompleksitas Fungsi match algoritma Brute Force

public static boolean match(String pattern, String subject){

C # C#

int n = subject.length(); C1 1 C1

int m = pattern.length(); C2 1 C2

char sub[] = subject.toCharArray(); C3 1 C3

char patt[] = pattern.toCharArray(); C4 1 C4

for (int i = 0; i < n-m+1; i++){ C5 n C5n

int j = 0; C6 n C6n

while (j < m && sub[i+j] == patt[j]){ C7 n2 C7n2

j++; C6 n2 C6n2

}

if (j == m) C8 n C8n

return true; //return i; C9 n C9n

}

return false; // return -1; C9 1 C9

}

T(n) = C1 + C2 + C3 + C4 +C5n +C6n + C7n2 + C6n2 + C8n + C9n + C9

= C1 + C2 + C3 + C4 + C9 + (C5 + C6 + C8 + C9) n + (C6 + C7) n2

= θ (n2)


Kompleksitas dari algoritma Brute Force : C adalah konstanta , # adalah frekuensi

yang berfungsi sebagai ukuran masukan dan C# untuk mencari kompleksitas waktu

(T(n)), n adalah jumlah proses. Jumlahkan hasil perkalian C.#, lalu ambil pangkat

terbesar dari hasil masukan (#) dan didapatlah pangkat terbesar yaitu : n2.

Pada algoritma Brute Force fase match memiliki T(n)= θ(n2). Maka

kompleksitas algoritma Brute Force adalah θ(n2).

4.3.2 Kompleksitas Algoritma Horspool

Kompleksitas untuk fungsi Horspool pada algoritma Horspool dapat dilihat pada

Tabel 4.5.

Tabel 4.5 Kompleksitas Fungsi shifttable algoritma Horspool

public Horspool shifttable(String pattern) { C # C#


char p[] = pattern.toCharArray(); C2 1 C2

for (int i = 0; i < SIZE; i++) C3 n C3n

table[i] = m; C4 n C4n

for (int j = 0; j < m - 1; j++) C3 n C3n

table[p[j]] = m - 1 - j; C4 n C4n

return this; C5 1 C5

}

T(n) = C1 + C2 + C3n + C4n +C3n +C4n + C5

= C1 + C2 + (2C3 + 2C4) n + C5

= θ(n)

Kompleksitas untuk fungsi match pada algoritma Horspool dapat dilihat pada tabel

4.6.

Tabel 4.6 Kompleksitas Fungsi match algoritma Horspool

public int match(String pattern, String source) { C # C#

char s[] = source.toCharArray(); C1 1 C1

char p[] = pattern.toCharArray(); C2 1 C2


int n = source.length(); C4 1 C4


int i, k; C5 1 C5

i = m - 1; C5 1 C5

while (i <= n - 1) { C6 n C6n

k = 0; C5 n C5n

while (k <= m - 1 && p[m - 1 - k] == s[i - k]) { C6 n2 C6n2

k++; C5 n2 C5n2

}

if (k == m) { C7 n C7n

return i - m + 1; C8 n C8n

} else { C9 n C9n

i = i + table[s[i]]; C5 n C5n

}

}

return -1; C8 1 C8

}

T(n) = C1 + C2 + C3 + C4 + C5 + C5 + C6n + C5n + C6n2 + C5n2 + C7n + C8n +

C9n + C5n + C8

= C1 + C2 + C3 + C4 + 2C5 + (2C5 + C6 + C7 + C8 + C9) n + (C5 + C6) n2

= θ(n2)

Kompleksitas dari algoritmaHorspool : C adalah konstanta , # adalah frekuensi yang

berfungsi sebagai ukuran masukan dan C# untuk mencari kompleksitas waktu (T(n)),

n adalah jumlah proses. Jumlahkan hasil perkalian C.#, lalu ambil pangkat terbesar

dari hasil masukan (#) dan didapatlah pangkat terbesar yaitu : n2.

Pada algoritma Horspool fase shifttable memiliki T(n) = θ(n) dan pada fase

match memiliki T(n)= θ(n2). Maka kompleksitas algoritma Horspool adalah θ(n2).


BAB 5

PENUTUP

5.1 Kesimpulan

Berdasarkan analisis, perancangan, dan pengujian dari penelitian, maka dapat

diperoleh kesimpulan sebagai berikut :

1. Pada penerapannya Algoritma Brute Force memilki waktu pencarian lebih

cepat daripada Algoritma Horspool. Terbukti dengan hasil rata-rata runtime

algoritma Brute Forceadalah1.38839 ms sedangkan algoritma Horspool yang

memiliki hasil rata-rata runtime yang cenderung lebih lambat dari algoritma

Brute Force yakni1.631901ms dalam pencocokan string-nya.

2. Untuk Algoritma Brute Force, best casenya adalah posisi pattern yang ingin

dicari ada pada awal kata (paling kiri), worst casenya adalah pattern yang

ingin dicari ada pada akhir kata (paling kanan). Sedangkan untuk algoritma

Horspool, best casenya adalah posisi pattern yang ingin dicari ada pada akhir

kata (paling kanan), worst casenya adalah pattern yang ingin dicari ada pada

awal kata (paling kiri).


5.2 Saran

Pada penelitian ini, terdapat beberapa saran yang dapat dipertimbangkan untuk

pengembangan sistem kedepannya :

1. Untuk pengembangan sistem selanjutnya jumlah kata yang ada dapat

ditambahkan untuk semakin menambah kosakata yang dapat dicari

terjemahannya.

2. Untuk pengembangan selanjutnya, diharapkan aplikasi ini dapat menyediakan

menu pencarian kata dalam bahasa Mandarin – Indonesia.

3. Untuk pengembangan selanjutnya, diharapkan aplikasi ini menyediakan

menu pilihan algoritma pencarian string yang baru ditemukan agar terlihat

perbedaan pada pencarian pada string antara Algoritma yang lama dengan

Algoritma yang sudah mengalami proses perkembangan.


DAFTAR PUSTAKA

Al-Dabbagh & Barnouti. 2017. A New Efficient Hybrid String Matching Algorithm

toSolve the Exact String Matching Problem.BJMCS, 20(2): xxx-xxx, 2017;

Article no.BJMCS.30497

Baeza-Yates, R.A. &Regnier, M. 1992. Average Running Time OfThe Boyer-Moore-

Horspool Algorithm.Journal Theoretical Computer Science Vol. 92, No. 1: 19-

31.

Chaer, A. 2007.Leksikologi dan Leksikografi Indonesia. P.T.Rineka Cipta: Jakarta.

Charras, Christian.,& Lecroq, Thierry. 2004. Handbook of Exact String- Matching

Algorithms. College Publications.

Charras, C. & Lecroq, T. 1997.Handbook of Exact String – Matching

Algorithms.Prancis.

Cormen, T.H., Leiserson, C.E., Rivest, R.L., & Stein, C. 2001. Introduction to

Algorithms. 2nd Edition. The MIT Press : London.

DU Vidanagama, 2015. A Comparative Analysis of Various String Matching

Algorithms.Proceedings of 8th International Research Conference.

Effendi, D., Hartono, T. & Kurnaedi, A. 2013. Penerapan String Matching

Menggunakan Algoritma Boyer-Moore pada Translator Bahasa Pascal ke C.

Jurnal UNIKOM, Vol 11(2): 262-275.

Gargenta, M. 2011. Learning Android. O'Reilly : Sebastopol

Holla, S. & Katti, M. 2012. Android Based Mobile Application Development and its

Security. International Journal of Computer Trends and Technology. 3(1): 486

- 490.

Jogiyanto. 2005. Pengenalan Komputer. Yogyakarta: Andi.

Knuth D.E., Morris (Jr) J.H. & Pratt V.R. 1977. Fast pattern matching in strings.

SIAM Journal on ComputingVol. 6, No.1:323-350.

Kurunia, M. 2005. Perbandingan Waktu Proses Pencarian String Antara Algoritma

Brute Force dengan Algoritma Not So Naïve. Skripsi. Tarumanagara.

Nababan, A.A. 2015. Implementasi Algoritma Brute Force dan AlgoritmaKnuth-

Morris-Pratt (KMP) dalam Pencarian Word Suggestion. Skripsi. Universitas

Sumatera Utara.

Putra, Anton Gumala. 2014. Analisis Perbandingan Algoritma Greedy dan Brute -


Force dalam Pencarian Kartu Tertinggi pada Kartu Remi. Skripsi. Universitas

Sumatera Utara.

Sarno, R., Anistyasari, Y. & Fitri, R. 2012.Semantic Search: Pencarian berdasarkan

konten. Andi Publisher: Yogyakarta.

Singh, R. & Verma, H.N. 2011. A fast string matching algorithm. International

Journal of Computer Technology and Applications Vol. 2, No. 6: 1877-1883.

Singla, N. 2012.String Matching Algorithm and their Applicability in

variousApplication. International Journal of Soft Computing and Engineering

(IJSCE) ISSN:2231-2307, Volume-1, Issue-6.

Tambunan, E.D. 2013. Perbandingan Penggunaan Algoritma BM Dan Algoritma

Horspool Pada Pencarian String Dalam Bahasa Medis. Teknik Informatika:

Institut Teknologi Bandung.

Whitten, J.L., Bentley, L.D. & Dittman, K.C. 2004.Metode Desain & Analisis

Sistem. Terjemahan TIM Penerjemah ANDI. ANDI : Yogyakarta.

Wulan, S. 2011. Analisis Penerapan String Matching dalam Komparasi Data

Kepesertaan Jaminan Kesehatan Masyarakat (JamKesMas). Skripsi.UIN

Syarif Hidayatullah.


LISTING PROGRAM

1. Main Activity package com.dear.mandarindictionary.activity; import android.content.Intent; import android.support.design.widget.TabLayout; import android.support.v4.app.Fragment; import android.support.v4.app.FragmentManager; import android.support.v4.app.FragmentPagerAdapter; import android.support.v4.view.ViewPager; import android.support.v7.app.AppCompatActivity; import android.os.Bundle; import android.view.Menu; import android.view.MenuInflater; import android.view.MenuItem; import com.dear.mandarindictionary.R; import com.dear.mandarindictionary.core.ParentActivity; import com.dear.mandarindictionary.fragment.BruteForceFragment; import com.dear.mandarindictionary.fragment.HorspoolFragment; import java.util.ArrayList; import java.util.List; public class MainActivity extends ParentActivity { private static final String TAG = "MainActivity"; private ViewPager pager; private TabLayout tabLayout; public MainActivity() { super(R.layout.activity_main); } @Override protected void onCreate(Bundle savedInstanceState) { super.onCreate(savedInstanceState); pager = (ViewPager) findViewById(R.id.view_pager); tabLayout = (TabLayout) findViewById(R.id.tab_layout); tabLayout.addTab(tabLayout.newTab().setText("Contact")); tabLayout.addTab(tabLayout.newTab().setText("Chat")); setupViewPager(pager); tabLayout.setupWithViewPager(pager);

setTitle(getResources().getString(R.string.app_name)); } @Override public boolean onCreateOptionsMenu(Menu menu) { MenuInflater inflater = getMenuInflater();


inflater.inflate(R.menu.main_menu, menu); return true; } @Override public boolean onOptionsItemSelected(MenuItem item) { switch (item.getItemId()) { case R.id.about: Intent intent = new Intent(this, AboutActivity.class); startActivity(intent); default: return super.onOptionsItemSelected(item); } } private void setupViewPager(ViewPager viewPager) { ViewPagerAdapter adapter = new ViewPagerAdapter(getSupportFragmentManager()); adapter.addFragment(new BruteForceFragment(), "Brute Force"); adapter.addFragment(new HorspoolFragment(), "Horspool"); pager.setAdapter(adapter); } class ViewPagerAdapter extends FragmentPagerAdapter { private List<Fragment> fragmentList = new ArrayList<>(); private List<String> titleList = new ArrayList<>(); public ViewPagerAdapter(FragmentManager fm) { super(fm); } public void addFragment(Fragment fragment, String title) { fragmentList.add(fragment); titleList.add(title); } public int getItemPosition(Object object) { return POSITION_NONE; } @Override public Fragment getItem(int position) { return fragmentList.get(position); } @Override public int getCount() { return fragmentList.size(); } @Override public CharSequence getPageTitle(int position) { return titleList.get(position);


// return null; } } }

2. Splash Screen

package com.dear.mandarindictionary.activity; import android.content.Intent; import android.os.Handler; import android.support.v7.app.AppCompatActivity; import android.os.Bundle; import com.dear.mandarindictionary.R; public class SplashScreenActivity extends AppCompatActivity { @Override protected void onCreate(Bundle savedInstanceState) { super.onCreate(savedInstanceState); setContentView(R.layout.activity_splash_screen); new Handler().postDelayed(new Runnable() { @Override public void run() { // This method will be executed once the timer is over // Start your app main activity Intent i = new Intent(SplashScreenActivity.this, MainActivity.class); startActivity(i); finish(); } }, 1000); } }

3. Brute Force package com.dear.mandarindictionary.algo; import com.dear.mandarindictionary.adapter.DictionaryItem; import java.util.ArrayList; import java.util.List; public class BruteForce { public static boolean match(String pattern, String subject){ int n = subject.length(); int m = pattern.length(); char sub[] = subject.toCharArray(); char patt[] = pattern.toCharArray(); for (int i = 0; i < n-m+1; i++){ int j = 0; while (j < m && sub[i+j] == patt[j]){ j++;


} if (j == m) return true; //return i; } return false; // return -1; } public static List<DictionaryItem> match(String pattern, List<DictionaryItem> data){ List<DictionaryItem> result = new ArrayList<DictionaryItem>(); for (DictionaryItem item : data) { if (match(pattern, item.getIndonesia())) result.add(item); } return result; } }

4. Horspool package com.dear.mandarindictionary.algo; import com.dear.mandarindictionary.adapter.DictionaryItem; import java.util.ArrayList; import java.util.List; public class Horspool { private int SIZE = 256; private int table[]; private Horspool() { table = new int[SIZE]; } public static Horspool with() { return new Horspool(); } public Horspool shifttable(String pattern) { int m = pattern.length(); char p[] = pattern.toCharArray(); for (int i = 0; i < SIZE; i++) table[i] = m; for (int j = 0; j < m - 1; j++) table[p[j]] = m - 1 - j; return this; } public int match(String pattern, String source) { char s[] = source.toCharArray(); char p[] = pattern.toCharArray(); int m = pattern.length(); int n = source.length(); int i, k;


i = m - 1; while (i <= n - 1) { k = 0; while (k <= m - 1 && p[m - 1 - k] == s[i - k]) { k++; } if (k == m) { return i - m + 1; } else { i = i + table[s[i]]; } } return -1; } public List<DictionaryItem> match(String pattern, List<DictionaryItem> data) { List<DictionaryItem> result = new ArrayList<DictionaryItem>(); for (DictionaryItem item : data) { if (match(pattern, item.getIndonesia()) > -1) result.add(item); } return result; } }


CURRICULUM VITAE [ D a f t a r R i w a y a t H i d u p ]

Data Pribadi

Nama Dear Arini Purba Tempat / Tgl Lahir Tanjung Morawa / 26 Juni 1991 Jenis Kelamin Perempuan Kewarganegaraan Indonesia Agama Kristen Protestan Alamat Dusun II Desa Bangun Sari Tanjung Morawa E-mail [email protected]

No HP 085270962212 Alamat Orang Tua Dusun II Desa Bangun Sari Tanjung Morawa No HP Orang Tua 0811634226

Pendidikan

1997-2003 SD ST Antonius Medan

2003-2006 SMP Negeri 3 Medan

2006-2009 SMA Negeri 5 Medan

2010-2013 D-3 Teknik Komputer, Politeknik Negeri Medan

2014-sekarang S1-Ekstensi Ilmu Komputer, Universitas Sumatera Utara

Kemampuan Database MySQL

Bahasa Indonesia, Inggris


ANALISIS DAN PERBANDINGAN ALGORITMA BRUTE FORCE DAN ...

Documents

Transcript of ANALISIS DAN PERBANDINGAN ALGORITMA BRUTE FORCE DAN ...