i

EKSTRAKSI INFORMASI DARI ABSTRAK JURNAL

PENELITIAN BERBAHASA INDONESIA

TUGAS AKHIR

Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1

Teknik Informatika Universitas Muhammadiyah Malang

Oleh :

Deni Arifandi

201310370311213

JURUSAN INFORMATIKA

FAKULTAS TEKNIK

UNIVERSITAS MUHAMMADIYAH MALANG

2017

i

KATA PENGANTAR

Puji syukur kehadirat Allah SWT atas segala limpahan rahmat dan hidayah-Nya,

serta salawat dan salam kepada Rasulullah SAW sehingga penulis dapat menyelesaikan

tugas akhir yang berjudul:

“EKSTRAKSI INFORMASI DARI ABSTRAK JURNAL

PENELITIAN BERBAHASA INDONESIA”

Di dalam tulisan ini diuraikan pokok-pokok pembahasan yang meliputi text mining,

dan juga penerapan algoritma pembelajaran untuk mengklasifikasikan jurnal berdasarkan

abstraksi dari jurnal penelitian berbahasa Indonesia.

Penulisan tugas akhir ini dimaksudkan sebagai salah satu syarat kelulusan dari

pembelajaran jenjang S1 pada Program Studi Teknik Informatika di Universitas

Muhammadiyah Malang.

Penulis menyadari bahwa penulisan Tugas Akhir ini masih banyak kekurangan. Oleh

karena itu penulis mengharapkan saran yang membangun agar tulisan ini dapat bermanfaat

bagi perkembangan ilmu pengetahuan.

Malang, 17 Oktober 2017

Penulis

i

DAFTAR ISI

LEMBAR PERSETUJUAN..................................................................................... i

LEMBAR PERNYATAAN ................................................................................... iii

KATA PENGANTAR ........................................................................................... iv

ABSTRAK .............................................................................................................. v

ABSTRACT ........................................................................................................... vi

DAFTAR ISI ......................................................................................................... vii

DAFTAR GAMBAR ............................................................................................. ix

DAFTAR TABEL ................................................................................................... x

DAFTAR GRAFIK ................................................................................................ xi

BAB I ...................................................................................................................... 1

PENDAHULUAN .................................................................................................. 1

1.1 Latar Belakang ......................................................................................... 1

1.2 Rumusan Masalah .................................................................................... 3

1.3 Tujuan ....................................................................................................... 3

1.4 Batasan Masalah ....................................................................................... 3

1.5 Metode Penelitian ..................................................................................... 3

1.5.1 Studi Literatur ........................................................................................... 3

1.5.2 Analisis Kebutuhan dan Desain Sistem .................................................... 4

1.5.4 Implementasi ............................................................................................. 4

1.5.5 Pengujian dan Evaluasi ............................................................................. 4

1.5.6 Pembuatan Laporan .................................................................................. 4

1.6 Sistematika Penulisan ............................................................................... 4

BAB II ..................................................................................................................... 6

LANDASAN TEORI .............................................................................................. 6

2.1 Data Mining .............................................................................................. 6

2.2 Text Mining .............................................................................................. 7

2.3 Ekstraksi Informasi ................................................................................... 8

2.3.1 Perbedaan Ekstraksi Informasi dan Pengambilan Informasi .................... 8

2.3.2 Pembentuk Ekstraksi Informasi ................................................................ 9

2.4 Klasifikasi ................................................................................................. 9

2.5 Algoritma ................................................................................................ 10

2.5.1 Naive Bayes ............................................................................................ 10

2.5.2 Random Forest ....................................................................................... 10

2.5.3 Sequential Minimal Optimization ........................................................... 11

2.5.4 IBk (k-Nearest Neighbor) ....................................................................... 11

2.6 Metode Pengujian ................................................................................... 11

BAB III ................................................................................................................. 13

ANALISIS DAN PERANCANGAN SISTEM .................................................... 13

3.1 Analisis ................................................................................................... 13

3.1.1 Pengumpulan Data Penelitian ................................................................ 14

3.1.2 Anotasi Data ........................................................................................... 14

3.1.3 Ekstraksi Fitur ........................................................................................ 16

3.1.4 Pembentukan Model ............................................................................... 20

3.2 Perancangan Sistem ................................................................................ 20

3.2.1 UseCase Diagram ................................................................................... 21

3.2.2 FlowChart .............................................................................................. 21

BAB IV ................................................................................................................. 23

IMPLEMENTASI DAN PENGUJIAN ................................................................ 23

4.1 Implementasi Perangkat Lunak .............................................................. 23

4.1.1 Pengumpulan Data ................................................................................. 23

4.1.2 Anotasi Data ........................................................................................... 23

4.1.3 Ekstraksi Fitur ........................................................................................ 24

4.1.4 Pembentukan Model ............................................................................... 27

4.1.5 Klasifikasi ............................................................................................... 27

4.2 Metode dan Hasil Pengujian Klasifikasi ................................................ 28

4.2.1 Pengujian Model ..................................................................................... 28

4.2.2 Pengujian Klasifikasi .............................................................................. 29

BAB V ................................................................................................................... 31

PENUTUP ............................................................................................................. 31

5.1 Kesimpulan ............................................................................................. 31

5.2 Saran ....................................................................................................... 32

DAFTAR PUSTAKA ........................................................................................... 33

DAFTAR TABEL

Tabel 2. 1 Confusion Matrix ................................................................................. 12

Tabel 3. 1 Konseptual Framework pengembangan sistem.................................... 13

Tabel 3. 2 Daftar bagian Abstraksi serta tag yang digunakan .............................. 15

Tabel 3. 3. Tabel Tag yang sudah dimodifikasi .................................................... 16

Tabel 3. 4 Fitur Internal ........................................................................................ 18

Tabel 3. 5 Fitur Eksternal ...................................................................................... 18

Tabel 4. 1. Contoh data yang sudah dikumpulkan.................................................23

Tabel 4. 2. Contoh data yang sudah dianotasi........................................................24

Tabel. 4.3. Hasil tes klasifikasi dan perhitungan akurasinya................................30

DAFTAR GAMBAR

Gambar 2. 1. Proses Klasifikasi .............................................................................. 9

Gambar 3. 1 Alur ekstraksi fitur ........................................................................... 17

Gambar 3. 2 UseCase diagram Ekstraksi Informasi ............................................. 21

Gambar 3. 3. FlowChart Sistem Ekstraksi Informasi ........................................... 21

Gambar 4. 1. Proses Ekstraksi Fitur ...................................................................... 25

Gambar 4. 2. Hasil Ekstraksi Fitur ........................................................................ 25

Gambar 4. 3. Hasil Ekstraksi setelah dibentuk menjadi ARFF............................. 26

Gambar 4. 4. Hasil Tes klasifikasi sebuah abstrak jurnal.......................................28

Gambar 4. 5. Hasil tes klasifikasi dan perhitungan akurasinya..............................29

i

DAFTAR GRAFIK

Grafik 4.1. Grafik sebaran data. ............................................................................ 26

Grafik 4.2. Grafik sebaran data setelah dilakukan resample ................................. 27

1

1

DAFTAR PUSTAKA

[1] Gusti, “Universitas Gadjah Mada: Hasil Riset Perguruan Tinggi Masih

Sedikit Dimanfaatkan Industri,” 2009. [Online]. Available:

https://ugm.ac.id/id/berita/1252-

hasil.riset.perguruan.tinggi.masih.sedikit.dimanfaatkan.industri. [Accessed:

03-Feb-2017].

[2] E. P. Putra, “Abdul Mu’ti: Wisudawan UMM Lulus pada Masa Kritis |

Republika Online,” 2015. [Online]. Available:

http://www.republika.co.id/berita/pendidikan/dunia-

kampus/15/11/28/nyirgq334-abdul-muti-wisudawan-umm-lulus-pada-

masa-kritis. [Accessed: 03-Feb-2017].

[3] Mustakini JH. Analisis dan Desain Sistem Informasi pendekatan terstruktur

teori dan praktik aplikasi bisnis. Edisi kedua Yogyakarta: Andi Offset. 2005.

[4] Darujati C, Gumelar AB. Pemanfaatan Teknik Supervised Untuk Klasifikasi

Teks Bahasa Indonesia. Jurnal Bandung Text Mining. 2012;16(1):5-1.

[5] Gupta S, Manning CD. Analyzing the Dynamics of Research by Extracting

Key Aspects of Scientific Papers. InIJCNLP 2011 (pp. 1-9).

[6] Khodra ML, Purwarianti A. Ekstraksi Informasi Transaksi Online pada

Twitter. Jurnal Cybermatika. 2013 Jul 9;1(1).

[7] Ilyas R, Khodra ML. Ekstraksi Informasi 5W1H pada Berita Online Bahasa

Indonesia. Jurnal Cybermatika. 2015 Oct 12;3(1).

[8] Hermawati FA. Data Mining. 2013. ANDI: Yogyakarta.

[9] Larose DT. Discovering knowledge in data: an introduction to data mining.

John Wiley & Sons; 2014 Jun 2.

[10] Gunadi G, Sensuse DI. Penerapan Metode Data Mining Market Basket

Analysis terhadap Data Penjualan Produk Buku dengan menggunakan

Algoritma Apriori dan Frequent Pattern Growth (FPGrowth): Studi Kasus

Percetakan PT Gramedia. Jurnal Telematika MKOM. 2012;4(1).

[11] Singh MP, editor. The practical handbook of internet computing. CRC press;

2004 Sep 29.

[12] Arifin AZ, Setiono AN. Klasifikasi dokumen berita kejadian berbahasa

indonesia dengan algoritma single pass clustering. InProsiding Seminar on

2

Intelligent Technology and its Applications (SITIA), Teknik Elektro, Institut

Teknologi Sepuluh Nopember Surabaya. 2002.

[13] Sitanggang S. Pengkategorian Buku untuk Fakultas Teknik Menggunakan

Metode Naive Bayes Classifier di Perpustakaan Universitas Widyatama

(Doctoral dissertation, Universitas Widyatama).

[14] Budiyanto A. Pengantar Algoritma dan Pemrograman. Kuliah Berseri IImu

Komputer. 2003.

[15] Nugraha DW. Penerapan Kompleksitas Waktu Algoritma Prim Untuk

Menghitung Kemampuan Komputer Dalam Melaksanakan Perintah.

InFORISTEK: Forum Teknik Elektro dan Teknologi Informasi 2012 (Vol.

2, No. 2).

[16] Jananto A. Algoritma Naive Bayes untuk Mencari Perkiraan Waktu Studi

Mahasiswa. Dinamik-Jurnal Teknologi Informasi. 2013;18(1).

[17] Adnyana IM. PREDIKSI LAMA STUDI MAHASISWA DENGAN

METODE RANDOM FOREST (STUDI KASUS: STIKOM BALI). CSRID

(Computer Science Research and Its Development Journal). 2016 Nov

24;8(3):201-8.

[18] Platt J. Sequential minimal optimization: A fast algorithm for training

support vector machines.

[19] Lestari M. Penerapan Algoritma Klasifikasi Nearest Neighbor (k-NN) Untuk

Mendeteksi Penyakit Jantung. Faktor Exacta. 2015 Oct 19;7(4):366-71.

[20] Sari BN. Implementasi Teknik Seleksi Fitur Information Gain Pada

Algoritma Klasifikasi Machine Learning Untuk Prediksi Performa

Akademik Siswa. SEMNASTEKNOMEDIA ONLINE. 2016 Feb 22;4(1):2-

9.

[21] Gupta S, Manning CD. Identifying focus, techniques and domain of

scientific papers. InProceedings of the Nips-10 Workshop on Computational

Social Science and the Wisdom of Crowds. Whistler, Canada: Neural

Information Processing Systems (NIPS) Foundation 2010.

[22] Purwarianti A, Andhika A, Wicaksono AF, Afif I, Ferdian F. InaNLP:

Indonesia natural language processing toolkit, case study: Complaint tweet

classification. InAdvanced Informatics: Concepts, Theory And Application

3

(ICAICTA), 2016 International Conference On 2016 Aug 16 (pp. 1-5).

IEEE.

[23] Hoens TR, Chawla NV. Imbalanced datasets: from sampling to classifiers.

Imbalanced Learning: Foundations, Algorithms, and Applications. 2013

May 23:43-59.