APLIKASI PENERAPAN METODE EXACT MATCH UNTUK MENENTUKAN KEMIRIPAN NASKAH DOKUMEN TEXT BERBASIS WEB MENGGUNAKAN PHP & MYSQL

Berikut presentasi untuk tugas akhir mata kuliah Perancangan Basis Data

Download ppt

Read More

Logika Fuzzy & Logika Fuzzy di Matlab

Logika Fuzzy adalah peningkatan dari logika Boolean yang berhadapan dengan konsep kebenaran sebagian. Saat logika klasik menyatakan bahwa segala hal dapat diekspresikan dalam istilah biner (0 atau 1, hitam atau putih, ya atau tidak), logika fuzzy menggantikan kebenaran boolean dengan tingkat kebenaran.

Pada logika boolean , nilai keanggotaan suatu item x dalam suatu himpunan A, yang sering ditulis dengan (X), memiliki dua kemungkinan, yaitu:

1.Satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan, atau

2.Nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan.

Misalkan variabel umur dibagi menjadi tiga kategori, yaitu:

MUDA   umur < 35 tahun

PAROBAYA  35 ≤ umur ≤ 55 tahun

TUA   umur > 55 tahun

Dari kategori diatas dapat dijelaskan bahwa:

1.Apabila seseorang berusia 34 tahun, maka ia dikatakan MUDA ( (34)=1)

2.Apabila seseorang berusia 35 tahun, maka ia dikatakan TIDAK MUDA ( (35)=0)

3.Apabila seseorang berusia 35 tahun kurang 1 hari, maka ia dikatakan TIDAK MUDA ( (35-1 hari)=1)

4.Apabila seseorang berusia 35 tahun, maka ia dikatakan PAROBAYA ( (34)=1)

5.Apabila seseorang berusia 34 tahun, maka ia dikatakan TIDAK PAROBAYA ( (34)=0)

6.Apabila seseorang berusia 55 tahun, maka ia dikatakan PAROBAYA ( (55)=1)

7.Apabila seseorang berusia 35 tahun kurang 1 hari, maka ia dikatakan TIDAK PAROBAYA ( (35-1 hari)=0)

Dari sini dapat dikatakan bahwa pemakaian logika boolean untuk menyatakan umur sangat tidak adil. Adanya perubahan kecil saja pada suatu nilai mengakibatkan perbedaan kategori yang cukup signifikan.

Himpunan fuzzy digunakan untuk mengantisipasi hal tersebut. Seseorang dapat masuk dalam dua himpunan yang berbeda, MUDA dan PAROBAYA, PAROBAYA dan TUA, dan sebagainya. Seberapa besar eksistensinya dalam himpunan tersebut dapat dilihat pada nilai keanggotaanya. Gambar berikut menunjukkan himpunan fuzzy untuk variabel umur.

Logika Fuzzy di Matlab

Pada command window ketikan fuzzy

Lalu ada inputan untuk variabel serta outputnya

Pada variabel kita inputkan USIA dan MASA KERJA dan output kita beri nama gaji

Masukkan variabel dan parameter pada usia yaitu Muda Parobaya dan Tua dan parameter untuk usianya adalah :

 Muda umur<40

Parobaya 30<umur<50

Tua umur>50

                     

 Masukkan variabel dan parameter pada Masa Kerja yaitu Muda Baru dan Lama dan untuk parameter   adalah :

Baru Masa kerja<6

Lama Masa kerja>5

  Masukkan variabel dan parameter pada Gaji yaitu Kecil Sedang dan Besar untuk parameter   adalah :

Kecil Gaji<6 juta

Sedang 5juta<Gaji<7juta

Besar Gaji>6juta

Lalu berikan rule dengan cara klik edit kemudian pilih rule 

ketikan rule dibawah ini :

Untuk melihat hasil dari rulenya dapat dilihat di rule viewer  seperti dibawah ini :

Read More

Tugas Kelompok

JUDUL :
PENERAPAN METODE EXACT MATCH UNTUK MENENTUKAN KEMIRIPAN NASKAH DOKUMEN TEXT BERBASIS WEB MENGGUNAKAN PHP & MYSQL (Studi kasus : jurusan teknik informatika STT-PLN)

KONSEP:
Perbandingan kemiripan untuk menguji beberapa dokumen yang diambil untukmengetahui seberapa persis dari naskah tersebut mirip ataukah tidak dengan algoritma yang efektif dan efisiensi.Sistem yang dibuat dan dirancang untuk melakukan pengujian kedua naskah baik naskah sumber teks 1 dan naskah sumber teks 2 (target) dalam bentuk penyimpanan databases yang telah diindeks, dengan prediksi apabila ada kemiripan dari teks 1 dan teks 2 maka mendekati sama atau tidak sama. Secara garis besar sistem terdiri dari tiga proses yaitu proses awal (praprocessing with index), proses pencarian (searching) dan proses perhitungan presisi dengan penandaandan exact match. Analisa yang dilakukan berupa pengecekan : pertama kesamaan kata dan letak berbeda, kedua kesamaan kata dan letak sama, dan ketiga kesamaan kata berdasarkan padanan kata. Kesamaan berdasarkan padanan kata akan di padukan pula dengan kesamaan kata dan letak berbeda, dipadukan juga dengan kesamaan kata dan letak sama. Kemiripan naskah dilakukan dengan metode Exact Match untuk menentukan kemiripan naskah dokumen text berrbasis web menggunakan php & mysql dan fungsi similarity. Fungsi Similarity merupakan proses penanda yang dilakukan dengan Exact Match pengecekan kata apabila ketemu sama persis maka dikatakan tepat sama dengan nilai 1 (true) dan tidak sama maka 0 (false). Kemiripan naskah sumber dan target berdasarkan analisa exact match tidak memperdulikan stemming sehingga apabila ada awalan dan akhiran tidak termasuk sama, sehingga kata dasar ditambah dengan awalan dan akhiran akan berarti
kata yang berbeda-beda sehingga penulis menganggap tidak perlu dilakukan steam karena pada akhir dan awalan memang kebanyakan kata selalu mempunyai arti berbeda. Analisa yang dilakukan semakin mendekati angka 1 maka naskah target dinyatakan semakin mirip tetapi sebaliknya jika mendekati angka 0 maka semakin tidak mirip. Jika terletak ditengah-tengah 0.5 setengah mirip setengah tidak.

Read More

Materi Pertemuan 5

Membuat Queri

Analisis

Untuk membuat queri harus di analisa terlebih dahulu apakah graph terkoneksi, jika tidak maka queri salah.
Contoh:
SELECT nmpel, tarif
FROM pelanggan, harga
WHERE ap = “lenteng agung”
AND tarif = 110

Sederhanakan menggunakan aturan transformasi seperti dibawah ini :

Contoh 

SELECT ap 

FROM pelanggan

WHERE nmpel = “sely”

OR (NOT(ap=”semplak”)

AND(ap=”semplak” OR ap =”bintaro”)

AND NOT (ap=”bintaro”)

*P : nmpel = “sely”

*Q :  ap=”semplak”

*R : ap =”bintaro”

= P V (¬Q ∧ (Q V R) ∧ ¬R)

= P V ((¬Q ∧ Q) V (R ∧ ¬R))

= P V (false V false)

= (P V false) V false

= P V false

= P

SELECT ap FROM pelanggan WHERE nmpel = “sely”

Tata Ulang (dengan queri tree)

Contoh : Cari nama pelanggan yang tidak dilayani oleh ap lenteng agung yang mempunyai daya > 1300 dan merupakan golongan rumah dengan tarif 85.

SELECT p.nmpel

FROM pelanggan p, daya_terpasang d, harga h

WHERE p.idpel = d.idpel AND d.gol = h.gol AND p.ap <>'lenteng agung' AND d.daya > 1300 AND h.gol = "rumah AND h.tarif = 85

Read More

Latihan Pertemuan 5

1. Query


SELECT nama_mhs, alamat
FROM mahasiswa m, nilai n, matakuliah mk
WHERE m.nim=n.nim AND n.kd_mk=mk.kd_mk AND semester=6

2. Aljabar Relasional

π nama_mhs, alamat (σ semester = 6(mahasiswa ∞ nilai∞ matakuliah))

Query Graph

 Query Tree

3. Menyederhanakan Query

misal :  P : alamat = “depok” 

            Q : nilai = “B” 

            R :jns_kelamin : “laki-laki”

( ¬P ∨ Q ) ∧ ( ¬Q ∨ R ) ∧ P ∧ ¬R
P ∧ ( ¬P ∨ Q ) ∧ ¬R ∧ (¬Q ∨ R)
( P ∧ ¬P) ∨ ( P ∧ Q ) ∧ ( ¬R ∧ ¬Q) ∨ ( ¬R ∧ R )
false ∨ ( P ∧ Q ) ∧ ( ¬R ∧ ¬Q) ∨ false
( P ∧ Q ) ∧ ( ¬R ∧ ¬Q)
( P ∧ ¬R ) ∧ ( Q ∧ ¬Q)
( P ∧ ¬R ) ∧ false
false

 

Read More

Latihan Quiz Perancangan Basis Data

Tabel Registrasi


Tabel Mahasiswa                                             Tabel Fakultas
                            

Matakuliah                                                                     Dosen_PA

                

4.      Query

          Select nim, nama_mhs, jurusan, nama_dosen

          From Mahasiswa M, Dosen_PA D, Matakuliah MK, Registrasi R

          Where M.nim=R.nim AND

          R.kd_mk=MK.kd_mk AND

          MK.nip=D.nip AND

          MK.sks=3

          Normalisasi

          M.nim=R.nim Ʌ R.kd_mk=MK.kd_mk Ʌ MK.nip=D.nip  Ʌ MK.nip=D.nip

5.     Query Tree

        

      Query Graph

 

6.      P ='harga=3.000.000'
         Q='nama_barang=televisi'
         P V (-Q Ʌ (Q V –Q) Ʌ Q)
         P V (-Q Ʌ TRUE Ʌ Q)
         P V (-Q Ʌ Q)
         P V FALSE
         P
        Jadi Solusinya adalah harga = 3.000.000

7.  Class Diagram

              

Entity Relationship Diagram

 

    

Read More