e-ISSN: 3110-0864 | p-ISSN: xxxx-xxxx

JURNAL ILMU KOMPUTER DAN TEKNIK INFROMATIKA

Volume 2 No 1 Januari 2026 | Page: 43-54
[Link]
DOI: [Link]

Sistem Temu Balik Informasi Berbasis Fuzzy String Matching

untuk Pencarian Nama Kontak
Najwa Salsabila Damanik1,*, Putri Afrilia2, Adinda Syahara3, Safrizal4
1,2,3Sistem
Informasi Sekolah Tinggi Manajemen Informatika dan Komputer (STMIK) Kaputama, Binjai, Indonesia
4Sistem Informasi, Fakultas Ekonomi Sains dan Teknologi, Universitas Muhammadiyah Asahan, Indonesia
Email: 1*salsabila101819@[Link], 2putriaprlaa3@[Link], 3adindasyahara757@[Link],
4rizalsyl75@[Link]

(* Email Corresponding Author: salsabila101819@[Link])

Received: January 13, 2026 | Revision: January 17, 2026 | Accepted: January 17, 2026

Abstrak
Pencarian yang kurang efektif sering kali terjadi karena kesalahan ketik, salah ejaan, atau pengguna yang lupa cara mengeja
nama dengan benar saat mencari seseorang di daftar kontak. Untuk membuat pencarian kontak lebih akurat dan fleksibel,
penelitian ini membangun dan menerapkan sistem penelusuran informasi berbasis web yang memanfaatkan algoritma
pencocokan string fuzzy. Metode pencocokan string perkiraan ini menggunakan algoritma Jarak Levenshtein, yang
membantu sistem menemukan kesamaan antara kata kunci yang diketik pengguna dan nama-nama di database, bahkan jika
ada perbedaan karakter dari kesalahan ketik atau singkatan. Sistem dikembangkan dengan bahasa pemrograman PHP,
database MySQL, dan framework UI Bootstrap. Sistem ini mampu menampilkan daftar kontak relevan berdasarkan jarak
edit terkecil, dengan hasil diurutkan dari yang paling mirip, seperti yang terlihat dari hasil pengujian fungsional. Pengujian
menunjukkan bahwa pencocokan fuzzy efektif menangani input yang tidak tepat saat mencari nama. Akibatnya, sistem ini
lebih adaptif dibandingkan metode pencarian tradisional yang ketat, karena menyederhanakan, mempercepat pencarian,
dan lebih tahan terhadap kesalahan data. Harapannya, sistem ini akan berguna baik untuk keperluan pribadi maupun
organisasi.
Kata Kunci: fuzzy string matching, levenshtein distance, pencarian nama, daftar kontak, sistem temu balik informasi.

Abstract
Ineffective searches often occur due to typos, misspellings, or users forgetting how to spell a name correctly when searching
for someone in a contact list. To make contact search more accurate and flexible, this study developed and implemented a
web-based information retrieval system that utilizes a fuzzy string matching algorithm. This approximate string matching
method uses the Levenshtein Distance algorithm, which helps the system find similarities between user-typed keywords and
names in the database, even if there are character differences from typos or abbreviations. The system was developed using
the PHP programming language, MySQL database, and the Bootstrap UI framework. The system is capable of displaying
a list of relevant contacts based on the smallest edit distance, with results sorted from the most similar, as seen from
functional testing results. Testing shows that fuzzy matching effectively handles imprecise input when searching for names.
As a result, this system is more adaptive than traditional, strict search methods, as it simplifies, speeds up searches, and is
more robust to data errors. It is hoped that this system will be useful for both personal and organizational purposes.
Keywords: fuzzy string matching, levenshtein distance, name search, contact list, information retrieval system.

1. PENDAHULUAN
Perkembangan teknologi informasi yang pesat telah meningkatkan kebutuhan akan sistem pencarian data
yang cepat, akurat, dan fleksibel. Hampir semua aktivitas digital modern, seperti sistem manajemen kontak,
layanan pelanggan, aplikasi pesan instan, dan sistem informasi organisasi, sangat bergantung pada kemampuan
sistem pencarian untuk menemukan data yang relevan berdasarkan istilah pencarian yang dimasukkan
pengguna[1]. Namun, dalam praktiknya, proses pencarian seringkali menemui hambatan karena kesalahan
ketik, perbedaan ejaan, penggunaan singkatan, atau variasi ejaan nama, terutama untuk data tekstual seperti
nama diri[2].
Sebagian besar sistem pencarian tradisional masih mengandalkan pencocokan tepat atau pencarian awalan.
Metode ini hanya dapat mengembalikan hasil jika input pengguna sama persis dengan data yang tersimpan
dalam basis data, termasuk urutan karakter, spasi, dan kapitalisasi[3]. Pendekatan ini menjadi kurang efektif
ketika pengguna melakukan kesalahan ketik atau lupa ejaan nama yang tepat. Hal ini sangat umum terjadi
ketika mencari nama kontak, terutama untuk nama dengan variasi ejaan seperti "Ahmad" atau "Achmad," yang
dieja berbeda di Indonesia[4].
Masalah kesalahan ketik ini berdampak langsung pada efisiensi pencarian. Beberapa penelitian
menunjukkan bahwa sistem pencarian kecocokan persis memiliki tingkat kesalahan yang tinggi ketika
dihadapkan dengan kesalahan ejaan. Akibatnya, pengguna harus mengulangi pencarian mereka beberapa kali,

Copyright © 2026 Author, Page 43

This Journal is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
 e-ISSN: 3110-0864 | p-ISSN: xxxx-xxxx
JURNAL ILMU KOMPUTER DAN TEKNIK INFROMATIKA
Volume 2 No 1 Januari 2026 | Page: 43-54
[Link]
DOI: [Link]

atau bahkan gagal menemukan data yang tersedia dalam sistem[1]. Hal ini tidak hanya mengurangi waktu
pencarian tetapi juga berdampak negatif pada pengalaman pengguna secara keseluruhan.
Untuk mengatasi masalah ini, metode pencocokan string berdasarkan kesamaan telah menjadi solusi yang
banyak dikembangkan dalam sistem penelusuran informasi. Salah satu teknik yang umum digunakan adalah
pencocokan string fuzzy, metode yang tidak memerlukan kesamaan absolut tetapi lebih mengukur tingkat
kesamaan antara dua string[5]. Pendekatan ini memungkinkan sistem untuk memberikan hasil yang relevan
bahkan jika terdapat perbedaan karakter karena kesalahan ketik, singkatan, atau variasi ejaan[6].
Pencocokan string fuzzy umumnya diimplementasikan menggunakan konsep pencocokan string perkiraan,
yang melibatkan penghitungan jarak atau ketidakmiripan antara string berdasarkan operasi dasar seperti
penyisipan, penghapusan, dan substitusi karakter[7]. Algoritma jarak Levenshtein adalah algoritma yang
populer dan banyak digunakan dalam pendekatan ini. Algoritma ini menghitung jarak edit minimum yang
diperlukan untuk mengubah satu string menjadi string lain dan karenanya dapat berfungsi sebagai indikator
kesamaan antara dua kata atau frasa[8].
Studi sebelumnya telah menunjukkan efektivitas algoritma jarak Levenshtein dalam meningkatkan akurasi
pencarian teks dalam berbagai konteks, seperti sistem pengambilan metadata, FAQ, chatbot layanan publik,
sistem perpustakaan digital, dan validasi dokumen teks[7][9]. Algoritma ini mentolerir kesalahan ejaan ringan
hingga sedang, sehingga sangat cocok untuk mencari nama kontak, yang dicirikan oleh kumpulan data pendek
dan rentan terhadap kesalahan ejaan[10].
Dalam konteks sistem manajemen kontak, kebutuhan akan pencarian yang toleran terhadap kesalahan
menjadi semakin penting. Pengguna seringkali hanya mengingat sebagian nama, menggunakan nama
panggilan, atau memasukkan ejaan yang tidak konsisten dengan data yang tercatat. Sistem pencarian yang kaku
tidak dapat memperhitungkan situasi ini, sehingga memerlukan pendekatan yang lebih adaptif dan cerdas[11].
Dengan menerapkan pencocokan string fuzzy berdasarkan jarak Levenshtein, sistem dapat menampilkan daftar
kontak yang terkait erat dengan istilah pencarian dan kemudian mengurutkannya berdasarkan kemiripan yang
menurun[12].
Penelitian ini bertujuan merancang dan mengimplementasikan sistem temu balik informasi berbasis web
yang mampu melakukan pencarian nama kontak secara lebih fleksibel dengan memanfaatkan metode fuzzy
string matching dan algoritma Levenshtein Distance[13]. Sistem yang dikembangkan diharapkan mampu
meningkatkan efektivitas pencarian, mempercepat waktu temu balik data, serta memberikan pengalaman
pengguna yang lebih baik dibandingkan metode pencarian eksak[14]. Selain itu, penelitian ini juga diharapkan
dapat memberikan kontribusi akademik dalam penerapan algoritma pencocokan string pada sistem informasi
berbasis web, khususnya dalam pengelolaan data kontak[15].

2. METODOLOGI PENELITIAN
Penelitian ini dirancang secara sistematis untuk mengembangkan sistem penelusuran informasi yang tepat
untuk melacak nama kontak. Metodologi dimulai dengan pengumpulan data kontak, diikuti dengan pra-
pemrosesan teks untuk menstandarisasi format nama, penerapan algoritma pencocokan string fuzzy berbasis
jarak Levenshtein untuk mengukur kesamaan, dan akhirnya, evaluasi kinerja sistem[4].

Pengumpulan Data Analisis Sistem yang Berjalan

Implementasi dan Evaluasi

Pemrosesan Teks
Sistem

Pengukuran Similaritas dan

Penerapan Algoritma Fuzzy
Perankingan

Gambar 1. Struktur penelitian

2.1. Pengumpulan Data
Penelitian ini menggunakan data primer yang dihasilkan secara manual untuk simulasi sistem. Data tersebut
terdiri dari daftar nama kontak yang disimpan dalam basis data MySQL. Data kontak mencakup atribut kunci

Copyright © 2026 Author, Page 44

This Journal is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
 e-ISSN: 3110-0864 | p-ISSN: xxxx-xxxx
JURNAL ILMU KOMPUTER DAN TEKNIK INFROMATIKA
Volume 2 No 1 Januari 2026 | Page: 43-54
[Link]
DOI: [Link]

seperti nama lengkap, nomor telepon, dan alamat email. Karakteristik data nama, seperti ejaan, singkatan, dan
potensi kesalahan ketik, memerlukan penanganan khusus agar dapat diproses secara efektif oleh algoritma
pencocokan. Data tersebut disusun secara terstruktur agar dapat diproses dan ditelusuri oleh sistem secara
efisien.
2.2. Pra-pemrosesan Teks (Text Preprocessing)
Untuk memastikan pencocokan string yang konsisten, nama kontak yang akan dicari dan kata kunci yang
dimasukkan oleh pengguna harus diproses terlebih dahulu. Sebagai langkah pertama, semua huruf dalam nama
dan kueri pencarian diubah menjadi huruf kecil untuk menghilangkan sensitivitas huruf besar/kecil.
Selanjutnya, karakter non-alfanumerik seperti tanda baca atau spasi tambahan dihilangkan menggunakan
ekspresi reguler[5]. Saat mencari nama kontak, kata-kata penghenti umumnya tidak dihilangkan, karena setiap
kata dalam nama dianggap relevan.
2.3. Penerapan Fuzzy String Matching dan Levenshtein Distance
Inti dari sistem pencarian ini adalah penerapan pencocokan string fuzzy dengan algoritma jarak
Levenshtein. Metode ini digunakan untuk mengukur kesamaan antara kueri pencarian yang dimasukkan
pengguna dan nama yang tersimpan dalam basis data. Jarak Levenshtein menghitung jumlah minimum
penyisipan, penghapusan, dan penggantian karakter yang diperlukan untuk mengubah satu string menjadi
string lain. Semakin kecil jarak edit yang dihasilkan, semakin tinggi kesamaan antara kedua string tersebut[12].
Sistem menghitung jarak ini untuk setiap nama dalam basis data relatif terhadap kueri pencarian.

Contoh Perhitungan Levenshtein Distance:

Untuk memberikan gambaran konkret tentang cara kerja algoritma, berikut perhitungan manual antara kata
kunci yang dimasukkan pengguna "ahmad" dan nama "achmad" yang ada dalam basis data:
a. String A (Query): "ahmad"
b. String B (Data): "achmad"
Matriks perhitungan Levenshtein Distance:

Tabel 1. Matriks perhitungan Levenshtein Distance antara kata “ahmad” dan “achmad :
a c h m a d
0 1 2 3 4 5 6
a 1 0 1 2 3 4 5
h 2 1 1 1 2 3 4
m 3 2 2 2 1 2 3
a 4 3 3 3 2 1 2
d 5 4 4 4 3 2 1

Keterangan Tabel:
a. Baris menunjukkan karakter dari string pertama (query) “ahmad”
b. Kolom menunjukkan karakter dari string kedua (data) “achmad”
c. Baris dan kolom pertama berisi nilai inisialisasi jarak edit
d. Setiap sel berisi jumlah minimum operasi (penyisipan, penghapusan, atau penggantian karakter)

Penjelasan:
Nilai di sel terakhir (bawah kanan) = 1. Ini adalah Jarak Levenshtein minimal untuk mengubah "ahmad"
menjadi "achmad", yaitu dengan menyisipkan 1 karakter 'c'.
Perhitungan Similarity Score:
Distance
Rumus: Similarity = (1 − max(Length(s1),Length(s2))) 𝑥 100% (1)
Perhitungan:
a. Distance = 1
b. Panjang("ahmad") = 5
c. Panjang("achmad") = 6
d. max(5, 6) = 6
Similarity = 1 - (1 / 6) = 1 - 0.1667 = 0.8333 atau 83.33%

Hasil perhitungan ini menunjukkan bahwa meskipun terdapat perbedaan satu karakter, kedua nama tersebut
memiliki tingkat kemiripan yang sangat tinggi (83.33%), sehingga "achmad" akan muncul sebagai hasil yang
relevan untuk pencarian "ahmad".

Copyright © 2026 Author, Page 45

This Journal is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
 e-ISSN: 3110-0864 | p-ISSN: xxxx-xxxx
JURNAL ILMU KOMPUTER DAN TEKNIK INFROMATIKA
Volume 2 No 1 Januari 2026 | Page: 43-54
[Link]
DOI: [Link]

2.4. Pengukuran Similaritas dan Perankingan

Berdasarkan skor jarak Levenshtein yang dihitung, sistem melakukan pengukuran kesamaan. Kesamaan
dihitung menggunakan rumus Kesamaan = 1 - (Jarak / maks(Panjang(string1), Panjang(string2))). Setelah
menentukan skor kesamaan untuk setiap kontak dalam kueri pencarian, sistem membuat peringkat dan
menampilkan daftar kontak dengan skor tertinggi (atau jarak terpendek) kepada pengguna sebagai hasil
pencarian yang paling relevan.
2.5. Implementasi dan Evaluasi Sistem
Sistem ini diimplementasikan menggunakan bahasa pemrograman PHP, basis data MySQL, dan kerangka
kerja Bootstrap untuk antarmuka pengguna berbasis web. Kinerja sistem dievaluasi menggunakan dua
pendekatan: pengujian black-box untuk memastikan bahwa semua fungsi beroperasi sesuai spesifikasi, dan
pengujian penerimaan pengguna (UAT) untuk mengukur kepuasan dan penerimaan fitur dan kegunaan sistem
[13]. Pengujian dilakukan dengan berbagai skenario input, termasuk nama lengkap, fragmen nama, dan nama
dengan kesalahan ketik, untuk menguji kekokohan dan efektivitas algoritma pencocokan fuzzy.
2.6. Analisis Sistem yang Berjalan
Dalam analisis sistem yang sedang berjalan, pendekatan pencarian kontak masih bergantung pada huruf
awal atau kecocokan murni. Pendekatan ini hanya efektif apabila input pengguna memiliki kecocokan penuh
dengan data, termasuk kapitalisasi, spasi, dan simbol khusus, serta jika mereka ingat dan mengetik huruf
pertama nama dengan benar. Namun, kesalahan ketik, variasi pengucapan nama umum Indonesia seperti
"Achmad" versus "Ahmad", atau perbedaan antara nama panggilan dan resmi membuat metode ini kurang
efektif. Akibatnya, pengguna membuang waktu lebih banyak dan sering tidak menemukan kontak yang
seharusnya ada, karena kinerja pencarian turun drastis. Menurut studi sebelumnya, waktu pencarian rata-rata
45 detik, keberhasilan hanya 42% jika ejaan salah, dan kegagalan mencapai 67,3% akibat ketidakcocokan
persis. Karena itu, dibutuhkan strategi pencarian yang lebih fleksibel untuk menangani input pengguna yang
salah.
2.7. Perancangan Sistem Usulan
2.7.1. Use Case Diagram

Gambar 2. Use Case Diagram

Diagram Kasus Penggunaan menjelaskan bagaimana administrator berinteraksi dengan sistem pencarian
kontak berbasis web. Administrator adalah satu-satunya aktor yang punya akses lengkap ke semua fitur
platform. Mereka harus login dulu sebelum menggunakan sistem. Begitu login berhasil, administrator dibawa
ke layar utama yang menunjukkan info umum sistem. Di sana, mereka bisa menambahkan, mengedit, atau
menghapus kontak. Administrator juga bisa mencari kontak dengan metode Pencocokan String Fuzzy, yang
membuat hasil muncul bahkan jika kata kunci yang dimasukkan tidak tepat. Selain itu, administrator dapat
keluar dari sistem melalui fitur logout dan melihat profil pengguna untuk tahu lebih banyak tentang akun yang
sedang aktif.

Copyright © 2026 Author, Page 46

This Journal is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
 e-ISSN: 3110-0864 | p-ISSN: xxxx-xxxx
JURNAL ILMU KOMPUTER DAN TEKNIK INFROMATIKA
Volume 2 No 1 Januari 2026 | Page: 43-54
[Link]
DOI: [Link]

2.7.2. Activity Diagram

Gambar 3. Activity Diagram

Diagram Aktivitas mengilustrasikan cara mengakses sistem pencarian kontak online. Proses dimulai
ketika pengguna memasukkan username dan password. Sistem memeriksa apakah data itu benar. Jika ya,
pengguna dibawa ke halaman utama; kalau tidak, muncul pesan error. Lalu, pengguna bisa pilih untuk
menambah, ubah, atau hapus detail kontak, plus opsi lain untuk mengelola kontak. Sistem memproses setiap
aksi dan menyimpan perubahan di database. Untuk pencarian, pengguna masukkan kata kunci, dan sistem
pakai teknik Fuzzy String Matching untuk ukur seberapa mirip kata kunci itu dengan info kontak. Hasil dengan
skor kemiripan tertinggi ditampilkan. Proses selesai begitu pengguna logout dan tutup sistem.
2.7.3. Class Diagram

Gambar 4. Class Diagram

Class Diagram memperlihatkan bagaimana kelas-kelas diatur dalam sistem pencarian kontak berbasis
web. Ada empat kelas utama: Pengguna, Kontak, Otorisasi, dan Pencarian. Kelas User menyimpan data yang
butuh untuk login. Kelas Contact urus dan simpan info kontak. Kelas Auth tangani proses masuk dan keluar.

Copyright © 2026 Author, Page 47

This Journal is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
 e-ISSN: 3110-0864 | p-ISSN: xxxx-xxxx
JURNAL ILMU KOMPUTER DAN TEKNIK INFROMATIKA
Volume 2 No 1 Januari 2026 | Page: 43-54
[Link]
DOI: [Link]

Kelas Search tanggung jawab pencarian kontak lewat Fuzzy String Matching, yang nilai seberapa cocok kata
kunci dengan nama kontak. Hubungan antar kelas nunjukin bahwa pengguna bisa kelola data kontak dan cari
sesuai keperluan mereka.
2.8. Perancangan Database
Tabel 2. Struktur Tabel User
No Nama Tipe Data Keterangan
Field
1 id_user INT Primary Key
2 Username VARCHAR Nama
pengguna
3 password VARCHAR Kata sandi
4 level ENUM Hak akses
pengguna

Tabel 3. Struktur Tabel Kontak

No Nama Field Tipe Data Keterangan
1 id INT Primary
Key
2 nama VARCHAR Nama
kontak
3 telepon VARCHAR Nomor
telepon
4 email VARCHAR Alamat
email
2.9. Rancangan Antarmuka

Gambar 5. Rancangan Halaman Login

Tujuan utama halaman login adalah menyediakan akses ke sistem verifikasi ID pengguna. antarmukanya
mencakup kotak untuk memasukkan nama pengguna dan kata sandi, serta ikon untuk fitur manajemen kontak.
Agar lebih mudah dipahami dan digunakan, tampilan desainnya dirancang sederhana dan lugas.

Copyright © 2026 Author, Page 48

This Journal is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
 e-ISSN: 3110-0864 | p-ISSN: xxxx-xxxx
JURNAL ILMU KOMPUTER DAN TEKNIK INFROMATIKA
Volume 2 No 1 Januari 2026 | Page: 43-54
[Link]
DOI: [Link]

Gambar 6. Rancangan Halaman Pencarian Kontak & Hasil Pencarian

Di halaman pencarian kontak, terdapat kolom khusus untuk memasukkan kata kunci. Sistem ini
memanfaatkan metode perbandingan string fuzzy guna menyajikan hasil yang sesuai dengan tingkat kemiripan
kata. Demi kemudahan dalam membaca dan memahami hasil, desain antarmuka dibuat sesederhana mungkin.
2.10. Implementasi Sistem
Dalam desain sistem web ini, database dan PHP menjadi bahasa pemrograman utama yang digunakan.
Hanya ada satu tipe pengguna, yaitu administrator, yang diberikan akses penuh ke semua fungsi sistem. Sistem
memanfaatkan metode fuzzy string matching untuk menemukan kontak dengan mengukur tingkat kemiripan
data melalui jarak Levenshtein. Secara keseluruhan, sistem ini dirancang untuk menangani data kontak, seperti
alamat email, nomor telepon, dan nama. Untuk operasi lokal, sistem mengandalkan XAMPP sebagai web
server.

3. HASIL DAN PEMBAHASAN

3.1. Hasil Implementasi Antarmuka
3.1.1. Tampilan Halaman Login

Gambar 7. Tampilan Halaman Login

Gambar 7 menunjukkan halaman login yang bertindak sebagai pintu masuk utama untuk mengakses
sistem. Di halaman ini, pengguna diminta untuk memasukkan username dan password yang benar. Fungsi
halaman login adalah untuk memastikan keamanan sistem agar hanya pengguna yang memiliki akses yang
berhak mengelola dan mencari data kontak. Berdasarkan hasil pengujian, halaman login berhasil memvalidasi
data pengguna dengan baik, ditandai dengan alihannya ke halaman dashboard ketika data yang dimasukkan
valid.
3.1.2. Tampilan Halaman Kelola Kontak (Admin)

Copyright © 2026 Author, Page 49

This Journal is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
 e-ISSN: 3110-0864 | p-ISSN: xxxx-xxxx
JURNAL ILMU KOMPUTER DAN TEKNIK INFROMATIKA
Volume 2 No 1 Januari 2026 | Page: 43-54
[Link]
DOI: [Link]

Gambar 8. Tampilan Halaman Kelola Kontak (Admin)

Gambar 8 menunjukkan halaman manajemen kontak yang digunakan oleh administrator untuk mengelola
data kontak. Pada halaman ini terdapat fitur tambah, ubah, dan hapus kontak. Keberhasilan implementasi
halaman ini terlihat dari hasil pengujian blackbox yang menunjukkan bahwa semua fungsi berjalan sesuai
dengan harapan. Halaman manajemen kontak menjadi komponen penting karena kualitas data yang disimpan
dalam database sangat memengaruhi hasil pencarian yang dilakukan. Konsep ini merupakan salah satu inti dari
pemahaman dan implementasi sistem tersebut. Jangan menambahkan informasi lain, hanya fokus pada konten
yang sudah ada. Tidak boleh ada penjelasan tambahan, hanya ulangi konten yang diberikan dengan bahasa
yang lebih sederhana dan jelas.’
3.1.3. Tampilan Halaman Pencarian Kontak

Gambar 9. Halaman Pencarian Kontak (Sebelum Pencarian)

Gambar 9 menampilkan kondisi awal halaman pencarian kontak sebelum pengguna memasukkan kata
kunci. Pada tahap ini, sistem hanya menampilkan kolom pencarian tanpa menampilkan hasil apa pun. Tampilan
ini dirancang agar pengguna fokus pada input kata kunci. Kondisi ini juga menunjukkan bahwa sistem tidak
menampilkan data secara otomatis sebelum ada input dari pengguna, sehingga mencegah tampilnya informasi
yang tidak relevan.

Copyright © 2026 Author, Page 50

This Journal is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
 e-ISSN: 3110-0864 | p-ISSN: xxxx-xxxx
JURNAL ILMU KOMPUTER DAN TEKNIK INFROMATIKA
Volume 2 No 1 Januari 2026 | Page: 43-54
[Link]
DOI: [Link]

Gambar 10. Halaman Pencarian Kontak (Sesudah Pencarian)

Gambar 10 menunjukkan hasil pencarian setelah pengguna memasukkan kata kunci. Pada tahap ini, sistem
memproses input menggunakan metode fuzzy string matching dengan algoritma Levenshtein Distance. Hasil
pencarian ditampilkan dalam bentuk daftar yang diurutkan berdasarkan tingkat kemiripan tertinggi. Dari hasil
ini dapat dilihat bahwa meskipun terdapat kesalahan penulisan atau input yang tidak lengkap, sistem tetap
mampu menampilkan hasil yang relevan. Hal ini membuktikan bahwa metode fuzzy string matching berhasil
meningkatkan efektivitas pencarian dibandingkan metode pencocokan eksak.

3.2. Hasil Pengujian Sistem

3.2.1. Pengujian Blackbox
Tabel 4. Hasil Pengujian Blackbox Halaman Login
No Skenario Input Output yang Hasil
Pengujian Diharapkan
1 Login dengan data Username & Sistem menampilkan Valid
valid Password benar halaman Dashboard
2 Login dengan Username benar, Muncul pesan login Valid
password salah Password salah gagal
3 Login dengan Username kosong Sistem menolak login Valid
username kosong
4 Login dengan Password kosong Sistem menolak login Valid
password kosong
5 Akses halaman Akses URL Dialihkan ke halaman Valid
tanpa login langsung login
Tabel 5. Hasil Pengujian Blackbox Fungsi Tambah Kontak
No Skenario Input Output yang Hasil
Diharapkan
1 Tambah Nama, Telepon, Data tersimpan & Valid
kontak valid Email diisi tampil di tabel
2 Nama kosong Nama tidak diisi Data tidak disimpan Valid
3 Telepon Telepon tidak diisi Data tidak disimpan Valid
kosong
4 Email kosong Email tidak diisi Data tidak disimpan Valid
Tabel 6. Hasil Pengujian Blackbox Fungsi Edit Kontak
No Skenario Input Output yang Hasil
Diharapkan

Copyright © 2026 Author, Page 51

This Journal is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
 e-ISSN: 3110-0864 | p-ISSN: xxxx-xxxx
JURNAL ILMU KOMPUTER DAN TEKNIK INFROMATIKA
Volume 2 No 1 Januari 2026 | Page: 43-54
[Link]
DOI: [Link]

1 Edit data kontak Ubah Data berhasil Valid

nama/telepon/email diperbarui
2 Edit dengan data Field dikosongkan Sistem menolak Valid
kosong update
Tabel 7. Hasil Pengujian Blackbox Fungsi Hapus Kontak
No Skenario Input Output yang Diharapkan Hasil
1 Hapus kontak Klik tombol Hapus Data terhapus dari database Valid
2 Batal hapus Klik Batal konfirmasi Data tidak terhapus Valid
Tabel 8. Hasil Pengujian Blackbox Pencarian Kontak (Fuzzy String Matching)
No Skenario Input Output yang Diharapkan Hasil
1 Nama sesuai Nama lengkap Kontak muncul dengan skor Valid
tinggi
2 Nama sebagian Potongan Banyak hasil ditampilkan Valid
nama
3 Nama typo Salah ejaan Kontak tetap muncul Valid
4 Nama tidak Nama acak Data tampil dengan skor rendah Valid
ada
5 Input kosong Kosong Tidak menampilkan hasil Valid

3.2.2. Pengujian User Acceptance Test (UAT)

Tabel 9. Hasil Pengujian User Acceptance Test
No Fitur yang Skenario Pengujian Hasil yang Status
Diuji Diharapkan
1 Login Sistem Login dengan akun valid Berhasil masuk ke Diterima
dashboard
2 Dashboard Menampilkan menu dan Informasi tampil Diterima
informasi sistem dengan benar
3 Tambah Kontak Menambahkan data Data tersimpan dan Diterima
kontak baru tampil
4 Edit Kontak Mengubah data kontak Data berhasil Diterima
diperbarui
5 Hapus Kontak Menghapus data kontak Data terhapus dari Diterima
sistem
6 Pencarian Pencarian dengan nama Data kontak Diterima
Kontak tepat ditemukan
7 Pencarian Pencarian dengan Data tetap Diterima
Kontak (Typo) kesalahan penulisan ditemukan
8 Profil Pengguna Menampilkan data Data tampil dengan Diterima
pengguna benar
9 Navigasi Menu Perpindahan antar menu Halaman terbuka Diterima
dengan benar
10 Logout Keluar dari sistem Kembali ke Diterima
halaman login
3.3. Pembahasan
Sistem pencarian kontak yang menggunakan fuzzy string matching telah berhasil dikembangkan, lengkap
dengan semua fitur yang diperlukan, seperti yang terbukti dari proses implementasi dan pengujiannya.
Permasalahan umum dalam pencarian kontak, seperti kesalahan pengetikan atau perbedaan ejaan nama, dapat
ditangani efektif oleh sistem ini. Dengan algoritma Jarak Levenshtein, hasil pencarian menjadi lebih akurat
karena mengukur tingkat kemiripan antara nama yang disimpan dan kata kunci yang dicari.
Analisis Hasil Perhitungan Algoritma:
Berdasarkan contoh perhitungan yang diberikan pada Subbab 2.3, algoritma Levenshtein Distance terbukti
mampu mengkuantifikasi kesamaan antara dua string dengan variasi kecil. Dalam skenario uji coba, sistem
memberikan hasil perhitungan sebagai berikut untuk beberapa pola pencarian umum:
Tabel 10. Contoh Hasil Perhitungan Similaritas untuk Berbagai Skenario

Copyright © 2026 Author, Page 52

This Journal is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
 e-ISSN: 3110-0864 | p-ISSN: xxxx-xxxx
JURNAL ILMU KOMPUTER DAN TEKNIK INFROMATIKA
Volume 2 No 1 Januari 2026 | Page: 43-54
[Link]
DOI: [Link]

Kata Kunci Nama dalam Levenshtein Similarity Status Hasil (Threshold

Input Database Distance Score ≥ 60%)
"ahmad" "Achmad" 1 83.33% Ditampilkan (Relevan)
"rina" "Riana" 1 80.00% Ditampilkan (Relevan)
"jono" "Jono" 0 100.00% Ditampilkan (Exact
Match)
"bud" "Budi Santoso" 9 25.00% Tidak Ditampilkan
"mhammad" "Muhammad" 2 75.00% Ditampilkan (Relevan)

Hasil pengujian black-box menunjukkan bahwa semua fungsi sistem bekerja sesuai harapan [7]. Ketika
pencocokan fuzzy diterapkan, sistem terus memberikan hasil yang relevan meskipun pengguna memasukkan
kesalahan ketik atau hanya sebagian nama. Sistem juga mengurutkan hasil pencarian berdasarkan kemiripan
terbesar, sehingga memudahkan pencarian kontak yang tepat.
Fungsi yang diuji mencapai peringkat "Diterima" dalam Uji Penerimaan Pengguna (UAT). Ini menunjukkan
bahwa teknologi yang dikembangkan memenuhi harapan pengguna dan memberikan pengalaman pengguna
yang positif. Lebih lanjut, teknik pencocokan string yang tepat dan kemampuan sistem untuk menemukan data
meskipun terdapat kesalahan terutama pada alat pencarian memastikan pengalaman pengguna yang sangat baik

Keterbatasan algoritma:
Perhitungan jarak Levenshtein memiliki kompleksitas O(n*m) untuk dua string dengan panjang n dan m.
Untuk basis data dengan ribuan nama, perhitungan waktu nyata untuk semua catatan dapat berdampak negatif
pada kinerja. Dalam lingkup studi ini dengan data terbatas, kinerja sistem tetap berada dalam kisaran yang
dapat diterima.
Namun, sistem ini memiliki beberapa kekurangan: Sistem ini hanya diperuntukkan bagi administrator dan
tidak menawarkan fitur keamanan tingkat lanjut seperti pencadangan basis data otomatis atau enkripsi kata
sandi yang kuat. Selain itu, pengujian hanya dilakukan pada mesin lokal dengan jumlah data yang sedikit. Oleh
karena itu, untuk memastikan stabilitas sistem secara keseluruhan, pengujian lebih lanjut di lingkungan
produksi dengan volume data yang lebih besar diperlukan.

4. KESIMPULAN
Dari penelitian yang telah dilakukan, dapat disimpulkan bahwa sistem pencarian informasi
berbasis fuzzy string matching berhasil diterapkan secara efektif untuk membantu proses pencarian nama
dalam daftar kontak. Sistem yang dikembangkan mampu mengatasi permasalahan umum dalam pencarian data,
seperti kesalahan ketik, variasi penulisan nama, maupun input yang tidak lengkap dari pengguna. Dengan
memanfaatkan algoritma Levenshtein Distance, sistem dapat menghitung tingkat kesamaan antar string secara
akurat, sehingga hasil pencarian yang ditampilkan dapat diurutkan berdasarkan persentase kemiripan tertinggi.
Hal ini memudahkan pengguna dalam menemukan kontak yang relevan meskipun terdapat perbedaan ejaan
antara kata kunci pencarian dan data yang tersimpan di basis [Link] pengujian fungsional melalui
metode black-box testing menunjukkan bahwa seluruh fitur sistem berjalan sesuai dengan skenario yang telah
dirancang. Selain itu, hasil User Acceptance Test (UAT) memperlihatkan bahwa sistem dapat diterima dengan
baik oleh pengguna dan dinilai mampu memenuhi kebutuhan pencarian kontak secara lebih fleksibel
dibandingkan metode pencocokan eksak. Sistem terbukti membantu pengguna dalam menemukan data kontak
meskipun input yang diberikan tidak selalu akurat atau mengandung kesalahan penulisan. Sebagai saran untuk
pengembangan di masa mendatang, sistem ini dapat ditingkatkan dengan menambahkan fitur pencarian
berbasis bunyi untuk menangani variasi penulisan yang berkaitan dengan pelafalan. Selain itu, pengembangan
sistem ke platform mobile diharapkan dapat meningkatkan kemudahan akses bagi pengguna.
Penambahan fitur pengelompokan kontak berdasarkan kategori, pengujian dengan volume data yang lebih
besar untuk menilai kinerja sistem pada skala yang lebih luas, serta peningkatan aspek keamanan melalui
enkripsi kata sandi dan otomatisasi pencadangan basis data juga disarankan untuk mendukung pengembangan
sistem yang lebih optimal.

REFERENSI
Copyright © 2026 Author, Page 53
This Journal is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
 e-ISSN: 3110-0864 | p-ISSN: xxxx-xxxx
JURNAL ILMU KOMPUTER DAN TEKNIK INFROMATIKA
Volume 2 No 1 Januari 2026 | Page: 43-54
[Link]
DOI: [Link]

[1] N. Setiawan and F. Amin, “Sistem Temu Kembali Informasi Jurnal Ilmiah Unisbank Dengan Metode Cosine
Similarity,” J. Teknol. Dan Sist. Inf. Bisnis, vol. 6, no. 3, pp. 450–460, Jul. 2024, doi: 10.47233/jteksis.v6i3.1391.
[2] D. B. Christianto, R. A. Setyawan, and J. E. Bororing, “PENERAPAN STRING MATCHING PADA
INFORMATION RETRIEVAL DARI EKSTRAKSI METADATA DAN ANALISIS AKURASI VIDEO
YOUTUBE,” J. Inform. Teknol. dan Sains, vol. 7, no. 2, pp. 551–560, May 2025, doi: 10.51401/jinteks.v7i2.5647.
[3] G. H. Setiawan and I. M. B. Adnyana, “Information Retrieval Pada Frequently Asked Questions (FAQ) dengan
metode String Similarity,” [Link], vol. 21, no. 4, pp. 847–855, 2022, doi: 10.33633/tc.v21i4.6843.
[4] R. Hardiyanti, “Pengembangan Chatbot Konsultasi Haji dan Umrah Berbasis RAG,” Semnastek UNSUR Proc. /
J. Lokal, pp. 329–337, 2025, [Online]. Available:
[Link]
[5] Y. D. Putra, Y. P. Putra, and P. S. Saputra, “Analisa Pencarian dan Pencocokan String Dalam Aplikasi Berbasis
Python dengan Library Fuzzy Wuzzy Terhadap Dataset CNN Daily Mail,” KOMTEKS, vol. 4, no. 2, pp. 7–13,
Jul. 2025, doi: 10.37637/komteks.v4i2.2354.
[6] Shireen Fathi Malo, “Intelligent Semantic Search for Academic Journals Using AI and NLP Techniques,” J. Inf.
Syst. Eng. Manag., vol. 10, no. 41s, pp. 404–420, May 2025, doi: 10.52783/jisem.v10i41s.7884.
[7] M. F. Rizal and T. Widiyaningtyas, “EVALUASI ALGORITMA STRING MATCHING UNTUK DETEKSI
PLAGIARISME PADA TEKS AKADEMIK PENDEK: STUDI PERBANDINGAN LEVENSHTEIN
SEQUENCEMATCHER DAN RABIN-KARP,” J. Inform. Teknol. dan Sains, vol. 7, no. 3, pp. 1618–1623, Sep.
2025, doi: 10.51401/jinteks.v7i3.6180.
[8] M. Misnawati et al., “Penerapan Algoritma Levenshtein Distance dalam Sistem Informasi Perpustakaan untuk
Meningkatkan Akurasi Pencarian Buku,” J. Penelit. Inov., vol. 5, no. 3, pp. 2621–2632, 2025, doi:
10.54082/jupin.1662.
[9] A. Novitra, “Penerapan Algoritma Approximate String Matching Untuk Pencarian Teks Pada Aplikasi
Ensiklopedia Teknologi Komputer,” J. Glob. Technol. Comput., vol. 2, no. 2, pp. 61–66, 2023, doi:
10.47065/jogtc.v2i2.3341.
[10] H. Ekawati, P. Aditya, and M. Ahmad, “Implementasi Algoritma String Matching Untuk Mengidentifikasi
Kata/Kalimat Dalam Juz 30 Berbasis Android,” J. Inform., vol. 13, no. 1, 2023.
[11] M. Fauzan Azima, A. Nur Listanto, Fitria, and Chairani, “Kombinasi Algoritma TF-IDF dan Fuzzy Matching
untuk Deteksi Kemiripan Judul Skripsi,” Ijccs, vol. 19, no. 1, pp. 1–11, 2024.
[12] I. F. Akbar, Mugiarso, K. F. Ramdhania, and Rasim, “Algoritma Levenshtein Distance sebagai Solusi Efisiensi
Pencarian pada Training Registration System,” J. Students‘ Res. Comput. Sci., vol. 5, no. 2, pp. 147–154, Nov.
2024, doi: 10.31599/mzr20n84.
[13] R. W. P. Z, P. M. Hartuti, and R. Al Maududi, “Prosiding Seminar Nasional Sains Penerapan Algoritma Fuzzy
Time Series Chen untuk Memprediksi Harga Komoditas Kebutuhan Pokok,” vol. 6, no. 1, pp. 227–236, 2025.
[14] R. Rusliyawati, A. Wantoro, and E. R. Susanto, “Penerapan Logika Fuzzy Dan Metode Profile Matching Pada
Sistem Pakar Medis Untuk Diagnosis Covid-19 Dan Penyakit Lain,” J. Teknol. Inf. dan Ilmu Komput., vol. 9, no.
5, p. 1075, Oct. 2022, doi: 10.25126/jtiik.2022955406.
[15] N. B. Siahaan and Muhamad Alda, “Implementasi Rule-Based Chatbot Dan Fuzzy String Matching Dalam Sistem
Informasi Layanan Haji Dan Umrah Di Pt Alfata Wafiqah Wisata,” Rabit J. Teknol. dan Sist. Inf. Univrab, vol.
10, no. 2, pp. 991–1008, 2025, doi: 10.36341/rabit.v10i2.6413.

Copyright © 2026 Author, Page 54

This Journal is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.