Jurnal Penelitian Inovatif (JUPIN) DOI: [Link]
1662
Vol. 5, No. 3, Agustus 2025, Hal. 2621-2632 p-ISSN: 2808-148X
[Link] e-ISSN: 2808-1366
Penerapan Algoritma Levenshtein Distance dalam Sistem Informasi Perpustakaan
untuk Meningkatkan Akurasi Pencarian Buku
Margaretha Misnawati*1, Ardhyansyah Mualo2, Adelia3, Adolina Gresia Wauw4, Michelle
Anggriany Letsoin5, Adisya Safari Ruhunussa6, Muhammad Sidiq Iba7
1,2,3,4,5,6,7
Program Studi Manajemen Informatika, Jurusan Manajemen Informatika, Politeknik Negeri
Fakfak, Indonesia
Email: 1margaretha2101@[Link], 2mualoardhyansyah@[Link], 3adelia@[Link],
4
gracewauw@[Link], 5altsnmichelle@[Link], 6disyaruhunussa5@[Link],
7
muhsidikiba@[Link]
Abstrak
Perpustakaan memiliki peran penting dalam menunjang aktivitas akademik dan pengembangan ilmu pengetahuan
di institusi pendidikan. Namun, kendala dalam pencarian buku sering terjadi akibat kesalahan pengetikan atau
variasi ejaan kata kunci, sehingga mengurangi akurasi hasil pencarian dan efisiensi layanan. Untuk mengatasi hal
tersebut, diterapkan algoritma Levenshtein Distance pada sistem informasi perpustakaan jurusan Teknik Sipil.
Algoritma ini menghitung jarak edit antara dua string sehingga memungkinkan sistem mengenali dan mengoreksi
kesalahan pengetikan serta variasi ejaan, sehingga menghasilkan pencarian yang lebih akurat dan relevan. Metode
penelitian meliputi analisis kebutuhan, perancangan sistem, implementasi algoritma, dan pengujian performa
sistem menggunakan data nyata dari perpustakaan. Pengujian dilakukan dengan membandingkan hasil pencarian
sebelum dan sesudah penerapan algoritma. Hasil pengujian menunjukkan peningkatan signifikan pada akurasi
pencarian, efisiensi waktu pencarian, dan kepuasan pengguna terhadap sistem. Implementasi algoritma ini terbukti
efektif dalam meningkatkan kualitas layanan pencarian buku di perpustakaan dan mampu mengurangi kesalahan
akibat input yang tidak tepat. Penelitian ini memberikan kontribusi pada pengembangan sistem informasi
perpustakaan dengan pendekatan toleransi kesalahan yang dapat diaplikasikan pada institusi pendidikan lainnya.
Kata Kunci: Algoritma Levenshtein Distance, Kesalahan Pengetikan, Pencarian Buku, Sistem Informasi
Perpustakaan
Abstract
Libraries play a crucial role in supporting academic activities and the development of knowledge in educational
institutions. However, book searches often encounter challenges due to typos or variations in keyword spelling,
reducing the accuracy of search results and service efficiency. To address this issue, the Levenshtein Distance
algorithm was implemented in the Civil Engineering Department's library information system. This algorithm
calculates the edit distance between two strings, enabling the system to recognize and correct typos and spelling
variations, resulting in more accurate and relevant searches. The research methodology included needs analysis,
system design, algorithm implementation, and system performance testing using real-world data from the library.
The testing was conducted by comparing search results before and after the algorithm implementation. The results
showed significant improvements in search accuracy, search time efficiency, and user satisfaction with the system.
The implementation of this algorithm proved effective in improving the quality of book search services in libraries
and reducing errors due to incorrect input. This research contributes to the development of a fault-tolerant library
information system that can be applied to other educational institutions.
Keywords: Book Search, Library Information System, Levenshtein Distance Algorithm, Typing Errors
1. PENDAHULUAN
Perkembangan teknologi informasi dan internet telah mendorong percepatan digitalisasi di
berbagai bidang, termasuk pendidikan dan pengelolaan perpustakaan. Sistem informasi berbasis web
telah menjadi solusi utama dalam mendukung proses penyimpanan, pengelolaan, dan pencarian data
secara efisien. Teknologi ini memungkinkan pengguna mengakses informasi dengan cepat dan akurat,
2621
Jurnal Penelitian Inovatif (JUPIN) DOI: [Link]
Vol. 5, No. 3, Agustus 2025, Hal. 2621-2632 p-ISSN: 2808-148X
[Link] e-ISSN: 2808-1366
termasuk dalam pengelolaan koleksi perpustakaan (Mualo & Basri, 2024); (Gani & Effendi, 2022);
(Manullang, Aritonang, & Purba, 2021); (Fauzi et al., 2023); (Aidin, Loda, Hadi, & Maskat, 2021).
Perkembangan teknologi informasi juga tidak lepas dari tuntutan era, di mana manusia dituntut
untuk dapat memanfaatkan teknologi secara optimal demi meningkatkan kualitas hidup. Dalam konteks
perpustakaan, perubahan ini memaksa institusi untuk beradaptasi terhadap pola perilaku pengguna yang
semakin mengandal kan pencarian cepat dan akurat melalui media digital. Penerapan algoritma cerdas
seperti levenshtein distance, menjadi relevan karena dapat mengurangi hambatan pencarian informasi
akibat kesalahan manusiawi yang umum terjadi dalam pengetikan kata kunci. Dengan demikian,
penelitian ini tidak hanya memiliki manfaat teknis, tetapi juga dampak sosial dalam mendukung literasi
digital dan akses informasi yang merata.
Perpustakaan merupakan salah satu sarana penting dalam mendukung keberhasilan pendidikan dan
pengembangan ilmu pengetahuan. Dalam era digital saat ini, pengelolaan perpustakaan mengalami
transformasi besar menuju sistem berbasis teknologi informasi. Sistem informasi perpustakaan
memungkinkan proses pencatatan, pengelolaan, serta pencarian koleksi buku dilakukan secara cepat dan
efisien. Namun, permasalahan mendasar yang sering muncul adalah ketidakakuratan pencarian akibat
kesalahan pengetikan kata kunci. Sebagian besar sistem masih menggunakan metode pencocokan kata
secara literal, sehingga jika pengguna salah mengetik satu huruf saja, hasil pencarian menjadi kosong.
Hal ini menyebabkan pengguna kesulitan menemukan buku yang diinginkan, mengurangi efisiensi, dan
menurunkan kepuasan pengguna terhadap layanan perpustakaan.
Kesalahan pengetikan (typo) adalah hal yang umum terjadi, terutama pada kata yang panjang,
istilah teknis, atau nama penulis yang jarang digunakan. Dalam konteks perpustakaan teknik sipil,
kesalahan semacam ini sering terjadi karena judul buku teknis cenderung panjang dan kompleks. Untuk
mengatasi masalah ini, algoritma Levenshtein Distance dapat digunakan. Algoritma ini menghitung
jarak edit antara dua string berdasarkan jumlah operasi yang diperlukan (penambahan, penghapusan,
atau penggantian karakter) untuk mengubah satu kata menjadi kata lain. Semakin kecil nilai jarak edit,
semakin mirip kedua string tersebut. Dengan memanfaatkan konsep ini, sistem dapat memberikan
toleransi terhadap kesalahan ketik.
Levensthein Distance adalah salah satu algoritma untuk pengecekan ejaan dengan tingkat akurasi
yang cukup baik. Levenshtein Distance juga terbukti efektif dalam meningkatkan efisiensi pencarian
pelatihan berdasarkan nama pelatihan, bahkan ketika terjadi kesalahan pengetikan. Tinjauan pustaka
menunjukkan bahwa algoritma Levenshtein Distance telah banyak digunakan dalam aplikasi
pengecekan ejaan dan sistem pencarian teks. Untuk itulah sangat diperlukan adanya keterampilan
dalam menulis yang baik. Mengoreksi kesalahan pengetikan ejaan dapat dlakukan dengan
membaca kembali naskah dari awal sampai akhir dan memperbaiki kesalahan satu per satu. Tentunya
langkah ini sangat tidak efisiendan membutuhkan waktu yang tidak sedikit karena harus dilakukan
berkali-kali agar naskah benar-benar terbebas dari kesalahan pengetikan. Algoritma ini dirancang
dalam penelitian ini berhasil meningkatkan kualitas dan kemudahan akses pengguna dalam mencari dan
memahami kosakata. Nilai jarak diambil dari jumlah minimum perubahan yang diperlukan oleh suatu
string untuk menjadi string lainnya. Perubahan yang dimaksud terdiri dari proses penyisipan (insertion),
penghapusan (deletion), atau penukaran (subtitution). (Akbar & Ramdhania, 2024);(Santoso, Yuliawati,
Shalahuddin, & Zaeni, 2020);(Indriyono, 2020); (Kuswanto, 2020); (Bagaskoro & Mufti, 2024). Untuk
menjawab tantangan ini, algoritma string matching, seperti Levenshtein Distance, menawarkan
pendekatan yang relevan karena mampu mengukur jarak antar string berdasarkan jumlah operasi
penyisipan, penghapusan, dan substitusi karakter. Beberapa studi telah membuktikan efektivitas
algoritma ini dalam sistem pencarian informasi, baik di ranah e-commerce maupun perpustakaan digital.
Namun, di Perpustakaan Teknik Sipil Politeknik Negeri Fakfak, masih ditemukan sejumlah
permasalahan mendasar. Proses pendataan buku dan anggota masih dilakukan secara manual, pencatatan
peminjaman dan pengembalian tidak terdokumentasi dengan baik, serta proses pencarian koleksi tidak
efektif karena hanya mengandalkan pencocokan kata secara literal. Akibatnya, sistem pencarian menjadi
tidak toleran terhadap kesalahan ejaan (typo), yang berdampak pada rendahnya pengalaman pengguna
dalam menemukan koleksi yang dicari.
2622
Jurnal Penelitian Inovatif (JUPIN) DOI: [Link]
Vol. 5, No. 3, Agustus 2025, Hal. 2621-2632 p-ISSN: 2808-148X
[Link] e-ISSN: 2808-1366
Meskipun demikian, hasil telaah pustaka menunjukkan bahwa belum ada sistem perpustakaan lokal
di Indonesia yang menerapkan algoritma Levenshtein Distance dalam konteks pencarian koleksi dengan
toleransi kesalahan ejaan berbahasa Indonesia. Hal ini menjadi research gap sekaligus peluang inovasi
dalam pengembangan sistem informasi perpustakaan yang lebih inklusif dan adaptif terhadap perilaku
pencarian pengguna.
2. METODE PENELITIAN
Penelitian ini menerapkan metode pengembangan sistem berbasis prototipe. Metode ini merupakan
pendekatan dalam pengembangan sistem informasi dan melibatkan pembuatan model awal (prototipe)
untuk menggambarkan sistem yang akan dikembangkan lebih lanjut. Prototipe digunakan untuk
mengidentifikasi kesalahan dan kekurangan fitur sebelum sistem resmi dirilis, serta membantu
pengembang memahami kebutuhan pengguna dengan lebih baik. Penelitian ini juga menggunakan
metode prototipe yang disempurnakan dengan pendekatan iteratif. Setiap tahap pengembangan
dilakukan secara siklus, dimulai dari perencanaan awal, pembuatan prototipe sederhana, uji coba oleh
pengguna, hingga perbaikan berkelanjutan berdasarkan umpan balik. Pendekatan ini dipilih karena
mampu meminimalkan risiko kesalahan desain dan memastikan keterlibatan pengguna secara aktif.
Dalam tahap pengumpulan data, peneliti tidak hanya melakukan wawancara dan observasi, tetapi juga
mengadakan sesi simulasi pencarian buku untuk mengidentifikasi pola kesalahan pengetikan yang
paling sering terjadi. Data ini kemudian digunakan untuk menyesuaikan parameter threshold pada
algoritma Levenshtein Distance, sehingga hasil pencarian tetap relevan tanpa menghasilkan terlalu
banyak noise. Penelitian ini akan dilaksanakan melalui beberapa langkah berikut:
Gambar 1. Prototype (Aditya, Pranatawijaya, & Putra, 2021)
2.1. Communication
Tahap pertama dalam penelitian ini adalah komunikasi yang intensif dengan pengguna sistem
perpustakaan, yaitu mahasiswa dan staf jurusan Teknik Sipil. Pendekatan yang digunakan meliputi
wawancara dan diskusi kelompok terarah (focus group discussions) untuk menggali permasalahan yang
mereka hadapi dalam pencarian buku di perpustakaan. Dari hasil wawancara ini, peneliti dapat
mengidentifikasi kebutuhan pengguna dan mengumpul kan persyaratan sistem yang diperlu kan untuk
mengatasi masalah pencarian buku akibat kesalahan pengetikan atau variasi ejaan. Permasalahan ini
umumnya muncul karena sistem pencarian pada perpustakaan lama hanya mengandalkan pencocokan
kata kunci secara eksak (exact match), sehingga kesalahan ejaan sekecil apa pun akan menyebabkan
sistem gagal menemukan data buku yang dimaksud. Berdasarkan informasi ini, peneliti
mengidentifikasi kebutuhan utama pengguna, yaitu adanya fitur pencarian yang lebih fleksibel dan
toleran terhadap kesalahan ketik. Selain itu, peneliti juga mengumpulkan kebutuhan tambahan, seperti
tampilan antarmuka yang sederhana, proses peminjaman buku yang cepat, serta kemampuan sistem
menghasilkan laporan peminjaman dan pengembalian secara otomatis. Semua data hasil komunikasi ini
menjadi dasar untuk mendefinisikan spesifikasi kebutuhan sistem secara detail.
2623
Jurnal Penelitian Inovatif (JUPIN) DOI: [Link]
Vol. 5, No. 3, Agustus 2025, Hal. 2621-2632 p-ISSN: 2808-148X
[Link] e-ISSN: 2808-1366
2.2. Quick Plan
Setelah kebutuhan pengguna terkumpul, tahap selanjutnya adalah perencanaan cepat (Quick Plan).
Tahap ini bertujuan untuk memberikan gambaran awal mengenai sistem yang akan dibangun. Peneliti
membuat dokumen perencanaan yang berisi arsitektur sistem, alur kerja utama, serta estimasi sumber
daya yang diperlukan, baik dari sisi perangkat keras, perangkat lunak, maupun sumber daya manusia.
Pada langkah ini, peneliti menyusun prototipe awal sebagai representasi awal dari sistem. Prototipe ini
bukan versi akhir, melainkan rancangan yang menekankan pada gambaran umum tampilan antarmuka
dan bagaimana fitur utama sistem bekerja. Salah satu fitur inti yang direncanakan adalah integrasi
algoritma Levenshtein Distance. Algoritma ini dipilih karena kemampuannya dalam menghitung jarak
edit (edit distance) antara dua string, sehingga dapat mendeteksi dan mengoreksi kesalahan pengetikan
dalam pencarian buku.
2.3. Modeling Quick Design
Tahap ketiga adalah Modeling Quick Design, yang berfokus pada perancangan elemen-elemen
sistem yang akan tampak bagi pengguna. Desain antarmuka yang intuitif sangat penting untuk
memastikan kemudahan penggunaan, terutama bagi mahasiswa yang terbiasa dengan aplikasi berbasis
web sederhana. Pada tahap ini, peneliti membuat desain antarmuka menggunakan pendekatan user-
centered design, yang berarti setiap elemen dirancang berdasarkan preferensi dan kebutuhan pengguna.
Tampilan antarmuka mencakup menu utama, form pencarian buku, daftar hasil pencarian, serta fitur
peminjaman dan pengembalian. Peneliti juga menyiapkan mockup desain agar pengguna dapat
memberikan masukan sebelum implementasi dilakukan. Selain desain antarmuka, peneliti menyusun
beberapa model perancangan sistem, antara lain:
2.3.1. Flowchart System
Diagram alir (flowchart) sistem ini menggambarkan alur kerja dari sistem informasi perpustakaan.
Mulai dari pendataan buku oleh petugas perpustakaan, pendaftaran anggota, peminjaman dan
pengembalian buku, hingga pembuatan laporan peminjaman dan pengembalian.
Gambar 2. Flowchart System
Gambar 2 menunjuk kan Flowchart System dengan menggambarkan alur proses sistem
peminjaman buku di sebuah perpustakaan yang dimulai dari login pengguna. Setelah login, pengguna
dapat memasukkan data buku, dan jika data berhasil masuk, sistem akan menyimpannya ke dalam
2624
Jurnal Penelitian Inovatif (JUPIN) DOI: [Link]
Vol. 5, No. 3, Agustus 2025, Hal. 2621-2632 p-ISSN: 2808-148X
[Link] e-ISSN: 2808-1366
database. Selanjutnya, pengguna memasukkan data transaksi dan apabila valid, data transaksi juga
disimpan. Proses kemudian dilanjutkan dengan memasukkan data peminjam; apabila peminjam sudah
terdaftar, data langsung disimpan, namun jika belum, pengguna harus memasukkan data anggota baru
terlebih dahulu sebelum data peminjam dapat disimpan. Setelah seluruh data buku, transaksi, dan
peminjam tersimpan dalam database, proses dinyatakan selesai.
2.3.2. Entity Relationship Diagram
Entity Relationship Diagram digunakan untuk merancang struktur atau model data yang kompleks
serta menggambarkan keterkaitan antar data. Tujuan utama dari ERD adalah untuk merepresentasikan
data atau sistem dalam sebuah basis data. Dalam manajemen data, diagram entitas relasi memiliki peran
penting bagi suatu organisasi atau perusahaan. Di bawah ini ditampilkan diagram ERD untuk Sistem
Informasi Perpustakaan (Putra, Tuffahati, Fauzi, Febriliyan, & Saifudin, 2023).
Gambar 3 menunjuk kan ERD dengan, menggambarkan struktur basis data untuk sistem
peminjaman buku perpustakaan yang melibatkan lima entitas utama, yaitu Buku, Anggota, Petugas,
Peminjaman, dan relasi antar entitas tersebut. Entitas Buku memiliki atribut seperti id_buku,
judul_buku, pengarang, penerbit, dan tahun_terbit. Entitas Anggota memiliki atribut id_anggota,
nama_anggota, kelas, dan jenis_kelamin. Buku dapat dipinjam oleh anggota, yang kemudian dicatat
dalam entitas Peminjaman yang memiliki atribut seperti id_peminjam, nama_peminjam, tgl_pinjam,
tgl_kembali, id_buku, id_anggota, dan denda. Relasi antara anggota dan peminjaman ditunjukkan
dengan relasi "melakukan", sedangkan relasi antara buku dan peminjaman adalah "dipinjam". Selain itu,
terdapat entitas Petugas yang memiliki atribut id_petugas, nama_petugas, dan alamat, yang bertugas
"melayani" proses peminjaman. Relasi-relasi ini menunjukkan keterkaitan antara entitas dalam sistem
dan menggambarkan aliran informasi penting yang diperlukan untuk pengelolaan peminjaman buku.
Gambar 3. ERD
2.3.3. Use case
Diagram use case menggambarkan rangkaian interaksi yang saling berkaitan antara aktor dan
sistem. Use case merupakan cara untuk menjelaskan jenis komunikasi yang berlangsung antara
pengguna dan sistem, serta bagaimana sistem dimanfaatkan melalui alur narasi. Kasus penggunaan ini
juga berperan dalam merancang perilaku sistem di masa depan. Use case menampilkan aktor (pengguna)
beserta interaksinya dengan sistem yang telah dirancang. Berikut ini merupakan ilustrasi dari Use Case
Diagram (Rahmanto, Alita, Putra, Permata, & Suaidah, 2022).
2625
Jurnal Penelitian Inovatif (JUPIN) DOI: [Link]
Vol. 5, No. 3, Agustus 2025, Hal. 2621-2632 p-ISSN: 2808-148X
[Link] e-ISSN: 2808-1366
Gambar 4. Use Case
Gambar 4 menunjukkan penjelasan dari alur use case di atas, sebagai berikut:
a. Anggota akan melakukan login, kemudian melakukan registrasi terlebih dahulu.
b. Admin, akan mengelola data anggota yang melakukan registrasi.
c. Lalu anggota akan mencari, memilih dan meminjam buku.
d. Kemudian petugas akan mendata peminjaman.
e. Selanjutnya anggota mengembalikan buku yang telah di pinjam.
f. Admin, akan melakukan pendataan pengembalian buku.
g. Setelah itu, admin akan mencetak laporan.
h. Dan logout.
2.4. Construction of Prototype
Pada tahap ini, peneliti mulai mengembangkan prototipe sistem informasi perpustakaan
berdasarkan rancangan yang telah dibuat sebelumnya. Prototipe ini bersifat interaktif dan dapat
digunakan untuk menguji fungsionalitas utama, seperti fitur pencarian buku dengan algoritma
Levenshtein Distance, proses peminjaman, pengembalian, dan pembuatan laporan. Algoritma
Levenshtein diimplementasikan dalam modul pencarian menggunakan bahasa pemrograman seperti
PHP, dengan integrasi ke basis data MySQL. Secara teknis, algoritma ini bekerja dengan menghitung
jumlah operasi edit yang diperlukan untuk mengubah satu kata menjadi kata lain (penyisipan,
penghapusan, dan substitusi karakter). Nilai jarak edit yang kecil menunjukkan bahwa kata yang
dimasukkan pengguna memiliki kemiripan tinggi dengan kata yang ada di basis data.
2626
Jurnal Penelitian Inovatif (JUPIN) DOI: [Link]
Vol. 5, No. 3, Agustus 2025, Hal. 2621-2632 p-ISSN: 2808-148X
[Link] e-ISSN: 2808-1366
2.5. Deployment, Delivery, and Feedback
Hasil dari tahap ini memastikan bahwa sistem informasi perpustakaan dengan algoritma
Levenshtein Distance dapat berfungsi dengan efektif dan memenuhi kebutuhan pengguna dalam
pencarian buku. Tahap terakhir adalah Deployment, Delivery, and Feedback, yaitu penyebaran prototipe
kepada pengguna untuk dilakukan pengujian lapangan. Peneliti melibatkan mahasiswa dan staf jurusan
Teknik Sipil untuk mencoba sistem dalam kondisi nyata. Proses ini bertujuan untuk memastikan bahwa
sistem telah sesuai dengan kebutuhan pengguna, baik dari segi fungsionalitas maupun kemudahan
penggunaan. Umpan balik yang diperoleh mencakup aspek kinerja sistem, desain antarmuka, serta
akurasi hasil pencarian. Jika ditemukan kekurangan, seperti tampilan yang kurang responsif atau
pencarian yang masih lambat, peneliti melakukan perbaikan sebelum sistem diimplementasikan secara
penuh. Tahap ini juga mencakup pelatihan singkat kepada pengguna agar mereka dapat mengoperasikan
sistem dengan baik. Hasil akhir dari proses ini adalah sistem informasi perpustakaan berbasis algoritma
Levenshtein Distance yang mampu meningkatkan pengalaman pengguna dalam mencari buku,
mengurangi kendala akibat kesalahan pengetikan, serta mempercepat proses layanan perpustakaan
secara keseluruhan.
Implementasi algoritma dilakukan dengan bahasa pemrograman PHP dan MySQL sebagai basis
data. Perhitungan jarak Levenshtein memanfaatkan fungsi `levenshtein()` bawaan PHP, yang
diintegrasikan dalam modul pencarian. Pseudocode perhitungan jarak disertakan untuk mempermudah
pemahaman implementasi.
Evaluasi sistem dilakukan dengan dua skema: (1) Uji coba fungsional untuk memastikan semua
fitur berjalan sesuai rancangan; (2) Evaluasi pengguna dengan melibatkan 20 responden mahasiswa dan
pustakawan. Flow evaluasi sistem informasi mengikuti langkah: input kata kunci lalu sistem menghitung
jarak Levenshtein kemudian penentuan ambang batas (threshold) kemiripan, menampilkan hasil
pencarian, pengguna menilai relevansi hasil, setelah itu sistem merekap data untuk analisis performa.
3. HASIL DAN PEMBAHASAN
3.1. Penjelasan Algoritma
Levenshtein Distance, yang juga dikenal sebagai jarak edit, merupakan sebuah ukuran yang
dimanfaatkan untuk mengukur perbedaan antara dua string. Levenshtein distance menghitung jumlah
minimum modifikasi yang diperlukan untuk mengubah sebuah string menjadi string lainnya. Perubahan
tersebut bisa meliputi insert (penambahan), delete (penghapusan), atau penggantian karakter
(substitute). Distance ini mengacu terhadap jumlah total perubahan yang diperlukan untuk
mentransformasi satu string menjadi string yang lain. Misalnya, string 'teknik' dan 'tehnik' memiliki
jarak sebesar 1 sebab hanya dibutuhkan satu operasi untuk mengubah 'tehnik' menjadi 'teknik'.
Gambar 5. Flowchart Algoritma Levenshtein Distance
2627
Jurnal Penelitian Inovatif (JUPIN) DOI: [Link]
Vol. 5, No. 3, Agustus 2025, Hal. 2621-2632 p-ISSN: 2808-148X
[Link] e-ISSN: 2808-1366
Berdasarkan alur data di bawah ini, pengguna akan memasukkan kata atau kata kunci yang
diinginkan. Sistem kemudian mengambil seluruh data buku dari database dan membandingkannya
dengan kata yang dimasukkan oleh pengguna. Setelah itu, kata tersebut akan dimodifikasi melalui
operasi penyisipan, pertukaran, atau penghapusan. Setelah proses modifikasi selesai, sistem akan
menghitung jarak string menggunakan algoritma Levenshtein distance. Jika jarak string Levenshtein
distance ≤ 50, sistem akan menampilkan data buku yang sesuai dengan kata yang dicari. Namun, jika
nilai jaraknya ≥ 50, hasil pencarian tidak akan ditampilkan.
Pengujian algoritma pada website Sistem Informasi Perpustakaan ini dibatasi oleh penggunaan
ambang batas pada string yang kurang dari 3 karakter. Akibatnya, jika terdapat kesalahan pengetikan
hingga 3 karakter atau lebih dalam kata yang dimasukkan, hasil pencarian yang diinginkan tidak akan
muncul. Contoh perhitungan string = 1.
a. Membandingkan string
Dari :Tehnik
Target :Teknik
b. Pemecahan dan perhitungan pada levenshtein
123456
Dari :Tehnik
Target :Teknik
Pada proses pemecahan ini, terdapat setidaknya 1 operasi penggantian di indeks ke-3, di mana
karakter "h" diganti menjadi "k". Setelah itu, dilakukan perhitungan jarak string.
𝐷(𝑠, 𝑡) = ∑𝑖𝑖=1 𝑑(s𝑖, t𝑖) (1)
Berikut adalah perhitungan jarak Levenshtein untuk kata "tehnik" dan "teknik":
Contoh perhitungannya: Jarak = d(T,T) + d(e,e) + d(h,k) + d(n,n) + d(i,i) + d(k,k)
Hasilnya: Jarak = 0+0+1+0+0+0
Total jarak Levenshtein untuk kata "tehnik" dan "teknik" adalah 1.
Gambar 6. Tabel pembantu dalam menghitung total jarak Levenshtein untuk kata "tehnik" dan "teknik"
Dari hasil perhitungan, diperoleh jarak Levenshtein sebesar 1, sehingga data "Teknik" yang di input
kan akan ditampilkan.
3.2. Hasil Implementasi
Setelah integrasi algoritma, sistem mampu menampilkan hasil pencarian meskipun terjadi
kesalahan pengetikan hingga tiga karakter.
Tabel 1. Hasil Implementasi
Kata kunci Sistem dengan levenshtein distance Tanpa algoritma
tek Teknik sipil Tidak ditemukan
mic Microsoft Tidak ditemukan
nov Novel Tidak ditemukan
2628
Jurnal Penelitian Inovatif (JUPIN) DOI: [Link]
Vol. 5, No. 3, Agustus 2025, Hal. 2621-2632 p-ISSN: 2808-148X
[Link] e-ISSN: 2808-1366
Tabel 1 memperlihatkan perbandingan hasil pencarian tanpa dan dengan algoritma Levenshtein
Distance. Dari tabel terlihat bahwa sistem dengan Levenshtein Distance mampu memberikan hasil
relevan yang sebelumnya tidak ditemukan oleh sistem pencarian biasa. Analisis performa menunjukkan
rata-rata waktu pencarian adalah 0,85 detik (lebih lambat 0,15 detik dibanding pencarian biasa), namun
akurasi pencarian meningkat dari 78% menjadi 94% berdasarkan precision dan recall yang dihitung dari
50 kata kunci uji. Survei pengguna menunjukkan tingkat kepuasan 4,6/5.
Untuk mengimplementasikan algoritma levenshtein distance pada pencarian, ketik kata yang ingin
di cari seperti kata “pa” maka semua yang ada kata “pa” nya semua akan di munculkan/di tampilkan.
Gambar 7. Halaman pencarian data buku
Berikut ini pencarian kata “mic” maka kata yang di maksudkan akan di tampilan seperti di bawah
ini. Karena kata yang di maksudkan yaitu judul buku, “Microsoft EXCEL 2013”.
Gambar 8. Halaman pencarian judul buku
Adapun pada menu pencarian di bawah ini, jika ingin mencari kategori tertentu pun bisa. Seperti
kata “Nov” karena yang di maksudkan adalah “Novel” maka, kategori tersebut akan di tampilkan.
2629
Jurnal Penelitian Inovatif (JUPIN) DOI: [Link]
Vol. 5, No. 3, Agustus 2025, Hal. 2621-2632 p-ISSN: 2808-148X
[Link] e-ISSN: 2808-1366
Gambar 9. Halaman pencarian kategori buku
3.3. Perbandingan dengan Literatur
Hasil ini sejalan dengan penelitian Akbar & Ramdhania (2024) dan Bagaskoro & Mufti (2024),
yang melaporkan peningkatan akurasi pencarian teks setelah penerapan Levenshtein Distance. Namun,
metode ini belum seoptimal cosine similarity atau TF-IDF untuk pencarian berbasis konteks, sehingga
dapat menjadi arah pengembangan selanjutnya. Selain itu, hasil pengujian ini menunjukkan potensi
penerapan algoritma Levenshtein Distance tidak hanya terbatas pada pencarian buku di perpustakaan,
tetapi juga dapat digunakan dalam sistem pencarian pada platform e-learning, basis data penelitian, dan
aplikasi komersial seperti e-commerce. Kelebihan algoritma ini adalah kemampuannya mengakomodasi
kesalahan pengetikan yang umum dilakukan oleh pengguna, sehingga mengurangi frustasi pengguna
akibat hasil pencarian yang kosong atau tidak relevan. Namun, perlu dicatat bahwa efektivitas algoritma
ini sangat dipengaruhi oleh penentuan ambang batas (threshold) yang tepat. Ambang batas yang terlalu
rendah dapat menyebabkan hasil pencarian yang terlalu sedikit, sedangkan ambang batas yang terlalu
tinggi berpotensi menghasilkan terlalu banyak hasil yang kurang relevan. Dengan demikian,
penyesuaian parameter ini menjadi aspek penting dalam pengembangan sistem di masa depan. Dari
perspektif pengguna, integrasi antarmuka pencarian yang intuitif dengan algoritma ini dapat
memberikan pengalaman yang lebih baik, mempercepat proses pencarian, dan meningkatkan kepuasan
secara keseluruhan.
4. KESIMPULAN
Penelitian ini menunjukkan bahwa penerapan algoritma Levenshtein Distance pada sistem
informasi perpustakaan mampu meningkatkan akurasi pencarian buku meskipun terjadi kesalahan
pengetikan. Sistem berhasil meningkatkan precision dan recall, serta mendapatkan umpan balik positif
dari pengguna. Potensi pengembangan ke depan meliputi integrasi metode machine learning untuk
adaptasi ambang batas kesalahan, serta kombinasi dengan metode pencarian lain seperti TF-IDF untuk
meningkatkan relevansi hasil berbasis konteks. Lebih jauh lagi, implementasi algoritma ini di
lingkungan perpustakaan dapat menjadi model bagi pengembangan sistem serupa di berbagai institusi
pendidikan dan organisasi. Dengan menggabungkan algoritma Levenshtein Distance dan metode
pencarian berbasis konteks seperti TF-IDF atau cosine similarity, diharapkan sistem pencarian dapat
memahami maksud pengguna secara lebih mendalam. Pengembangan di masa depan juga dapat
memanfaatkan pembelajaran mesin (machine learning) untuk menyesuaikan parameter pencarian secara
dinamis berdasarkan perilaku pengguna. Selain itu, studi lanjutan dapat mengeksplorasi integrasi
algoritma ini dengan sistem rekomendasi buku untuk memberikan saran bacaan yang relevan meskipun
pengguna tidak mengetahui judul pasti yang dicari. Penerapan ini tidak hanya bermanfaat untuk
meningkatkan efisiensi pencarian, tetapi juga untuk memperluas akses informasi dan mendukung
pembelajaran.
2630
Jurnal Penelitian Inovatif (JUPIN) DOI: [Link]
Vol. 5, No. 3, Agustus 2025, Hal. 2621-2632 p-ISSN: 2808-148X
[Link] e-ISSN: 2808-1366
DAFTAR PUSTAKA
Aditya, R., Pranatawijaya, V. H., & Putra, P. B. A. A. (2021). Rancang Bangun Aplikasi Monitoring
Kegiatan Menggunakan Metode Prototype. Journal of Information Technology and Computer
Science, 1(1), 47–57.
Aidin, B. S., Loda, D. Y. L., Hadi, M., & Maskat, S. (2021). Invasi Media Massa. Media Nusa Creative
(MNC Publishing).
Akbar, I. F., & Ramdhania, K. F. (2024). Algoritma Levenshtein Distance sebagai Solusi Efisiensi
Pencarian pada Training Registration System. Journal of Students ‘Research in Computer Science,
5(2), 147–154.
Bagaskoro, M. A., & Mufti, M. (2024). PENERAPAN ALGORITMA LEVENSHTEIN DISTANCE,
N-GRAM DAN SYNONYM REPLACEMENT PADA SISTEM PENILAIAN ESAI OTOMATIS
DI UNIVERSITAS BUDI LUHUR. In Prosiding Seminar Nasional Mahasiswa Fakultas
Teknologi Informasi (SENAFTI) (Vol. 3, pp. 451–460).
Fauzi, A. A., Kom, S., Kom, M., Budi Harto, S. E., Mm, P. I. A., Mulyanto, M. E., … Kom, S. (2023).
Pemanfaatan Teknologi Informasi di Berbagai Sektor Pada Masa Society 5.0. PT. Sonpedia
Publishing Indonesia.
Gani, A. G., & Effendi, M. R. (2022). Perancangan Sistem Informasi Absen Siswa pada SMA Islamic
School Berbasis Web. JSI (Jurnal Sistem Informasi) Universitas Suryadarma, 9(2), 49–60.
Indriyono, B. V. (2020). Kombinasi damerau levenshtein dan jaro-winkler distance untuk koreksi kata
bahasa inggris. Jurnal Teknik Informatika Dan Sistem Informasi, 6(2).
Kuswanto, W. (2020). Implementasi Algoritma Levenshtein Distance Dengan Restful Web Service
Pada Kata Bahasa Indonesia Ke Bahasa Jawa Berbasis Web. JUSTINDO (Jurnal Sistem Dan
Teknologi Informasi Indonesia), 5(2), 78–85.
Manullang, A. H., Aritonang, M., & Purba, M. J. (2021). Sistem Informasi Bimbingan Belajar Number
One Medan Berbasis Web. TAMIKA: Jurnal Tugas Akhir Manajemen Informatika &
Komputerisasi Akuntansi, 1(1), 44–49.
Mualo, A., & Basri, H. (2024). Rancang Bangun Sistem Absensi Terintegrasi Mahasiswa Jurusan
Manajemen Informatika Politeknik Negeri Fakfak. Jurnal Informasi, Sains Dan Teknologi, 7(1),
211–225.
Putra, A. A., Tuffahati, D. A., Fauzi, H. S., Febriliyan, I. H., & Saifudin, A. (2023). Analisis dan
Perancangan Sistem Informasi Perpustakaan SMK Pesat Bogor. JRIIN: Jurnal Riset Informatika
Dan Inovasi, 1(2), 341–346.
Rahmanto, Y., Alita, D., Putra, A. D., Permata, P., & Suaidah, S. (2022). Penerapan Sistem Informasi
Perpustakaan Berbasis Web Pada Smk Nurul Huda Pringsewu. Journal of Social Sciences and
Technology for Community Service (JSSTCS), 3(2), 151–159.
Santoso, P., Yuliawati, P., Shalahuddin, R., & Zaeni, I. A. E. (2020). Penghapusan kolom dan baris
pertama pada matriks distance untuk optimasi spell checker damerau-levenshtein distance. Sains,
Apl. Komputasi Dan Teknol. Inf, 2(2), 57–63.
2631
Jurnal Penelitian Inovatif (JUPIN) DOI: [Link]
Vol. 5, No. 3, Agustus 2025, Hal. 2621-2632 p-ISSN: 2808-148X
[Link] e-ISSN: 2808-1366
Halaman Ini Dikosongkan
2632