PENAMBAHAN MODUL PEMBENTUKAN KAMUS WORD GRAPH KATA BENDA PADA SISTEM APLIKASI BOGORDELFTCONSTRUCT
ARIFA DESFAMITA
DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2010
PENAMBAHAN MODUL PEMBENTUKAN KAMUS WORD GRAPH KATA BENDA PADA SISTEM APLIKASI BOGORDELFTCONSTRUCT
ARIFA DESFAMITA
Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer pada Departemen Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2010
ABSTRACT
ARIFA DESFAMITA. The Addition of a Noun Word Graph Dictionary Module in BogorDelftConStruct. Supervised by SRI NURDIATI. Knowledge Graph is a new method in Natural Language Processing that is used to describe human language and displaying it into a graph form. BogorDelftConStruct is a tool to analyze Indonesian text, developed by Deni Romadoni (2009). The tool has limited feature, opening many opportunities to add some other features. The goal of this research is to develop a noun word graph dictionary module and add it in BogorDelftConStruct. The patterns of the noun word-graph are based the research of Saleh (2009). In this research, of the 20 patterns in Saleh (2009) only 13 patterns are used, since some of word graph patterns which have the same affix and also have the different meaning. As many as 144 nouns were used in scenario testing, with 1 error was generated (99,33% accuracy). Keywords: Word Graph, Knowledge Graph, Indonesian Noun Dictionary, Noun Word Graph
Judul
:
Nama NIM
: :
Penambahan Modul Pembentukan Kamus Word Graph Kata Benda pada Sistem Aplikasi BogorDelftConStruct Arifa Desfamita G64076003
Menyetujui: Dosen Pembimbing,
Dr. Ir. Sri Nurdiati, M.Sc. NIP. 19601126 198601 2 001
Mengetahui: Ketua Departemen
Dr. Ir. Sri Nurdiati, M. Sc. NIP. 19601126 198601 2 001
Tanggal Lulus:
RIWAYAT HIDUP
Penulis dilahirkan di Klaten, pada tanggal 29 Desember 1986 dari pasangan ayah Alm. Ir Herry Muhammad dan ibu Ir. Etty Herawati, MS. Penulis merupakan anak pertama dari empat bersaudara. Penulis menyelesaikan pendidikan Sekolah Menengah Atas di SMA Cakra Buana Depok pada tahun 2004. Pada tahun yang sama, penulis diterima menjadi mahasiswa Sub Program Studi Manajemen Informasi dan Dokumentasi, Program Studi Diploma 3 Informatika, Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor melalui jalur reguler. Penulis melakukan Praktek Kerja Lapang di Departemen Dalam Negeri, Jakarta Pusat. Pada tahun 2007 penulis diterima menjadi mahasiswa S1 Ekstensi Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor.
PRAKATA
Alhamdulillah, puji dan syukur penulis panjatkan kepada Allah SWT atas semua rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan skripsi dengan judul Penambahan Modul Pembentukan Kamus Word Graph Kata Benda pada Sistem Aplikasi BogorDelftConStruct. Skripsi ini merupakan hasil penelitian yang dilaksanakan pada bulan Juli 2009 sampai dengan Februari 2010. Skripsi ini merupakan salah satu persyaratan untuk memperoleh gelar Sarjana Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor. Dalam penyelesaian skripsi ini, penulis dibantu oleh berbagai pihak. Oleh sebab itu, penulis ingin mengucapkan terima kasih kepada pihak yang telah membantu penyelesaian laporan akhir ini, antara lain: • Mama, Alm. papa, dan adik-adik serta seluruh keluarga atas doa serta dukungan moral dan spiritual yang diberikan kepada penulis, sehingga penulis dapat menyelesaikan skripsi. • Ibu Dr. Ir. Sri Nurdiati, M.Sc. selaku dosen pembimbing yang telah memberikan bimbingan, petunjuk dan saran selama penyusunan skripsi. • Bapak Ahmad Ridha, S.Kom, MS dan Bapak Sony Hartono Wijaya, S.Kom, M.Kom selaku dosen penguji yang telah banyak memberikan masukan dan perbaikan dalam menyempurnakan karya tulis ini. • Annissa Zahara atas bantuan, diskusi, dukungan dan sebagai teman seperjuangan dalam penelitian ini. Anggi dan Wanda untuk ilmu, diskusi dan semangat dalam menyelesaikan penelitian ini. • Mba Tessa dan Ika atas doa dan dukungan moral dan spiritulanya. • Lidia, Ayi, Disty, Aang, Sawal, Christ dan seluruh teman-teman Ekstensi Ilmu Komputer IPB angkatan dua yang telah bersama dalam menjalani semua masa-masa perkuliahan. • Seluruh staf pengajar dan karyawan Departemen Ilmu Komputer Insitut Pertanian Bogor. Penulis berharap hasil dari penelitian ini dapat bermanfaat dan dapat menjadi acuan bagi penelitian selanjutnya.
Bogor, Mei 2010
Arifa Desfamita
DAFTAR ISI Halaman DAFTAR GAMBAR ........................................................................................................................viii DAFTAR LAMPIRAN .....................................................................................................................viii PENDAHULUAN ................................................................................................................................ 1 Latar Belakang ............................................................................................................................ 1 Tujuan Penelitian ........................................................................................................................ 1 Ruang Lingkup ............................................................................................................................ 1 Manfaat Penelitian ...................................................................................................................... 1 TINJAUAN PUSTAKA ........................................................................................................................ 1 Knowledge Graph ....................................................................................................................... 1 Word Graph ................................................................................................................................. 2 Aspek-aspek Ontologi ................................................................................................................. 2 Stemming ..................................................................................................................................... 3 Nomina (Kata Benda) ................................................................................................................. 4 METODE PENELITIAN ..................................................................................................................... 4 Data.............................................................................................................................................. 4 Metodologi .................................................................................................................................. 4 Studi Literatur ............................................................................................................................. 4 Analisis BogorDelftConStruct .................................................................................................... 5 Penambahan Modul Kamus Kata Benda .................................................................................... 5 Analisis Hasil .............................................................................................................................. 6 HASIL DAN PEMBAHASAN ............................................................................................................. 6 Batasan Sistem ............................................................................................................................ 6 Penambahan Modul Kamus Kata Benda .................................................................................... 6 Pola Word Graph Kata Benda .................................................................................................... 7 Implementasi Antarmuka ............................................................................................................ 8 Analisis Hasil .............................................................................................................................. 9 KESIMPULAN DAN SARAN ........................................................................................................ 11 Kesimpulan................................................................................................................................ 11 Saran .......................................................................................................................................... 11 DAFTAR PUSTAKA ........................................................................................................................ 11 LAMPIRAN ....................................................................................................................................... 13
vii
DAFTAR GAMBAR Halaman 1 Contoh penggunaan relasi ALI. ........................................................................................................ 2 2 Contoh penggunaan relasi CAU. ...................................................................................................... 2 3 Contoh penggunaan relasi EQU........................................................................................................ 2 4 Contoh penggunaan relasi SUB. ....................................................................................................... 2 5 Contoh penggunaan relasi DIS. ........................................................................................................ 2 6 Contoh penggunaan relasi PAR. ....................................................................................................... 3 7 Contoh penggunaan relasi ORD. ...................................................................................................... 3 8 Contoh penggunaan relasi SKO. ....................................................................................................... 3 9 Contoh penggunaan ontology F. ....................................................................................................... 3 10 Contoh penggunaan frame FPAR, NEGPAR, POSPAR, dan NECPAR. ..................................... 3 11 Diagram proses penambahan modul kamus word graph. .............................................................. 4 12 Panel Dictionary.............................................................................................................................. 5 13 Contoh word graph yang dibentuk dalam workspace. ................................................................... 5 14 Proses Stemming .............................................................................................................................. 7 15 Contoh word graph kata benda, pola imbuhan pe-kata benda. ...................................................... 8 16 Menu Noun Dictionary. .................................................................................................................. 9 17 Input Box. ........................................................................................................................................ 9 18 Contoh sebuah word graph kata benda yang polanya sesuai. ........................................................ 9
DAFTAR LAMPIRAN Halaman 1 Pola word graph kata benda yang digunakan ................................................................................. 14 2 Deskripsi sistem .............................................................................................................................. 16 3 Hasil Pengujian Pola KBD.............................................................................................................. 17 4 Hasil Pengujian Pola pe-KK 2 ........................................................................................................ 18 5 Hasil Pengujian Pola pe-KB 2 ........................................................................................................ 18 6 Hasil Pengujian Pola pe-KS 2 ......................................................................................................... 19 7 Hasil Pengujian Pola KK-an ........................................................................................................... 19 8 Hasil Pengujian Pola KB-an ........................................................................................................... 20 9 Hasil Pengujian Pola KS-an ............................................................................................................ 20 10 Hasil Pengujian Pola Kata Bilangan ............................................................................................. 21 11 Hasil Pengujian Pola pe-KK-an 1 ................................................................................................. 21 12 Hasil Pengujian Pola pe-KB-an 1 ................................................................................................. 22 13 Hasil Pengujian Pola pe-KS-an ..................................................................................................... 22 14 Hasil Pengujian Pola ke-KD-an .................................................................................................... 23 15 Hasil Pengujian Pola ke-KD ......................................................................................................... 23
viii
PENDAHULUAN Latar Belakang Bahasa alami merupakan bahasa yang digunakan oleh orang untuk berkomunikasi dengan orang lain. Penelitian di dalam bahasa alami melahirkan bidang ilmu Natural Language Processing (NLP). Menurut Arman (2004) dalam Hulliyah (2007) Teknologi NLP adalah teknologi yang memungkinkan untuk melakukan berbagai macam pemrosesan bahasa alami yang biasa digunakan oleh manusia. Metode Knowledge Graph (KG) adalah suatu metode baru, yang digunakan untuk menggambarkan atau menjelaskan bahasa, yang lebih berfokus pada aspek semantik daripada aspek sintatik (Zhang 2002). Metode KG pada awalnya bertujuan menggunakan graf untuk merepresentasikan pengetahuan dalam bentuk sistem pakar. Dalam langkah selanjutnya, tujuan pengembangan diperluas agar mampu merepresentasikan seluruh pengetahuan ke dalam bahasa alami. Sejak itu, teori ini dapat dipertimbangkan menjadi salah satu metode yang berhubungan dengan pemrosesan bahasa alami. Pada saat ini KG telah terbukti menjadi salah satu metode yang mandiri dalam bahasa. KG dapat berlaku untuk merepresentasikan hampir seluruh ragam bahasa (Hoede dan Nurdiati 2008). Salah satu software yang dikembangkan untuk menganalisis teks dan menampilkan visualisasi dalam bentuk graf dengan menggunakan metode KG adalah BogorDelftConStruct. Pada awalnya sistem ini bernama DelftConStruct, yang dibuat oleh Mark van Koningsveld pada tahun 2003-2008. DelfConStruct yang telah dibuat oleh Mark van Koningsveld ini hanya mampu menganalisis teks berbahasa Inggris saja. Pembentukan word graph-nya juga masih belum sesuai dengan konsep KG, karena tidak ada arah panah sebagai petunjuk relasi (Romadoni 2009). Kemudian pada penelitian yang dilakukan oleh Deni Romadoni (2009), DelftConStruct diimplementasikan untuk menganalisis teks berbahasa Indonesia, dengan menggunakan konsep KG. BogorDelftConStruct dikembangkan menggunakan bahasa pemrograman MATLAB. Dengan segala keterbatasan sistem ini, masih banyak kemungkinan untuk melengkapi fitur pada perangkat lunak ini.
Tujuan Penelitian Penelitian ini bertujuan untuk menambahkan modul kamus word graph untuk kata benda pada sistem aplikasi BogorDelftConStruct. Ruang Lingkup Modul kamus word graph kata benda yang akan dikembangkan menggunakan pola yang ada pada penelitian yang telah dilakukan oleh Saleh (2009). Manfaat Penelitian Implementasi yang nyata dari manfaat jangka panjang penelitian ini yaitu dibentuknya suatu sistem yang dapat membaca input (masukan) berupa teks dan menghasilkan output (keluaran) berupa ringkasan atau informasi lainnya dari teks tersebut (text summarization). Manfaat jangka pendek dari penelitian ini yaitu dapat memberikan pengetahuan tentang makna suatu kata, khususnya kata benda, dengan melihat pola dari kata tersebut yang direpresentasikan ke dalam bentuk word graph.
TINJAUAN PUSTAKA Knowledge Graph KG merupakan salah satu metode yang dapat digunakan untuk merepresentasikan suatu informasi dalam bentuk graf berarah, sehingga diharapkan akan mudah untuk dipahami. Hasil dari KG ini merupakan suatu graf berarah yang terdiri atas node untuk merepresentasikan konsep sedangkan relasi antar konsep direpresentasikan dengan link, dan jenis relasi yang digunakan sangat terbatas (Rusiyamti 2008). Menurut Lei Zhang (2002) pada prinsipnya susunan dari KG terdiri atas concept (token dan type) dan relationship (binary dan multivariate relation). a. Token Dalam teori KG sebuah token dinyatakan dengan menggunakan simbol “ ”. Token dalam KG merupakan konsep yang dipahami oleh seseorang menurut cara pandangnya masingmasing, sehingga token ini bersifat subjektif. Setiap persepsi selalu berhubungan dengan token. b. Type Type adalah konsep yang berupa informasi umum dan bersifat objektif, karena merupakan suatu kesepakatan yang dibuat sebelumnya.
1
Word Graph Dalam KG setiap kata berhubungan dengan word graph, menyatakan arti dari kata dan disebut dengan semantic word graph. Gabungan beberapa word graph dari kata-kata dalam suatu kalimat menghasilkan sentence graph. Beberapa sentence graph yang digabung dalam sebuah teks disebut text graph, memuat pengetahuan yang terkandung di dalam suatu teks (Nurdiati dan Hoede 2009). Aspek-aspek Ontologi Ontologi digunakan untuk menggambarkan beberapa konsep dan relasi-relasi di antaranya, dengan maksud untuk memberikan definisi yang cukup terhadap ide-ide tersebut dan logikanya (Hulliyah 2007). Menurut Nurdiati dan Hoede (2009), Ontologi sampai saat ini terdiri dari 9 binary relationship dan 4 tipe n-ary relationships, yang disebut dengan frame relationship. Binary relationship merupakan penghubung antara dua konsep, yang membentuk sebuah graf. Binary relationship tersebut antara lain: 1. Similarity of sets, alikeness : ALI 2. Causality : CAU 3. Equality : EQU 4. Subset relationship : SUB 5. Disparateness : DIS 6. Attribution : PAR 7. Ordering : ORD 8. Informational dependency : SKO 9. Ontologi F (Focus) Berikut ini merupakan penjelasan dari binary relationship yang digunakan sebagai simbol dalam metode KG adalah sebagai berikut (Rusiyamti 2008): 1. Relasi ALI (ALIKENESS) Relasi alikeness (ALI) digunakan untuk menghubungkan sebuah type dengan token. Contoh penggunaan relasi ALI dapat dilihat pada Gambar 1. tumbuhan
ALI
Gambar 1 Contoh penggunaan relasi ALI.
ibu
CAU
ALI
CAU
ALI
mangga
ALI
makan Gambar 2 Contoh penggunaan relasi CAU. 3. Relasi EQU (EQUALITY) Relasi equality (EQU) digunakan untuk menghubungkan sebuah name dengan token. Contoh: “anjing bernama Pluto” dapat dilihat pada Gambar 3 (atas). Relasi EQU bisa juga digunakan untuk menyatakan kata hubung seperti “adalah” dan “merupakan”, bentuk word graph-nya dapat dilihat pada Gambar 3 (bawah). anjing
EQU
ALI
Pluto
EQU
Gambar 3 Contoh penggunaan relasi EQU. 4. Relasi SUB (SUBSET) Dalam relasi subset (SUB) bila ada dua token yang mengekspresikan dua rangkaian secara bertautan yaitu sesuatu yang merupakan bagian dari sesuatu yang lain, maka dapat digunakan relasi SUB. Contoh: “ekor merupakan bagian dari kucing”, bentuk grafnya dapat dilihat pada Gambar 4. ekor
ALI
SUB
ALI
kucing
Gambar 4 Contoh penggunaan relasi SUB. 5. Relasi DIS (DISPARATENESS) Relasi disparateness (DIS) digunakan untuk menggambarkan bahwa antara dua token tidak mempunyai satu elemen pun yang sama. Relasi ini juga dapat digunakan untuk menyatakan kata “berbeda”. Contoh: “air berbeda dengan minyak”, bentuk grafnya dapat dilihat pada Gambar 5. air
ALI
DIS
ALI
minyak
2. Relasi CAU (CAUSALITY) Relasi kausalitas (CAU) digunakan untuk menghubungkan dua token yang memiliki hubungan sebab akibat. Contoh: “ibu makan mangga” kalimat tersebut dapat dilihat pada Gambar 2.
Gambar 5 Contoh penggunaan relasi DIS. Pada Gambar 5 di atas relasi DIS digambar tanpa menggunakan tanda panah, hal ini dikarenakan relasi DIS tersebut bersifat
2
simetris yaitu A DIS B dapat juga dinyatakan dengan B DIS A.
nelayan
ALI
CAU
CAU
ALI
ikan
6. Relasi PAR (ATTRIBUTIVE) Relasi attributive (PAR) ini digunakan untuk menjelaskan bahwa satu elemen berkaitan dan memiliki sifat elemen lainnya. Contoh: “apel merah”. Kata merah merupakan warna dari apel, atau dengan kata lain merah adalah attribute dari apel. Bentuk graf “apel merah” dapat dilihat pada Gambar 6. ALI
apel
PAR
ALI
merah
Gambar 6 Contoh penggunaan relasi PAR. 7. Relasi ORD (ORDERING) Relasi ordering (ORD) menyatakan bahwa dua hal memiliki urutan satu sama lain, baik urutan waktu maupun urutan tempat. Contoh penggunaan relasi ORD, misalnya untuk menyatakan ungkapan “dari pagi sampai sore”, bentuk grafnya dapat dilihat pada Gambar 7. pagi
ALI
ORD
ALI
PAR
F
ALI
cari
Gambar 9 Contoh penggunaan ontology F. Jika satu informasi tidak bisa diwakili oleh sebuah token, bisa digambarkan dengan sebuah frame. Menurut Zhang (2002) empat frame relationship terdiri atas: 1. Focusing on a situation : FPAR 2. Negation of a situation : NEGPAR 3. Possibility of a situation : POSPAR 4. Necessity of a situation : NECPAR. Jika suatu graf merepresentasikan suatu pernyataan, misalnya p: Hari hujan, yang dinyatakan dengan frame. Negasi dari p dinyatakan dengan graf yang sama dan diberi frame dengan relasi NEGPAR, sedangkan possibility dinyatakan dengan graf yang sama dan diberi frame dengan relasi POSPAR atau NECPAR (Zhang 2002).
sore
Gambar 7 Contoh penggunaan relasi ORD. 8. Relasi SKO (SKOLEM) Relasi skolem (SKO) digunakan, jika suatu token informasinya bergantung pada token yang lainnya. Contoh: pernyataan
∀x ∈ N, ∃ y ∈ N (x 2 = y)
yang memuat universal quantifiers. Pada pernyataan tersebut nilai y bergantung pada x . Bentuk grafnya dapat dilihat pada Gambar 8.
x
ALI
SKO
ALI
y
Gambar 8 Contoh penggunaan relasi SKO. 9. Ontologi F (FOCUS) Menurut Nurdiati dan Hoede (2009), Ontologi F digunakan untuk menunjukkan fokus dari suatu graf. Contoh: “nelayan cari ikan”. Dalam kalimat tersebut yang menjadi fokus adalah “nelayan”, bentuk grafnya dapat dilihat pada Gambar 9.
Gambar 10 Contoh penggunaan frame FPAR, NEGPAR, POSPAR, dan NECPAR. Gambar 10 secara berurutan menunjukkan graf dari pernyataan bahwa hari ini hujan, tidak benar bahwa hari ini hujan, mungkin hari ini hujan, dan seharusnya hari ini hujan. Stemming Stemming adalah proses pemotongan imbuhan pada kata untuk mendapatkan kata dasar. Proses ini mempunyai dua tujuan. Tujuan yang pertama adalah efisien, stemming mengurangi jumlah kata unik di dalam indeks. Tujuan yang kedua adalah efektif, stemming memperbaiki recall dengan mengurangi semua bentuk dari kata dasar (Liddy 2001).
3
Nomina (Kata Benda) 1. Batasan dan Ciri Kata Benda Menurut Alwi et al. (2003) nomina, yang sering juga disebut kata benda, dapat dilihat dari tiga segi, yakni segi semantik, segi sintatik, dan segi bentuk. Dari segi semantik, kita dapat mengatakan bahwa kata benda adalah kata yang mengacu pada manusia, binatang, benda, dan konsep atau pengertian. Dari segi sintatiknya, kata benda mempunyai ciri-ciri tertentu, yaitu : 1) Dalam kalimat yang predikatnya verba, nomina cenderung menduduki fungsi subjek, objek, atau pelengkap. 2) Kata benda tidak dapat diingkarkan dengan kata tidak. Kata pengingkarnya ialah bukan. 3) Kata benda umumnya dapat diikuti oleh adjektiva, baik secara langsung maupun dengan diantarai oleh kata yang. Dilihat dari segi bentuk morfologisnya, kata benda terdiri atas dua macam, yaitu kata benda yang berbentuk kata dasar dan kata benda turunan.
5) Afiksasi kata benda dengan peng-an Kata benda dengan afiksasi peng-an mempunyai beberapa alomorf: peng-an, pen-an, pem-an, penge-an, peny-an, dan pean. 6) Afiksasi kata benda dengan per-an 7) Afiksasi kata benda dengan ke-an
METODE PENELITIAN Data Data yang digunakan pada penelitian ini adalah kata benda berbahasa Indonesia dalam bentuk tunggal. Metodologi Pada penelitian ini dilakukan beberapa tahapan dalam proses penambahan modul word graph. Diagram proses kamus penambahan modul kamus word graph pada penelitian ini dapat dilihat pada Gambar 11.
2. Kata Benda Dasar
Mulai
Kata benda dasar adalah kata benda yang hanya terdiri atas satu morfem. Kata benda dasar terdiri atas kata benda dasar umum dan kata benda dasar khusus.
Studi Literatur
3. Kata Benda Turunan Kata benda turunan adalah kata benda yang terbentuk dari kata benda dasar, dengan menambahkan afiks tertentu pada kata dasar. Penurunan kata benda ini dilakukan berdasarkan afiksasi, perulangan, atau pemajemukan.
Analisis BogorDelftConStruct
Penambahan Modul Kamus Kata Benda
Dalam tata bahasa baku bahasa Indonesia pada dasarnya ada tiga prefiks dan satu sufiks yang dipakai untuk menurunkan kata benda, yaitu prefiks ke-, per-, dan peng- serta sufiks -an. Prefiks dan sufiks dapat bergabung, jadi seluruhnya ada tujuh macam afiksasi dalam penurunan kata benda, yaitu:
Analisis Hasil
Dokumentasi & Laporan
1) Afiksasi kata benda dengan ke2) Afiksasi kata benda dengan perPrefiks per- mempunyai tiga alomorf, yakni pel-, per-, dan pe-. 3) Afiksasi kata benda dengan pengPrefiks peng- mempunyai enam alomorf, yakni pem-, pen-, peny-, pe-, peng- dan penge-. 4) Afiksasi kata benda dengan -an
Selesai
Gambar 11 Diagram proses penambahan modul kamus word graph. Studi Literatur Pada tahapan yang pertama adalah studi literatur. Studi literatur ini adalah kegiatan
4
untuk mengumpulkan semua bahan pustaka yang relevan dan sesuai topik atau tema. Penelitian ini didasarkan pada penelitian sebelumnya di antaranya tesis Hairul Saleh (2009) yang berjudul “Analisis Pembentukan Word Graph Kata Benda Menggunakan Metode Knowledge Graph” dan skripsi Deni Romadoni (2009) yang berjudul “Pengembangan Sistem Pembentukan Word Graph untuk Teks Berbahasa Indonesia”. Hasil pengkajian penelitian sebelumnya tersebut digunakan untuk mengembangkan modul kamus word graph untuk kata benda.
Gambar 12 Panel Dictionary.
Analisis BogorDelftConStruct BogorDelftConStruct pada awalnya bernama DelftConStruct. DelftConStruct adalah tools yang menganalisis teks berbahasa Inggris dan menampilkan visualisasi dalam bentuk graf dengan menggunakan metode KG. Pembentukan word graph pada DelftConStruct masih belum sesuai dengan konsep KG. Sebagai contoh salah satu ketidaksesuaian konsep tersebut adalah tidak ada arah panah sebagai petunjuk relasi. Dengan keterbatasan fitur yang ada pada DelftConStruct, kemudian dikembangkan BogorDelftConStruct yang dapat menganalisis teks berbahasa Indonesia dan sesuai dengan konsep KG. Pada BogorDelftConStruct terdapat tiga modul utama, yaitu: modul pembentukan dan modifikasi word graph, modul analisis graf, dan modul pembentukan dan modifikasi kamus word graph. Pada modul-modul tersebut terdapat beberapa fitur. Salah satu fitur yang ada adalah panel dictionary. Panel dictionary berfungsi untuk menampilkan daftar graf yang telah dibuat. Panel dictionary dapat dilihat pada Gambar 12. Token pada graf yang berhasil dibentuk pada sistem ini berwarna biru, sedangkan fokus dari token berwarna biru muda. Gambar 13 memperlihatkan contoh sebuah word graph yang berhasil dibentuk pada workspace, yang menyatakan sebuah pernyataan “dari permukaan sampai dasar”. Token pada graf Gambar 13 berwarna biru, karena tidak ada fokus token dari graf tersebut.
Gambar 13 Contoh word graph yang dibentuk dalam workspace. Dengan segala keterbatasan sistem pada BogorDelftConStruct, masih banyak kemungkinan untuk melengkapi fitur pada perangkat lunak ini. Penelitian yang akan dilakukan adalah dengan menambahkan modul kamus word graph untuk kata benda, berdasarkan penelitian yang telah dilakukan oleh Saleh (2009). Penambahan Modul Kamus Kata Benda Terdapat beberapa tahapan pada proses penambahan modul kamus kamus kata benda, yaitu: a. Praproses Tahapan praproses dilakukan untuk membatasi nilai masukan pada sistem. Pada tahapan ini kata yang dimasukkan akan dicek apakah bersifat tunggal atau tidak. Jika kata yang dimasukkan bersifat tunggal (satu kata), maka akan diproses ke tahap selanjutnya. Tahapan ini juga digunakan untuk memeriksa nilai masukan, apakah berupa karakter atau tidak. b. Proses Stemming dan Kamus Besar Bahasa Indonesia (KBBI) Setelah dilakukan praproses pada kata masukan dilakukan proses stemming. Proses stemming dilakukan untuk memperoleh kata dasar dan afiks (imbuhan) yang berupa prefiks
5
(awalan) dan suffiks (akhiran). Hasil dari proses stemming ini digunakan pada proses penentuan pola kata benda. Proses stemming yang digunakan pada penelitian ini, mengadopsi proses stemming yang telah dilakukan oleh Iqbal (2010). Proses stemming yang dilakukan oleh Iqbal (2010) menggunakan KBBI yang telah disesuaikan. KBBI digunakan untuk memeriksa kata dasar hasil stemming. Pada penelitian ini KBBI selain digunakan untuk memeriksa kata dasar hasil stemming, KBBI digunakan juga untuk mengenali label dari kata dasar yang didapat dari hasil stemming. KBBI yang digunakan pada penelitian ini dilakukan beberapa pengubahan. Pada awalnya di dalam KBBI asli terdapat tiga field yaitu : ‘Kata’, ‘Sifat’ dan ‘Subkata’. Pada field ‘Kata’ berisi kata dasar, sedangkan field ‘Subkata’ berisi kata turunan, yang terdiri dari kata berimbuhan dan kata berulang. Satu kata dasar dapat memiliki lebih dari satu subkata, kata-kata tersebut disusun berdasarkan susunan alfabetis. Tiap-tiap kata ditulis dengan pemenggalan kata berdasarkan Pedoman Umum Ejaan Bahasa Indonesia yang Disempurnakan. Misalnya kata ‘mengandalkan’, dipenggal menjadi meng.an.dal.kan. Pada field ‘Sifat’ berisi label dari kata yang sesuai dengan konteks dan keperluannya. Label yang digunakan pada KBBI, yaitu: label ragam bahasa, label kelas kata, label penggunaan bahasa yang menunjukkan dalam dialek mana kata yang bersangkutan digunakan, dan label bidang kehidupan dan bidang ilmu yang menunjukkan dalam bidang apa kata tersebut digunakan. Misalnya label ‘n komp’, merupakan nomina (kata benda) yang digunakan pada bidang kehidupan dan bidang ilmu komputer. Seluruh kata yang dimuat dalam KBBI beserta labelnya (seperti kelas kata, ragam bahasa dan sebagainya) disusun dalam tabel Entry (Iqbal, 2010). Susunan tabel Entry terdiri dari empat field, yaitu ‘EntryID’, ‘Word’, ‘Category’, dan ‘Stem’. Field ‘EntryID’ berisi nomor identifikasi kata. Pada field ‘Word’ berisi kata dasar dan kata turunan, sedangkan pada field ‘Stem’ berisi kata dasar. Pada field ‘Category’ berisi label dari kata yang diambil kelas kata secara umumnya saja. Misalnya label ‘n komp’, diubah menjadi ‘n’ (nomina) saja. c. Penentuan Pola Kata Benda Pembentukan pola disesuaikan dengan aturan-aturan pembentukan kata benda yang telah dianalisis dalam penelitian Saleh (2009).
Berdasarkan penelitian yang telah dilakukan, pola word graph untuk kata benda terdapat 20 pola. Pola-pola tersebut digolongkan berdasarkan makna semantik dan bentuk imbuhan yang terdapat pada kata tersebut. Analisis Hasil Pada tahap ini pola kata benda yang telah terbentuk akan dianalisis, apakah sesuai dengan penelitian yang telah dilakukan oleh Saleh (2009) atau tidak. Sejumlah kata benda dimasukkan untuk dijadikan skenario pengujian, kemudian dihitung akurasinya. Penghitungan akurasi dilakukan dengan cara menghitung berapa banyak kata yang dikenali dan sesuai dengan pola word graph. akurasi =
∑ kata yang benar x100% ∑ kata yang diuji
HASIL DAN PEMBAHASAN BogorDelftConStruct merupakan perangkat lunak yang dikembangkan dengan berbagai fitur tambahan yang mendukung terbentuknya word sesuai dengan konsep KG. graph BogorDelftConStruct dikembangkan menggunakan bahasa pemrograman MATLAB. Fitur-fitur yang ada pada BogorDelftConStruct masih terbatas. Pengembangan yang dilakukan pada penelitian ini, dengan menambahkan modul kamus kata benda pada BogorDelftConStruct. Batasan Sistem Berikut ini merupakan batasan-batasan sistem, pada pengembangan yang dilakukan: a. Pada sistem ini yang menjadi masukan hanyalah satu kata. b. Posisi kata diperhatikan.
dalam
kalimat
tidak
c. Makna semantik dari kata benda tidak diperhatikan. d. Label dari kata dasar berdasarkan kamus. e. Tidak semua pola word graph kata benda pada penelitian Saleh (2009) digunakan. Penambahan Modul Kamus Kata Benda Di dalam modul kamus kata benda terdapat beberapa proses, di antaranya : a. Praproses Kata benda yang dimasukkan dilakukan praproses terlebih dahulu. Kata yang
6
dimasukkan diperiksa apakah lebih dari satu kata dan mengandung selain karakter, kecuali tanda hubung ( – ) . Jika kata yang dimasukkan lebih dari satu kata dan mengandung selain karakter, maka akan muncul peringatan dan tidak akan diproses ke tahap selanjutnya.
dikembalikan. Kata yang dikembalikan disertai label dari kata dasar hasil stemming. Diagram proses stemming dapat dilihat pada Gambar 14.
b. Proses Stemming dan KBBI Proses stemming dilakukan untuk memperoleh imbuhan dan kata dasar. Program stemming yang dibuat menggunakan bahasa pemrograman MATLAB. Pada proses stemming yang telah dibuat, menghasilkan kata dasar dan imbuhan yang dapat berupa awalan dan akhiran. Proses stemming yang pada penelitian ini mengadopsi proses stemming yang telah dilakukan oleh Iqbal (2010), proses stemming tersebut mampu menangani masalah overstem dan understem dengan baik. Selain menggunakan KBBI yang disesuaikan proses stemming yang dilakukan Iqbal (2010) juga menggunakan tabel Fixations. Tabel Fixations ini digunakan untuk menampung imbuhanimbuhan penyusun kata turunan yang tidak terdapat pada KBBI yang disesuaikan, seperti ‘di-‘ dan ‘-kan’. Tabel Fixations memuat daftar prefiks, sufiks, kombinasi keduanya (konfiks), serta partikel dan kata ganti (Iqbal 2010). Proses stemming dengan KBBI dilakukan dengan langkah-langkah sebagai berikut: 1. Kata yang akan di-stem dicari apakah terdapat pada KBBI atau tidak. 2. Jika kata ditemukan pada KBBI, maka akan diambil kata dasarnya pada field ‘Stem’ dan dimasukkan ke dalam daftar kandidat kata. 3. Jika kata tidak terdapat pada KBBI yang disesuaikan, maka kata akan dicek apakah mengandung imbuhan yang terdapat pada tabel Fixations atau tidak. Untuk setiap imbuhan yang terdapat pada tabel Fixations dilakukan proses pemotongan berurut sesuai dengan imbuhan-imbuhan yang terdapat pada tabel tersebut. Jika imbuhan tidak terdapat pada tabel Fixations, maka dilakukan proses stemming. 4. Setiap hasil pemotongan imbuhan dimasukkan pada sebuah daftar kandidat kata. Setiap kata yang terdapat dalam kandidat kata diperiksa apakah terdapat dalam KBBI yang disesuaikan atau tidak. Jika tidak ada satupun kata yang terdapat dalam KBBI yang disesuaikan, maka kata masukan sebelum di-stem dikembalikan. Jika terdapat lebih dari satu kandidat kata, maka semua kata yang ditemukan
Gambar 14 Proses Stemming c. Proses Pengenalan Pola Setelah mendapatkan imbuhan dari proses stemming dan label dari kata dasar, kata benda ditentukan pola word graph-nya. Penentuan pola word graph ini disesuaikan dengan aturanaturan pembentukan kata benda yang telah dianalisis dalam penelitian Saleh (2009). Jika imbuhan dan label dari kata tersebut sesuai dengan pola yang ada, maka word graph kata benda tersebut akan ditampilkan. Jika imbuhan dan label dari kata tersebut tidak sesuai dengan pola yang ada, maka akan diberi peringatan. Pola Word Graph Kata Benda Berdasarkan penelitian yang telah dilakukan oleh Saleh (2009), dari segi bentuknya kata benda terdiri atas kata benda dasar dan kata benda turunan. Kata benda dapat
7
dikelompokkan berdasarkan imbuhan, label dari kata dasar, dan makna semantik dari kata benda itu sendiri. Dari imbuhan, label dari kata dasar, dan makna kata, kata benda dapat dibentuk menjadi sebuah word graph. Word graph kata benda dibentuk dengan mempertimbangkan teori KG tentang pembentukan word graph. Pada penelitian Saleh (2009), terdapat 20 pola word graph pada kata benda, yaitu: 1. Pola kata benda dasar (KBD). 2. Pola pe-kata kerja (KK) 1, yang bermakna orang yang KK. 3. Pola pe-KK 2, yang bermakna orang yang KK, sesuatu yang KK atau alat KK. 4. Pola pe-KK 3, yang bermakna orang atau sesuatu yang di-KK atau dijadikan KK. 5. Pola pe-kata benda (KB) 1, yang bermakna orang yang berhubungan dengan KB. 6. Pola pe-KB 2, yang bermakna orang atau sesuatu yang berhubungan dengan KB. 7. Pola pe-kata sifat (KS) 1, yang bermakna orang yang KS. 8. Pola pe-KS 2, yang bermakna orang atau sesuatu yang me-KK. 9. Pola KK-an, yang bermakna objek atau akibat dari KK. 10. Pola KB-an, yang bermakna sesuatu yang bergantung kepada KB. 11. Pola KS-an, yang bermakna sesuatu yang mempunyai sifat KS. 12. Pola kata bilangan. 13. Pola pe-KK-an 1, yang bermakna perbuatan atau hal KK, dengan KK adalah kata kerja transitif. 14. Pola pe-KK-an 2, yang bermakna perbuatan atau hal KK dengan KK adalah kata kerja taktransitif. 15. Pola pe-KB-an 1, yang bermakna hal yang berkaitan dengan KB. 16. Pola pe-KB-an 2, yang bermakna perbuatan me-KB-kan. 17. Pola pe-KS-an, yang bermakna perbuatan me-KS-kan. 18. Pola ke-kata dasar (KD)-an. 19. Pola ke-KD. 20. Pola kata benda yang belum terpolakan (KBT). Pada penelitian ini tidak semua pola word graph kata benda tersebut digunakan. Pola yang digunakan pada penelitian ini, diambil yang maknanya dianggap mewakili kata benda yang mempunyai imbuhan dan label dari kata dasar yang sama. Pola-pola word graph kata benda yang digunakan pada penelitian ini, yaitu: 1. Pola KBD. 2. Pola pe-KK 2, yang bermakna orang yang KK, sesuatu yang KK atau alat KK.
3. Pola pe-KB 2, yang bermakna orang atau sesuatu yang berhubungan dengan KB. 4. Pola pe-KS 2, yang bermakna orang atau sesuatu yang me-KK. 5. Pola KK-an, yang bermakna objek atau akibat dari KK. 6. Pola KB-an, yang bermakna sesuatu yang bergantung kepada KB. 7. Pola KS-an, yang bermakna sesuatu yang mempunyai sifat KS. 8. Pola kata bilangan. 9. Pola pe-KK-an 1, yang bermakna perbuatan atau hal KK, dengan KK adalah kata kerja transitif. 10. Pola pe-KB-an 1, yang bermakna hal yang berkaitan dengan KB. 11. Pola pe-KS-an, yang bermakna perbuatan me-KS-kan. 12. Pola ke-KD-an. 13. Pola ke-KD. Pola-pola word graph kata benda tersebut dapat dilihat pada Lampiran 1. Pada penelitian ini, yang dijadikan dasar penggunaan pola adalah imbuhan dan label dari kata dasar, sedangkan makna semantik kata benda itu sendiri tidak diperhatikan. Misalnya pada kata ‘pemancing’, mempunyai imbuhan ‘pe-’, label dari kata dasarnya adalah ‘kata benda’, sedangkan makna semantik dari kata tersebut berarti ‘orang atau sesuatu yang berhubungan dengan pancing’. Pada penelitian ini yang dijadikan dasar sebagai pola pada kata ‘pemancing’, yaitu imbuhan ‘pe-’ dan label dari kata dasar tersebut, yaitu ‘kata benda’. Contoh pola yang terbentuk dari imbuhan ‘pe-’ dan label dari kata dasar, yaitu ‘kata benda’, dapat dilihat pada Gambar 15. pemancing
ALI
SKO ALI
pancing Gambar 15 Contoh word graph kata benda, pola imbuhan pe-kata benda. Implementasi Antarmuka Modul kamus kata benda ditambahkan pada menu Dictionary, sub menu Indonesian Dictionary. Gambar 16 memperlihatkan gambar menu Noun Dictionary. Jika menu Noun Dictionary diklik, maka akan muncul input box. Gambar 17 memperlihatkan gambar input box, ketika menu Noun Dictionary diklik. Kata benda yang akan dicari dimasukkan ke dalam
8
input box, kemudian kata tersebut akan diproses.
yaitu kata benda yang ada pada penelitian Saleh (2009). Hasil pengujian yang telah dilakukan dapat dilihat pada Tabel 1. Tabel 1 Hasil Pengujian Pola Word Graph Kata Benda
Gambar 16 Menu Noun Dictionary.
Gambar 17 Input Box. Proses yang pertama adalah praproses. Setelah dilakukan praproses maka dilakukan proses stemming. Pada saat proses stemming akan dihasilkan imbuhan, kata dasar, dan label dari kata dasar, yang kemudian digunakan untuk proses pengecekan pola. Jika tidak ada pola yang sesuai, maka akan muncul peringatan. Jika ada pola yang sesuai dengan imbuhan dan label dari kata dasar yang dimasukkan, maka pola word graph kata benda akan ditampilkan. Pada graf yang ditampilkan, jika ada fokus dari suatu token, maka token tersebut diberi warna yang berbeda dari warna token yang lainnya. Deskripsi sistem dapat dilihat pada Lampiran 2. Gambar 18 memperlihatkan contoh sebuah word graph kata benda yang polanya sesuai dengan aturan penelitian Saleh (2009). Pada gambar tersebut ada fokus dari suatu token, yang diberi warna yang berbeda dari token lainnya.
Gambar 18 Contoh sebuah word graph kata benda yang polanya sesuai. Analisis Hasil Hasil word graph kata benda yang terbentuk secara otomatis dianalisis, apakah sesuai dengan pola berdasarkan aturan pada penelitian Saleh (2009). Kata benda yang dilakukan pengujian,
Pola Word Graph Kata Benda KBD pe-KK 2 pe-KB 2 pe-KS 2 KK-an KB-an KS-an Kbil pe-KK-an 1 pe-KB-an 1 pe-KS-an ke-KD-an KD-an Total
Kata yang diuji 15 15 8 9 15 9 7 8 15 12 12 15 4 144
Kata yang sesuai 15 14 8 9 15 9 7 8 15 12 12 15 4 143
Akurasi
100% 93,33% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 99,33%
Berikut ini merupakan penjelasan untuk setiap pola word graph kata benda yang diujikan: 1. Pola KBD. Pada pola KBD ada 15 (lima belas) kata benda dasar yang diujikan dan menghasilkan akurasi 100%. Semua kata yang dimasukkan dikenali dengan benar, sesuai dengan pola pembentuk word graph KBD dan semua kata hasil stemming sesuai dengan yang seharusnya. Hasil pengujian pola KBD dapat dilihat pada Lampiran 3. 2. Pola pe-KK 2, yang bermakna orang yang KK, sesuatu yang KK atau alat KK. Pada pola pe-KK 2 ada 15 (lima belas) kata benda yang diujikan ke dalam sistem dan menghasilkan akurasi sebesar 93,33%. Pada pola ini terdapat 1 kesalahan, kesalahan ini terjadi pada kata ‘pengetes’. Pada saat stemming kata ‘pengetes’ proses menghasilkan dua hasil, yaitu kata ‘ketes’ yang mempunyai label ‘kata benda’ dan ‘tes’ yang mempunyai label ‘kata kerja’. Pada saat proses pengecekan pola, pola yang dicek terlebih dahulu adalah pola dengan imbuhan ‘pe-’, label kata dasarnya ‘kata benda’, sehingga graf yang ditampilkan adalah graf pola pe-KB 2 dengan kata dasar ‘ketes’ dan dengan label
9
‘kata benda’. Hasil pengujian pola pe-KK 2 dapat dilihat pada Lampiran 4. 3. Pola pe-KB 2, yang bermakna orang atau sesuatu yang berhubungan dengan KB. Pada pola ini ada 8 (delapan) kata benda yang diujikan ke dalam sistem, dari delapan kata tersebut menghasilkan akurasi sebesar 100%. Semua kata beda masukan dikenali dengan benar, sesuai dengan pola pembentuk word graph pe-KB2 dan semua kata dasar hasil stemming sesuai dengan yang seharusnya. Hasil pengujian pola peKB 2 dapat dilihat pada Lampiran 5. 4. Pola pe-KS 2, yang bermakna orang atau sesuatu yang me-KK. Ada 9 (sembilan) kata benda yang diujikan pada pola pe-KS 2, dari sembilan kata tersebut menghasilkan akurasi sebesar 100%. Pada pola ini semua kata beda masukan dikenali dengan benar, sesuai dengan pola pembentuk word graph pe-KS 2 dan semua kata dasar hasil stemming sesuai dengan yang seharusnya. Hasil pengujian pe-KS 2 dapat dilihat pada Lampiran 6. 5. Pola KK-an, yang bermakna objek atau akibat dari KK. Ada 15 (lima belas) kata benda yang diuji pada pola ini, dari lima belas kata tersebut menghasilkan akurasi sebesar 100%. Pada pola ini semua kata benda yang dimasukkan menghasilkan kata dasar hasil stemming dan pola word graph yang sesuai. Hasil pengujian pola KK-an dapat dilihat pada Lampiran 7. 6. Pola KB-an, yang bermakna sesuatu yang bergantung kepada KB. Pada pola ini 9 (sembilan) kata benda yang diujikan, akurasi yang dihasilkan adalah sebesar 100%. Pada pola ini semua kata beda yang diujikan ke dalam sistem dikenali dengan benar, sesuai dengan pola pembentuk word graph KB-an dan kata dasar hasil stemming juga sudah sesuai dengan yang seharusnya. Hasil pengujian pola KB-an dapat dilihat pada Lampiran 8. 7. Pola KS-an, yang bermakna sesuatu yang mempunyai sifat KS. Pada pola KS-an ada 7 (tujuh) kata benda yang diujikan dan menghasilkan akurasi sebesar 100%. Pada pola ini semua kata beda yang diujikan ke dalam sistem dikenali dengan benar, sesuai dengan pola
pembentuk word graph KS-an dan kata dasar hasil stemming juga sudah sesuai dengan yang seharusnya. Hasil pengujian pola KS-an dapat dilihat pada Lampiran 9. 8. Pola kata bilangan. Pada pola ini ada 8 (delapan) kata benda yang diujikan pada sistem. Pengujian tersebut menghasilkan akurasi sebesar 100%. Pada pola ini semua kata beda yang diujikan ke dalam sistem dikenali dengan benar, sesuai dengan pola pembentuk word graph kata bilangan dan kata dasar hasil stemming juga sudah sesuai dengan yang seharusnya. Hasil pengujian pola kata bilangan dapat dilihat pada Lampiran 10. 9. Pola pe-KK-an 1, yang bermakna perbuatan atau hal KK, dengan KK adalah kata kerja transitif. Pada pola pe-KK-an 1 ada 15 (lima belas) kata yang diujikan dan menghasilkan akurasi sebesar 100%. Pada Pada pola ini semua kata benda yang dimasukkan menghasilkan kata dasar hasil stemming dan pola word graph yang sesuai. Hasil pengujian pola pe-KK-an 1 dapat dilihat pada Lampiran 11. 10. Pola pe-KB-an 1, yang bermakna hal yang berkaitan dengan KB. Pada pola ini ada 12 (dua belas) kata benda diujikan pada pola pe-KB-an 1 dan menghasilkan akurasi sebesar 100%. Semua kata benda yang dimasukkan menghasilkan kata dasar hasil stemming dan pola word graph yang sesuai dengan pola pembentuk word graph pe-KB-an 1. Hasil pengujian pola pe-KB-an 1 dapat dilihat pada Lampiran 12. 11. Pola pe-KS-an, yang perbuatan me-KS-kan.
bermakna
Pada pola ini ada 12 (dua belas) kata benda yang diujikan dan menghasilkan akurasi sebesar 100%. Semua kata beda yang diujikan ke dalam sistem dikenali dengan benar, sesuai dengan pola pembentuk word graph pe-KS-an dan kata dasar hasil stemming juga sudah sesuai dengan yang seharusnya. Hasil pengujian pola pe-KS-an dapat dilihat pada Lampiran 13. 12. Pola ke-KD-an. Pada pola ke-KD-an ada 15 (lima belas) kata benda yang diujikan dan menghasilkan akurasi 100%. Pada pola ini semua kata benda yang dimasukkan menghasilkan kata
10
dasar hasil stemming dan pola word graph yang sesuai dengan yang seharusnya. Hasil pengujian pola ke-KD-an dapat dilihat pada Lampiran 14. 13. Pola ke-KD. Pada pola ini ada 4 (empat) kata benda diujikan, karena tidak banyak kata kata benda yang diturunkan dengan prefiks ke-. Akurasi yang dihasilkan adalah sebesar 100%. Pada pola ini semua kata beda yang diujikan ke dalam sistem dikenali dengan benar, sesuai dengan pola pembentuk word graph ke-KD dan kata dasar hasil stemming juga sudah sesuai dengan yang seharusnya. Hasil pengujian pola ke-KD dapat dilihat pada Lampiran 15. Hasil Pengujian Keseluruhan Jumlah kata benda yang diuji secara keseluruhan adalah 144 kata, dengan akurasi yang dihasilkan adalah 99,33% (1 kesalahan). Kesalahan tersebut terjadi karena pada saat proses stemming kata dasar yang dihasilkan lebih dari satu kata dasar. Jika hasil dari proses stemming menghasilkan lebih dari satu kata dasar, maka kemungkinan yang terpilih adalah yang pertama kali dikenali polanya walaupun pilihan tersebut belum tentu benar. Kekurangan dan Kelebihan Sistem Kelebihan sistem ini adalah telah terbangun modul kamus word graph untuk kata benda. Pola word graph kata benda yang digunakan adalah 13 pola. Pada saat pembangkitan pola word graph kata benda, sistem tidak terbebani untuk selalu menyimpan pola-pola tersebut. Label frame pada graf yang dihasilkan sistem ini, yang digunakan untuk menyatakan kata yang dimasukkan ke dalam sistem, sudah berhasil diposisikan menunjuk ke arah frame sesuai dengan pola word graph kata benda bedasarkan penelitian Saleh (2009). Kekurangan sistem ini adalah jika kata dasar yang dihasilkan dari proses stemming lebih dari satu kata, sistem belum dapat menampilkan graf yang kata dasarnya sesuai dengan keinginan user, yaitu dengan memilih kata dasar dari beberapa hasil proses stemming yang ada. Pada graf yang dihasikan oleh sistem ini, posisi relasi (yang digunakan untuk menghubungkan type dengan token) masih belum tepat.
KESIMPULAN DAN SARAN Kesimpulan Berdasarkan penelitian yang telah dilakukan, telah terbangun modul kamus word graph kata benda. Pola yang digunakan dalam penelitian ini didasarkan pada aturan penelitian yang telah dilakukan oleh Saleh (2009), namun hanya 13 pola yang digunakan dalam pembangunan modul. Hasil pengujian secara keseluruhan diperoleh akurasi sebesar 99,33%. Kata yang diujikan berjumlah 144 kata, kesalahan yang terjadi adalah 1 kesalahan. Kesalahan tersebut terjadi karena pada saat proses stemming ada lebih dari satu kata dasar yang dihasilkan dan terdapat label dari kata dasar tersebut di dalam tabel Entry. Saran Untuk pengembangan yang selanjutnya, ada beberapa saran yang dapat ditambahkan ke dalam sistem, di antaranya : 1. Penambahan bagian dalam modul agar mampu membaca lebih dari satu kata, seperti frasa dan klausa. 2. Penambahan bagian dalam sistem agar dapat memberikan pilihan kata dasar yang diinginkan oleh user, jika kata dasar yang dihasilkan dari proses stemming lebih dari satu kata.
DAFTAR PUSTAKA Alwi H, Dardjowidjojo S, Lapoliwa H, Moeliono AM. 2003. Tata Bahasa Baku Bahasa Indonesia. Ed ke-3. Jakarta: Balai Pustaka. Arman AA. 2004. Teknologi Pemrosesan Bahasa Alami Sebagai Teknologi Kunci untuk Meningkatkan Cara Interaksi antara Manusia dengan Mesin. Orasi Ilmiah Deprtemen Teknik Elektro, Fakultas Teknik Industri . ITB. Hulliyah K. 2007. Rekayasa Memahami Teks Menggunakan Metode Knowledge Graph. [tesis]. Bogor: Program Pascasarjana, Institut Pertanian Bogor. Iqbal, R. 2010. Pengembangan Stemmer Berbasis Kamus Besar Bahasa Indonesia. [skripsi]. Bogor: Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor. Liddy E. 2001. How a Search engine Works. [terhubung berkala]
11
http://www.infotoday.com/searcher/may01/li ddy.htm [05-08-2009]. Nurdiati S, Hoede C. 2008. 25 Years Development of Knowledge Graph Theory: The Results and The Challenge. The 3rd International Conference On Mathematics And Statistic, Institut Pertanian Bogor. Nurdiati S, Hoede C. 2009. On Word Graph Construction of Certain Aspects of Indonesian Language. Supplementary Proceedings of the 17th International Conference on Conceptual Structures. Moscow, Rusia. Romadoni D. 2009. Pengembangan Sistem Pembentukan Word Graph Untuk Teks
Berbahasa Indonesia. [skripsi]. Bogor: Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor. Rusiyamti. 2008. Analisis Teks Berbahasa Indonesia Menggunakan Teori Knowledge [tesis]. Bogor: Program Graph. Pascasarjana, Institut Pertanian Bogor. Saleh H. 2009. Analisis Pembentukan Word Graph Kata Benda Menggunakan Teori Knowledge Graph. [tesis]. Bogor: Program Pascasarjana, Institut Pertanian Bogor. Zhang, L. 2002. Knowledge Graph Theory and Structural Parsing. [disertasi]. ISBN 9036518350. Netherlands: Twente University.
12
LAMPIRAN
13
Lampiran 1 Pola word graph kata benda yang digunakan Word graph Pola 1 KBD
KBD
ALI
pe-KK
ALI
Word graph Pola 2 pe-KK 2
CAU ALI
KK
Word graph Pola 3 pe-KB 2
pe-KB
ALI
SKO ALI
KB
Word graph Pola 4 pe-KS 2 pe-KS
ALI
CAU
CAU
ALI
KS
Word graph Pola 5 KK-an
KK-an
ALI
CAU ALI
KK
Word graph Pola 6 KB-an
KB-an
ALI
SKO ALI
KB
Word graph Pola 7 KS-an
KS-an
ALI
PAR ALI
KS
14
Lampiran 1 Lanjutan Word graph Pola 8 kata bilangan
himpunan ALI
PAR
kata ALI bilangan
bilangan trekecil
EQU
ORD
ORD
ALI bilangan
ALI bilangan
EQU bilangan terbesar ALI bilangan
Word graph Pola 9 pe-KK-an 1 SKO
pe-KK-an
CAU
ALI
CAU
ALI
ALI orang
Word graph Pola 10 pe-KB-an 1
pe-KB-an
ALI
KK
SKO ALI
KB
Word graph Pola 11 pe-KS-an SKO
pe-KS-an
CAU
ALI
CAU
ALI
ALI orang
Word graph Pola 12 ke-KD-an
ke-KD-an
KS
ALI
SKO
ALI
KD
Word graph Pola 13 ke-KD
ke-KD
ALI
CAU
CAU
ALI
KD
15
Lampiran 2 Deskripsi sistem
16
Lampiran 3 Hasil Pengujian Pola KBD No
Kata Masukan
1
laba-laba
2
jembatan
3
sekolah
4
kereta
5
kupu-kupu
6
laut
7
kebun
8
ladang
9
kecambah
10
sepeda
11
bangsawan
12
manajemen
13
ani-ani
14
sayur
15
amandemen
Skenario Word Graph pola KBD Word Graph pola KBD Word Graph pola KBD Word Graph pola KBD Word Graph pola KBD Word Graph pola KBD Word Graph pola KBD Word Graph pola KBD Word Graph pola KBD Word Graph pola KBD Word Graph pola KBD Word Graph pola KBD Word Graph pola KBD Word Graph pola KBD Word Graph pola KBD
Kata Dasar
Sifat/Label Kata Dasar
Hasil Pengujian
laba-laba
kata benda
Sesuai
jembatan
kata benda
Sesuai
sekolah
kata benda
Sesuai
kereta
kata benda
Sesuai
kupu-kupu
kata benda
Sesuai
laut
kata benda
Sesuai
kebun
kata benda
Sesuai
ladang
kata benda
Sesuai
kecambah
kata benda
Sesuai
sepeda
kata benda
Sesuai
bangsawan
kata benda
Sesuai
manajemen
kata benda
Sesuai
ani-ani
kata benda
Sesuai
sayur
kata benda
Sesuai
amandemen
kata benda
Sesuai
17
Lampiran 4 Hasil Pengujian Pola pe-KK 2 No
Kata Masukan
1
pemukul
2
pemotong
3
penetas
4
penopang
5
pembatas
6
penyadap
7
penadah
8
pengetes
9
petunjuk
10
pelindung
11
penyuluh
12
penggali
13
penghapus
14
pendorong
15
pendobrak
Skenario Word Graph pola pe-KK 2 Word Graph pola pe-KK 2 Word Graph pola pe-KK 2 Word Graph pola pe-KK 2 Word Graph pola pe-KK 2 Word Graph pola pe-KK 2 Word Graph pola pe-KK 2 Word Graph pola pe-KK 2 Word Graph pola pe-KK 2 Word Graph pola pe-KK 2 Word Graph pola pe-KK 2 Word Graph pola pe-KK 2 Word Graph pola pe-KK 2 Word Graph pola pe-KK 2 Word Graph pola pe-KK 2
Kata Dasar
Sifat/Label Kata Dasar
Hasil Pengujian
pukul
kata kerja
Sesuai
potong
kata kerja
Sesuai
tetas
kata kerja
Sesuai
topang
kata kerja
Sesuai
batas
kata kerja
Sesuai
sadap
kata kerja
Sesuai
tadah
kata kerja
Sesuai
ketes
kata benda
Tidak Sesuai
tunjuk
kata kerja
Sesuai
lindung
kata kerja
Sesuai
suluh
kata kerja
Sesuai
gali
kata kerja
Sesuai
hapus
kata kerja
Sesuai
dorong
kata kerja
Sesuai
dobrak
kata kerja
Sesuai
Kata Dasar
Sifat/Label Kata Dasar
Hasil Pengujian
bajak
kata benda
Sesuai
sapu
kata benda
Sesuai
warna
kata benda
Sesuai
telur
kata benda
Sesuai
cakar
kata benda
Sesuai
rokok
kata benda
Sesuai
pancing
kata benda
Sesuai
ladang
kata benda
Sesuai
Lampiran 5 Hasil Pengujian Pola pe-KB 2 No
Kata Masukan
1
pembajak
2
penyapu
3
pewarna
4
petelur
5
pencakar
6
perokok
7
pemancing
8
peladang
Skenario Word Graph pola pe-KB 2 Word Graph pola pe-KB 2 Word Graph pola pe-KB 2 Word Graph pola pe-KB 2 Word Graph pola pe-KB 2 Word Graph pola pe-KB 2 Word Graph pola pe-KB 2 Word Graph pola pe-KB 2
18
Lampiran 6 Hasil Pengujian Pola pe-KS 2 No
Kata Masukan
1
pengecil
2
pemutih
3
penyubur
4
pembesar
5
pemerah
6
pengering
7
pemanis
8
pembersih
9
pencair
Skenario Word Graph pola pe-KS 2 Word Graph pola pe-KS 2 Word Graph pola pe-KS 2 Word Graph pola pe-KS 2 Word Graph pola pe-KS 2 Word Graph pola pe-KS 2 Word Graph pola pe-KS 2 Word Graph pola pe-KS 2 Word Graph pola pe-KS 2
Kata Dasar
Sifat/Label Kata Dasar
Hasil Pengujian
kecil
kata sifat
Sesuai
putih
kata sifat
Sesuai
subur
kata sifat
Sesuai
besar
kata sifat
Sesuai
merah
kata sifat
Sesuai
kering
kata sifat
Sesuai
manis
kata sifat
Sesuai
bersih
kata sifat
Sesuai
cair
kata sifat
Sesuai
Lampiran 7 Hasil Pengujian Pola KK-an No
Kata Masukan
1
makanan
2
minuman
3
siraman
4
curahan
5
tanaman
6
belahan
7
impian
8
pilihan
9
masukan
10
keluaran
11
kritikan
12
rintihan
13
binaan
14
limpahan
15
resapan
Skenario Word Graph pola KK-an Word Graph pola KK-an Word Graph pola KK-an Word Graph pola KK-an Word Graph pola KK-an Word Graph pola KK-an Word Graph pola KK-an Word Graph pola KK-an Word Graph pola KK-an Word Graph pola KK-an Word Graph pola KK-an Word Graph pola KK-an Word Graph pola KK-an Word Graph pola KK-an Word Graph pola KK-an
Kata Dasar
Sifat/Label Kata Dasar
Hasil Pengujian
makan
kata kerja
Sesuai
minum
kata kerja
Sesuai
siram
kata kerja
Sesuai
curah
kata kerja
Sesuai
tanam
kata kerja
Sesuai
belah
kata kerja
Sesuai
impi
kata kerja
Sesuai
pilih
kata kerja
Sesuai
masuk
kata kerja
Sesuai
keluar
kata kerja
Sesuai
kritik
kata kerja
Sesuai
rintih
kata kerja
Sesuai
bina
kata kerja
Sesuai
limpah
kata kerja
Sesuai
resap
kata kerja
Sesuai
19
Lampiran 8 Hasil Pengujian Pola KB-an No
Kata Masukan
1
harian
2
mingguan
3
bulanan
4
tahunan
5
tepian
6
kubangan
7
lautan
8
sayuran
9
batangan
Skenario Word Graph pola KB-an Word Graph pola KB-an Word Graph pola KB-an Word Graph pola KB-an Word Graph pola KB-an Word Graph pola KB-an Word Graph pola KB-an Word Graph pola KB-an Word Graph pola KB-an
Kata Dasar
Sifat/Label Kata Dasar
Hasil Pengujian
hari
kata benda
Sesuai
minggu
kata benda
Sesuai
bulan
kata benda
Sesuai
tahun
kata benda
Sesuai
tepi
kata benda
Sesuai
kubang
kata benda
Sesuai
laut
kata benda
Sesuai
sayur
kata benda
Sesuai
batang
kata benda
Sesuai
Kata Dasar
Sifat/Label Kata Dasar
Hasil Pengujian
manis
kata sifat
Sesuai
asinan
kata sifat
Sesuai
cair
kata sifat
Sesuai
padat
kata sifat
Sesuai
beku
kata sifat
Sesuai
hijau
kata sifat
Sesuai
datar
kata sifat
Sesuai
Lampiran 9 Hasil Pengujian Pola KS-an No
Kata Masukan
1
manisan
2
asinan
3
cairan
4
padatan
5
bekuan
6
hijauan
7
dataran
Skenario Word Graph pola KS-an Word Graph pola KS-an Word Graph pola KS-an Word Graph pola KS-an Word Graph pola KS-an Word Graph pola KS-an Word Graph pola KS-an
20
Lampiran 10 Hasil Pengujian Pola Kata Bilangan No
Kata Masukan
1
belasan
2
puluhan
3
ratusan
4
ribuan
5
jutaan
6
miliaran
7
satuan
8
triliunan
Skenario Word Graph pola Kata Bilangan Word Graph pola Kata Bilangan Word Graph pola Kata Bilangan Word Graph pola Kata Bilangan Word Graph pola Kata Bilangan Word Graph pola Kata Bilangan Word Graph pola Kata Bilangan Word Graph pola Kata Bilangan
Kata Dasar
Sifat/Label Kata Dasar
Hasil Pengujian
belas
kata bilangan
Sesuai
puluh
kata bilangan
Sesuai
ratus
kata bilangan
Sesuai
ribu
kata bilangan
Sesuai
juta
kata bilangan
Sesuai
miliar
kata bilangan
Sesuai
satu
kata bilangan
Sesuai
triliun
kata bilangan
Sesuai
Lampiran 11 Hasil Pengujian Pola pe-KK-an 1 No
Kata Masukan
1
pemindahan
2
penyemaian
3
penemuan
4
penyiraman
5
pendaftaran
6
pelampiasan
7
pemanggilan
8
peleburan
9
pelelangan
10
pengunduran
11
penyajian
12
penggalian
13
penipuan
14
pelepasan
15
pelatihan
Skenario Word Graph pola pe-KK-an 1 Word Graph pola pe-KK-an 1 Word Graph pola pe-KK-an 1 Word Graph pola pe-KK-an 1 Word Graph pola pe-KK-an 1 Word Graph pola pe-KK-an 1 Word Graph pola pe-KK-an 1 Word Graph pola pe-KK-an 1 Word Graph pola pe-KK-an 1 Word Graph pola pe-KK-an 1 Word Graph pola pe-KK-an 1 Word Graph pola pe-KK-an 1 Word Graph pola pe-KK-an 1 Word Graph pola pe-KK-an 1 Word Graph pola pe-KK-an 1
Kata Dasar
Sifat/Label Kata Dasar
Hasil Pengujian
pindah
kata kerja
Sesuai
semai
kata kerja
Sesuai
temu
kata kerja
Sesuai
siram
kata kerja
Sesuai
daftar
kata kerja
Sesuai
lampias
kata kerja
Sesuai
panggil
kata kerja
Sesuai
lebur
kata kerja
Sesuai
lelang
kata kerja
Sesuai
undur
kata kerja
Sesuai
saji
kata kerja
Sesuai
gali
kata kerja
Sesuai
tipu
kata kerja
Sesuai
lepas
kata kerja
Sesuai
latih
kata kerja
Sesuai
21
Lampiran 12 Hasil Pengujian Pola pe-KB-an 1 No
Kata Masukan
1
perbukuan
2
perburuhan
3
perikanan
4
perkotaan
5
perkampungan
6
perkapalan
7
perapian
8
pedesaan
9
perkebunan
10
perladangan
11
persahabatan
12
perkemahan
Skenario Word Graph pola pe-KB-an 1 Word Graph pola pe-KB-an 1 Word Graph pola pe-KB-an 1 Word Graph pola pe-KB-an 1 Word Graph pola pe-KB-an 1 Word Graph pola pe-KB-an 1 Word Graph pola pe-KB-an 1 Word Graph pola pe-KB-an 1 Word Graph pola pe-KB-an 1 Word Graph pola pe-KB-an 1 Word Graph pola pe-KB-an 1 Word Graph pola pe-KB-an 1
Kata Dasar
Sifat/Label Kata Dasar
Hasil Pengujian
buku
kata benda
Sesuai
buruh
kata benda
Sesuai
ikan
kata benda
Sesuai
kota
kata benda
Sesuai
kampung
kata benda
Sesuai
kapal
kata benda
Sesuai
api
kata benda
Sesuai
desa
kata benda
Sesuai
kebun
kata benda
Sesuai
ladang
kata benda
Sesuai
sahabat
kata benda
Sesuai
kemah
kata benda
Sesuai
Lampiran 13 Hasil Pengujian Pola pe-KS-an No
Kata Masukan
1
penyuburan
2
pembodohan
3
pemanasan
4
pendinginan
5
pengeringan
6
pengayaan
7
pemiskinan
8
pencerahan
9
pengosongan
10
pemenuhan
11
penghijauan
12
pemutihan
Skenario Word Graph pola pe-KS-an Word Graph pola pe-KS-an Word Graph pola pe-KS-an Word Graph pola pe-KS-an Word Graph pola pe-KS-an Word Graph pola pe-KS-an Word Graph pola pe-KS-an Word Graph pola pe-KS-an Word Graph pola pe-KS-an Word Graph pola pe-KS-an Word Graph pola pe-KS-an Word Graph pola pe-KS-an
Kata Dasar
Sifat/Label Kata Dasar
Hasil Pengujian
subur
kata sifat
Sesuai
bodoh
kata sifat
Sesuai
panas
kata sifat
Sesuai
dingin
kata sifat
Sesuai
kering
kata sifat
Sesuai
kaya
kata sifat
Sesuai
miskin
kata sifat
Sesuai
cerah
kata sifat
Sesuai
kosong
kata sifat
Sesuai
penuh
kata sifat
Sesuai
hijau
kata sifat
Sesuai
putih
kata sifat
Sesuai
22
Lampiran 14 Hasil Pengujian Pola ke-KD-an No
Kata Masukan
1
kedatagan
2
kepergian
3
kehadiran
4
keberangkatan
5
keputusan
6
ketetapan
7
kesuburan
8
kemahiran
9
kekosongan
10
keberanian
11
kebimbangan
12
kemalasan
13
kekecewaan
14
kerajinan
15
kedisiplinan
Skenario Word Graph pola ke-KD-an Word Graph pola ke-KD-an Word Graph pola ke-KD-an Word Graph pola ke-KD-an Word Graph pola ke-KD-an Word Graph pola ke-KD-an Word Graph pola ke-KD-an Word Graph pola ke-KD-an Word Graph pola ke-KD-an Word Graph pola ke-KD-an Word Graph pola ke-KD-an Word Graph pola ke-KD-an Word Graph pola ke-KD-an Word Graph pola ke-KD-an Word Graph pola ke-KD-an
Kata Dasar
Sifat/Label Kata Dasar
Hasil Pengujian
datang
kata kerja
Sesuai
pergi
kata kerja
Sesuai
hadir
kata kerja
Sesuai
berangkat
kata kerja
Sesuai
putus
kata kerja
Sesuai
tetap
kata kerja
Sesuai
subur
kata sifat
Sesuai
mahir
kata sifat
Sesuai
kosong
kata sifat
Sesuai
berani
kata sifat
Sesuai
bimbang
kata sifat
Sesuai
malas
kata sifat
Sesuai
kecewa
kata sifat
Sesuai
rajin
kata sifat
Sesuai
disiplin
kata sifat
Sesuai
Lampiran 15 Hasil Pengujian Pola ke-KD No
Kata Masukan
1
kekasih
2
kerangka
3
ketua
4
kehendak
Skenario Word Graph pola ke-KD Word Graph pola ke-KD Word Graph pola ke-KD Word Graph pola ke-KD
Kata Dasar
Sifat/Label Kata Dasar
Hasil Pengujian
kasih
kata benda
Sesuai
rangka
kata benda
Sesuai
tua
kata kerja
Sesuai
hendak
kata kerja
Sesuai
23
