PERBANDINGAN METODE KNOWLEDGE GRAPH DAN SEMANTIC NETWORK UNTUK ANALISIS TEKS BERBAHASA INDONESIA
SURYA PRATIWI
DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013
ABSTRAK SURYA PRATIWI. Perbandingan Metode Knowledge Graph dan Semantic Network untuk Analisis Teks Berbahasa Indonesia. Dibimbing oleh SRI NURDIATI dan FARIDA HANUM. Pengetahuan merupakan sesuatu yang berkaitan dengan proses pembelajaran. Pengetahuan dapat diperoleh dari berbagai sumber, salah satunya ialah teks. Di dalam teks sering terdapat ambiguitas dalam pemaknaannya. Knowledge graph dan semantic network adalah metode dalam matematika yang dapat digunakan untuk menyelesaikan masalah ambiguitas dalam teks. Tujuan penelitian ini adalah membandingkan kedua metode untuk menganalisis teks bahasa Indonesia. Pembandingan kedua metode ditekankan pada aspek proses dan aspek struktur graf. Langkah yang dilakukan adalah dengan pembuatan graf pada contoh kalimat dalam teks bahasa Indonesia dengan menggunakan kedua metode. Hasil penelitian menyatakan bahwa berdasarkan aspek proses, langkah-langkah menggunakan metode knowledge graph lebih kompleks namun prosedur automatisasi pada knowledge graph lebih mudah dibandingkan dengan metode semantic network karena batasan konsep pada metode knowledge graph yang lebih jelas. Berdasarkan aspek struktur graf, label relasi antarkonsep dari knowledge graph tidak mengenal makna kata karena mengacu pada delapan binary relationship, sedangkan dalam semantic network label relasi antarkonsep yang memiliki makna kata digunakan untuk menggambarkan hubungan antarkonsep. Kedua metode memiliki kelebihan dan kekurangan masing-masing, metode knowledge graph dipercaya lebih fisibel dalam prosedur automatisasi. Kata kunci: knowledge graph, semantic network, teks, graf.
ABSTRACT SURYA PRATIWI. Comparison of Knowledge Graph and Semantic Network Methods for Indonesian Text Analysis. Supervised by SRI NURDIATI and FARIDA HANUM. Knowledge is something that related to the learning process. Knowledge is obtained from various sources, for example from text. In many cases the text contains ambiguity. Knowledge graph and semantic network are mathematical concepts that can be used to resolve the ambiguity. The objective of this research was to compare the two methods to analyze an Indonesian text. The comparison was done by emphasizing on the aspect of process and on the aspect of graph structure. Research done by making graph on sample sentences in Indonesian text using both methods. Based on the aspect of the process, steps of the knowledge graph is more complex, but its automatic procedure is easier than the semantic network. It is easier because the knowledge graph has limited number of concepts, whereas the semantic network has an unlimited number of concepts. Based on the aspect of graph structure, relation labels of the knowledge graph has no meaning, it refers to the eight binary relationships, whereas the relation labels of the semantic network have meaning to describe relation of the concepts. Both methods have advantages and disadvantages but from this research it has been known that the knowledge graph is more feasible for an automatic procedure. Keywords: knowledge graph, semantic network, text, graph.
PERBANDINGAN METODE KNOWLEDGE GRAPH DAN SEMANTIC NETWORK UNTUK ANALISIS TEKS BERBAHASA INDONESIA
SURYA PRATIWI
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains pada Departemen Matematika
DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013
Judul Skripsi : Perbandingan Metode Knowledge Graph dan Semantic Network untuk Analisis Teks Berbahasa Indonesia. Nama : Surya Pratiwi NIM : G54080022
Menyetujui Pembimbing I
Pembimbing II
Dr. Ir. Sri Nurdiati, M.Sc. NIP. 19601126 198601 2 001
Dra. Farida Hanum, M.Si. NIP. 19651019 199103 2 002
Mengetahui Ketua Departemen Matematika
Dr. Berlian Setiawaty, MS. NIP. 19650505 198903 2 004
Tanggal Lulus : ............................................................
PRAKATA Puji dan syukur penulis panjatkan kepada Allah SWT atas segala karunia-Nya sehingga karya ilmiah berjudul “Perbandingan Metode Knowledge Graph dan Semantic Network untuk Analisis Teks Berbahasa Indonesia” ini berhasil diselesaikan. Penyusunan karya ilmiah ini tidak terlepas dari dukungan dan bantuan dari berbagai pihak. Pada kesempatan kali ini, penulis mengucapkan terima kasih yang sebesar-besarnya kepada Bapak dan Ibu tersayang, terima kasih atas kasih sayang, didikan, nasihat, semangat serta doa yang tiada henti-hentinya buat penulis. Kepada Ibu Dr. Ir. Sri Nurdiati, M.Sc. dan Ibu Dra. Farida Hanum, M.Si. selaku pembimbing, terima kasih atas waktu, ilmu yang diberikan dan kesabarannya dalam membimbing penulis serta Bapak Dr. Ir. Bib Paruhum Silalahi, M.Kom selaku dosen penguji, terima kasih atas waktu dan ilmu yang bermanfaat bagi penulis. Di samping itu, penghargaan penulis sampaikan kepada Bapak dan Ibu dosen Departemen Matematika yang telah mengajar dan memberikan bekal ilmu pengetahuan kepada penulis. Ungkapan terima kasih juga kepada mbak Tika, mas Rudi, Fiya dan seluruh keluarga atas doa dan kasih sayangnya. Terima kasih kepada Fikri Azhari atas semangat, motivasi dan bantuannya selama ini. Terima kasih pula kepada seluruh teman matematika angkatan 45 yang penulis sayangi atas segala bantuannya yang sangat berharga sehingga penulis dapat menyelesaikan studi di Departemen Matematika IPB. Terima kasih kepada kakak kelas angkatan 44, 43, dan kepada adik kelas angkatan 46. Terima kasih kepada teman-teman kos Wisma Ayu, Sakinah, dan Wisma Alma serta semua pihak yang tidak bisa disebutkan satu per satu yang telah membantu dan memberikan masukan terhadap kelancaran pembuatan karya ilmiah ini. Penulis menyadari bahwa karya ilmiah ini masih jauh dari sempurna, oleh karena itu penulis mengharapkan saran dan kritik yang bersifat membangun demi penyempurnaan karya ilmiah ini. Semoga karya ilmiah ini bermanfaat bagi kita semua, bagi dunia ilmu pengetahuan khususnya Matematika.
Bogor, Januari 2013
Surya Pratiwi
RIWAYAT HIDUP Penulis dilahirkan di Jakarta pada tanggal 8 Januari 1990 sebagai anak kedua dari tiga bersaudara, anak dari Machali dan Erma Kusumawati. Pada tahun 1996 penulis menyelesaikan pendidikan di TK Kartika Candra Kirana Madiun. Pada tahun 2002 penulis menyelesaikan pendidikan di SD Negeri Singosaren 1 Ponorogo. Kemudian penulis melanjutkan pendidikan di SMP Negeri 1 Ponorogo pada tahun yang sama. Pada tahun 2008 penulis menyelesaikan pendidikan di SMA Negeri 1 Ponorogo. Pada tahun 2008 penulis diterima di Departemen Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor (IPB) melalui jalur Undangan Seleksi Masuk IPB (USMI). Selama mengikuti kegiatan perkuliahan, penulis aktif di berbagai kegiatan mahasiswa yaitu sebagai staf Kementerian Kebijakan Daerah Badan Eksekutif Mahasiswa Keluarga Mahasiswa IPB (BEM KM) periode 2008-2009, menjadi pengurus Gugus Mahasiswa Matematika IPB (Gumatika) pada periode 2010-2011. Kegiatan lain yang pernah diikuti oleh penulis yaitu menjadi bendahara Panitia Pemilihan Raya Keluarga Mahasiswa IPB (PPR KM) tahun 2008, menjadi sekretaris kegiatan kepanitiaan “Warna-Warni Pemilu” pada tahun 2009, menjadi anggota Divisi Dekorasi dan Dokumentasi pada acara Masa Perkenalan Departemen Matematika (MPD) pada tahun 2010, menjadi bendahara acara “Talkshow Dunia Kerja” pada tahun 2011. Pada tahun 2010 penulis mengikuti Program Kreativitas Mahasiswa Kewirausahaan (PKM-K) berjudul “Steak Kampung Mucuna Crispy” yang didanai oleh DIKTI dan berhasil lolos pada Pekan Ilmiah Mahasiswa Nasional (PIMNAS) XXIII di Bali dengan memperoleh penghargaan setara Perunggu dalam perancangan, penyajian poster dan gelar produk PKM-K.
DAFTAR ISI Halaman DAFTAR GAMBAR ................................................................................................................
ix
DAFTAR TABEL .....................................................................................................................
x
DAFTAR LAMPIRAN .............................................................................................................
x
I.
PENDAHULUAN ............................................................................................................. 1.1 Latar Belakang ............................................................................................................ 1.2 Tujuan ......................................................................................................................... 1.3 Ruang Lingkup ...........................................................................................................
1 1 1 1
II. KNOWLEDGE GRAPH ..................................................................................................... 2.1 Pengertian Graf ........................................................................................................... 2.2 Pengertian knowledge graph ....................................................................................... 2.3 Konsep ........................................................................................................................ 2.4 Relationship ................................................................................................................. 2.5 Interpretasi Knowledge Graph ..................................................................................... 2.6 Kelas Kata .................................................................................................................... 2.7 Kata Benda................................................................................................................... 2.8 Hubungan Antarmakna ................................................................................................ 2.9 Chunk Indicator ........................................................................................................... 2.10 Aturan Abstraksi Teks Berbahasa Indonesia ...............................................................
2 2 2 2 2 4 4 4 4 5 5
III. SEMANTIC NETWORK .....................................................................................................
5
IV. HASIL DAN PEMBAHASAN .......................................................................................... 4.1 Praproses ..................................................................................................................... 4.2 Proses .......................................................................................................................... 4.3 Analisis Perbandingan Kedua Metode ........................................................................
8 9 8 19
V. SIMPULAN DAN SARAN ............................................................................................... 5.1 Simpulan ..................................................................................................................... 5.2 Saran ...........................................................................................................................
16 16 16
DAFTAR PUSTAKA ...............................................................................................................
17
DAFTAR GAMBAR Halaman 1
Contoh graf dengan 4 simpul ..............................................................................................
2
2
Contoh relasi ALI................................................................................................................
3
3
Contoh relasi CAU ..............................................................................................................
3
4
Contoh relasi EQU ..............................................................................................................
3
5
Contoh pengunaan relasi EQU yang menyatakan “adalah” dan “merupakan” ...................
3
6
Contoh relasi SUB ..............................................................................................................
3
7
Contoh relasi DIS ................................................................................................................
3
8
Contoh relasi ORD ..............................................................................................................
3
9
Contoh relasi PAR ..............................................................................................................
3
10 Contoh relasi SKO ..............................................................................................................
3
11 Contoh ontologi F ...............................................................................................................
4
12 Contoh definitional network ................................................................................................
6
13 Contoh assertional network ................................................................................................
6
14 Contoh implicational network .............................................................................................
6
15 Contoh excutable network ...................................................................................................
6
16 Word graph Kalimat 1 .....................................................................................................
10
17 Word graph Kalimat 2 ........................................................................................................
11
18 Word graph Kalimat 3 ........................................................................................................
11
19 Word graph Kalimat 4 ........................................................................................................
11
20 Word graph Kalimat 5 ........................................................................................................
11
21 Network Kalimat 1 ..............................................................................................................
12
22 Network Kalimat 2 ..............................................................................................................
13
23 Network Kalimat 3 ..............................................................................................................
13
24 Network Kalimat 4 ..............................................................................................................
13
25 Network Kalimat 5 ..............................................................................................................
13
26 Contoh knowledge graph ....................................................................................................
15
27 Contoh semantic network ....................................................................................................
15
28 Penulisan relasi ALI dan vertex ..........................................................................................
20
29 Word graph untuk a Kalimat 1 ...........................................................................................
20
30 Word graph untuk b Kalimat 1 ...........................................................................................
20
31 Word graph untuk c Kalimat 1............................................................................................
21
32 Word graph untuk d Kalimat 1 ...........................................................................................
21
33 Word graph kata benda Kalimat 1 ......................................................................................
21
34 Word graph verteks Kalimat 1 ............................................................................................
22
35 Word graph untuk a pada Kalimat 3 ...................................................................................
22
36 Word graph untuk b pada Kalimat 3 ...................................................................................
22
37 Word graph untuk c pada Kalimat 3 ...................................................................................
22
ix
DAFTAR TABEL Halaman 1
Daftar pengelompokan kata benda & total kemunculannya pada Teks “Kepemimpinan” .
9
2
Daftar verteks dan total kemunculannya pada Teks “Kepemimpinan” ...............................
10
3
Analisis perbandingan metode knowledge graph dan metode semantic network ...............
15
DAFTAR LAMPIRAN Halaman 1
Teks yang dianalisis ...........................................................................................................
19
2
Tahap awal pembuatan knowledge graph .........................................................................
20
3
Contoh pembuatan knowledge graph pada kalimat ...........................................................
20
x
I PENDAHULUAN 1.1 Latar Belakang Pengetahuan merupakan sesuatu yang diketahui berkaitan dengan proses pembelajaran (Depdikbud 2005). Proses belajar ini dipengaruhi berbagai faktor dari dalam seperti motivasi dan faktor luar berupa sarana informasi yang tersedia serta keadaan sosial budaya. Pengetahuan dapat diperoleh dari berbagai sumber, salah satunya ialah teks. Teks merupakan bahasa alami berupa tulisan. Di dalam teks seringkali ditemukan ambiguitas, hal ini menyebabkan pemahaman terhadap teks bersifat subjektif. Matematika sebagai salah satu bidang ilmu pengetahuan memiliki peran yang penting dalam menyelesaikan masalah. Beberapa metode dalam matematika yang dapat digunakan untuk memecahkan masalah ambiguitas dalam teks adalah metode knowledge graph, metode semantic network, metode concept mapping, dan metode conceptual graph. Di dalam karya ilmiah ini metode yang akan digunakan adalah metode knowledge graph dan metode semantic network. Penelitian mengenai perbandingan metode dalam bahasa alami sudah pernah dilakukan. Metode yang digunakan adalah metode knowledge graph dan metode concept mapping (Abbas 2011). Hasil dari analisis perbandingan dalam penelitian sebelumnya ialah representasi pengetahuan menggunakan metode knowledge graph menghasilkan graf yang tidak terstruktur, metode knowledge graph lebih cocok untuk teks berukuran besar karena semakin besar ukuran teks, maka kata benda yang muncul pun semakin banyak serta terdapat keterkaitan antarparagraf. Metode concept mapping tidak cocok digunakan dalam teks yang berukuran besar karena langkah pertama dalam metode concept mapping ialah mempelajari pengetahuannya terlebih dahulu, sehingga dalam teks yang berukuran besar metode concept mapping memiliki banyak kesubjektifan (Abbas 2011). Metode knowledge graph pertama kali muncul pada tahun 1982 dengan tahap awal bertujuan merepresentasikan pengetahuan dalam bentuk expert system. Bentuk ini berkembang pada akhir tahun 80-an dan diaplikasikan pada ilmu medis dan sosial. Selanjutnya metode knowledge graph diperluas untuk merepresentasikan bahasa
alami (Hoede dan Nurdiati 2008b). Dalam penelitian yang telah dilakukan oleh Abbas (2011) metode knowledge graph dibandingkan dengan concept mapping untuk menangkap pengetahuan dalam teks berbahasa Inggris. Dalam beberapa tahun ini, sedang dikembangkan penelitian metode knowledge graph untuk teks berbahasa Indonesia. Dalam karya ilmiah ini metode yang akan digunakan adalah metode knowledge graph untuk teks berbahasa Indonesia dengan konsep kata benda yang telah dikerjakan oleh Febriatmoko (2011) Selain menggunakan metode knowledge graph, metode yang akan digunakan ialah metode semantic network. Metode semantic network muncul pada abad ke-3 di Yunani oleh filsuf Phorpyry. Semantic Network pertama kali dikembangkan untuk kecerdasan buatan dan mesin penerjemah, selain itu semantic network telah lama digunakan dalam bidang ilmu filsafat, psikologi, dan linguistik. Semantic network secara umum dikenal untuk menjelaskan representasi grafik yang dapat digunakan untuk merepresentasikan pengetahuan atau mendukung sistem otomatis untuk penalaran pengetahuan. Dengan demikian, metode knowledge graph dan metode semantic network akan digunakan untuk analisis teks berbahasa Indonesia. Kedua metode tersebut akan dibandingkan sebagai dasar untuk merancang aturan atau membangun sistem yang dapat merangkum suatu pengetahuan dari teks. 1.2 Tujuan Penelitian ini bertujuan membandingkan metode knowledge graph dan metode semantic network untuk analisis teks berbahasa Indonesia. 1.3 Ruang Lingkup a. Metode knowledge graph yang akan digunakan adalah metode knowledge graph yang menggunakan konsep kata benda. b. Rujukan utama untuk metode semantic network adalah revisi dan perluasan dari artikel yang ditulis oleh Sowa (2006). c. Metode knowledge graph dan semantic network akan digunakan untuk menganalisis teks berbahasa Indonesia.
II KNOWLEDGE GRAPH 2.1 Pengertian Graf Graf G adalah pasangan terurut (V,E) dengan V(G) himpunan takkosong dan berhingga dari elemen-elemen graf yang disebut verteks (simpul, node) dan E(G) himpunan pasangan takterurut (mungkin saja himpunan kosong) dari verteks-verteks berbeda di V(G) yang disebut edge. Contoh: Graf dengan V(G) = {u, v, w, x }; dan E(G) = {uv, vw, wx} (Chartrand & Oellermann 1993).
v
x
u
w Gambar 1 Contoh graf dengan 4 simpul. Graf G’ merupakan subgraf dari G jika semua verteks dan edge dari G’ terletak di G (Chartrand & Oellermann 1993). Digraph (graf berarah) D adalah pasangan berurut (V,E) dengan V(D) adalah himpunan takkosong dari sejumlah berhingga elemen yang disebut verteks (node) dan E(D) adalah himpunan berhingga (tidak perlu berbeda) dari pasangan terurut elemen-elemen dalam V(D) yang disebut busur (arc) (Chartrand & Oellermann 1993). 2.2 Pengertian Knowledge Graph Teori knowledge graph merupakan suatu sudut pandang baru yang dapat digunakan untuk menggambarkan bahasa manusia dalam bentuk graf. Perbedaan yang mendasar antara teori knowledge graph dengan teori representasi lain adalah bahwa teori knowledge graph menggunakan ontologi atau relasi yang jumlahnya terbatas. Teori knowledge graph mampu melukiskan atau menggambarkan aspek semantik yang lebih mendasar, menggunakan sejumlah relasi yang banyaknya terbatas. Teori ini memberikan cara baru melakukan penelitian untuk memahami bahasa manusia dengan bantuan komputer (Zhang 2002). Komposisi knowledge graph pada prinsipnya terdiri atas konsep dan relasi. Konsep dalam knowledge graph bisa dinyatakan sebagai verteks (simpul, node), token (simbol), atau sebagai tipe. Knowledge graph ini dapat dibedakan dalam 3 hal sebagai berikut:
1
Simbol menandakan adanya sebuah konsep dan dapat disejajarkan dengan fungsi argumen dan logika. 2 Tipe digunakan untuk memberikan nama pada sebuah konsep yang umum. 3 Pemberian contoh digunakan untuk menambahkan model atau contoh untuk memperjelas sebuah konsep. (Saputra 2009) 2.3 Konsep Konsep merupakan suatu yang penting dalam membentuk suatu pengertian dari khusus ke umum atau sebaliknya (Zhang 2002). Konsep dapat dibedakan menjadi tiga jenis, yaitu: a Token Token adalah simbol yang menggambarkan persepsi seseorang. Dalam teori knowledge graph, token merupakan konsep yang dipahami oleh seseorang menurut cara pandang masing-masing, sehingga token ini bersifat subjektif. Setiap persepsi selalu berhubungan dengan token. Sebuah konsep berhubungan dengan arti dari kata (Zhang 2002). b
Tipe Tipe adalah konsep yang berupa informasi umum dan bersifat objektif karena merupakan kesepakatan yang dibuat sebelumnya. Contoh: buah, binatang.
c
Name Name adalah sesuatu yang bersifat individual. Tipe dan name dalam teori knowledge graph direpresentasikan dengan cara yang hampir sama. Namun demikian bukan berarti bahwa keduanya tidak dapat dibedakan. Tipe dan name dibedakan oleh jenis relasi yang menghubungkannya dengan token (Rusiyamti 2008).
2.4 Relationship Dibutuhkan hubungan pembeda antartoken untuk mendeskripsikan kehidupan nyata. Dalam teori knowledge graph, diperlukan prinsip penggunaan relationship yang terbatas. Ontologi adalah basic relationship yang membatasi pertumbuhan relationship yang tidak terbatas. Hubungan (relationship) yang dibentuk direpresentasikan dengan sebuah node dan 8 binary relationship (Zhang 2002). Hoede dan Nurdiati (2008a), menambahkan sebuah ontologi F, sebagai fokus token.
3
Delapan binary relationship sebagai berikut: 1.
adalah
4.
Relasi ALI (Alikeness) Relasi ALI digunakan untuk menghubungkan sebuah tipe dengan sebuah token atau antara 2 token yang memiliki unsur sama. Contoh : “sayur adalah tipe”, maka dapat dinyatakan seperti gambar berikut:
ALI
Relasi CAU (Causality) Relasi CAU antara 2 buah token digambarkan dengan anak panah berlabel CAU. Relasi CAU digunakan untuk menghubungkan dua token yang memiliki hubungan sebab akibat atau sesuatu hal memengaruhi sesuatu yang lain. Relasi CAU bisa juga untuk menghubungkan dua konsep yang terdiri dari kata benda dan kata kerja atau untuk menghubungkan subjek dengan predikat atau predikat dengan objek. Contoh: “Fiya minum susu”, maka dapat digambarkan sebagai berikut:
D IS
ALI
minyak
Gambar 7 Contoh relasi DIS. 6.
Relasi ORD (Ordering) Relasi ordering menyatakan bahwa dua hal memiliki urutan tertentu, baik urutan waktu maupun urutan tempat. Contoh:”siang sebelum malam”, dapat digambarkan sebagai berikut: ALI
ORD
ALI
siang CAU
Fiya
ALI
m alam
Gambar 8 Contoh relasi ORD.
susu
Gambar 3 Contoh relasi CAU. 3.
Relasi DIS (Disparateness) Relasi ini merupakan relasi perbedaan atau ketaksamaan. Relasi DIS digunakan untuk menggambarkan bahwa antara dua token tidak ada hubungannya. Jika A DIS B, maka A B = . Contoh: “air berbeda dengan minyak”, dapat digambarkan sebagai berikut: ALI
ALI
CAU
kucing
air
m in u m
ALI
ALI
Gambar 6 Contoh relasi SUB.
Gambar 2 Contoh relasi ALI. 2.
SUB
ek o r
5.
A LI
sayu r
Relasi SUB (Subset) Relasi ini digunakan untuk menunjukkan jika token yang satu merupakan bagian dari yang lainnya. Contoh: “ekor kucing”, dapat digambarkan sebagai berikut:
7.
Relasi EQU (Equality) Relasi EQU digunakan untuk menghubungkan sebuah name dengan token. Contoh: “Santang adalah name dari jeruk”, maka dapat digambarkan sebagai berikut:
Relasi PAR (Attribute) Relasi PAR digunakan untuk menyatakan bahwa sesuatu mempunyai sifat sesuatu yang lainnya. Sesuatu adalah sebuah atribut dari yang lain. Contoh: “pita merah”, dapat digambarkan sebagai berikut: ALI
P AR
ALI
m erah
EQ U
santang
pita
Gambar 9 Contoh relasi PAR.
Gambar 4 Contoh relasi EQU. 8. Relasi ini biasa juga untuk menyatakan kata hubung seperti “adalah” dan “merupakan”. EQ U
Gambar 5
Contoh pengunaan relasi EQU yang menyatakan “adalah” dan “merupakan”.
Relasi SKO (Skolem) Dua buah token dalam teori knowledge graph dihubungkan dengan relasi SKO jika informasi token yang satu bergantung pada token yang lain. Contoh: “kelezatan itu bergantung pada selera”. ALI
lezat
SKO
ALI
selera
Gambar 10 Contoh relasi SKO.
4
Ontologi F digunakan untuk menunjukkan fokus dari suatu graf, sebagai contoh kalimat “kerusuhan merusak pertokoan”, dapat dinyatakan pada Gambar 11 yang menyatakan bahwa fokus dari graf tersebut adalah token kerusuhan.
F
ALI
m erusak
CAU
CAU
ALI
k eru su h an
to k o
Gambar 11 Contoh ontologi F. 2.5 Interpretasi Knowledge Graph Analisis teks pada teori knowledge graph untuk satu persoalan yang sama bisa memberikan hasil yang berbeda (Ikhwati 2007). Hal ini disebabkan adanya perbedaan interpretasi yang bersifat subjektif. Oleh karena itu, untuk memperkecil perbedaan tersebut diperlukan kemampuan yang baik dalam menganalisis teks. 2.6 Kelas Kata Berdasarkan struktur bentuk, morfologi dan kelompok kata (fraseologi), kata dibagi menjadi 4 kelas besar, yaitu: 1. kelas kata benda yang memuat subkelas kata ganti dan kata sandang, 2. kelas kata kerja, 3. kelas kata sifat yang memuat subkelas kata bilangan, 4. kelas kata tugas yang memuat subkelas kata depan, kata sambung, kata keterangan. (Keraf 1991)
2.7 Kata Benda Kata benda adalah kata yang mengacu pada manusia, binatang, benda, dan konsep atau pengertian. Ciri-ciri kata benda adalah sebagai berikut: 1. Dalam kalimat yang predikatnya kata kerja, kata benda cenderung menduduki fungsi subjek, objek, atau pelengkap. 2. Kata benda tidak dapat diingkarkan dengan kata “tidak”. 3. Kata benda dapat diingkarkan dengan kata “bukan”. 4. Kata benda umumnya dapat diikuti oleh kata sifat, baik secara langsung maupun diantarai oleh “yang”. Berdasarkan wujudnya, kata benda dibedakan atas:
1.
Kata benda konkret, yaitu kata benda yang dapat dilihat bentuk fisiknya. Contoh: dompet, bunda, lemari. 2. Kata benda abstrak, yaitu kata benda yang wujud fisiknya tidak dapat dilihat. Contoh: kebenaran, persatuan, kecantikan. Berdasarkan bentuknya kata benda dikelompokkan menjadi kata benda dasar dan kata benda turunan. 1. Kata benda dasar adalah kata benda yang terdiri atas satu morfem. Contoh: gelas, air, udara, Senin, Ponorogo, rumah. 2. Kata benda turunan, terbagi atas: a. Kata benda berimbuhan. Contoh: kementerian, pelabuhan, geligi, perusahaan, kemasan. b. Kata benda bereduplikasi. Contoh: rumah-rumah, dedaunan, desas-desus, lauk-pauk. c. Kata benda yang berasal dari berbagai kelas karena proses. 1. Deverbalisasi Contoh: ketertarikan, pendidikan, pengembangan, keterbukaan. 2. Deadjektivalisasi Contoh: perusakan, kematangan, keseriusan, petinggi. 3. Denumeralisasi Contoh: keseluruhan, persatuan. 4. Deadverbialisasi Contoh: kekurangan, kelebihan, keterlaluan. d. Kata benda yang mengalami proses pemajemukan. Contoh: ganti rugi, tata tertib, uang muka, sepak bola, pedagang eceran, unjuk rasa, pascapanen, semifinal. (Waridah 2008) 2.8 Hubungan Antarmakna a. Kata Umum dan Kata Khusus Kata umum, disebut pula hipernim atau superordinat, adalah kata yang ruang lingkup maknanya mencakup hal-hal yang umum dan menyangkut aspek-aspek yang lebih luas. Kata khusus, disebut juga hiponim atau subordinat, adalah kata yang ruang lingkup maknanya mencakup hal-hal yang sempit atau hanya meliputi aspek-aspek tertentu. b. Sinonim Sinonim adalah kata-kata yang maknanya sama atau hampir sama. Suatu kata bersinonim dengan kata lainnya apabila katakata tersebut maknanya dapat saling mengartikan di dalam kalimat yang sama. (Waridah 2008)
5
2.9 Chunk Indicator Chunk merupakan potongan kalimat atau potongan ucapan pada waktu seseorang berbicara. Menurut Rusiyamti (2008) chunk indicator yang digunakan untuk menganalisis teks berbahasa Indonesia dengan teori knowledge graph antara lain: 1. Tanda baca. Contoh: tanda titik (.), tanda koma (,), tanda titik dua (:), tanda tanya (?), tanda seru (!), tanda kurung ((...)). 2. Kata petunjuk dan kata penghubung (konjungsi), yaitu kata tugas yang menghubungkan dua klausa, kalimat, atau paragraf. Contoh: maupun, apabila, tetapi, kecuali, sebab, jika, bahwa, merupakan, yang. 3. Kata kerja bantu, yaitu kata kerja yang menduduki fungsi khusus terhadap sebuah kata kerja utama. Contoh: harus, mesti, sanggup, mampu, boleh, bisa, ingin, mau, suka. 4. Kata depan (preposisi), yaitu kata tugas yang berfungsi sebagai unsur pembentuk frasa preposisional. Contoh: di, ke, dari, oleh. 5. Lompatan (jump), yaitu kata berurutan yang tidak dapat digolongkan dalam satu chunk, misalnya pada kalimat “Adik makan setelah pulang sekolah”, kata “makan” dan “setelah” tidak mungkin diletakkan dalam satu chunk, atau terjadi lompatan pada kedua kata tersebut,
6.
sehingga harus diletakkan pada chunk yang berbeda. Kata-kata logika (logic word) misalnya “dan”,“atau”,“jika-maka”.
2.10 Aturan Abstraksi Teks Berbahasa Indonesia Menurut Febriatmoko (2011), langkahlangkah untuk mengabstraksi teks berbahasa Indonesia dapat ditulis sebagai berikut: 1 Input sebuah teks berbahasa Indonesia. 2 Penghitungan jumlah kata benda yang terdapat dalam teks. 3 Pengelompokan kata benda yang memiliki kemiripan makna (sinonim) dan memiliki bentuk umum yang sama. 4 Penentuan batasan kemunculan (threshold) dari kata benda yang akan digunakan sebagai konsep. 5 Pemberian label pada setiap kata benda yang memenuhi threshold dan akan digunakan sebagai verteks. 6 Pembuatan graf pada setiap kalimat dalam teks menggunakan verteks yang telah ditentukan. 7 Analisis graf yaitu: a analisis relasi PAR, b analisis hubungan sejajar, c analisis relasi SUB dan CAU. 8 Penggabungan seluruh graf hasil analisis. 9 Pembuatan kesimpulan dari graf akhir hasil proses analisis.
III SEMANTIC NETWORK Semantic network adalah notasi grafik untuk merepresentasikan pengetahuan dalam pola-pola yang saling berhubungan antara node dan arc. Implementasi komputer dari semantic network pada awalnya berkembang untuk kecerdasan buatan dan mesin translasi dan telah lama digunakan dalam bidang filosofi, psikologi, dan bahasa. Semantic network dapat mendeklarasikan grafik yang dapat digunakan untuk merepresentasikan pengetahuan atau untuk mendukung sistem otomatis dalam penalaran pengetahuan. Berikut ini adalah enam jenis umum semantic network:
1
Definitional network Definitional network adalah semantic network yang digunakan untuk mendefinisikan konsep dan relasi antarkonsep. Pada definitional network, karena pendefinisian dianggap benar, maka informasi dalam jaringan ini dianggap selalu benar. Definitional network pertama kali diimplementasikan untuk mesin translator yang menggunakan 56 jenis relasi yang berbeda (Sowa 2006). Contoh penggunaan definitional network dapat dilihat pada Gambar 12.
6
sayap b u lu ek o r
has part
has part has part
m am alia
is a
is a
kucing
is a
h ew an
eats
burung
biji
is a
can is a
anjing
is a
terbang cen d raw asih
k asu ari
Gambar 12 Contoh definitional network. Gambar 12 menjelaskan bahwa burung adalah salah satu jenis hewan yang memiliki ekor, sayap, dan berbulu. Burung memiliki kemampuan untuk terbang, beberapa jenis burung adalah pemakan biji-bijian. Cendrawasih dan kasuari adalah contoh dari jenis burung. Dijelaskan pula, selain burung, kucing dan anjing juga merupakan hewan. Hewan adalah salah satu jenis dari mamalia.
dibaca “jika adik x memiliki balon y”, x dan y juga terhubung pada kata di dalam oval merah yang merepresentasikan akibat dari memiliki y, ”maka x meletuskan y”. Dalam notasi aljabar Gambar 13 dapat ditulis: ( )( ) memiliki(
((adik( ) balon( ) )) meletuskannya( ))
3 2
Assertional network Assertional network adalah jenis dari semantic network yang didesain untuk menegaskan informasi. Pada assertional network dikenal simbol oval yang digunakan untuk menyertakan dan meniadakan graf atau subgraf. Gambar 13 merupakan representasi dari kalimat “Jika adik memiliki balon, maka dia akan meletuskannya.”
Implicational network Implicational network adalah kasus khusus dari propositional semantic network, di mana hubungan utama adalah implikasi. Hubungan lain mungkin terdapat di dalam verteks proposisi, tetapi hal tersebut diabaikan oleh prosedur kesimpulan. Implicational network dapat digunakan untuk merepresentasikan pola belief, kausalitas, atau inferences. Contoh penggunaan implicational network dapat dilihat pada Gambar 14. sekarang musim penghujan
ad ik
m em ilik i
b alo n
F
T
alat penyiram digunakan
hujan baru turun
meletuskannya rumput basah
Gambar 13 Contoh assertional network. Kata di luar oval merah merepresentasikan “jika”. Kata “adik” dihubungkan dengan kata “memiliki”, kemudian dihubungkan lagi dengan kata “balon”. Subgraf di luar oval merah dapat
rumput licin
Gambar 14 Contoh implicational network. Gambar 14 menunjukkan kemungkinan penyebab rumput licin, setiap kotak mewakili suatu proposisi, dan tanda panah
7
menunjukkan implikasi dari suatu proposisi. Huruf T (true) dan F (false) menyatakan nilai kebenaran dari proposisi. Jika musim hujan, tanda panah dengan huruf T (true) menunjukkan bahwa keadaan setelah hujan, tetapi jika tidak hujan, tanda panah dengan huruf F (false) menunjukkan bahwa alat penyiram sedang digunakan. Pada kotak yang hanya memiliki satu tanda panah keluar, bernilai benar pada kotak pertama menyebabkan kotak kedua bernilai benar, tetapi apabila kotak pertama bernilai salah maka tidak dapat diprediksi nilai kebenaran kotak selanjutnya.
tempat bus datang kemudian menuju tempat bus menunggu penumpang di posisi d. Ketika bus menunggu, posisi yang berlabel e aktif, menunjukkan bahwa ada perpindahan penumpang antara d dan e. Selama bus menunggu dan banyak calon penumpang yang menunggu bus, perpindahan penumpang akan terus berlangsung. Perpindahan itu akan berhenti ketika sudah tidak ada lagi calon penumpang yang menunggu bus atau semua penumpang telah masuk ke dalam bus. Perpindahan tersebut juga dapat berhenti saat bus mulai berjalan, kemudian bus berpindah dari f menuju h.
4
Executable network Executable network adalah semantic network yang memiliki mekanisme yang dapat menyebabkan beberapa perubahan pada jaringan itu sendiri. Tiga jenis mekanisme yang umum digunakan dalam executable network adalah sebagai berikut: a.
b.
c.
Message passing network dapat melewatkan data dari satu node ke node yang lainnya. Pada beberapa jaringan, data dapat terdiri dari satu bit seperti token, atau data dapat juga berupa bobot. Attached procedures adalah program yang berhubungan dengan node yang sedang berasosiasi atau berproses dengan data pada satu atau lebih node terdekat. Graph transformations dapat menggabungkan graf, memodifikasi, atau mengubah graf menjadi graf yang lebih kecil. (Sowa 2006)
Ketiga mekanisme pada executable network dapat dikombinasikan dalam berbagai cara. Misalnya message passing melewatkan data dari node ke node yang kemudian dapat diproses menggunakan attached procedures yang terdapat pada node, dan selanjutnya graph transformation dapat berproses pada beberapa node karena dipicu oleh proses sebelumnya. Contoh dari penggunaan executable network dapat dilihat pada Gambar 15. Tiga titik hitam yang berada dalam lingkaran sebelah kiri atas (posisi a) merepresentasikan calon penumpang yang menunggu bus. Satu titik hitam pada lingkaran sebelah kanan atas (posisi b) merepresentasikan bahwa bus datang. Posisi c merepresentasikan perpindahan bus dari
a
b
c
e
d
f
g
h
Gambar 15 Contoh excutable network. Keterangan: a : calon penumpang menunggu b : bus datang c : bus berhenti d : bus menunggu e : satu calon penumpang masuk bus f : bus berangkat g : penumpang di dalam bus h : bus pergi
5
Learning network Menurut Sowa (2006) learning network adalah semantic network yang membangun dan memperluas representasi dengan memperoleh pengetahuan dari contoh. Pengetahuan baru dapat diperoleh dari jaringan sebelumnya dengan menambah atau menghapus node dan arc atau memodifikasi nilai numerik (bobot).
8
Sistem ini merespons informasi baru dengan memodifikasi representasi internal dengan cara yang memungkinkan sistem untuk merespons lebih efektif. Sistem yang menggunakan representasi jaringan dapat memodifikasi jaringan dengan tiga cara sebagai berikut: a.
b. c.
paling besar jika metode yang baik dapat ditemukan (Sowa 2006). Contoh penggunaan semantic network jenis learning network dapat dilihat pada neural nets yang menggunakan sistem changing weight dan pada aplikasi-aplikasi pencari data asli yang menggunakan sistem root memory.
root memory, mengubah informasi baru ke jaringan dan menambahkan-nya tanpa perubahan, changing weight, mengubah bobot pada jaringan, restructuring, merupakan bentuk yang paling kompleks dari learning network karena membuat perubahan mendasar pada struktur jaringan itu sendiri. Jumlah dan jenis perubahan struktural tidak terbatas, menyebabkan sistem ini adalah sistem yang paling sulit, namun berpotensi memiliki manfaat yang
6
Hybrid network Hybrid network adalah semantic network yang menggabungkan dua atau lebih teknik sebelumnya. Misalnya pada sistem database untuk menyimpan data, definitional network digunakan untuk mendefinisikan kelas, sedangkan assertional network digunakan untuk menyatakan fakta dan menegaskan proposisi (Sowa 2006).
IV HASIL DAN PEMBAHASAN 4.1 Praproses Pada tahap praproses, penulis melakukan studi literatur. Literatur tersebut terkait dengan metode knowledge graph dan metode semantic network. Literatur yang digunakan sebagai bahan penelitian adalah sebagai berikut : -
-
-
-
25 Years Development of Knowledge Graph Theory: The Result and The Challenge oleh Sri Nurdiati dan Cornelis Hoede (2008b), Abstraksi Teks Berbahasa Indonesia Menggunakan Teori Knowledge Graph oleh Dimas Febriatmoko (2011), Perbandingan Metode Knowledge Graph dan Concept Mapping sebagai Teknik Menangkap Pengetahuan dari Teks oleh Yanti Anjarwati Abbas (2011), Artikel yang berjudul “Semantic Network” dalam Encyclopedia of Artificial Intelligence yang ditulis oleh John F. Sowa (2006).
dapat diolah sekaligus dengan kedua metode, yaitu metode knowledge graph dan metode semantic network. Lima kalimat yang dipilih untuk dianalisis ialah: 1.
2.
3.
4. Penulis melakukan studi literatur teks berbahasa Indonesia melalui internet. Teks yang diperoleh melalui internet dengan tema kepemimpinan dapat dilihat pada Lampiran 1. Pada proses pembuatan graf atau network hanya akan diambil lima kalimat untuk dianalisis, karena kalimat yang dipilih tersebut
5.
Kepemimpinan mampu mengubah suatu kondisi yang kurang baik atau biasa saja menjadi lebih baik lagi, maka dari itu kepemimpinan merupakan salah satu faktor penting dalam menentukan sukses atau tidaknya suatu organisasi atau perusahaan. Dalam dunia karier, kepemimpinan sering diidentikkan dengan otorisasi yang tanpa batas dan tidak mengenal toleransi maupun kompromi di mana seorang pemimpin atau atasan yang memperlakukan para karyawan dan bawahannya dengan sikap otoriter. Sebenarnya, seseorang yang memiliki jiwa kepemimpinan dapat dilihat dari bagaimana ia bersikap dan memimpin para karyawannya. Orientasinya bukanlah untuk kepentingan pribadi atau golongan, namun lebih kepada kepentingan publik yang dipimpinnya. Kepemimpinan yang responsif, artinya ia selalu tanggap setiap persoalan, kebutuhan, harapan, dan impian dari mereka yang dipimpinnya.
9
4.2 Proses Pada tahap proses ini, metode knowledge graph dan metode semantic network akan digunakan untuk analisis teks berbahasa Indonesia. Kemudian kedua metode tersebut akan dibandingkan. 1. Metode knowledge graph Penentuan kata benda sebagai konsep. Konsep yang digunakan dalam penelitian ini seperti yang telah digunakan oleh Febriatmoko (2011) yaitu menggunakan konsep kata benda. Kata benda yang digunakan sebagai konsep diambil dari keseluruhan kalimat dalam teks “Kepemimpinan”. Setiap kata benda dihitung kemunculannya, kemudian kata benda yang telah didapat akan dikelompokkan dengan mempertimbangkan makna kata dari struktur kalimat yang terbentuk dan kesamaan makna kata (sinonim). Daftar pengelompokan kata benda dan jumlah kemunculannya dapat dilihat pada Tabel 1. Kemudian dilakukan penentuan threshold untuk membatasi banyaknya konsep yang akan digunakan. Nilai threshold yang akan digunakan dalam penulisan karya ilmiah ini adalah lebih besar atau sama dengan 3. Setelah threshold
ditentukan, konsep-konsep tersebut diberi label dan konsep berlabel tersebut kemudian dipergunakan sebagai verteks. Verteks yang terbentuk dari teks berjudul “Kepemimpinan” dapat dilihat dalam Tabel 2. Selanjutnya relasi-relasi yang terdapat pada metode knowledge graph digunakan sebagai penghubung antarverteks (antarkonsep). Dalam penelitian ini relasi yang digunakan adalah relasi SUB, relasi CAU, dan relasi PAR. Lima kalimat yang telah dipilih sebelumnya, diberi tanda penomoran sesuai dengan Bab 2 Metode Knowledge Graph Subbab 2.9 Chunk Indicator yang menunjukkan frasa kata benda dari setiap kalimat. Selain menunjukkan frasa kata benda, chunk indicator juga menunjukkan kata benda. Hal ini karena frasa kata benda merupakan kesatuan dari beberapa kata benda. Pemberian tanda penomoran sesuai dengan ketentuan, misalnya kalimat pertama pada teks “Kepemimpinan”, “Kepemimpinan merupakan|2 hal|5 yang sangat menarik|5 untuk|2 kita pelajari|5 karena|2 selalu menjadi isu sentral|5 di manapun,|1 baik dalam pemerintahan,|1 agama,|1 bisnis,|1 maupun|2 perusahaan.|1”
Tabel 1 Daftar pengelompokan kata benda dan total kemunculannya pada Teks “Kepemimpinan” Frasa / Kata benda agama, spiritualisasi batas bibit-bibit bisnis daya, kekuatan, dorongan diri sendiri dunia faktor fasilitas gaya hal inspirasi integritas isu, permasalahan, persoalan jabatan jiwa karier, kerja keahlian karyawan, bawahan kebutuhan-kebutuhan, kebutuhan kemauan kenyataan kepemimpinan, leadership kepentingan kompromi kondisi
Total 2 1 1 2 3 2 1 1 1 1 1 1 2 3 1 2 4 1 7 2 1 1 13 3 1 1
Frasa / Kata benda kreativitas kritik kualitas kuantitas lingkungan orang lain orang-orang otorisasi pelayanan peleburan pemerintahan pemimpin, atasan perubahan perusahaan, organisasi, institusi pribadi, golongan, kelompok proses publik role model seseorang, seorang sikap sinergi solusi toleransi tujuan, orientasi, harapan, impian visi
Total 1 1 1 1 1 2 2 1 1 1 1 8 1 11 3 2 1 1 8 1 1 1 1 5 3
10
Tabel 1 menunjukkan keseluruhan kata benda yang terdapat dalam teks yang berjudul “Kepemimpinan”. Keseluruhan kata benda dalam tabel tersebut telah melalui proses
pengelompokan berdasarkan kesamaan maknanya. Threshold yang digunakan dalam teks ini ialah lebih besar atau sama dengan 3.
Tabel 2 Daftar verteks dan total kemunculannya pada Teks “Kepemimpinan” Label v1 v2 v3 v4 v5 v6 v7 v8 v9 v10 v11 v12
Kata benda kepemimpinan, leadership perusahaan, organisasi, institusi pemimpin, atasan seseorang, seorang karyawan, bawahan tujuan, orientasi, harapan, impian karier, kerja daya, kekuatan, dorongan isu, permasalahan, persoalan kepentingan pribadi, golongan, kelompok visi
Pembuatan graf Seperti telah dijelaskan sebelumnya pembuatan graf hanya dilakukan pada lima kalimat dari teks yang berjudul “Kepemimpinan”. Pembentukan graf pada kalimat tersebut menggunakan verteks pada Tabel 2. Pembentukan graf meliputi pembentukan word graph berdasarkan frasa kata benda dan pemotongan kalimat dengan chunk indicator. Berikut adalah pembuatan graf pada lima kalimat yang telah terpilih:
Total 13 11 8 8 7 5 4 3 3 3 3 3
mengenal toleransi|5 maupun kompromi|5 di mana|5 seorang pemimpin atau atasan|5 yang memperlakukan para karyawan|5 dan 4 bawahannya dengan| sikap otoriter.|1” Word graph dari Kalimat 2 dapat digambarkan sebagai berikut:
PAR
k arier
d u n ia
SUB
Kalimat 1: “Kepemimpinan mampu mengubah suatu kondisi|5 yang|2 kurang baik atau|6 biasa saja|5 menjadi lebih baik lagi,|1 maka dari itu|5 kepemimpinan|5 merupakan salah satu faktor penting|5 dalam|2 6 menentukan sukses atau| tidaknya|5 suatu organisasi atau|6 perusahaan .|1” Word graph dari Kalimat 1 dapat digambarkan sebagai berikut: kepemimpinan
kepemimpinan
o to ritasi SUB
SUB
F
SUB
toleransi
pemimpin
kompromi
CAU
CAU
karyaw an
b aw ah an
perusahaan
v7
SUB
CAU
k o n d isi
SUB
SUB
F
CAU SUB
F organisasi CAU
fak to r
v1
SUB
v3
CAU
v5
SUB
F
v1
v2
Gambar 17 Word graph Kalimat 2. Gambar 16 Word graph Kalimat 1. Kalimat 2: “Dalam dunia karier,|1 5 kepemimpinan| sering diidentikkan dengan|4 otorisasi yang|2 tanpa batas|5 dan tidak
Kalimat 3: ”Sebenarnya,|1 seseorang yang|2 memiliki jiwa kepemimpinan|5 dapat|3 dilihat dari|4 bagaimana ia bersikap|5 dan|6 memimpin para karyawannya.|1”
11
Word graph dari Kalimat 3 dapat digambarkan sebagai berikut:
impian
seseorang
CAU CAU
SUB
persoalan
pemimpin
kepemimpinan SUB
CAU
PAR
jiw a
kepemimpinan
CAU
F harapan
k eb u tu h an
F
CAU
karyaw an
v4
v6
F CAU
SUB
CAU
SUB
v1
F
v1
v5
Gambar 18 Word graph Kalimat 3. Kalimat 4: “Orientasinya|5 bukanlah untuk kepentingan pribadi|5 atau golongan,|1 namun|2 lebih kepada kepentingan publik|5 yang dipimpinnya.|1” Word graph dari Kalimat 4 dapat digambarkan sebagai berikut:
F
CAU SUB
kepentingan
pribadi
SUB
publik
F v6
v1 0 CAU
v9
Gambar 20 Word graph Kalimat 5.
CAU
o rien tasi
v3
v11 SUB
Gambar 19 Word graph Kalimat 4. Kalimat 5: “Kepemimpinan yang responsif,|1 artinya|5 ia selalu tanggap setiap persoalan,|1 kebutuhan,|1 harapan,|1 dan|6 impian|5 dari mereka yang dipimpinnya.|1” Word graph dari Kalimat 5 dapat dilihat pada Gambar 20. 2. Metode semantic network Lima kalimat yang telah diproses menggunakan metode knowledge graph selanjutnya akan diproses menggunakan metode semantic network. Langkah-langkah analisis semantic network adalah sebagai berikut:
Membaca setiap kalimat yang akan diolah Tahap awal dalam memproses kalimat dengan metode semantic network adalah membaca kalimat yang akan diolah. Hal ini dilakukan agar peneliti mengerti isi atau memahami makna dari suatu kalimat. Dengan begitu peneliti dapat memahami tujuan dibuatnya suatu kalimat pada suatu teks. Menentukan tujuan dari isi sebuah kalimat Setelah memahami isi dari setiap kalimat, selanjutnya menentukan tujuan dari isi kalimat-kalimat yang telah dipilih. Berikut adalah tujuan dari dibuatnya lima kalimat pada teks yang berjudul “Kepemimpinan”: - Kalimat 1: “Kepemimpinan mampu mengubah suatu kondisi yang kurang baik atau biasa saja menjadi lebih baik lagi, maka dari itu kepemimpinan merupakan salah satu faktor penting dalam menentukan sukses atau tidaknya suatu organisasi atau perusahaan”. Isi dari kalimat tersebut bertujuan menegaskan informasi. - Kalimat 2: “Dalam dunia karier, kepemimpinan sering diidentikkan dengan otorisasi yang tanpa batas dan tidak mengenal toleransi maupun kompromi dimana seorang pemimpin atau atasan yang memperlakukan para karyawan dan bawahannya dengan sikap otoriter.” Isi dari kalimat tersebut menekankan implikasi dari suatu informasi. - Kalimat 3: “Sebenarnya, seseorang yang memiliki jiwa kepemimpinan dapat dilihat dari bagaimana ia bersikap dan memimpin para karyawannya”. Isi dari kalimat tersebut bertujuan menegaskan informasi. - Kalimat 4: “Orientasinya bukanlah untuk kepentingan pribadi atau golongan, namun
12
-
lebih kepada kepentingan publik yang dipimpinnya”. Isi dari kalimat tersebut bertujuan menjelaskan orientasi. Kalimat 5: “Kepemimpinan yang responsif, artinya ia selalu tanggap setiap persoalan, kebutuhan, harapan, dan impian dari mereka yang dipimpinnya”. Isi dari kalimat tersebut bertujuan mendefinisikan arti kata “responsif”.
Menentukan penggunaan jenis semantic network pada kalimat Sebelum menggambarkan kalimat dalam bentuk semantic network, peneliti akan menentukan terlebih dahulu jenis semantic network yang mana yang tepat digunakan dalam setiap kalimat terpilih. Penentuan tersebut berdasarkan tujuan dari isi kalimat. Berikut merupakan jenis semantic network yang akan digunakan untuk menggambarkan setiap kalimat terpilih: - Pada Kalimat 1 akan digunakan jenis assertional network karena isi dari kalimat 1 menekankan pada penegasan informasi. - Pada Kalimat 2 akan digunakan jenis implicational network karena pada kalimat tersebut berisi mengenai implikasi dari suatu informasi. - Pada Kalimat 3 akan digunakan jenis assertional network karena isi dari kalimat 3 menekankan pada penegasan informasi. - Pada Kalimat 4 akan digunakan jenis definitional network karena isi dari kalimat tersebut bertujuan menjelaskan orientasi dari kepemimpinan. - Pada Kalimat 5 akan digunakan jenis definitional network karena isi dari kalimat tersebut bertujuan mendefinisikan arti kata “responsif”.
Pembuatan network - Kalimat 1: “Kepemimpinan mampu mengubah suatu kondisi yang kurang baik atau biasa saja menjadi lebih baik lagi, maka dari itu kepemimpinan merupakan salah satu faktor penting dalam menentukan sukses atau tidaknya suatu organisasi atau perusahaan”. Kalimat 1 memiliki pengertian yang sama dengan kalimat “Jika kepemimpinan mampu mengubah kondisi menjadi lebih baik maka kepemimpinan dikatakan sukses”. Gambar 25 merupakan penggambaran dari Kalimat 1 menggunakan semantic network jenis assertional network.
a
b
c
d
Gambar 21 Network Kalimat 1. Keterangan: a : kepemimpinan b : mengubah c : kondisi lebih baik d : sukses Kata di luar oval merah merepresentasikan kata “jika”, a dihubungkan dengan b kemudian dihubungkan lagi dengan c. Subgraf di luar oval merah dapat dibaca “jika kepemimpinan a mengubah kondisi menjadi lebih baik c”, a dan c terhubung juga pada kata di dalam oval merah (sukses) yang merepresentasikan akibat dari mengubah c, ”maka a dikatakan sukses menjadi c”. Dalam notasi aljabar Gambar 21 dapat ditulis: ( )( ) ((kepemimpinan( ) kondisi lebih baik( ) mengubah( )) sukses( )) -
Kalimat 2: “Dalam dunia karier, kepemimpinan sering diidentikkan dengan otorisasi yang tanpa batas dan tidak mengenal toleransi maupun kompromi di mana seorang pemimpin atau atasan yang memperlakukan para karyawan dan bawahannya dengan sikap otoriter”. Gambar 22 menunjukkan kemungkinan penyebab munculnya otoriter, setiap kotak mewakili proposisi, dan tanda panah menunjukkan implikasi dari suatu proposisi. Huruf T (true) dan F (false) menyatakan nilai kebenaran dari setiap proposisi. Jika kepemimpinan identik dengan otorisasi maka tanda panah diberikan huruf T (true) menunjukkan bahwa kepemimpinan tidak mengenal kompromi, tanda panah yang diberi huruf F (false) menunjukkan bahwa kepemimpinan mengenal toleransi. Pada kotak yang hanya memiliki satu tanda panah keluar, bernilai benar pada kotak pertama menyebabkan kotak kedua bernilai benar, tetapi apabila kotak pertama bernilai salah maka tidak dapat
13
diprediksi nilai kebenaran kotak selanjutnya. Berikut adalah penggambaran dari Kalimat 2 menggunakan semantic network jenis implicational network: kepemimpinan identik dengan otorisasi
F
T
kepemimpinan m engenal
kepemimpinan tidak mengenal
toleransi
kompromi
dengan f kemudian dihubungkan lagi dengan g. Subgraf di luar oval merah dapat dibaca “jika seseorang e memiliki jiwa kepemimpinan g”. Garis antara e dan g terhubung juga pada kata di dalam oval merah (sikap memimpin karyawannya) yang merepresentasikan akibat dari memiliki g, “maka e dapat dilihat dari sikapnya memimpin para karyawan dengan g”. Dalam notasi aljabar Gambar 23 dapat ditulis: ( )( g) ((seseorang(e) kepemimpinan(g) memiliki(e,g)) memimpin karyawannya (e,g)) -
sikap pemimpin
sikap otoriter
jiwa sikap
Kalimat 4: “Orientasinya bukanlah untuk kepentingan pribadi atau golongan, namun lebih kepada kepentingan publik yang dipimpinnya”. Berikut adalah penggambaran dari Kalimat 4 menggunakan semantic network jenis definitional network :
Gambar 22 Network Kalimat 2. orientasi kepemimpinan
-
Kalimat 3: “Sebenarnya, seseorang yang memiliki jiwa kepemimpinan dapat dilihat dari bagaimana ia bersikap dan memimpin para karyawannya”. Kalimat 3 ini dapat diubah dengan kalimat yang memiliki pengertian yang sama yaitu kalimat ” Jika seseorang memiliki jiwa kepemimpinan maka dapat dilihat dari sikapnya memimpin para karyawan”. Berikut adalah penggambaran dari Kalimat 3 menggunakan semantic network jenis assertional network.
e
f
g
h
. Gambar 23 Network Kalimat 3. Keterangan: e : seseorang f : memiliki g : jiwa kepemimpinan h : dapat dilihat dari sikapnya memimpin para karyawan Kata di luar oval berwarna merah merepresentasikan kata “jika”, e dihubungkan
for
for
kepentingan pribadi kepentingan publik
Gambar 24 Network Kalimat 4.
-
Antara konsep “orientasi kepemimpinan” dan “kepentingan pribadi” terdapat tanda negasi yang menjadikan network tersebut memiliki makna “Orientasi kepemimpinan adalah untuk kepentingan publik bukan kepentingan pribadi”. Kalimat 5: “Kepemimpinan yang responsif, artinya ia selalu tanggap setiap persoalan, kebutuhan, harapan, dan impian dari mereka yang dipimpinnya”. Berikut adalah penggambaran dari Kalimat 5 menggunakan semantic network jenis definitional network: has part
responsif
kepemimpinan
is a tanggap
need need
need
keinginan k eb u tu h an
persoalan
Gambar 25 Network Kalimat 5.
14
4.3 Analisis Perbandingan Kedua Metode Analisis dari kedua metode yang digunakan yaitu metode knowledge graph dan metode semantic network, ditinjau dari aspek proses, struktur graf dan tujuan jangka panjang. Berikut merupakan penjelasan dari analisis kedua metode: Proses Dilihat dari aspek proses, interpretasi hasil penggambaran graf atau jaringan dari metode knowledge graph dan metode semantic network keduanya masih mengandung unsur kesubjektifan. Pada metode knowledge graph, kesubjektifan dapat diminimumkan dengan adanya batasan-batasan yang jelas dalam penggunaan relasi antarkonsep. Kesubjektifan pada metode knowledge graph mulai terjadi ketika penggambaran graf, setiap individu akan menghasilkan graf yang tidak sama bergantung pada alasan masing-masing, sedangkan pada penggunaan metode semantic network unsur kesubjektifan secara jelas terdapat pada penentuan jenis jaringan yang akan digunakan dalam penggambaran jaringan. Penggunaan metode knowledge graph dirasa lebih mudah daripada metode semantic network. Langkah-langkah dengan metode knowledge graph lebih kompleks namun dalam mengimplementasikan knowledge graph dalam bahasa pemrograman lebih mudah karena batasan konsep pada metode knowledge graph yang jelas. Pengimplementasian metode semantic network lebih sukar karena belum ada batasan konsep yang jelas dan relasi dalam semantic network yang tidak terbatas. Tujuan jangka panjang Tujuan jangka panjang dari metode knowledge graph dan metode semantic network adalah membuat sebuah sistem yang mampu menghasilkan intisari dari sebuah teks secara efektif dan efisien. Kedua metode ini
juga diharapkan dapat mengasah logika dan penalaran seseorang. Struktur graf Perbedaan yang penting antara semantic network dengan knowledge graph adalah struktur graf yang menentukan aspek semantik pada kalimat, diasumsikan bahwa aspek semantik dari suatu kata digunakan untuk menggambarkan kalimat dengan graf. Hal tersebut yang menyebabkan semantic network memiliki relasi yang tidak terbatas banyaknya. Kelebihan dan Kekurangan Kelebihan penggunaan metode knowledge graph adalah adanya batasan konsep yang jelas yaitu konsep kata benda, dan relasi antarkonsep yang terbatas sehingga memudahkan dalam penggambaran graf dan meminimumkan unsur kesubjektifan. Kedua hal tersebut menyebabkan proses dalam mengimplementasikan knowledge graph ke dalam bahasa pemrograman lebih mudah. Metode semantic network memiliki kelebihan yang terdapat pada penggambaran jaringan, label relasi yang mengandung makna kata sehingga memudahkan pembaca dalam memahami atau menginterpretasikan maksud atau makna dari suatu graf atau network. Kekurangan dari metode knowledge graph dan semantic network terletak pada hasil graf yang tidak terstruktur dan keduanya masih mengandung unsur kesubjektifan. Persamaan dan Perbedaan Pada analisis perbandingan dapat dilihat dari aspek persamaan dan perbedaan dari kedua metode. Persamaan yang dimiliki dari kedua metode adalah memiliki keterkaitan antarkonsep dan masih memiliki unsur kesubjektifan. Perbedaan yang dimiliki oleh kedua metode adalah pada metode knowledge graph memiliki batasan konsep yang jelas dan batasan relasi antarkonsep yang jelas, sedangkan untuk semantic network tidak ada batasan konsep yang jelas dan relasinya tidak terbatas.
15
Tabel 3 Analisis perbandingan metode knowledge graph dan semantic network Aspek proses
a. b.
c.
d. e.
f. -
-
struktur graf
Knowledge graph Semantic network Langkah-langkah analisis - Langkah-langkah analisis perbandingan: perbandingan: Membaca keseluruhan teks. a. Membaca setiap kalimat yang Pengelompokan kata benda yang akan diolah. memiliki kesamaan makna b. Menentukan tujuan dari isi sebuah (sinonim), bentuk umum yang sama, kalimat. dan dianggap satu kesatuan, c. Menentukan penggunaan jenis kemudian dihitung jumlah semantic network pada kalimat. kemunculannya. d. Pembuatan network pada setiap Menentukan threshold dari kata kalimat. benda yang akan digunakan sebagai e. Melakukan analisis perbandingan. konsep atau verteks. Pemberian label pada konsep yang akan digunakan sebagai verteks. Pembuatan graf menggunakan verteks yang telah ditentukan dan menggunakan relasi yang sesuai dengan ketentuan pada knowledge graph Melakukan analisis perbandingan. Kesubjektifan dapat diminimumkan dengan adanya batasan-batasan yang jelas dalam penggunaan relasi antarkonsep, kesubjektifan pada metode knowledge graph mulai terjadi ketika penggambaran graf, setiap individu akan menghasilkan graf yang tidak sama bergantung pada alasan masing-masing. Langkah-langkah dengan metode knowledge graph lebih kompleks namun dalam mengimplementasikan knowledge graph ke dalam bahasa pemrograman lebih mudah daripada metode semantic network karena batasan konsep pada metode knowledge graph yang jelas.
Unsur kesubjektifan terdapat pada penentuan jenis jaringan yang akan digunakan dalam penggambaran jaringan. Langkah-langkah dalam metode semantic network lebih sederhana namun mengimplementasikan semantic network ke dalam bahasa pemrograman lebih sulit daripada metode knowledge graph karena belum ada batasan konsep yang jelas dan relasi dalam semantic network yang tidak terbatas.
Contoh: Contoh:
seseorang
F
has part responsif
SUB
kepemimpinan
PAR
jiw a
kepem im pinan
is a
CAU
karyaw an
v4
tanggap
need
need
SUB
need v1
F
keinginan
persoalan
CAU
kebutuhan v5
Gambar 26 Contoh knowledge graph.
Gambar 27 Contoh semantic network.
16
Lanjutan Tabel 3 Aspek
Knowledge graph
Semantic network
struktur graf (lanjutan)
- Label relasi antarkonsep dari - Label relasi antarkonsep yang knowledge graph tidak mengenal kata, memiliki makna kata digunakan sehingga tidak dapat menggambarkan untuk menggambarkan hubungan secara jelas hubungan antarkonsep. antarkonsep. - Relasi CAU, PAR, dan SUB tidak - Relasi dengan label “has part”, “ismemiliki makna kata, ketiganya a”, dan “need” mampu mengacu pada delapan binary menggambarkan makna atau isi dari relationship. sebuah kalimat.
tujuan jangka panjang
Membuat sebuah sistem yang mampu menghasilkan rangkuman atau intisari dari sebuah teks secara efektif dan efisien.
Membuat sebuah sistem yang mampu menghasilkan rangkuman atau intisari dari sebuah teks secara efektif dan efisien.
kelebihan
Adanya batasan konsep yang jelas yaitu konsep kata benda, dan relasi antarkonsep yang terbatas sehingga memudahkan dalam penggambaran graf dan meminimumkan unsur kesubjektifan. Hal tersebut mempermudah proses dalam mengimplementasikan knowledge graph ke bahasa pemrograman.
Kelebihannya terdapat pada penggambaran jaringan, label relasi yang mengandung makna kata sehingga memudahkan pembaca dalam memahami atau menginterpretasikan maksud atau makna dari suatu graf.
kekurangan
Hasil graf yang tidak terstruktur dan - Hasil graf yang tidak terstruktur dan masih mengandung unsur kesubjektifan. masih mengandung unsur kesubjektifan. - Tidak ada batasan konsep yang jelas dan relasinya tidak terbatas
persamaan
Memiliki keterkaitan antarkonsep dan masih memiliki unsur kesubjektifan.
Memiliki keterkaitan antarkonsep dan masih memiliki unsur kesubjektifan.
V SIMPULAN DAN SARAN 5.1 Simpulan Metode knowledge graph dan metode semantic network dapat diterapkan untuk analisis teks berbahasa Indonesia. Perbandingan antara metode knowledge graph dan semantic network dapat dianalisis dari berbagai aspek yaitu aspek proses, stuktur graf, dan aspek tujuan jangka panjang. Selain itu dalam proses analisis juga dapat dilihat persamaan dan perbedaan dari kedua metode serta dapat dilihat kelebihan dan kekurangan penggunaan kedua metode. Berdasarkan analisis perbandingan, pada penggunaan metode knowledge graph unsur kesubjektifan dapat diminimumkan dengan adanya batasan konsep dan relasi-relasi yang terbatas Metode semantic network memiliki relasi
yang tidak terbatas sehingga unsur kesubjektifan sangat tinggi. Metode knowledge graph merupakan metode yang lebih tepat untuk digunakan dibandingkan dengan metode semantic network dalam mencapai tujuan jangka panjang, karena dalam mengimplementasikan knowledge graph ke bahasa pemrograman lebih mudah menggunakan metode knowledge graph. 5.2 Saran Penelitian ini dapat dilanjutkan dengan meneliti efektivitas metode representasi lain. Selain itu penelitian ini dapat juga dilanjutkan sehingga didapat program yang mampu menghasilkan intisari dari teks menggunakan metode knowledge graph atau metode representasi lain.
DAFTAR PUSTAKA Abbas YA. 2011. Perbandingan metode knowledge graph dan concept mapping sebagai teknik menangkap pengetahuan dari teks. [skripsi]. Bogor: Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor.
Ikhwati A. 2007. Analisis masalah kemiskinan menggunakan teori knowledge graph [skripsi]. Bogor: Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor.
[Anonim]. 2011. Kepemimpinan. http://kepemimpinanfisipuh.blogspot.co m. [25 April 2012]
Keraf G. 1991. Tata Bahasa Rujukan Bahasa Indonesia untuk Tingkat Pendidikan Menengah. Jakarta: PT Grasindo
Chartrand G, Oellermann OR. 1993. Applied and Algorithmic Graph Theory. New York: McGraw-Hill. [Depdikbud] Departemen Pendidikan dan Kebudayaan. 2005. Kamus Besar Bahasa Indonesia. Ed ke-3. Jakarta: Balai Pustaka Febriatmoko D. 2011. Abstraksi teks berbahasa Indonesia menggunakan teori knowledge graph. [skripsi]. Bogor: Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor. Hoede C, Nurdiati S. 2008a. On Word Graphs and Structural Parsing, University of Twente, Memorandum 1871, ISSN:1874-4850 Hoede C, Nurdiati S. 2008b. 25 Years Development of Knowledge Graph Theory: The Results and The Challenge. Di dalam: the 3rd International Conference on Mathematics and Statistics (ICOMS-3), Institut Pertanian Bogor, Indonesia, 5-6 agu 2008.
Rusiyamti. 2008. Analisis teks berbahasa Indonesia menggunakan teori knowledge graph. [tesis]. Bogor: Program Pascasarjana, Institut Pertanian Bogor. Saputra RZAF. 2009. Abstraksi dokumen menggunakan analisis kausalitas knowledge graph [skripsi]. Bogor: Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor. Sowa JF. 2006. Semantic Network. Encyclopedia of Artificial Intelligence. http://www.jfsowa.com/pubs/semnet.htm . [31 Maret 2012] Waridah E. 2008. EYD dan Seputar Kebahasa-Indonesiaan. Jakarta: Kawan Pustaka. Zhang L. 2002. Knowledge Graph Theory and Structural Parsing. Enschede, The Netherlands: Twente University Press.
LAMPIRAN
19
Lampiran 1 Teks yang dianalisis Kepemimpinan 25 April 2011 http://kepemimpinanfisipuh.blogspot.com oleh NVL Kepemimpinan merupakan hal yang sangat menarik untuk kita pelajari karena selalu menjadi isu sentral di mana pun, baik dalam pemerintahan, agama, bisnis, maupun perusahaan. Kepemimpinan mampu mengubah suatu kondisi yang kurang baik atau biasa – biasa saja menjadi jauh lebih baik lagi, maka dari itu kepemimpinan merupakan salah satu faktor penting dalam menentukan sukses atau tidaknya suatu organisasi atau perusahaan. Kepemimpinan atau yang biasa disebut dengan istilah leadership sering diartikan sebagai suatu jabatan formal yang pada kenyataannya, justru lebih banyak menuntut untuk mendapatkan fasilitas dan pelayanan dari institusi yang seharusnya dilayani. Dalam dunia karier, kepemimpinan sering diidentikan dengan otorisasi yang tanpa batas dan tidak mengenal toleransi maupun kompromi, di mana seorang pemimpin atau atasan yang memperlakukan para karyawan dan bawahannya dengan sikap yang otoriter. Kita sering mendengar, melihat dan bahkan mungkin mengalaminya di lingkungan kerja kita. Misalnya, seorang atasan yang memaksa para karyawannya untuk menuruti semua kemauannya tanpa pernah mendengarkan atau memperdulikan kebutuhan – kebutuhan karyawannya. Dalam suatu organisasi, bisnis, atau pun perusahaan, gaya kepemimpinan sangat mempengaruhi kualitas dan kuantitas kerja para karyawannya. Sebenarnya, seseorang yang memiliki jiwa kepemimpinan dapat dilihat dari bagaimana ia bersikap dan memimpin para karyawannya. Kepemimpinan yang melayani, tujuan utama seorang pemimpin adalah melayani kepentingan mereka yang dipimpinnya. Orientasinya bukanlah untuk kepentingan pribadi atau golongan, namun lebih kepada kepentingan publik yang dipimpinnya. Seorang pemimpin harus bisa membangun dan mengembangkan mereka yang dipimpinnya, sehingga bermunculan bibit – bibit pemimpin baru dalam kelompoknya. Kepemimpinan yang efektif, ini dimulai dari memiliki visi yang jelas yang kemudian diikuti dengan kerja keras. Visi ini merupakan sebuah daya dan kekuatan untuk melakukan perubahan yang mendorong terjadinya proses peleburan kreativitas melalui sinergi dan integritas dari berbagai keahlian orang – orang yang ada di dalam organisasi atau perusahaan yang ia pimpin. Kepemimpinan yang memotivasi, seorang pemimpin harus bisa menjadi role model bagi karyawannya, tidak hanya sekedar memberikan dorongan. Ia harus bisa memberikan inspirasi karena secara sederhana, kepemimpinan adalah proses untuk membawa orang – orang dan organisasi yang dipimpinnya dapat mencapai suatu tujuan yang jelas. Kepemimpinan yang responsif, artinya ia selalu tanggap setiap persoalan, kebutuhan, harapan, dan impian dari mereka yang dipimpinnya. Selalu aktif dan proaktif dalam mencari solusi dari setiap permasalahan yang dihadapi organisasi atau perusahaannya. Jika disimpulkan, maka kita akan memahami bahwa seorang pemimpin yang baik adalah seseorang yang memiliki integritas, terbuka, mampu menerima kritikan, rendah hati, mampu memahami orang lain dengan baik, terinspirasi oleh visi, mampu mengenali dirinya sendiri dengan baik, memiliki spiritualisasi yang tinggi, dan selalu mengupayakan yang terbaik bagi dirinya sendiri maupun orang lain.
20
Lampiran 2 Tahap awal pembuatan knowledge graph Untuk mempermudah pembuatan graf, dilakukan perubahan penulisan pada relasi ALI dan verteks yang digunakan. Pada penulisan, contoh untuk relasi ALI akan ditulis sebagai berikut:
sayu r
A LI
menjadi
v1
menjadi
sayu r
v1
Gambar 28 Penulisan relasi ALI dan verteks.
Lampiran 3 Contoh pembuatan knowledge graph pada kalimat Kalimat 1: Berdasarkan chunk indicator diperoleh pemotongan kalimat sebagai berikut: “Kepemimpinan mampu mengubah suatu kondisi|5 yang|2 kurang baik atau|6 biasa saja|5 menjadi lebih baik lagi,|1 maka dari itu|5 kepemimpinan|5 merupakan salah satu faktor penting|5 dalam|2 menentukan sukses atau|6 tidaknya|5 suatu organisasi atau|6 perusahaan .|1” Dari kalimat tersebut diperoleh frasa kata benda sebagai berikut: a: kepemimpinan b: kondisi c: faktor penting d: sukses tidaknya suatu organisasi atau perusahaan Jika frasa kata benda digambarkan dalam graf, diperoleh: a: kepemimpinan Penjelasan: Hanya terdapat sebuah kata benda “kepemimpinan” pada frasa ini, sehingga dapat digambarkan word graph sebagai berikut:
kepemimpinan
Gambar 29 Word graph untuk a Kalimat 1. b: kondisi Penjelasan: Hanya terdapat sebuah kata benda “kondisi” pasa frasa ini, sehingga dapat digambarkan word graph sebagai berikut: k o n d isi
Gambar 30 Word graph untuk b Kalimat 1.
21
c: faktor penting Penjelasan: Kata penting merupakan kata sifat yang mengiringi kata “faktor”, sehingga hanya ada satu kata benda pada frasa ini.
fak to r
Gambar 31 Word graph untuk c Kalimat 1. d: sukses tidaknya suatu organisasi atau perusahaan Penjelasan: Kata “sukses” merupakan kata sifat, kata organisasi atau perusahaan merupakan kata benda yang keduanya merupakan bagian dari frasa kata benda sebelumnya yaitu “faktor penting”. Relasi yang tepat untuk menghubungkan kedua kata benda tersebut dengan frasa kata benda sebelumnya adalah CAU, “faktor CAU organisasi” dan “faktor CAU perusahaan”.
perusahaan organisasi
CAU CAU
fak to r
Gambar 32 Word graph untuk d Kalimat 1. Dengan demikian kalimat tersebut dapat ditulis: 3 ”a|5 mampu| mengubah suatu b|5 yang|4 kurang baik atau|2 biasa saja|5 menjadi|4 lebih baik lagi,|1 maka|4 dari itu|5 a merupakan|2 salah satu c|5 dalam|2 menentukan d.|1” Penjelasan: a mengubah b, dan a merupakan salah satu c yang menentukan d. Artinya kepemimpinan merupakan faktor penting dalam mempengaruhi kondisi di organisasi atau perusahaan. Kalimat 1 berfokus pada token “kepemimpinan”. Dengan demikian dapat dibuat word graph sebagai berikut:
a
F
SUB
d
SUB
CAU
CAU
b
F
kepemimpinan CAU
d
SUB
CAU
c
perusahaan
SUB
CAU CAU
k o n d isi
organisasi
fak to r
Gambar 33 Word graph kata benda Kalimat 1. Kata benda dalam word graph tersebut akan dicocokkan dengan verteks yang telah ditentukan. Kata”kondisi” dan “faktor” tidak terdapat dalam verteks pada teks “Kepemimpinan”, sehingga ”kondisi” dan “faktor” dihilangkan. Kata ”organisasi” dan “perusahaan” telah dikelompokkan berdasarkan kesamaan makna katanya, oleh karena itu hanya di gambarkan salah satunya, sehingga penggambaran Kalimat 1 dapat dilihat pada Gambar 34.
22
v1
F
SUB
v2
Gambar 34 Word graph verteks Kalimat 1. Kalimat ketiga: Berdasarkan chunk indicator diperoleh pemotongan kalimat sebagai berikut: ” Sebenarnya,|1 seseorang yang|2 memiliki jiwa kepemimpinan|5 dapat|3 dilihat dari|4 bagaimana ia bersikap|5 dan|6 memimpin para karyawannya.|1” Dari kalimat tersebut diperoleh frasa kata benda sebagai berikut: a: seseorang b: jiwa kepemimpinan c: para karyawan Jika frasa kata benda digambarkan dalam graf, diperoleh: a: seseorang Penjelasan: Hanya terdapat sebuah kata benda “seseorang” pada frasa ini, sehingga dapat digambarkan word graph sebagai berikut: seseorang
Gambar 35 Word graph untuk a pada Kalimat 3. b: jiwa kepemimpinan Penjelasan: Terdapat dua kata benda yaitu “jiwa” dan “kepemimpinan”. Kata “jiwa” merupakan sifat atau keterangan bagi kata “kepemimpinan”, sehingga kata “jiwa kepemimpinan” tepat dihubungkan dengan relasi PAR, “jiwa PAR kepemimpinan.” PAR
jiw a
kepemimpinan
Gambar 36 Word graph untuk b pada Kalimat 3. c: para karyawannya Penjelasan: Hanya terdapat satu kata benda yaitu “karyawan”, sehingga dapat digambarkan word graph berikut: karyaw an
Gambar 37 Word graph untuk c pada Kalimat 3. Dengan demikian kalimat tersebut dapat ditulis: ”Sebenarnya,|1 a yang|4 memiliki b dapat|3 dilihat dari|1 bagaimana ia bersikap dan|2 memimpin para c.|1”
23
Penjelasan: a yang memiliki b, dapat memimpin c. Artinya seseorang yang memiliki jiwa kepemimpinan, dapat memimpin karyawannya. Kalimat 3 berfokus pada token “kepemimpinan”. Dengan demikian dibuat word graph sebagai berikut:
a SUB
b
F CAU
c seseorang SUB
jiw a
PAR
kepemimpinan
F
CAU
karyaw an
Gambar 38 Word graph kata benda Kalimat 3. Kata benda dalam word graph tersebut akan dicocokkan dengan verteks yang telah ditentukan. Kata”jiwa” tidak terdapat dalam verteks pada teks “Kepemimpinan”, sehingga kata ”jiwa” dapat dihilangkan, dan diperoleh: v4 SUB
F
v1 CAU
v5
Gambar 39 Word graph verteks Kalimat 3.
