PENGEMBANGAN SISTEM PEMBENTUKAN WORD GRAPH UNTUK TEKS BERBAHASA INDONESIA Oleh : DENI ROMADONI (G64054032) Pembimbing : Dr. Ir. Sri Nurdiati, M.Sc Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor

Pengenalan Istilah Latar Belakang Tujuan Penelitian Ruang Lingkup Penelitian Tinjauan Pustaka Metodologi Penelitian Hasil dan Pembahasan Kesimpulan dan Saran Daftar Pustaka

Bahasa buatan (bahasa formal) adalah bahasa yang dibuat secara khusus untuk memenuhi kebutuhan tertentu, misalnya bahasa pemodelan dan bahasa pemograman tertentu. Natural language (bahasa alami ) adalah metode dan sistem simbol yang paling banyak digunakan untuk mengekspresikan pikiran manusia dan pertukaran informasi (Zhang 2002).

Pengenalan Istilah (cont…) Natural Language Precessing (NLP) merupakan bidang ilmu yang memproses bahasa alami. Knowledge Graph (KG) adalah salah satu jenis dari representasi NLP, yang mengarahkan pada cara baru dalam menjelaskan dan memodelkan NLP. KG menggambarkan bahasa manusia dengan lebih memfokuskan pada aspek semantik daripada aspek sintatik. Word Graph merupakan graph dari serangkaian kata.

Latar Belakang Penelitian Bahasa buatan sulit. Ambiguitas merupakan kendala utama bahasa alami. Implementasi KG untuk berbagai masalah dalam upaya meminimlisir ambiguitas. Pengembangan software untuk implementasi KG. Software DelftConStruct belum sepenuhnya memenuhi konsep KG.

Tujuan Penelitian Mengembangkan Perangkat lunak yang dapat menggunakan metode KG untuk membentuk word graph dari hasil analisis teks berbahasa Indonesia

Ruang Lingkup Penelitian Pengembangan perangkat lunak Bogor DelftConStruct yang sesuai dengan konsep KG. Dapat diimplementasikan untuk teks berbahasa Indonesia. Menyediakan fitur untuk modifikasi word graph dan pembentukan kamus word graph.

Graph adalah pasangan dari himpunan verteks-verteks V dan himpunan edge-edge E yang menghubungkan antar verteks KG berupa graph berarah, tersusun dari concept, dan basic relationship (ontologi). Concept terdiri dari token, type, dan name. Ontologi word graph direpresentasikan dengan sebuah node, 8 binary relationship, 4 frame relationship, dan ontologi F.

Token adalah sebuah node dalam KG yang ditunjukkan dengan persegi Token adalah sebuah node dalam KG yang ditunjukkan dengan persegi. Token merupakan representasi dari verteks pada graph. Type adalah konsep yang masih bersifat umum dan merupakan hasil dari kesepakatan yang telah dibuat sebelumnya. Name adalah suatu konsep yang bersifat individual.

Tinjauan Pustaka (Cont…) 8 binary relationship yang didefinisikan sebagai berikut (Zhang 2002) : ALI (alikeness), digunakan di antara type dan token atau diantara 2 token yang memiliki unsur-unsur yang sama, contoh : CAU (causality), mengekspresikan sebab akibat atau sesuatu hal mempengaruhi hal yang lain. Contoh :

Tinjauan Pustaka (Cont…) EQU (equality), di antara name dan token atau antara 2 token yang mengekspresikan2 token yang sama dan sederajat. Contoh : SUB (subset), menyatakan 1 token adalah bagian dari token yang lain, contoh : DIS (dissparatness), mengekspresikan bahwa 2 token tidak memiliki hubungan satu dengan yang lainnya. contoh :

Tinjauan Pustaka (Cont…) ORD (ordering), mengekspresikan bahwa 2 hal mempunyai urutan satu sama lain, contoh : PAR (attribute), mengekspresikan bahwa sesuatu adalah sebuah atribut dari sesuatu yang lain, contoh : SKO (informational dependency), digunakan , jika suatu token informasinya bergantung pada token yang lainnya, contoh :

Tinjauan Pustaka (Cont…) 4 frame relationship dapat dijelaskan sebagai berikut : FPAR (focusing on a situation), mengekspresikan bahwa sekumpulan subgraph dari graph adalah bagian dari seluruh graph yang telah dibentuk. NEGPAR (negation of a situation), mengekspresikan peniadaan atau pengingkaran terjadinya isi dari frame. POSPAR (possibility of a situation), mengekspresikan kemungkinan terjadi Dari isi frame. NECPAR (necessity of a situation), mengekspresikan perlu, butuh atau keharusan terjadi dari isi frame.

Tinjauan Pustaka (Cont…) contoh penggunaan Frame : Misalkan p adalah preposisi yang menyatakan” adik bahagia”. Gambar diatas secara berurutan menunjukkan graph dari pernyataan bahwa (a) adik bahagia, (b) tidak benar adik bahagia, (c) kemungkinan adik bahagia, dan (d) seharusnya adik bahagia

Ontologi F digunakan untuk menunjukkan fokus dari suatu graph .

Pengembangan perangkat lunak menggunakan metode Evolusioner dengan jenis exploratory.

Deskripsi Perangkat Lunak DelftConStruct merupakan tools yang menggunakan KG untuk melakukan analisis teks dalam bentuk word graph. Hal utama yang dibutuhkan : Membentuk dan modifikasi graph Analisis teks Membentuk dan modifikasi kamus word graph.

Spesifikasi Perancangan DelftConStruct meliputi : Perancangan fungsional Modul pembentukan dan modifikasi word graph Modul analisis teks Modul pembentukan dan modifikasi kamus word graph Perancangan struktur data Perancangan antarmuka

Lingkungan pengembangan / implementasi : Perangkat keras Intel® Pentium M Processor @1.8 GHz Memori DDR 512 MB Harddisk 60 GB Monitor Keyboard dan mouse Perangkat lunak Windows XP SP2 Operating System MATLAB 7.0.1.24704 (R14) SP1 2004

Validasi Validasi mencakup proses integrasi, uji dan pemeliharaan sistem. Pengujian dilakukan dengan menggunakan metode black box.

Hasil dan Pembahasan Deskripsi batasan sistem Sistem tidak membedakan huruf kapital atau bukan. Pembuatan relasi antar teks tidak dapat dilakukan. Hanya ada sebuah token sebagai fokus. Sistem akan menolak penyimpanan word graph, apabila masih terdapat minimal sebuah token atau kata dalam graph yang belum terhubung dengan minimal sebuah token lain.

Hasil dan Pembahasan (Cont …) Spesifikasi dan perancangan fungsional Modul pembentukan dan modifikasi word graph. Penambahan dan modifikasi pada token. Penambahan dan modifikasi pada teks. Penambahan dan modifikasi pada frame. Modul analisis graph. Analisis token Analisis frame Modul pembentukan dan modifikasi kamus word graph.

Hasil dan Pembahasan (Cont …) Spesifikasi dan perancangan struktur data Data mengenai token Info token bertipe cell Line dan arrow bertipe double Ontologi antar token dan label ontologi bertipe double Data mengenai teks Info teks bertipe cell Ontologi antara teks dan token, serta label ontologi bertipe double

Hasil dan Pembahasan (Cont …) Spesifikasi dan perancangan struktur data (cont …) Data mengenai frame. Info frame bertipe cell Line dan arrow bertipe double Ontologi antar frame dan label ontologi bertipe double Ontologi antara frame dan token, serta label ontologi bertipe double Data relasi ontologi. Binary relationship bertipe struct Frame relationship bertipe struct

Implementasi Demo DelftConStruct

Validasi Hasil pengujian menunjukkan kesesuaian antara hasil yang seharusnya dengan hasil pengujian. Kelebihan sistem ini yaitu : dapat membentuk dan melakukan modifikasi word graph sesuai dengan konsep KG. dapat melakukan penyimpanan terhadap word graph yang telah dibentuk.

Validasi (Cont …) kekurangan sistem ini yaitu : Tidak terdapat modul untuk membuka dan menutup sebuah frame. modul pembangkitan word graph dari masukan berupa sebuah frase atau kalimat. modul untuk penggabungan word graph dari file yang ada pada kamus word graph

Kesimpulan dan Saran Kesimpulan DelftConStruct yang dikembangkan telah sesuai dengan konsep KG. Pembentukan dan modifikasi pada setiap elemen. word graph telah dapat dilakukan. Analisis word graph teks berbahas Indonesia dapat dilakukan. Word graph yang telah dibentuk dapat disimpan dan dimodifikasi.

Kesimpulan dan Saran (Cont…) Melengkapi modul untuk membuka dan menutup sebuah frame. Melengkapi modul pembangkitan word graph dari Masukan teks berupa frase atau kalimat. Melengkapi modul untuk penggabungan word graph dari file-file yang ada pada kamus graph. Melengkapi sistem dengan modul analisis word graph yang lebih optimal dan menghasilkan analisis yang lebih sederhana, namun tepat sesuai dengan makna yang dimaksud oleh word graph.

Daftar Pustaka Granadi A D, Khatiza E. 2006. Masalah Variasional untuk Persamaan Beda dalam Graf Terboboti. Bogor : Departemen Matematika FMIPA IPB. Hoede C, Nurdiati S. 2008. A Graph Theoritical Analysis of Certain Aspects of Bahasa Indonesia. Memorandum No. 1870, Departement of Applied Mathematics, Universuty of Twente, Enschede, The Netherlands, ISSN 1874- 4850. Hulliyah K. 2007. Rekayasa Memahami Teks Menggunakan Metode Knowledge Graph. [tesis].Bogor : Sekolah Pascasarjana, Institut Pertanian Bogor. Rusiyamti. 2008. Analisis Teks Berbahasa Indonesia Mengunakan Teori Knowledge Graph. [tesis]. Bogor : Sekolah Pascasarjana, Institut Pertanian Bogor. Sommerville I. 2001. Software Engineering. 6th Ed. United Kingdom :Pearson Education. Supriyo P T. 2006. Algoritma Rute Terpendek Berbasis Teori Graph. JMA, VOL. 5, No.1. Bogor : Departemen Matematika FMIPA IPB Zhang L. 2002. Knowledge Graph Theory And Structural Parsing. [Disertasi]. ISBN 9036518350. Netherlands : Twente University.

TERIMA KASIH