PERBANDINGAN KNOWLEDGE GRAPH DAN CONCEPTUAL GRAPH SEBAGAI METODE REPRESENTASI TEKS MUHAMMAD SYAHRUL ANWAR

Ukuran: px
Mulai penontonan dengan halaman:

Download "PERBANDINGAN KNOWLEDGE GRAPH DAN CONCEPTUAL GRAPH SEBAGAI METODE REPRESENTASI TEKS MUHAMMAD SYAHRUL ANWAR"

Transkripsi

1 PERBANDINGAN KNOWLEDGE GRAPH DAN CONCEPTUAL GRAPH SEBAGAI METODE REPRESENTASI TEKS MUHAMMAD SYAHRUL ANWAR DETEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013

2

3 ABSTRAK MUHAMMAD SYAHRUL ANWAR. Perbandingan Knowledge Graph dan Conceptual Graph sebagai Metode Representasi Teks. Dibimbing oleh SRI NURDIATI dan FARIDA HANUM. Dalam menangkap sebuah pengetahuan atau informasi, orang lebih mudah melihat visualisasi gambar atau grafik daripada teks atau tabel. Beberapa metode representasi teks secara matematis ialah knowledge graph (KG) dan conceptual graph (CG). Karya ilmiah ini mencoba membandingkan KG dan CG untuk merepresentasikan teks berdasarkan aspek proses, struktur graf, dan tujuan jangka panjangnya. Berdasarkan aspek proses, KG lebih sederhana dan objektif dibandingkan dengan CG karena KG mempunyai relasi yang terbatas. Berdasarkan struktur graf, CG lebih mudah difahami dibanding KG karena CG dapat menggunakan relasi dari kata yang terdapat di dalam kalimat. Untuk jangka panjang, metode KG dipercaya menjadi metode yang potensial untuk mengembangkan sistem abstraksi teks secara otomatis. Kata kunci: conceptual graph, knowledge graph, representasi teks. ABSTRACT MUHAMMAD SYAHRUL ANWAR. Comparing Knowledge Graph and Conceptual Graph as Text Representation Method. Under Supervised by SRI NURDIATI and FARIDA HANUM. To capture the knowledge or information of a writing, it is easier from images or graphics than it is from texts or tables. Texts are represented by Knowledge Graph (KG) and Conceptual Graph (CG) in mathematical methods. This paper compares KG and CG in representing text based on aspects of the processes, the graph structures, and the long term goals. Based on the aspects of the processes, KG is more simple and objective than CG because KG has limited relationships. Based on the graph structures, CG is more easily to be understood than KG because CG s relationships can taken from word of the sentence. Based on the long terms, KG method is believed to be a potential method for developing automatic text abstraction systems. Keywords: conceptual graph, knowledge graph, text representation.

4

5 PERBANDINGAN KNOWLEDGE GRAPH DAN CONCEPTUAL GRAPH SEBAGAI METODE REPRESENTASI TEKS MUHAMMAD SYAHRUL ANWAR Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains pada Departemen Matematika DETEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013

6

7 Judul Skripsi : Perbandingan Knowledge Graph dan Conceptual Graph sebagai Metode Representasi Teks Nama : Muhammad Syahrul Anwar NIM : G Disetujui oleh Dr Ir Sri Nurdiati, MSc Pembimbing I Dra Farida Hanum, MSi Pembimbing II Diketahui oleh Dr Berlian Setiawaty, MS Ketua Departemen Tanggal Lulus:

8 PRAKATA Puji serta syukur penulis panjatkan kepada Allah SWT atas segala nikmat, karunia, izin, dan pertolongan-nya sehingga penulisan skripsi ini dapat diselesaikan. Dan semoga sholawat serta salam senantiasa tercurahkan kepada Nabi Muhammad SAW yang telah menjadi inspirasi penulis dalam setiap sendi kehidupan. Karya ilmiah ini adalah hasil penelitian penulis sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains di Departemen Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor. Penulis mengucapkan terima kasih kepada Ibu Dr Ir Sri Nurdiati, MSc dan Ibu Dra Farida Hanum, MSi selaku pembimbing, serta Bapak Dr Ir Fakhren Bukhori, MSc yang telah banyak memberi saran. Selain itu, ungkapan terima kasih juga penulis sampaikan kepada ayah, ibu, serta seluruh keluarga dan saudaraku, atas segala do a dan kasih sayangnya. Kepada seluruh sahabat dan semua pihak yang senantiasa memberi dukungan, saran, dan motivasi dalam penyelesaian karya ilmiah ini, penulis ucapkan terima kasih. Penulis menyadari bahwa penelitian ini memiliki kekurangan dan penulis mengharapkan karya ilmiah ini dapat memberikan manfaat bagi lingkungan sekitar. Bogor, Juni 2013 Muhammad Syahrul Anwar

9 DAFTAR ISI DAFTAR GAMBAR vi PENDAHULUAN 1 Latar Belakang 1 Tujuan Penelitian 1 Ruang Lingkup Penelitian 1 TINJAUAN PUSTAKA 2 Kelas Kata 2 Graph 3 Knowledge Graph (KG) 3 Conceptual Graph (CG) 6 PERBANDINGAN KNOWLEDGE GRAPH DAN CONCEPTUAL GRAPH 8 Praproses 8 Proses 9 HASIL DAN PEMBAHASAN 16 Analisis Kedua Metode 16 Perbandingan Kedua Metode 18 SIMPULAN DAN SARAN 22 Simpulan 22 Saran 22 DAFTAR PUSTAKA 23

10 DAFTAR GAMBAR 1 Contoh penggunaan graf 3 2 Contoh penggunaan relasi ALI 4 3 Contoh lain penggunaan dari relasi ALI 4 4 Contoh penggunaan relasi 4 5 Contoh penggunaan relasi EQU 5 6 Contoh lain penggunaan dari relasi EQU 5 7 Contoh penggunaan relasi SUB 5 8 Contoh penggunaan relasi DIS 5 9 Contoh penggunaan relasi 5 10 Contoh penggunaan relasi ORD 5 11 Contoh penggunaan relasi SKO 6 12 Contoh penggunaan relasi AGNT 7 13 Contoh penggunaan relasi OBJ 7 14 Contoh penggunaan relasi ATTR 7 15 Contoh penggunaan relasi INS 7 16 Contoh penggunaan relasi preposition 7 17 Contoh lain CG 8 18 Graf KG Kalimat Graf CG Kalimat Graf KG dan CG Kalimat Graf KG Kalimat Graf CG Kalimat Graf KG Kalimat Graf CG Kalimat Graf KG Kalimat Graf CG Kalimat Graf KG dan CG Kalimat Graf KG dan CG kalimat Graf KG Kalimat Graf CG Kalimat 8 16

11 PENDAHULUAN Latar Belakang Dalam menangkap sebuah pengetahuan, biasanya orang lebih mudah melihat visualisasi gambar atau grafik daripada teks atau tabel. Dengan melihat visualisasi dari sebuah teks, maka orang akan cepat menangkap informasi dan maksud atau makna dari sebuah teks. Selain itu, representasi visual dari sebuah teks juga dapat menghilangkan ambiguitas. Matematika sebagai salah satu bidang ilmu pengetahuan pun memiliki peran besar terkait metode representasi teks atau tabel ke dalam sebuah grafik. Pada penelitian ini, bidang Matematika yang digunakan berfokus pada aspek logika. Beberapa metode representasi teks secara matematis, antara lain metode knowledge graph (KG), conceptual graph (CG), concept mapping, dan semantic network. Dalam karya ilmiah ini, metode yang akan digunakan ialah metode knowledge graph (KG) dan conceptual graph (CG). Penelitian mengenai perbandingan metode dalam bahasa alami sudah pernah dilakukan. Metode yang digunakan adalah KG dan concept mapping dengan teks bahasa Inggris. Hasil dari analisis perbandingan dalam penelitian tersebut ialah representasi pengetahuan menggunakan KG menghasilkan graf yang tidak terstuktur, sedangkan concept mapping lebih tersruktur. Tingkat kesubjektifan concept mapping sangat tinggi karena langkah pertama dari concept mapping ialah mempelajari pengetahuannya terlebih dahulu (Abbas 2011). Menurut Hoede dan Nurdiati (2008b), KG pertama kali muncul pada tahun 1982 dengan tahap awal yang bertujuan merepresentasikan pengetahuan dalam bentuk expert system. Bentuk ini berkembang pada akhir tahun 80-an dan diaplikasikan pada ilmu medis dan sosial. Pada tahap selanjutnya, teori KG diperluas untuk merepresentasikan bahasa alami. Selain KG, metode lain yang akan dibahas adalah CG yang muncul pertama kali pada tahun 1976 oleh John F. Sowa. CG adalah sebuah metode lain untuk merepresentasikan teks ke dalam sebuah graf yang terdiri atas concept dan conceptual relation yang dihubungkan dengan arc. Tujuan Penelitian Tujuan penelitian ini ialah membandingkan metode knowledge graph (KG) dan conceptual graph (CG) sebagai metode untuk merepresentasikan teks berbahasa Inggris. Ruang Lingkup Penelitian Ruang lingkup penelitian ini antara lain : a teks yang digunakan adalah teks berbahasa Inggris, b metode KG yang digunakan adalah metode KG dengan nouns, verbs, dan adjective sebagai konsep,

12 2 c metode CG yang digunakan adalah metode CG dengan nouns, verbs, dan adjective sebagai konsep. TINJAUAN PUSTAKA Kelas Kata Semantik (Yunani : Semanein = berarti, bermaksud; semanticos = makna) adalah cabang ilmu bahasa yang meneliti makna dalam bahasa tertentu, mencari asal-usul dan perkembangan arti kata, mempelajari klasifikasi perubahan kata-kata atau bentuk bahasa sebagai indikator dalam perkembangan bahasa (Keraf 1982). Nouns (Kata Benda) Menurut Hariyanto dan Hariyono (2003) kata benda atau dalam bahasa Inggris disebut nouns adalah kata yang digunakan untuk menunjukkan nama orang, tempat, hewan, atau nama suatu benda atau hal-hal yang dibendakan. Atau dapat dikatakan bahwa setiap perkataan yang menunjukkan orang, tempat, hewan, tumbuhan, benda, atau sesuatu yang dibendakan disebut kata benda. Verbs (Kata Kerja) Verbs (kata kerja) adalah kata yang menunjukkan suatu pekerjaan, perbuatan, tingkah laku atau kegiatan. Contohnya: speak (berbicara), run (lari), ask (meminta), dan lain-lain. Tetapi, ada juga kata kerja yang tidak menunjukkan pekerjaan, perbuatan, tingkah laku, atau kegiatan, hanya memberitahukan keadaan wujud saja, misalnya: to be (ada, adalah), to have (mempunyai), to become (menjadi), to seem (kelihatan), dan lain-lain (Hariyanto dan Hariyono 2003). Adjective (Kata Sifat) Adjective adalah kata yang digunakan untuk menggambarkan orang atau sesuatu seperti kata tall, short, wide, beautiful, happy, good, dan sebagainya. Dalam bahasa Indonesia adjective sering disebut sebagai kata sifat. Berikut adalah contoh dari adjective: - Bill is a man (Bill adalah seorang lelaki), - Bill is a good man (Bill adalah seorang lelaki yang baik). Dalam contoh tersebut, kata good adalah sebuah adjective. Kata good memodify kata benda man. Kata modify di sini berarti mengganti. Dengan menambahkan adjective (kata sifat) good, arti kata benda man diganti, yaitu maknanya bertambah, dari seorang lelaki menjadi seorang lelaki yang baik (Meiyati 2010). Nouns Phrase (Frasa Kata Benda) Frasa adalah suatu konstruksi yang terdiri atas dua kata atau lebih yang membentuk suatu kesatuan. Kesatuan itu dapat menimbulkan suatu makna baru yang sebelumnya tidak ada. Misalnya dalam frasa hydroponic farming muncul makna baru yang menyatakan jenis (Keraf 1982).

13 3 Graph Graf G adalah pasangan terurut (V,E) dengan V himpunan takkosong dan berhingga dari elemen-elemen graf yang disebut verteks (simpul, node) dan E himpunan hingga edge (sisi). Contoh graf G dengan V={u,v,w,x} dan E={uv,uw,wx} diberikan pada Gambar 1. Gambar 1 Contoh penggunaan graf Digraph (graf berarah) D adalah pasangan terurut (V,A) dengan V adalah himpunan takkosong dari sejumlah berhingga elemen yang disebut simpul (node) dan A adalah himpunan berhingga (tidak perlu berbeda) dari pasangan terurut elemen-elemen dalam V yang disebut sisi berarah (arc) (Wilson dan Lowell 1979). Knowledge Graph (KG) Teori KG atau metode KG adalah suatu pendekatan baru yang dapat digunakan untuk menyajikan bahasa alami dalam bentuk graf. Perbedaan yang mendasar antara teori KG dengan teori representasi lain adalah bahwa teori KG ini menggunakan ontologi atau relasi yang jumlahnya sangat terbatas sehingga teori KG mampu melukiskan atau menggambarkan aspek semantik yang lebih mendasar. Teori ini memberikan cara baru dalam melakukan penelitian untuk memahami bahasa alami dengan bantuan komputer (Zhang 2002). Konsep Konsep merupakan komponen terpenting dalam pemikiran manusia. Konsep merupakan sesuatu yang penting dalam membentuk suatu pengertian dari khusus ke umum atau sebaliknya (Zhang 2002). Konsep dapat dibedakan menjadi tiga jenis, yaitu token, type, dan name (Berg 1993). a Token Dalam KG, 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). Contoh sebuah token ialah misalkan seseorang menemukan kata apel, orang tersebut dapat menghubungkan hal ini dengan informasi bentuk, warna, dan rasa; demikian juga orang lain akan menghubungkan dengan hal yang berbeda. Token, dalam KG dinyatakan dengan symbol. Seseorang dalam mengamati sesuatu akan membandingkannya dengan dunia nyata. Dengan demikian dalam KG segala sesuatu akan dihubungkan dengan token. b Type Type adalah konsep yang berupa informasi umum dan bersifat objektif karena merupakan kesepakatan yang dibuat sebelumnya. Contoh type misalnya buah, binatang, dan sebagainya.

14 4 c Name Name adalah sesuatu yang bersifat individual. Sebagai contoh: Pluto adalah sebuah name yaitu nama dari sebuah anjing. Sesuatu dapat dikelompokkan ke dalam beberapa type yang berbeda. Demikian juga name, sesuatu dapat diberi name dengan banyak cara. Aspek-Aspek Ontologi Ontologi merupakan gambaran dari beberapa konsep dan relasi antarkonsep yang bertujuan mendefinisikan ide-ide yang merepresentasikan konsep, relasi, dan logikanya. Berdasarkan ontologi yang dimiliki inilah KG dapat membangun sebuah model yang dapat digunakan untuk memahami bahasa alami (natural language). Hal ini diperlukan agar arti dari suatu kalimat dapat diekspresikan. Dalam KG, ontologi word graph sampai saat ini terdiri atas token yang dinyatakan dengan node, 8 binary relationships, dan 4 frame relationships. Menurut Zhang (2002), penjelasan dari relasi dalam KG tersebut dapat diberikan sebagai berikut: a Relasi Alikeness (ALI) Relasi ALI digunakan untuk menghubungkan sebuah type dengan token. Contohnya kalimat plant adalah type dapat dinyatakan dengan graf berikut: ALI plant Gambar 2 Contoh penggunaan relasi ALI Akan tetapi dalam karya ilmiah ini, relasi ALI jarang dinyatakan, karena token akan diberi label type secara langsung. ALI Gambar 3 Contoh lain penggunaan dari relasi ALI b Relasi Causality () Relasi causality antara 2 buah token digambarkan dengan anak panah berlabel. Relasi digunakan untuk menghubungkan dua token yang memiliki hubungan sebab akibat atau bisa juga untuk menghubungkan dua konsep yang terdiri atas kata benda dan kata kerja atau untuk menghubungkan subjek dengan predikat atau predikat dengan objek. Contohnya kalimat The plant is growing dapat dinyatakan sebagai berikut: plant plant Gambar 4 Contoh penggunaan relasi c Relasi Equality (EQU) Relasi EQU digunakan untuk menghubungkan sebuah name dengan token. Contohnya kalimat Toni is the name of man dapat dinyatakan sebagai berikut: grow plant

15 5 Toni Gambar 5 Contoh penggunaan relasi EQU Relasi ini biasa digunakan pula untuk menyatakan sinonim, adalah, merupakan, atau setara makna. Contohnya relasi antara kata farm dan field yang grafnya dapat dilihat pada gambar berikut: farm Gambar 6 Contoh lain penggunaan dari relasi EQU d Relasi Subset (SUB) Jika dua token menyatakan dua konsep dan konsep yang satu merupakan bagian dari konsep yang lain, maka kedua token dihubungkan dengan relasi SUB. Contoh: soil at field, maka dapat dinyatakan dengan graf berikut: soil EQU Gambar 7 Contoh penggunaan relasi SUB e Relasi Disparateness (DIS) Relasi ini dapat digunakan untuk menyatakan kata different atau not like. Contohnya ialah relasi antara kata good dan bad yang dapat dinyatakan dengan graf berikut: Gambar 8 Contoh penggunaan relasi DIS f Relasi Attribution () Relasi digunakan untuk menyatakan bahwa sesuatu mempunyai sifat sesuatu yang lain. Hal ini dapat dilihat pada contoh good nutrient. Kata good merupakan kondisi dari nutrient, atau dengan kata lain good adalah atribut dari nutrient. Frasa good nutrient dapat dinyatakan dengan graf sebagai berikut: Gambar 9 Contoh penggunaan relasi g Relasi Ordering (ORD). Relasi ORD menyatakan bahwa dua hal memiliki urutan tertentu, baik urutan waktu maupun urutan tempat. Contoh penggunaan relasi ORD, misalnya untuk menyatakan graf Sunday dan Monday, yaitu: Sunday good good EQU SUB DIS ORD man field field bad nutrient Monday Gambar 10 Contoh penggunaan relasi ORD

16 6 h Relasi Informational Dependency (SKO) Relasi SKO digunakan jika sebuah token informasinya bergantung pada token yang lain. Relasi SKO juga digunakan untuk menyatakan universal quantifier seperti all. Contoh penggunaan relasi SKO, misalnya untuk menyatakan graf dari kalimat all farmer know: SKO farmer Gambar 11 Contoh penggunaan relasi SKO Frame merupakan verteks berlabel. Relasi frame menyatakan bahwa verteks berlabel tersebut sebenarnya suatu frame dari beberapa graf yang lebih kompleks. Relasi frame pada KG ada empat macam (Zhang 2002): a F (Focusing on a situation), b NEG (Negation of a sitution), c POS (Possibility of a situation), d NEC (Necessity of a situation). F merupakan pemberian sifat internal dari sesuatu ke sesuatu yang lain (dalam frame). NEG merupakan pemberian sifat internal sesuatu ke sesuatu yang lain tetapi dalam bentuk negasi (dalam frame). POS merupakan pemberian sifat internal sesuatu ke objek yang lain sebagai sebuah kemungkinan (dalam frame). NEC merupakan pemberian sifat internal sesuatu ke objek yang lain sebagai sebuah keharusan (dalam frame). Conceptual Graph (CG) CG adalah sebuah bipartite graph terbatas dan terhubung yang terdiri atas node concept berlabel, node conceptual relation berlabel, dan garis penghubung (arcs) yang menghubungkan concept dan conceptual relation. CG adalah representasi grafik untuk ilmu mantik didasarkan dari jaringan semantik pada kecerdasan buatan dan grafik eksistensial oleh Charles Sanders Peirce (Sowa 1976). Concept Concept adalah sebuah node pada CG yang mewakili entitas, satuan entitas, atau kumpulan berbagai entitas (Sowa 2000). Sebuah concept dilambangkan dengan persegi/kotak. Concept names ditulis di dalam persegi/kotak. Pada penelitian ini, konsep yang digunakan adalah nouns, verbs, dan adjective. Conceptual Relation Conceptual relation adalah node pada CG berupa lingkaran yang mempunyai garis penghubung yang menghubungkan beberapa concept (Sowa 2000). Aturan Relasi dan Contohnya Pada dasarnya belum ada ketentuan atau batasan untuk relasi pada CG sehingga relasinya masih tak terbatas. Namun, ada beberapa relasi CG yang sering digunakan antara lain : know

17 a AGNT = agent Relasi AGNT biasanya digunakan untuk menghubungkan event atau verbs dengan subjek, sebagai contoh kalimat the plant is growing dapat dinyatakan sebagai: 7 plant agnt grow Gambar 12 Contoh penggunaan relasi AGNT b OBJ = object Relasi OBJ biasanya digunakan untuk menghubungkan event atau verbs dengan objek, sebagai contoh kalimat farmer plows the soil dapat dinyatakan sebagai: farmer agnt plow obj soil Gambar 13 Contoh penggunaan relasi OBJ c ATTR = ibute Relasi ATTR biasanya digunakan untuk menghubungkan concept dengan sifat atau keterangan dari concept tersebut. Contohnya kalimat good nutrient dapat dinyatakan sebagai: good nutrient Gambar 14 Contoh penggunaan relasi ATTR d INS = instrument Relasi INS biasanya digunakan untuk menghubungkan event atau verbs dengan instrumen dari event atau verbs tersebut, sebagai contohnya ialah untuk menyatakan graph dari kalimat farmer plows the soil in the fields with hoe: farmer agnt plow obj soil ins at hoe Gambar 15 Contoh penggunaan relasi INS e Preposition: on, at, in, etc. Preposisi yang biasanya digunakan sesuai dengan kata preposisi yang terdapat dalam kalimat. Sebagai contoh kalimat the plant on a pot dapat dinyatakan sebagai: plant on Gambar 16 Contoh penggunaan relasi preposition Selain yang relasi-relasi tersebut, kata yang terdapat pada kalimat dapat digunakan sebagai relasi pada CG. Dan dalam CG pun terdapat bentuk frame. Contoh lain penggunaan CG adalah some farms were abandoned in pursuit for a different career while some is because of the lack of government support for the agricultural enhancement. pot field

18 8 Proposition: pursuit for different career in abandoned farm because of Proposition: for government support of agricultural enhancement lack Gambar 17 Contoh lain CG PERBANDINGAN KNOWLEDGE GRAPH DAN CONCEPTUAL GRAPH Praproses Pada tahap praproses ini, dilakukan studi literatur yang terkait dengan metode KG, metode CG, teks berbahasa Inggris dengan tema hydroponic farming, dan struktur teks berbahasa Inggris. Literatur-literatur terkait metode KG, metode CG, teks berbahasa Inggris dengan tema hydroponic farming, dan struktur teks berbahasa Inggris yang digunakan sebagai bahan penelitian antara lain: 1 On Word Graphs and Structural Parsing oleh Sri Nurdiati dan Cornelis Hoede (2008a), 2 Knowledge Graph Theory and Structural Parsing oleh L. Zhang (2002), 3 Conceptual Graph oleh J. F. Sowa (1976), 4 Perbandingan Metode Knowledge Graph dan Concept Mapping sebagai Teknik Menangkap Pengetahuan oleh Yanti Anjarwati Abbas (2011), 5 English Grammar for General Application oleh Hariyanto dan Hariyono (2003). Adapun kalimat yang akan direpresentasikan adalah beberapa kalimat sederhana dan beberapa kalimat dalam teks dengan tema hydroponic farming, yaitu: Hydroponics Farming - The New Age Farming yang ditulis oleh : Keith Turner. Adapun kalimat yang akan digunakan ialah: 1 The plant is growing. 2 Plant on a pot. 3 Farmer plows the soil in the fields with hoe. 4 Farmer knows that plant needs water with the good nutrient.

19 5 Farming has dropped significantly as the society advances in the modern area. 6 Some farms were abandoned in pursuit for a different career while some is because of the lack of government support for the agricultural enhancement. 7 A reason why hydroponics farming is being preferred than the traditional way is that, the procedure allows unseasonal produce to be planted and harvested. 8 Hydroponics farming produce are safe from chemicals and the produce are even fresher and at high quality of yield. Proses Setelah menentukan kalimat-kalimat yang akan digunakan, maka langkah selanjutnya memasuki tahap proses. Proses ini terdiri atas mengolah teks dengan dua metode yaitu metode KG dan CG. Setiap kalimat akan diproses sesuai dengan urutannya. Kemudian kedua metode tersebut akan dibandingkan. Penentuan Konsep Langkah awal dari metode ini adalah menentukan konsep untuk dijadikan verteks. Pada penelitian ini kedua metode menggunakan batasan konsep yang sama, yaitu kata yang akan dijadikan konsep adalah nouns, verbs, dan adjective. Pada langkah ini didapatkan konsep untuk setiap kalimat adalah sebagai berikut: Tabel 1 Konsep KG dan CG No Kalimat Nouns Verbs Adjective 1 The plant is growing. plant grow - 2 Plant on a pot. plant pot Farmer plows the soil in the fields with hoe. 4 Farmer knows that plant needs water with the good nutrient. 5 Farming has dropped significantly as the society advances in the modern area. 6 Some farms were abandoned in pursuit for a different career while some is because of the lack of government support for the agricultural enhancement. farmer soil field hoe farmer plant water nutrient farming society advances area farm pursuit career government support agricultural enhancement lack plow - know need drop good modern 9 - abandoned different

20 10 Tabel 1 Konsep KG dan CG (lanjutan) No Kalimat Nouns Verbs Adjective 7 A reason why hydroponics farming is being preferred than the traditional way is that the procedure allows unseasonal produce to be planted and harvested. reason hydroponics farming way procedure produce allow preferred unseasonal planted harvested traditional 8 Hydroponics farming produce are safe from chemicals and the produce are even fresher and at high quality of yield. hydroponic farming produce chemicals quality yield - safe fresher high Pembuatan Graf Pada langkah sebelumnya, verteks-verteks atau kata benda sudah ditentukan, selanjutnya akan dibentuk graf kalimat. Langkah-langkah pembentukan graf meliputi pembentukan graf berdasarkan konsep yang telah didapat. Pembentukan graf ini disesuaikan dengan hubungan antarkalimat dan kata penghubungnya. Berikut analisis setiap kalimat: Kalimat 1: The plant is growing. Konsep: a nouns : plant, b verbs : grow, c adjective : - Dengan metode KG, konsep yang didapat dijadikan verteks, kemudian verteks tersebut digambarkan ke dalam bentuk graf. Relasi yang digunakan relasi, karena menghubungkan kata benda dengan kata kerja. Berikut pembentukan grafnya: Gambar 18 Graf KG Kalimat 1 Jika ditinjau dengan metode CG, grow adalah concept berupa verbs, dan plant adalah concept yang merupakan subjek dari grow. Berikut pembentukan grafnya: plant plant agnt Gambar 19 Graf CG Kalimat 1 Dari kalimat pertama didapat graf hasil kedua metode tersebut. Dengan menggunakan konsep yang sama, perbedaan ada pada penentuan relasi dan arah relasinya. Pada metode CG, relasi yang digunakan untuk menghubungkan kata kerja dengan subjek adalah relasi AGNT (agent), sedangkan pada metode KG relasi yang digunakan adalah. Dan dilihat dari arah relasi, pada metode CG arah relasi bersumber dari kata kerja menuju subjek, sedangkan pada KG berasal dari subjek menuju kata kerja. Ini membedakan dalam melihat fokus informasi. Pada KG fokus untuk Kalimat 1 ada pada subjek, sedangkan pada CG fokus berada pada konsep kata kerja. grow grow

21 Kalimat 2: The plant on a pot. Konsep: a nouns : plant, pot, b verbs : - c adjective : - Pot adalah keterangan tempat atau posisi dari the plant. Berikut pembentukan grafnya: plant SUB pot plant on pot Gambar 20 Graf KG dan CG Kalimat 2 Dari Kalimat 2 didapat graf hasil kedua metode tersebut seperti di atas. Dalam merepresentasikan keterangan tempat, CG menggunakan relasi preposition sesuai kata penghubungnya, dalam hal ini on, sedangkan KG menggunakan relasi SUB, dalm hal ini kata yang diterangkan ( plant ) merupakan bagian dari tempatnya berada atau kata yang menerangkan ( pot ). Kalimat 3: Farmer plows the soil at the fields with hoe. Konsep: a nouns : farmer, soil, field, hoe, b verbs : plow, c adjective : - Dalam knowledge graph, secara umum relasi yang digunakan untuk menghubungkan kata benda dengan kata kerja adalah, sehingga relasi yang digunakan untuk menghubungkan farmer dengan plow, dan plow dengan soil adalah relasi. Dalam kalimat ini juga terdapat kata penunjuk keterangan tempat yaitu at. Seperti pada Kalimat 2, relasi yang digunakan adalah SUB. Kata hoe adalah alat atau instrumen/atribut dari kata kerja plow, sehingga relasi yang digunakan adalah. Graf dari Kalimat 3 dapat digambarkan sebagai berikut: 11 farmer plow soil SUB hoe Gambar 21 Graf KG Kalimat 3 Plow adalah concept berupa verbs dan farmer menjadi subjeknya, sedangkan soil menjadi objeknya. Adapun hoe adalah instrument dari plow dan field adalah keterangan dari soil. Graf dari Kalimat 3 dapat digambarkan sebagai berikut: field farmer agnt plow obj soil ins at hoe field Gambar 22 Graf CG Kalimat 3

22 12 Bentuk graf KG dan CG dari Kalimat 3 serupa dan terdapat perbedaan dari penentuan relasi dan arahnya. Namun dapat dilihat, baik relasi agent maupun relasi object pada CG hanya digambarkan dengan relasi pada KG begitu pula pada relasi at pada CG digambarkan dengan relasi SUB pada KG. Hal ini menunjukkan bahwa KG dapat mengurangi kemungkinan redundancy. Hal ini dikarenakan relasi pada KG terbatas. Kalimat 4: Farmer knows that plant needs water with the good nutrient. Konsep: a nouns : farmer, plant, water, nutrient, b verbs : know, need, c adjective : good. Seperti pada Kalimat 3, relasi yang digunakan untuk menghubungkan kata benda dengan kata kerja adalah, sehingga relasi yang digunakan untuk menghubungkan farmer dengan know, dan know dengan objeknya, plant dengan need, dan need dengan water, adalah relasi. Dalam kalimat ini yang menjadi objek dari know adalah sebuah kalimat majemuk, sehingga menggunakan frame. Graf dari Kalimat 4 dapat digambarkan sebagai berikut: farmer know F plant need good nutrient Gambar 23 Graf KG Kalimat 4 Know adalah concept berupa verbs dan farmer menjadi subjek, sedangkan objek know adalah sebuah kalimat lain. Anak kalimat yang menjadi objek dari know ialah plant needs water with the good nutrient. Pada anak kalimat tersebut need adalah concept berupa verbs dan plant menjadi subjeknya dan water menjadi objek dari need. Adapun nutrien adalah kandungan dalam water dan memiliki atribut good. Graf dari Kalimat 4 dapat digambarkan sebagai berikut: SUB farmer agnt know obj water Proposition: farmer agnt need obj nutrient with water good Gambar 24 Graf CG Kalimat 4 Graf KG dan CG untuk Kalimat 4 adalah serupa. Yang membedakan kedua graf tersebut adalah adanya NEC pada KG. Namun dalam merepresentasikan kalimat majemuk bertingkat kedua metode sama-sama menggunakan frame.

23 Kalimat 5: Farming has dropped significantly as the society advances in the modern area. Konsep : a nouns : farming, society advances, area, b verbs : drop, c adjective : modern. Kalimat 5 adalah kalimat majemuk sebab-akibat. Kata as dalam kalimat tersebut bermakna sebagai akibat. Kata society advance adalah nouns phrase. Graf dari Kalimat 5 dapat digambarkan sebagai berikut: 13 F farming drop F society advance SUB area modern Gambar 25 Graf KG Kalimat 5 Drop adalah concept berupa verbs dan farming menjadi subjek. Society advance adalah noun phrase sedangkan area yang memiliki atribut modern merupakan tempat beradanya society advance. Kalimat ini adalah kalimat majemuk setingkat. Dalam hal ini kalimat pertama merupakan akibat dari kalimat kedua. Graf dari Kalimat 5 dapat digambarkan sebagai berikut: Proposition: farming agnt drop as Proposition: society advance in area Gambar 26 Graf CG Kalimat 5 Pada Kalimat 5 ini dapat dibandingkan knowledge graph dan conceptual graph mempunyai bentuk representasi yang serupa, sedangkan pada conceptual graph menggunakan kata as untuk menghubungkan proposisi akibat dan proposisi sebab. Kalimat 6: Some farms were abandoned in pursuit for a different career while some is because of the lack of government support for the agricultural enhancement. Konsep: a nouns modern : farm, pursuit, career, government support, agricultural enhancement, lack, b verbs : - c adjective : abandoned, different. Kalimat 6 adalah kalimat majemuk sebab-akibat dengan dua penyebab. Some farms were abandoned adalah proposisi akibat. Pursuit for a different career

24 14 adalah penyebab pertama dan the lack of government support for the agricultural enhancement adalah penyebab kedua. Kata in dalam kalimat tersebut adalah penghubung antara proposisi akibat dengan proposisi sebab pertama, sedangkan penghubung antara proposisi akibat dengan proposisi sebab kedua adalah because of. Graf dari Kalimat 6 dapat digambarkan sebagai berikut: Proposition: pursuit for different career F lack government support in agricultural enhancement abandoned farm because of F farm abandoned Proposition: for government support of different career pursuit agricultural enhancement lack Gambar 27 Graf KG dan CG Kalimat 6 Kalimat 7: A reason why hydroponics farming is being preferred than the traditional way is that the procedure allows unseasonal produce to be planted and harvested. Konsep: a. nouns : reason, hydroponics farming, way, procedure, produce, b. verbs : allow, c. adjective : preferred, unseasonal, planted, harvested, traditional. Kalimat 7 adalah kalimat majemuk dengan dua anak kalimat. Kalimat utamanya adalah a reason why A is B. Anak kalimat pertama, yakni hydroponics farming is being preferred than traditional way menyatakan A, sedangkan anak kalimat kedua, yakni the procedure allows unseasonal produce to be planted and harvested menyatakan B. Graf dari Kalimat 7 dapat digambarkan sebagai berikut:

25 15 Proposition: Proposition: hydroponics farming preferred F hydroponics farming ORD preferred traditional reason why way than way traditional is reason EQU F procedure allow produce harvested planted unseasonal Proposition: procedure agnt allow obj unseasonal Gambar 28 Graf KG dan CG kalimat 7 Kalimat 8: Hydroponics farming produce are safe from chemicals and the produce are even fresher and at high quality of yield. Konsep: a. nouns : hydroponic farming, produce, chemicals, quality, yield, b. verbs : - c. adjective : safe, fresher, high. Kalimat 8 adalah kalimat majemuk setara. Kata produce menjadi subjek di kedua anak kalimat. Pada KG, frasa kata hydroponic farming, kata safe, fresher, dan quality memiliki relasi atrribution dengan kata produce. Kata of yang menghubungkan antara kata quality dan yield menerangkan relasi subset. Graf dari Kalimat 8 dapat digambarkan sebagai berikut: planted harvested produce to be hydroponics farming produce chemical safe fresher high quality SUB Gambar 29 Graf KG Kalimat 8 Pada CG, frasa kata hydroponic farming, kata safe, fresher, dan quality memiliki relasi atrribution dengan kata produce sehingga dapat digabung dengan satu relasi. Kata of dan from merupakan preposition dan dapat digunakan sebagai relasi pada graf. Graf dari Kalimat 8 dapat digambarkan sebagai berikut: yield

26 16 hydroponics farming produce from safe chemicals quality fresher high yield of Gambar 30 Graf CG Kalimat 8 HASIL DAN PEMBAHASAN Analisis Kedua Metode Setelah semua kalimat diubah ke dalam bentuk graf, baik menggunakan KG maupun CG, maka dilakukan analisis dari kedua metode yang dapat ditinjau dari aspek proses, aspek hasil, dan tujuan jangka panjang yang selanjutnya dirangkum dalam kelebihan dan kekurangan setiap metode yang digunakan. Berikut penjelasan dari analisis kedua metode: Aspek Proses Pada aspek proses, hal yang ditinjau meliputi aspek interpretasi dan aspek kemudahan dalam penggunaan setiap metode. Interpretasi hasil dari metode KG maupun CG lebih subjektif dibandingkan dengan metode CG. Hal ini karena pembaca dapat mempunyai pemahaman yang berbeda terhadap relasi yang terbatas, sedangkan pada CG sebagian besar relasi adalah kata yang terdapat pada teks. Dari proses penentuan relasi, KG lebih objektif dibandingkan dengan CG. Hal ini dapat dilihat dari penentuan relasi antarkonsep. Pada KG, dengan batasan relasi dan kriteria relasinya dapat dihasilkan relasi yang relatif lebih objektif, sedangkan pada CG belum ada batasan relasi sehingga, relasi antarkonsep bergantung pada pemahaman subjektif. Aspek Hasil Pada aspek hasil, yang diperhatikan untuk kedua metode adalah cara pandang terhadap setiap metode. Dari beberapa kalimat yang memuat kata kerja (verbs), metode KG menggunakan relasi baik untuk menghubungkan subjek dengan predikat kata kerja maupun untuk menghubungkan predikat kata kerja dengan objek dan mempunyai arah dari subjek. Pada CG, untuk menghubungkan subjek dengan predikat digunakan relasi agent atau subject yang berarah dari kata kerja (verbs) dan untuk menghubungkan kata kerja dengan objek digunakan relasi object yang berarah dari kata kerja. Dari perbandingan tersebut, relasi KG dapat disederhanakan dengan menghilangkan verbs dengan menggunakan hukum kausalitas. Pada CG semua arah relasi berasal dari verbs, sehingga penyederhanaan dengan menghilangkan verbs tidak dapat dilakukan.

27 Dengan relasi yang diambil dari kata yang ada pada teks, maka relasi CG secara representasi lebih mudah karena relasi yang digunakan adalah kata yang terdapat dalam teks, sedangkan pada KG dengan batasan relasi yang ada, akan lebih sulit dalam membaca hasil representasi teks. Aspek Tujuan Jangka Panjang Tujuan jangka panjang dari penggunaan metode KG dan metode CG adalah kedua metode tersebut diharapkan dapat digunakan sebagai algoritme untuk merepresentasikan teks ke dalam bentuk visual atau diagram. Selain itu, kedua metode ini juga diharapkan dapat digunakan untuk membuat intisari dari sebuah teks dan dibuat menjadi sebuah aplikasi komputer. Namun dengan relasi yang belum ada batasannya, metode CG akan lebih sulit diimplementasikan ke dalam bahasa pemrograman. Dengan relasi yang sudah ada batasannya (ontologi), dan dengan adanya analisis penyederhanaan relasi hasil representasi KG dapat mempermudah proses pengimplementasian ke bahasa pemrograman. Dari keterangan-keterangan di atas, maka setiap metode memiliki kelebihan dan kekurangan sebagai berikut: a Kelebihan Kelebihan untuk metode KG antara lain adanya relasi terbatas, dalam hal ini adanya ontologi yang jelas, sehingga dapat mempermudah proses pengimplementasian ke dalam bahasa pemrograman. Untuk metode CG, kelebihannya terdapat pada hasil akhir yang menggunakan beberapa conceptual relation dari kata yang terdapat pada kalimat, sehingga pembaca lebih mudah memahami hasil representasi sebuah teks dengan metode CG. b Kekurangan Kekurangan dari metode KG yaitu kesulitan dalam pemahaman pembaca ketika melihat graf hasil representasi sebuh teks dengan metode KG. Relasi yang sama atau terbatas untuk menggambarkan berbagai macam relasi dapat membuat persepsi yang berbeda terhadap suatu relasi. Kekurangan metode CG ialah sulitnya pengimplementasian ke dalam bahasa pemrograman yang disebabkan adanya kebebasan dalam menentukan kata hubung. Dari hasil analisis perbandingan pun dapat disimpulkan tentang persamaan dan perbedaan kedua metode. Persamaan yang dimiliki oleh kedua metode ialah memiliki keterkaitan konsep dan batasan konsep yang dapat ditentukan. Namun, selain memiliki persamaan, keduanya pun memiliki perbedaan. Metode KG memiliki konsep yang dapat disederhanakan yaitu hanya pada kata benda dan relasi yang jelas (relasi, SUB, ), sedangkan metode CG, walaupun batasan konsep dapat ditentukan, namun akan sulit penyederhanaannya dan kata hubungnya sangat subjektif karena tidak ada ketentuan. Unsur kesubjektifan pun menjadi pembeda kedua metode. Pada metode KG, unsur kesubjektifan terdapat pada hasil interpretasi graf, sedangkan metode CG sejak awal penentuan konsep dan kata hubung sudah sangat subjektif. 17

28 18 Perbandingan Kedua Metode Tabel 2 Perbandingan KG dan CG Aspek Knowledge Graph Conceptual Graph Proses - Langkah-langkah: a membaca kalimat, b menentukan konsep (nouns, verbs, dan adjective), c pembuatan graf menggunakan konsep yang didapat sebagai verteks dan menggunakan relasi yang sesuai dengan ketentuan pada knowledge graph, d melakukan analisis perbandingan. - Langkah-langkah: a membaca kalimat, b menentukan konsep (nouns, verbs, dan adjective), c pembuatan graf menggunakan konsep yang didapat sebagai concept dan menggunakan relasi (conceptual relation) berdasarkan hubungan antar kata, d melakukan analisis perbandingan. struktur graf - Langkah-langkah dengan metode KG hampir sama dengan CG namun dalam penentuan relasi lebih mudah karena ada batasan yang jelas sehingga dalam mengimplementasikan ke dalam bahasa pemrograman lebih mudah. - Kesubjektifan dapat diminimalkan dengan adanya batasan-batasan yang jelas dalam penggunaan relasi antarkonsep, kesubjektifan pada metode KG mulai terjadi pada penggambaran graf yang tidak sama bergantung pada alasan masing-masing. Kalimat 1: (kalimat sederhana) plant The plant is growing. Kalimat 2: plant SUB grow pot The plant on a pot. - Langkah-langkah dengan metode CG hampir sama dengan KG namun dalam penentuan relasi lebih sulit karena tidak ada batasan yang jelas sehingga dalam mengimplementasikan ke dalam bahasa pemrograman lebih sulit. - Kesubjektifan sudah mulai terjadi pada saat penentuan relasi antarkonsep karena tidak ada batasan yang jelas dan pada saat penggambaran graf pun terjadi kesubjektifan bergantung pada alasan masing-masing. Kalimat 1: (kalimat sederhana) plant The plant is growing. Kalimat 2: plant agnt on The plant on a pot. grow pot Kalimat 3: farmer plow soil Kalimat 3: farmer agnt plow obj soil hoe SUB field Farmer plows the soil at the fields with hoe. - Label relasi antarkonsep dari KG tidak mengenal kata sehingga tidak dapat menggambarkan secara jelas hubungan antarkonsep. inst hoe at field Farmer plows the soil at the fields with hoe. - Label relasi antarkonsep dari CG dapat berupa kata bahkan kata yang terdapat pada kalimat itu sendiri sehingga dapat menggambarkan secara jelas hubungan antarkonsep.

29 Tabel 2 Perbandingan KG dan CG (lanjutan) Aspek Knowledge Graph Conceptual Graph - Relasi, SUB, dan tidak - Relasi exp, agnt, obj, dan inst adalah memiliki makna kata, ketiganya singkatan dari experience, agent, object, mengacu pada delapan binary dan instrument sedangkan relasi on dan relationship pada KG. at adalah kata yang diambil dari kalimat dan semuanya mempunyai makna kata sehingga dapat menggambarkan secara jelas hubungan antarkonsep. struktur graf (lanjutan) - Pada pola kalimat yang mempunyai predikat verb, verteks subjek dihubungkan dengan relasi dengan verteks predikat dan berarah dari subjek menuju predikat, begitu pula predikat dengan objek dihubungkan dengan relasi dan berarah dari predikat menuju objek. Hal ini mengakibatkan secara sepintas orang yang melihat graf akan menangkap bahwa fokus kalimat berada pada subjek (kata benda). - Relasi yang mengambarkan kata keterangan alat adalah relasi yang berarah dari kata keterangan menuju kata yang diterangkan Pada pola kalimat yang mempunyai predikat verb, subjek dan predikat dihubungkan dengan relasi agnt atau agent yang bermakna pelaku dan berarah dari predikat menuju subjek sedangkan predikat dengan objek dihubungkan dengan relasi obj atau object yang bermakna objek dan berarah dari predikat menuju objek. Hal ini mengakibatkan secara sepintas orang yang melihat graf akan menangkap bahwa fokus kalimat berada pada predikat (kata kerja /kejadian). - Relasi yang mengambarkan kata keterangan alat adalah relasi ins atau instrument yang berarah dari kata yang diterangkan menuju kata keterangan. Kalimat 4: (kalimat majemuk bertingkat) farmer know Kalimat 4: (kalimat majemuk bertingkat) farmer agnt know thme FPA plant need Proposition: farmer agnt need obj good nutrient SUB water Farmer knows that plant needs water with the good nutrient. Kalimat 5: (kalimat majemuk setara) F farming drop good nutrient with water Farmer knows that plant needs water with the good nutrient. Kalimat 5: (kalimat majemuk setara) Proposition: farming agnt drop as F society advance SUB area modern Proposition: society advance in area Farming has dropped significantly as the society advances in the modern area. modern Farming has dropped significantly as the society advances in the modern area.

30 20 Tabel 2 Perbandingan KG dan CG (lanjutan) Aspek Knowledge Graph Conceptual Graph - Relasi yang menghubungkan kata sifat adalah relasi yang berarah dari kata sifat menuju kata yang disifati. - Relasi yang menghubungkan kata sifat adalah relasi atau ibute yang berarah dari kata yang disifati menuju kata sifat. struktur graf (lanjutan) - Untuk menggambarkan kalimat majemuk bertingkat digunakan sebuah frame relasi F. - Untuk menggambarkan kalimat majemuk setara digunakan frame relasi F untuk memisahkan anak kalimat. - Relasi pada Kalimat 5 menunjukkan bahwa the society advances in the modern area penyebab dari farming has dropped significantly. Kalimat 6: (kalimat kompleks) F lack government support - Untuk menggambarkan kalimat majemuk bertingkat digunakan sebuah frame berlabel proposition. - Untuk menggambarkan kalimat majemuk setara digunakan frame berlabel proposition untuk memisahkan anak kalimat. Relasi as pada Kalimat 5 menunjukkan bahwa farming has dropped significantly akibat dari the society advances in the modern area. Kalimat 6: (kalimat kompleks) Proposition: different pursuit for career agricultural enhancement in abandoned farm F different farm career abandoned pursuit Some farms were abandoned in pursuit for a different career while some is because of the lack of government support for the agricultural enhancement. because of Proposition: for agricultural enhancement government support Some farms were abandoned in pursuit for a different career while some is because of the lack of government support for the agricultural enhancement. of lack

31 21 Tabel 2 Perbandingan KG dan CG (lanjutan) Aspek Knowledge Graph Conceptual Graph Kalimat 7: (kalimat kompleks) Kalimat 7: (kalimat kompleks) F hydroponics farming preferred Proposition: Proposition: hydroponics farming preferred ORD way traditional traditional way than reason why struktur graf (lanjutan) tujuan jangka panjang reason EQU F procedure harvested allow planted A reason why hydroponics farming is being preferred than the traditional way is that the procedure allows unseasonal produce to be planted and harvested. Kalimat 8: (kalimat kompleks) hydroponics farming chemical safe high produce unseasonal produce fresher quality SUB yield Hydroponics farming produce are safe from chemicals and the produce are even fresher and at high quality of yield. - Relasi pada KG tidak memiliki makna kata, relasinya mengacu pada delapan binary relationship pada KG. Membuat sebuah sistem yang mampu menghasilkan rangkuman atau intisari dari sebuah teks secara otomatis, efektif, dan efisien. is Proposition: procedure agnt allow obj unseasonal planted harvested A reason why hydroponics farming is being preferred than the traditional way is that the procedure allows unseasonal produce to be planted and harvested. Kalimat 8: (kalimat kompleks) hydroponics farming from safe high chemicals yield of produce to be produce fresher quality Hydroponics farming produce are safe from chemicals and the produce are even fresher and at high quality of yield. - Relasi pada CG dapat menggambarkan makna kata yang menjadi relasi antarkonsep dan sebagian relasinya diambil dari kalimat namun tidak ada batasan yang jelas dalam penentuan relasinya. Merepresentasikan teks ke dalam sebuah graf (gambar visual) agar mudah dimengerti pembaca.

32 22 Tabel 2 Perbandingan KG dan CG (lanjutan) Aspek Knowledge Graph Conceptual Graph Kelebihan Adanya relasi terbatas, dalam hal ini adanya ontologi yang jelas, sehingga Hasil graf yang menggunakan beberapa conceptual relation dari kata yang dapat meminimumkan unsur terdapat pada kalimat, sehingga kesubjektifan dan mempermudah membawa pembaca dengan lebih proses dalam pengimplementasian ke mudah membaca sebuah hasil bahasa pemrograman. representasi sebuah dengan metode CG. kekurangan persamaan Kesulitan dalam pemahaman pembaca ketika melihat graf hasil representasi sebuh teks dengan metode KG dengan relasi yang sama atau terbatas untuk menggambarkan berbagai macam relasi membuat seseorang dapat berbeda persepsi terhadap suatu relasi dengan orang lain. Memiliki keterkaitan antarkonsep dan masih memiliki unsur kesubjektifan. Kesulitan terjadi pada pengimplementasian ke dalam bahasa pemrograman yang disebabkan tidak adanya batasan dalam menentukan relasi dan kata hubung. Memiliki keterkaitan antarkonsep dan masih memiliki unsur kesubjektifan. SIMPULAN DAN SARAN Simpulan Dari pembahasan pada bab sebelumnya, dapat disimpulkan bahwa suatu teks dapat direpresentasikan dalam bentuk visual (graf) menggunakan metode knowledge graph dan metode conceptual graph untuk mempermudah dalam menangkap informasi dan pengetahuan dari teks tersebut. Berdasarkan analisis perbandingan, perbedaan proses representasi teks menggunakan KG dan CG terletak pada penentuan relasi, yaitu relasi pada KG terbatas sedangkan CG belum ada batasan yang jelas. Dengan relasi yang terbatas, KG lebih mudah untuk diterapkan dalam bahasa pemrograman komputer. Akan tetapi CG dapat menggunakan kata yang terdapat pada teks untuk dijadikan relasi, sehingga representasi teks lebih mudah difahami. Saran Saran dari peneliti untuk penelitian berikutnya ialah penggunaan metode representasi yang lain dan penentuan batasan serta aturan relasi pada metode CG. Selain itu, disarankan untuk merancang sebuah aturan yang dapat membuat abstraksi teks secara otomatis. Peneliti pun dapat melakukan perbandingan metode representasi teks dengan KG dan CG untuk teks berbahasa Indonesia.

33 23 DAFTAR PUSTAKA Abbas YA Perbandingan metode knowledge graph dan concept mapping sebagai teknik menangkap pengetahuan [skripsi]. Bogor (ID): Institut Pertanian Bogor. Berg H van den Knowledge graph and logic: one of two kinds [disertasi]. Enschede (NL): Univ Twente. ISBN Hariyanto D, Hariyono R English Grammar for General Application. Surabaya (ID): Gita Media Pr. Hoede C, Nurdiati S. 2008a. On word graphs and structural parsing, University of Twente (NL), Memorandum 1871, ISSN: Hoede C, Nurdiati S. 2008b. 25 years development of knowledge graph theory: the results and the challenge. Di dalam: the 3 rd International Conference on Mathematics and Statistics (ICOMS-3), Institut Pertanian Bogor (ID), 2008 Agu 5. Tersedia pada: Keraf G Tata Bahasa Indonesia untuk Sekolah Lanjutan Atas. Jakarta (ID): Nusa Indah. Meiyati N What is an adjective? [Internet]. [diunduh 2012 Jan 6]. Tersedia pada: What-is-an-Adjective Sowa JF Conceptual graph for a data base interface, IBM Journal of Research and Development. [Internet]. [diunduh 2011 Sep 25]. 20(4): Tersedia pada: journal/tr/204/ibmrd2004e.pdf Sowa JF Knowledge Representation: Logical, Philosophical, and Computational Foundations. Pacific Grove (US): Brooks Cole Publishing Co. Turner K. Hydroponics Farming - The New Age Farming. [Internet]. [diunduh 2011 Sep 25]. Tersedia pada: Wulandari A Algoritme pembentukan combined graph dan simplified graph dari dokumen berbahasa Indonesia [skripsi]. Bogor (ID): Institut Pertanian Bogor. Wilson RJ, Lowell WB Applications of Graph Theory. London (GB): Academic Press. Zhang Knowledge graph theory and structural parsing [tesis]. Enschede (NL): Univ Twente. ISBN:

34 24 RIWAYAT HIDUP Penulis dilahirkan di Bogor pada tanggal 19 Agustus 1988 dari pasangan Abdul Khoer dan Lelah Sulastri. Penulis merupakan anak pertama dari empat bersaudara. Pendidikan yang telah ditempuh oleh penulis antara lain SDN Cibadak I (Kab. Bogor) tahun , MTs Mu allimien Muhammadiyah Leuwiliang (Kab. Bogor) tahun , MA Mu allimien Muhammadiyah Leuwiliang (Kab. Bogor) tahun , dan Departemen Matematika Institut Pertanian Bogor tahun Penulis diterima di Institut Pertanian Bogor melalui jalur SPMB (Seleksi Penerimaan Mahasiswa Baru) pada tahun Selama menempuh pendidikan di Departemen Matematika Institut Pertanian Bogor, penulis mengambil minor Sistem Informasi dari Departemen Ilmu Komputer sebagai penunjang kompetensi mayor. Di samping kegiatan akademis, penulis pernah berkecimpung dalam organisasi Dewan Perwakilan Mahasiswa Tahap Persiapan Bersama (DPM-TPB) 43 sebagai anggota Komisi E tahun dan Ikatan Mahasiswa Muhammadiyah (IMM) Bogor sebagai ketua umum pada tahun Kegiatan-kegiatan lain yang pernah diikuti adalah kepanitiaan-kepanitiaan seperti kegiatan Masa Perkenalan Departemen (2009) sebagai anggota divisi kesehatan dan Temu Nasional IMM PTN seluruh Indonesia tahun 2010 sebagai koordinator divisi acara. Selain kegiatan organisasi dan kepanitiaan, penulis juga bekerja sebagai pengajar bidang studi Matematika dan ekstrakurikuler Futsal dan Paskibra di SMP Islam Terpadu Al-Muttaqien sejak tahun 2009.

PERBANDINGAN METODE KNOWLEDGE GRAPH DAN METODE CONCEPTUAL GRAPH SEBAGAI TEKNIK REPRESENTASI TEKS BERBAHASA INDONESIA KUNEDI

PERBANDINGAN METODE KNOWLEDGE GRAPH DAN METODE CONCEPTUAL GRAPH SEBAGAI TEKNIK REPRESENTASI TEKS BERBAHASA INDONESIA KUNEDI PERBANDINGAN METODE KNOWLEDGE GRAPH DAN METODE CONCEPTUAL GRAPH SEBAGAI TEKNIK REPRESENTASI TEKS BERBAHASA INDONESIA KUNEDI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT

Lebih terperinci

KONSTRUKSI ATURAN PENGGABUNGAN DUA GRAF KALIMAT (The Construction of a Rule to Combine Two Sentence Graphs)

KONSTRUKSI ATURAN PENGGABUNGAN DUA GRAF KALIMAT (The Construction of a Rule to Combine Two Sentence Graphs) SNGKA, Majalah Ilmiah Bahasa dan Sastra Volume 11 Nomor 1 Edisi Juni 2014 (16 25) KONSTRUKSI ATURAN PENGGABUNGAN DUA GRAF KMAT (The Construction of a Rule to Combine Two Sentence Graphs) Ayu Amanah, Sri

Lebih terperinci

I PENDAHULUAN II TINJAUAN PUSTAKA

I PENDAHULUAN II TINJAUAN PUSTAKA I PENDAHULUAN 1.1 Latar Belakang Penelitian Cara termudah untuk mendapatkan informasi dari sebuah teks adalah dengan meringkasnya, karena membaca sebuah ringkasan tidak memerlukan waktu lama, dibandingkan

Lebih terperinci

ANALISIS PEMBENTUKAN WORD GRAPH KATA SIFAT MENGGUNAKAN METODE KNOWLEDGE GRAPH USEP RAHMAT

ANALISIS PEMBENTUKAN WORD GRAPH KATA SIFAT MENGGUNAKAN METODE KNOWLEDGE GRAPH USEP RAHMAT ANALISIS PEMBENTUKAN WORD GRAPH KATA SIFAT MENGGUNAKAN METODE KNOWLEDGE GRAPH USEP RAHMAT SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan

Lebih terperinci

2 TINJAUAN PUSTAKA 2.1 Kata Benda Batasan dan Ciri Kata Benda yang + kata sifat Kata Benda Dasar

2 TINJAUAN PUSTAKA 2.1 Kata Benda Batasan dan Ciri Kata Benda yang + kata sifat Kata Benda Dasar 3 2 TINJAUAN PUSTAKA Ada dua masalah yang menjadi tinjauan dalam menganalisis pembentukan kata benda pada bahasa Indonesia menggunakan teori knowledge graph. Pertama, masalah aturan pembentukan kata benda

Lebih terperinci

PENDAHULUAN. Latar Belakang

PENDAHULUAN. Latar Belakang Latar Belakang PENDAHULUAN Berkembangnya teknologi komputer semakin menarik minat para insan ilmiah untuk berkreasi dan berkarya. Berbagai penelitian yang dilakukan telah melahirkan metode atau teknologi

Lebih terperinci

II TINJAUAN PUSTAKA 2. 1 Kata Keterangan Batasan dan Ciri Kata Keterangan Kata Keterangan dari Segi Bentuknya

II TINJAUAN PUSTAKA 2. 1 Kata Keterangan Batasan dan Ciri Kata Keterangan Kata Keterangan dari Segi Bentuknya II TINJAUAN PUSTAKA Pada bab ini diberikan beberapa penjelasan yang akan digunakan pada babbab selanjutnya. 2. 1 Kata Keterangan 2.1.1 Batasan dan Ciri Kata Keterangan Menurut tatarannya kata keterangan

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA 3 BAB II TINJAUAN PUSTAKA Pada bab ini diberikan beberapa penjelasan yang akan digunakan pada bab-bab selanjutnya. 1. Kelas Kata Semantik (Yunani : semanein = berarti, bermaksud; semanticos = makna) adalah

Lebih terperinci

PEMBENTUKAN WORD GRAPH PREPOSISI BAHASA INDONESIA MENGGUNAKAN METODE KNOWLEDGE GRAPH

PEMBENTUKAN WORD GRAPH PREPOSISI BAHASA INDONESIA MENGGUNAKAN METODE KNOWLEDGE GRAPH PEMBENTUKAN W GRAPH PREPOSISI BAHASA INDONESIA MENGGUNAKAN METODE KNOWLEDGE GRAPH Wulan Anggraeni Program Studi Pendidikan Matematika Fakultas Teknik, Matematika & Ilmu Pengetahuan Alam Universitas Indraprasta

Lebih terperinci

ANALISIS PEMBENTUKAN WORD GRAPH KATA KERJA MENGGUNAKAN METODE KNOWLEDGE GRAPH AKHMAD MUSLIK

ANALISIS PEMBENTUKAN WORD GRAPH KATA KERJA MENGGUNAKAN METODE KNOWLEDGE GRAPH AKHMAD MUSLIK ANALISIS PEMBENTUKAN WORD GRAPH KATA KERJA MENGGUNAKAN METODE KNOWLEDGE GRAPH AKHMAD MUSLIK SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan

Lebih terperinci

ANALISIS PEMBENTUKAN WORD GRAPH KATA KETERANGAN MENGGUNAKAN METODE KNOWLEDGE GRAPH RUSIANA SAMBA

ANALISIS PEMBENTUKAN WORD GRAPH KATA KETERANGAN MENGGUNAKAN METODE KNOWLEDGE GRAPH RUSIANA SAMBA ANALISIS PEMBENTUKAN WORD GRAPH KATA KETERANGAN MENGGUNAKAN METODE KNOWLEDGE GRAPH RUSIANA SAMBA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2010 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI

Lebih terperinci

ANALISIS PEMBENTUKAN WORD GRAPH KATA KETERANGAN MENGGUNAKAN METODE KNOWLEDGE GRAPH RUSIANA SAMBA

ANALISIS PEMBENTUKAN WORD GRAPH KATA KETERANGAN MENGGUNAKAN METODE KNOWLEDGE GRAPH RUSIANA SAMBA ANALISIS PEMBENTUKAN WORD GRAPH KATA KETERANGAN MENGGUNAKAN METODE KNOWLEDGE GRAPH RUSIANA SAMBA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2010 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI

Lebih terperinci

ANALISIS TEKS BERBAHASA INDONESIA MENGGUNAKAN TEORI KNOWLEDGE GRAPH RUSIYAMTI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008

ANALISIS TEKS BERBAHASA INDONESIA MENGGUNAKAN TEORI KNOWLEDGE GRAPH RUSIYAMTI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 i ANSIS TEKS BERBAHASA INDONESIA MENGGUNAKAN TEORI KNOWLEDGE GRAPH RUSIYAMTI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 ii PERNYATAAN MENGENAI TESIS DAN SUMBER INORMASI Dengan ini saya menyatakan

Lebih terperinci

ANALISIS PEMBENTUKAN WORD GRAPH KATA BENDA MENGGUNAKAN TEORI KNOWLEDGE GRAPH HAIRUL SALEH

ANALISIS PEMBENTUKAN WORD GRAPH KATA BENDA MENGGUNAKAN TEORI KNOWLEDGE GRAPH HAIRUL SALEH ANALISIS PEMBENTUKAN WORD GRAPH KATA BENDA MENGGUNAKAN TEORI KNOWLEDGE GRAPH HAIRUL SALEH SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan

Lebih terperinci

ANALISIS PEMBENTUKAN WORD GRAPH KATA BENDA MENGGUNAKAN TEORI KNOWLEDGE GRAPH HAIRUL SALEH

ANALISIS PEMBENTUKAN WORD GRAPH KATA BENDA MENGGUNAKAN TEORI KNOWLEDGE GRAPH HAIRUL SALEH ANALISIS PEMBENTUKAN WORD GRAPH KATA BENDA MENGGUNAKAN TEORI KNOWLEDGE GRAPH HAIRUL SALEH SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan

Lebih terperinci

PENGEMBANGAN SISTEM PEMBENTUKAN WORD GRAPH UNTUK TEKS BERBAHASA INDONESIA

PENGEMBANGAN SISTEM PEMBENTUKAN WORD GRAPH UNTUK TEKS BERBAHASA INDONESIA PENGEMBANGAN SISTEM PEMBENTUKAN WORD GRAPH UNTUK TEKS BERBAHASA INDONESIA Sri Nurdiati, Deni Romadoni Department Ilmu Komputer, Institut Pertanian Bogor Jl. Meranti, Kampus IPB Darmaga, Bogor 16680, Indonesia

Lebih terperinci

ANALISIS PEMBENTUKAN WORD GRAPH FRASA KETERANGAN MENGGUNAKAN METODE KNOWLEDGE GRAPH ZIKRI SULISTIAWAN

ANALISIS PEMBENTUKAN WORD GRAPH FRASA KETERANGAN MENGGUNAKAN METODE KNOWLEDGE GRAPH ZIKRI SULISTIAWAN ANSIS PEMBENTUKAN W GRAPH FRASA KETERANGAN MENGGUNAKAN METODE KNOWLEDGE GRAPH ZIKRI SULISTIAWAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2011 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan

Lebih terperinci

ANALISIS PEMBENTUKAN WORD GRAPH KATA BENDA MENGGUNAKAN TEORI KNOWLEDGE GRAPH HAIRUL SALEH

ANALISIS PEMBENTUKAN WORD GRAPH KATA BENDA MENGGUNAKAN TEORI KNOWLEDGE GRAPH HAIRUL SALEH ANSIS PEMBENTUKAN WORD GRAPH KATA BENDA MENGGUNAKAN TEORI KNOWLEDGE GRAPH HAIRUL SALEH SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini

Lebih terperinci

2 TINJAUAN PUSTAKA. Beberapa definisi, teori, dan konsep yang akan digunakan dalam pembahasan selanjutnya akan dijelaskan pada bagian ini.

2 TINJAUAN PUSTAKA. Beberapa definisi, teori, dan konsep yang akan digunakan dalam pembahasan selanjutnya akan dijelaskan pada bagian ini. 4 2 TINJAUAN PUSTAKA Beberapa definisi, teori, dan konsep yang akan digunakan dalam pembahasan selanjutnya akan dijelaskan pada bagian ini. 2.1 Klausa Subordinatif 2.1.1 Klausa Satuan sintaksis dalam bahasa

Lebih terperinci

ANALISIS PEMBENTUKAN WORD GRAPH KATA KERJA MENGGUNAKAN METODE KNOWLEDGE GRAPH AKHMAD MUSLIK

ANALISIS PEMBENTUKAN WORD GRAPH KATA KERJA MENGGUNAKAN METODE KNOWLEDGE GRAPH AKHMAD MUSLIK ANALISIS PEMBENTUKAN WORD GRAPH KATA KERJA MENGGUNAKAN METODE KNOWLEDGE GRAPH AKHMAD MUSLIK SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan

Lebih terperinci

ANALISIS PEMBENTUKAN WORD GRAPH KATA SIFAT MENGGUNAKAN METODE KNOWLEDGE GRAPH USEP RAHMAT

ANALISIS PEMBENTUKAN WORD GRAPH KATA SIFAT MENGGUNAKAN METODE KNOWLEDGE GRAPH USEP RAHMAT ANSIS PEMBENTUKAN WORD GRAPH KATA SIFAT MENGGUNAKAN METODE KNOWLEDGE GRAPH USEP RAHMAT SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini

Lebih terperinci

2 LANDASAN TEORI 2.1 Knowledge Graph (KG) Concept Relations

2 LANDASAN TEORI 2.1 Knowledge Graph (KG) Concept Relations 2 LANDASAN TEORI 2.1 Knowledge Graph (KG) Knowledge graph adalah suatu metode yang digunakan untuk menganalisis teks dan merepresentasikannya ke dalam bentuk graf (Zhang dan Hoede 2000). Menurut Zhang

Lebih terperinci

PENGEMBANGAN SISTEM PEMBENTUKAN WORD GRAPH UNTUK TEKS BERBAHASA INDONESIA DENI ROMADONI

PENGEMBANGAN SISTEM PEMBENTUKAN WORD GRAPH UNTUK TEKS BERBAHASA INDONESIA DENI ROMADONI PENGEMBANGAN SISTEM PEMBENTUKAN WORD GRAPH UNTUK TEKS BERBAHASA INDONESIA DENI ROMADONI DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2009 PENGEMBANGAN

Lebih terperinci

ABSTRAKSI TEKS BERBAHASA INDONESIA MENGUNAKAN TEORI KNOWLEDGE GRAPH DIMAS FEBRIATMOKO

ABSTRAKSI TEKS BERBAHASA INDONESIA MENGUNAKAN TEORI KNOWLEDGE GRAPH DIMAS FEBRIATMOKO ABSTRAKSI TEKS BERBAHASA INDONESIA MENGUNAKAN TEORI KNOWLEDGE GRAPH DIMAS FEBRIATMOKO DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011 ABSTRAK DIMAS

Lebih terperinci

PERBANDINGAN METODE KNOWLEDGE GRAPH DAN SEMANTIC NETWORK UNTUK ANALISIS TEKS BERBAHASA INDONESIA SURYA PRATIWI

PERBANDINGAN METODE KNOWLEDGE GRAPH DAN SEMANTIC NETWORK UNTUK ANALISIS TEKS BERBAHASA INDONESIA SURYA PRATIWI PERBANDINGAN METODE KNOWLEDGE GRAPH DAN SEMANTIC NETWORK UNTUK ANALISIS TEKS BERBAHASA INDONESIA SURYA PRATIWI DEPARTEMEN MATEMATIKA AKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR

Lebih terperinci

ANALISIS PEMBENTUKAN POLA GRAF PADA KALIMAT BAHASA INDONESIA MENGGUNAKAN METODE KNOWLEDGE GRAPH YASIN YUSUF

ANALISIS PEMBENTUKAN POLA GRAF PADA KALIMAT BAHASA INDONESIA MENGGUNAKAN METODE KNOWLEDGE GRAPH YASIN YUSUF i ANSIS PEMBENTUKAN POLA GRAF PADA KMAT BAHASA INDONESIA MENGGUNAKAN METODE KNOWLEDGE GRAPH YASIN YUSUF SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2014 ii PERNYATAAN MENGENAI TESIS DAN SUMBER

Lebih terperinci

BAB I1 TINJAUAN PUSTAKA

BAB I1 TINJAUAN PUSTAKA BAB I1 TINJAUAN PUSTAKA 2.1. PENDAHULUAN Metode KG merupakan suatu metode barn dalarn bidang ilmu NLP. Penelitian tentang metode ini diawali oleh para peneliti yang berbasis di Universitas Twente dan Universitas

Lebih terperinci

INTEGRASI DATA SEMITERSTRUKTUR SECARA SKEMATIK BERBASIS XML (EXTENSIBLE MARKUP LANGUAGE) TITIN PRAMIYATI K.

INTEGRASI DATA SEMITERSTRUKTUR SECARA SKEMATIK BERBASIS XML (EXTENSIBLE MARKUP LANGUAGE) TITIN PRAMIYATI K. INTEGRASI DATA SEMITERSTRUKTUR SECARA SKEMATIK BERBASIS XML (EXTENSIBLE MARKUP LANGUAGE) TITIN PRAMIYATI K. SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER

Lebih terperinci

PENGEMBANGAN WORDNET BAHASA INDONESIA BERBASIS WEB

PENGEMBANGAN WORDNET BAHASA INDONESIA BERBASIS WEB PENGEMBANGAN WORDNET BAHASA INDONESIA BERBASIS WEB RIYAN ADI LESMANA DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012 PENGEMBANGAN WORDNET BAHASA

Lebih terperinci

KONSTRUKSI POLA WORD GRAPH FRASA KATA MENGGUNAKAN METODE KNOWLEDGE GRAPH MAHMUDA

KONSTRUKSI POLA WORD GRAPH FRASA KATA MENGGUNAKAN METODE KNOWLEDGE GRAPH MAHMUDA KONSTRUKSI POLA WORD GRAPH FRASA KATA MENGGUNAKAN METODE KNOWLEDGE GRAPH MAHMUDA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2010 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya

Lebih terperinci

II TINJAUAN PUSTAKA. yang dapat menampilkan intisari suatu pengetahuan secara otomatis. 1.2 Tujuan Penelitian

II TINJAUAN PUSTAKA. yang dapat menampilkan intisari suatu pengetahuan secara otomatis. 1.2 Tujuan Penelitian Dalam karya ilmiah ini, batasan objek pengetahuan adalah stres pada mahasiswa. Objek ini dipilih dengan alasan bahwa mahasiswa merupakan salah satu sumber daya manusia yang penting. Apabila seorang mahasiswa

Lebih terperinci

BAB I PENDAHULUAN. Orasi ilmiah DR. Arry Akhmad Arman, Fakultas Teknologi Industri, ITB, 23 Agustus

BAB I PENDAHULUAN. Orasi ilmiah DR. Arry Akhmad Arman, Fakultas Teknologi Industri, ITB, 23 Agustus BAB I PENDAHULUAN 1. LATAR BELAKANG MASALAH llmu komputer memiliki dua komponen utama; pertama, model dan gagasan mendasar mengenai komputasi, kzdua, teknik rekayasa untuk perancangan sistem komputasi

Lebih terperinci

PENAMBAHAN MODUL PEMBANGKITAN WORD GRAPH PREPOSISI PADA APLIKASI BOGOR_DELFT_CONSTRUCT ANDY JULIADI

PENAMBAHAN MODUL PEMBANGKITAN WORD GRAPH PREPOSISI PADA APLIKASI BOGOR_DELFT_CONSTRUCT ANDY JULIADI PENAMBAHAN MODUL PEMBANGKITAN WORD GRAPH PREPOSISI PADA APLIKASI BOGOR_DELFT_CONSTRUCT ANDY JULIADI DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR

Lebih terperinci

PENAMBAHAN MODUL PEMBENTUKAN KAMUS WORD GRAPH KATA BENDA PADA SISTEM APLIKASI BOGORDELFTCONSTRUCT ARIFA DESFAMITA

PENAMBAHAN MODUL PEMBENTUKAN KAMUS WORD GRAPH KATA BENDA PADA SISTEM APLIKASI BOGORDELFTCONSTRUCT ARIFA DESFAMITA 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

Lebih terperinci

PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI

PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini sa mentakan bahwa tesis Analisis Pembentukan Word Graph Preposisi Bahasa Indonesia Menggunakan Metode Knowledge Graph adalah kar sa dengan arahan

Lebih terperinci

PENJADWALAN MATA KULIAH MENGGUNAKAN INTEGER NONLINEAR PROGRAMMING Studi Kasus di Bina Sarana Informatika Bogor ERLIYANA

PENJADWALAN MATA KULIAH MENGGUNAKAN INTEGER NONLINEAR PROGRAMMING Studi Kasus di Bina Sarana Informatika Bogor ERLIYANA PENJADWALAN MATA KULIAH MENGGUNAKAN INTEGER NONLINEAR PROGRAMMING Studi Kasus di Bina Sarana Informatika Bogor ERLIYANA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN

Lebih terperinci

PEMETAAN DAN ANALISIS DAERAH RAWAN TANAH LONGSOR SERTA UPAYA MITIGASINYA MENGGUNAKAN SISTEM INFORMASI GEOGRAFIS

PEMETAAN DAN ANALISIS DAERAH RAWAN TANAH LONGSOR SERTA UPAYA MITIGASINYA MENGGUNAKAN SISTEM INFORMASI GEOGRAFIS PEMETAAN DAN ANALISIS DAERAH RAWAN TANAH LONGSOR SERTA UPAYA MITIGASINYA MENGGUNAKAN SISTEM INFORMASI GEOGRAFIS (Studi Kasus Kecamatan Sumedang Utara dan Sumedang Selatan, Kabupaten Sumedang, Provinsi

Lebih terperinci

IMPLEMENTASI SCALABLE VECTOR GRAPHICS (SVG) TERHADAP APLIKASI e-learning STUDI KASUS UNIVERSITAS TERBUKA (UT) RUSTAM EFFENDY

IMPLEMENTASI SCALABLE VECTOR GRAPHICS (SVG) TERHADAP APLIKASI e-learning STUDI KASUS UNIVERSITAS TERBUKA (UT) RUSTAM EFFENDY IMPLEMENTASI SCALABLE VECTOR GRAPHICS (SVG) TERHADAP APLIKASI e-learning STUDI KASUS UNIVERSITAS TERBUKA (UT) RUSTAM EFFENDY SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2007 PERNYATAAN MENGENAI

Lebih terperinci

REPRESENTASI PENGETAHUAN

REPRESENTASI PENGETAHUAN REPRESENTASI PENGETAHUAN Pengetahuan (Knowledge) : Definisi umum : fakta atau kondisi sesuatu atau keadaan yang timbul karena suatu pengalaman. Cabang ilmu filsafat, yaitu Epistemology, berkenaan dengan

Lebih terperinci

INTEGRASI DATA SEMITERSTRUKTUR SECARA SKEMATIK BERBASIS XML (EXTENSIBLE MARKUP LANGUAGE) TITIN PRAMIYATI K.

INTEGRASI DATA SEMITERSTRUKTUR SECARA SKEMATIK BERBASIS XML (EXTENSIBLE MARKUP LANGUAGE) TITIN PRAMIYATI K. INTEGRASI DATA SEMITERSTRUKTUR SECARA SKEMATIK BERBASIS XML (EXTENSIBLE MARKUP LANGUAGE) TITIN PRAMIYATI K. SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER

Lebih terperinci

ANALISIS SINTAKTIS DAN SEMANTIS VERBA SEE DAN HEAR DALAM NOVEL EXCLUSIVE DAN THE RAINMAKER KARYA SANDRA BROWN DAN JOHN GRISHAM

ANALISIS SINTAKTIS DAN SEMANTIS VERBA SEE DAN HEAR DALAM NOVEL EXCLUSIVE DAN THE RAINMAKER KARYA SANDRA BROWN DAN JOHN GRISHAM ANALISIS SINTAKTIS DAN SEMANTIS VERBA SEE DAN HEAR DALAM NOVEL EXCLUSIVE DAN THE RAINMAKER KARYA SANDRA BROWN DAN JOHN GRISHAM S K R I P S I diajukan untuk memenuhi dan melengkapi salah satu persyaratan

Lebih terperinci

KAJIAN AWAL SISTEM HAZARD ANALYSIS CRITICAL CONTROL POINT (HACCP) PADA PRODUKSI SUSU PASTEURISASI DI MILK TREATMENT KPBS PENGALENGAN BANDUNG

KAJIAN AWAL SISTEM HAZARD ANALYSIS CRITICAL CONTROL POINT (HACCP) PADA PRODUKSI SUSU PASTEURISASI DI MILK TREATMENT KPBS PENGALENGAN BANDUNG KAJIAN AWAL SISTEM HAZARD ANALYSIS CRITICAL CONTROL POINT (HACCP) PADA PRODUKSI SUSU PASTEURISASI DI MILK TREATMENT KPBS PENGALENGAN BANDUNG SKRIPSI ELLYTA WIDIA PUTRI PROGRAM STUDI TEKNOLOGI HASIL TERNAK

Lebih terperinci

REKOMENDASI PEMILIHAN LAPTOP MENGGUNAKAN SISTEM INFERENSI FUZZY TSUKAMOTO

REKOMENDASI PEMILIHAN LAPTOP MENGGUNAKAN SISTEM INFERENSI FUZZY TSUKAMOTO REKOMENDASI PEMILIHAN LAPTOP MENGGUNAKAN SISTEM INFERENSI FUZZY TSUKAMOTO oleh ENDRA PRATAMA M0112030 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika

Lebih terperinci

PENDEKATAN LOGIKA FUZZY UNTUK MEMPREDIKSI IPK AKHIR MAHASISWA MATEMATIKA INSTITUT PERTANIAN BOGOR

PENDEKATAN LOGIKA FUZZY UNTUK MEMPREDIKSI IPK AKHIR MAHASISWA MATEMATIKA INSTITUT PERTANIAN BOGOR 1 PENDEKATAN LOGIKA FUZZY UNTUK MEMPREDIKSI IPK AKHIR MAHASISWA MATEMATIKA INSTITUT PERTANIAN BOGOR ANA MARNIDA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 2 PERNYATAAN MENGENAI TESIS DAN

Lebih terperinci

ANALISIS MODEL PELUANG BERTAHAN HIDUP DAN APLIKASINYA SUNARTI FAJARIYAH

ANALISIS MODEL PELUANG BERTAHAN HIDUP DAN APLIKASINYA SUNARTI FAJARIYAH ANALISIS MODEL PELUANG BERTAHAN HIDUP DAN APLIKASINYA SUNARTI FAJARIYAH SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 2 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan

Lebih terperinci

PERBANDINGAN METODE INTERPOLASI ABRIDGED LIFE TABLE

PERBANDINGAN METODE INTERPOLASI ABRIDGED LIFE TABLE PERBANDINGANN METODE INTERPOLASI ABRIDGED LIFE TABLE DAN APLIKASINYA PADA DATAA KEMATIAN INDONESIA VANI RIALITA SUPONO SEKOLAH PASCASARJANAA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS

Lebih terperinci

DESKRIPSI KEMAMPUAN REPRESENTASI MATEMATIS DAN SELF-EFFICACY SISWA KELAS VIII SMP NEGERI 1 BUKATEJA

DESKRIPSI KEMAMPUAN REPRESENTASI MATEMATIS DAN SELF-EFFICACY SISWA KELAS VIII SMP NEGERI 1 BUKATEJA DESKRIPSI KEMAMPUAN REPRESENTASI MATEMATIS DAN SELF-EFFICACY SISWA KELAS VIII SMP NEGERI 1 BUKATEJA SKRIPSI Diajukan untuk Memenuhi Sebagian Syarat Mencapai Derajat Sarjana Pendidikan Oleh MOCHAMAD FAUZI

Lebih terperinci

PENGARUH PUPUK SLOW RELEASE UREA- ZEOLIT- ASAM HUMAT (UZA) TERHADAP PERTUMBUHAN TANAMAN PADI VAR. CIHERANG

PENGARUH PUPUK SLOW RELEASE UREA- ZEOLIT- ASAM HUMAT (UZA) TERHADAP PERTUMBUHAN TANAMAN PADI VAR. CIHERANG PENGARUH PUPUK SLOW RELEASE UREA- ZEOLIT- ASAM HUMAT (UZA) TERHADAP PERTUMBUHAN TANAMAN PADI VAR. CIHERANG KURNIAWAN RIAU PRATOMO A14053169 MAYOR MANAJEMEN SUMBERDAYA LAHAN DEPARTEMEN ILMU TANAH DAN SUMBERDAYA

Lebih terperinci

ANALISIS KEMAMPUAN REPRESENTASI MATEMATIS DALAM MENYELESAIKAN SOAL MATERI HIMPUNAN PADA SISWA KELAS VII SMP NEGERI 2 BAKI

ANALISIS KEMAMPUAN REPRESENTASI MATEMATIS DALAM MENYELESAIKAN SOAL MATERI HIMPUNAN PADA SISWA KELAS VII SMP NEGERI 2 BAKI ANALISIS KEMAMPUAN REPRESENTASI MATEMATIS DALAM MENYELESAIKAN SOAL MATERI HIMPUNAN PADA SISWA KELAS VII SMP NEGERI 2 BAKI Skripsi Diajukan untuk Memperoleh Gelar Sarjana Pendidikan pada Program Studi Pendidikan

Lebih terperinci

PERBANDINGAN ANTARA UNWEIGHTED LEAST SQUARES (ULS) DAN PARTIAL LEAST SQUARES (PLS) DALAM PEMODELAN PERSAMAAN STRUKTURAL MUHAMMAD AMIN PARIS

PERBANDINGAN ANTARA UNWEIGHTED LEAST SQUARES (ULS) DAN PARTIAL LEAST SQUARES (PLS) DALAM PEMODELAN PERSAMAAN STRUKTURAL MUHAMMAD AMIN PARIS PERBANDINGAN ANTARA UNWEIGHTED LEAST SQUARES (ULS) DAN PARTIAL LEAST SQUARES (PLS) DALAM PEMODELAN PERSAMAAN STRUKTURAL MUHAMMAD AMIN PARIS SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN

Lebih terperinci

DATA MODEL. Pertemuan 3

DATA MODEL. Pertemuan 3 Pertemuan 3 DATA MODEL PENGERTIAN MODEL DATA : Sekumpulan konsep-konsep untuk menerangkan data, hubungan-hubungan antara data dan batasanbatasan data yang terintegrasi di dalam suatu organisasi JENIS-JENIS

Lebih terperinci

AN ANALISIS RANCANGAN PENAWARAN DISKON DENGAN BANYAK PELANGGAN DAN TITIK IMPAS TUNGGAL

AN ANALISIS RANCANGAN PENAWARAN DISKON DENGAN BANYAK PELANGGAN DAN TITIK IMPAS TUNGGAL AN ANALISIS RANCANGAN PENAWARAN DISKON DENGAN BANYAK PELANGGAN DAN TITIK IMPAS TUNGGAL Oleh: Endang Nurjamil G05497044 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN

Lebih terperinci

PERBANDINGAN HASIL PENGGEROMBOLAN METODE K-MEANS, FUZZY K-MEANS, DAN TWO STEP CLUSTER

PERBANDINGAN HASIL PENGGEROMBOLAN METODE K-MEANS, FUZZY K-MEANS, DAN TWO STEP CLUSTER PERBANDINGAN HASIL PENGGEROMBOLAN METODE K-MEANS, FUZZY K-MEANS, DAN TWO STEP CLUSTER LATHIFATURRAHMAH SEKOLAH PASCA SARJANA INSTITUT PERTANIAN BOGOR BOGOR 2010 PERNYATAAN MENGENAI TUGAS AKHIR DAN SUMBER

Lebih terperinci

ANALISIS SINTAKTIS DAN SEMANTIS MOTO IKLAN ROKOK BERBAHASA INGGRIS SKRIPSI

ANALISIS SINTAKTIS DAN SEMANTIS MOTO IKLAN ROKOK BERBAHASA INGGRIS SKRIPSI ANALISIS SINTAKTIS DAN SEMANTIS MOTO IKLAN ROKOK BERBAHASA INGGRIS SKRIPSI diajukan untuk memenuhi Ujian Sarjana pada Program Studi Bahasa Inggris Fakultas Bahasa Universitas Widyatama Oleh: R. Harisma

Lebih terperinci

MEMBANGUN SISTEM PAKAR UNTUK MELAKUKAN DIAGNOSIS KECANDUAN INTERNET (INTERNET ADDICTION) DENGAN METODE FORWARD CHAINING SKRIPSI

MEMBANGUN SISTEM PAKAR UNTUK MELAKUKAN DIAGNOSIS KECANDUAN INTERNET (INTERNET ADDICTION) DENGAN METODE FORWARD CHAINING SKRIPSI MEMBANGUN SISTEM PAKAR UNTUK MELAKUKAN DIAGNOSIS KECANDUAN INTERNET (INTERNET ADDICTION) DENGAN METODE FORWARD CHAINING SKRIPSI FATINA FACHRAINI ELFA 091421021 PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER DEPARTEMEN

Lebih terperinci

PENERAPAN DAN PERBANDINGAN CARA PENGUKURAN RESPON PADA ANALISIS KONJOIN

PENERAPAN DAN PERBANDINGAN CARA PENGUKURAN RESPON PADA ANALISIS KONJOIN PENERAPAN DAN PERBANDINGAN CARA PENGUKURAN RESPON PADA ANALISIS KONJOIN (Studi Kasus: Preferensi Mahasiswa Statistika IPB Angkatan 44, 45, dan 46 terhadap Minat Bidang Kerja) DONNY ARIEF SETIAWAN SITEPU

Lebih terperinci

DIMENSI METRIK LOKAL, DIMENSI METRIK KETETANGGAAN, DAN DIMENSI METRIK KETETANGGAAN LOKAL GRAF PIRAMIDA SKRIPSI

DIMENSI METRIK LOKAL, DIMENSI METRIK KETETANGGAAN, DAN DIMENSI METRIK KETETANGGAAN LOKAL GRAF PIRAMIDA SKRIPSI DIMENSI METRIK LOKAL, DIMENSI METRIK KETETANGGAAN, DAN DIMENSI METRIK KETETANGGAAN LOKAL GRAF PIRAMIDA SKRIPSI PANGGIH PERMONO PROGRAM STUDI S-1 MATEMATIKA DEPARTEMEN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI

Lebih terperinci

MASALAH PENJADWALAN KERETA SECARA PERIODIK DENGAN BIAYA MINIMUM PADA JALUR GANDA MUHAMMAD RIZQY HIDAYATSYAH

MASALAH PENJADWALAN KERETA SECARA PERIODIK DENGAN BIAYA MINIMUM PADA JALUR GANDA MUHAMMAD RIZQY HIDAYATSYAH MASALAH PENJADWALAN KERETA SECARA PERIODIK DENGAN BIAYA MINIMUM PADA JALUR GANDA MUHAMMAD RIZQY HIDAYATSYAH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR

Lebih terperinci

PREDIKSI STATUS KEAKTIFAN STUDI MAHASISWA DENGAN ALGORITMA C5.0 DAN K-NEAREST NEIGHBOR IIN ERNAWATI G

PREDIKSI STATUS KEAKTIFAN STUDI MAHASISWA DENGAN ALGORITMA C5.0 DAN K-NEAREST NEIGHBOR IIN ERNAWATI G PREDIKSI STATUS KEAKTIFAN STUDI MAHASISWA DENGAN ALGORITMA C5.0 DAN K-NEAREST NEIGHBOR IIN ERNAWATI G651044054 SEKOLAH PASCA SARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER

Lebih terperinci

FAKTOR-FAKTOR YANG BERHUBUNGAN DENGAN PERAN UNIT PELAKSANA TEKNIS DINAS (UPTD) PENYULUHAN DAN POS KESEHATAN HEWAN WILAYAH CISARUA KABUPATEN BOGOR

FAKTOR-FAKTOR YANG BERHUBUNGAN DENGAN PERAN UNIT PELAKSANA TEKNIS DINAS (UPTD) PENYULUHAN DAN POS KESEHATAN HEWAN WILAYAH CISARUA KABUPATEN BOGOR FAKTOR-FAKTOR YANG BERHUBUNGAN DENGAN PERAN UNIT PELAKSANA TEKNIS DINAS (UPTD) PENYULUHAN DAN POS KESEHATAN HEWAN WILAYAH CISARUA KABUPATEN BOGOR SKRIPSI ERLI YUNEKANTARI PROGRAM STUDI SOSIAL EKONOMI PETERNAKAN

Lebih terperinci

INSTITUT TEKNOLOGI BANDUNG

INSTITUT TEKNOLOGI BANDUNG PENGEMBANGAN PEMODELAN 3D PRODUK BERBASIS FEATURE BERDASARKAN ALGORITMA FEATURE PENGURANGAN TUGAS SARJANA Diajukan sebagai salah satu syarat untuk memperoleh gelar Sarjana Teknik Oleh Faizal Wahyu Prabowo

Lebih terperinci

Pertemuan 3 DATA MODEL

Pertemuan 3 DATA MODEL Pertemuan 3 DATA MODEL PENGERTIAN MODEL DATA : Sekumpulan konsep-konsep untuk menerangkan data, hubungan-hubungan antara data dan batasanbatasan data yang terintegrasi di dalam suatu organisasi JENIS-JENIS

Lebih terperinci

MATRIKS KOVARIANSI DEKOMPOSISI DALAM MODEL GRAF GAUSS TAK BERARAH

MATRIKS KOVARIANSI DEKOMPOSISI DALAM MODEL GRAF GAUSS TAK BERARAH MATRIKS KOVARIANSI DEKOMPOSISI DALAM MODEL GRAF GAUSS TAK BERARAH TESIS Oleh DEWI SURYANI HANUM NASUTION 117021014/MT FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2013

Lebih terperinci

EFEKTIVITAS KOMUNIKASI KLINIK AGRIBISNIS PADA PRIMA TANI DI KECAMATAN LEUWI SADENG BOGOR NIA RACHMAWATI

EFEKTIVITAS KOMUNIKASI KLINIK AGRIBISNIS PADA PRIMA TANI DI KECAMATAN LEUWI SADENG BOGOR NIA RACHMAWATI EFEKTIVITAS KOMUNIKASI KLINIK AGRIBISNIS PADA PRIMA TANI DI KECAMATAN LEUWI SADENG BOGOR NIA RACHMAWATI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI

Lebih terperinci

PROGRAM EVALUASI PEMBERIAN PAKAN SAPI PERAH UNTUK TINGKAT PETERNAK DAN KOPERASI MENGGUNAKAN MICROSOFT ACCESS SKRIPSI AKRAMUZZEIN

PROGRAM EVALUASI PEMBERIAN PAKAN SAPI PERAH UNTUK TINGKAT PETERNAK DAN KOPERASI MENGGUNAKAN MICROSOFT ACCESS SKRIPSI AKRAMUZZEIN PROGRAM EVALUASI PEMBERIAN PAKAN SAPI PERAH UNTUK TINGKAT PETERNAK DAN KOPERASI MENGGUNAKAN MICROSOFT ACCESS SKRIPSI AKRAMUZZEIN PROGRAM STUDI ILMU NUTRISI DAN MAKANAN TERNAK FAKULTAS PETERNAKAN INSTITUT

Lebih terperinci

IDENTIFIKASI DAN INVENTARISASI TANAMAN PEKARANGAN RUMAH PENDUDUK DI KECAMATAN PACIRAN DAN LAREN, KABUPATEN LAMONGAN JAWA TIMUR MOH.

IDENTIFIKASI DAN INVENTARISASI TANAMAN PEKARANGAN RUMAH PENDUDUK DI KECAMATAN PACIRAN DAN LAREN, KABUPATEN LAMONGAN JAWA TIMUR MOH. IDENTIFIKASI DAN INVENTARISASI TANAMAN PEKARANGAN RUMAH PENDUDUK DI KECAMATAN PACIRAN DAN LAREN, KABUPATEN LAMONGAN JAWA TIMUR MOH. QOMARUDIN DEPARTEMEN BIOLOGI FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN

Lebih terperinci

LAJU MINERALISASI N-NH 4 + DAN N-NO 3 - TANAH ANDISOL PADA PERTANIAN ORGANIK DAN KONVENSIONAL YANG DITANAMI KENTANG HARRY NOVIARDI

LAJU MINERALISASI N-NH 4 + DAN N-NO 3 - TANAH ANDISOL PADA PERTANIAN ORGANIK DAN KONVENSIONAL YANG DITANAMI KENTANG HARRY NOVIARDI 1 LAJU MINERALISASI NNH 4 + DAN NNO 3 TANAH ANDISOL PADA PERTANIAN ORGANIK DAN KONVENSIONAL YANG DITANAMI KENTANG HARRY NOVIARDI DEPARTEMEN KIMIA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT

Lebih terperinci

PERILAKU MAKAN GORILA (Gorilla gorilla gorilla ) DI PUSAT PRIMATA SCHMUTZER TAMAN MARGASATWA RAGUNAN JAKARTA SAHRONI

PERILAKU MAKAN GORILA (Gorilla gorilla gorilla ) DI PUSAT PRIMATA SCHMUTZER TAMAN MARGASATWA RAGUNAN JAKARTA SAHRONI 1 PERILAKU MAKAN GORILA (Gorilla gorilla gorilla ) DI PUSAT PRIMATA SCHMUTZER TAMAN MARGASATWA RAGUNAN JAKARTA SAHRONI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 2 PERNYATAAN MENGENAI TESIS

Lebih terperinci

KONVERGENSI KEEFEKTIVAN KEPEMIMPINAN (Kasus Anggota Gabungan Kelompok Tani Pandan Wangi Desa Karehkel, Leuwiliang-Bogor) SKRIPSI FERRI FIRDAUS

KONVERGENSI KEEFEKTIVAN KEPEMIMPINAN (Kasus Anggota Gabungan Kelompok Tani Pandan Wangi Desa Karehkel, Leuwiliang-Bogor) SKRIPSI FERRI FIRDAUS KONVERGENSI KEEFEKTIVAN KEPEMIMPINAN (Kasus Anggota Gabungan Kelompok Tani Pandan Wangi Desa Karehkel, Leuwiliang-Bogor) SKRIPSI FERRI FIRDAUS PROGRAM STUDI SOSIAL EKONOMI PETERNAKAN FAKULTAS PETERNAKAN

Lebih terperinci

PELABELAN OTOMATIS CITRA MENGGUNAKAN FUZZY C MEANS UNTUK SISTEM TEMU KEMBALI CITRA MARSANI ASFI

PELABELAN OTOMATIS CITRA MENGGUNAKAN FUZZY C MEANS UNTUK SISTEM TEMU KEMBALI CITRA MARSANI ASFI PELABELAN OTOMATIS CITRA MENGGUNAKAN FUZZY C MEANS UNTUK SISTEM TEMU KEMBALI CITRA MARSANI ASFI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan

Lebih terperinci

SOLUSI PERSAMAAN BOLTZMANN DENGAN NILAI AWAL BOBYLEV MENGGUNAKAN PENDEKATAN ANALITIK DAN NUMERIK YOANITA HISTORIANI

SOLUSI PERSAMAAN BOLTZMANN DENGAN NILAI AWAL BOBYLEV MENGGUNAKAN PENDEKATAN ANALITIK DAN NUMERIK YOANITA HISTORIANI SOLUSI PERSAMAAN BOLTZMANN DENGAN NILAI AWAL BOBYLEV MENGGUNAKAN PENDEKATAN ANALITIK DAN NUMERIK YOANITA HISTORIANI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2007 PERNYATAAN MENGENAI TESIS DAN

Lebih terperinci

PENAMBAHAN REPRESENTASI WORD GRAPH MENGGUNAKAN XML UNTUK FRASA PREPOSISIONAL DALAM BAHASA INDONESIA RESTI SINTYA ERVINA

PENAMBAHAN REPRESENTASI WORD GRAPH MENGGUNAKAN XML UNTUK FRASA PREPOSISIONAL DALAM BAHASA INDONESIA RESTI SINTYA ERVINA PENAMBAHAN REPRESENTASI WORD GRAPH MENGGUNAKAN XML UNTUK FRASA PREPOSISIONAL DALAM BAHASA INDONESIA RESTI SINTYA ERVINA DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN

Lebih terperinci

REPRESENTASI PENGETAHUAN

REPRESENTASI PENGETAHUAN REPRESENTASI PENGETAHUAN Basis Pengetahuan Langkah pertama dalam membuat sistem kecerdasan buatan adalah membangun basis pengetahuan Digunakan oleh motor inferensi dalam menalar dan mengambil kesimpulan

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN 19 BAB 3 METODE PENELITIAN 3.1. Tahap Pembentukan Knowledge Graph Sekumpulan kata-kata dalam suatu dokumen tidak akan terepresentasi sepenuhnya ke dalam graf. Bagian inti dokumen yang akan menyebabkan

Lebih terperinci

MODEL OPTIMASI JADWAL UJIAN DAN IMPLEMENTASINYA PADA UNIVERSITAS TERBUKA ASMARA IRIANI TARIGAN

MODEL OPTIMASI JADWAL UJIAN DAN IMPLEMENTASINYA PADA UNIVERSITAS TERBUKA ASMARA IRIANI TARIGAN MODEL OPTIMASI JADWAL UJIAN DAN IMPLEMENTASINYA PADA UNIVERSITAS TERBUKA ASMARA IRIANI TARIGAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan

Lebih terperinci

PENGEMBANGAN LONGEST PATH ALGORITHM (LPA) DALAM RANGKA PENCARIAN LINTASAN TERPANJANG PADA GRAF BERSAMBUNG BERARAH BERUNTAI

PENGEMBANGAN LONGEST PATH ALGORITHM (LPA) DALAM RANGKA PENCARIAN LINTASAN TERPANJANG PADA GRAF BERSAMBUNG BERARAH BERUNTAI PENGEMBANGAN LONGEST PATH ALGORITHM (LPA) DALAM RANGKA PENCARIAN LINTASAN TERPANJANG PADA GRAF BERSAMBUNG BERARAH BERUNTAI Oliver Samuel Simanjuntak Prodi Teknik Informatika UPN eteran Yogyakarta Jl. Babarsari

Lebih terperinci

REPRESENTASI WORD GRAPH FRASA KETERANGAN BAHASA INDONESIA MENGGUNAKAN XML CIPTA WIRASWASTA

REPRESENTASI WORD GRAPH FRASA KETERANGAN BAHASA INDONESIA MENGGUNAKAN XML CIPTA WIRASWASTA REPRESENTASI WORD GRAPH FRASA KETERANGAN BAHASA INDONESIA MENGGUNAKAN XML CIPTA WIRASWASTA DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012 REPRESENTASI

Lebih terperinci

NATURAL LANGUAGE PROCESSING DENGAN TEKNIK STATE MACHINE PARSER

NATURAL LANGUAGE PROCESSING DENGAN TEKNIK STATE MACHINE PARSER NATURAL LANGUAGE PROCESSING DENGAN TEKNIK STATE MACHINE PARSER Hanif Al Fatta Abstraksi Aplikasi konsep AI terus berkembang. Salah satunya adalah bagaimana membuat komputer memahami perintah yang diberikan

Lebih terperinci

PENDUGAAN PARAMETER BEBERAPA SEBARAN POISSON CAMPURAN DAN BEBERAPA SEBARAN DISKRET DENGAN MENGGUNAKAN ALGORITME EM ADE HARIS HIMAWAN

PENDUGAAN PARAMETER BEBERAPA SEBARAN POISSON CAMPURAN DAN BEBERAPA SEBARAN DISKRET DENGAN MENGGUNAKAN ALGORITME EM ADE HARIS HIMAWAN PENDUGAAN PARAMETER BEBERAPA SEBARAN POISSON CAMPURAN DAN BEBERAPA SEBARAN DISKRET DENGAN MENGGUNAKAN ALGORITME EM ADE HARIS HIMAWAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN

Lebih terperinci

MODEL MATEMATIKA UNTUK PERUBAHAN SUHU DAN KONSENTRASI DOPANT PADA PEMBENTUKAN SERAT OPTIK MIFTAHUL JANNAH

MODEL MATEMATIKA UNTUK PERUBAHAN SUHU DAN KONSENTRASI DOPANT PADA PEMBENTUKAN SERAT OPTIK MIFTAHUL JANNAH MODEL MATEMATIKA UNTUK PERUBAHAN SUHU DAN KONSENTRASI DOPANT PADA PEMBENTUKAN SERAT OPTIK MIFTAHUL JANNAH SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERYATAAN MENGENAI TESIS DAN SUMBER INFORMASI

Lebih terperinci

DESKRIPSI KEMAMPUAN KOMUNIKASI MATEMATIS SISWA MTs. NEGERI BOJONG PADA MATERI STATISTIKA. Zuhrotunnisa ABSTRAK

DESKRIPSI KEMAMPUAN KOMUNIKASI MATEMATIS SISWA MTs. NEGERI BOJONG PADA MATERI STATISTIKA. Zuhrotunnisa ABSTRAK DESKRIPSI KEMAMPUAN KOMUNIKASI MATEMATIS SISWA MTs. NEGERI BOJONG PADA MATERI STATISTIKA Zuhrotunnisa Guru Matematika MTs. Negeri Rakit 1 Banjarnegara cipits@gmail.com ABSTRAK Penelitian ini bertujuan

Lebih terperinci

FAKTOR-FAKTOR YANG MEMPENGARUHI MOTIVASI PETERNAK DALAM MENGEMBANGKAN USAHATERNAK DOMBA (Kasus : Desa Cigudeg Kecamatan Cigudeg Kabupaten Bogor)

FAKTOR-FAKTOR YANG MEMPENGARUHI MOTIVASI PETERNAK DALAM MENGEMBANGKAN USAHATERNAK DOMBA (Kasus : Desa Cigudeg Kecamatan Cigudeg Kabupaten Bogor) FAKTOR-FAKTOR YANG MEMPENGARUHI MOTIVASI PETERNAK DALAM MENGEMBANGKAN USAHATERNAK DOMBA (Kasus : Desa Cigudeg Kecamatan Cigudeg Kabupaten Bogor) SKRIPSI MUKHAMAD FATHONI PROGRAM STUDI SOSIAL EKONOMI PETERNAKAN

Lebih terperinci

PERANCANGAN ALGORITME PEMBENTUKAN COMBINED GRAPH DAN SIMPLIFIED GRAPH PADA METODE KNOWLEDGE GRAPH ASTRI WULANDARI G

PERANCANGAN ALGORITME PEMBENTUKAN COMBINED GRAPH DAN SIMPLIFIED GRAPH PADA METODE KNOWLEDGE GRAPH ASTRI WULANDARI G PERANCANGAN ALGORITME PEMBENTUKAN COMBINED GRAPH DAN SIMPLIFIED GRAPH PADA METODE KNOWLEDGE GRAPH ASTRI WULANDARI G541318 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN

Lebih terperinci

PENAMPILAN ANAK ITIK YANG DIPELIHARA BERDASARKAN KELOMPOK BOBOT TETAS KECIL, BESAR DAN CAMPURAN SKRIPSI KOMARUDIN

PENAMPILAN ANAK ITIK YANG DIPELIHARA BERDASARKAN KELOMPOK BOBOT TETAS KECIL, BESAR DAN CAMPURAN SKRIPSI KOMARUDIN PENAMPILAN ANAK ITIK YANG DIPELIHARA BERDASARKAN KELOMPOK BOBOT TETAS KECIL, BESAR DAN CAMPURAN SKRIPSI KOMARUDIN PROGRAM STUDI TEKNOLOGI PRODUKSI TERNAK FAKULTAS PETERNAKAN INSTITUT PERTANIAN BOGOR 2007

Lebih terperinci

Oleh: YakobAmdam A

Oleh: YakobAmdam A ANALISIS KESALAHAN SISWA DALAM MENYELESAIKAN SOAL CERITA BANGUN DATAR BERDASARKAN PEMAHAMAN RELASIONAL PADA SISWA KELAS VII MTS NEGERI SUKOHARJO TAHUN 2016/2017 Skripsi Diajukan untuk Memperoleh Gelar

Lebih terperinci

KETERKONTROLAN BEBERAPA SISTEM PENDULUM SAKIRMAN

KETERKONTROLAN BEBERAPA SISTEM PENDULUM SAKIRMAN KETERKONTROLAN BEBERAPA SISTEM PENDULUM SAKIRMAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan bahwa tesis Keterkontrolan

Lebih terperinci

ANALISIS BIPLOT UNTUK MEMETAKAN MUTU SEKOLAH YANG SESUAI DENGAN NILAI UJIAN NASIONAL SUJITA

ANALISIS BIPLOT UNTUK MEMETAKAN MUTU SEKOLAH YANG SESUAI DENGAN NILAI UJIAN NASIONAL SUJITA ANALISIS BIPLOT UNTUK MEMETAKAN MUTU SEKOLAH YANG SESUAI DENGAN NILAI UJIAN NASIONAL SUJITA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan

Lebih terperinci

MODEL MATEMATIKA STRUKTUR UMUR INFEKSI VIRUS HIV DENGAN KOMBINASI TERAPI OBAT MUHAMMAD BUWING

MODEL MATEMATIKA STRUKTUR UMUR INFEKSI VIRUS HIV DENGAN KOMBINASI TERAPI OBAT MUHAMMAD BUWING MODEL MATEMATIKA STRUKTUR UMUR INFEKSI VIRUS HIV DENGAN KOMBINASI TERAPI OBAT MUHAMMAD BUWING SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan

Lebih terperinci

Pertemuan 3 DATA MODEL

Pertemuan 3 DATA MODEL Pertemuan 3 DATA MODEL PENGERTIAN MODEL DATA : Sekumpulan konsep-konsep untuk menerangkan data, hubungan-hubungan antara data dan batasan-batasan data yang terintegrasi di dalam suatu organisasi JENIS-JENIS

Lebih terperinci

EFEKTIVITAS IKLAN SOSIS DI TELEVISI DALAM MEMBENTUK CITRA PRODUK SOSIS (Kasus Siswa SMA Negeri 5 Bogor) SKRIPSI RETTY PERMATA SARI

EFEKTIVITAS IKLAN SOSIS DI TELEVISI DALAM MEMBENTUK CITRA PRODUK SOSIS (Kasus Siswa SMA Negeri 5 Bogor) SKRIPSI RETTY PERMATA SARI EFEKTIVITAS IKLAN SOSIS DI TELEVISI DALAM MEMBENTUK CITRA PRODUK SOSIS (Kasus Siswa SMA Negeri 5 Bogor) SKRIPSI RETTY PERMATA SARI PROGRAM STUDI SOSIAL EKONOMI PETERNAKAN FAKULTAS PETERNAKAN INSTITUT PERTANIAN

Lebih terperinci

Pelabelan Harmonis Ganjil pada Graf Kincir Angin Double Quadrilateral

Pelabelan Harmonis Ganjil pada Graf Kincir Angin Double Quadrilateral SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 06 Pelabelan Harmonis Ganjil pada Graf Kincir Angin Double Quadrilateral Fery Firmansah, M. Wahid Syaifuddin Prodi Pendidikan Matematika, Fakultas

Lebih terperinci

ABSTRAK ABSTRACT

ABSTRAK ABSTRACT PELABELAN GRACEFUL PADA GRAF SUPERSTAR 20 Ismail Kaloko 1, Faiz Ahyaningsih2 1 Mahasiswa Program Studi Matematika, FMIPA, Universitas Negeri Medan E-mail: ismail.kaloko@yahoo.com 2 Jurusan Matematika,

Lebih terperinci

INTERPRETASI STATUS HARA TANAMAN KELAPA SAWIT

INTERPRETASI STATUS HARA TANAMAN KELAPA SAWIT INTERPRETASI STATUS HARA TANAMAN KELAPA SAWIT (Elaeis guineensis) MENGGUNAKAN METODE DIAGNOSIS AND RECOMMENDATION INTEGRATED SYSTEM (DRIS) DAN DEVIATION FROM OPTIMUM PERCENTAGE (DOP) Oleh YUNITA MAHARANI

Lebih terperinci

HUBUNGAN ANTARA GAYA KEPEMIMPINAN DENGAN MOTIVASI KERJA KARYAWAN DALAM ORGANISASI PERUSAHAAN

HUBUNGAN ANTARA GAYA KEPEMIMPINAN DENGAN MOTIVASI KERJA KARYAWAN DALAM ORGANISASI PERUSAHAAN HUBUNGAN ANTARA GAYA KEPEMIMPINAN DENGAN MOTIVASI KERJA KARYAWAN DALAM ORGANISASI PERUSAHAAN (Kasus PT Indofarma Tbk. Cikarang, Kabupaten Bekasi Provinsi Jawa Barat) FACHRI AZHAR DEPARTEMEN SAINS KOMUNIKASI

Lebih terperinci

PERTEMUAN 3 MODEL DATA JUM AT,

PERTEMUAN 3 MODEL DATA JUM AT, PERTEMUAN 3 MODEL DATA JUM AT, 6-10-16 MODEL DATA PENGERTIAN MODEL DATA : Sekumpulan konsep-konsep untuk menerangkan data, hubungan-hubungan antara data dan batasan-batasan data yang terintegrasi di dalam

Lebih terperinci

MODE LOKOMOSI PADA ORANGUTAN KALIMANTAN (Pongo pygmaeus Linn.) DI PUSAT PRIMATA SCHMUTZER, JAKARTA MUSHLIHATUN BAROYA

MODE LOKOMOSI PADA ORANGUTAN KALIMANTAN (Pongo pygmaeus Linn.) DI PUSAT PRIMATA SCHMUTZER, JAKARTA MUSHLIHATUN BAROYA MODE LOKOMOSI PADA ORANGUTAN KALIMANTAN (Pongo pygmaeus Linn.) DI PUSAT PRIMATA SCHMUTZER, JAKARTA MUSHLIHATUN BAROYA DEPARTEMEN BIOLOGI FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN

Lebih terperinci

POHON INTERVAL PADA PERSOALAN GRAPH INTERVAL

POHON INTERVAL PADA PERSOALAN GRAPH INTERVAL POHON INTERVAL PADA PERSOALAN GRAPH INTERVAL TESIS Oleh SITI AISYAH 117021046/MT FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2013 POHON INTERVAL PADA PERSOALAN GRAPH

Lebih terperinci

Diajukan Oleh: Shinta Devi Risnawati A

Diajukan Oleh: Shinta Devi Risnawati A PENGEMBANGAN RENCANA PELAKSANAAN PEMBELAJARAN MATEMATIKA KURIKULUM 2013 BERBASIS LESSON STUDY PADA SISWA KELAS VII SMP KRISTEN 2 SALATIGA TAHUN 2015/2016 Skripsi Diajukan untuk Memperoleh Gelar Sarjana

Lebih terperinci

PENERAPAN LOGIKA FUZZY MENGGUNAKAN SISTEM INFERENSI METODE TSUKAMOTO PADA PENGATURAN LAMPU LALU LINTAS DI PEREMPATAN MANDAN KABUPATEN SUKOHARJO

PENERAPAN LOGIKA FUZZY MENGGUNAKAN SISTEM INFERENSI METODE TSUKAMOTO PADA PENGATURAN LAMPU LALU LINTAS DI PEREMPATAN MANDAN KABUPATEN SUKOHARJO PENERAPAN LOGIKA FUZZY MENGGUNAKAN SISTEM INFERENSI METODE TSUKAMOTO PADA PENGATURAN LAMPU LALU LINTAS DI PEREMPATAN MANDAN KABUPATEN SUKOHARJO oleh KARTIKA DEWAYANI M0112048 SKRIPSI ditulis dan diajukan

Lebih terperinci

BEBERAPA METODE PENDUGAAN JUMLAH KOMPONEN DALAM CAMPURAN SENYAWA KIMIA MURDAN ALFA SATYAWAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008

BEBERAPA METODE PENDUGAAN JUMLAH KOMPONEN DALAM CAMPURAN SENYAWA KIMIA MURDAN ALFA SATYAWAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 i BEBERAPA METODE PENDUGAAN JUMLAH KOMPONEN DALAM CAMPURAN SENYAWA KIMIA MURDAN ALFA SATYAWAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 ii PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI

Lebih terperinci