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

Ukuran: px
Mulai penontonan dengan halaman:

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

Transkripsi

1 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 BOGOR BOGOR 2013

2 PENAMBAHAN REPRESENTASI WORD GRAPH MENGGUNAKAN XML UNTUK FRASA PREPOSISIONAL DALAM BAHASA INDONESIA RESTI SINTYA ERVINA Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer pada Departemen Ilmu Komputer DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013

3 ABSTRACT RESTI SINTYA ERVINA. Additional Support Prepositional Phrase in KG Viewer. Under supervision of SRI NURDIATI. Language becomes a very important part in human life because language plays a role in the creation of communication between people in conveying intent and information. Language can be divided into 2 types: natural language and artificial language. Knowledge graph theory is a new approach for natural language understanding. In knowledge graph theory, there are 9 binary relationships and 4 frame relationships. A word is represented by a word graph. Research has been conducted about word graph by students of Departement of Computer Science, Bogor Agricultural Institute. Previous research produced a system to represent word graph of Indonesian noun, verb, and adjective phrases. However, to be able to represent the meaning of Indonesian text we still need other phrases. Therefore, in this research we try to construct a system of word graph Indonesian for prepositional phrases. This research produces 23 word graph patterns in XML for prepositional phrases. Keywords: prepositional phrases, word graph, XML.

4 ludul skripsi Nama NIM : Penambahan Representasi Word Graph Menggunakan XML untuk Frasa Preposisionai dalam Bahasa Indonesia : Resti Sintya Ervina : G Menyetujui, Pembimbing Tanggal Lulus: 2 B AUG 2013

5 Judul skripsi Nama NIM : Penambahan Representasi Word Graph Menggunakan XML untuk Frasa Preposisional dalam Bahasa Indonesia : Resti Sintya Ervina : G Menyetujui, Pembimbing Dr. Ir. Sri Nurdiati, M.Sc NIP Menyetujui, Kepala Departemen Ilmu Komputer Dr. Ir. Agus Buono, M.Si. M.Kom NIP Tanggal Lulus:

6 RIWAYAT HIDUP Resti Sintya Ervina dilahirkan di Bogor Provinsi Jawa Barat pada tanggal 16 Desember Penulis merupakan anak tunggal dari pasangan Bapak Wakidi dan Ibu Murjiyem. Pada tahun 2005, penulis lulus dari SMA PGRI 4 Bogor. Kemudian penulis diterima untuk melanjutkan studi di Diploma IPB Bogor dan lulus pada tahun Penulis melanjutkan studi ke jenjang S1 di Departemen Ilmu Komputer, Institut Pertanian Bogor.

7 PRAKATA Pertama-tama puji dan syukur penulis panjatkan kepada Allah Subhanahu Wa Ta aala atas segala rahmat dan karunia-nya sehingga penulis dapat menyelesaikan tugas akhir yang berjudul Penambahan Representasi Word Graph Menggunakan XML untuk Frasa Preposisional dalam Bahasa Indonesia dengan tepat waktu. Tiada daya dan kekuatan dalam menyelesaikan tugas akhir ini kecuali dari Allah Yang Maha Kuasa. Tugas akhir ini merupakan syarat untuk menyelesaikan jenjang pendidikan S1 di Departemen Ilmu Komputer, Institut Pertanian Bogor. Pada kesempatan ini, penulis menyampaikan ucapan terima kasih yang sebesar-besarnya kepada berbagai pihak yang terlibat dalam penyelesaian tugas akhir ini: 1 Penghargaan serta terima kasih penulis sampaikan kepada ibu dan bapak selaku orang tua penulis yang selalu memberi semangat, membantu, dan mendoakan agar terselesaikannya tugas akhir ini dengan lancar. 2 Terima kasih kepada Ibu Dr. Ir. Sri Nurdiati, M.Sc selaku pembimbing yang telah bersedia meluangkan waktu serta memberikan saran selama menyelesaikan tugas akhir ini. 3 Terima kasih kepada Bapak Ahmad Ridha, S.Kom, MS dan Bapak Sony Hartono Wijaya, S.Kom, M.Kom selaku penguji. 4 Terakhir, penulis ucapkan terima kasih kepada teman-teman yang terlibat dalam penyelesaian tugas akhir ini baik secara langsung maupun tidak langsung. Penulis menyadari bahwa penulisan tugas akhir ini masih jauh dari sempurna. Oleh sebab itu, penulis mengharapkan saran dan kritik yang sifatnya membangun. Semoga tugas akhir ini membawa manfaat bagi semua orang. Bogor, Juni 2013 Resti Sintya Ervina

8 DAFTAR ISI Halaman DAFTAR TABEL... vi DAFTAR GAMBAR... vi DAFTAR LAMPIRAN... vii PENDAHULUAN Latar Belakang... 1 Tujuan Penelitian... 1 Ruang Lingkup... 1 TINJAUAN PUSTAKA Frasa Kata... 2 Preposisi... 2 Frasa Preposisional... 2 Natural Language Processing... 2 Teori Knowledge Graph (KG)... 2 Concept... 2 Token... 2 Type... 2 Word Graph... 2 Aspek Ontologi... 3 Extensible Markup Language (XML)... 4 Metode Pengujian Black Box... 4 METODE PENELITIAN Studi Literatur... 5 Analisis Pola Pembentukan Word Graph Frasa Preposisional... 5 Praproses... 5 Perancangan Database... 5 Perancangan XML... 5 Analisis Hasil dan Pengujian... 5 HASIL DAN PEMBAHASAN Studi Literatur... 5 Analisis Pola Pembentukan Word Graph Frasa Preposisional... 5 Praproses... 6 Perancangan Database... 6 Perancangan XML... 6 Analisis Hasil dan Pengujian... 7 KESIMPULAN DAN SARAN Kesimpulan Saran DAFTAR PUSTAKA LAMPIRAN v

9 DAFTAR TABEL Halaman 1... P engujian frasa preposisional (2 kata) P engujian frasa preposisional (3 kata) DAFTAR GAMBAR Halaman 1... C ontoh penggunaan relasi C ontoh penggunaan relasi CAU C ontoh penggunaan relasi CAU C ontoh penggunaan relasi SUB C ontoh penggunaan relasi DIS C ontoh penggunaan relasi ORD C ontoh penggunaan relasi PAR C ontoh penggunaan relasi SKO C ontoh penggunaan relasi Ontology F C ontoh penggunaan frame dengan relasi FPAR C ontoh penggunaan frame dengan relasi NEGPAR C ontoh penggunaan frame dengan relasi POSPAR C ontoh penggunaan frame dengan relasi NECPAR M etode pengujian Black-Box (Pressman 2005) T ahapan penelitian J enis kata dasar k/s/b untuk kata masukan kedua P enggunaan tag <posisition> </posisition> P erbedaan tabel kata (kiri) dan tabel kbbi (kanan) P op-up Message The word not found in database H asil pengujian di pedesaan pada KG Viewer vi

10 21... H asil pengujian untuk bangkit mandiri pada KG Viewer H asil pengujian di perumahan pada KG Viewer H asil pengujian di akhir zaman pada KG Viewer J enis kata depan pada tabel kata J enis kata depan pada tabel kbbi C ontoh kata yang tertukar antara kata dasar dengan kata masukan DAFTAR LAMPIRAN Halaman 1... D aftar kata preposisi pada penelitian Dillyani (2012) D aftar pola frasa preposisional B entuk word graph frasa preposisional T abel pengujian implementasi frasa preposisional terhadap aplikasi KG Viewer F lowchart pembentukan word graph frasa preposisional untuk 2 kata (N=2) F lowchart pembentukan word graph frasa preposisional untuk 2 kata (N=2(1)) F lowchart pembentukan word graph frasa preposisional untuk 2 kata (N=2(3)) F lowchart pembentukan word graph frasa preposisional untuk 3 kata (N=3) F lowchart pembentukan word graph frasa preposisional untuk 3 kata (N=3(1)) F lowchart pembentukan word graph frasa preposisional untuk 3 kata (N=3(3)) F lowchart pembentukan word graph frasa preposisional untuk 3 kata (N=3(4)) F lowchart pembentukan word graph frasa preposisional untuk 3 kata (N=3(5)) vii

11 1 Latar Belakang PENDAHULUAN Bahasa merupakan alat komunikasi dan alat interaksi yang dimiliki oleh manusia. Bahasa menjadi bagian sangat penting dalam kehidupan manusia karena bahasa berperan dalam terciptanya komunikasi antara manusia dalam menyampaikan maksud dan informasi. Bahasa dapat dibagi ke dalam 2 tipe yaitu bahasa alami dan bahasa buatan. Bahasa alami adalah bahasa yang digunakan manusia dalam berkomunikasi berupa suara, ucapan (spoken language), dan tulisan, sedangkan bahasa buatan adalah bahasa yang dibuat secara khusus untuk memenuhi kebutuhan tertentu seperti bahasa pemrograman. Perkembangan teknologi membangkitkan pemikiran baru untuk memproses bahasa alami yang biasa digunakan oleh manusia. Pemrosesan menggunakan bahasa alami disebut Natural Language Processing (NLP) yaitu bidang yang mencakup berbagai macam pemrosesan bahasa alami yang biasa digunakan oleh manusia. Sistem ini biasanya mempunyai masukan dan keluaran berupa teks (Arman 2004). Pengembangan yang banyak dilakukan yaitu membuat komputer agar dapat berinteraksi atau berkomunikasi dengan manusia (user) menggunakan bahasa alami (Natural Language). Bahasa alami lebih sulit diproses salah satunya karena adanya ambiguitas atau makna ganda yang menyebabkan adanya subjektivitas dan kesalahpahaman dalam pemahaman teks. Salah satu pemecahan masalah ambiguitas ialah menggunakan metode Knowledge Graph (KG). Metode Knowledge Graph (KG) merupakan metode baru dalam NLP yang digunakan untuk menggambarkan bahasa manusia saat lebih memfokuskan pada aspek semantik daripada sintaksis (Zhang 2002). Metode KG merupakan suatu metode dari representasi NLP yang mengarahkan pada cara baru dalam menjelaskan dan memodelkan NLP. Selain itu, metode ini juga sebagai langkah besar ke depan untuk memahami aspek semantik dari suatu kata (Zhang 2002). Pengembangan sistem berdasarkan metode KG pada teks bahasa Indonesia yang di representasikan ke dalam Extensible Markup Language (XML) telah banyak dilakukan oleh beberapa mahasiswa di Departemen Ilmu Komputer, Institut Pertanian Bogor untuk jenis kata benda, kata kerja, kata sifat, dan kata keterangan. Kemudian Ramadhan (2012) mengembangkan viewer modul word graph untuk kata bahasa Indonesia berbasis web dan Lesmana (2012) yang membuat Integrasi Sistem Viewer Modul Word Graph dengan Modul XML Kata dalam Bahasa Indonesia. Pengembangan sistem dengan Metode KG masih harus banyak dilakukan. Pengembangan yang telah dilakukan ialah mengintegrasikan kata dalam suatu sistem Viewer Modul Word Graph dengan Modul XML Kata dalam Bahasa Indonesia. Pengembangan selanjutnya yang dapat dilakukan ialah membentuk frasa, klausa dan kalimat. Pengembangan KG dalam bentuk frasa telah dilakukan oleh Rifkiaansyah (2012). Merujuk pada penelitian Mahmuda (2010) dan Rifkiaansyah (2012), penelitian ini menambahkan representasi word graph menggunakan XML untuk frasa preposisional dalam bahasa Indonesia. Tujuan Penelitian Tujuan penelitian ini ialah merepresentasikan pola word graph frasa preposisional menggunakan aturan Extensible Markup Language (XML) dan menampilkan pola word graph tersebut pada KG Viewer. Ruang Lingkup Ruang lingkup penelitian ini dibatasi pada penambahan representasi word graph menggunakan XML untuk frasa preposisional dalam bahasa Indonesia. Penambahan frasa preposisional yang dikembangkan pada penelitian ini berdasarkan 23 pembentukan pola word graph frasa preposisional yang telah dianalisis oleh Mahmuda (2010). Masukan sistem KG Viewer akan diproses jika masukan berupa frasa preposisional dalam bahasa Indonesia dan masukan kata tidak lebih dari 3 kata. Manfaat Penambahan frasa preposisional dapat terselesaikan dan pengembangan KG Viewer selanjutnya dapat dilakukan yaitu pengembangan word graph untuk klausa, kalimat, dan paragraf.

12 2 Frasa Kata TINJAUAN PUSTAKA Menurut Keraf (1991), frasa adalah kesatuan yang terdiri atas 2 kata atau lebih, yang masing-masingnya mempertahankan makna dasar katanya, sementara gabungan itu menghasilkan suatu relasi tertentu, dan tiap kata pembentuknya tidak bisa berfungsi sebagai subjek dan predikat dalam konstruksi itu. Gabungan kata-kata yang membentuk sebuah frasa menimbulkan pengertian baru, atau mendukung sebuah relasi tertentu. Preposisi Preposisi atau kata depan adalah kata tugas yang selalu berada di depan kata benda, kata kerja, kata sifat, atau kata keterangan (Finoza 2009). Preposisi tidak memiliki makna leksikal sehingga preposisi harus digabung dengan kata lain agar tercipta makna baru. Frasa Preposisional Frasa preposisional adalah kelompok kata yang terdiri atas preposisi sebagai inti diikuti oleh kata atau kelompok kata lain, terutama kata nomina (Finoza 2009). Menurut Finoza (2009), fungsi frasa preposisional adalah menunjuk arah, tempat, dan waktu jika preposisi diikuti frasa atau kata nomina. Frasa preposisional yang mengandung frasa atau kataverba akan mempunyai fungsi sebagai penunjuk suatu tindakan atau kegiatan. Frasa atau kata adjektiva yang terkandung pada frasa preposisional akan memiliki fungsi yang menunjuk pada sifat atau keadaan. Natural Language Processing Secara umum, natural language atau bahasa alami (yang digunakan manusia) adalah metode dan sistem simbol yang paling banyak digunakan untuk mengekspresikan pikiran manusia dan pertukaran informasi. Terdapat sebuah pemisah antara bahasa formal atau bahasa buatan (yang digunakan oleh komputer) dan bahasa alami. Komunikasi antara komputer dan manusia hanya dimungkinkan ketika banyak penelitian yang bertujuan untuk menjembatani pemisah di antara keduanya (Zhang 2002). Secara alami menggambarkan dan memodelkan bahasa alami adalah dasar untuk perkembangan dari proses memaknai bahasa alami dan menentukan arah proses penelitian dari bahasa alami. Proses memahami bahasa alami disebut parsing. Dalam melakukan parsing terhadap sebuah kalimat, diperlukan tata bahasa untuk menggambarkan bagian-bagian dari kalimat tersebut. Ada dua faktor yang diperhatikan dalam menganalisis sebuah kalimat, yaitu sintaksis dan semantik. Perbedaan sintaksis dan semantik adalah sintaksis melakukan analisis berdasarkan bentuk dari sebuah kalimat, sedangkan semantik menganalisis bagaimana mengartikan suatu kalimat (Hulliyah 2007). Teori Knowledge Graph (KG) Teori KG adalah jenis sudut pandang baru, yang digunakan untuk menggambarkan bahasa manusia saat lebih memfokuskan pada aspek semantik daripada aspek sintatik. KG mempunyai kemampuan lebih kuat untuk mengekspresikan dan menggambarkan lebih dalam semantic layers. KG juga dapat meminimumkan penggunaan relation set dan menirukan pengertian dari jalan pikiran manusia (Zhang 2002). KG sebagai bagian dari metode baru yang merepresentasikan pengetahuan, tergolong pada kategori semantic network. Dalam prinsipnya, KG tersusun dari concept (tokens dan types) dan relationship (binary dan multivariate relation) (Zhang 2002). Concept Representasi pemikiran yang dapat dimodelkan dengan KG disebut dengan mind graph. Concept merupakan komponen dari mind graph yang menerangkan persepsi mengenai sesuatu (Zhang 2002). Token Token merupakan node dalam KG, yang dinyatakan dengan simbol. Token menyatakan segala sesuatu yang kita alami dalam dunia nyata atau bahkan mengenai sebuah konsep dalam pikiran kita. Dalam metode KG segala sesuatu akan direpresentasikan atau digambarkan sebagai sebuah token (Zhang 2002). Type Type adalah konsep yang berisi informasi umum. Type bersifat objektif karena merupakan hasil kesepakatan bersama (Zhang 2002). Word Graph Word Graph adalah unit dasar dari NLP. Word graph dibangun dari kata depan dan kata tambahan (seperti kata sifat dan kata keterangan) (Zhang 2002). Word graph

13 3 merupakan graph dari kata atau serangkaian kata. Dalam metode KG, setiap kata berhubungan dengan sebuah word graph, menyatakan arti kata yang disebut dengan semantic word graph. Gabungan semantic word graph dalam sebuah kalimat akan membentuk sentence graph. Graph yang merepresentasikan gabungan dari sentence graph dalam sebuah teks disebut text graph yang terdapat pengetahuan di dalamnya (Hoede dan Nurdiati 2008). Aspek Ontologi Ontologi adalah ilmu untuk menggambarkan beberapa konsep (token dan type) dan relasi-relasi di antaranya dengan maksud memberikan definisi yang cukup terhadap ide-ide yang dituangkan dengan komputer untuk merepresentasikan ide-ide tersebut dan logikanya (Hulliyah 2007). Ontologi word graph terdiri atas sembilan binary relationship dan empat jenis frame relationship (Hoede dan Nurdiati 2008). Berikut ini adalah penjelasan dari 8 types relationship (Zhang 2002): 1 Relasi kesamaan (/KENESS) Relasi digunakan untuk menghubungkan sebuah type dan token. Representasi word graph tersebut dapat dilihat pada Gambar 1. mahasiswa 3 Relasi kesederajatan (EQU/EQUTY) Relasi EQU digunakan untuk menghubungkan sebuah name dengan token. Contoh: Pondoh adalah name dari salak. Gambar 3 adalah contoh dari penggunaan relasi EQU. pondoh Gambar 3 Contoh penggunaan relasi CAU. 4 Relasi yang bertautan (SUB/SUBSET) Jika 2 tokens menyatakan word graph, dan word graph yang satu merupakan bagian dari word graph yang lain, kedua tokens dihubungkan dengan relasi SUB. Representasi word graph untuk relasi SUB dapat dilihat pada Gambar 4. ekor EQU salak SUB kucing Gambar 4 Contoh penggunaan relasi SUB. 5 Relasi perbedaan (DIS / DISPARATENESS) Relasi DIS digunakan untuk menyatakan bahwa dua tokens tidak mempunyai satu elemen pun yang sama. Contoh relasi DIS digunakan untuk menunjukkan kata berbeda misalnya air berbeda dengan minyak, dinyatakan seperti Gambar 5. Gambar 1 Contoh penggunaan relasi. 2 Relasi sebab akibat (CAU / CAUSTY) Relasi CAU digunakan untuk menghubungkan dua tokens yang memiliki hubungan sebab akibat. Relasi CAU dapat digunakan untuk menghubungkan dua konsep yang terdiri atas kata benda dan kata kerja, yaitu untuk menghubungkan subjek dengan predikat atau predikat dengan objek (Hoede dan Nurdiati 2008). Penggunaan relasi CAU dapat dilihat pada Gambar 2. air DIS minyak Gambar 5 Contoh penggunaan relasi DIS. 6 Relasi yang berurutan (ORD/ORDERING) Relasi ORD menyatakan bahwa dua hal memiliki urutan tertentu, baik urutan waktu maupun urutan tempat. Contoh penggunaan relasi ORD untuk menyatakan siang sebelum malam. Gambar 6 merupakan representasi word graph untuk relasi ORD. CAU siang ekor ORD malam Gambar 2 Contoh penggunaan relasi CAU. Gambar 6 Contoh penggunaan relasi ORD.

14 4 7 Relasi atribut (PAR/ATTRIBUTE) Relasi PAR digunakan untuk menyatakan bahwa sesuatu adalah sebuah atribut dari sesuatu yang lain. Word graph untuk relasi PAR dapat dilihat pada Gambar 7. 2 EGPAR: Negation of a situation NEG p merah ekor PAR mobil Gambar 7 Contoh penggunaan relasi PAR. 8 Relasi kebergantungan informasi (SKO/SKOLEM) Relasi SKO digunakan jika informasi suatu token bergantung pada token lainnya, dinyatakan seperti pada Gambar 8. Gambar 11 Contoh penggunaan frame dengan relasi NEGPAR. 3 OSPAR: Possibility of a situation POS p x SKO Gambar 8 Contoh penggunaan relasi SKO. 9 Ontologi FOCUS (F) Ontologi F digunakan untuk mewujudkan fokus dari suatu graph (Hoede dan Nurdiati 2008). Gambar 9 menunjukkan penggunaan ontologi focus. y Gambar 12 Contoh penggunaan frame dengan relasi POSPAR. 4 ECPAR: Necessity of a situation NEC p F merusak Gambar 13 Contoh penggunaan frame dengan relasi NECPAR. PAR Extensible Markup Language (XML) CAU CAU hama padi Menurut Benz & Durant (2003), Extensible Markup Language (XML) merupakan bentuk baku untuk Gambar 9 Contoh penggunaan relasi Ontology F. merepresentasikan struktur dokumen teks dan data yang memberikan kemudahan dalam publikasi dan pertukaran data. XML Frame adalah sebuah node yang diberikan digunakan untuk memudahkan pembacaan label (Zhang 2002). Adapun untuk 4 frame data oleh komputer. Tag XML dapat dibuat relationship dapat dilihat pada Gambar 10 - oleh pengguna sesuai dengan kebutuhan yang 13: dikehendaki. Tag pembuka dalam file XML 1 harus disertakan tag penutupnya. F PAR: Focusing on a situation Metode Pengujian Black Box Gambar 10 Contoh penggunaan frame dengan relasi FPAR. p Pengujian perangkat lunak merupakan proses eksekusi program atau perangkat lunak dengan tujuan mencari kesalahan atau kelemahan dari program tersebut sebelum pengiriman kepada user (Pressman 2005). Metode pengujian black box merupakan metode pengujian dengan cara mengoperasikan semua fungsi untuk menemukan kesalahan, apakah input diterima dengan benar dan output yang dihasilkan

15 5 benar (Gambar 14). Beberapa kategori kesalahan antara lain: fungsi-fungsi yang salah atau hilang, kesalahan antarmuka, kesalahan pada struktur data atau akses database eksternal, kesalahan kinerja, dan kesalahan inisialisasi dan terminasi (Pressman 2005). Input Gambar 14 Metode pengujian Black-Box (Pressman 2005). METODE PENELITIAN Penambahan Representasi Word Graph menggunakan XML Untuk Frasa Preposisional dalam Bahasa Indonesia dibuat melalui beberapa tahapan seperti yang di ilustrasikan pada Gambar 15. Gambar 15 Tahapan penelitian. Studi Literatur BLACK BOX Mulai Studi Literatur Analisis Pola Pembentukan Word Graph Frasa Preposisional Praproses Perancangan Database Perancangan XML Analisis Hasil dan Pengujian Selesai Output Studi literatur merupakan tahapan awal yang dilakukan untuk mengumpulkan bahanbahan pustaka yang dapat digunakan sebagai bahan rujukan yang relevan. Studi literatur yang berkaitan dengan word graph untuk jenis frasa preposisi yaitu knowledge graph dan frasa kata. Analisis Pola Pembentukan Word Graph Frasa Preposisional Analisis yang dilakukan pada tahap ini didasarkan pada penelitian Mahmuda (2010). Tahapan yang dilakukan yaitu menganalisis gambar pola word graph frasa preposisi dan menerjemahkannya ke dalam aturan XML. Praproses Tahap praproses ini dilakukan untuk memisahkan jenis kata masukan. Jika masukan berupa preposisi di awal kata maka akan dilakukan proses pembentukan pola frasa preposisional, sedangkan jika pada awal kata bukan merupakan preposisi maka akan dilakukan proses pada penelitian sebelumnya yaitu penelitian Rifkiaansyah (2012) mengenai pembentukan pola frasa verbal, nominal dan adjektival. Perancangan Database Tahapan pembentukan database ialah menganalisis database pada penelitian Rifkiaansyah (2012) apakah database untuk pembentukan pola frasa preposisional perlu dibuat tabel baru atau hanya penambahan field pada tabel yang sudah ada. Perancangan XML Tag pada XML tidak didefinisikan secara khusus dan penggunaan tag pada penelitian ini didasarkan pada penggunaan tag pada penelitian Rifkiaansyah (2012). Analisis Hasil dan Pengujian Pengujian dilakukan dengan cara mengoperasikan semua fungsi untuk menemukan kesalahan, apakah kata masukan diterima dengan benar dan hasil sesuai dengan pola pada penelitian Mahmuda (2010). HASIL DAN PEMBAHASAN Studi Literatur Studi literatur yang berkaitan dengan word graph untuk jenis frasa preposisi yaitu tesis Mahmuda (2010). Studi literatur lain yang digunakan pada penelitian ini yaitu penelitian Rifkiaansyah (2012) dan Dillyani (2012). Analisis Pola Pembentukan Word Graph Frasa Preposisional Menurut Dillyani (2012), pola frasa preposisional yang terbentuk dari 51 preposisi yang dapat dilihat pada Lampiran 1 dengan 12 jenis kata penyerta preposisi menghasilkan 127 macam pola frasa preposisional. Penelitian Dillyani (2012) menerangkan bahwa tidak semua 51 preposisi dapat disandingkan dengan 12 jenis kata penyerta

16 6 preposisi. Preposisi beserta jenis kata penyerta preposisi dapat dilihat pada Lampiran 1. Pola frasa preposisional yang dihasilkan pada penelitian ini yaitu pola pembentukan word graph frasa preposisional sesuai dengan hasil analisis Mahmuda (2010) yang berjumlah 23 pola frasa preposisional yang dapat dilihat pada Lampiran 3. Hasil analisis pola pembentukan word graph frasa preposisional tersebut kemudian digunakan untuk membuat dokumen berformat XML yang merepresentasikan konsep knowledge graph pada pembentukan pola word graph untuk frasa preposisional dalam Bahasa Indonesia. Praproses Tahap praposes merupakan tahapan dimana kata masukan diproses dengan membagi per kata kemudian diperiksa jika kata masukan lebih dari 1 kata dan kata pertama tersebut masuk ke dalam frasa kata preposisional maka akan diproses ke dalam alur pemrosesan pola pembentukan word graph untuk frasa preposisional. Jika masuk ke dalam frasa kata nominal, verbal, dan adjektival, frasa akan diproses ke dalam alur penentuan pola Rifkiaansyah (2012). Perancangan Database Pada penambahan modul untuk pola pembentukan word graph pada frasa preposisional, peneliti membuat tabel baru dengan nama pola_frasa_prep pada database wg karena tabel sebelumnya belum terdapat field prep yang berisi jenis preposisi dari kata masukan. Tabel terbagi ke dalam dua field utama yang terdiri atas 12 field, antara lain prep yang merupakan field yang berisi kata preposisi. Field kata2 dan kata3 merupakan jenis kata masukan yang berupa kata tunggal maupun kata berimbuhan. Field kata_dasar2 dan kata_dasar3 merupakan jenis kata dasar dari kata masukan. Field awalan2, sisipan2, akhiran2, awalan3, sisipan3, dan akhiran3 berisi imbuhan, awalan, sisipan dan akhiran. Field tambahan pada tabel pola_frasa_prep antara lain field pola_wg yang digunakan untuk pelabelan nama XML yang dibuat sedangkan field nama_pola digunakan untuk memberi informasi tentang pola frasa terkait. Ketika kata masukan termasuk ke dalam dua atau lebih jenis frasa maka akan ditampilkan pop-up sesuai dengan jenis preposisinya, dengan kata lain meminimalisasi jumlah pop-up yang muncul karena disesuaikan dengan preposisi awal dari kata masukan. Pada tabel pola_frasa_prep terdapat field kata_dasar2 yang berisi kata dasar dari kata masukan kedua dengan jenis kata lebih dari satu yaitu kata kerja, sifat, dan benda (k/s/b). Jenis kata tersebut dapat dilihat pada Gambar 16: Gambar 16 Jenis kata dasar k/s/b untuk kata masukan kedua. Perancangan XML a Penamaan Tag Penelitian ini menggunakan nama-nama tag yang sudah dugunakan pada Penelitian Rifkiaansyah (2012). Tag-tag tersebut yaitu: <graph></graph> Tag yang berfungsi sebagai root. <components></ components> Leaf utama dari <graph></graph> berisi komponen penyusun word graph. <relationship></ relationship> Leaf utama dari <graph></graph> berisi elemen-elemen yang dideklarasi dalam tag <components></ components> <positions></positions> Leaf utama dari <graph></graph> berisi elemen-elemen yang dideklarasi dalam tag <components></ components> <id></id> Atribut dari <components></ components> <value></value> Atribut dari <components></ components> <replace></replace> Atribut dari <components></ components> <from></from> Atribut dari <relationship></ relationship> <to></to> Atribut dari <relationship></ relationship> <focus></focus> Representasi komponen penyusun word graph <token></token> Representasi komponen penyusun word graph <text></text>

17 7 Representasi komponen penyusun word graph <relation></relation> Representasi komponen penyusun word graph <frame></frame> Representasi komponen penyusun word graph <focusid></focusid> Atribut dari <relationship></ relationship> <tokenid></tokenid> Atribut dari <relationship></ relationship> <relationid></relationid> Atribut dari <relationship></ relationship> <textid></textid> Atribut dari <relationship></ relationship> <frameid></frameid> Atribut dari <relationship></ relationship> b Pembentukan XML Pada penelitian ini dihasilkan 23 dokumen berformat XML yang merepresentasikan pola word graph frasa preposisional hasil penelitian Mahmuda (2010). Berikut akan dijabarkan pembentukan pola frasa preposisional pada frasa kata untuk membeli peralatan. Menurut Mahmuda (2010), makna preposisi untuk adalah kata depan untuk menyatakan bagi; bagian; maksud atau tujuan; bagi. Makna frasa verbal membeli peralatan adalah objektif. Jadi frasa preposisional untuk membeli peralatan di dalam kalimat mempunyai makna tujuan. Word Graph dari frasa preposisional untuk membeli peralatan terdiri atas dua concept. Concept 1 terdiri atas frame yang sesuai dengan pola preposisi (Pre) untuk kata untuk (Anggraeni 2009) yang dihubungkan dengan relasi. Concept 2 terdiri atas frame yang sesuai dengan pola frasa verbal (V(meng- KK)+N(pe-KB-an)) yang berelasi objektif membeli peralatan yang dihubungkan dengan relasi. Jika fokus pembicaraan adalah concept 2 maka concept 2 diberi warna hitam dan digunakan relasi CAU ke arah concept 2 serta concept 2 berada di dalam concept 1 karena concept 2 merupakan tujuan atau penerima dari sesuatu. Penggunaan tag <posisition> </posisition> pada pembentukan pola frasa preposisional dapat dilihat pada Gambar 17. Tag <posisition> </posisition> merepresentasikan keseluruhan komponen yang ada dalam pembentukan posisi word graph. Komponen pada word graph yang dapat diatur posisinya adalah focus, token dan text. Tag yang masuk ke dalam komponen <positions></positions> antara lain: <id></id>, tag yang menunjukkan id dari suatu komponen. <left></left>, tag yang memposisikan komponen secara horizontal. <top></top>, tag yang memposisikan komponen secara vertikal. <size></size>, tag yang mengatur ukuran dari focus, token, dan text. Gambar 17 Penggunaan tag <posisition> </posisition>. Analisis Hasil dan Pengujian Pengujian pada penelitian ini dilakukan dengan memasukkan 23 macam frasa preposisional satu per satu sesuai dengan pola frasa preposisional seperti pada Lampiran 2. Batasan kata masukan untuk sistem ialah kata yang terdapat pada database wg2. Pengujian menghasilkan 23 word graph frasa preposisional yang sesuai dengan pola word graph pada penelitian Mahmuda (2010) seperti yang dapat dilihat pada Lampiran 4.

18 8 Pengujian bernilai sesuai apabila pola yang dihasilkan oleh KG Viewer memiliki gambar yang sama dengan pola hasil penelitian Mahmuda (2010). Pada pola frasa preposisional yang dihasilkan oleh Mahmuda (2010) terdapat 2 pola yang sama tetapi memiliki makna yang berbeda. Pola tersebut yaitu pola rse_fp2 Pre(dari) + FN(N 1 +N 2 ) 1 contoh: dari minyak jelantah dan rse_fp3 Pre(dari) + FN(N 1 +N 2 ) 2 contoh: dari pangkal daun. Kedua pola tersebut memiliki kesamaan yaitu adanya sisipan dari yang memiliki makna asal. Sedangkan letak perbedaan antara kedua pola tersebut terdapat pada makna yang terkandung dalam kedua kata setelah kata dari. Menurut Mahmuda (2010) makna yang terkandung dalam pola rse_fp2 yaitu menyatakan asal bahan. Pola yang ketiga yaitu rse_fp3 mengandung makna yang menyatakan asal tempat. Proses pembentukan pola frasa preposisional pada sistem ini terbagi ke dalam 2 proses. Proses pertama yaitu proses pembentukan pola frasa preposisional dengan kata masukan berjumlah 2 kata seperti yang dapat dilihat pada Lampiran 5. Kata pertama akan diperiksa pada database apakah termasuk ke dalam preposisi. Jika bernilai benar maka dilanjutkan dengan pemrosesan kata yang kedua. Kata masukan kedua akan dicari pada tabel kata sehingga dapat diketahui apa kata dasar, awalan, sisipan dan akhirannya. Hasil pencarian kata pada database akan dicocokkan pada tabel pola_frasa_prep sehingga dapat diketahui kata masukan tersebut termasuk ke dalam pola frasa preposisional yang mana. Proses tersebut di gambarkan pada Lampiran 6. Jika kata yang dicari tidak terdapat pada tabel kata, akan dicari pada tabel kbbi seperti yang dapat dilihat pada Lampiran 7. Perbedaan tabel kata dan tabel kbbi dapat dilihat pada Gambar 18. Kata yang ditemukan pada tabel kbbi hanya akan menghasilkan kata dasar dan tipe kata masukan sehingga ketika dicocokkan dengan tabel pola_frasa_prep ada beberapa kata yang menghasilkan pola lebih dari satu. Kemudian pola tersebut akan ditampilkan pada pop-up yang bertujuan meminta masukan sesuai dari user. Proses kedua yaitu proses pembentukan pola frasa preposisional dengan kata masukan berjumlah 3 kata seperti yang tercantum pada Lampiran 8. Kata masukan diproses sama dengan pemrosesan kata pada proses pembentukan pola frasa preposisional untuk 2 kata. Perbedaannya adalah kata yang diproses lebih panjang karena pemrosesan dilakukan untuk 3 kata seperti yang dapat dilihat pada Lampiran 9. Pengujian frasa preposisional terdiri atas beberapa jenis kasus seperti yang tertera pada Tabel 1 dan Tabel 2. Tabel 1 Pengujian frasa preposisional (2 kata). No Cek Cek kata II Output Prep/Kata I The word not found in 2 - Tabel kata / Tabel KBBI database The word not found in database 3 Ada Tabel kata Sesuai 4 Ada Tabel KBBI Tampilkan Pop-up 5 Ada - The word not found in database Tabel 2 Pengujian frasa preposisional (3 kata). N o Cek Prep/Kata I Cek kata II 1 - Tabel kata / Tabel KBBI Cek kata III Tabel kata / Tabel KBBI Tabel kata Tabel KBBI Tabel Kata Tabel KBBI Output The word not found in database 2 Ada Tabel kata Sesuai 3 Ada Tabel Tampilkan kata Pop-up 4 Ada Tabel Tampilkan KBBI Pop-up 5 Ada Tabel Tampilkan KBBI Pop-up 6 Ada - - The word not found in database 7 Ada Tabel - The word kata / not found Tabel in database KBBI 8 Ada - Tabel The word Kata / not found Tabel in database KBBI

19 9 Gambar 18 Perbedaan tabel kata (kiri) dan tabel kbbi (kanan). Tabel I & II dianalisis dan menghasilkan 3 kasus pengujian, yaitu: 1 Pengujian I Pengujian frasa preposisional yang terdiri atas 2 kata maupun 3 kata akan menghasilkan pop-up messages bertuliskan The word not found in database yaitu pada saat sistem diberi masukan frasa yang terdiri atas 2 kata yang seluruh katanya tidak terdapat dalam database dan ketika salah satu kata masukan dari rangkaian sebuah frasa tidak ditemukan pada database. Sistem tidak dapat menghasilkan word graph frasa preposisional diluar pola frasa preposisional yang telah dihasilkan pada penelitian Mahmuda (2010) yang berjumlah 23 pola frasa preposisional. Contoh pengujian dilakukan dengan memasukkan kata hingga papua dan di sulawesi. Hasil pengujian tersebut dapat dilihat pada Gambar 19. Gambar 19 Pop-up Message The word not found in database. 2 Pengujian II Ketika sistem diberi masukan frasa yang terdiri atas 2 atau 3 kata yang kata pertamanya terdapat pada tabel pola_frasa_prep dan kata kedua atau ketiga terdapat pada tabel kata sistem akan menghasilkan word graph yang sesuai. Pengujian dilakukan tehadap kata di pedesaan dan untuk bangkit mandiri. Hasil dari kedua kata masukan tersebut yaitu word graph frasa preposisional ke-17 dan ke- 8. Word Graph yang terbentuk dapat dilihat pada Gambar 20 dan Gambar 21. Gambar 20 Hasil pengujian di pedesaan pada KG Viewer. Gambar 21 Hasil pengujian untuk bangkit mandiri pada KG Viewer. 3 Pengujian III Ketika sistem diberi masukan frasa yang terdiri atas 2 atau 3 kata dengan struktur masing-masing kata yaitu kata pertamanya terdapat pada tabel pola_frasa_prep tetapi kata kedua dan ketiga tidak terdapat di tabel kata melainkan terdapat pada tabel kbbi, maka sistem akan memunculkan pop-up. Popup ini menampilkan pilihan pola frasa preposisional yang memiliki pola word graph frasa preposisional sesuai kata masukan. Pengujian dilakukan terhadap kata di perumahan dan di akhir zaman. Pop-up memunculkan seluruh pola frasa preposisional dengan kata depan di karena kata perumahan dan zaman belum terdapat pada tabel kbbi. Hasil pengujian yang dilakukan dapat dilihat pada Gambar 22 dan Gambar 23. Gambar 22 Hasil pengujian di perumahan pada KG Viewer.

20 10 Gambar 23 Hasil pengujian di akhir zaman pada KG Viewer. Setelah dilakukan pengujian, terdapat beberapa permasalahan dalam pembentukan pola frasa preposisional. Permasalahan tersebut antara lain: 1 Terdapat perbedaan jenis kata pada tabel kata dengan tabel kbbi. Sebagai contoh adalah kata ke depan yang dapat dilihat pada Gambar 24. Pada tabel kata, kata depan berjenis kata sifat (Adj) sedangkan pada tabel kbbi, kata depan berjenis kata benda sehingga ketika dicocokkan dengan tabel pola_frasa_prep tidak ditemukan kata dengan pola Pre(ke) + Adj karena pada tabel pola_frasa_prep hanya ditemukan pola Pre(ke) + N, ditunjukkan pada Gambar 25. Gambar 24 Jenis kata depan pada tabel kata. Gambar 25 Jenis kata depan pada tabel kbbi. 2 Pada tabel kata terdapat kata-kata yang masih terbalik antara kata dasar dengan kata masukannya. Contohnya dapat dilihat pada Gambar 26. Gambar 26 Contoh kata yang tertukar antara kata dasar dengan kata masukan. KESIMPULAN DAN SARAN Kesimpulan Penelitian ini menghasilkan 23 dokumen XML pola word graph frasa preposisional. Pengaturan tampilan word graph untuk pola frasa preposisional menggunakan tag positions sehingga seluruh dokumen XML dapat ditampilkan dengan lebih baik. Saran Menurut Dillyani (2012) terdapat 127 pola frasa preposisional yang terbentuk dari gabungan 51 preposisi dengan 12 jenis kata penyerta preposisi. Pada penelitian ini baru terbentuk 23 pola frasa preposisional sehingga perlu adanya penambahan pola frasa preposisional sebanyak 105 pola. Penelitian selanjutnya dapat dibuat aturan pembentukan word graph untuk klausa, kalimat dan paragraf dengan menggunakan metode Knowledge Graph. Penambahan kata pada tabel kata dan kbbi. DAFTAR PUSTAKA Anggraeni W Analisis pembentukan Word Graph preposisi bahasa Indonesia dengan menggunakan metode Knowledge Graph [tesis]. Bogor: Sekolah Pascasarjana, Institut Pertanian Bogor. Arman AA Teknologi pemrosesan bahasa alami sebagai teknologi kunci untuk meningkatkan cara interaksi antara manusia dengan mesin. Orasi Ilmiah Departemen Teknik Elektro: Fakultas Teknik Industri, ITB. Benz B, Durant JR XML Programming Bible. New York: Wiley Publishing, Inc. Dillyani NNA Representasi Word Graph frasa preposisional bahasa Indonesia menggunakan XML [skripsi]. Bogor: Departemen Ilmu Komputer, FMIPA, Institut Pertanian Bogor. Finoza L Komposisi Bahasa Indonesia untuk Mahasiswa Non Jurusan Bahasa. Ed Ke-4. Jakarta: Diksi. Hoede C, Nurdiati S A graph theoretical analysis of certain aspects of bahasa Indonesia. Enschede: Departement of Applied Mathematics University of Twente. Hulliyah K Rekayasa memahami teks menggunakan teori Knowledge Graph [tesis]. Bogor: Sekolah Pascasarjana, Institut Pertanian Bogor. Keraf G Tata bahasa rujukan bahasa Indonesia untuk tingkat pendidikan menengah. Jakarta: PT. Grasindo Lesmana I Integrasi sistem viewer modul Word Graph dengan modul XML kata dalam bahasa Indonesia [skripsi].

21 11 Bogor: Departemen Ilmu Komputer, FMIPA, Institut Pertanian Bogor. Mahmuda Konstruksi pola Word Graph frasa kata menggunakan metode Knowledge Graph [tesis]. Bogor: Departemen Ilmu Komputer, FMIPA, Institut Pertanian Bogor. Pressman RS Software Engineering: A Practitioner s Approach. Ed ke-6. New York: McGraw Hill Higher Education. Ramadhan DA Sistem Viewer modul Word Graph berbasis XML [skripsi]. Bogor: Departemen Ilmu Komputer, FMIPA, Institut Pertanian Bogor. Rifkiaansyah M Representasi Word Graph menggunakan XML untuk frasa nominal, verbal dan adjektival dalam bahasa Indonesia. [Skripsi]. Bogor: Departemen Ilmu Komputer, FMIPA, Institut Pertanian Bogor. Zhang L Knowledge graph theory and structural parsing [disertasi]. Enschede: University of Twente.

22 LAMPIRAN 12

23 13 Lampiran 1 Daftar kata preposisi pada penelitian Dillyani (2012). No. Preposisi Jenis kata penyerta preposisi 1 di Nomina tempat, nomina waktu 2 pada Nomina tempat, waktu, kurun waktu, tertuju 3 dari Nomina tempat, pronomina, nomina asal bahan, keadaan, adjektiva 2, adjektiva 3, tersusun, terdiri, bagian 4 lewat Nomina tempat, waktu, alat 5 melalui Nomina tempat, alat 6 hingga Nomina tempat, waktu 7 sampai Nomina tempat, waktu 8 atas Nomina alat, keadaan 9 dengan Nomina alat, adjektiva 1, adjektiva 2, adjektiva 3, keadaan, pronomina, kata acuan, asal bahan, makna tertuju 10 daripada Adjektiva 2, adjektiva 3 11 ke Nomina tempat 12 menuju Nomina tempat 13 dalam Nomina tempat, waktu, kurun waktu, keadaan 14 selama Nomina waktu, kurun waktu 15 sepanjang Nomina waktu, kurun waktu 16 menjelang Nomina waktu 17 sebelum Nomina waktu 18 setelah Nomina waktu 19 sesudah Nomina waktu 20 lepas Nomina waktu 21 sejak Nomina waktu, kurun waktu 22 semenjak Nomina waktu, kurun waktu 23 antara Nomina waktu, tempat, keadaan 24 akibat Nomina keadaan, 25 berkat Nomina keadaan, alat 26 karena Nomina keadaan 27 mengingat Nomina keadaan 28 oleh Pronomina, nomina keadaan, adjektiva 1, adjektiva 2, adjektiva 3 29 untuk Pronomina, makna tertuju 30 bagi Pronomina, makna tertuju 31 demi Pronomina, makna tertuju 32 buat Pronomina, makna tertuju 33 guna Pronomina, makna tertuju 34 kepada Pronomina 35 terhadap Pronomina 36 tanpa Pronomina 37 berdasarkan Kata acuan, pronomina, nomina keadaan 38 menurut Kata acuan, pronomina, nomina keadaan 39 akan Kata acuan, pronomina, nomina keadaan 40 mengenai Kata acuan, pronomina, nomina keadaan 41 tentang Kata acuan, pronomina, nomina keadaan 42 sebagai Pronomina 43 selaku Pronomina 44 bagai Pronomina, adjektiva 1, adjektiva 2, adjektiva 3 45 bagaikan Pronomina, adjektiva 1, adjektiva 2, adjektiva 3 46 bak Pronomina, adjektiva 1, adjektiva 2, adjektiva 3 47 laksana Pronomina, adjektiva 1, adjektiva 2, adjektiva 3 48 seperti Pronomina, adjektiva 1, adjektiva 2, adjektiva 3 49 sebagaimana Pronomina, adjektiva 1, adjektiva 2, adjektiva 3 50 selain Pronomina, nomina keadaan 51 kecuali Pronomina, nomina keadaan

24 14 Lampiran 2 Daftar pola frasa preposisional. No. Nama Pola Frasa Preposisional Contoh Frasa Preposisional Pola 1 rse_fp1 Pre(ke) + N ke depan 2 rse_fp2 Pre(dari) + FN(N 1 +N 2 ) 1 dari minyak jelantah 3 rse_fp3 Pre(dari) + FN(N 1 +N 2 ) 2 dari pangkal daun 4 rse_fp4 Pre(dari) + FN(N 1 (pe-kk-an)+n 2 ) dari pemerasan kopra 5 rse_fp5 Pre(bagi) + N bagi masyarakat 6 rse_fp6 Pre(bagi) + N (pe-kk) bagi penduduk 7 rse_fp7 Pre(bagi) + FN(N 1 +N 2 ) bagi masyarakat Papua 8 rse_fp8 Pre(untuk) + FV (V + Adj) untuk bangkit mandiri 9 rse_fp9 Pre(untuk) + FN (N 1 (ke-kk-an) + N 2 ) untuk kebutuhan industri 10 rse_fp10 Pre(untuk) + FV (V(meng-KK) + N) untuk membeli solar 11 rse_fp11 Pre(untuk) + FV (V(meng-KK) +N(ke-KKan)) untuk mengambil keputusan 12 rse_fp12 Pre(untuk) + FV (V(meng-KK) +N(pe-KBan)) untuk membeli peralatan 13 rse_fp13 Pre(dengan) + FN(N 1 + N 2 ) dengan zat gizi 14 rse_fp14 Pre(dengan) + FN(N 1 (ke-kk-an) + N 2 ) dengan kehidupan masyarakat 15 rse_fp15 Pre(di) + N di Maluku 16 rse_fp16 Pre(di) + N (KS-an) di lapangan 17 rse_fp17 Pre(di) + N (pe-kb-an) di pedesaan 18 rse_fp18 Pre(di) + FN(N 1 + N 2 ) di pesisir pantai 19 rse_fp19 Pre(pada) + FN(N 1 + N 2 ) pada daun bawang 20 rse_fp20 Pre(di) + FN(N 1 + N 2 (pe-kb)) di kebun petani 21 rse_fp21 Pre(di) + FN(N 1 (KS-an) + N 2 ) di dataran papua 22 rse_fp22 Pre(pada) + FN(N1(KK-an) + N 2 ) pada adonan terigu 23 rse_fp23 Pre(dari) + N dari rumah Lampiran 3 Bentuk word graph frasa preposisional. No Pola Frasa Preposisional Word Graph 1 Pre(ke) + N ORD l 0 l 1 (N) Pre (ke) + N 2 Pre(dari) + FN(N 1 +N 2 ) 1 PAR N 1 N 2 ORD b j FN(N 1 +N 2 )(b 0 ) Pre(dari) + FN(N1 +N 2 )

25 15 Lanjutan No Pola Frasa Preposisional Word Graph Pre(dari) + FN(N 1 +N 2 ) 2 SUB ORD N 1 N 2 l t FN(N 1 +N 2 )(l 0 ) Pre(dari) + FN(N1 +N 2 ) 4 Pre(dari) + FN(N 1 (pe- KK-an)+N 2 ) SKO PAR N2 ORD KK N 1 (pe-kk-an) b j FN(N 1 (pe-kk-an)+n 2 ) (b 0 ) Pre(dari) + FN(N 1 (pe-kk-an)+n 2 ) 5 Pre(bagi) + N CAU Pre(bagi) + N N 6 Pre(bagi) + N (pe-kk) N (pe-kk) CAU CAU KK Pre(bagi)+N(pe-KK)

26 16 Lanjutan No Pola Frasa Preposisional Word Graph 7 Pre(bagi) + FN(N 1 +N 2 ) CAU PAR FN(N1 +N 2 ) N 1 EQU N 2 Pre(bagi) + FN(N 1 +N 2 ) 8 Pre(untuk) + FV (V + Adj) CAU PAR FV (V + Adj) V Adj Pre(untuk)+FV(V+Adj) 9 Pre(untuk) + FN (N 1 (ke- KK-an) + N 2 ) SKO N2 CAU KK N 1 (ke-kk-an) FN (N 1 (ke-kk-an) + N 2 ) Pre(untuk) + FN (N 1 (ke-kk-an) 10 Pre(untuk) + FV (V(meng-KK) + N) CAU CAU CAU N V(meng-KK) KK FV (V(meng-KK) + N) Pre(untuk) + FV (V(meng-KK) + N)

27 17 Lanjutan No Pola Frasa Preposisional Word Graph 11 Pre(untuk) + FV (V(meng-KK) +N(ke-KKan)) CAU CAU SKO CAU KK KK V(meng-KK) N(ke-KK-an) FV (V(meng-KK) +N(ke-KK-an)) Pre(untuk) + FV (V(meng-KK) +N(ke-KK-an)) 12 Pre(untuk) + FV (V(meng-KK) +N(pe-KBan)) CAU CAU CAU SKO KK KB V(meng-KK) N(ke-KB-an) FV (V(meng-KK) +N(ke-KB-an)) Pre(untuk) + FV (V(meng-KK) +N(ke-KB-an)) 13 Pre(dengan) + FN(N 1 + N 2 ) PAR CAU N 1 N 2 FN(N 1 + N 2 ) Pre(dengan) + FN(N1 + N 2 )

28 18 Lanjutan No Pola Frasa Preposisional Word Graph 14 Pre(dengan) + FN(N 1 (ke- KK-an) + N 2 ) SKO PAR N2 CAU KK N 1 (ke-kk-an) FN(N 1 (ke-kk-an) + N 2 ) Pre(dengan) + FN(N 1 (ke-kk-an) 15 Pre(di) + N SUB Pre(di) (l b ) N (l a ) EQU 16 Pre(di) + N (KS-an) SUB PAR Pre(di) (l b ) KS N (KS-an) (l a ) 17 Pre(di) + N (pe-kb-an) SUB SKO Pre(di) (l b ) KB N (pe-kb-an) (l a ) 18 Pre(di) + FN(N 1 + N 2 ) SUB SUB Pre(di) (l b ) N 1 N 2 FN(N 1 + N 2 ) (l a )

29 19 Lanjutan No Pola Frasa Preposisional Word Graph 19 Pre(pada) + FN(N 1 + N 2 ) SUB SUB Pre(pada) (l b ) N 1 N 2 FN(N 1 + N 2 ) (l a ) 20 Pre(di) + FN(N 1 + N 2 (pe- KB)) SUB PAR SKO Pre(di) (l b ) N 1 KB N 2 (pe-kb) FN(N 1 + N 2 (pe-kb)) (l a ) 21 Pre(di) + FN(N 1 (KS-an) + N 2 ) SUB Pre(di) (l b ) PAR KS PAR EQU N 2 N1 (KS-an) FN(N 1 (KS-an) + N 2 ) (l a ) 22 Pre(pada) + FN(N1(KKan) + N 2 ) SUB Pre(pada) (l b ) CAU KK PAR N 2 N1 (KK-an) FN(N 1 (KK-an) + N 2 ) (l a )

30 20 Lanjutan No Pola Frasa Preposisional Word Graph 23 Pre(dari) + N ORD L t L 0 Pre (dari) Lampiran 4 Tabel pengujian implementasi frasa preposisional terhadap aplikasi KG Viewer. 10 Pre(untuk) + FV (V(meng-KK) + N) keluarga untuk membongkar lantai rse_fp10 rse_fp10 sesuai No Pola frasa Input Skenario Hasil yang diuji Keterangan 1 Pre(ke) + N ke kanan rse_fp1 rse_fp1 sesuai 2 Pre(dari) + FN(N 1 +N 2 ) dari kertas rse_fp2 rse_fp2 sesuai aluminium 3 Pre(dari) + FN(N 1 +N 2 ) dari puncak rse_fp3 rse_fp3 sesuai gunung 4 Pre(dari) + FN(N 1 (pe- dari pembuatan rse_fp4 rse_fp4 sesuai KK-an)+N 2 ) pupuk 5 Pre(bagi) + N bagi negeri rse_fp5 rse_fp5 sesuai 6 Pre(bagi) + N (pe-kk) bagi pemulung rse_fp6 rse_fp6 sesuai 7 Pre(bagi) + FN(N 1 +N 2 ) bagi wilayah rse_fp7 rse_fp7 sesuai Bogor 8 Pre(untuk) + FV (V + Adj) untuk makan sehat rse_fp8 rse_fp8 sesuai 9 Pre(untuk) + FN untuk rse_fp9 rse_fp9 sesuai (N 1 (ke-kk-an) + N 2 ) kebutuhan 11 Pre(untuk) + FV untuk rse_fp11 rse_fp11 sesuai (V(meng-KK) +N(ke- mengambil KK-an)) keuntungan 12 Pre(untuk) + FV untuk rse_fp12 rse_fp12 sesuai (V(meng-KK) +N(pe- mengubah KB-an)) perbuatan 13 Pre(dengan) + FN(N 1 + N 2 ) dengan kertas koran rse_fp13 rse_fp13 sesuai 14 Pre(dengan) + dengan rse_fp14 rse_fp14 sesuai FN(N 1 (ke-kk-an) + N 2 ) kebaikan alam 15 Pre(di) + N di Bogor rse_fp15 rse_fp15 sesuai 16 Pre(di) + N (KS-an) di luaran rse_fp16 rse_fp16 sesuai 17 Pre(di) + N (pe-kb-an) di dataran rse_fp17 rse_fp17 sesuai 18 Pre(di) + FN(N 1 + N 2 ) di ujung jalan rse_fp18 rse_fp18 sesuai 19 Pre(pada) + FN(N 1 + N 2 ) 20 Pre(di) + FN(N 1 + N 2 (pe-kb)) pada batang kayu di tubuh pejuang rse_fp19 rse_fp19 sesuai rse_fp20 rse_fp20 sesuai

31 21 21 Pre(di) + FN(N 1 (KS-an) + N 2 ) di dataran lembah rse_fp21 rse_fp21 sesuai 22 Pre(pada) + pada jalanan rse_fp22 rse_fp22 Sesuai FN(N1(KK-an) + N 2 ) kota 23 Pre(dari) + N dari rumah rse_fp23 rse_fp23 Sesuai Lampiran 5 Flowchart pembentukan word graph frasa preposisional untuk 2 kata (N=2).

32 22 Lampiran 6 Flowchart pembentukan word graph frasa preposisional untuk 2 kata (N=2(1)). Keterangan: struktur kata = kata dasar, tipe kata masukan, tipe kata dasar, awalan, sisipan, akhiran.

33 Lampiran 7 Flowchart pembentukan word graph frasa preposisional untuk 2 kata (N=2(3)). 23

34 Lampiran 8 Flowchart pembentukan word graph frasa preposisional untuk 3 kata (N=3). 24

35 Lampiran 9 Flowchart pembentukan word graph frasa preposisional untuk 3 kata (N=3(1)). 25

36 Lampiran 10 Flowchart pembentukan word graph frasa preposisional untuk 3 kata (N=3(3)). 26

37 Lampiran 11 Flowchart pembentukan word graph frasa preposisional untuk 3 kata (N=3(4)). 27

38 Lampiran 12 Flowchart pembentukan word graph frasa preposisional untuk 3 kata (N=3(5)). 28

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

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

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

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 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

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

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

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

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

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

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

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

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

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 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

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

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

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

HASIL DAN PEMBAHASAN. kata yang diuji

HASIL DAN PEMBAHASAN. kata yang diuji 8 Kata yang telah melalui proses stemming akan disimpan output-nya, yang berupa imbuhan (awalan dan akhiran), ke dalam array StorageFix{n} dengan indeks n sebagai penunjuk kata ke-n. Penentuan Pola Hasil

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 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 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

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

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

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

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

REPRESENTASI WORD GRAPH KATA KETERANGAN BAHASA INDONESIA MENGGUNAKAN XML NERI PETRI ANTI

REPRESENTASI WORD GRAPH KATA KETERANGAN BAHASA INDONESIA MENGGUNAKAN XML NERI PETRI ANTI REPRESENTASI WORD GRAPH KATA KETERANGAN BAHASA INDONESIA MENGGUNAKAN XML NERI PETRI ANTI DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012 REPRESENTASI

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 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

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

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

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

SISTEM VIEWER MODUL WORD GRAPH BERBASIS XML DEAN APRIANA RAMADHAN

SISTEM VIEWER MODUL WORD GRAPH BERBASIS XML DEAN APRIANA RAMADHAN SISTEM VIEWER MODUL WORD GRAPH BERBASIS XML DEAN APRIANA RAMADHAN DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012 SISTEM VIEWER MODUL WORD GRAPH

Lebih terperinci

Perancangan Database Lingkungan Implementasi Perancangan XML HASIL DAN PEMBAHASAN

Perancangan Database Lingkungan Implementasi Perancangan XML HASIL DAN PEMBAHASAN 5 dimasukkan akan diperiksa apakah bersifat tunggal atau jamak serta ada tidaknya kata masukan dalam database yang Jika kata yang dimasukkan bersifat tunggal dan terdapat di dalam database, kata tersebut

Lebih terperinci

MODUL WORD GRAPH KATA BENDA PADA KG_EDITOR BERBASIS JAVA DESKTOP RANI DWIJAYANTI

MODUL WORD GRAPH KATA BENDA PADA KG_EDITOR BERBASIS JAVA DESKTOP RANI DWIJAYANTI MODUL WORD GRAPH KATA BENDA PADA KG_EDITOR BERBASIS JAVA DESKTOP RANI DWIJAYANTI DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012 MODUL WORD GRAPH

Lebih terperinci

Spesifikasi Pengembangan Validasi HASIL DAN PEMBAHASAN Deskripsi Umum Sistem

Spesifikasi Pengembangan Validasi HASIL DAN PEMBAHASAN Deskripsi Umum Sistem Spesifikasi Tahap spesifikasi ini mencakup proses perancangan dan pemrograman perangkat lunak secara keseluruhan. Tahap ini juga melibatkan perbaikan terhadap spesifikasi sebelumnya. Perancangan BogorDelftConStruct

Lebih terperinci

REPRESENTASI MODUL WORD GRAPH KATA KERJA MENGGUNAKAN XML RIZKA PARAMITHA EKA OKTARINA

REPRESENTASI MODUL WORD GRAPH KATA KERJA MENGGUNAKAN XML RIZKA PARAMITHA EKA OKTARINA REPRESENTASI MODUL WORD GRAPH KATA KERJA MENGGUNAKAN XML RIZKA PARAMITHA EKA OKTARINA DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012 REPRESENTASI

Lebih terperinci

CROSS LANGUAGE QUESTION ANSWERING SYSTEM MENGGUNAKAN PEMBOBOTAN HEURISTIC DAN RULE BASED SELAMET SUBU

CROSS LANGUAGE QUESTION ANSWERING SYSTEM MENGGUNAKAN PEMBOBOTAN HEURISTIC DAN RULE BASED SELAMET SUBU CROSS LANGUAGE QUESTION ANSWERING SYSTEM MENGGUNAKAN PEMBOBOTAN HEURISTIC DAN RULE BASED SELAMET SUBU DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR

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

BAB 3 ANALISIS DAN PERANCANGAN

BAB 3 ANALISIS DAN PERANCANGAN BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Masalah Penelitian yang sudah pernah membuat sistem ini berhasil menciptakan pembangkitan pertanyaan non-factoid secara otomatis dengan menggunakan tiga jenis

Lebih terperinci

HASIL DAN PEMBAHASAN. pola yang benar Pola yang diuji. kurasi

HASIL DAN PEMBAHASAN. pola yang benar Pola yang diuji. kurasi 7 untuk mengetahui apakah prototype yang dibangun telah sesuai dengan kebutuhan pengguna (Pressman 2001). Tahap ini dilakukan melalui proses pengujian. Pengujian pada penelitian ini dilakukan dengan menggunakan

Lebih terperinci

TEMPORAL QUESTION ANSWERING SYSTEM BAHASA INDONESIA ADI DARLIANSYAH

TEMPORAL QUESTION ANSWERING SYSTEM BAHASA INDONESIA ADI DARLIANSYAH TEMPORAL QUESTION ANSWERING SYSTEM BAHASA INDONESIA ADI DARLIANSYAH DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012 TEMPORAL QUESTION ANSWERING

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

RANCANG BANGUN SISTEM PENYELARASAN KATA BERBAHASA INDONESIA DENGAN MENGGUNAKAN ALGORITMA LEVENSHTEIN DISTANCE

RANCANG BANGUN SISTEM PENYELARASAN KATA BERBAHASA INDONESIA DENGAN MENGGUNAKAN ALGORITMA LEVENSHTEIN DISTANCE RANCANG BANGUN SISTEM PENYELARASAN KATA BERBAHASA INDONESIA DENGAN MENGGUNAKAN ALGORITMA LEVENSHTEIN DISTANCE KOMPETENSI REKAYASA PERANGKAT LUNAK SKRIPSI NI MADE MUNI ADRIYANI NIM. 0808605046 PROGRAM STUDI

Lebih terperinci

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

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

Lebih terperinci

ABSTRAK. Kata kunci: Sistem Tanya Jawab, Semantic Web, Ontology, domain terbatas. v Universitas Kristen Maranatha

ABSTRAK. Kata kunci: Sistem Tanya Jawab, Semantic Web, Ontology, domain terbatas. v Universitas Kristen Maranatha ABSTRAK Informasi telah menjadi bagian yang sangat penting didalam pertumbuhan masyarakat modern. Dengan meningkatnya kebutuhan informasi ini, maka banyak orang memerlukan mesin pencari informasi yang

Lebih terperinci

ABSTRAK. Kata kunci: diagram kelas, xml, java, kode sumber, sinkronisasi. v Universitas Kristen Maranatha

ABSTRAK. Kata kunci: diagram kelas, xml, java, kode sumber, sinkronisasi. v Universitas Kristen Maranatha ABSTRAK Salah satu bidang kajian dalam bidang teknologi informasi adalah rekayasa perangkat lunak. Dalam rekayasa perangkat lunak, terdapat konsep yang mendasari berbagai jenis metodologi pengembangan

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

HASIL DAN PEMBAHASAN Analisis Pola Word Graph Kata Benda 1 Listen to Customer 2 Build or Revise Mock-up Customer Test Drives Mock-up

HASIL DAN PEMBAHASAN Analisis Pola Word Graph Kata Benda 1 Listen to Customer 2 Build or Revise Mock-up Customer Test Drives Mock-up 4 Listen to customer Gambar 1 Diagram metode pengembangan prototype. 1 Listen to Customer Tahap listen to customer merupakan tahap untuk melakukan pengumpulan kebutuhan pengguna (requirements gathering).

Lebih terperinci

HASIL DAN PEMBAHASAN. pembentukan pola word graph, pengujian pola word graph, analisis hasil pengujian.

HASIL DAN PEMBAHASAN. pembentukan pola word graph, pengujian pola word graph, analisis hasil pengujian. yang sesuai dengan pola tersebut. Di lain pihak, jika hasil dari stemming berupa pola kata dasar dan imbuhan yang tidak ada dalam pola kata kerja menurut Ahmad Muslik (2009) dan gagal dalam proses pengenalan,

Lebih terperinci

KALIMAT. Menu SK DAN KD. Pengantar: Bahasa bersifat Hierarki 01/08/2017. Oleh: Kompetensi Dasar: 3. Mahasiwa dapat menjelaskan kalimat

KALIMAT. Menu SK DAN KD. Pengantar: Bahasa bersifat Hierarki 01/08/2017. Oleh: Kompetensi Dasar: 3. Mahasiwa dapat menjelaskan kalimat KELOMPOK 5 MATA KULIAH: BAHASA INDONESIA Menu KALIMAT Oleh: A. SK dan KD B. Pengantar C. Satuan Pembentuk Bahasa D. Pengertian E. Karakteristik F. Unsur G. 5 Pola Dasar H. Ditinjau Dari Segi I. Menurut

Lebih terperinci

2.5 Context-Free Grammar (CFG) LALR Parser Bab 3 Metodologi Penelitian Studi Literatur Desain Sistem P

2.5 Context-Free Grammar (CFG) LALR Parser Bab 3 Metodologi Penelitian Studi Literatur Desain Sistem P Daftar Isi Lembar Pengesahan Pembimbing... i Lembar Pengesahan Penguji... ii Abstrak... iii Abstract... iv Pernyataan Keaslian Tulisan... v Publikasi Selama Masa Studi... vi Kontribusi Yang Diberikan Oleh

Lebih terperinci

Universitas Bina Nusantara. Jurusan Teknik Informatika Program Studi Ilmu Komputer Skripsi Sarjana Komputer Semester Ganjil 2007 / 2008

Universitas Bina Nusantara. Jurusan Teknik Informatika Program Studi Ilmu Komputer Skripsi Sarjana Komputer Semester Ganjil 2007 / 2008 Universitas Bina Nusantara Jurusan Teknik Informatika Program Studi Ilmu Komputer Skripsi Sarjana Komputer Semester Ganjil 2007 / 2008 ANALISIS DAN PERANCANGAN APLIKASI PENERJEMAH BAHASA INDONESIA KE DALAM

Lebih terperinci

APLIKASI MANAJEMEN PERPUSTAKAAN BERBASIS WEB MENGGUNAKAN PHP DAN MYSQL PADA SMA NEGERI 5 BINJAI TUGAS AKHIR FATIMAH

APLIKASI MANAJEMEN PERPUSTAKAAN BERBASIS WEB MENGGUNAKAN PHP DAN MYSQL PADA SMA NEGERI 5 BINJAI TUGAS AKHIR FATIMAH APLIKASI MANAJEMEN PERPUSTAKAAN BERBASIS WEB MENGGUNAKAN PHP DAN MYSQL PADA SMA NEGERI 5 BINJAI TUGAS AKHIR FATIMAH 062406065 PROGRAM STUDI D3 ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

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

ANALISIS DAN IMPLEMENTASI WATERMARKING UNTUK KEAMANAN DOKUMEN MENGGUNAKAN FINGERPRINT KOMPETENSI JARINGAN SKRIPSI

ANALISIS DAN IMPLEMENTASI WATERMARKING UNTUK KEAMANAN DOKUMEN MENGGUNAKAN FINGERPRINT KOMPETENSI JARINGAN SKRIPSI ANALISIS DAN IMPLEMENTASI WATERMARKING UNTUK KEAMANAN DOKUMEN MENGGUNAKAN FINGERPRINT KOMPETENSI JARINGAN SKRIPSI I GEDE WIRA ARTANA NIM. 0608605030 PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN ILMU KOMPUTER

Lebih terperinci

PENAMBAHAN MODUL PEMBENTUKAN WORD GRAPH KATA KERJA PADA APLIKASI BOGORDELFTCONSTRUCT CHRISTIAN HENRY

PENAMBAHAN MODUL PEMBENTUKAN WORD GRAPH KATA KERJA PADA APLIKASI BOGORDELFTCONSTRUCT CHRISTIAN HENRY PENAMBAHAN MODUL PEMBENTUKAN WORD GRAPH KATA KERJA PADA APLIKASI BOGORDELFTCONSTRUCT CHRISTIAN HENRY DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR

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

PART-OF-SPEECH TAGGING UNTUK DOKUMEN BAHASA BALI MENGGUNAKAN ALGORITMA BRILL TAGGER KOMPETENSI KOMPUTASI SKRIPSI NI PUTU MERI SRIYATI NIM.

PART-OF-SPEECH TAGGING UNTUK DOKUMEN BAHASA BALI MENGGUNAKAN ALGORITMA BRILL TAGGER KOMPETENSI KOMPUTASI SKRIPSI NI PUTU MERI SRIYATI NIM. PART-OF-SPEECH TAGGING UNTUK DOKUMEN BAHASA BALI MENGGUNAKAN ALGORITMA BRILL TAGGER KOMPETENSI KOMPUTASI SKRIPSI NI PUTU MERI SRIYATI NIM. 1208605026 PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN ILMU KOMPUTER

Lebih terperinci

RANCANG BANGUN SISTEM SILSILAH KELUARGA BERBASIS TREE BERDASARKAN HUKUM ADAT BALI

RANCANG BANGUN SISTEM SILSILAH KELUARGA BERBASIS TREE BERDASARKAN HUKUM ADAT BALI RANCANG BANGUN SISTEM SILSILAH KELUARGA BERBASIS TREE BERDASARKAN HUKUM ADAT BALI Tugas Akhir Diajukan Guna Memenuhi Sebagian Persyaratan Dalam Rangka Menyelesaikan Pendidikan Sarjana Strata Satu (S1)

Lebih terperinci

JARINGAN KOMPUTER I WAYAN MULIAWAN NIM

JARINGAN KOMPUTER I WAYAN MULIAWAN NIM i LAPORAN TUGAS AKHIR PENGAMANAN SUARA DALAM VIDEO FORMAT 3GP DENGAN MENGGUNAKAN ALGORITMA ELGAMAL DAN STEGANOGRAFI DENGAN METODE LSB (LEAST SIGNIFICANT BIT) JARINGAN KOMPUTER I WAYAN MULIAWAN NIM. 0608605097

Lebih terperinci

BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Bahasa alami adalah bahasa yang biasa digunakan untuk berkomunikasi antarmanusia, misalnya bahasa Indonesia, Sunda, Jawa, Inggris, Jepang, dan sebagainya. Bahasa

Lebih terperinci

PEMODELAN JARINGAN SYARAF TIRUAN UNTUK PENGENALAN KATA PADA BERBAGAI KONDISI KESEHATAN PEMBICARA BAYU INDRAYANA

PEMODELAN JARINGAN SYARAF TIRUAN UNTUK PENGENALAN KATA PADA BERBAGAI KONDISI KESEHATAN PEMBICARA BAYU INDRAYANA PEMODELAN JARINGAN SYARAF TIRUAN UNTUK PENGENALAN KATA PADA BERBAGAI KONDISI KESEHATAN PEMBICARA BAYU INDRAYANA DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN

Lebih terperinci

PEMBENTUKAN PASSAGE DALAM QUESTION ANSWERING SYSTEM UNTUK DOKUMEN BAHASA INDONESIA SYAHRUL FATHI

PEMBENTUKAN PASSAGE DALAM QUESTION ANSWERING SYSTEM UNTUK DOKUMEN BAHASA INDONESIA SYAHRUL FATHI PEMBENTUKAN PASSAGE DALAM QUESTION ANSWERING SYSTEM UNTUK DOKUMEN BAHASA INDONESIA SYAHRUL FATHI DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teknologi informasi sudah semakin maju. Beberapa aplikasi text mining awal menggunakan penyajian sederhana yang disebut dengan bag-ofwords' ketika

Lebih terperinci

SENTENCE ANALYSIS WITH ARTIFICIAL INTELLIGENCE MACHINE LEARNING USING FINITE STATE AUTOMATA

SENTENCE ANALYSIS WITH ARTIFICIAL INTELLIGENCE MACHINE LEARNING USING FINITE STATE AUTOMATA SENTENCE ANALYSIS WITH ARTIFICIAL INTELLIGENCE MACHINE LEARNING USING FINITE STATE AUTOMATA Yos Merry Raditya Putra Program Studi Teknik Informatika, Unika Soegijapranata Semarang truefalseboy@gmail.com

Lebih terperinci

BAB I PENDAHULUAN. gabah, dan yang sudah dibuang kulit luarnya disebut beras. Dalam praktek di

BAB I PENDAHULUAN. gabah, dan yang sudah dibuang kulit luarnya disebut beras. Dalam praktek di BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Padi merupakan bahan makanan pokok bagi masyarakat Indonesia. Sebagian dari masyarakat kita sumber makanannya dapat berasal dari jagung, sorghum, dan sagu.

Lebih terperinci

BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah

BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Bahasa merupakan alat komunikasi lingual manusia baik secara lisan maupun tulisan. Dalam membuat suatu karya ilmiah, penggunaan Bahasa Indonesia harus sesuai

Lebih terperinci

TRANSLASI KALIMAT BAHASA INGGRIS KE BAHASA INDONESIA MENGGUNAKAN METODE AUGMENTED TRANSITION NETWORK

TRANSLASI KALIMAT BAHASA INGGRIS KE BAHASA INDONESIA MENGGUNAKAN METODE AUGMENTED TRANSITION NETWORK TRANSLASI KALIMAT BAHASA INGGRIS KE BAHASA INDONESIA MENGGUNAKAN METODE AUGMENTED TRANSITION NETWORK Nurhalimah Harahap¹, Eddy Muntina Dharma², Andrian Rakhmatsyah³ ¹Teknik Informatika,, Universitas Telkom

Lebih terperinci

RANCANG BANGUN PENCARIAN JUDUL TESIS BERBASIS TEKNOLOGI WEB SEMANTIK

RANCANG BANGUN PENCARIAN JUDUL TESIS BERBASIS TEKNOLOGI WEB SEMANTIK RANCANG BANGUN PENCARIAN JUDUL TESIS BERBASIS TEKNOLOGI WEB SEMANTIK Ahmad Chusyairi 1), Ema Utami 2) 1,2) Magister Teknik Informatika Program Pascasarjana STMIK AMIKOM Yogyakarta Jl Ring Road Utara, Condongcatur,

Lebih terperinci

Sistem Rekomendasi Hasil Pencarian Artikel Menggunakan Metode Jaccard s Coefficient

Sistem Rekomendasi Hasil Pencarian Artikel Menggunakan Metode Jaccard s Coefficient Jurnal Transistor Elektro dan Informatika (TRANSISTOR EI) Vol. 2, No. 1 1 Sistem Rekomendasi Hasil Pencarian Artikel Menggunakan Metode Jaccard s Coefficient Muhammad Fadelillah, Imam Much Ibnu Subroto,

Lebih terperinci

APLIKASI KAMUS ELEKTRONIK BAHASA ISYARAT BAGI TUNARUNGU DALAM BAHASA INDONESIA BERBASIS WEB

APLIKASI KAMUS ELEKTRONIK BAHASA ISYARAT BAGI TUNARUNGU DALAM BAHASA INDONESIA BERBASIS WEB APLIKASI KAMUS ELEKTRONIK BAHASA ISYARAT BAGI TUNARUNGU DALAM BAHASA INDONESIA BERBASIS WEB Yuli Fauziah, Bambang Yuwono, Cornelius D.W.P. Jurusan Teknik Informatika UPN Veteran Yogyakarta Jl. Babarsari

Lebih terperinci

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang BAB 1 PENDAHULUAN 1.1. Latar Belakang Faktor utama suatu lembaga pendidikan, yang digunakan untuk menilai kualitas pembelajaran dan kelulusan siswa sering didasarkan pada hasil belajar siswa yang tertera

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1.1 Latar Belakang BAB 1 PENDAHULUAN Chatbot adalah sebuah program komputer yang dirancang untuk mensimulasikan sebuah percakapan atau komunikasi yang interaktif kepada pengguna (manusia) melalui bentuk

Lebih terperinci

PENGEMBANGAN PROTOTIPE APLIKASI KONVERSI KODE DARI BAHASA C KE PASCAL

PENGEMBANGAN PROTOTIPE APLIKASI KONVERSI KODE DARI BAHASA C KE PASCAL PENGEMBANGAN PROTOTIPE APLIKASI KONVERSI KODE DARI BAHASA C KE PASCAL LAPORAN TUGAS AKHIR Disusun Sebagai Syarat Kelulusan Tingkat Sarjana oleh : Ipam Fuaddina Adam / 13502079 PROGRAM STUDI TEKNIK INFORMATIKA

Lebih terperinci

UKDW BAB 1 PENDAHULUAN Latar Belakang

UKDW BAB 1 PENDAHULUAN Latar Belakang BAB 1 PENDAHULUAN 1.1. Latar Belakang Dengan perkembangan teknologi yang semakin pesat, setiap orang dituntut untuk bisa memanfaatkan dengan baik perkembangan teknologi dan dapat menggunakan di dalam kehidupan

Lebih terperinci

APLIKASI PORN BLOCKER PADA WEB BROWSER BEBASIS VISUAL BASIC AGATANGELUS RESPATIO SIBARAN

APLIKASI PORN BLOCKER PADA WEB BROWSER BEBASIS VISUAL BASIC AGATANGELUS RESPATIO SIBARAN APLIKASI PORN BLOCKER PADA WEB BROWSER BEBASIS VISUAL BASIC AGATANGELUS RESPATIO SIBARAN1 142406202 PROGRAM STUDI D3 TEKNIK INFORMATIKA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

Lebih terperinci

BAB II KONSEP, LANDASAN TEORI, DAN TINJAUAN PUSTAKA. Unsur sintaksis yang terkecil adalah frasa. Menurut pandangan seorang

BAB II KONSEP, LANDASAN TEORI, DAN TINJAUAN PUSTAKA. Unsur sintaksis yang terkecil adalah frasa. Menurut pandangan seorang BAB II KONSEP, LANDASAN TEORI, DAN TINJAUAN PUSTAKA 2.1 Konsep Menurut KBBI (2003 : 588), konsep adalah gambaran mental dari suatu objek, proses atau apapun yang ada di luar bahasa, yang digunakan oleh

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

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Bagi perusahaan yang bergerak dalam industri manufaktur, sistem informasi produksi yang efektif merupakan suatu keharusan dan tidak lepas dari persoalan persediaan

Lebih terperinci

PERANCANGAN WEBSITE PENJUALAN SECARA ONLINE MENGGUNAKAN PHP DAN MYSQL TUGAS AKHIR MIRA RIZKY S TANJUNG

PERANCANGAN WEBSITE PENJUALAN SECARA ONLINE MENGGUNAKAN PHP DAN MYSQL TUGAS AKHIR MIRA RIZKY S TANJUNG PERANCANGAN WEBSITE PENJUALAN SECARA ONLINE MENGGUNAKAN PHP DAN MYSQL TUGAS AKHIR MIRA RIZKY S TANJUNG 072406029 PROGRAM STUDI D-3 ILMU KOMPUTER DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN

Lebih terperinci

MODUL WORD GRAPH KATA KERJA PADA KG_EDITOR BERBASIS DESKTOP NI MADE FEBRYANTINI DWI ARINY

MODUL WORD GRAPH KATA KERJA PADA KG_EDITOR BERBASIS DESKTOP NI MADE FEBRYANTINI DWI ARINY i MODUL WORD GRAPH KATA KERJA PADA KG_EDITOR BERBASIS DESKTOP NI MADE FEBRYANTINI DWI ARINY DEPARTEMEN ILMU KOMPUTER DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Dalam proses belajar setiap individu memiliki cara sendiri. Kemajuan teknologi saat ini banyak mendukung berbagai aspek kebutuhan salah satunya dalam memenuhi kebutuhan

Lebih terperinci

BAB 1 PENDAHULUAN. Dalam pengembangan perangkat lunak, tim developer membangun cetak

BAB 1 PENDAHULUAN. Dalam pengembangan perangkat lunak, tim developer membangun cetak BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Dalam pengembangan perangkat lunak, tim developer membangun cetak biru sebuah perangkat lunak dalam sebuah model. Dengan adanya model tersebut, maka pembangunan

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang dan Permasalahan

BAB I PENDAHULUAN Latar Belakang dan Permasalahan BAB I PENDAHULUAN 1 1.1 Latar Belakang dan Permasalahan Pencarian lokasi menjadi salah satu kebutuhan masyarakat dewasa ini terbukti dengan banyaknya penyedia layanan pemetaan seperti Google Map, Bing

Lebih terperinci

BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah

BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Salah satu cabang dari ilmu komputer yang mulai populer adalah Artificial Intelligence atau kecerdasan buatan. Kecerdasan buatan merupakan sub-bidang dari

Lebih terperinci

Universitas Gadjah Mada, Jalan Grafika No. 2 Yogyakarta 1), 2),

Universitas Gadjah Mada, Jalan Grafika No. 2 Yogyakarta 1), 2), Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Peningkatan Nilai Recall dan Precision pada Penelusuran Informasi Pustaka Berbasis Semantik (Studi Kasus : Sistem Informasi

Lebih terperinci

SISTEM KEAMANAN DATA PADA WEB SERVICE MENGGUNAKAN XML ENCRYPTION

SISTEM KEAMANAN DATA PADA WEB SERVICE MENGGUNAKAN XML ENCRYPTION SISTEM KEAMANAN DATA PADA WEB SERVICE MENGGUNAKAN XML ENCRYPTION Ari Muzakir Teknik Informatika Universitas Bina Darma Palembang Jl. A. Yani No. 12 Palembang email : ariemuzakir@gmail.com Abstrak Web service

Lebih terperinci

BAB III METODOLOGI PENELITIAN. dalam pengumpulan data atau informasi guna memecahkan permasalahan dan

BAB III METODOLOGI PENELITIAN. dalam pengumpulan data atau informasi guna memecahkan permasalahan dan BAB III METODOLOGI PENELITIAN 3.1 Metodologi Penelitian Metodologi penelitian adalah langkah dan prosedur yang akan dilakukan dalam pengumpulan data atau informasi guna memecahkan permasalahan dan menguji

Lebih terperinci

PENERAPAN TEKNOLOGI AUGMENTED REALITY SEBAGAI MEDIA EDUKASI SISTEM EKSKRESI PADA MANUSIA

PENERAPAN TEKNOLOGI AUGMENTED REALITY SEBAGAI MEDIA EDUKASI SISTEM EKSKRESI PADA MANUSIA PENERAPAN TEKNOLOGI AUGMENTED REALITY SEBAGAI MEDIA EDUKASI SISTEM EKSKRESI PADA MANUSIA TUGAS AKHIR Disusun Untuk Memenuhi Salah Satu Syarat Mencapai Gelar Ahli Madya Program D3 Teknik Informatika Disusun

Lebih terperinci

SISTEM KEMAHASISWAAN DAN KELULUSAN FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET

SISTEM KEMAHASISWAAN DAN KELULUSAN FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET SISTEM KEMAHASISWAAN DAN KELULUSAN FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET Tugas Akhir Untuk Memenuhi sebagian persyaratan mencapai derajat Diploma III Program Diploma III

Lebih terperinci

LAPORAN SKRIPSI SISTEM INFORMASI GEOGRAFIS PEMETAAN LOKASI LEMBAGA KURSUS DAN PELATIHAN (LKP) DI KUDUS BERBASIS WEBSITE

LAPORAN SKRIPSI SISTEM INFORMASI GEOGRAFIS PEMETAAN LOKASI LEMBAGA KURSUS DAN PELATIHAN (LKP) DI KUDUS BERBASIS WEBSITE LAPORAN SKRIPSI SISTEM INFORMASI GEOGRAFIS PEMETAAN LOKASI LEMBAGA KURSUS DAN PELATIHAN (LKP) DI KUDUS BERBASIS WEBSITE BAYU SETIYO WIBOWO NIM. 201151259 DOSEN PEMBIMBING Anastasya Latubessy, S.Kom, M.Cs

Lebih terperinci

PERANCANGAN SISTEM PENILAIAN KINERJA PEGAWAI BERBASIS WEB (Studi Kasus : SEAMEO BIOTROP, BOGOR) Oleh YASRI SULAIMAN HARAHAP H

PERANCANGAN SISTEM PENILAIAN KINERJA PEGAWAI BERBASIS WEB (Studi Kasus : SEAMEO BIOTROP, BOGOR) Oleh YASRI SULAIMAN HARAHAP H PERANCANGAN SISTEM PENILAIAN KINERJA PEGAWAI BERBASIS WEB (Studi Kasus : SEAMEO BIOTROP, BOGOR) Oleh YASRI SULAIMAN HARAHAP H24066001 PROGRAM SARJANA MANAJEMEN PENYELENGGARAAN KHUSUS DEPARTEMEN MANAJEMEN

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

ABSTRAK. Kata Kunci: analisis sentimen, pre-processing, mutual information, dan Naïve Bayes. UNIVERSITAS KRISTEN MARANATHA

ABSTRAK. Kata Kunci: analisis sentimen, pre-processing, mutual information, dan Naïve Bayes. UNIVERSITAS KRISTEN MARANATHA ABSTRAK Twitter merupakan sebuah aplikasi social networking yang memungkinkan usernya untuk dapat mengirimkan pesan pada waktu yang bersamaan. Data yang diambil melalui Twitter dapat dijadikan sebagai

Lebih terperinci

Pencarian File Teks Berbasis Content dengan Pencocokan String Menggunakan Algoritma Brute force

Pencarian File Teks Berbasis Content dengan Pencocokan String Menggunakan Algoritma Brute force Scientific Journal of Informatics Vol. 3, No. 1, Mei 2016 p-issn 2407-7658 http://journal.unnes.ac.id/nju/index.php/sji e-issn 2460-0040 Pencarian File Teks Berbasis Content dengan Pencocokan String Menggunakan

Lebih terperinci

Penggunaan Struktur Data Pohon Berakar dalam XML

Penggunaan Struktur Data Pohon Berakar dalam XML Penggunaan Struktur Data Pohon Berakar dalam XML Luthfi Chandra Fibrian - 13510047 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung

Lebih terperinci

Natural Language Processing

Natural Language Processing Disiplin ilmu NPL Natural Language Processing By: Uro Abdulrohim, S.Kom, MT Fonetik / fonologi Morfologi Sintaksis Semantik Pragmatik Discource knowledge World knowledge 1 3 Apa itu NLP Proses pembuatan

Lebih terperinci

PERANCANGAN PROTOKOL PENYEMBUNYIAN INFORMASI TEROTENTIKASI SHELVIE NIDYA NEYMAN

PERANCANGAN PROTOKOL PENYEMBUNYIAN INFORMASI TEROTENTIKASI SHELVIE NIDYA NEYMAN PERANCANGAN PROTOKOL PENYEMBUNYIAN INFORMASI TEROTENTIKASI SHELVIE NIDYA NEYMAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2007 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan

Lebih terperinci