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

Transkripsi

1 ANSIS PEMBENTUKAN WORD GRAPH KATA SIFAT MENGGUNAKAN METODE KNOWLEDGE GRAPH USEP RAHMAT SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009

2 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan bahwa tesis Analisis Pembentukan Word Graph Kata Sifat Menggunakan Metode Knowledge Graph adalah karya saya sendiri dengan arahan pembimbing dan belum diajukan dalam bentuk apapun kepada perguruan tinggi manapun. Sumber informasi dari karya yang diterbitkan maupun yang tidak diterbitkan dari penulis lain disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini. Bogor, September 2009 Usep Rahmat NIM. G

3 ABSTRACT USEP RAHMAT. The Analysis of Word Graph Formation of Adjective Using Knowledge Graph Methods. Under Supervision of SRI NURDIATI and FARIDA HANUM. Knowledge graph theory is a new way to describe natural language, which focuses on semantic aspect. In the theory, there are 9 binary and 4 frame relationships. A word is a basic unit in a natural language processing. In the theory of knowledge graph, every word is represented by a word graph, expressing the meaning of the word. This research mainly focuses on how to construct a word graph of adjective in Indonesian language. Adjective is a word which explains a noun. In this thesis, every adjective will be analyzed using Indonesian grammar. The result is systematic patterns of adjective word graphs. Keywords: knowledge graph, word graph, adjective, natural language processing.

4 RINGKASAN USEP RAHMAT. Analisis Pembentukan Word Graph Kata Sifat Menggunakan Metode Knowledge Graph. Dibimbing oleh SRI NURDIATI dan FARIDA HANUM. Bahasa alami adalah bahasa yang biasa digunakan oleh manusia yaitu suatu bentuk representasi dari suatu pesan yang ingin dikomunikasikan antarmanusia. Teknologi Natural Language Processing (NLP) adalah teknologi yang memungkinkan untuk melakukan berbagai macam pemrosesan bahasa alami yang biasa digunakan oleh manusia. Knowledge Graph (KG) adalah suatu metode baru dalam NLP yang digunakan untuk memahami bahasa manusia yang mengkaji secara luas pada tataran jaringan semantik berupa teks yang bersifat subjektif dan disajikan dalam bentuk graf. Metode KG sudah dipergunakan untuk dokumen berbahasa Inggris. Struktur bahasa Inggris tidak persis sama dengan bahasa Indonesia, untuk itu perlu dilakukan analisis terhadap struktur bahasa Indonesia, sehingga metode KG dapat digunakan untuk menganalisis dokumen berbahasa Indonesia. Penelitian penerapan teori KG pada bahasa Indonesia dalam jangka panjang bertujuan merancang sebuah software yang dapat membaca sembarang teks bahasa Indonesia serta menghasilkan informasi dalam bentuk graf. Teks graf yang dihasilkan diharapkan berupa intisari dari teks yang dipelajari. Salah satu tahapan yang dapat dilakukan untuk membangun software tersebut adalah membuat aturan pembentukan word graph untuk seluruh kata dalam bahasa Indonesia yang secara otomatis menganalisis teks berbahasa Indonesia. Saat ini aturan pembentukan word graph bahasa Indonesia dari berbagai jenis kata seperti kata benda, kata kerja, kata sifat dan lain-lain belum ada, maka penulis akan membangun aturan pembentukan word graph dengan membatasi ruang lingkupnya yaitu hanya pada kata sifat. Penelitian ini bertujuan menganalisis struktur kata sifat dan membuat aturan pembentukan word graph kata sifat. Manfaat penelitian ini adalah menunjukkan bahwa metode KG mampu memberikan pengetahuan sebagai informasi penting yang dapat digunakan dalam menganalisis teks berbahasa Indonesia. Dalam teori KG setiap kata berhubungan dengan sebuah word graph yang menyatakan arti dari kata dan disebut dengan semantic word graph. Word graph merupakan graf dari kata dan dapat dinyatakan sebagai graf yang diberi label. KG adalah suatu metode yang digunakan untuk menganalisis teks dan merepresentasikan teks tersebut ke dalam bentuk graf. KG adalah suatu instrumen yang merepresentasikan struktur terkonsep yang sudah tertentu. Pada prinsipnya komposisi dari KG terdiri atas concept (token, name dan type) dan relationships. Concept merupakan sesuatu yang penting dalam membentuk suatu pengertian dari khusus ke umum atau sebaliknya. Concept dapat direpresentasikan menggunakan token, type, dan name. Token merupakan concept yang dipahami oleh seseorang menurut cara pandangnya masing-masing sehingga token bersifat subjektif. Token adalah suatu node yang diindikasikan oleh, oleh karena itu pada teori KG segala sesuatu akan dihubungkan dengan token. Type adalah concept yang berupa informasi umum dan bersifat objektif karena merupakan kesepakatan yang dibuat sebelumnya. Name adalah sesuatu yang bersifat unique individual. Ontologi adalah gambaran beberapa concept dan relasi antarconcept yang bertujuan untuk

5 mendefinisikan beberapa ide yang merepresentasikan concept, relasi dan logikanya. Ontologi word graph terdiri atas 9 type binary relationships dan 4 frame relationships. Sembilan type binary relationships tersebut antara lain:, CAU, EQU, SUB, DIS, ORD, PAR, SKO, dan ontologi F. Empat frame relationships yang dimaksud adalah FPAR, NEGPAR, POSPAR, dan NECPAR. Relasi digunakan untuk menghubungkan sebuah type dengan token. Relasi CAU digunakan untuk menghubungkan dua token yang memiliki hubungan sebab akibat dimana sesuatu mempengaruhi sesuatu yang lain. Relasi EQU digunakan untuk menghubungkan sebuah name dengan token. Relasi SUB digunakan untuk menyatakan bahwa sesuatu merupakan bagian dari sesuatu yang lain. Relasi DIS digunakan untuk menyatakan sesuatu yang berbeda. Relasi ORD digunakan untuk menyatakan sesuatu yang berurutan. Relasi PAR digunakan untuk menjelaskan bahwa satu elemen berkaitan dan memiliki sifat elemen lainnya. Relasi SKO digunakan untuk menyatakan informasi bergantung. Ontologi F digunakan untuk menunjukkan fokus dari suatu graph. Relasi FPAR digunakan untuk menghubungkan sebuah konsep dengan struktur di dalamnya, relasi NEGPAR digunakan untuk menyatakan negasi dari sesuatu, relasi POSPAR menyatakan kemungkinan sesuatu, dan relasi NECPAR untuk menyatakan suatu kebutuhan. Metode penelitian yang akan dilaksanakan terdiri atas tiga tahap yaitu tahap pertama analisis struktur kata sifat, tahap kedua pembuatan aturan word graph kata sifat bahasa Indonesia dan tahap ketiga pengujian aturan word graph kata sifat bahasa Indonesia. Dari hasil studi literature teks berhubungan dengan pertanian, penulis memilih kata sifat untuk dianalisis dari tiga majalah Trubus yang dipilih secara acak, kemudian mengelompokkan kata sifat berdasarkan pembentukan kata sifat yang menekankan kepada proses afiksasi. Selanjutnya penulis mempelajari jenisjenis relasi dasar dalam KG yang akan diterapkan pada pembentukan word graph kata sifat. Setelah relasi diperoleh maka dibuat aturan pembentukan word graph kata sifat bahasa Indonesia, kemudian hasil aturan tersebut diuji, jika telah memenuhi aturan rancangan word graph kata sifat maka ditetapkan aturan pembentukan word graph kata sifat bahasa Indonesia. Hasil penelitian ini berupa pembentukan word graph kata sifat bahasa Indonesia dari berbagai bentuk afiksasi. Hasil ini mengindikasikan adanya satu aturan yang dapat dibuat secara umum untuk setiap kata sifat yang ada meskipun tidak menutup kemungkinan beberapa aturan belum tertampung. Kata kunci : knowledge graph, word graph, kata sifat, natural language processing.

6 Hak Cipta milik Institut Pertanian Bogor, tahun 2009 Hak Cipta dilindungi undang-undang 1. Dilarang mengutip sebagian atau seluruh hasil karya tulis ini tanpa mencantumkan atau menyebutkan sumber. a. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah b. Pengutipan tidak merugikan kepentingan yang wajar Institut Pertanian Bogor. 2. Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis dalam bentuk apapun tanpa izin Institut Pertanian Bogor.

7 ANSIS PEMBENTUKAN WORD GRAPH KATA SIFAT MENGGUNAKAN METODE KNOWLEDGE GRAPH USEP RAHMAT Tesis sebagai salah satu syarat untuk memperoleh gelar Magister Sains pada Program Studi Matematika Terapan SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009

8 Penguji Luar Komisi pada Ujian Tesis: Drs. Prapto Tri Supriyo, M.Kom.

9 Judul Tesis Nama NIM : Analisis Pembentukan Word Graph Kata Sifat Menggunakan Metode Knowledge Graph : Usep Rahmat : G Disetujui Komisi Pembimbing Dr. Ir. Sri Nurdiati, M.Sc. Ketua Dra. Farida Hanum, M.Si. Anggota Diketahui Ketua Program Studi Matematika Terapan Dekan Sekolah Pascasarjana Dr. Ir. Endar H. Nugrahani, M.S. Prof. Dr. Ir. Khairil A. Notodiputro, M.S. Tanggal Ujian : 2 September 2009 Tanggal Lulus :

10 PRAKATA Puji dan syukur penulis panjatkan kepada Allah SWT atas segala karunia- Nya sehingga karya ilmiah ini dapat diselesaikan. Judul yang dipilih dalam penelitian yang dilaksanakan sejak bulan Februari 2009 ini adalah Analisis Pembentukan Word Graph Kata Sifat Menggunakan Metode Knowledge Graph. Terima kasih penulis ucapkan kepada Ibu Dr. Ir. Sri Nurdiati, M.Sc. dan Ibu Dra. Farida Hanum, M.Si. selaku pembimbing serta Bapak Drs. Prapto Tri Supriyo, M.Kom. selaku penguji yang telah banyak memberikan saran. Di samping itu, ungkapan terima kasih juga penulis sampaikan kepada Departemen Agama Republik Indonesia yang telah membiayai penelitian ini, kepada rekanrekan mahasiswa atas diskusinya, serta pihak lain yang tidak bisa disebutkan satu per satu. Semoga atas semua kebaikan dapat bernilai ibadah dan dibalas oleh Allah SWT dengan kebaikan yang berlipat. Ucapan terima kasih yang tiada hingga kepada Ibunda, yang tercinta Istri dan keempat putra/i, dan seluruh keluarga yang memberikan motivasi, do a dan kasih sayangnya. Semoga karya ilmiah ini bermanfaat. Bogor, September 2009 Usep Rahmat

11 RIWAYAT HIDUP Penulis dilahirkan di Cianjur pada tanggal 12 Juni 1967 dari Ayah Alm. Acep Utom dan Ibu Siti Aminah. Penulis merupakan putra pertama dari tujuh bersaudara. Tahun 1989 penulis lulus dari MAN Pacet Cipanas Cianjur Jawa Barat dan pada tahun yang sama lulus seleksi masuk IAIN Syarif Hidayatullah (UIN) Jakarta pada Fakultas Tarbiyah (Keguruan) Jurusan Tadris Matematika. Kesempatan untuk melanjutkan program magister pada Program Studi Matematika Fakultas MIPA IPB diperoleh pada tahun Penulis adalah staf pengajar Bidang Studi Matematika sejak Juli 2001 di Madrasah Tsanawiyah (MTs) Negeri Tangerang 2 Pamulang Banten, yang sebelumnya bertugas sebagai staf pengajar di MTsN Rancagoong Cianjur sejak Juli 1997 sampai Juli 2001 dengan Bidang Studi yang sama.

12 DAFTAR ISI Halaman DAFTAR GAMBAR... xi DAFTAR LAMPIRAN... xiii 1 PENDAHULUAN Latar Belakang Tujuan Penelitian Perumusan Masalah Ruang Lingkup Masalah. 2 TINJAUAN PUSTAKA Adjektiva (Kata Sifat) Graph Knowledge Graph Concept Word Graph Ontologi METODOLOGI PENELITIAN... Tahap 1: Analisis Struktur Kata Sifat pada Bahasa Indonesia Tahap 2: Pembuatan Aturan Word Graph Kata Sifat Bahasa Indonesia Tahap 3: Pengujian Aturan Word Graph Kata Sifat Bahasa Indonesia... 4 HASIL DAN PEMBAHASAN. 4.1 Analisis Struktur Kata Sifat Kata Sifat Dasar Kata Sifat Turunan 4.2 Pembuatan Aturan Word Graph Kata Sifat Afiksasi Kata Sifat dengan Prefiks Afiksasi Kata Sifat dengan Infiks Afiksasi Kata Sifat dengan Sufiks Afiksasi Kata Sifat dengan Konfiks Perancangan Aturan Pembentukan Word Graph Kata Sifat Pola Pembentukan Word Graph Kata Sifat Aturan Pembentukan Word Graph Kata Sifat Pengujian Aturan Pembentukan Word Graph Kata Sifat... 5 SIMPULAN DAN SARAN 5.1 Simpulan Saran.... DAFTAR PUSTAKA... LAMPIRAN x

13 DAFTAR GAMBAR Halaman Graph G= (V,E).. Directed graph G= (V,A) Contoh penggunaan relasi... Contoh penggunaan relasi CAU. Contoh penggunaan relasi EQU. Contoh penggunaan relasi SUB.. Contoh penggunaan relasi DIS... Contoh penggunaan relasi ORD. Contoh penggunaan relasi PAR.. Contoh penggunaan relasi SKO.. Contoh penggunaan ontologi F... Contoh penggunaan 4 frame relationships. Flowchart metodologi aturan pembentukan word graph kata sifat pada bahasa Indonesia.. Word graph kata sifat sebesar. Word graph kata sifat setinggi..... Word graph kata sifat dengan pola se-ks... Word graph kata sifat termahal... Word graph kata sifat dengan pola ter-ks dengan tingkat bandingan tertinggi... Word graph kata sifat terendah... Word graph kata sifat dengan pola ter-ks dengan tingkat bandingan terendah Word graph kata sifat bersatu..... Word graph kata sifat dengan pola ber-kbil.. Word graph kata sifat merakyat... Word graph kata sifat dengan pola me-kb.. Word graph kata sifat pelupa... Word graph kata sifat dengan pola pe-ks xi

14 Halaman Word graph kata sifat gemetar..... Word graph kata sifat dengan pola KB-em-. Word graph kata sifat kudisan Word graph kata sifat kampungan.... Word graph kata sifat dengan pola KB-an Word graph kata sifat individual. Word graph kata sifat dengan pola KB-al.... Word graph kata sifat prinsipiil.... Word graph kata sifat ilmiah Word graph kata sifat alami. Word graph kata sifat produktif Word graph kata sifat patriotik. Word graph kata sifat praktis... Word graph kata sifat optimistis... Word graph kata sifat dengan pola KB-istis. Word graph kata sifat kepanasan. Word graph kata sifat dengan pola ke-ks-an... Word graph kata sifat menguntungkan. Word graph kata sifat dengan pola me-kd-kan. Word graph kata sifat mengesankan. Word graph kata sifat dengan pola me-kb-kan. Flowchart aturan pembentukan word graph kata sifat xii

15 DAFTAR LAMPIRAN Halaman Daftar kata sifat (Adjektiva) dari majalah TRUBUS nomor 474 (Mei 2009/XL), TRUBUS nomor 462 (Mei 2008/XXXIX), dan TRUBUS nomor 457 (Desember 2007/XXXVIII). Daftar kata sifat pola se-ks... Daftar kata sifat pola ter-ks mengacu ke tingkat kualitas yang paling tinggi... Daftar kata sifat pola ter-ks mengacu ke tingkat kualitas yang paling rendah. Daftar kata sifat pola ber-kbil... Daftar kata sifat pola me-kb Daftar kata sifat pola pe-ks.... Daftar kata sifat pola KB-em-. Daftar kata sifat pola KB-an... Daftar kata sifat pola KB-al Daftar kata sifat pola KB-il. Daftar kata sifat pola KB-iah.. Daftar kata sifat pola KB-i.. Daftar kata sifat pola KB-if. Daftar kata sifat pola KB-ik Daftar kata sifat pola KB-is Daftar kata sifat pola KB-istis Daftar kata sifat pola ke-ks-an.. Daftar kata sifat pola me-kd-kan... Daftar kata sifat pola me-kb-kan xiii

16 1. PENDAHULUAN 1.1 Latar Belakang Bahasa alami adalah bahasa yang biasa digunakan oleh manusia yaitu suatu bentuk representasi dari suatu pesan yang ingin dikomunikasikan antarmanusia. Bentuk utama representasinya adalah berupa lisan tetapi sering pula dinyatakan dalam bentuk tulisan. Chomsky adalah orang yang pertama kali merepresentasikan bahasa sebagai simbol. Chomsky berhasil memperlihatkan bahwa bahasa apapun dapat direpresentasikan dengan suatu cara yang universal. Pemikiran Chomsky yang merepresentasikan bahasa sebagai kumpulan simbolsimbol tersebut telah membuka peluang untuk melakukan pemrosesan bahasa secara simbolik dengan teknologi komputer, sehingga melahirkan bidang ilmu Natural Language Processing (NLP). Teknologi NLP adalah teknologi yang memungkinkan untuk melakukan berbagai macam pemrosesan bahasa alami yang biasa digunakan oleh manusia. Sistem ini biasanya mempunyai masukan dan keluaran berupa bahasa tulisan (teks) (Arman 2004). Salah satu metode yang dapat merepresentasikan bahasa alami adalah menggunakan teori Knowledge Graph (KG). KG adalah suatu metode baru dalam NLP yang merupakan sebuah tinjauan untuk menggambarkan atau menjelaskan bahasa dengan cara menganalisis teks secara harfiah dan diperkaya dengan latar belakang pengetahuannya sehingga menghasilkan sebuah pengetahuan baru (Zhang 2002). Teori KG merupakan metode baru yang digunakan untuk memahami bahasa manusia yang mengkaji secara luas pada tataran jaringan semantik berupa teks yang bersifat subjektif dan disajikan dalam bentuk graf. Metode KG sudah dipergunakan untuk dokumen berbahasa Inggris. Struktur bahasa Inggris tidak persis sama dengan bahasa Indonesia, untuk itu perlu dilakukakan analisis terhadap struktur bahasa Indonesia, sehingga metode KG dapat digunakan untuk menganalisis dokumen berbahasa Indonesia. Penelitian penerapan teori KG pada bahasa Indonesia dalam jangka panjang bertujuan untuk merancang sebuah software yang dapat membaca sembarang teks bahasa Indonesia serta menghasilkan informasi dalam bentuk graf, sehingga informasi tersebut merupakan intisari dari pengetahuan yang ada dalam teks yang dipelajari. Salah satu tahapan yang dapat dilakukan untuk membangun software

17 2 tersebut adalah membuat aturan pembentukan word graph untuk seluruh kata dalam bahasa Indonesia yang secara otomatis menganalisis teks bahasa Indonesia. Saat ini aturan pembentukan word graph bahasa Indonesia dari berbagai jenis kata seperti kata benda, kata kerja, kata sifat dan lain-lain belum ada, maka penulis akan membangun aturan pembentukan word graph dengan membatasi ruang lingkupnya yaitu hanya pada kata sifat. 1.2 Tujuan Penelitian 1. Menganalisis struktur kata sifat pada bahasa Indonesia. 2. Membuat aturan pembentukan word graph kata sifat pada bahasa Indonesia. 3. Melakukan pengujian aturan pembentukan word graph kata sifat pada bahasa Indonesia. 1.3 Perumusan Masalah Perumusan masalah pada penelitian ini adalah 1. Dapatkah metode KG digunakan sebagai instrumen untuk merancang pembentukan word graph kata sifat pada bahasa Indonesia. 2. Bagaimana metode KG mampu membuat aturan pembentukan word graph kata sifat pada bahasa Indonesia. 1.4 Ruang Lingkup Masalah Ruang lingkup dari penelitian ini adalah teks yang berkaitan dengan bidang pertanian dan mengidentifikasi kata sifat dari teks tersebut. Informasi yang digunakan dalam penelitian ini diambil dari tiga majalah Trubus yang dipilih secara acak yaitu Trubus nomor 457 (Desember 2007/ XXXVII), Trubus nomor 462 (Mei 2008/ XXXIX) dan Trubus nomor 474 (Mei 2009/XL). Informasi yang diambil berupa kata sifat (adjektiva) yang terdapat pada ketiga majalah tersebut. Hasil dari pengklasifikasian adjektiva diperoleh adjektiva yang terdapat pada Lampiran 1.

18 2. TINJAUAN PUSTAKA Pada bab ini diberikan beberapa penjelasan yang akan digunakan dalam penelitian ini. 2.1 Adjektiva (Kata Sifat) 1. Batasan dan Ciri Adjektiva (Kata Sifat) Adjektiva, yang juga disebut kata sifat atau kata keadaan, adalah kata yang memberikan keterangan yang lebih khusus tentang sesuatu yang dinyatakan oleh nomina dalam kalimat. Adjektiva yang memberikan keterangan terhadap nomina itu berfungsi atributif (Alwi et al. 2003), dan mempunyai ciri sebagai berikut: 1) Adjektiva dapat diberi keterangan penguat seperti lebih, kurang, dan paling: lebih besar, kurang baik, paling mahal. 2) Adjektiva dapat diberi keterangan penguat seperti sangat, amat, benar, sekali, dan terlalu: sangat indah, amat tinggi, pandai benar, murah sekali, terlalu murah. 3) Adjektiva dapat diingkari dengan kata ingkar tidak: tidak bodoh, tidak salah, tidak benar. 4) Adjektiva dapat diulang dengan awalan se- dan akhiran -nya: sebaikbaiknya, serendah-rendahnya, sejelek-jeleknya. 5) Adjektiva pada kata tertentu dapat berakhiran antara lain dengan -er,- (w)i, -iah, -if, -al dan -ik: honorer, duniawi, ilmiah, negatif, formal. Menurut Gorys Keraf (1984) segala kata yang dapat mengambil bentuk se + reduplikasinya + nya, serta dapat diperluas dengan: paling, lebih, sekali, adalah kata sifat. Umumnya sebuah adjektiva diletakkan di belakang kata yang diterangkan. 2. Adjektiva dari segi perilaku semantisnya Kelas adjektiva menunjukkan adanya dua tipe pokok: adjektiva bertaraf yang mengungkapkan suatu kualitas dan adjektiva takbertaraf yang mengungkapkan keanggotaan dalam suatu golongan. Pembedaan adjektiva yang bertaraf dari adjektiva yang tidak bertaraf bertalian dengan mungkin tidaknya adjektiva itu menyatakan berbagai tingkat kualitas dan berbagai

19 4 tingkat bandingan. Untuk maksud itu dapat dipakai kata seperti sangat, agak, lebih dan paling. Adjektiva takbertaraf, sebaliknya tidak dapat diberi pewatas tersebut. Adjektiva bertaraf dapat dibagi atas: (1) adjektiva pemeri sifat, (2) adjektiva ukuran, (3) adjektiva warna, (4) adjektiva waktu, (5) adjektiva jarak, (6) adjektiva sikap batin, dan (7) adjektiva cerapan (Alwi et al. 2003). 3. Adjektiva dari segi perilaku sintaksisnya Adjektiva yang merupakan pewatas dalam frasa nominal yang nominanya menjadi subjek, objek, atau pelengkap dikatakan dipakai secara atributif. tempatnya di sebelah kanan nomina. Adjektiva yang menjalankan fungsi predikat atau pelengkap dalam klausa dikatakan dipakai secara predikatif. Adjektiva yang mewatasi verba (atau adjektiva) yang menjadi predikat klausa dikatakan dipakai secara adverbial atau sebagai keterangan (Alwi et al. 2003). 4. Pertarafan adjektiva Adjektiva bertaraf dapat menunjukkan berbagai tingkat kualitas atau intensitas dan berbagai tingkat bandingan. Pembedaan tingkat kualitas atau intensitas dinyatakan dengan pewatas seperti benar, sangat, terlalu, agak, dan makin. Pembedaan tingkat bandingan dinyatakan dengan pewatas seperti lebih, kurang, dan paling. Pada tingkat bandingan, pembanding dua maujud atau lebih dapat disimpulkan bahwa tingkat kualitas atau intensitasnya dapat setara atau tidak setara. Tingkat setara disebut tingkat ekuatif, tingkat yang tak setara dibagi dua yaitu tingkat komparatif dan tingkat superlatif. Tiap-tiap tingkat itu secara sintaksis diungkapkan dengan bentuk yang khusus (Alwi et al. 2003). 5. Adjektiva dari segi bentuknya Dari segi bentuknya, adjektiva terdiri atas adjektiva dasar yang selalu monomorfemis dan adjektiva turunan yang selalu polimorfemis. Sebagian besar adjektiva dasar merupakan bentuk yang monomorfemis. Contoh adjektiva yang monomerfemis adalah sebagai berikut: asin cerah kecil matang anggun ceria kurus murah besar merah lama ramai

20 5 Adjektiva yang polimorfemis dibentuk dengan tiga cara : pengafiksan, pengulangan, dan pemaduan dengan kata lain. 1) Adjektiva polimorfemis yang dibentuk dengan pengafiksan di antaranya adalah: Memakai afiks pungutan atau hasil penyerapan adjektiva berafiks dari bahasa lain seperti bahasa Arab, Belanda, dan Inggris, seperti yang berafiks -i, -iah, -wi, atau -wiah. Berikut adalah beberapa contoh: alami ilmiah manusiawi insani surgawi hewani lahiriah duniawi nabati jasmaniah ragawi alamiah Hasil pengafiksan dengan infiks atau sisipan -em- pada nomina, contoh: gemetar gemerlap kemilau kemilap gemuruh gemilang temaram gemilap Pengafiksan tentang tingkat bandingan seperti tingkat ekuatif dengan prefiks se-, dan tingkat superlatif dengan prefiks ter-. Adapula bentuk yang wujudnya nomina, namun sering dipakai dalam posisi adjektiva. Berikut adalah beberapa contohnya: penakut pemarah keibuan pemalas pengecut kebapaan pendendam 2) Cara kedua untuk menurunkan adjektiva adalah dengan bentuk berulang. Subkategori adjektiva turunan yang berupa bentuk berulang dapat muncul jika berfungsi predikat atau berfungsi adverbial. Predikat adjektival yang berbentuk ulang menandakan kejamakan, keanekaan, atau keintensifan. Perulangan itu terjadi melalui cara perulangan penuh, perulangan sebagian, dan perulangan salin suara. Contoh: besar-besar besar-besaran compang-camping merah-merah awur-awuran hiruk-pikuk 3) Cara ketiga pembentukan adjektiva adalah dengan memadukan adjektiva dengan kata lain, dapat berupa nomina atau adjektiva. Jika adjektiva dipadukan dengan nomina dengan urutan adjektiva terlebih dahulu dan nomina di belakangnya, maka terbentuklah adjektiva baru dengan arti yang khusus. Contoh:

21 6 berat lidah buta huruf besar mulut tajam ingatan keras hati wajib fakultas keras kepala padat karya panjang tangan Bentuk paduan yang lain adalah paduan antara adjektiva dan adjektiva yang lain. Perpaduan semacam ini umumnya memberikan arti yang memperkuat unsur pertama. Contoh: lemah lembut terang benderang cantik jelita kacau balau aman tenteram sehat walafiat. Adjektiva gabungan yang mirip dengan bentuk berulang adalah yang merupakan hasil penggabungan sinonim atau antonim. Adjektiva yang merupakan bentuk majemuk ada yang merupakan gabungan morfem terikat dengan morfem bebas dan ada yang merupakan gabungan dua morfem bebas (atau lebih), termasuk di dalamnya bentukbentuk yang tergolong idiom, artinya makna bentuk gabungan itu tidak dapat dijabarkan dari penjumlahan makna unsur-unsurnya (Alwi et al. 2003). 6. Frasa Adjektiva Adjektiva yang menyatakan keadaan dapat pula diterangkan oleh kata, seperti sudah, harus, dan dapat. Frasa adjektiva juga dapat dibuat ingkar dengan kata ingkar tidak, dan juga memiliki pewatas belakang seperti lagi dan kembali (Alwi et al. 2003). 7. Penurunan Kata dari Adjektiva Seperti halnya dengan jenis kata yang lain, adjektiva dapat pula bertindak sebagai dasar kelas kata yang lain. Dari dasar adjektiva kita dapat memperoleh verba, nomina, dan adverbial (Alwi et al. 2003). 2.2 Graph Suatu graph G adalah pasangan terurut (V, E), dengan V adalah himpunan simpul yang berhingga dan takkosong. Elemen V dinamakan simpul (node) atau vertex, dan E adalah himpunan sisi yang merupakan pasangan yang tidak terurut simpul p,q V, elemen E dinamakan sisi (edge) dinotasikan sebagai {i, j} yaitu sisi yang menghubungkan simpul i dengan simpul j, dengan i,j V (Foulds 1992).

22 7 Sebagai contoh gambar berikut menyatakan graph G(V,E) dengan: V = {,,, } dan E = {,,,,,,,,, }. Gambar 1 Graph G= (V,E). Suatu graph berarah (directed graph, atau disingkat digraph) adalah suatu pasangan terurut (V, A) dengan V himpunan takkosong dan berhingga dan A merupakan himpunan pasangan terurut dari elemen-elemen di V. Elemen dari A biasa disebut sisi berarah (arc) (Foulds 1992). Sebagai contoh gambar berikut menyatakan graph berarah G(V,A) dengan: V={,,, } dan A = {,,,,,,,,, } Gambar 2 Directed graph G= (V,A). 2.3 Knowledge Graph (KG) Menurut Zhang dan Hoede (2000) KG adalah suatu metode yang digunakan untuk menganalisis teks dan merepresentasikan teks tersebut ke dalam bentuk graf, sedangkan menurut Kramer (1996) KG adalah suatu instrumen yang merepresentasikan struktur terkonsep yang sudah tertentu. Dengan instrumen ini relasi-relasi antara suatu rangkaian dapat diminimalisir dan terbatas. Tujuannya adalah secara sistematis mengekstrak relasi-relasi dari suatu teks yang menerangkan tentang suatu subjek pada bidang tertentu untuk dituangkan dalam suatu graf (Vries 1989). Menurut Zhang (2002) teori KG adalah suatu pendekatan baru yang dapat digunakan untuk menyatakan bahasa manusia yang lebih memfokuskan pada aspek semantik daripada aspek sintatik. Teori KG mampu mengekspresikan dan

23 8 menggambarkan aspek semantik yang lebih mendasar dengan menggunakan jumlah relasi yang terbatas. Teori KG merupakan metode baru untuk memahami bahasa manusia dengan bantuan komputer. Perbedaan antara teori KG dengan teori representasi lain adalah bahwa teori KG menggunakan ontologi yang jumlahnya terbatas. Pada prinsipnya komposisi dari KG terdiri atas concept (token, name dan type) dan relationships. KG terdiri atas suatu himpunan vertex V yang tidak berlabel disebut token dan dinyatakan dengan persegi. KG merupakan graph campuran dengan edge dan arcs yang diberi label dan dinyatakan dengan garis dan garis berarah (Hoede & Nurdiati 2008a). 2.4 Concept Concept merupakan komponen terpenting dalam pemikiran manusia, concept merupakan sesuatu yang penting dalam membentuk suatu pengertian dari khusus ke umum atau sebaliknya (Zhang & Hoede 2000). Concept dalam KG bisa dinyatakan sebagai token, name, dan type (Van den Berg 1993). Token merupakan concept yang dipahami oleh seseorang menurut cara pandangnya masing-masing sehingga token bersifat subjektif. Pada KG, token adalah suatu node yang diindikasikan oleh. Token menyatakan suatu entitas di dalam dunia nyata. Misalnya kata apel dapat diasosiasikan secara subjektif mengenai bentuk, warna, rasa dan sebagainya. Type adalah concept yang berupa informasi umum dan bersifat objektif karena merupakan kesepakatan yang dibuat sebelumnya. Contoh type misalnya buah, binatang, dan sebagainya. Name adalah sesuatu yang bersifat unique individual, sebagai contoh John adalah sebuah name yaitu nama dari seorang laki-laki (Van den Berg 1993). 2.5 Word Graph Dalam teori KG setiap kata berhubungan dengan sebuah word graph yang menyatakan makna dari kata dan disebut dengan semantic word grap. Word graph merupakan graf yang merepresentasikan kata dan dapat dinyatakan sebagai graf yang diberi label. Gabungan beberapa word graph dari beberapa kata dalam suatu kalimat menghasilkan sentence graph. Beberapa sentence graph yang digabung

24 9 dalam sebuah teks disebut text graph, dan memuat pengetahuan yang terkandung dalam suatu teks (Hoede & Nurdiati 2008a). 2.6 Ontologi Ontologi adalah gambaran beberapa concept dan relasi antarconcept yang bertujuan untuk mendefinisikan beberapa ide yang merepresentasikan concept, relasi dan logikanya. Ontologi word graph terdiri atas token yang dinyatakan dengan node, 9 binary relationships dan 4 frame relationships. Berikut ini adalah sembilan type binary relationships: 1. Similarity of set, alikeness : 2. Causality : CAU 3. Equality : EQU 4. Subset relationships : SUB 5. Disparateness : DIS 6. Ordering : ORD 7. Attribution : PAR 8. Informational dependency : SKO 9. Ontologi F (Focus dari suatu graph), focus Menurut Zhang (2002), penjelasan dari ontologi dalam teori KG tersebut dapat diberikan sebagai berikut: 1. Relasi (alikeness) Relasi digunakan untuk menghubungkan sebuah type dengan token. Contoh tumbuhan adalah type, karena tumbuhan adalah concept yang berupa informasi umum, maka dapat dinyatakan dengan word graph berikut: tumbuhan Gambar 3 Contoh penggunaan relasi. 2. Relasi CAU (causality) Relasi CAU antara dua token dinyatakan dengan anak panah berlabel sebagai berikut: CAU Relasi CAU ini digunakan untuk menghubungkan dua token yang memiliki hubungan sebab akibat dimana suatu token mempengaruhi token yang lain.

25 10 Relasi CAU adalah relasi yang paling sering diungkapkan dalam metodemetode ilmiah terutama dalam mendiagnosis sesuatu. Menurut Hoede dan Nurdiati (2008a) relasi CAU dapat digunakan untuk menghubungkan dua concept yang terdiri atas kata benda dan kata kerja, yaitu untuk menghubungkan subjek dengan predikat atau predikat dengan objek. Contoh: Ibu petik bunga kalimat tersebut dapat dinyatakan sebagai berikut:. ibu CAU CAU bunga petik Gambar 4 Contoh penggunaan relasi CAU. Gambar 4 Contoh penggunaan relasi CAU untuk menghubungkan token Ibu (subjek kalimat) dengan kata kerja petik (predikat kalimat) serta menghubungkan kata kerja petik dengan kata benda bunga (objek kalimat). Relasi CAU ini terdiri atas tiga token, token pertama merepresentasikan ibu sebagai subjek dihubungkan kepada token kedua yaitu petik sebagai predikat dan dihubungkan kepada token ketiga yaitu bunga sebagai objek. 3. Relasi EQU (equality) Kata dasar relasi EQU adalah EQUAL (sama) dan direpresentasikan sebagai berikut: EQU Relasi EQU ini digunakan untuk menjelaskan concept yang sederajat atau sama, mengekspresikan dua hal yang dianggap sama atau setara. Relasi EQU dapat juga untuk menyatakan kata hubung seperti adalah dan merupakan. Relasi ini digunakan juga untuk menghubungkan sebuah name dengan token. Contoh: salak Pondoh maka word graph-nya seperti gambar berikut: Pondoh EQU salak Gambar 5 Contoh penggunaan relasi EQU.

26 11 Pada Gambar 5 Contoh penggunaan relasi EQU pada kata salak Pondoh, relasi ini menghubungkan name Pondoh ke concept salak. 4. Relasi SUB (subset) Asal kata relasi SUB adalah IN (di dalam) dan dinyatakan dengan anak panah berlabel sebagai berikut: SUB Jika ada dua token yang menyatakan dua rangkaian secara bertautan, dan yang satu merupakan bagian dari yang lain maka kedua token dihubungkan dengan relasi SUB. Jika a SUB b maka dapat diinterpretasikan yaitu Concept a adalah bagian dari Concept b, sebagai contoh ekor SUB kucing, ini menyatakan bahwa ekor kucing adalah bagian dari kucing, karena molekul ekor merupakan bagian dari molekul kucing. ekor SUB kucing Gambar 6 Contoh penggunaan relasi SUB. Dari Gambar 6 relasi SUB digunakan untuk menghubungkan kata benda ekor dengan kata kucing karena ekor merupakan bagian dari kucing. Relasi SUB pada dasarnya adalah menggambarkan satu bagian dari sebuah concept yang utuh sehingga fungsi SUB berkaitan erat dengan concept kepemilikan, artinya a adalah milik atau bagian dari b. 5. Relasi DIS (disparateness) Contoh dua himpunan yang tidak beririsan atau saling lepas yaitu dengan menggunakan kata DISPARATE (tidak sama atau berbeda) yang dapat dinyatakan sebagai berikut: DIS Relasi DIS ini digunakan untuk menyatakan bila dua token tidak ada hubungan antara satu dengan yang lainnya. Relasi DIS digunakan juga untuk menyatakan sesuatu yang berbeda, misalnya: air berbeda dengan minyak dapat dinyatakan dengan word graph berikut: DIS air minyak Gambar 7 Contoh penggunaan relasi DIS.

27 12 Pada gambar di atas relasi DIS digambarkan tanpa menggunakan tanda panah, hal ini dikarenakan relasi DIS tersebut bersifat simetris, a DIS b dapat dinyatakan dengan b DIS a. 6. Relasi ORD (ordering) Relasi ORD menyatakan bahwa dua benda memiliki urutan tertentu satu sama lain, baik urutan waktu maupun urutan tempat. Relasi ini digunakan untuk membandingkan urutan dua benda dan dapat juga digunakan untuk mengungkapkan hubungan < yang dikenal dalam matematika. Misalnya pagi (sebelum) sore dapat dinyatakan dengan word graph berikut: pagi ORD sore Gambar 8 Contoh penggunaan relasi ORD. 7. Relasi PAR (attribute) Relasi PAR menyatakan bahwa sesuatu memiliki sifat sesuatu yang lainnya. Relasi ini digunakan untuk menjelaskan bahwa satu elemen berkaitan dan memiliki sifat elemen lainnya. Contoh cabe merah kata merah merupakan attribute dari cabe atau dengan kata lain merah merupakan warna dari cabe, maka contoh tersebut dapat dinyatakan oleh word graph sebagai berikut: cabe PAR merah Gambar 9 Contoh penggunaan relasi PAR. Relasi PAR juga dipergunakan untuk menghubungkan satuan seperti waktu, panjang, temperatur, berat, umur, dan lain-lain. 8. Relasi SKO (skolem) Dua buah token dalam teori KG dihubungkan dengan relasi SKO jika token yang satu informasinya bergantung pada token yang lain. Menurut Van den Berg (1993), relasi SKO dalam teori KG menyatakan informasi bergantung dan mampu menggambarkan kuantifikasi. Relasi ini digunakan dalam logika predikat yang memuat existential quantifiers maupun universal quantifiers. Perhatikan pernyataan, yang memuat universal

28 13 quantifiers. Pada pernyataan tersebut pemilihan y bergantung pada x. Word graph-nya dapat dinyatakan sebagai berikut x SKO y Gambar 10 Contoh penggunaan relasi SKO. 9. Ontologi F (focus) Ontologi F digunakan untuk menunjukkan fokus dari suatu graph (Hoede & Nurdiati 2008a). Focus untuk menunjukkan intisari dari suatu pernyataan, focus digambarkan dengan pemberian arsiran pada token. Penggunaan ontologi ini, misalnya untuk menyatakan word graph longsor rusak persawahan yang dapat dinyatakan sebagai berikut: longsor CAU CAU persawahan rusak Gambar 11 Contoh penggunaan ontologi F. Gambar 11 di atas menunjukkan bahwa focus dari longsor rusak persawahan terletak pada token longsor. Frame merupakan verteks berlabel. Relasi frame menyatakan bahwa verteks berlabel tersebut sebenarnya suatu frame dari beberapa graf yang lebih kompleks. Relasi frame relationships pada KG ada empat macam (Zhang 2002): 1. Focusing on a situation : FPAR 2. Negation of a situation : NEGPAR 3. Possibility of a situation : POSPAR 4. Necessity of a situation : NECPAR. Jika suatu graph merepresentasikan suatu pernyataan, misalkan p: tanah ini gembur, yang dinyatakan dengan frame, maka negasi dari p dengan graph yang sama dan diberi frame relasi NEGPAR (NEG), possibility dari p dinyatakan dengan graph yang sama dan diberi frame dengan relasi POSPAR (POS), necessity dari p dinyatakan dengan graph yang sama dan diberi frame dengan relasi NECPAR (NEC) (Zhang, 2002). Untuk lebih jelasnya dapat digambarkan sebagai berikut:

29 14 NEG POS NEC p p p p Gambar 12 Contoh penggunaan 4 frame relationships. Gambar 12 secara berurutan menunjukkan graph dari pernyataan bahwa: tanah ini gembur, tidak benar tanah ini gembur, mungkin tanah ini gembur, dan seharusnya tanah ini gembur.

30 3. METODOLOGI PENELITIAN Metodologi penelitian yang akan dilaksanakan terdiri atas tiga tahap yaitu tahap pertama analisis struktur kata sifat, tahap kedua pembuatan aturan word graph kata sifat bahasa Indonesia dan tahap ketiga pengujian aturan word graph kata sifat bahasa Indonesia. Tahap 1: Analisis Struktur Kata Sifat pada Bahasa Indonesia Hal-hal yang diperlukan dalam analisis struktur kata sifat pada bahasa Indonesia adalah mengidentifikasi kata sifat yaitu dengan cara menglasifikasi kata sifat berdasarkan bentuk kata sifat yaitu kata sifat dasar dan kata sifat turunan, sehingga pada tahapan ini akan diperoleh jumlah kata sifat bahasa Indonesia dan meminimalisir kata sifat yang terdapat hubungannya dengan pertanian. Daftar kata sifat yang diklasifikasikan diperoleh dari bentuk kata sifat dasar dan bentuk kata sifat turunan yang mengalami afiksasi. Langkah selanjutnya dari identifikasi adalah menganalisis makna kata sifat, berdasarkan kamus besar bahasa Indonesia dan mempergunakan referensi yang ada, sehingga akan dilakukan pengelompokan kata sifat berdasarkan makna yang dinyatakan setiap kata sifat. Tahap 2: Pembuatan Aturan Word Graph Kata Sifat pada Bahasa Indonesia Tahap kedua dalam proses pembuatan aturan word graph kata sifat pada bahasa Indonesia adalah mempelajari jenis-jenis relasi dasar dalam KG yang akan diterapkan pada pembentukan word graph kata sifat, sehingga dapat ditentukan jenis-jenis relasi KG yang akan digunakan dalam penelitian ini. Jika relasi telah diperoleh maka dibuat aturan word graph kata sifat bahasa Indonesia. Jadi setiap kata sifat bahasa Indonesia akan diimplementasikan ke dalam bentuk word graph berdasarkan bentuk dan makna kata sifat. Langkah selanjutnya adalah mengelompokkan kata sifat berdasarkan bentuk word graphnya. Berdasarkan pengelompokan tersebut akan disusun aturan pembentukan word graph kata sifat bahasa Indonesia.

31 16 Tahap 3: Pengujian Aturan Word Graph Kata Sifat Pada Bahasa Indonesia Setelah didapatkan aturan pola pembentukan word graph kata sifat, selanjutnya dilakukan uji hasil aturan tersebut. Pengujian ini diberikan kepada kata sifat lain yang tidak termaktub dalam pembahasan, pengujian dilakukan secara berulang-ulang sehingga diperoleh aturan yang berlaku umum. Tahapan metodologi di atas mengikuti alur seperti dalam flowchart berikut: Start Analisis kata sifat Pembuatan aturan pembentukan word graph kata sifat Pengujian hasil aturan pembentukan untuk kata sifat yang lain Apakah hasil aturan sudah benar Ya Tidak Perbaiki aturan pembentukan word graph kata sifat Apakah aturan telah berlaku umum Tidak Ya Aturan pembentukan word graph kata sifat Finish Gambar 13 Flowchart metodologi aturan pembentukan word graph kata sifat pada bahasa Indonesia.

32 4. HASIL DAN PEMBAHASAN 4.1 Analisis Struktur Kata Sifat Dari segi bentuknya, kata sifat terdiri atas kata sifat dasar yang selalu monomorfemis dan kata sifat turunan yang selalu polimorfemis. Sebagian besar kata sifat dasar merupakan bentuk monomorfemis. Kata sifat turunan yang selalu polimorfemis dibentuk dengan tiga cara: pengafiksan, pengulangan, dan pemaduan dengan kata lain. Berdasarkan segi semantik, kata sifat dapat dibagi atas: deskripsi warna, deskripsi ukuran, deskripsi waktu, deskripsi jarak, deskripsi suasana hati, deskripsi kualitas, dan deskripsi pencerapan Kata Sifat Dasar Sebagian besar kata sifat dasar merupakan bentuk monomorfemis yaitu terdiri atas satu morfem, meskipun ada yang berbentuk perulangan semu. Kata sifat dasar ini dikelompokkan berdasarkan segi semantiknya yaitu berdasarkan deskripsi warna, deskripsi ukuran, deskripsi waktu, deskripsi jarak, deskripsi suasana hati, deskripsi kualitas, dan deskripsi pencerapan Kata Sifat Turunan Kata sifat turunan yang polimorfemis dibentuk dengan tiga cara yaitu pengafiksan, pengulangan, dan pemaduan dengan kata lain. Pada penelitian ini kata sifat turunan hanya ditekankan pada pengafiksan. Dalam bahasa Indonesia dikenal jenis-jenis afiks kata sifat polimorfemis yang dibentuk dengan pengafiksan di antaranya adalah: a. Prefiks, yaitu afiks yang diletakkan di muka dasar, seperti: se-, ter-, ber-, me-, dan pe-. b. Infiks, yaitu afiks yang diletakkan di dalam dasar, seperti: -em-. c. Sufiks, yaitu afiks yang diletakkan di belakang dasar, seperti: -an, -al, -il, - iah, -if, -ik, -is, -istis, dan -i.

33 18 d. Konfiks, yaitu afiks yang terdiri atas dua unsur, satu di muka bentuk dasar dan satu di belakang bentuk dasar, dan berfungsi sebagai satu morfem terbagi. Konfiks satu morfem dengan satu makna gramatikal, seperti: ke-an dan me-kan. 4.2 Pembuatan Aturan Word Graph Kata Sifat Pembuatan aturan word graph kata sifat mengacu pada bentuk kata sifat turunan dengan pengafiksan yaitu dengan prefiks, infiks, sufiks, dan konfiks. Hasil pengafiksan kata sifat turunan akan direpresentasikan ke dalam bentuk word graph, sehingga akan diuraikan konsep dan relasinya dengan menggunakan ontologi yang ada pada teori KG Afiksasi Kata Sifat dengan Prefiks Prefiks se- Penurunan dari Kata Sifat Makna yang didukung oleh awalan se- pada umumnya menyatakan, sama dengan atau menyerupai (Kridalaksana 1996), terutama bila kata dasarnya adalah kata sifat. Berikut adalah contoh kata sifat yang dibentuk dari awalan se- dan penurunan kata sifat yaitu kata sifat sebesar mempunyai makna sama besar. Contoh penggunaan sebesar dalam kalimat adalah sebagai berikut: (1.1) 112,5 g urea dan 225 g KCL diberikan ketika buah berukuran sebesar kelereng (TRUBUS 457, Desmber 2007/XXXVII, hlm. 108). Sebesar di dalam kalimat (1.1) menyatakan bahwa buah mempunyai ukuran sama besar dengan kelereng. Makna sebesar dapat diimplementasikan ke dalam bentuk word graph berikut:

34 19 ukuran buah PAR PAR kelereng besar sebesar Gambar 14 Word graph kata sifat sebesar pada buah sebesar kelereng. Word graph sebesar terdiri atas tiga token. Token pertama mengimplementasikan kata buah, token kedua mengimplementasikan ukuran kata sifat besar, dan token ketiga mengimplementasikan kelereng. Token kedua merupakan atribut terhadap token pertama juga merupakan atribut terhadap token ketiga sehingga digunakan relasi PAR baik dari token kedua menuju token pertama maupun dari token kedua menuju token ketiga, focus terletak pada token besar, hal ini menyatakan bahwa ukuran buah dan ukuran kelereng sama besar. Contoh lain kata sifat dengan awalan se- adalah setinggi mempunyai makna sama tinggi, contoh penggunaan setinggi di dalam kalimat adalah sebagai berikut: (1.2) Media tanam berhamburan di bawah rak setinggi pinggang (TRUBUS 457, Desember 2007/XXXVII, hlm. 34). Pada kalimat (1.2) kata setinggi mengandung makna sama tinggi artinya rak sama tinggi dengan pinggang, kata sifat setinggi pada kalimat (1.2) dapat direpresentasikan ke dalam bentuk word graph berikut: ukuran rak PAR PAR pinggang tinggi setinggi Gambar 15 Word graph kata sifat setinggi pada rak setinggi pinggang

35 20 Pada gambar di atas kata sifat setinggi menyatakan sama tinggi antara rak dan pinggang, maka word graphnya terdiri atas tiga token, token pertama dan ketiga merepresentasikan rak dan pinggang, sedangkan token kedua merepresentasikan ukuran tinggi yang merupakan atribut terhadap token pertama dan token ketiga sehingga dihubungkan oleh relasi PAR yang kedua arcnya berawal dari token kedua menuju token pertama dan ketiga, ini mengandung makna bahwa rak dan pinggang sama tinggi. Focus terletak pada token tinggi. Secara umum kata sifat dengan prefiks se- penurunan dari kata sifat (KS) berbentuk se-kata sifat (se-ks) mengandung makna sama dengan atau menyerupai kata sifat, A menyatakan ukuran yang sama dengan B, sehingga word graphnya secara umum dapat direpresentasikan sebagai berikut: ukuran A PAR PAR B KS se-ks Gambar 16 Word graph kata sifat dengan pola se-ks. Beberapa kata sifat yang termasuk kata sifat pola se-ks dicantumkan pada Lampiran 2. Prefiks ter- Penurunan dari Kata Sifat Makna yang dibentuk oleh prefiks ter- dan kata sifat pada umumnya mengacu ke tingkat kualitas atau intensitas yang paling tinggi di antara semua acuan kata sifat yang dibandingkan. Kata sifat prefiks ter- merupakan tingkat bandingan superlatif mendeskripsikan tingkat perbandingan yang menyatakan bahwa dari sekian hal yang dibandingkan satu melebihi yang lain (Alwi et al. 2003). Berikut adalah contoh kata sifat yang dibentuk dari prefiks ter-.

36 21 (2.1) Itulah mutasi paling fenomenal, di dunia ariocarpus-kaktus tak berduri yang sejak 20 tahun lalu selalu memegang rekor harga termahal (TRUBUS 474, Mei 2009/XL, hlm.12). Pada kalimat (2.1) kata termahal merupakan bentuk ter-kata sifat mengandung makna paling mahal yaitu kaktus tak berduri paling mahal di antara kaktus-kaktus yang lainnya selama 20 tahun. Kata sifat termahal pada kalimat (2.1) dapat direpresentasikan ke dalam bentuk word graph berikut: nilai nilai nilai EQU EQU EQU ORD ORD termahal ukuran ukuran ukuran Gambar 17 Word graph kata sifat termahal. Gambar 17 Word graph kata sifat termahal mendeskripsikan tingkat perbandingan yang menyatakan bahwa dari sekian harga kaktus yang dibandingkan harga kaktus tak berduri melebihi harga kaktus yang lainnya, maka word graphnya terdiri atas tiga token. Ketiga token merupakan ukuran harga kaktus yang memiliki nilai tertentu sehingga dinotasikan oleh nilai yang dihubungkan oleh relasi EQU. Relasi antara token pertama dan kedua yaitu relasi berarah ORD yang arcnya berawal dari token pertama menuju token kedua, Relasi antara token kedua dan token ketiga dihubungkan oleh relasi ORD yang arcnya dari token kedua menuju token ketiga dan focusnya pada token ketiga, ini merepresentasikan tingkat superlatif yang menyatakan ukuran harga termahal, sehingga token ketiga menyatakan kaktus yang tak berduri yang harganya termahal di antara kaktus-kaktus yang lain. Secara umum kata sifat dengan prefiks ter- hasil penurunan dari kata sifat (KS) berbentuk ter-kata sifat mengandung makna nilai paling tinggi di antara semua acuan ukuran yang dibandingkan, dan focusnya terletak pada token ketiga. Hal ini

37 22 menyatakan ukuran pembanding yang memiliki nilai tertinggi, sehingga word graphnya secara umum dapat direpresentasikan sebagai berikut: nilai nilai nilai EQU EQU EQU ORD ORD ter-ks ukuran ukuran ukuran Gambar 18 Word graph kata sifat dengan pola ter-ks dengan tingkat bandingan tertinggi. Kata sifat yang termasuk kata sifat pola ter-ks dicantumkan pada Lampiran 3. Makna lain yang dibentuk oleh prefiks ter- dan kata sifat yang mengacu ke tingkat kualitas atau intensitas yang paling rendah di antara semua acuan kata sifat yang dibandingkan. Kata sifat prefiks ter- merupakan tingkat bandingan yang mendeskripsikan, bahwa dari sekian hal yang dibandingkan satu paling rendah dari yang lainnya. Berikut adalah contoh kata sifat yang dibentuk dari prefiks ter- yang mengacu ke tingkat kualitas yang paling rendah. (2.2) Di musim hujan saat belut membanjiri pasar, harga terendah ajek di angka Rp /kg (TRUBUS 474, Mei 2009/XL, hlm.37). Pada kalimat (2.2) kata terendah merupakan bentuk ter-kata sifat mengandung makna paling rendah atau paling murah harganya yaitu harga belut paling rendah Rp di musim hujan karena belut membanjiri pasar; jika belut langka di pasar maka harganya bisa lebih dari Rp Kata sifat terendah pada kalimat (2.2) dapat direpresentasikan ke dalam bentuk word graph berikut:

38 23 nilai nilai nilai EQU EQU EQU ORD ORD terendah ukuran ukuran ukuran Gambar 19 Word graph kata sifat terendah. Gambar 19 Word graph kata sifat terendah mendeskripsikan tingkat perbandingan yang menyatakan bahwa dari sekian harga belut yang dibandingkan harga belut pada musim hujan atau dalam keadaan melimpah paling rendah atau paling murah dari harga belut dalam keadaan langka, maka word graphnya terdiri atas tiga token. Ketiga token merupakan ukuran harga belut yang memiliki nilai tertentu sehingga dinotasikan oleh nilai yang dihubungkan oleh relasi EQU. Relasi antara ketiga token yaitu relasi berarah ORD yang arcnya berawal dari token pertama menuju token kedua dan dari token kedua menuju token ketiga, dengan focusnya terletak pada token pertama. Hal ini merepresentasikan tingkat bandingan paling rendah yaitu menyatakan ukuran harga terendah dari belut pada musim hujan yang harganya terendah atau termurah di antara harga belut pada musim lain. Secara umum kata sifat dengan prefiks ter- hasil penurunan dari kata sifat (KS) berbentuk ter-kata sifat (ter-ks), mengandung makna nilai paling rendah di antara semua acuan ukuran yang dibandingkan dan focusnya terletak pada token pertama. Hal ini menyatakan ukuran pembanding yang memiliki nilai terendah, sehingga word graphnya secara umum dapat direpresentasikan sebagai berikut:

39 24 nilai nilai nilai EQU EQU EQU ORD ORD ter-ks ukuran ukuran ukuran Gambar 20 Word graph kata sifat dengan pola ter-ks dengan tingkat bandingan terendah. Kata sifat yang termasuk kata sifat pola ter-ks dicantumkan pada Lampiran 4. Prefiks ber- Penurunan dari Kata Bilangan Kata sifat prefiks ber- yang diturunkan dari kata bilangan mengandung makna menjadi. Kata sifat yang dibentuk dengan prefiks ber- dan kata dasarnya adalah kata bilangan atau kata benda yang menyatakan ukuran maka ber- mengandung arti himpunan atau menjadi (Kridalaksana 1996). Sebagai contoh kata sifat bersatu artinya menjadi satu atau berkumpul bergabung menjadi satu atau membentuk himpunan menjadi satu, perhatikan contoh kalimat dengan menggunakan kata sifat bersatu berikut: (3.1) Para petani kita bersatu membasmi hama. Kata sifat bersatu dalam kalimat (3.1) menyatakan para petani berkumpul atau bergabung bersama-sama menjadi satu untuk membasmi hama, dengan demikian word gaph kata sifat bersatu dapat direpresentasikan sebagai berikut: CAU EQU bersatu petani satu Gambar 21 Word graph kata sifat bersatu. Word graph kata sifat bersatu terdiri atas dua token. Token pertama menyatakan petani berkumpul atau bergabung yang mengakibatkan token kedua yang menyatakan