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

Transkripsi

1 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 BOGOR BOGOR 2012

2 i MODUL WORD GRAPH KATA KERJA PADA KG_EDITOR BERBASIS DESKTOP NI MADE FEBRYANTINI DWI ARINY 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 2012

3 i ABSTRACT NI MADE FEBRYANTINI DWI ARINY. Word Graph Module for Indonesian Verbs in Desktopbased KG_EDITOR. Supervised by SRI NURDIATI and AHMAD RIDHA Knowledge Graph (KG) represents result of text-semantic analysis as a graph. KG_EDITOR is an application to generate KG. It is a desktop-based application developed using Java programming language. The purpose of this research is to create a module to generate a word graph of Indonesian verb using KG method based on user s input. Based on the recent research, there are ten types of word graph for Indonesian verb along with 31 formation patterns due to affixation process. KG generation process is started by input pre-processing. Afterwards the input is looked up in Kamus Besar Bahasa Indonesia (KBBI). The word will be stemmed, if it is not found in KBBI. Then, data will be generated in the form of basic word and affix. Those data are used to determine the word graph pattern to generate. In this research, the module can recognize 10 types of word graph of verb with more than 98% accuracy. Keyword: knowledge graph, stemming, verb, word graph

4 i Judul skripsi Nama NRP : Modul Word Graph Kata Kerja pada KG_EDITOR Berbasis Desktop : Ni Made Febryantini Dwi Ariny : G Pembimbing I Menyetujui: Pembimbing II Dr. Ir. Sri Nurdiati, M.Sc Ahmad Ridha, S.Kom, MS NIP NIP Mengetahui: Ketua Departemen Dr. Ir. Agus Buono, M.Si, M.Kom NIP Tanggal lulus:

5 i KATA PENGANTAR Puji dan syukur penulis panjatkan kepada Allah subhanahu wa-ta'ala karena hanya dengan berkat, rahmat, dan karunia-nya penelitian ini dapat diselesaikan dengan baik. Selawat serta salam penulis sampaikan kepada junjungan Nabi Muhammad shallallahu alayhi wasallam, juga kepada keluarganya, sahabatnya, dan para pengikutnya. Penyelesaian penelitian ini juga tidak lepas dari bantuan berbagai pihak, untuk itu penulis mengucapkan terima kasih yang sebesar-besarnya kepada: 1 Kedua orang tua penulis, Bapak Nyoman Teken dan Ibu Elly RM Pitaloka, terima kasih atas doa, kasih sayang, dukungan, motivasi, pengertian, pengorbanan, dan nasihat yang selalu mengiringi perjalanan penulis. 2 Ibu Dr. Ir. Sri Nurdiati, M.Sc selaku dosen pembimbing I, terima kasih akan kesabaran, ilmu, waktu, motivasi, dan nasihat yang diberikan selama penyelesaian penelitian ini. 3 Bapak Ahmad Ridha, S.Kom, MS selaku dosen pembimbing II, terima kasih atas segala ilmu, saran, dan bantuan yang diberikan selama penyelesaian penelitian ini. 4 Bapak Sony Hartono Wijaya, S.Kom, M.Kom selaku dosen penguji, terima kasih atas segala ilmu, kritik, dan saran yang diberikan. 5 Kakak penulis, Ni Putu Desinthya Ayu Azhari, terima kasih atas kasih sayang dan dukungan yang telah diberikan, juga kepada adik penulis, almarhumah Ni Komang Deriska Tri Astuti, dengan mengingatnya turut memberikan motivasi dan semangat kepada penulis. 6 Segenap dosen dan staf pendukung Departemen Ilmu Komputer yang telah membantu penulis dalam berbagai kesempatan. 7 Gema Alief Utama, terima kasih atas kasih sayang, semangat, dukungan, bantuan, serta doa yang diberikan selama penyelesaian penelitian ini. 8 Teman-teman satu bimbingan, Rani Dwijayanti, Nur Nissa Amyati Dillyani, Ria Astriratma, Musthafa Tanfiz Syariat Walayatullah, dan Dean Apriana Ramadhan, terima kasih atas bantuan, dukungan, ilmu, serta motivasi yang selalu diberikan. 9 Teman-teman laboratorium Computer Intelligence: Windy Widowati, Dimpy Adira Ratu, Fani Wulandari, Yuridhis Kurniawan, Laras Mutiara, dan Dhieka Avrilia, terima kasih atas kegembiraan, bantuan, dan semangat yang diberikan. 10 Tri Setiowati, Arizal Notyasa, Nur Fitriana, Isna Mariam, Inne Larasati, dan seluruh Ilkom 44 yang tak bisa disebutkan satu persatu, terima kasih atas semangat dan kebersamaannya. 11 Chayrunnisa Nindita Sari, Amelia Ika, dan Szasza Hervanovriza sebagai sahabat penulis, terima kasih atas motivasi yang diberikan. 12 Semua pihak yang telah memberikan doa, semangat, dan bantuan selama penyelesaian penelitian. Penulis menyadari bahwa penelitian ini masih terdapat kekurangan. Penulis berharap semoga hasil penelitian ini dapat memberikan manfaat. Bogor, Februari 2012 Ni Made Febryantini Dwi Ariny

6 i RIWAYAT HIDUP Penulis dilahirkan di kota Bandung pada tanggal 20 Februari Penulis merupakan anak kedua dari tiga bersaudara. Penulis menempuh pendidikan formal di SDN Sempur Kaler (2001), SMP Negeri 8 Bogor (2004), dan SMA Negeri 5 Bogor (2007). Penulis lulus seleksi masuk Institut Pertanian Bogor (IPB) pada tahun 2007 melalui jalur Undangan Seleksi Masuk IPB dengan Program Studi Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA). Selama aktif sebagai mahasiswa, penulis menjadi salah satu pengurus Himpunan Mahasiswa Ilmu Komputer (Himalkom) pada tahun 2009 dan menjabat sebagai anggota Divisi Kesekretariatan untuk periode Penulis pun turut aktif mengikuti beberapa kegiatan kepanitian di FMIPA serta Departemen Ilmu Komputer, antara lain IT TODAY pada tahun 2008 dan 2009, Pesta Sains pada tahun 2009, dan Masa Pengenalan Departemen pada tahun 2009.

7 v DAFTAR ISI Halaman DAFTAR TABEL... vi DAFTAR GAMBAR... vi DAFTAR LAMPIRAN... vi PENDAHULUAN Latar Belakang... 1 Tujuan... 1 Ruang Lingkup... 1 Manfaat Penelitian... 1 TINJAUAN PUSTAKA Graf... 2 Knowledge Graph (KG)... 2 Word Graph... 2 Aspek-aspek Ontologi... 2 Verba (Kata Kerja)... 2 Java... 3 Abstract Window Toolkit (AWT)... 3 Metode Pengujian Black Box... 3 METODE PENELITIAN Metode Pengembangan Prototype... 4 Listen to Customer... 4 Build/Revise Mock-up... 4 Customer Test-drives Mock-up... 4 HASIL DAN PEMBAHASAN Iterasi Listen to Customer... 5 Build Mock-up... 6 Customer Test-drives Mock-up Iterasi Listen to Customer Revise Mock-up Customer Test-drives Mock-up Iterasi Listen to Customer Revise Mock-up Customer Test-drives Mock-up Analisis Hasil Pengujian Keseluruhan KESIMPULAN DAN SARAN Kesimpulan Saran DAFTAR PUSTAKA LAMPIRAN v

8 vi DAFTAR TABEL Halaman 1 Contoh isi tabel Entry Contoh isi tabel 'PolaKataKer' Data pencarian calon awalan Data pencarian calon akhiran Urutan pencarian calon kata dasar Pola pembentukan kata berulang DAFTAR GAMBAR Halaman 1 Penggabungan awalan dan akhiran Metode pengembangan perangkat lunak prototype Use case diagram pada modul word graph kata kerja Tampilan menu Modul sistem Tampilan input dialog box Tampilan peringatan masukan bukan kata kerja Tampilan peringatan kata dasar tidak ditemukan Tampilan peringatan pada kanvas Diagram proses stemming Contoh hasil stemming pada kata bertabrakan Contoh hasil pembangkitan Pola Contoh hasil stemming pada kata kedua nari DAFTAR LAMPIRAN Halaman 1 Pola word graph kata kerja Diagram alir modul word graph kata kerja KG_EDITOR Tampilan peringatan tahap praproses Class diagram modul word graph kata kerja Sequence diagram modul word graph kata kerja Hasil pengujian Pola 1 pada iterasi pertama Hasil pengujian Pola 2 pada iterasi pertama Hasil pengujian Pola 3 pada iterasi pertama Hasil pengujian Pola 4 pada iterasi pertama Hasil pengujian Pola 5 pada iterasi pertama Hasil pengujian Pola 6 pada iterasi pertama Hasil pengujian Pola 7 pada iterasi pertama Hasil pengujian Pola 8 pada iterasi pertama Hasil pengujian Pola 9 pada iterasi pertama Hasil pengujian Pola 10 pada iterasi pertama Hasil pengujian Pola 4 pada iterasi kedua Hasil pengujian Pola 8 pada iterasi kedua Hasil pengujian Pola 9 pada iterasi kedua Hasil pengujian Pola 10 pada iterasi kedua Hasil pengujian Pola 4 pada iterasi ketiga vi

9 1 Latar Belakang PENDAHULUAN Natural Language Processing (NLP) merupakan suatu bidang kajian yang mengkaji mengenai metode pengenalan bahasa alami oleh sistem komputer. Bahasa alami merupakan bahasa yang biasa digunakan oleh manusia untuk saling berkomunikasi. Komunikasi manusia dan komputer dapat dilakukan dengan bahasa buatan (bahasa pemrograman), namun tidak semua orang dapat menggunakannya karena diperlukan usaha untuk memahami suatu bahasa buatan. Tujuan utama NLP adalah melakukan proses pembuatan model komputasi dari bahasa, sehingga interaksi antara manusia dan komputer dapat dilakukan dengan perantara bahasa alami. Knowledge graph (KG) adalah suatu metode dalam NLP. Metode ini mencoba melakukan tinjauan dalam menggambarkan atau menjelaskan suatu bahasa dengan cara menganalisis teks secara harfiah dan diperkaya dengan latar belakang pengetahuannya sehingga menghasilkan sebuah pengetahuan baru. Teori KG lebih berfokus kepada aspek semantis daripada aspek sintaksis (Zhang 2002). Penelitian yang dilakukan kali ini yaitu mengenai graf kata (word graph) sebagai komponen terkecil dari KG. Pengetahuan baru yang dihasilkan kemudian dinyatakan dalam bentuk graf sebagai representasi visual yang jelas dan bermakna serta memberikan penekanan makna suatu kata. Suatu pengetahuan ditunjukkan oleh bahasa. Oleh karena itu, pengetahuan harus dapat direpresentasi dalam berbagai bahasa (Zhang 2002). Mark van Koningsveld telah mengembangkan sistem DelftConStruct yaitu aplikasi penerapan metode KG dalam menganalisis teks berbahasa Inggris pada tahun 2008 (Romadoni 2009), kemudian Romadoni (2009) mengembangkan sistem Bogor_Delft_Construct yang dapat menganalisis teks berbahasa Indonesia. Christian Henry, pada tahun 2011, menambahkan modul pembentukan word graph kata kerja pada sistem Bogor_Delft_Construct. Kedua sistem tersebut dikembangkan dengan menggunakan MATLAB dan merupakan aplikasi yang berbasis desktop. Pengembangan sistem sebelumnya memiliki kelemahan, yaitu sistem tidak dapat digunakan secara bebas karena MATLAB bukan merupakan perangkat lunak yang bersifat open platform dan membutuhkan lisensi untuk menggunakannya. Penelitian yang dilakukan kali ini adalah membuat modul pembangkit word graph kata kerja bahasa Indonesia pada KG_EDITOR dengan menggunakan bahasa pemrograman Java berbasis desktop yang bersifat open platform, agar semua orang dapat memanfaatkan sistem ini dengan maksimal. Sistem KG_EDITOR terdiri atas beberapa modul jenis kata, namun penelitian ini hanya membahas mengenai pembuatan modul word graph untuk jenis kata kerja. Modul kata kerja berfungsi untuk membangkitkan word graph jenis kata kerja berdasarkan masukan kata kerja yang diberikan pengguna. Word graph kata kerja yang terbentuk merupakan word graph dari makna kata kerja berdasarkan analisis yang telah dilakukan oleh Muslik (2009) di dalam tesis yang berjudul Analisis Pembentukan Word Graph Kata Kerja Menggunakan Metode Knowledge Graph. Tujuan Tujuan dari penelitian ini adalah membuat modul pembangkitan word graph jenis kata kerja pada KG_EDITOR. Modul kata kerja dibuat menggunakan metode KG yang dapat menampilkan graf makna kata kerja sesuai dengan masukan kata kerja. Modul kata kerja dibuat menggunakan bahasa pemrograman Java yang berbasis desktop. Ruang Lingkup Ruang lingkup penelitian ini hanya difokuskan pada pembuatan modul word graph kata kerja pada KG_EDITOR, dengan masukan berupa kata kerja tunggal. Kata tunggal yang dimaksud yaitu kata yang hanya terdiri atas satu kata, namun kata tunggal dapat pula berupa kata berulang. Sistem tidak dapat membedakan jenis kata kerja dasar yang berupa transitif dan intransitif. Selain itu, sistem juga tidak dapat mengenali kata dasar yang berupa kata dasar terikat dan frasa preposisional. Makna kata kerja bahasa Indonesia yang digunakan pada modul word graph kata kerja diambil dari hasil penelitian Muslik (2009). Manfaat Penelitian Manfaat jangka panjang dari penelitian ini adalah terbentuknya suatu sistem yang dapat membaca input (masukan) berupa teks bahasa Indonesia dari pengguna yang kemudian menghasilkan output (keluaran) berupa abstraksi dari teks tersebut dalam bentuk text graph. Manfaat jangka pendek yang dapat dihasilkan langsung dari penelitian ini yaitu terbentuknya suatu modul untuk membangkitkan word graph kata kerja yang

10 2 dapat dijadikan dasar pembuatan abstraksi suatu teks dalam bentuk text graph untuk penelitian selanjutnya. Graf TINJAUAN PUSTAKA Suatu graf G = (V, E) terdiri atas himpunan berhingga dan tak kosong dari elemen graf objek V = {v 1, v 2,...} yang disebut verteks dan himpunan pasangan tak terurut dari verteks V yang disebut edge E = {e 1, e 2,...}. Verteks disebut juga node atau titik, sedangkan edge disebut juga garis atau sisi (Deo 2004). Knowledge Graph (KG) KG merupakan graf berarah yang terdiri atas verteks dan edge. Verteks merepresentasikan concept, sedangkan edge merepresentasikan hubungan antar-concept. KG memperluas metode representasi dengan menetapkan model penjelasan semantis bagi persepsi manusia dan pemrosesan informasi. KG merupakan kombinasi dan integrasi antargraf yang diekstrak dari berbagai teks sehingga dapat tergambarkan suatu relationship dan concept. Teori KG terdiri atas relationship dan concept. Relationship adalah suatu hubungan yang menghubungkan antara concept yang satu dengan concept yang lain. Concept merupakan komponen penting dalam pemikiran manusia yang diinterpretasikan dengan verteks pada graf. Concept dapat dibedakan menjadi token, type dan name. 1 Token Token adalah concept yang dipahami oleh seseorang menurut cara pandang masingmasing. Hal ini berakibat adanya unsur subjektivitas. Token mengekspresikan sesuatu yang dialami dalam dunia nyata atau concept dari dalam persepsi manusia. Sebuah token dinyatakan dengan menggunakan simbol. Teori KG menyatakan semua hal yang ada dalam dunia nyata akan memiliki token yang terkait. 2 Type dan name Type dan name memiliki kondisi yang hampir sama. Keduanya dapat dibedakan dari relasi yang menghubungkannya dengan token. Type adalah concept yang berupa informasi umum dan bersifat objektif karena berdasarkan kesepakatan yang telah dibuat sebelumnya. Name adalah suatu concept yang bersifat individual (Muslik 2009). Sesuatu dapat diberi name dengan banyak cara. Word Graph Text graph merupakan suatu representasi pengetahuan baru yang terkandung dalam sebuah teks yang diringkas dari dokumen tertentu. Text graph merupakan gabungan dari beberapa sentence graph. Bagian terkecil dari text graph adalah word graph, karena kata merupakan unit terkecil yang membentuk suatu teks. Word graph merupakan graf dari kata yang menyatakan makna dari suatu kata (Muslik 2009). Aspek-aspek Ontologi Ontologi merupakan gambaran dari beberapa concept dan relationship antarconcept untuk mendefinisikan ide-ide yang merepresentasikan concept, relationship, dan logikanya (Muslik 2009). Menurut Nurdiati dan Hoede (2008), ontologi terdiri atas delapan binary relationship dan empat jenis frame relationship. Jenis ontologi lain yaitu ontologi Focus (F), yang digunakan untuk menunjukkan fokus pada suatu graf. Ontologi F disimbolkan dengan. Binary relationship merupakan penghubung antara dua concept yang membentuk sebuah graf. Berikut adalah jenisjenis binary relationship: 1 Relasi kesamaan (ALIKENESS/ALI) 2 Relasi kausalitas (CAUSALITY/CAU) 3 Relasi kesederajatan (EQUALITY/EQU) 4 Relasi kepemilikan (SUBSET/SUB) 5 Relasi perbedaan (DISPARATENESS/DIS) 6 Relasi yang berurutan (ORDERING/ORD) 7 Relasi atribut (ATTRIBUTE/PAR) 8 Relasi kebergantungan informasi (SKOLEM/SKO) Tidak semua hal dapat dinyatakan hanya dengan menggunakan binary relationship. Oleh karena itu, terdapat frame untuk menanganinya. Frame merupakan verteks berlabel yang digunakan untuk mengelompokkan beberapa graf. Keempat jenis frame relationship atau juga disebut multivariate relationship, yaitu: 1 Focusing on a situation (FPAR) 2 Negation of a situation (NEGPAR) 3 Possibility of a situation (POSPAR) 4 Necessity of a situation (NECPAR) Verba (Kata Kerja) Jenis kata yang dijadikan topik penelitian kali ini adalah verba (kata kerja). Kata kerja adalah kata yang menyatakan perbuatan atau tindakan, proses, dan keadaan yang bukan merupakan sifat atau kualitas. Kata kerja umumnya berfungsi sebagai predikat dalam suatu frasa atau kalimat (Finoza 2009).

11 3 Secara umum, kata kerja dapat dibedakan dari kelas kata yang lain terutama kata sifat karena beberapa hal, di antaranya yaitu kata kerja memiliki fungsi utama sebagai predikat atau inti predikat. Selain itu, terdapat makna inheren perbuatan (aksi), proses, atau keadaan yang bukan sifat atau kualitas pada kata kerja. Hal lain yang menjadi ciri-ciri kata kerja yaitu kata kerja yang bermakna keadaan tidak dapat diberi prefiks ter- yang memiliki arti paling. Secara umum, kata kerja tidak dapat bersatu dengan kata yang bermakna kesangatan, seperti agak menangis, sangat melempar, dan pergi sekali (Alwi et al. 2003). Kata kerja dapat dibedakan berdasarkan perilaku, objek, dan bentuknya. Kata kerja dari segi perilaku dibedakan menjadi semantis dan sintaksis. Perilaku semantis berarti makna inheren dari suatu kata. Sintaksis berarti studi mengenai hubungan kata dengan kata dalam bentuk yang lebih besar, yaitu frasa, klausa, dan kalimat. Berdasarkan objeknya, kata kerja dibagi menjadi kata kerja transitif dan kata kerja intransitif. Kata kerja transitif adalah kata kerja yang membutuhkan objek atau pelengkap seperti melempar (batu), sedangkan kata kerja intransitif adalah kata kerja yang tidak membutuhkan objek seperti berlari dan menangis. Awalan Akhiran meng- -kan per- ber- -i ter- di- ke- -an Gambar 1 Penggabungan awalan dan akhiran. Kata kerja dari segi bentuknya terdiri atas kata kerja dasar dan kata kerja turunan. Kata kerja dasar merupakan kata kerja yang berdiri sendiri tanpa imbuhan (awalan, akhiran, atau gabungan keduanya). Kata kerja ini dapat mengetahui makna yang melekat pada kata (makna leksikal). Berbeda dengan kata dasar, kata kerja turunan dapat dibentuk dari transposisi (peralihan suatu kata dari kategori sintaksis yang satu ke kategori sintaksis yang lainnya), pengafiksan (penambahan imbuhan), reduplikasi (pengulangan), atau pemaduan (penggabungan dua kata dasar atau lebih menjadi satu kata yang memiliki makna). Salah satu cara memperoleh kata kerja turunan adalah dengan penggabungan awalan dan akhiran, namun tidak semua awalan dan akhiran dapat digabungkan. Gambar 1 menunjukkan aturan penggabungan awalan dan akhiran. Java Java adalah bahasa pemrograman yang berorientasi objek dan dapat dijalankan pada berbagai platform sistem operasi. Java dikembangkan untuk berbagai sistem operasi dan bersifat open source, yaitu dapat digunakan, dimodifikasi, dan didistribusikan secara bebas. Program yang dikembangkan menggunakan Java terdiri atas class-class dan di dalam setiap class terdapat method-method. Method melakukan task yang diperintahkan dan mengembalikan informasi setelah task selesai dikerjakan (Deitel & Deitel 2007). Abstract Window Toolkit (AWT) Java menyediakan berbagai macam tool untuk mengembangkan aplikasi graphical user interface (GUI) yang menarik dan interaktif, salah satunya yaitu AWT. AWT menjamin tampilan aplikasi yang dijalankan pada dua mesin yang berbeda menjadi terlihat sama. Maksudnya, tampilan aplikasi akan tetap terlihat sama meskipun dijalankan pada sistem operasi berbeda. Contoh penggunaan AWT yaitu dapat membuat window, menggambar, manipulasi gambar, dan komponen seperti Scrollbar, Checkbox, TextField, TextArea, Button, dan menu Pull-down (Zukowski 1997). Metode Pengujian Black Box Salah satu metode pengujian sistem yaitu metode pengujian black box atau yang dikenal dengan behavioral testing. Metode pengujian tersebut berfokus pada kebutuhan fungsional sistem. Pengujian dilakukan untuk memeriksa apakah masukan dari pengguna dapat diterima dengan baik oleh sistem sehingga memberikan hasil keluaran yang sesuai dengan tidak memerhatikan proses di dalam sistem (Pressman 2001). METODE PENELITIAN Penelitian ini diawali dengan mendalami konsep KG dan implementasinya dalam pembentukan word graph kata kerja bahasa Indonesia. Selain itu, analisis mengenai aturan umum kata kerja juga dilakukan pada penelitian ini. Data yang digunakan pada penelitian ini adalah kata kerja berbahasa Indonesia dalam bentuk tunggal sebagai masukan sistem. Word graph kata kerja berdasarkan kelompok imbuhannya berjumlah 10 word graph yang terdiri atas 31 aturan pembentukan kata kerja. Aturan tersebut didapat dari penelitian yang

12 4 dilakukan oleh Muslik (2009). Tahap selanjutnya yaitu pembuatan modul word graph kata kerja pada KG_EDITOR. Metode pengembangan sistem yang digunakan dalam pembuatan modul kata kerja ini yaitu prototype. Metode Pengembangan Prototype Model pengembangan prototype digunakan karena definisi tujuan perangkat lunak yang diberikan terlalu umum dan tidak menjelaskan kebutuhan masukan, proses, dan keluaran perangkat lunak secara spesifik. Metode pengembangan prototype dimulai dengan mengumpulkan semua informasi tentang kebutuhan, batasan, dan tujuan dalam membangun sistem (listen to customer). Setelah diperoleh kebutuhan inti perangkat lunak, selanjutnya dibuat mock-up atau desain ringkas sistem (build/revise mock-up). Mock-up dapat berbentuk sketsa ataupun kerangka perangkat lunak yang akan dibuat. Pengujian terhadap mock-up dilakukan oleh pengguna untuk mengetahui kekurangan sistem (customer testdrives mock-up). Koreksi sistem dilakukan berdasar pada hal-hal yang perlu diperbaiki pada mock-up. Iterasi berlangsung hingga sistem memenuhi kebutuhan pengguna (Pressman 2001). Proses pengembangan sistem prototype dapat dilihat pada Gambar 2. listen to customer customer test-drives mock-up build/revise mock-up Gambar 2 Metode pengembangan perangkat lunak prototype. Listen to Customer Tahap awal pembuatan sistem yaitu dengan mendeskripsikan batasan dan kemungkinan kebutuhan sistem. Hal tersebut dapat diperoleh dari pengguna maupun berdasarkan analisis terhadap penelitian sebelumnya. Pengguna merupakan bagian terpenting pada metode prototype karena pengguna merupakan komponen yang menentukan apakah prototype yang dibuat telah memenuhi spesifikasi untuk dikembangkan sebagai produk. Informasi yang dicari pada tahap ini, yaitu mengenai deskripsi umum, deskripsi proses, kebutuhan, dan batasan sistem serta karakteristik serta kebutuhan pengguna. Build/Revise Mock-up Tahap ini berfokus pada perencanaan dan perancangan prototype sistem. Sistem mulai dibuat sesuai informasi yang telah didapat setelah terkumpul informasi mengenai batasan dan kebutuhan sistem. Tujuan utama dari pembuatan mock-up adalah untuk menjawab satu atau lebih pertanyaan mengenai karakteristik fungsional dari produk. Mock-up yang dibuat berupa perancangan sementara yang berfokus pada penyajian kepada pengguna misalnya membuat format masukan dan keluaran sistem. Langkah-langkah pembuatan sistem meliputi perancangan antarmuka, perancangan kebutuhan fungsional, perancangan database, implementasi antarmuka, dan implementasi fungsional. Customer Test-drives Mock-up Tahap terakhir yaitu pengujian sistem oleh pengguna. Mock-up yang telah dibuat harus diuji untuk menentukan perilakunya dan mengumpulkan keluaran sehingga didapat produk yang sesuai dengan keinginan pengguna. Pengujian sistem bertujuan untuk melihat kesesuaian sistem dengan spesifikasi yang diberikan dan mencari kesalahan yang mungkin masih ada. Kesalahan yang ditemukan kemudian diperbaiki hingga sesuai dengan kebutuhan pengguna. Proses revisi dan pengujian terhadap mock-up dilakukan secara iteratif hingga didapatkan sistem yang sesuai dengan yang diinginkan oleh pengguna. Metode pengujian yang digunakan pada KG_EDITOR adalah metode black box. Pengujian sistem terfokus pada pengujian masukan dan keluaran sistem. Perhitungan akurasi modul word graph kata kerja dilakukan dengan menghitung banyak kata yang dapat dibangkitkan pola word graph kata kerja yang sesuai dari keseluruhan masukan yang diberikan. kurasi kata yang benar kata yang diuji HASIL DAN PEMBAHASAN Metode yang digunakan pada penelitian kali ini adalah metode prototype. Tahap awal metode tersebut yaitu membuat mock-up awal sesuai dengan kebutuhan pengguna. Mock-up yang telah dibuat kemudian dievaluasi dan kekurangan yang didapat dari hasil evaluasi kemudian diperbaiki untuk mendapatkan sistem yang sesuai dengan keinginan pengguna. Hal tesebut membuat keseluruhan proses pembuatan x

13 5 modul word graph kata kerja terbagi atas beberapa iterasi. Penelitian mengenai pembuatan modul word graph kata kerja pada KG_EDITOR kali ini terbagi menjadi tiga iterasi. Iterasi 1 Listen to Customer Beberapa hal yang didapat berdasarkan komunikasi awal dengan pengguna dan analisis penelitian sebelumnya: 1 Deskripsi Umum Sistem KG_EDITOR adalah sebuah sistem berbasis desktop yang dikembangkan dengan menggunakan bahasa pemrograman Java. Sistem ini merupakan sebuah sistem yang digunakan untuk menganalisis teks dengan menerapkan konsep KG. Pengembangan KG_EDITOR dengan menggunakan bahasa pemrograman Java bertujuan untuk mengatasi kekurangan sistem Bogor_Delft_Construct pada penelitian sebelumnya, yaitu sistem dikembangkan dengan menggunakan MATLAB yang bersifat close platform. Penelitian kali ini dilakukan untuk menambahkan sebuah modul pembangkit word graph kata kerja pada sistem KG_EDITOR. Modul pembangkitan word graph kata kerja merupakan salah satu modul penyusun KG_EDITOR. Modul ini berfungsi untuk menampilkan word graph jenis kata kerja sesuai masukan yang diberikan pengguna. Terdapat 10 word graph kata kerja berdasarkan penelitian Muslik (2009) yang terdiri atas 31 aturan pembentukan kata kerja. Seluruh aturan pembentukan word graph kata kerja dapat dilihat pada Lampiran 1. 2 Deskripsi Proses Sistem Sistem akan menampilkan lembar kerja berupa kanvas kosong sebagai default tampilan sistem. Proses pembentukan word graph kata kerja dapat dilakukan dengan memasukkan kata kerja sebagai masukan sistem, yaitu dengan memilih menu Modul kemudian memilih submenu Kata Kerja untuk menjalankan modul word graph kata kerja. Dialog box berisi text field akan muncul sebagai sarana untuk memasukkan kata kerja. Kata masukan tersebut kemudian akan diproses melalui beberapa tahapan dan diperiksa termasuk word graph kata kerja yang mana. Word graph yang sesuai dengan kata masukan kemudian digambarkan dan ditampilkan pada kanvas KG_EDITOR. Pesan peringatan akan muncul jika kata masukan tidak sesuai dengan aturan pembentukan kata kerja berdasarkan penelitian yang telah dilakukan oleh Muslik (2009) atau tidak sesuai dengan aturan yang diberikan sistem. Pesan peringatan tersebut terdapat pada dialog box ataupun pesan pada kanvas KG_EDITOR. Seluruh tahap pembuatan modul word graph kata kerja dapat dilihat pada Lampiran 2. 3 Karakteristik Pengguna Sistem KG_EDITOR bukan merupakan sistem yang ditujukan sebagai alat pembelajaran mengenai KG. Oleh karena itu, pengguna sistem ini adalah orang yang sudah memahami konsep KG. Hal tersebut dikarenakan modul word graph kata kerja pada sistem ini berfungsi untuk menganalisis teks yang berupa kata kerja dengan menerapkan konsep KG. Pengguna dapat mengerti keluaran modul pada sistem yang berupa word graph kata kerja jika pengguna memahami konsep KG. 4 Kebutuhan Pengguna Pengguna dapat memilih modul jenis kata yang ingin dibangkitkan dalam bentuk word graph, dalam hal ini modul kata kerja. Pengguna juga dapat memasukkan kata kerja untuk mendapatkan word graph yang diinginkan. Kata masukan kemudian diproses oleh sistem. Pengguna dapat melihat word graph kata kerja sesuai dengan masukan yang diberikan jika proses sistem berjalan dengan baik dan memenuhi kondisi yang diberikan. Pengguna dapat melihat pesan peringatan jika suatu kondisi tidak terpenuhi. Gambar 3 menjelaskan deskripsi kebutuhan pengguna KG_EDITOR dalam use case diagram. Pengguna Memasukkan Input Kata Kerja Melihat Word Graph Kata Kerja Melihat Pesan Peringatan Sistem Gambar 3 Use case diagram pada modul word graph kata kerja. 5 Kebutuhan Sistem Sistem dapat berjalan sesuai dengan fungsinya jika semua kebutuhan sistem terpenuhi. Sistem membutuhkan beberapa fungsi untuk menerima dan mengolah kata masukan, serta menampilkan word graph hasil pembangkitan dari kata masukan. Suatu sarana dibutuhkan agar pengguna dapat memasukkan

14 6 kata kerja sebagai masukan dari sistem. Selain itu, modul word graph kata kerja pada KG_EDITOR membutuhkan data dari Kamus Besar Bahasa Indonesia (KBBI) yang disesuaikan, yang disimpan ke dalam database. KG_EDITOR juga membutuhkan fungsi stemming untuk mengakomodasi kata masukan yang tidak terdapat dalam KBBI. KBBI digunakan dalam proses pengecekan kata masukan dan pengecekan kata dasar pada proses stemming. Data lain yang diperlukan yaitu aturan pembentukan word graph kata kerja yang disimpan ke dalam database. Fungsi komponen dibutuhkan untuk menampilkan komponen-komponen pembentuk word graph kata kerja pada kanvas sistem. Komponen pembentuk tersebut didapat dari penelitian Walayatullah (2012). Build Mock-up Pembuatan mock-up dilakukan berdasarkan hasil komunikasi yang dilakukan dengan pengguna. Tahapan yang dilakukan pada pembuatan mock-up modul word graph kata kerja yaitu: 1 Perancangan Antarmuka Antarmuka utama KG_EDITOR adalah sebuah kanvas sebagai media visualisasi word graph. Kanvas berada dalam keadaan kosong saat pertama kali sistem dijalankan. Terdapat menu File dan Modul sebagai menu utama sistem. Menu File berisi submenu Exit untuk keluar dari KG_EDITOR. Beberapa pilihan jenis kata terdapat pada menu Modul. Pengguna dapat memilih jenis kata yang ingin ditampilkan dalam bentuk word graph. 2 Perancangan Kebutuhan Fungsional Modul pembangkitan word graph kata kerja digunakan untuk menentukan word graph berdasarkan aturan pembentukan kata kerja sesuai dengan masukan yang diberikan pengguna. Aturan pembentukan terdiri atas imbuhan dan kategori kata dasar dari kata masukan. Word graph yang didapatkan kemudian ditampilkan pada kanvas. Proses pembangkitan word graph kata kerja meliputi: Praproses Kata kerja masukan dari pengguna langsung diproses pada tahap ini untuk membatasi nilai masukan pada sistem. Batasan nilai masukan untuk word graph kata kerja, yaitu kata masukan harus berupa kata tunggal, tidak boleh kosong, dan tidak boleh mengandung simbol atau karakter numerik. Kata masukan kemudian akan diproses ke tahap selanjutnya jika keadaan tersebut terpenuhi. Pengecekan KBBI Kata masukan kemudian diperiksa apakah terdapat pada KBBI atau tidak, dan apakah kata masukan tersebut berupa kata kerja atau bukan. Kata masukan akan dipecah menjadi kata dasar dan imbuhan jika kata masukan merupakan kata kerja dan terdapat dalam KBBI yang disesuaikan. Kata dasar dari kata masukan didapat dari pencarian pada KBBI Stemming Kata masukan yang telah melalui praproses dan tidak terdapat dalam KBBI akan masuk ke dalam proses stemming. Proses stemming adalah proses pencarian kata dasar dengan menghilangkan kemungkinan imbuhan yang melekat pada kata dasar. Oleh karena itu, langkah awal proses stemming yaitu pencarian kemungkinan awalan dan akhiran yang melekat pada kata masukan. Proses stemming akan mengolah kata masukan untuk mendapatkan kata dasar yang sesuai. Karena sistem tidak mengetahui imbuhan apa saja yang harus dihilangkan agar kata dasar ditemukan, berbagai kemungkinan awalan dan akhiran pada kata masukan dihilangkan. Tahap tersebut menghasilkan beberapa calon kata dasar. Sistem melakukan pengecekan pada tiap calon kata dasar. Kata dasar yang didapat dari proses stemming harus berada pada KBBI. Jika tidak, proses tersebut tidak akan menghasilkan data imbuhan dan kategori kata dasar yang diperlukan untuk penentuan word graph. Proses stemming pada modul word graph kata kerja dibuat sesuai dengan aturan pembentukan word graph kata kerja pada penelitian Muslik (2009). Penentuan word graph kata kerja Pengecekan word graph kata kerja dilakukan setelah data yang diperlukan didapat. Data tersebut berupa imbuhan dan kategori kata dasar dari kata masukan. Data untuk penentuan word graph kata kerja dapat berasal dari proses pengecekan langsung pada KBBI ataupun melalui proses stemming terlebih dahulu. Penentuan word graph kata kerja dilakukan dengan mencocokkan kategori kata dasar dan imbuhan yang didapat dengan aturan pembentukan word graph kata kerja berdasarkan penelitian Muslik (2009). Pembangkitan word graph kata kerja Pembangkitan word graph kata kerja dilakukan jika kata masukan memenuhi kondisi aturan pembentukan kata kerja tertentu. Word graph yang sesuai kemudian digambarkan dan ditampilkan pada kanvas yang tersedia. Kata

15 7 dasar masukan dan kata masukan juga termasuk dalam komponen penggambaran word graph kata kerja. 3 Perancangan Database Database yang digunakan dalam sistem ini bernama kamus. Tabel yang digunakan untuk modul kata kerja terdiri atas dua buah tabel yaitu tabel Entry dan tabel PolaKataKer. Data yang terdapat pada KBBI disimpan ke dalam tabel Entry. Tabel Entry terdiri atas empat field yaitu EntryId, Word, Category, dan Stem. Field EntryId sebagai primary key tabel Entry, sedangkan field Word berisi kata dalam bahasa Indonesia, baik yang berupa kata dasar maupun kata turunan yang sudah terdapat imbuhan di dalamnya. Field Category berisi kategori dari kata pada field Word, seperti v (kata kerja), n (kata benda), dan sebagainya. Field Stem berisi kata dasar dari kata pada field Word. Beberapa kata turunan dapat memiliki kata dasar yang sama. Contoh isi tabel Entry dapat dilihat pada Tabel. Tabel 1 Contoh isi tabel Entry 4 Implementasi Antarmuka Antarmuka KG_EDITOR terdiri atas menu bar dan kanvas sistem. Terdapat dua menu pada menu bar, yaitu menu File dan menu Modul. Tampilan awal KG_EDITOR pada saat dijalankan adalah menu bar pada bagian atas window dan di bawahnya terdapat kanvas yang masih dalam keadaan kosong. Menu File hanya berisi satu submenu yaitu Exit untuk keluar dari sistem, sedangkan menu Modul terdiri atas tiga submenu yaitu Kata Keterangan, Kata Benda, dan Kata Kerja. Pengguna dapat memilih salah satu submenu jenis kata yang diinginkan, kemudian input dialog box akan muncul. Pembangkitan word graph kata kerja dapat dilakukan dengan memilih submenu Kata Kerja atau dengan menekan tombol shortcut CTRL + J pada keyboard. Terdapat sebuah text field pada input dialog box sebagai media bagi pengguna untuk memasukkan kata yang ingin ditampilkan dalam bentuk word graph. Tampilan submenu dan input dialog box sistem dapat dilihat pada Gambar 4 dan Gambar 5. EntryId Word Category Stem tingkat n tingkat bertingkat v tingkat meningkat v tingkat meningkatkan v tingkat Gambar 4 Tampilan menu Modul sistem peningkatan n tingkat Tabel PolaKataKer dalam database kamus digunakan dalam proses pengecekan aturan pembentukan word graph kata kerja. Tabel tersebut terdiri atas empat field, yaitu walan, JenisKD, khiran, dan Pola. Sesuai dengan nama field tersebut, masingmasing field berisi awalan, kategori kata dasar, akhiran, dan nama pola word graph dari suatu kata kerja. Contoh isi tabel PolaKataKer dapat dilihat pada Tabel 2. Tabel 2 Contoh isi tabel 'PolaKataKer' Awalan JenisKD Akhiran Pola me v kan 2 di a kan 3 ber v an 5 ke n an 6 Gambar 5 Tampilan input dialog box. Peringatan sistem ditampilkan dalam bentuk dialog box. Pesan peringatan pada dialog box akan muncul bila kata masukan tidak memenuhi kondisi tertentu. Kondisi-kondisi tersebut adalah kata masukan tidak boleh kosong, berisi lebih dari satu kata (dipisahkan oleh spasi), ataupun terdapat simbol atau numerik. Tampilan peringatan pada dialog box untuk tahap praproses dapat dilihat pada Lampiran 3. Pesan peringatan untuk kata masukan dapat muncul setelah praproses terpenuhi, yaitu dalam pengecekan pada KBBI. Pesan peringatan akan muncul seperti Gambar 6 jika kategori kata masukan bukan merupakan v atau kata kerja.

16 8 Gambar 6 Tampilan peringatan masukan bukan kata kerja. Pesan peringatan muncul tidak hanya pada kesalahan dalam memasukkan kata masukan ke sistem, tetapi pesan peringatan juga muncul setelah proses stemming dilakukan. Calon-calon kata dasar yang diperoleh kemudian dicek keberadaannya pada KBBI. Jika semua calon tidak memenuhi kondisi yang diberikan atau proses stemming tidak menghasilkan kata dasar yang sesuai, pesan peringatan seperti pada Gambar 7 akan muncul. Gambar 7 Tampilan peringatan kata dasar tidak ditemukan. Jika tidak terdapat kata dasar yang dikenali, aturan pembentukan word graph kata masukan juga tidak dapat ditemukan sehingga word graph tidak dapat ditampilkan. Selain itu, jika data yang didapat tidak memenuhi aturan pembentukan kata kerja, pola juga tidak dapat ditemukan. Pesan peringatan akan ditampilkan pada kanvas jika kondisi tersebut terjadi. Tampilan pesan peringatan tersebut dapat dilihat pada Gambar 8. Gambar 8 Tampilan peringatan pada kanvas. 5 Implementasi Fungsional Praproses Tahap awal pembangkitan word graph kata kerja yaitu praproses yang bertujuan untuk membatasi nilai masukan. Kata masukan harus berupa kata tunggal atau tidak mengandung spasi ( ). Kata tunggal juga dapat berupa kata berulang, baik berimbuhan maupun tidak, yang dihubungkan dengan tanda hubung (-). Kata masukan tidak boleh mengandung numerik atau simbol dan kata masukan tidak boleh kosong. Sistem dapat menerima kata masukan yang berupa huruf kapital, huruf kecil, atau gabungan keduanya karena kata masukan akan diubah ke dalam huruf kecil semua pada proses sistem. Class yang digunakan pada tahap ini adalah class CekInputKerja. Kata masukan akan diproses ke tahap selanjutnya jika keadaan pada tahap praproses terpenuhi. Jika tidak terpenuhi, kata masukan tidak akan diproses ke tahap selanjutnya dan sistem akan menampilkan pesan peringatan. Contoh kata masukan yang diberikan pengguna adalah mengairi. Kata tersebut akan melalui proses pengecekan apakah sesuai dengan kondisi yang diperbolehkan sistem. Berdasarkan pengecekan, kata mengairi memenuhi kondisi sistem dan dapat diproses ke tahap selanjutnya. Pengecekan KBBI Kata masukan yang telah lolos tahap praproses kemudian diperiksa apakah kata tersebut terdapat dalam KBBI yang disesuaikan. Proses pengecekan ini dilakukan oleh class Kata. Proses yang terjadi ketika dilakukan pengecekan yaitu sistem akan memeriksa apakah kata masukan terdapat pada KBBI yang disesuaikan, yang dalam penelitian ini disimpan pada tabel Entry. Pemeriksaan kata masukan pada KBBI dilakukan dengan menggunakan method Kata(). Kata masukan diperiksa apakah terdapat dalam field Word atau tidak. Kategori kata masukan akan diperiksa jika kata tersebut terdapat dalam field Word. Kategori kata masukan didapat dengan mencari dalam field Category. Kategori kata masukan tersebut harus berupa v atau kata kerja jika kata masukan terdapat dalam KBBI. Kemudian, diambil data kata dasar dari kata masukan dalam field Stem. Sistem akan menampilkan pesan peringatan jika kategori kata masukan bukan berupa kata kerja. Kata dasar tidak perlu dicari lagi karena jika kata masukan terdapat dalam KBBI, kata dasarnya langsung diperoleh. Kata dasar yang didapat kemudian diperiksa kembali kategorinya. Setelah itu, akan dicari imbuhan dari kata masukan berdasarkan kata dasarnya. Proses pencarian imbuhan dilakukan dengan menghilangkan kata dasar yang didapat dari kata masukan. Data yang didapat dari proses ini

17 9 adalah imbuhan, kata dasar, dan kategori kata dasar dari masukan. Contoh kata masukan yang telah lolos tahap praproses adalah mengairi. Kemudian, kata tersebut akan dicek keberadaannya pada KBBI. Kata tersebut terdapat dalam KBBI yang disesuaikan. Data kategori dan data kata dasar dari kata masukan didapat dengan menggunakan kueri "select Category, Stem from entry where Word ='"+input+"'", sedangkan data kategori kata dasar didapat dengan menggunakan kueri "select Category from entry where Word ='"+kata_dasar+"'". Data awalan didapat dengan mengambil substring kata masukan mulai dari indeks ke nol sampai indeks kata dasar berada dan data akhiran didapat dengan mengambil substring kata masukan dari indeks kata dasar berada ditambah panjang kata dasar sampai akhir string kata masukan. Data yang didapat dari kata masukan mengairi, yaitu kategori kata v, kata dasar air, kategori kata dasar n, awalan meng, dan akhiran i. Stemming Kata masukan akan melalui proses stemming jika kata masukan tidak ditemukan dalam field Word. Stemming adalah pencarian kata dasar dengan menghilangkan kemungkinan imbuhan pembentuk kata kerja yang melekat. Diagram proses stemming dapat dilihat pada Gambar 9. Proses stemming dilakukan dengan menggunakan class Stem pada method runstem(). Tahap awal proses stemming yaitu mencari calon awalan kemudian mencari calon akhiran dari kata masukan. Kata Masukan Cari Calon Awalan Cari Calon Akhiran Calon Awalan 1, Calon Awalan 2, Calon Akhiran 1, Calon Akhiran 2, Buang, Luluh Cari Calon Kata Dasar Pilih Kata Dasar yang Paling Sesuai Tidak Semua CKD tidak ada pada KBBI? Cek Calon Kata Dasar di KBBI Tampilkan Pesan Peringatan Gambar 9 Diagram proses stemming. Ya Pencarian calon awalan dilakukan dengan menggunakan method runawalan(). Calon awalan didapat dengan melihat beberapa huruf pertama dari kata masukan. Terdapat dua calon awalan yaitu calon_awalan1 dan calon_awalan2, namun calon_awalan2 dapat berupa string kosong. Data lain yang didapat yaitu luluh dan buang. Kedua data tersebut didapat jika kata masukan memenuhi kondisi tertentu. Berikut adalah contoh kode program untuk mendapatkan awalan: 210 private void runawalan(string input){ 222 else if(input_kata.startswith("me")){ 223 calon_awalan1 = "me"; 225 if(input.startswith("men")){ 226 if(input.startswith("meng")){ 227 calon_awalan2 = "meng"; 228 luluh = "k"; 229 buang = "ng"; 230 } 241 } 257 } 302 } Data yang didapat setelah menjalankan method runawalan() dapat dilihat pada Tabel 3. Kolom walan Kata berisi kemungkinan awalan dari kata masukan, kolom C W berisi data calon_awalan1, kolom C W2 berisi data calon_awalan2, kolom B berisi data buang, dan kolom L berisi data luluh. Data buang dan luluh digunakan untuk kata yang mengalami peluruhan. Kata masukan diperiksa apakah kata tersebut diawali dengan salah satu substring pada kolom walan Kata, kemudian didapatkan data yang sesuai dengan kondisi kata masukan. Data yang didapat berdasarkan contoh kode program yang diberikan, yaitu calon_awalan me, calon_awalan2 meng, buang ng, dan luluh k. Tabel 3 Data pencarian calon awalan Awalan Kata CAW1 CAW2 B L diper- di diper - r di- di meng- me meng ng k meny- me meny ny s men- me men n t memper- me memper - r mem- me mem m p ter- te ter r - ber- ber be r - ke- ke - - -

18 10 Calon akhiran didapat dengan melihat beberapa huruf terakhir dari kata masukan. Pencarian akhiran dilakukan dengan menggunakan method runakhiran(). Akhiran untuk pembentukan kata kerja terdiri atas -i, -an, dan -kan. Calon akhiran dari tiap kata masukan juga dapat terdiri atas satu atau dua calon akhiran. Pencarian akhiran dengan method runakhiran() dapat dilihat pada contoh kode berikut: 304 private void runakhiran(string input){ 305 if(input.endswith("an")){ 306 calon_akhiran1 = "an"; 307 if(input.endswith("kan")){ 308 calon_akhiran2 = "kan"; 309 } 310 } 314 } Kata masukan yang memiliki dua calon akhiran hanya kata masukan dengan substring kan pada akhir kata, seperti yang ditampilkan pada Tabel 4. Sama seperti pencarian awalan, kolom khiran Kata berisi kemungkinan akhiran dari kata masukan, kolom C K berisi data calon_akhiran1, dan kolom C K2 berisi data calon_akhiran2. Tabel 4 Data pencarian calon akhiran Akhiran Kata CAK1 CAK2 -an an - -kan an kan -i i - Calon kata dasar didapat dari kata masukan yang telah dipotong berbagai kemungkinan imbuhan berdasarkan calon awalan dan calon akhiran. Urutan kemungkinan calon kata dasar yang diperoleh dapat dilihat pada Tabel 5. Urutan tersebut memengaruhi hasil dari proses stemming. Hasil dari proses pemotongan imbuhan pada kata masukan yaitu didapatkan beberapa calon kata dasar. Calon kata dasar dapat terdiri atas enam atau sembilan kata, sesuai dengan jumlah calon akhiran. Calon kata dasar berjumlah enam jika calon akhiran hanya berjumlah satu, sedangkan jika calon akhiran berjumlah dua, calon kata dasar akan berjumlah sembilan. Baris nomor 4, 5, dan 6 pada Tabel 5 tidak dipakai jika calon kata dasar hanya berjumlah enam. Contoh cara pembacaan data tabel tersebut yaitu pada calon kata dasar baris kedua. Kata masukan dihilangkan substring calon_awalan2 pada awal kata dan substring calon_akhiran1 pada akhir kata untuk mendapat calon kata. Penambahan substring luluh dilakukan pada awal calon kata. Tabel 5 Urutan pencarian calon kata dasar No Calon Kata Dasar 1 masukan - awalan 1 - akhiran 1 2 luluh + (masukan - awalan 2 - akhiran 1) 3 masukan - awalan 2 - akhiran 1 4 masukan - awalan 1 - akhiran 2 5 luluh + (masukan - awalan 2 - akhiran 2) 6 masukan - awalan 2 - akhiran 2 7 masukan - awalan 1 8 luluh + (masukan - awalan 2) 9 masukan - awalan 2 Semua calon kata dasar yang didapat kemudian diperiksa apakah terdapat dalam KBBI dan dicari kata dasarnya. Kemudian, dicari kategori dari kata dasar tersebut. Pengecekan calon kata dasar dilakukan oleh method cekcalon(). Suatu status ditambahkan untuk memeriksa hasil stemming. Status tersebut bernilai yes atau no. Status akan bernilai yes jika calon kata dasar terdapat dalam KBBI, calon kata dasar sama dengan kata dasar yang didapat dari KBBI, dan kategori dari kata dasar memiliki suatu nilai tertentu. Status akan bernilai no jika keadaan tersebut tidak terpenuhi. Data yang didapat tersebut disimpan ke dalam array dua dimensi. Setiap kolom berisi calon kata dasar, calon awalan, calon akhiran, kata dasar, kategori kata dasar, dan status, sedangkan tiap baris berisi calon kata dasar yang dapat berjumlah enam ataupun sembilan. Kata dasar yang didapat dianggap benar jika status bernilai yes dan akan disimpan untuk proses selanjutnya. Pesan peringatan akan muncul jika tidak terdapat calon kata dasar yang memenuhi kondisi yang diberikan. Kata dasar yang didapat melalui proses stemming harus terdapat dalam KBBI meskipun kata masukan tidak terdapat dalam KBBI, karena kategori kata dasar diperlukan untuk menentukan pola word graph kata kerja dan data kategori kata dasar tidak dapat diperoleh jika kata dasar tidak terdapat dalam KBBI. Kata dasar akan diambil dan digunakan pada tahap selanjutnya jika terdapat lebih dari satu kata dasar dengan status bernilai yes, yaitu kata pertama yang didapat sesuai dengan urutan baris yang terdapat pada array dua dimensi yang dibuat. Data yang didapat dari proses stemming berupa imbuhan, kata dasar, dan kategori kata dasar.

19 11 Contoh kata yang tidak terdapat dalam KBBI yaitu bertabrakan. Pada pencarian awalan dan akhiran diperoleh data calon_awalan be, calon_awalan2 ber, buang r, calon_akhiran an, dan calon_akiran2 kan. Calon kata dasar berjumlah sembilan karena terdapat dua calon akhiran. Gambar 10 memperlihatkan hasil dari proses stemming. Status yang bernilai yes ditemukan pertama kali pada baris kedua. Oleh karena itu, data yang didapat pada baris tersebut digunakan untuk tahap selanjutnya. Data yang didapat yaitu awalan ber, akhiran an, kata dasar tabrak, dan kategori kata dasar v. Gambar 10 Contoh hasil stemming pada kata bertabrakan. Penentuan word graph kata kerja Tahap selanjutnya yaitu pengecekan aturan pembentukan word graph kata kerja dengan menggunakan data yang telah didapat. Pengecekan dilakukan dengan mencocokkan data dengan tabel PolaKataKer dalam database kamus. Data imbuhan dan kategori kata dasar dibandingkan dengan data yang terdapat dalam tabel, kemudian dikembalikan nama word graph kata kerja yang memenuhi kondisi tersebut. Class yang digunakan dalam penentuan pola word graph kata kerja adalah class PolaKataKer. Pengecekan pola word graph langsung mengembalikan nama pola yang didapat dari database. Kueri untuk pengecekan pola pada method cekpola() yaitu "select Pola from polakataker where " + "Awalan ='"+ data1[4]+"' AND " + "JenisKD ='"+ data1[3]+"' AND " + "Akhiran ='"+ data1[5]+"'". Sebagai contoh, kata masukan mengairi yang telah diproses sebelumnya akan dicek pada tabel PolaKataKer. Hasilnya, kata mengairi termasuk pada Pola 2. Pembangkitan word graph kata kerja Pola word graph yang didapat tersebut kemudian digambarkan. Penggambaran pola terdiri atas komponen pembentuk word graph kata kerja. Kata dasar yang didapat juga termasuk salah satu komponen dalam penggambaran pola word graph kata kerja. Pola word graph yang dihasilkan kemudian ditampilkan pada kanvas KG_EDITOR yang tersedia. Proses pembangkitan word graph kata kerja juga masih menggunakan class yang sama dengan penentuan pola, yaitu class PolaKataKer. Setiap word graph kata kerja dibangkitkan pada method yang berbeda tetapi masih berada dalam satu class PolaKataKer. Berikut adalah contoh pembangkitan Pola 1 yang terdapat pada method Pola1() dan drawpola() dalam class PolaKataKer : 235 public void Pola1(int x, int y, Graphics2D gd){ 236 FPar fr = new FPar (x-10, y-20, 240, 100); 237 Ali ali1 = new Ali(x+50, y+20); 238 Ali ali2 = new Ali(x+230, y+20); 239 TokenF f1 = new TokenF(x,y); gd.drawstring("word GRAPH KATA KERJA - POLA 1", 10,15); 242 fr.drawframefokus(gd); 243 f1.drawtokenf(gd); 244 ali1.drawalikiri(gd); 245 ali2.drawalikiri(gd); 246 gd.drawstring(data1[2], x+160, y+30); 247 gd.drawstring(data1[0], x+335, y+30); 248 } 440 public void drawpola(graphics2d gd){ 441 if(a==1) { 442 Pola1(50,50,gd); 443 } 471 else { 472 gd.drawstring("pola tidak dapat ditemukan", 10,20); 473 } 474 } Penggambaran word graph ditentukan oleh variabel integer berisi koordinat tiap komponen yang menentukan posisi penggambaran komponen pada kanvas. Selain itu, penggambaran frame juga ditentukan oleh variabel integer berisi data panjang dan lebar frame. Kemudian, pola digambarkan oleh method drawpola(). Sistem akan menampilkan pesan bahwa pola tidak ditemukan seperti pada Gambar 8 jika data yang didapat tidak sesuai dengan aturan pembentukan word graph kata kerja. Hasil pembangkitan Pola 1 tersebut dapat dilihat pada Gambar 11 dengan contoh kata masukan berada. Gambar 11 Contoh hasil pembangkitan Pola 1.

20 12 Class diagram dan sequence diagram keseluruhan modul word graph kata kerja dapat dilihat pada Lampiran 4 dan Lampiran 5. 6 Lingkungan Implementasi Modul word graph kata kerja pada KG_EDITOR dikembangkan dalam lingkungan implementasi perangkat keras dan perangkat lunak dengan spesifikasi sebagai berikut: 1 Perangkat keras Intel Core Duo CPU GHz RAM 3 GB Monitor, keyboard dan mouse 2 Perangkat lunak Microsoft Windows 7 Ultimate sebagai sistem operasi Java 6.0 sebagai bahasa pemrograman NetBeans 6.8 sebagai IDE (Integrated Development Environment) XAMPP sebagai aplikasi penyedia database MySQL Customer Test-drives Mock-up Mock-up yang dibuat sudah sesuai dengan kebutuhan pengguna. Sistem dapat menampilkan word graph kata kerja baik yang terdapat dalam KBBI maupun yang tidak terdapat dalam KBBI. Kata masukan sudah dapat dicek bentuk word graph-nya didasarkan pada aturan pembentukan kata kerja. Word graph yang didapat dari pengecekan aturan pembentukan kata kerja kemudian digambarkan dan ditampilkan pada kanvas. Kesalahan muncul pada saat pengguna memasukkan kata kerja yang berupa pengulangan. Sistem tidak dapat memproses kata masukan berupa pengulangan. Oleh karena itu sistem juga tidak dapat memperoleh word graph kata kerja kata masukan yang dimaksud. Terdapat empat word graph yang memiliki aturan pembentukan berupa kata kerja berulang, yaitu Pola 4, Pola 8, Pola 9, dan Pola 10. Keempat pola tersebut tidak dapat dibangkitkan oleh mock-up hasil iterasi pertama. Hasil pengujian mock-up iterasi pertama dapat dilihat lebih rinci pada Lampiran 6 sampai dengan Lampiran 15. Iterasi 2 Listen to Customer Hal yang dilakukan pada iterasi kedua yaitu memperbaiki kesalahan yang didapat pada mock-up sebelumnya. Kesalahan tersebut didapat dari hasil pengujian mock-up oleh pengguna. Kesalahan yang didapat pada mockup hasil dari iterasi pertama yaitu sistem tidak dapat menampilkan word graph kata kerja dengan kata masukan berupa kata kerja berulang, baik yang terdapat dalam KBBI maupun tidak. Sistem membutuhkan suatu fungsi yang dapat mengakomodasi kata masukan berupa kata berulang sehingga kata masukan dapat diproses dan word graph kata kerja dapat dibangkitkan. Sistem harus dapat mengakomodasi kata berulang, baik yang terdapat dalam KBBI maupun yang tidak. Kata berulang yang tidak terdapat dalam KBBI harus dapat dilakukan proses stemming. Revise Mock-up Revisi dilakukan terhadap mock-up yang dibuat sebelumnya berdasarkan hasil evaluasi pada iterasi pertama. Tahap awal proses pembangkitan word graph adalah tahap praproses yang sudah sesuai dengan kebutuhan pengguna, namun agar dapat mengakomodasi kata kerja berulang ditambahkan fungsi untuk mengecek apakah terdapat tanda hubung pada kata masukan. Kata masukan yang telah lolos tahap praproses kemudian dilakukan pengecekan pada KBBI pada class Kata. Kata masukan yang terdapat tanda hubung atau berupa pengulangan akan dipecah menjadi dua kata, yaitu kata pertama dan kata kedua. Tanda hubung sebagai pemisah antara kata pertama dan kata kedua. Tiap kata kemudian dilakukan pengecekan pada KBBI. Data dari kedua kata langsung didapat jika kedua kata terdapat dalam KBBI, sama seperti pengecekan langsung kata masukan pada KBBI yang dilakukan pada iterasi pertama. Pada salah satu atau kedua kata, akan dilakukan proses stemming dengan memanggil class Stem jika kata tidak ditemukan pada KBBI. Proses stemming tiap kata sama seperti proses stemming pada kata tidak berulang yang telah dijelaskan sebelumnya. Data tiap kata yang dihasilkan sama dengan data yang dihasilkan pada iterasi pertama. Data yang didapat digunakan untuk pengecekan word graph berdasarkan aturan pembentukan kata kerja. Pengecekan dilakukan dengan mencocokkan data dengan tabel PolaKataKer, namun tidak semua aturan pembentukan word graph kata kerja terdapat dalam tabel tersebut. Kata kerja yang berupa pengulangan tidak dapat langsung dicek. Kemudian, pada kata yang telah dipecah menjadi dua bagian, dilakukan pengecekan word graph untuk masing-masing kata. Beberapa aturan pembentukan word graph kata kerja memiliki struktur yang sama

21 13 sehingga dikelompokkan dalam satu pola, tetapi untuk mengakomodasi kata kerja yang berupa pengulangan diperlukan penanda pada suatu pola pembentukan. Beberapa pola kemudian dipecah menjadi beberapa subpola, seperti Pola 1 yang dibedakan menjadi Pola 1a dan Pola 1b yang menghasilkan word graph yang sama. Pola 1a yaitu pola Kata Kerja Dasar (KKD) dan Pola 1b yaitu pola ber-kkd. Pola lain yang dipecah yaitu Pola 2, dibedakan menjadi Pola 2a dan Pola 2, sedangkan Pola 6 dibedakan menjadi Pola 6a, Pola 6b, dan Pola 6. Pola 2a yaitu pola meng-/mem-/me-kkd, Pola 6a yaitu pola meng-/mem-/me-ks, dan Pola 6b yaitu pola meng-/mem-/me-kb. Hal tersebut dilakukan sebagai penanda suatu word graph tertentu saja, namun tetap akan menghasilkan word graph yang sama. Misalnya, Pola 1a dan Pola 1b tetap menghasilkan word graph yang sama jika dibangkitkan, yaitu word graph kata kerja Pola 1. Word graph kata berulang didapat dengan memeriksa aturan pembentukan masing-masing kata (Pola1 dan Pola2). Pengecekan pola word graph tiap kata, sama dengan pengecekan pola word graph kata tidak berulang pada iterasi pertama. Pola pembentukan tiap kata tersebut kemudian dijadikan sebagai kondisi untuk pengembalian salah satu nama pola word graph kata kerja. Pengecekan Pola1 sama seperti kueri pada pengecekan pola kata tidak berulang, sedangkan untuk kata kedua digunakan kueri "select Pola from polakataker where " + "Awalan ='"+ data2[4]+"' AND " + "JenisKD ='"+ data2[3]+"' AND " + "Akhiran ='"+ data2[5]+"'". Tabel 6 Pola pembentukan kata berulang Pola1 Pola2 Pola Word Graph Pola 2a Pola 1a Pola 4 Pola 6a Pola Adj Pola 4 Pola 6b Pola Nou Pola 4 Pola 1a Pola 1a Pola 8 Pola 1a Pola 2a Pola 9 Pola 1b Pola 1a Pola 10 Pola 5 Pola Adj Pola 10 Pola 5 Pola Nou Pola 10 Aturan pembentukan kata berulang dapat dilihat pada Tabel 6. Pola Adj dan Pola Nou merupakan pola tambahan untuk mengakomodasi kata berulang yang berisi kata sifat dan kata benda dasar. Kedua pola tersebut tidak akan menghasilkan word graph pada modul kata kerja. Nama pola word graph kata kerja dikembalikan jika Pola1 dan Pola2 memenuhi kondisi yang diberikan. Sistem akan menampilkan pesan peringatan jika tidak terdapat pola yang sesuai dengan pola pembentukan word graph kata kerja berdasarkan penelitian Muslik (2009). Contoh kata masukan berulang yaitu tembak-menembak. Kata tersebut tidak terdapat dalam KBBI sehingga kata akan masuk ke dalam proses stemming. Kata pertama tembak terdapat dalam KBBI, setelah dilakukan pengecekan didapat data berupa data kategori kata v, kata dasar tembak, kategori kata dasar v, awalan, dan akhiran. Kata kedua menembak juga terdapat dalam KBBI. Data yang didapat dari kata tersebut, yaitu kategori kata v, kata dasar tembak, kategori kata dasar v, awalan men, dan akhiran. Berdasarkan data tersebut didapatkan pola kata pertama atau Pola1 berupa Pola 1a, dan kata kedua atau Pola2 berupa Pola 2a. Sesuai dengan pola pembentukan kata berulang pada Tabel 3, jika Pola1 merupakan Pola 1a dan Pola2 merupakan Pola 2a maka pola word graph kata masukan tembak-menembak yang dihasilkan yaitu Pola 9. Customer Test-drives Mock-up Mock-up pada iterasi kedua dibuat sesuai kebutuhan pengguna berdasarkan evaluasi pada hasil iterasi pertama. Sistem sudah dapat memproses kata masukan yang berupa kata berulang dengan cara memecah kata menjadi dua bagian. Pengecekan pola word graph tiap kata sudah dapat dilakukan dan menghasilkan word graph kata kerja yang sesuai dengan kata berulang sebagai masukan. Pengujian dengan kata masukan yang termasuk word graph Pola 8, Pola 9, dan Pola 10 sudah sesuai dengan aturan pembentukan word graph kata kerja. Beberapa kata masukan berulang yang temasuk Pola 4 tidak dapat dibangkitkan word graph kata kerja berdasarkan aturan pembentukannya. Pola 4 tidak dapat dibangkitkan jika kata masukan yang diberikan berupa kata berulang dengan kata kedua meluruh dan tidak memiliki imbuhan. Proses pencarian data kata kedua baik pada pengecekan KBBI maupun proses stemming tidak mendapatkan hasil yang sesuai. Word graph beberapa kata masukan yang termasuk pada Pola 4 tidak dapat dibangkitkan oleh mock-up hasil iterasi kedua. Hasil pengujian mock-up iterasi kedua untuk kata berulang dapat dilihat lebih rinci pada Lampiran 16 sampai dengan Lampiran 19.

22 14 Iterasi 3 Listen to Customer Iterasi ketiga dilakukan karena masih terdapat kesalahan pada mock-up hasil dari iterasi kedua. Hal yang dilakukan pada iterasi ketiga adalah memperbaiki kesalahan yang didapat pada mock-up sebelumnya. Kesalahan yang didapat pada mock-up hasil dari iterasi kedua adalah sistem tidak dapat menampilkan word graph beberapa kata kerja berulang yang termasuk Pola 4. Kata berulang dengan kata kedua berupa kata dasar yang meluluh dan tidak terdapat awalan tidak dapat dibangkitkan word graph yang sesuai. Contoh kata yang dimaksud yaitu seperti kata kedua nari pada kata menarinari. Sistem membutuhkan suatu fungsi yang dapat mengakomodasi kata masukan berupa kata berulang dengan kata kedua berupa kata dasar yang meluruh dan tidak terdapat awalan, sehingga kata masukan dapat diproses dan word graph kata kerja dapat dibangkitkan. Revise Mock-up Kata yang tidak dapat dibangkitkan word graph-nya yaitu kata masukan berupa pengulangan dengan kata kedua berupa kata dasar yang meluluh dan tidak memiliki awalan. Kata kedua tersebut sudah pasti tidak terdapat pada KBBI. Oleh karena itu, revisi yang dilakukan pada iterasi ketiga yaitu memperbaiki fungsi stemming agar dapat mengakomodasi kata kedua yang meluruh dan tidak memiliki awalan. Method yang digunakan untuk memperbaiki mock-up hasil iterasi kedua yaitu masih menggunakan method runawalan(). Method tersebut digunakan juga untuk mengakomodasi fungsi stemming yang digunakan hanya untuk kata kedua yang mengalami peluruhan, namun tidak terdapat awalan. Data yang didapat pada pencarian awalan untuk proses stemming kata kedua hanya berupa buang dan luluh saja. Berikut adalah contoh kode program pada method runawalan() untuk kata kedua: 210 private void runawalan(string input){ 282 else { 287 else if(input_kata.startswith("n")){ 296 else{ 297 buang = "n"; 298 luluh = "t"; 299 } 300 } 301 } 302 } Kedua kata hasil pemecahan kata berulang kemudian dilakukan pengecekan pada KBBI. Kedua kata akan dilakukan proses stemming lagi dengan memanggil class Stem jika tidak terdapat dalam KBBI. Proses stemming pada kata pertama sama seperti proses stemming kata tidak berulang pada iterasi sebelumnya. Proses stemming pada kata kedua sedikit berbeda dengan proses stemming pada kata pertama. Stemming yang dilakukan yaitu stemming untuk mengakomodasi kata kedua yang meluluh namun tidak memiliki awalan. Setelah itu, jika masih belum ditemukan kata dasar yang sesuai, akan dilakukan proses stemming biasa, seperti stemming pada kata pertama. Jumlah calon kata dasar pada iterasi ketiga bertambah satu untuk mengakomodasi kata kedua pada kata berulang. Calon kata dasar menjadi berjumlah tujuh jika calon akhiran hanya satu, sedangkan jika terdapat dua calon akhiran maka calon kata dasar berjumlah sepuluh. Kata menari-nari tidak terdapat dalam KBBI sehingga perlu dilakukan proses stemming. Tahap selanjutnya yaitu pemecahan kata menjadi kata menari dan kata nari. Kata pertama menari terdapat dalam KBBI, lalu didapat data awalan men, akhiran, kata dasar tari, dan kategori kata dasar n. Kata kedua nari tidak terdapat pada KBBI, kemudian dilakukan stemming untuk kata kedua. Data yang didapat untuk kata nari, yaitu buang n, luluh t, dan calon akhiran i. Calon akhiran hanya berjumlah satu sehingga calon kata dasar dari kata masukan menarinari berjumlah tujuh. Gambar 12 menunjukkan hasil stemming untuk kata kedua nari. Gambar 12 Contoh hasil stemming pada kata kedua nari. Data yang didapat dari proses stemming untuk kata kedua, yaitu awalan, akhiran, kata dasar tari, dan kategori kata dasar n. Berdasarkan data tersebut, didapat Pola1 berupa Pola 6b dan Pola2 berupa Pola Nou. Sesuai dengan pola pembentukan kata berulang pada Tabel 3, jika Pola1 merupakan Pola 6b dan Pola2 merupakan Pola Nou maka pola word graph kata menari-nari yang dihasilkan yaitu Pola 4.

23 15 Customer Test-drives Mock-up Iterasi ketiga dilakukan untuk mengakomodasi kesalahan pada hasil iterasi kedua. Hasil iterasi ketiga sudah dapat memenuhi kebutuhan pengguna untuk kata berulang. Kata berulang dengan kata kedua yang mengalami peluruhan sudah dapat diproses pada proses stemming. Pola 4 sudah dapat dibangkitkan seluruhnya karena fungsi stemming sudah dilakukan perbaikan sehingga dapat mengakomodasi kata kedua yang mengalami peluruhan. Hasil pengujian mock-up iterasi ketiga dapat dilihat lebih rinci pada Lampiran 20. Analisis Hasil Pengujian Keseluruhan Pengujian sistem dilakukan dengan metode pengujian black box, yaitu pengujian yang memeriksa apakah masukan dari pengguna memberikan keluaran yang sesuai dengan tidak memperhatikan proses di dalamnya. Sejumlah kata masukan diturunkan untuk melatih seluruh kebutuhan fungsional. Pengujian sistem ini dilakukan dengan menguji berbagai macam kemungkinan masukan berdasarkan aturan pembentukan kata kerja. Setiap kekurangan dan penambahan requirement pada saat pengujian kemudian diperbaiki sehingga dapat memenuhi kebutuhan sistem. Hasil pengujian dari modul pembangkitan word graph kata kerja yaitu diperoleh akurasi pengujian sebesar 98,57%. Jumlah kata yang diuji berjumlah 140 kata yang terdiri atas kata pengujian tiap word graph kata kerja. Terdapat pola pembentukan kata kerja pada word graph kata kerja yang tidak dapat dikenali secara tepat. Word graph kata kerja yang terdapat kata kerja dasar terikat (DT) tidak dapat dibangkitkan karena data yang didapatkan dari KBBI tidak mengakomodasi keterangan mengenai kata kerja dasar terikat, yaitu kata kerja yang tidak dapat berdiri sendiri tanpa penambahan imbuhan seperti pada kata alir. Oleh karena itu, DT hanya akan terdeteksi sebagai kata kerja biasa. Pola tersebut akan terdeteksi sebagai Pola 2. Word graph lain yang tidak dapat dibangkitkan, disebabkan karena sistem tidak bisa membedakan jenis kata kerja transitif dan intransitif. Kata masukan merupakan kata tunggal sehingga kata kerja dianggap sebagai kata kerja intransitif yang tidak perlu terikat dengan objek. Hal tersebut menyebabkan pola pembentukan yang memerlukan kata kerja transitif yaitu pola ter- KKDt(-i) pada Pola 3 terdeteksi sebagai Pola 7. Sistem juga tidak dapat menentukan pola pembentukan dengan kata dasar berupa frasa preposisional (FP) karena kata dasar berupa FP tidak terdapat pada KBBI. Kesalahan penentuan word graph terjadi pada Pola 5 dengan pola pembentukan ber- KKan yaitu kata kerja dengan awalan ber- yang bertemu dengan kata dasar dengan akhiran yang tidak dapat dipisahkan, sedangkan pada Pola 6 terdapat pola pembentukan ber-kk-an, yaitu kata kerja yang memiliki awalan ber- dan akhiran -an. Sistem tidak dapat memeriksa kata dasar yang memiliki imbuhan yang telah melekat, sistem akan langsung memisahkan kata dasar dengan imbuhan yang terdeteksi. Oleh karena itu, pola ber-kkan (Pola 5) terdeteksi sebagai pola ber-kk-an (Pola 6). Kekurangan modul word graph kata kerja juga terdapat pada penggambaran relasi. Relasi ALI yang menunjuk dari dan ke token yang sama, hanya digambarkan oleh garis berupa lingkaran tidak penuh tetapi tidak terdapat tanda panah pada ujungnya. Selain itu, fungsi stemming tidak dapat mengakomodasi kata masukan dengan kata dasar yang terdiri atas satu suku kata, namun kata masukan tersebut dapat diproses jika terdapat dalam KBBI. KESIMPULAN DAN SARAN Kesimpulan Berdasarkan penelitian yang dilakukan, sebuah modul word graph kata kerja pada sistem KG_EDITOR telah dibangun. Pembuatan modul word graph kata kerja dikembangkan dengan menggunakan bahasa pemrograman Java berbasis desktop. Modul word graph kata kerja pada KG_EDITOR dapat mengenali 10 word graph kata kerja berdasarkan masukan yang diberikan oleh pengguna. Pengujian modul word graph kata kerja pada KG_EDITOR menghasilkan akurasi sebesar 98,57%. Jumlah kata yang diuji berjumlah 140 kata kerja. Sebanyak 2 dari 140 kata tersebut tidak dapat dibangkitkan word graph kata kerja yang sesuai. Kesalahan dapat terjadi karena terdapat dua pola yang memiliki struktur yang sama sehingga mengakibatkan kesalahan pendeteksian word graph kata kerja.modul word graph kata kerja pada KG_EDITOR secara garis besar sudah cukup berhasil karena telah mampu membangkitkan pola aturan word graph kata kerja sesuai dengan hasil penelitian yang dilakukan oleh Muslik (2009).

24 16 Saran Beberapa saran yang dapat dilakukan pada sistem KG_EDITOR untuk pengembangan penelitian ini adalah: 1 Perbaikan kelengkapan isi KBBI. 2 Pengembangan modul serupa untuk aturan lain dalam bahasa Indonesia seperti kata tugas, frasa kata, atau klausa. 3 Perbaikan untuk menggambarkan relasi ALI dari dan ke token yang sama, yaitu terdapat tanda panah pada ujungnya. 4 Penambahan modul untuk memodifikasi word graph yang telah dibangkitkan. 5 Pembentukan XML sebagai penyimpanan, perpindahan, dan pertukaran data agar dapat menggabungkan antarpola. DAFTAR PUSTAKA Alwi H, Dardjowidjojo S, Lapoliwa H, Moeliono AM Tata Bahasa Baku Bahasa Indonesia. Ed ke-3. Jakarta: Balai Pustaka. Deitel PJ, Deitel HM Java How to Program. Ed ke-7. New Jersey: Prentice Hall. Deo N Graph Theory with Applications to Engineering and Computer Science. New Jersey: Prentice Hall. Finoza L Komposisi Bahasa Indonesia. Jakarta: Diksi Insan Mulia. Henry C Penambahan modul pembentukan word graph kata kerja pada aplikasi BogorDelftConstruct [skripsi]. Bogor: Departemen Ilmu Komputer, FMIPA, Institut Pertanian Bogor. Hoede C, Nurdiati S A Graph Theoretical Analysis of Certain Aspects of Bahasa Indonesia. Enschede: Departemen Penerapan Matematika, Universitas Twente, Belanda. Muslik A Analisis pembentukan word graph kata kerja menggunakan metode knowledge graph [tesis]. Bogor: Sekolah Pascasarjana, Institut Pertanian Bogor. Pressman RS Software Engineering: A Practitioner s Approach. Ed ke-5. New York: McGraw Hill. Romadoni D Pengembangan sistem pembentukan word graph untuk teks berbahasa Indonesia [skripsi]. Bogor: Departemen Ilmu Komputer, FMIPA, Institut Pertanian Bogor. Walayatullah MTS Pengembangan KG_EDITOR berbasis Java desktop untuk modul kata keterangan [skripsi]. Bogor: Departemen Ilmu Komputer, FMIPA, Institut Pertanian Bogor. Zhang L Knowledge graph theory and structural parsing [disertasi]. Enschede: Universitas Twente, Belanda. Zukowski, J Java AWT Reference. Sebastopol, C : O Reilly Media, Inc.

25 LAMPIRAN 17

26 18 Lampiran 1 Pola word graph kata kerja No. Pola 1 Pola Pembentuk Kata Kerja Kata Kerja Dasar (KKD) Ber-KKD Meng-/mem-/me-KKD Meng-/mem-/me-KKD-kan Meng-/mem-/me-Kata Benda (KB)-kan Word Graph ALI KKD Meng-/mem-/me-Kata Sifat (KS)-kan Meng-/mem-/me-Frasa Preposisional (FP)-kan CAU CAU 2 Meng-/mem-/me-KKD-i Meng-/mem-/me-KB-i Meng-/mem-/me-KS-i ALI KD Memper-KKD-kan/i Memper-KB Memper-KS (-i) 3 Di-KKDtransitif-(-i/-kan) Ter-KKDtransitif (-i) Di-KB-i Diper-KS CAU CAU ALI KD 4 Meng-/mem-/me-Kata Ulang (KU) CAU ALI CAU ALI KD Ber-KB PAR 5 Ber-KS Ber-KKan Ber-KKD-an KD ALI 6 Ber-KB-kan Meng-/mem-/me-KS Meng-/mem-/me-KB Meng-/mem-/me-Dasar Terikat (DT) CAU KD ALI Ke-KKD/KB/KS-an

27 19 Lampiran 1 Pola word graph kata kerja (lanjutan) No. Pola Pola Pembentuk Kata Kerja Word Graph CAU 7 Ter-KKDintransitif-(i) KD ALI ALI 8 Kata Kerja Dasar Ulang (KKDU) ALI CAU KKD D CAU 9 KKD-meng-/mem-/me-KKD KKD ALI 10 Ber-Kata Dasar (KD)-KD CAU KD ALI ALI

28 20 Lampiran 2 Diagram alir modul word graph kata kerja KG_EDITOR Mulai Kata Masukan Cek Masukan (CekInputKerja) Ya Kosong, > 1 kata, Numerik? Tidak Cek KBBI (Kata) Terdapat dalam KBBI? Ya Tidak Tampilkan Pesan Peringatan Tidak Stemming berhasil? Stemming (Stem) Olah Data (Kata) Tidak Ya Pola sesuai? Ya Menentukan Pola (PolaKataKer) Imbuhan, Kata Dasar, Jenis KD Membangkitkan Pola (PolaKataKer) Menampilkan Pola (PolaKataKer) Selesai

29 21 Lampiran 3 Tampilan peringatan tahap praproses 1 Tampilan peringatan kata masukan kosong 2 Tampilan peringatan kata masukan mengandung simbol atau angka 3 Tampilan peringatan kata masukan lebih dari satu kata