IMPLEMENTASI ALGORITMA CAVERPHONE 2.0 UNTUK PENCARIAN KATA BERDASARKAN KEMIRIPAN PENGUCAPAN PADA APLIKASI KAMUS INGGRIS- INDONESIA

Transkripsi

1 IMPLEMENTASI ALGORITMA CAVERPHONE 2.0 UNTUK PENCARIAN KATA BERDASARKAN KEMIRIPAN PENGUCAPAN PADA APLIKASI KAMUS INGGRIS- INDONESIA Andreas Tommy Christiawan, Arief Andy Soebroto, Achmad Ridok Prodi Teknik Informatika Universitas Brawijaya, Malang, ABSTRAK Pronounciation atau dianggap sulit oleh sebagian orang karena ada beberapa bunyi yang tidak ada dalam Indonesia. Untuk mencari kata memiliki kemiripan digunakan beberapa algoritma salah satunya adalah algoritma Caverphone 2.0. Algoritma Caverphone 2.0 mengubah setiap kata menjadi kode fonetis sehingga diketahui kata Inggris apa saja yang memiliki kemiripan. Implementasi algoritma Caverphone 2.0 dalam kamus Inggris-Indonesia membantu seseorang untuk mengasah kemampuan pronounciation ber Inggris. Analisis kebutuhan dilakukan dengan menganalisis Use Case Diagram. Implementasi perancangan menggunakan pemrograman Java. Pengujian fungsionalitas terhadap 6 tindakan dalam use case diagram dengan metode black-box testing menunjukkan bahwa Kamus Inggris-Indonesia dengan algoritma Caverphone 2.0 ini telah memenuhi kebutuhan yang telah dijabarkan pada tahap analisis kebutuhan. Hasil pengujian ini menunjukkan bahwa kualitas hasil keluaran Kamus Inggris-Indonesia menggunakan algoritma Caverphone adalah 69.60% untuk awal kata, 53.50% untuk tengah kata, dan 65.34% untuk akhir kata. Kata Kunci: algoritma caverphone 2.0, kamus inggris-indonesia, metode phonetic string matching. I. PENDAHULUAN Bahasa Inggris merupakan salah satu resmi di dunia yang digunakan untuk berkomunikasi. Dalam perkembangan teknologi saat ini, Inggris merupakan suatu hal yang wajib dikuasai khususnya di dalam dunia bisnis dan pergaulan internasional. Untuk menguasai Inggris diperlukan pembelajaran se terus menerus atau menggunakan sarana lain yakni dengan bantuan alat penerjemah yang dalam hal ini adalah kamus [1]. Pronounciation atau adalah salah satu hal terbesar yang dilihat orang dari Inggris. Pronounciation harus dipelajari meskipun banyak orang menganggap bisa berkomunikasi Inggris dengan baik. Oleh karena itu, pronounciation dianggap susah oleh sebagian orang karena ada beberapa bunyi yang tidak ter dalam Indonesia[2]. Ter lebih dari 40 bunyi Inggris dari 26 alfabet. Sistem pengejaan Inggris selalu gagal untuk merepresentasikan sebuah keambiguan bunyi kata-kata. Alfabet fonetik digunakan untuk menangani masalah keambiguan bunyi karena setiap simbol merepresentasikan satu bunyi dan setiap bunyi direpresentasikan hanya oleh satu simbol [3]. Kata kunci atau biasa disebut dengan query pada pencarian informasi digunakan sebagai kriteria pencarian yang tepat dan sesuai dengan kebutuhan. Ejaan kata kunci yang benar menjadi penting untuk meningkatkan hasil pencarian informasi [4]. Kesalahan penulisan ejaan diminimalisir dengan menggunakan metode pencarian string yang bagus [5]. Metode Pencocokan String se garis besar dibedakan menjadi dua yaitu pencocokan string se eksak (exact string matching) dan pencocokan string berdasarkan kemiripan (inexact string matching). Pencocokan berdasarkan kemiripan dibedakan lagi menjadi dua yaitu berdasarkan kemiripan penulisan (approximate string matching) dan berdasarkan kemiripan (phonetic string matching) [5]. Salah satu algoritma untuk pencocokan string berdasarkan kemiripan adalah 1

2 Implementasi Algoritma Caverphone 2.0 Untuk Pencarian Kata Berdasarkan Kemiripan Pengucapan Pada Kamus Inggris-Indonesia algoritma Caverphone. Algoritma Caverphone mempunyai dua buah versi yaitu Caverphone dan Caverphone 2.0. Algoritma Caverphone 2.0 yang merupakan salah satu algoritma untuk proses phonetic string matching digunakan untuk pencocokan kata inggris se umum Berdasarkan latar belakang yang telah dipaparkan, maka rumusan masalah dari penelitian ini yaitu: 1. Bagaimana perancangan Kamus Inggris-Indonesia menggunakan Algoritma Caverphone 2.0? 2. Bagaimana implementasi dan pengujian Kamus Inggris-Indonesia menggunakan Algoritma Caverphone 2.0? suatu (language). Menurut Jones Daniel sebagaimana dikutip oleh [5], konsonan didasarkan pada alat bi yang menghasilkannya dibedakan menjadi tujuh kelompok. Sedangkan menurut artikulasinya dibedakan menjadi 8 kelompok. Berikut ini adalah tabel pembagian konsonan Inggris berdasarkan alat bi yang menghasilkan dan artikulasinya. Tabel I. Pembagian Konsonan Bahasa Inggris 2. TINJAUAN PUSTAKA 2.1 Sistem Temu Kembali Informasi Arti dari Sistem Temu Kembali Informasi (Information Retrieval) menjadi sangat luas. Untuk beberapa tujuan, ada sedikitnya 3 tujuan yang ingin dicapai dalam penggunaan Sistem Temu Kembali Informasi (Information Retrieval) yaitu [6]: 1. Untuk memproses koleksi dokumen yang besar se cepat. 2. Untuk melakukan operasi pencocokan yang lebih fleksibel. 3. Untuk menkan perankingan hasil temu kembali. 2.2 Metode Phonetic String Matching Pembetulan bunyi (Phonetic Correction) adalah kesalahan pengejaan yang muncul karena kesalahaan user dalam memasukkan query yang memiliki bunyi seperti istilah target [6]. Ada beberapa algoritma yang cukup sering digunakan untuk proses phonetic string matching di antaranya adalah soundex, metaphone, dan caverphone [5]. Se umum, langkah yang ditempuh algoritma phonetic string matching dalam pencocokan kata adalah: 1. Menerima input berupa dua string yang akan dicocokkan. 2. Mengubah dua string masukan menjadi dua buah kode fonetis (phonetic code). 3. Membandingkan dua buah kode fonetis yang dihasilkan, jika kode fonetis sama maka dua string dianggap cocok (mirip ), jika kode fonetis berbeda maka dua string dianggap tidak cocok. 2.3 Fonetik Bahasa Inggris Menurut Bertil Malmberg sebagaimana dikutip oleh [5], fonetik (phonetics) adalah ilmu yang menyelidiki bunyi tanpa melihat fungsi bunyi itu sebagai pembeda makna dalam 2.4 Algoritma Levenshtein Distance Algoritma Levenshtein atau sering disebut dengan Levenshtein distance atau edit distance merupakan algoritma pencarian jumlah perbedaan string yang ditemukan oleh Vladimir Levenshtein, seorang ilmuwan Rusia, pada tahun 1965 [5]. Levenshtein distance antara dua string ditentukan berdasarkan jumlah minimum perubahan/ pengeditan yang diperlukan untuk melakukan transformasi dari satu bentuk string ke bentuk string yang lain. 2.5 Algoritma Caverphone 2.0 Algoritma Caverphone untuk phonetic string matching dikembangkan pertama kali oleh David Hood dalam proyek Caversham, Universitas Otago, New Zealand pada tahun Pada saat itu, algoritma ini hanya dikhususkan untuk pencocokan string nama dalam inggris saja. 2.6 Bahasa Pemrograman Java Java adalah pemrograman serbaguna. Java mendukung sumber daya internet yang saat ini populer yaitu Worl Wide Web atau yang sering disebut web saja. Java juga mendukung aplikasi klien/ server, baik dalam jaringan lokal (LAN) maupun jaringan berskala luas (WAN) [4]. Gambar 1. Proses Pembentukan dan Eksekusi Program di dalam Java

3 Bahasa pemrograman Java menerapkan dua proses utama yaitu berperan sebagai compiler dan interpreter. Kode program yang ditulis dengan Java akan dikompilasi oleh compiler menjadi suatu kode objek yang disebut Bytecode. Selanjutnya, Bytecode akan dieksekusi baris demi baris oleh interpreter. 3. METODOLOGI PENELITIAN 3.1 Studi Literatur Studi literatur menjelaskan dasar teori yang digunakan untuk menunjang penelitian. Teoriteori tersebut meliputi : 1. Sistem Temu Kembali Informasi (STKI) / Information Retrieval 2. Dasar teori fonetik Inggris 3. Dasar teori metode phonetic string matching 4. Dasar teori algoritma Levenshtein Distance 5. Dasar teori algoritma Caverphone Bahasa Pemrograman Java 7. Bahasa Pemodelan UML 3.2 Analisis Kebutuhan Analisis kebutuhan bertujuan untuk menentukan semua kebutuhan yang diperlukan untuk membangun perangkat lunak. Analisis kebutuhan dilakukan dengan menganalisis diagram use case. Masukan yang dibutuhkan aplikasi kamus inggris-indonesia menggunakan algoritma Caverphone 2.0 ini terdiri dari kata inggris yang diinputkan user sebagai kata kunci query untuk proses phonetic string matching. Keluaran aplikasi berupa daftar kata yang memiliki kemiripan bunyi dengan kata kunci masukan user beserta arti kata tersebut dalam Indonesia dan nya. 3.3 Perancangan Perancangan yang akan dilakukan meliputi perancangan aplikasi, perancangan basis data, perancangan algoritma, dan perancangan antarmuka. Gambar 2 menunjukkan diagram blok dari aplikasi kamus Inggris-Indonesia menggunakan algoritma Caverphone 2.0. untuk melakukan identifikasi terhadap aktor yang akan berinteraksi dengan aplikasi. ini memiliki aktor yang disebut user/ pengguna. Pengguna memasukkan kata ingin diketahui artinya dalam Indonesia. Jika pengguna memasukkan kata Inggris, maka pengguna akan melihat daftar kata Inggris lain yang memiliki kemiripan dengan kata Inggris masukan. Selain itu, pengguna juga melihat bantuan pembacaan alfabet fonetik. Diagram use case adalah salah satu diagram untuk memodelkan aspek perilaku aplikasi. Diagram use case menunjukkan sekumpulan use case, aktor, dan hubungannya. Use case merupakan fungsionalitas aplikasi yang diinisialisasi oleh aktor. Pemodelan diagram use case untuk aplikasi kamus Inggris-Indonesia menggunakan algoritma Caverphone 2.0 dilihat pada gambar 3. Gambar 3. Diagram Use Case Class diagram adalah diagram kelas yang akan diimplementasikan pada aplikasi kamus Inggris-Indonesia. Pada kelas diagram ini ter 5 buah kelas yaitu main class, kelas koneksi, kelas query, kelas fonetik, dan kelas levenshtein. Pemodelan class diagram untuk aplikasi kamus Inggris-Indonesia dilihat pada gambar 4. Gambar 2. Diagram Blok Tahap identifikasi aktor mempunyai tujuan Gambar 4. Diagram Class 3

4 Implementasi Algoritma Caverphone 2.0 Untuk Pencarian Kata Berdasarkan Kemiripan Pengucapan Pada Kamus Inggris-Indonesia Database atau basis data berfungsi sebagai tempat menyimpan data. Tahap perancangan basis data digunakan untuk merancang basis data yang akan dibuat agar masukan dan keluaran aplikasi sesuai dengan apa yang diharapkan. Perancangan basis data akan dijelaskan dalam bentuk Entity Relationship Diagram (ERD) dan physical diagram. Physical diagram merupakan salah satu bentuk pemodelan entity dan relationship se fisik. Dalam pemodelan physical diagram objek yang sebelumnya dikenal sebagai entity akan dikenali sebagai tabel, dan objek yang sebelumnya dikenal sebagai atribut akan dikenali sebagai kolom. Perancangan physical diagram untuk aplikasi kamus Inggris-Indonesia dilihat pada gambar 5. Gambar 5. Struktur Tabel Penyimpanan Data Perancangan algoritma dalam pembuatan aplikasi kamus Inggris-Indonesia ini akan dibahas seputar perancangan algoritma caverphone 2.0 dan algoritma levenshtein distance. Algoritma caverphone 2.0 digunakan untuk menemukan kata memiliki kemiripan, sedangkan algoritma levenshtein distance digunakan untuk suggested word atau kata rujukan jika kata masukan user tidak ditemukan dalam database. Proses yang terjadi dalam algoritma Levenshtein Distance adalah dengan mencari jarak antar kata yang dibandingkan. Jarak antar kata tersebut dikan dari 3 proses utama yaitu ada tidaknya penghapusan, ada tidaknya penyisipan, dan ada tidaknya penukaran string yang berdekatan. Kemudian dari jarak tersebut akan dikan jarak terpendek dari dua buah kata yang dibandingkan. Diagram alir algoritma Levenshtein Distance dilihat pada gambar 6. Gambar 6. Diagram Alir Algoritma Levenshtein Distance Proses yang terjadi dalam algoritma Caverphone 2.0 adalah dengan mencari kode fonetis dari dua String yang dibandingkan. Kemudian ditentukan apakah kedua String memiliki kode fonetis yang sama atau tidak. Jika kedua String memiliki kode fonetis yang sama, maka kedua String dianggap memiliki kemiripan bunyi. Sebaliknya, jika kedua String memiliki kode fonetis yang berbeda, maka kedua String dianggap tidak memiliki kemiripan bunyi. Diagram alir yang proses algoritma Caverphone 2.0 dilihat pada gambar 7. Gambar 7. Diagram Alir Algoritma Caverphone 2.0 Perancangan antarmuka aplikasi kamus Inggris-Indonesia menggunakan algoritma

5 Caverphone 2.0 dilihat pada gambar di bawah ini. Gambar 8. Perancangan Antarmuka Halaman Home Gambar 9. Perancangan Antarmuka Halaman Bantuan 4. HASIL DAN PEMBAHASAN 4.1 Desain Desain aplikasi dijelaskan menggunakan diagram alir pada gambar 10. proses yang dilakukan Kamus Inggris- Indonesia menggunakan Algoritma Caverphone 2.0: 1. User/ pengguna memasukkan kata kunci ingin diketahui artinya dalam Indonesia. 2. akan melakukan pengecekan kesesuaian kata yang dengan kata pada database kamus. 3. Jika kata yang memiliki kesesuaian dengan kata pada kamus, maka dilanjutkan ke metode phonetic string matching. 4. Dalam metode phonetic string matching digunakan algoritma caverphone 2.0 yang akan menghitung kode fonetis dari kata kunci yang oleh pengguna. 5. kemudian akan melakukan pencocokan kode fonetis dari kata kunci dengan kode fonetis setiap kata yang ada pada database kamus. 6. akan arti kata kunci yang dalam Indonesia beserta nya. Selain itu, juga akan ditampilkan daftar kata Inggris lain yang memiliki kemiripan beserta arti dan nya. 7. Jika kata yang tidak memiliki kesesuaian dengan kata pada kamus, maka dilanjutkan ke metode approximate string matching. 8. Dalam metode approximate string matching digunakan algoritma levenshtein distance yang akan menghitung jarak dari kata kunci yang pengguna dengan kata yang ada dalam database kamus. 9. kemudian akan menkan jarak terpendek dari kata kunci dengan kata yang ada pada database kamus. 10. akan daftar kata yang dari database kamus dengan jarak terpendek untuk mengoreksi kata kunci yang salah. 4.2 Penghitungan Algoritma Caverphone 2.0 Proses yang terjadi pada algoritma caverphone 2.0 adalah dengan melakukan perubahan dari kata menjadi kode fonetis. Perubahan kata menjadi kode fonetis dilakukan dengan mengubah setiap karakter sesuai aturan yang telah ditetapkan algoritma caverphone 2.0. Untuk menggambarkan hasil perhitungan dari algoritma caverphone 2.0, maka akan dijelaskan contoh hasil perhitungan kode fonetis pada tabel III. Gambar 10. Diagram Alir Proses Berikut ini adalah penjelasan tahap-tahap Tabel III. Contoh Penghitungan Kode Fonetis 5

6 Implementasi Algoritma Caverphone 2.0 Untuk Pencarian Kata Berdasarkan Kemiripan Pengucapan Pada Kamus Inggris-Indonesia Rule Caverphone 2.0 Contoh Kata Masukan Awal Akhir factual cough cou2f rough rou2f tough tou2f enough enou2f trough trou2f gn 2n mb m2 cq 2q ci si ce se cy sy tch 2ch c k faktual q k x k v f dg 2g tio sio tia sia d t ph fh b p sh s2 z s huruf vokal awal A huruf vokal lain 3 f3kt33l j y y3 awal kata Y3 y awal kata A y 3 3gh3 3kh3 gh 22 g k kumpulan huruf s S kumpulan huruf t T f3kt33l kumpulan huruf p P kumpulan huruf k K f3kt33l kumpulan huruf f F F3KT33l kumpulan huruf m M kumpulan huruf n N w3 W3 wh3 Wh3 w pada karakter paling akhir 3 W 2 h karakter awal A h selain karakter awal 2 r3 R3 r pada karakter paling akhir 3 r 2 l3 L3 l pada karakter paling akhir 3 F3KT333 L 2 menghilangkan semua karakter 2 3 pada karakter terakhir A F3KT33A menghilangkan semua karakter 3 FKTA menambahkan 10 karakter 1 di akhir kata FKTA mengambil 10 karakter pertama sebagai kode fonetis FKTA Penerapan Metode Phonetic String Matching Se umum, langkah yang ditempuh algoritma phonetic string matching dalam pencocokan kata adalah sebagai berikut: 1. Menerima input berupa dua string yang akan dicocokkan. 2. Mengubah dua string masukan menjadi dua buah kode fonetis (phonetic code). 3. Membandingkan dua buah kode fonetis yang dihasilkan, jika kode fonetis sama maka dua string dianggap cocok (mirip ), jika kode fonetis berbeda maka dua string dianggap tidak cocok. Penerapan metode Phonetic String Matching dalam aplikasi menggunakan algoritma Caverphone 2.0. Penerapan metode tersebut dalam aplikasi dilihat pada gambar 11. Gambar 11. Penerapan Metode Phonetic String Matching menggunakan Algoritma Caverphone 2.0 pada 4.4 Implementasi Implementasi perangkat lunak dilakukan dengan mengacu kepada perancangan aplikasi. Implementasi aplikasi menggunakan database MySQL dan pemrograman Java. Implementasi antarmuka aplikasi tampak pada gambar di bawah ini. Gambar 12. Tampilan Antarmuka

7 4.5 Pengujian Fungsionalitas Sistem Pengujian fungsionalitas digunakan untuk mengetahui apakah aplikasi yang dibangun benar sesuai dengan yang dibutuhkan. Pengujian validasi menggunakan metode pengujian Black Box, karena tidak difokuskan terhadap alur jalannya algoritma program namun lebih ditekankan untuk menemukan kesesuaian antara kinerja aplikasi dengan daftar kebutuhan. Tabel IV hasil pengujian fungsionalitas sistem terhadap 6 tindakan dalam use case diagram dengan metode black-box testing adalah 100% valid. Hal ini menunjukkan bahwa fungsionalitas sistem berjalan dengan baik sesuai dengan daftar kebutuhan sistem. No Kasus Uji 6 Bantuan Hasil yang Diharapkan Inggris lain atau suggested word kata lain yang tersedia dalam kamus pembacaan alfabet fonetis sesuai atura IPA (International Phonetic Alphabet) Hasil yang Dikan Inggris lain atau suggested word kata lain yang tersedia dalam kamus pembacaan alfabet fonetis sesuai atura IPA (International Phonetic Alphabet) Status Tabel IV. Hasil Pengujian Fungsionalitas Sistem No Kasus Uji Hasil yang Hasil yang Diharapkan Dikan Status 1 Input kata Inggris 2 Arti kata Inggris 3 Pengucapan kata Inggris 4 Kata Inggris yang mirip 5 Cek kata tidak tersedia kata arti kata kata kata Inggris lain yang memiliki kemiripan dengan kata daftar rujukan kata kata arti kata kata kata Inggris lain yang memiliki kemiripan dengan kata daftar rujukan kata 4.6 Pengujian Algoritma Pengujian akurasi dilakukan untuk mengetahui performa dari algoritma Caverphone 2.0 dalam menemukan kata yang memiliki kemiripan. Data yang diuji berjumlah 10 data untuk setiap jenis klasifikasi konsonan. Prosedur pengujiannya dilihat pada gambar 13. Gambar 13. Proses Pengujian Akurasi Hasil pengujian akurasi dari data yang telah diuji ditunjukkan pada Tabel V. 7

8 Implementasi Algoritma Caverphone 2.0 Untuk Pencarian Kata Berdasarkan Kemiripan Pengucapan Pada Kamus Inggris-Indonesia Tabel V. Hasil Pengujian Akurasi 5. SIMPULAN Berdasarkan hasil perancangan dan pengujian yang dilakukan diambil kesimpulan sebagai berikut: 1. Implementasi algoritma Caverphone 2.0 pada aplikasi kamus Inggris-Indonesia digunakan untuk mencari arti kata Inggris dalam Indonesia beserta nya. Selain itu juga digunakan untuk menemukan kata Inggris lain yang memiliki kemiripan. 2. Akurasi yang dikan dari pengujian algoritma Caverphone 2.0 dikan sebesar 69.60% untuk kemiripan pada awal kata, 53.50% untuk kemiripan pada tengah kata, dan 65.34% untuk kemiripan pada akhir kata. 3. Akurasi terendah yang dikan dari pengujian algoritma Caverphone 2.0 adalah jenis klasifikasi konsonan Fricative dental (26.04%), Fricative palato-alveolar (32.66%), Fricative glottal (38.83%), dan Semi-vowel palatal (44,37%). Saran yang diberikan untuk pengembangan aplikasi kamus Inggris-Indonesia menggunakan algoritma Caverphone 2.0 ini agar aplikasi menjadi lebih baik antara lain: 1. Untuk pengembangan lebih lanjut, proses pengubahan kata menjadi kode fonetis pada algoritma Caverphone 2.0 lebih ditingkatkan khususnya pada jenis klasifikasi konsonan Fricative dental yaitu konsonan th, Fricative palato-alveolar yaitu konsonan sh, Fricative glottal yaitu konsonan h, dan Semivowel bilabial yaitu konsonan y dikarenakan 4 jenis klasifikasi konsonan ini memiliki tingkat akurasi yang paling rendah. 2. Untuk pengembangan lebih lanjut, proses pengubahan kata menjadi kode fonetis pada algoritma Caverphone2.0 harus memperhitungkan pula hubungan antar huruf dalam suatu kata, sehingga ditentukan dengan jelas perubahan bunyi dari setiap huruf. 3. Untuk pengembangan lebih lanjut, aplikasi ini dikembangkan dengan menggunakan algoritma yang berbeda atau memperbaiki algoritma Caverphone DAFTAR PUSTAKA [1] Hamka, Dimas, Muhammad Sobri, dan Syahril Rizal Kamus Inggris Indonesia Indonesia Inggris pada Platform Android. Universitas Bina Darma. Palembang. [2] Noor, Mohamad Rizal Ortografi Bahasa Inggris dan Transkripsi Fonetik. ortografi--inggris-dan-transkripsifonetik/. (diakses 19 September 2012). [3] Pacidda, Masdin Pengantar English Pronounciation. ntar-english-pronunciation. (diakses 19 september 2012). [4] Sutisna, Utis dan Julio Adisantoso Koreksi Ejaan Query Bahasa Indonesia menggunakan Algoritme Damerau Levenshtein. Departemen Ilmu Komputer. Institut Pertanian Bogor. [5] Syaroni, Mokhammad dan Rinaldi Munir Pencocokan String berdasarkan Kemiripan Ucapan (Phonetic String Matching) dalam Bahasa Inggris. Makalah dalam Seminar Nasional Teknologi Informasi. Yogyakarta, 18 Juni 2005.