Modul Word Graph Kata Benda Pada KG_Editor

4
Listen to
customer
Build or revise
mock-up
HASIL DAN PEMBAHASAN
Analisis Pola Word Graph Kata Benda
Penelitian ini didasarkan pada penelitian
Saleh (2009). Hasil penelitian Saleh (2009)
adalah 20 pola pembentukan word graph kata
benda berikut:
Customer
test drives
mock-up
Gambar 1 Diagram metode pengembangan
prototype.
1 Listen to Customer
Tahap listen to customer merupakan tahap
untuk melakukan pengumpulan kebutuhan
pengguna (requirements gathering). Pihak
pengembang dan pengguna bertemu dan
mendeskripsikan tujuan keseluruhan dari
perangkat lunak, mengidentifikasi kebutuhankebutuhan, dan menguraikan permintaan
pengguna (Pressman 2001).
2 Build or Revise Mock-up
Tahap build or revise mock-up merupakan
tahap perencanaan dan perancangan prototype
yang berfokus pada representasi aspek-aspek
dari perangkat lunak yang terlihat oleh
pengguna (contoh: pendekatan input dan format
output) (Pressman 2001).
3
Customer Test Drives Mock-up
Customer test drives mock-up merupakan
tahap evaluasi yang dilakukan oleh pengguna
untuk mengetahui apakah prototype yang
dibangun telah sesuai dengan kebutuhan
pengguna (Pressman
2001). Tahap ini
dilakukan melalui proses pengujian. Pengujian
pada penelitian ini dilakukan dengan
menggunakan metode black box. Metode
pengujian black box menitikberatkan pengujian
sistem pada fungsi kebutuhan software. Model
pengujian ini tidak memperhatikan bagaimana
proses yang terjadi di dalam sistem, melainkan
hanya mempertimbangkan hasil keluaran saja
(Pressman 2001).
Sistem yang telah selesai dibangun
selanjutnya dihitung tingkat akurasinya.
Sejumlah kata benda dimasukkan ke dalam
skenario pengujian untuk selanjutnya dihitung
tingkat akurasinya. Penghitungan akurasi
dilakukan dengan menghitung jumlah kata yang
dikenali dan sesuai dengan pola word graph.
Akurasi =
Ʃ Kata yang benar
x 100%
Ʃ Kata yang diuji
1 Pola kata benda dasar (KBD).
2 Pola pe-kata kerja (KK) 1, yang bermakna
orang yang KK.
3 Pola pe-KK 2, yang bermakna orang yang
KK, sesuatu yang KK atau alat KK.
4 Pola pe-KK 3, yang bermakna orang atau
sesuatu yang di-KK atau dijadikan KK.
5 Pola pe-kata benda (KB) 1, yang bermakna
orang yang berhubungan dengan KB.
6 Pola pe-KB 2, yang bermakna orang atau
sesuatu yang berhubungan dengan KB.
7 Pola pe-kata sifat (KS) 1, yang bermakna
orang yang KS.
8 Pola pe-KS 2, yang bermakna orang atau
sesuatu yang me-KS.
9 Pola KK-an, yang bermakna objek atau
akibat dari KK.
10 Pola KB-an, yang bermakna sesuatu yang
bergantung pada KB.
11 Pola KS-an, yang bermakna sesuatu yang
mempunyai sifat KS.
12 Pola kata bilangan.
13 Pola pe-KK-an 1, yang bermakna perbuatan
atau hal KK, dengan KK adalah kata kerja
transitif.
14 Pola pe-KK-an 2, yang bermakna perbuatan
atau hal KK, dengan KK adalah kata kerja
tak transitif.
15 Pola pe-KB-an 1, yang bermakna hal yang
berkaitan dengan KB.
16 Pola pe-KB-an 2, yang bermakna perbuatan
me-KB-kan.
17 Pola pe-KS-an, yang bermakna perbuatan
me-KS-kan.
18 Pola ke-kata dasar (KD)-an.
19 Pola ke-KD.
20 Pola kata benda yang belum terpolakan
(KBT).
Berdasarkan penelitian Saleh (2009), polapola pembentukan word graph kata benda
dikelompokkan berdasarkan imbuhan dan kata
dasar dari suatu kata benda. Setiap jenis
imbuhan dan kata dasar yang membentuk suatu
kata memiliki makna tertentu. Tidak semua pola
word graph yang dihasilkan pada penelitian
Saleh (2009) digunakan dalam penelitian ini.
Penelitian ini hanya menggunakan 19 pola,
mulai dari pola pertama sampai dengan pola ke19.
5
Penambahan Modul Word Graph Kata
Benda pada KG_EDITOR
Proses penambahan modul word graph kata
benda menggunakan metode pengembangan
prototype. Proses ini dilakukan sebanyak dua
kali iterasi. Iterasi pertama merupakan proses
pembuatan sistem secara keseluruhan. Iterasi
kedua merupakan perbaikan atas kesalahan
yang terjadi pada iterasi pertama. Perbaikan
sistem dilakukan berdasarkan hasil pengujian
dan evaluasi yang dilakukan oleh pengguna.
1 Iterasi Pertama
1.1 Listen to Customer
Tahap pertama penambahan modul word
graph kata benda adalah mendefinisikan
keinginan pengguna. Tahapan ini dilakukan
untuk mendapatkan spesifikasi KG_EDITOR
berdasarkan kebutuhan pengguna. Analisis
terdiri atas deskripsi umum sistem, kebutuhan
sistem, batasan sistem, karakteristik pengguna,
dan deskripsi proses sistem.
1.1.1 Deskripsi Umum
KG_EDITOR merupakan sebuah tools yang
digunakan
untuk
menganalisis
kata
menggunakan metode KG (Walayatullah
2011).
KG_EDITOR
dikembangkan
menggunakan bahasa pemrograman Java
berbasis desktop dengan tujuan memperbaiki
kekurangan dari sistem BogorDelftConstruct
yang
dikembangkan
melalui
penelitian
sebelumnya.
Sistem
BogorDelftConstruct
dikembangkan dengan bahasa pemrograman
MATLAB yang bersifat close platform. Oleh
karena itu, KG_EDITOR dikembangkan dengan
bahasa pemrograman Java karena Java bersifat
open source.
Modul word graph kata benda merupakan
bagian dari sistem KG_EDITOR. Modul ini
berfungsi untuk menampilkan word graph dari
suatu kata benda sesuai dengan input yang
diberikan pengguna.
1.1.2 Kebutuhan Sistem
Modul word graph kata benda untuk
KG_EDITOR membutuhkan sebuah textfield
agar pengguna dapat memasukkan input
sehingga dapat diproses oleh sistem. Selain itu,
sistem ini juga membutuhkan data yang terdapat
di dalam Kamus Besar Bahasa Indonesia
(KBBI) untuk dimasukkan ke dalam database.
KBBI berfungsi dalam proses pengecekan input
dan stemming kata untuk memperoleh word
graph yang sesuai dengan pola kata benda yang
telah disimpan di dalam sistem. Fungsi
stemming juga dibutuhkan oleh sistem ini untuk
menangani input kata berimbuhan. Selain itu,
KG_EDITOR ini juga membutuhkan fungsifungsi
yang
akan
digunakan
untuk
menampilkan pola-pola word graph kata benda
pada kanvas.
1.1.3 Batasan Sistem
Batasan-batasan yang terdapat pada sistem
ini adalah sebagai berikut:
 Input kata yang dapat diproses dalam sistem
ini hanya berupa kata benda tunggal (satu
kata).
 Proses stemming manual tidak berlaku untuk
kata-kata yang mengandung sisipan dan
imbuhan asing.
 Sistem hanya mengimplementasikan 19 pola
word graph kata benda dari 20 pola yang
dihasilkan pada penelitian Saleh (2009).
Pola word graph kata benda yang digunakan
dalam penelitian ini dapat dilihat pada
Lampiran 1.
 Sistem hanya dapat menampilkan word
graph kata benda, namun tidak dapat
menyimpan dan memodifikasi hasil dari
pembentukan word graph.
 Penggambaran
relasi
hanya
dapat
digambarkan secara vertikal dan horizontal.
1.1.4 Sasaran Pengguna
Pengguna sistem KG_EDITOR bukan
orang awam yang tidak mengerti konsep KG,
khususnya word graph, karena KG_EDITOR
bukanlah sistem untuk mempelajari konsep KG.
Sistem ini dibuat untuk orang-orang yang telah
mengerti konsep KG karena output dari sistem
ini adalah berupa word graph yang merupakan
bagian dari konsep KG.
1.1.5 Deskripsi Proses Sistem
Tampilan awal KG_EDITOR ketika pertama
kali dijalankan berupa kanvas kosong sebagai
tampilan default sistem. Operasi pembentukan
word graph kata benda dimulai dengan memilih
menu „Modul‟ yang terdapat di sudut kiri atas
sistem, kemudian memilih submenu „Kata
Benda‟. Sebuah dialog box muncul sebagai
respon pemilihan submenu „Kata Benda‟.
Dialog box digunakan sebagai media bagi
pengguna untuk memasukkan input yang berupa
kata benda tunggal. Input kemudian diproses
oleh sistem untuk melalui beberapa tahapan
pembentukan word graph kata benda. Word
graph yang dianggap sesuai bagi input
kemudian akan ditampilkan pada sistem.
Sementara itu, input yang tidak sesuai dengan
pola pembentukan word graph kata benda akan
diberikan pesan peringatan. Pesan peringatan
yang dimunculkan adalah berupa dialog box.
Mekanisme penambahan modul word graph
6
kata benda dapat dilihat melalui diagram alir
sistem yang terdapat pada Lampiran 2.
sementara jika tidak terdaftar dalam KBBI akan
melalui tahap stemming manual.
1.2 Build Mock-up
Pada
tahap ini,
dilakukan
proses
perancangan dan implementasi berdasarkan
spesifikasi yang diinginkan oleh pengguna.
Perancangan dan implementasi terdiri atas dua
jenis, yaitu perancangan dan implementasi
secara fungsional dan antarmuka.
1.2.1 Perancangan Fungsional
Perancangan fungsional meliputi proses
pembangkitan word graph kata benda yang
didasarkan pada pola word graph kata benda
hasil penelitian Saleh (2009). Proses
pembangkitan modul word graph kata benda
meliputi
praproses,
pengecekan
KBBI,
stemming, penentuan pola word graph kata
benda, dan pembangkitan word graph kata
benda. Berdasarkan spesifikasi pengembangan
modul word graph kata benda, dibuatlah use
case diagram, class diagram, dan sequence
diagram.
Beberapa hal yang dapat dilakukan
pengguna terhadap modul word graph kata
benda di antaranya adalah memilih menu
„Modul‟. Terdapat beberapa pilihan submenu di
dalam menu „Modul‟. Pengguna memilih
submenu „Kata Benda‟ untuk mengaktifkan
modul word graph kata benda. Selain itu,
pengguna juga dapat memasukkan input sesuai
keinginan melihat bentuk word graph yang
sesuai dengan input kata yang diberikan.
Gambar 2 menjelaskan deskripsi modul word
graph kata benda yang telah digambarkan
dalam use case. Gambaran mengenai class
diagram dan sequence diagram dari sistem
modul word graph kata benda dapat dilihat pada
Lampiran 3 dan Lampiran 4.
 Praproses
Tahap praproses dilakukan untuk membatasi
input kata pada sistem. Pada tahap ini, kata
yang dimasukkan akan diperiksa apakah bersifat
tunggal atau tidak. Jika kata yang dimasukkan
bersifat tunggal, kata tersebut akan diproses ke
tahap selanjutnya. Tahap ini juga digunakan
untuk memeriksa nilai masukan, apakah berupa
karakter atau tidak.
 Pengecekan KBBI
Input yang telah melalui tahap praproses
akan dilakukan pengecekan apakah input
tersebut termasuk dalam jenis kata benda dan
terdapat pada KBBI yang disesuaikan atau
tidak. Input yang berupa kata benda dan
terdaftar di dalam KBBI yang disesuaikan
kemudian akan melalui tahap stemming KBBI,
Gambar 2 Use case diagram untuk modul word
graph kata benda.
 Stemming KBBI
Input yang telah melalui tahap pengecekan
KBBI dan ternyata terdaftar di dalam KBBI
selanjutnya akan dicari imbuhan dan kata
dasarnya melalui proses stemming KBBI.
Parameter-parameter
tersebut
kemudian
digunakan untuk memperoleh pola word graph
kata benda yang sesuai dengan input. Proses
stemming yang dilakukan sistem disesuaikan
dengan pola pembentukan word graph kata
benda pada penelitian Saleh (2009).
 Stemming Manual
Input yang telah melalui tahap pengecekan
KBBI, namun tidak ditemukan di dalam KBBI,
akan di-stemming secara manual. Stemming
manual dilakukan untuk memperoleh kata dasar
dan imbuhan. Jika terdapat lebih dari satu kata
dasar, sistem akan mengambil kata dasar yang
pertama kali ditemukan.
 Penentuan Pola Word Graph Kata Benda
Proses stemming, baik stemming KBBI
maupun stemming manual, menghasilkan data
yang berisi imbuhan, kata dasar, dan jenis kata
dasar. Data tersebut kemudian digunakan untuk
menentukan pola word graph kata benda.
Penentuan pola dilakukan dengan mencocokkan
imbuhan (awalan dan akhiran) dengan jenis kata
dasar yang diperoleh pada proses stemming
dengan data pada database.
 Pembangkitan Word Graph Kata Benda
Proses selanjutnya setelah pola word graph
kata benda berhasil ditentukan adalah
pembangkitan word graph kata benda. Pola
word graph yang sesuai akan digambarkan dan
ditampilkan pada sistem. Pembangkitan pola
7
juga akan menggambarkan input dan kata
dasarnya dalam satu kesatuan pola word graph
kata benda. Pola-pola yang dibangkitkan
merupakan hasil kombinasi dari komponenkomponen word graph seperti token, binary
relationship,
dan
frame
relationship.
Komponen-komponen tersebut telah dibuat
pada penelitian sebelumnya oleh Walayatullah
(2011) dan digunakan dalam penelitian ini
untuk membentuk pola-pola word graph kata
benda.
1.2.2 Perancangan Antarmuka
Antarmuka KG_EDITOR yang dirancang
adalah sebuah kanvas, yang akan menjadi media
untuk menampilkan word graph, dan menu bar
sebagai menu utama yang terdapat pada menu
items „File‟ dan „Modul‟.
1.2.3 Perancangan Database
Database yang digunakan pada penelitian
ini bernama „kamus‟. Database „kamus‟ terdiri
atas dua buah tabel, yaitu „entry‟ dan
„polabenda‟. Data yang ada di dalam KBBI
disimpan di dalam tabel „entry‟, sedangkan
tabel „polabenda‟ berisi daftar imbuhan, jenis
kata dasar, dan pola kata benda. Tabel „entry‟
memiliki sejumlah field, di antaranya adalah
field „EntryId‟, „Word‟, „Category‟, „Stem‟, dan
„Qty‟. Field „EntryId‟ merupakan primary key
pada tabel „entry‟ sementara field „Word‟ berisi
kata dalam bahasa Indonesia, baik kata dasar
maupun kata berimbuhan. Field „Category‟
berisi jenis kata dasar yang berupa kata benda
(n), kata kerja (v), kata sifat (a), dan sebagainya.
Field „Stem‟ berisi kata dasar dari kata yang
berada di dalam field „Word‟. Field „Qty‟ berisi
sejumlah nilai untuk menentukan suatu kata
termasuk pada word graph kata benda tertentu.
Field ini bermanfaat untuk menentukan pola
word graph bagi kata benda yang memiliki
imbuhan serta jenis kata dasar yang sama persis.
Berikut ini merupakan contoh isi dari tabel
„entry‟ yang ditunjukkan pada Tabel 1.
Tabel 1 Contoh isi tabel „entry‟ pada database
„kamus‟
EntryId
Word
Category
Stem
Qty
669
Air
n
air
null
670
Berair
v
air
null
671
mengairi
v
air
null
672
perairan
n
air
1
673
pengairan
n
air
1
Tabel „polabenda‟ digunakan untuk proses
pengecekan pola pembentukan word graph kata
benda. Tabel tersebut berisi enam field, yaitu
„PolaID‟, „Awalan‟, „KategoriKD‟, „Akhiran‟,
„Qty‟, dan „Pola‟. Contoh dari tabel „polabenda‟
dapat dilihat pada Tabel 2.
Tabel 2 Contoh isi tabel „polabenda‟
PolaID Awalan KategoriKD Akhiran Qty Pola
11
pe
v
null
1
2
12
pem
v
null
2
3
13
peng
v
null
3
4
14
peny
n
null
1
5
15
per
n
null
2
6
1.2.4 Implementasi Fungsional
 Praproses
Praproses merupakan tahap awal yang
dilakukan
sistem
KG_EDITOR
ketika
pengguna memasukkan input. Class dalam
KG_EDITOR yang digunakan untuk melakukan
tahap praposes adalah class CekInputBenda.
Input kata yang dimasukkan diperiksa apakah
merupakan kata tunggal dan mengandung selain
karakter. Jika input terdiri atas lebih dari satu
kata atau kosong atau mengandung selain
karakter, sistem akan menampilkan peringatan
berupa message dialog kepada pengguna dan
input tersebut tidak akan diproses ke tahap
selanjutnya. Pesan peringatan yang diberikan
sistem pada tahap praproses dapat dilihat pada
Lampiran 5. Misalnya, pengguna memasukkan
input „pertanian‟, maka pertama kali sistem
akan melakukan pengecekan terhadap input
tersebut dengan memeriksa bentuk karakter
serta jumlah katanya pada class CekInputBenda.
Jika dilihat dari kedua hal tersebut, input
„pertanian‟ merupakan input yang valid untuk
tahap praproses sehingga input ini lolos dan
akan diproses ke tahap selanjutnya, yaitu tahap
pengecekan KBBI.
 Pengecekan KBBI
Input kata benda yang telah melalui tahap
praproses selanjutnya diperiksa apakah terdapat
di dalam KBBI atau tidak. Class yang
digunakan untuk pengecekan KBBI adalah class
CekKBBI. Tabel yang berfungsi sebagai KBBI
dalam penelitian ini adalah tabel „entry‟.
Pengecekan dilakukan dengan memeriksa
apakah input berada di dalam field „Word‟ atau
tidak. Hal yang perlu diperhatikan dalam
pengecekan KBBI adalah bahwa jenis input
harus berupa kata benda. Input yang terdaftar di
dalam KBBI kemudian akan diambil datanya
8
sebanyak satu record. Record tersebut memiliki
atribut „EntryID‟, „Word‟, „Category‟, „Stem‟,
dan „Qty‟. Jika input tidak terdaftar di dalam
KBBI, input tersebut akan langsung masuk ke
proses stemming manual.
Contoh input yang diberikan pengguna
adalah „pertanian‟ yang telah lolos tahap
praproses. Input ini kemudian akan dicek
keberadaannya pada KBBI yang disesuaikan.
Pertama, sistem akan mengecek keberadaan
input „pertanian‟ di dalam tabel „entry‟ dengan
menggunakan kueri seperti pada Gambar 3.
SELECT *
FROM `entry` WHERE `Word`
LIKE '"+input+"' and `Category` LIKE
'n'
Gambar 3 Kueri pengecekan KBBI.
Berdasarkan kueri tersebut, sistem akan mencari
keberadaan input „pertanian‟ di dalam field
„Word‟ pada tabel „entry‟ dengan „Category‟
yang digunakan adalah „n‟ (kata benda). Hasil
pencarian menunjukkan bahwa „pertanian‟
terdaftar di dalam tabel „entry‟. Sistem akan
mengambil data sebanyak satu record. Hasil
dari kueri di atas ditunjukkan pada Tabel 3.
EntryID
Word
Category
SELECT *
FROM `entry` WHERE `Word`
LIKE '"+input+"' and `Stem` LIKE
'"+input+"'
Gambar 4 Kueri pencarian jenis kata dasar.
Data
Parameter input pada kueri tersebut
merepresentasikan kata dasar. Berdasarkan
kueri tersebut dapat diketahui bahwa untuk
mencari jenis kata dasar maka sistem akan
mencari kata „tani‟ di dalam tabel „entry‟ yang
memiliki nilai sama pada field „Word‟ dan
„Stem‟, yaitu yang bernilai „tani‟. Sistem
kemudian mengambil jenis kata dasar dari hasil
kueri tersebut. Hasil dari proses stemming KBBI
dengan contoh input kata „pertanian‟ dapat
dilihat pada Tabel 4.
48420
Tabel 4
Tabel 3 Data hasil kueri dengan input
„pertanian‟ untuk pengecekan
KBBI
Field
terdapat di dalam KBBI yang disesuaikan (tabel
„entry‟). Proses selanjutnya adalah pengecekan
terjadinya peluruhan pada kata dasar. Kata
„pertanian‟ merupakan contoh input kata yang
kata dasarnya tidak meluruh sehingga sistem
akan langsung memotong kata tersebut untuk
mengambil awalan dan akhirannya, yaitu „per‟
dan „an‟. Proses selanjutnya setelah diperoleh
awalan dan akhiran adalah pencarian jenis kata
dasar dari input. Kata „pertanian‟ memiliki kata
dasar „tani‟. Kata „tani‟ akan dicari jenis
katanya oleh sistem. Proses pencarian jenis kata
dasar dilakukan dengan menggunakan kueri
yang dideskripsikan pada Gambar 4.
pertanian
n
Stem
tani
Qty
1
 Stemming KBBI
Input yang terdaftar di dalam KBBI akan
diproses oleh class StemKBBI sementara input
yang tidak terdaftar di dalam KBBI akan
dilakukan proses stemming manual yang
melibatkan beberapa class. Proses stemming
KBBI pada penelitian ini berfungsi untuk
memotong input kata, mengambil kata dasar
dari input tersebut, serta mencari jenis dari kata
dasar. Hasil dari pemotongan input kata adalah
berupa imbuhan dan kata dasar.
Contoh input yang diberikan pengguna
adalah „pertanian‟ yang telah terdeteksi di
dalam KBBI. Kata „pertanian‟ akan masuk ke
dalam proses stemming KBBI. Kata „pertanian‟
pada proses ini pertama kali akan diambil kata
dasar, jenis input kata, dan nilai qty yang
Hasil dari proses stemming KBBI
menggunakan input kata benda
„pertanian‟
Parameter
Data
Awalan
per
Akhiran
an
Kata dasar
tani
Jenis kata
n
Jenis kata dasar
n
Qty
1
Proses stemming KBBI untuk kata benda
yang meluruh sedikit berbeda. Perbedaan
tersebut terletak pada proses pemotongan
imbuhan. Kata yang mengalami peluruhan akan
diberi nilai -1 setelah didapatkan data mengenai
kata dasar, jenis input kata, dan nilai quality
(„Qty‟). Sistem memberikan nilai -1 sebagai
tanda bahwa kata dasar yang diperoleh dari
KBBI yang disesuaikan tidak terdapat di dalam
input kata. Kata yang meluruh kemudian akan
dipotong imbuhannya.
9
Contoh stemming KBBI untuk input kata
yang kata dasarnya meluruh terdapat pada kata
„pemotongan‟. Kata ini dideteksi sebagai kata
yang mengalami peluruhan karena kata dasar
„potong‟ tidak berada di dalam kata
„pemotongan‟ sehingga diberi nilai -1. Berbeda
dengan kata „pertanian‟, kata dasar „tani‟
merupakan bagian dari kata „pertanian‟
sehingga tidak diberi nilai -1. Proses stemming
selanjutnya adalah pemotongan kata dasar
„potong‟ menjadi „otong‟. Kata dasar „potong‟
diperoleh melalui pencarian kata dasar di dalam
tabel „entry‟. Kata „potong‟ kemudian dipotong
sebanyak satu huruf dari depan menjadi „otong‟
dan disimpan sementara pada suatu variabel.
Pemotongan
tersebut
dilakukan
untuk
mendapatkan awalan dan akhiran kata.
Peluruhan kata juga berlaku untuk suatu kata
yang kata dasarnya diawali oleh huruf k, p, t,
dan s. Kata dasar „otong‟ yang merupakan
bagian dari kata „pemotongan‟ selanjutnya
dilakukan proses pemotongan untuk mengambil
awalan dan akhiran. Proses stemming KBBI
untuk kata pemotongan menghasilkan awalan
„pem‟ dan akhiran „an‟. Hasil dari proses
stemming KBBI dengan contoh input kata
„pemotongan‟ dapat dilihat pada Tabel 5.
Tabel 5
Hasil dari proses stemming KBBI
menggunakan input kata benda
„pertanian‟
Parameter
akhiran -an. Input yang memiliki akhiran -an
akan dipotong. Hasil pemotongan tersebut
selanjutnya akan dianggap sebagai sebuah kata
dasar. Kata tersebut kemudian akan dicek
keberadaannya di dalam tabel „entry‟ oleh class
CekKBBI. Jika kata dasar tersebut terdaftar di
dalam tabel „entry‟, kata tersebut akan dianggap
sebagai kata dasar. Namun, jika tidak, sistem
akan menduga bahwa kata tersebut mengandung
awalan. Nilai null pada akhiran akan diberikan
jika input tidak mengandung akhiran -an. Nilai
null pada akhiran menandakan bahwa input
tidak mengalami pemotongan akhiran sehingga
nilai input tidak berubah. Proses tersebut dapat
dilihat pada Gambar 5.
Contoh kata yang memiliki akhiran -an dan
tidak terdaftar di dalam tabel „entry‟ adalah kata
„pendugaan‟. Kata „pendugaan‟ akan dipotong
oleh class Akhiran menjadi kata „penduga‟ dan
berakhiran -an. Kata „penduga‟ selanjutnya
akan dicek keberadaannya di dalam tabel
„entry‟ oleh class CekKBBI. Sistem akan
mengecek apakah kata „penduga‟ merupakan
kata dasar atau bukan. Hasil pengecekan
menunjukkan bahwa kata „penduga‟ tidak
termasuk dalam daftar kata dasar sehingga
sistem menduga bahwa kata „penduga‟ memiliki
awalan. Oleh karena itu, kata „penduga‟ akan
masuk ke tahap selanjutnya, yaitu proses
pencarian awalan yang sesuai.
Data
11
Awalan
pem
26
Akhiran
an
40
41
42
Kata dasar
potong
Jenis kata
n
Jenis kata dasar
v
Qty
1
 Stemming Manual
Input kata yang tidak terdaftar di dalam
KBBI yang disesuaikan akan dilakukan
stemming secara manual. Proses ini dilakukan
untuk memperoleh imbuhan dan kata dasar.
Stemming manual yang dilakukan oleh modul
word graph kata benda dikhususkan untuk jenis
kata benda saja karena proses ini mengacu pada
bentuk-bentuk imbuhan yang terdapat pada pola
pembentukan word graph kata benda dalam
penelitian Saleh (2009).
Stemming manual diawali oleh proses
pencarian bentuk akhiran yang sesuai. Proses ini
dilakukan oleh class Akhiran1. Bentuk akhiran
yang terdapat pada proses ini adalah bentuk
44
45
46
public class Akhiran1 {
....
public Akhiran1(String input) {
....
if("an".equals(akh)){
akhiran=akh;
kdasar=kd;
}else{
akhiran=null;
kdasar=input; }
....
}
}
Gambar 5 Proses pencarian akhiran pada class
Akhiran1.
Tahap kedua dari proses stemming manual
adalah proses pencarian awalan. Pencarian
awalan dilakukan oleh class Awalan dengan
terlebih dahulu memotong beberapa huruf
terdepan dari suatu input kata. Class Awalan
mula-mula akan memotong dua huruf terdepan
dari suatu input. Hasil pemotongan tersebut
adalah berupa awalan dan kata dasar. Proses
selanjutnya adalah pengecekan terhadap kedua
hasil pemotongan tersebut. Proses ini akan
mengecek apakah awalan dan kata dasar yang
dihasilkan dari proses pemotongan kata sesuai
10
dengan aturan pembentukan awalan pada kata
benda. Jika hasil pemotongan tersebut termasuk
dalam salah satu aturan, sistem akan
mengembalikan kedua nilai hasil pemotongan
tersebut sebagai output. Sebaliknya, jika hasil
pemotongan tersebut tidak cocok dengan
aturan-aturan yang ada, sistem akan melakukan
pemotongan terus menerus dengan batas
tertentu hingga diperoleh awalan dan kata dasar
yang paling sesuai dengan aturan pembentukan
awalan. Class Awalan akan mengembalikan
nilai null untuk awalan dan kata dasar menjadi
tetap seperti sebelum awalan dipotong jika tidak
ada satupun aturan yang sesuai dengan hasil
pemotongan kata. Aturan pembentukan awalan
terdiri atas dua parameter, yaitu awalan dan kata
dasar.
Contoh kata yang memiliki awalan adalah
kata „penduga‟ yang merupakan hasil
pemotongan akhiran -an dari kata „pendugaan‟.
Kata tersebut merupakan kata yang memiliki
awalan pen- dan huruf pertama dari kata dasar
„duga‟ adalah „d‟. Kedua nilai tersebut termasuk
dalam salah satu aturan pembentukan awalan
pada kata benda. Oleh karena itu, class Awalan
akan mengembalikan nilai „pen‟ dan „duga‟
sebagai awalan dan kata dasar dari kata
„penduga‟. Gambar 6 menggambarkan contoh
aturan pembentukan awalan pada kata benda.
11
11
34
34
64
64
65
66
65
66
68
68
69
70
69
70
public class Awalan {
....
public Awalan(String input) {
....
if(("pen".equals(aw)) &&
kd1.matches("[cdjtz]+")){
awalan=aw;
kdasar=kd;
}
....
if(("pem".equals(aw) )&&
kd1.matches("[bfvp]+")){
awalan=aw;
kdasar=kd;
}
....
}
Gambar 6 Contoh aturan pembentukan awalan
pada class Awalan.
Tahap ketiga dari proses stemming manual
adalah proses pencarian kata dasar di dalam
KBBI yang disesuaikan. Kata yang telah
melalui proses penentuan akhiran dan awalan
selanjutnya akan masuk ke tahap ini untuk
menentukan kata dasar dari kata tersebut. Proses
ini dilakukan oleh class Stemm. Kata dasar yang
diperoleh dari proses kedua, yaitu proses
pencarian awalan, akan dicari keberadaannya di
dalam tabel „entry‟ oleh class CekKBBI. Kata
dasar yang ditemukan di dalam tabel „entry‟
kemudian akan dikembalikan sebagai output
kata dasar beserta awalan dan akhiran yang
diperoleh dari proses sebelumnya. Kata dasar
yang tidak terdapat di dalam tabel „entry‟ akan
dikembalikan nilai input awalnya seperti pada
saat sebelum mengalami pemotongan akhiran.
Contoh kata dari proses sebelumnya yaitu
„pendugaan‟. Hasil pemotongan akhiran adalah
awalan untuk kata tersebut adalah akhiran -an,
awalan „pen‟, dan kata dasar „duga‟. Kata dasar
„duga‟ yang diperoleh dari proses pencarian
awalan selanjutnya akan dicek keberadaannya
di dalam tabel „entry‟. Hasil pencarian
menunjukkan bahwa kata „duga‟ terdapat di
dalam tabel „entry‟ sehingga sistem menentukan
kata „duga‟ sebagai kata dasar dari kata
„pendugaan‟.
Sebagian kata benda mengalami proses
peluruhan. Kata benda yang meluruh masuk ke
proses stemming meluruh setelah melalui tahap
ketiga, yaitu proses pencarian kata dasar. Proses
stemming meluruh diawali dengan proses
pencarian akhiran, kemudian pencarian awalan,
dan proses terakhir adalah pencarian kata dasar.
Proses pencarian akhiran untuk kata benda
yang meluruh sama seperti proses pencarian
untuk kata benda yang tidak meluruh. Sistem
akan mengecek apakah input mengandung
akhiran -an atau tidak, kemudian sistem akan
mengecek keberadaan kata dasar hasil
pemotongan akhiran ke dalam tabel „entry‟.
Contoh kata benda yang meluruh dan tidak
terdapat di dalam tabel „entry‟ adalah
„pemecahan‟. Kata „pemecahan‟ pertama kali
akan masuk ke class Akhiran1 untuk dilakukan
proses pencarian akhiran yang sesuai. Proses
tersebut menunjukkan bahwa kata „pemecahan‟
memiliki akhiran -an sehingga kata tersebut
dipotong menjadi „pemecah‟, lalu sistem akan
menyimpan akhiran -an dari hasil pemotongan
tersebut. Kata „pemecah‟ selanjutnya akan
masuk ke proses pencarian awalan yang sesuai.
Proses pencarian awalan untuk kata benda
yang meluruh dilakukan oleh class Luluh.
Tahap awal pada proses ini adalah pemotongan
input kata yang dimulai dari depan. Pertama,
class Luluh akan memotong satu huruf dari
depan. Huruf hasil pemotongan akan disimpan
oleh class Luluh sebagai awalan, sementara sisa
huruf hasil pemotongan akan disimpan sebagai
kata dasar. Proses kedua adalah pemotongan
huruf pertama dan kedua dari kata dasar. Huruf
yang telah dipotong kemudian masing-masing
disimpan pada sebuah variabel. Huruf kedua
disimpan pada variabel kd1 dan huruf ketiga
disimpan pada variabel kd2. Proses ketiga
11
adalah pengecekan terhadap isi variabel kd1 dan
kd2, apakah masing-masing variabel tersebut
adalah huruf vokal (a, i, u, e, o) atau bukan.
Hasil pengecekan huruf vokal terhadap masingmasing variabel tersebut adalah berupa nilai
boolean. Variabel yang berisi huruf vokal akan
diberi nilai true, sementara variabel yang berisi
selain huruf vokal akan diberi nilai false. Proses
keempat adalah penentuan awalan dan kata
dasar yang paling sesuai berdasarkan aturan
pembentukan awalan. Hasil pemotongan yang
berupa awalan, kata dasar, serta nilai boolean
hasil dari pengecekan nilai variabel kd1 dan kd2
kemudian akan dijadikan sebagai parameter
penentu nilai awalan dan akhiran yang akan
diambil. Keempat proses tersebut dilakukan
sebanyak lima iterasi hingga diperoleh awalan
dan kata dasar yang paling sesuai dengan salah
satu aturan pembentukan awalan untuk kata
yang meluruh. Misalnya, jika nilai aw adalah
„pem‟ dan variabel a bernilai true, nilai aw
dianggap sebagai awalan dan nilai kd dianggap
sebagai kata dasar dengan ditambahkan huruf
„t‟ pada awal kata. Gambar 7 mengilustrasikan
contoh aturan pembentukan awalan dan kata
dasar untuk kata yang meluruh.
11
31
56
57
58
62
63
64
public class Luluh {
....
public void Luluh(){
....
if(("men".equals(aw)||
"pen".equals(aw)) && a){
awalan=aw;
KDasar = "t"+kd;
}
....
else if (("mem".equals(aw) ||
"pem".equals(aw)) && a){
awalan = aw;
KDasar = "p"+kd;
}
....
}}
Gambar 7 Contoh aturan pembentukan awalan
dan kata dasar pada class Luluh.
Kata „pemecah‟ yang telah lolos dari tahap
pencarian akhiran selanjutnya akan masuk ke
proses pencarian awalan. Tahap pertama adalah
pemotongan huruf pertama dari kata „pemecah‟,
yaitu „p‟. Huruf „p‟ kemudian disimpan di
dalam variabel aw sebagai awalan, sementara
huruf-huruf sisanya, yaitu „emecah‟ disimpan di
dalam variabel kd sebagai kata dasar. Tahap
kedua adalah pemotongan huruf pertama dan
kedua dari kata dasar „emecah‟. Huruf pertama
dari kata dasar „emecah‟ adalah „e‟, sementara
huruf keduanya adalah „m‟. Kedua huruf ini
masing-masing disimpan didalam variabel kd1
dan kd2. Tahap ketiga adalah pengecekan huruf
vokal terhadap variabel kd1 dan kd2. Dilihat
dari isi kedua variabel tersebut, kd1 berisi huruf
vokal „e‟ sehingga diberi nilai true, sedangkan
kd2 berisi huruf konsonan „m‟ sehingga diberi
nilai false. Kedua nilai boolean tersebut masingmasing disimpan di dalam variabel a dan b.
Proses keempat adalah penentuan kata dasar
dan awalan. Berdasarkan nilai pada masingmasing variabel aw, kd, a, dan b, dapat
disimpulkan bahwa tidak ada nilai parameter
yang sesuai dengan aturan pembentukan
awalan. Class Luluh kemudian akan menambah
iterasi hingga diperoleh nilai yang sesuai pada
iterasi ke-4. Nilai-nilai variabel yang diperoleh
pada iterasi ke-4 yaitu aw=‟pem‟, kd=‟ecah‟,
kd1=‟e‟, kd2=‟c‟, a=true, dan b=false. Nilainilai tersebut sesuai dengan aturan kedua yang
mensyaratkan nilai aw=‟pem‟ dan a=true
sehingga diperoleh awalan „pem‟ dan kata dasar
„pecah‟. Urutan proses stemming manual dapat
dilihat pada Lampiran 6.
 Penentuan Pola Word Graph Kata Benda
Kata yang telah berhasil melalui tahap
stemming, baik stemming KBBI maupun
stemming manual, selanjutnya akan masuk ke
proses pengecekan pola word graph kata benda.
Proses pengecekan pola dilakukan oleh class
PolaBenda dengan mencocokkan antara output
dari proses stemming dengan data pada tabel
„polabenda‟ dalam database „kamus‟. Output
yang dihasilkan dari proses stemming di
antaranya adalah kata, kata dasar, jenis input,
jenis kata dasar, awalan, akhiran, dan quality.
Empat dari tujuh output yang dihasilkan melalui
proses stemming akan digunakan sebagai
parameter untuk menentukan pola yang sesuai.
Penentuan pola dilakukan dengan menggunakan
kueri seperti pada Gambar 8.
SELECT `Pola`
FROM `polabenda`
WHERE `Awalan` LIKE '" + awalan + "'
and `KategoriKD` LIKE '"+jnsKD+"'
and `Akhiran` like '"+akhiran+"' and
`Qty` like '"+qty+"'
Gambar 8 Kueri penentuan pola word graph
kata benda.
Beberapa pola pembentukan word graph
kata benda dipecah menjadi beberapa bagian
karena memiliki makna yang berbeda walaupun
strukturnya sama. Misalnya, pola pe-Kata Kerja
(KK) dipecah menjadi tiga bagian, yaitu pe-KK
1, pe-KK 2, dan pe-KK 3. Ketiga pola tersebut
memiliki imbuhan dan jenis kata dasar yang
sama persis, yaitu awalan ‘pe‟ dengan jenis kata
dasarnya adalah kata kerja, namun ketiga pola
tersebut memiliki arti yang berbeda. Pola peKK 1 memiliki makna “orang yang KK”,
12
sementara pola pe-KK 2 memiliki makna
“orang yang KK, sesuatu yang KK, atau alat
KK”. Hal berbeda juga terjadi pada pola pe-KK
3 yang memiliki makna “orang atau sesuatu
yang di-KK atau dijadikan KK”. Perbedaan
makna tersebut menyebabkan bentuk word
graph yang dihasilkan untuk masing-masing
pola berbeda. Pola lain yang dipecah adalah
pola pe-KB. Pola pe-KB dibedakan menjadi
pola pe-KB 1 dan pola pe-KB 2. Begitu juga
dengan pola pe-KS, pola pe-KK-an, dan pola
pe-KS-an yang masing-masing dibedakan
menjadi dua bentuk pola.
Parameter „Qty‟ merupakan parameter
pembeda yang menentukan bentuk word graph
bagi suatu kata yang memiliki struktur sama,
namun maknanya berbeda. Parameter „Qty‟
diberi nilai satu sampai tiga, disesuaikan dengan
jumlah perbedaan makna untuk setiap pola
pembentukan. Misalnya, pola pe-KS yang
dibagi menjadi pola pe-KS 1 dan pola pe-KS 2.
Nilai „Qty‟ yang diberikan adalah „1‟ untuk pola
pe-KS 1 dan „2‟ untuk pola pe-KS 2. Nilai yang
sama juga diberikan kepada pola lainnya.
Contoh proses penentuan pola word graph
kata benda untuk kata yang memiliki struktur
sama, namun maknanya berbeda terdapat pada
kata benda „penyayang‟ dan „penyejuk‟. Kata
„penyayang‟ dan „penyejuk‟ memiliki imbuhan
dan jenis kata dasar yang sama, yaitu „peny‟ dan
kata sifat (a). Berdasarkan KBBI, kedua kata ini
memiliki makna yang berbeda. Kata
„penyayang‟ bermakna “orang yang memiliki
sifat belas kasih”, sedangkan kata „penyejuk‟
bermakna
“alat
untuk
menyejukkan”.
Berdasarkan
perbedaan
tersebut,
kata
„penyayang‟ masuk ke Pola pe-KS 1 yang
bermakna “orang yang memiliki sifat KS”
dengan nilai „Qty‟ adalah 1, sedangkan kata
„penyejuk‟ masuk ke Pola pe-KS 2 karena
sesuai dengan maknanya yaitu “orang atau
sesuatu yang me-KS” dengan nilai „Qty‟ adalah
2.
 Pembangkitan Pola Word Graph Kata
Benda
Tahap ini merupakan visualisasi pola word
graph yang telah ditentukan. Output dari proses
penentuan pola word graph kata benda adalah
nama pola word graph kata benda. Nama pola
tersebut
kemudian
akan
diperiksa
keberadaannya oleh class PolaKataBenda.
Nama pola adalah berupa nilai satu hingga 19,
sesuai dengan jumlah pola word graph kata
benda yang diimplementasikan. Jika nama pola
tersebut
terdapat
di
dalam
class
PolaKataBenda, sistem akan menampilkan
bentuk word graph-nya. Jika tidak ada, sistem
akan memunculkan pesan peringatan. Misalnya,
output yang dihasilkan dari tahap penentuan
pola word graph untuk kata „pertanian‟ adalah
„15‟. Hal ini bermakna bahwa kata „pertanian‟
termasuk ke dalam pola „15‟. Sistem kemudian
memeriksa keberadaan pola „15‟ ada di dalam
class PolaKataBenda. Karena pola tersebut ada,
sistem lalu memanggil class KataBenda15 yang
berisi aturan-aturan untuk menggambarkan pola
pe-KB-an 1 dan memvisualisasikan bentuk
word graph-nya. Bentuk kode program untuk
class PolaKataBenda dan KataBenda15 dapat
dilihat pada Gambar 9 dan Gambar 10.
18
19
41
54
55
116
117
119
197
198
public class PolaKataBenda {
public String kata;
....
KataBenda19 KB19;
public PolaKataBenda(String
kata){
....
if(pola==1){
KB1 = new KataBenda1(50,50,
kata); }
....
}
public void drawPola(Graphics2D
gd){
if(pola==1){
....
KB1.drawKataBenda1(gd);
}
....
else{
gd.drawString("Pola tidak
ditemukan.", 10, 20);
}}
Gambar 9 Kode program pada class
PolaKataBenda.
19
20
31
public class KataBenda15 {
Ali AK, AA;
....
public KataBenda15(int x, int y,
String kata){
....
AK = new Ali(x+60, y+30);
.... }
38
46
47
48
public void drawKataBenda15
(Graphics2D gd){
AK.drawAliKanan(gd);
FP.drawFrameFokus(gd);
....
}}
Gambar 10 Kode program pada class
KataBenda15.
Setiap bentuk pola word graph kata benda
digambarkan dalam satu class sehingga terdapat
19 class pola pembentukan word graph kata
benda pada penelitian ini, yaitu mulai dari class
KataBenda1 sampai class Katabenda19.
13
Penggambaran pola word graph seperti pada
Gambar 10. Penggambaran pola word graph
ditentukan oleh variabel integer yang
menyimpan nilai koordinat untuk setiap
komponen word graph. Variabel ini yang akan
menentukan letak penggambaran untuk setiap
komponen tersebut pada sistem. Setiap
komponen word graph yang telah ditentukan
letak penggambarannya kemudian akan
digambarkan dalam bentuk dua dimensi. Sistem
akan menampilkan pesan peringatan ketika ia
tidak dapat mengenali pola pembentukan word
graph kata benda dari input yang diberikan
pengguna. Hasil pembangkitan Pola 15 dari
contoh input „pertanian‟ dapat dilihat pada
Gambar 11.
Gambar 12 Bentuk antarmuka menu bar.
Gambar 13 Bentuk antarmuka panel kanvas.
Gambar 11 Hasil pembangkitan Pola 15 dengan
contoh input „pertanian‟.
1.2.5 Implementasi Antarmuka
Antarmuka perangkat lunak KG_EDITOR
terdiri atas dua bagian, yaitu menu bar dan
panel kanvas. Menu bar memiliki dua pilihan
menu item, yaitu menu „File‟ dan „Modul‟.
Menu „File‟ hanya memiliki satu sub menu,
yaitu „Exit‟ yang digunakan untuk keluar dari
perangkat lunak KG_EDITOR. Menu „Modul‟
memiliki lima pilihan sub menu, yaitu „Kata
Keterangan‟, „Kata Benda‟, dan „Kata Kerja‟.
Bagian panel kanvas digunakan sebagai media
untuk memvisualisasikan bentuk word graph
kata benda. Tampilan awal kanvas pada saat
perangkat lunak pertama kali dijalankan adalah
berupa kanvas kosong berwarna putih. Bentuk
antarmuka untuk menu bar dan panel kanvas
dapat dilihat pada Gambar 12, sedangkan
contoh antarmuka panel kanvas yang dapat
menampilkan sebuah bentuk word graph dapat
dilihat pada Gambar 13.
Input dialog box merupakan antarmuka yang
muncul ketika pengguna memilih salah satu sub
menu pada menu „Kamus‟. Input dialog box
digunakan sebagai media untuk memasukkan
input kata. Gambaran mengenai input dialog
box diilustrasikan pada Gambar 14.
Gambar 14 Bentuk tampilan input dialog box
untuk kata benda.
KG_EDITOR juga menyediakan fasilitas
shortcut sebagai pilihan lain bagi pengguna
yang ingin mengaktifkan salah satu sub menu
pada menu „Kamus‟. Shortcut yang digunakan
untuk modul word graph kata benda pada
KG_EDITOR adalah dengan menekan tombol
CTRL+B pada keyboard.
KG_EDITOR untuk kata benda akan
memberikan
suatu
peringatan
untuk
memberitahu pengguna jika terjadi kesalahan
pada input kata atau tidak ditemukannya pola
yang sesuai bagi input kata. Peringatanperingatan tersebut ditampilkan dalam bentuk
dialog box.
1.2.6 Lingkungan Implementasi
Modul word graph kata benda dibangun
dengan bahasa pemrograman Java. Lingkungan
implementasi perangkat lunak dan perangkat
keras yang digunakan untuk pembuatan modul
kamus word graph kata benda adalah sebagai
berikut:
14
a Lingkungan perangkat keras
 Processor AMD Turion(tm) X2 DualCore Mobile RM-74 2.20 GHz
 RAM 2 GB
 HDD 250 GB
 Monitor
 Keyboard dan mouse
b Lingkungan perangkat lunak
 Windows 7 Professional sebagai sistem
operasi
 Netbeans 6.8 sebagai IDE (Integrated
Development Environment)
 XAMPP sebagai server control panel
 Java 6.0 sebagai bahasa pemrograman
1.3 Customer Test Drives Mock-up
Tahap ini merupakan tahap evaluasi sistem.
Tahap ini dilakukan melalui proses pengujian
menggunakan metode black box. Pengguna
menguji sistem dengan memasukkan berbagai
kemungkinan input untuk mengetahui apakah
sistem memberikan output yang sesuai tanpa
memerhatikan proses yang terjadi di dalamnya.
Hasil pengujian menunjukkan kesesuaian antara
hasil yang seharusnya dengan hasil yang
didapat melalui proses pengujian. Hasil tersebut
kemudian dievaluasi oleh pengembang. Setiap
kekurangan sistem yang ditemukan dalam tahap
ini selanjutnya diperbaiki hingga kebutuhan
pengguna dapat dipenuhi.
Pengujian
sistem
dilakukan
dengan
menggunakan 173 kata benda uji yang terdiri
atas 4-10 kata uji untuk setiap bentuk pola word
graph
kata
benda.
Hasil
pengujian
menunjukkan terdapat 9 kata benda uji yang
tidak dapat ditemukan bentuk word graph-nya.
Beberapa kata tersebut di antaranya adalah
„pemecahan‟,
„pendugaan‟,
„penjaring‟,
„penyemangat‟, „pengharum‟, „binaan‟, „aliran‟,
„kritikan‟, dan „pendamaian‟. Hal ini terjadi
karena sistem modul word graph kata benda
belum dapat menampilkan word graph dari
sejumlah kata yang tidak terdapat di dalam
KBBI dan merupakan kata yang termasuk
dalam jenis pola yang memiliki nilai „Qty‟.
Hasil stemming manual selalu menghasilkan
nilai null untuk „Qty‟ sehingga sistem tidak
dapat menentukan jenis pola untuk kata
tersebut. Misalnya, kata „pemecahan‟ yang tidak
terdaftar di dalam KBBI. Kata „pemecahan‟
seharusnya termasuk dalam pola pe-KK-an 1
yang
bermakna
“perbuatan
atau
hal
memecahkan”, namun karena nilai „Qty‟ yang
dihasilkan dari proses stemming manual adalah
null, sistem tidak dapat mengenali pola untuk
kata „pemecahan‟. Oleh karena itu, output yang
dihasilkan adalah berupa pesan peringatan
bahwa pola tidak ditemukan. Output dari
pengujian terhadap kata „pemecahan‟ dapat
dilihat pada Gambar 15.
Gambar 15 Output dari pengujian dengan input
kata „pemecahan‟.
2 Iterasi Kedua
Iterasi kedua dilakukan untuk memperbaiki
kekurangan-kekurangan sistem yang terdapat
pada iterasi pertama. Kekurangan yang
diperbaiki dalam iterasi kedua ini yaitu dalam
tahap penentuan pola word graph kata benda.
2.1 Listen to Customer
Berdasarkan hasil evaluasi yang diperoleh
dari iterasi pertama, pengguna menginginkan
agar pengembang melakukan perbaikan
terhadap kekurangan yang dihasilkan pada
iterasi pertama. Pengguna menginginkan agar
pengembang melakukan penentuan pola word
graph untuk sejumlah kata yang melalui proses
stemming manual. Penentuan pola ini berlaku
untuk kata-kata yang memiliki struktur imbuhan
dan jenis kata yang sama persis, namun
memiliki makna yang berbeda.
2.2 Revise Mock-up
Perbaikan terhadap sistem pada iterasi
kedua dilakukan sesuai dengan permintaan
pengguna pada tahap listen to customer. Tahap
ini merupakan perbaikan terhadap proses
penentuan pola word graph kata benda.
Penentuan pola dilakukan dengan memberikan
nilai default terhadap pola bagi sejumlah kata
yang memiliki struktur imbuhan dan jenis kata
yang sama, namun maknanya berbeda.
Perbaikan ini dilakukan untuk mencegah tidak
ditemukannya bentuk word graph suatu kata
benda yang tidak terdaftar di dalam tabel
„entry‟. Nilai „Qty‟ untuk seluruh kata yang
terdaftar di dalam tabel „entry‟ telah ditentukan
sehingga sistem pasti akan menemukan bentuk
word graph untuk kata-kata tersebut. Nilai
„Qty‟ untuk kata-kata yang melalui tahap
stemming manual belum ditentukan. Semua
nilai „Qty‟ untuk kata-kata yang melalui tahap
ini diberi nilai null. Contoh isi tabel „polabenda‟
sebelum diberikan nilai default terhadap pola
dapat dilihat pada Tabel 6.
15
Tabel 6 Contoh isi tabel „polabenda‟ sebelum
field „Pola‟ diberikan nilai default
Awalan KategoriKD
Akhiran
Qty Pola
pe
a
null
1
7
pe
a
null
2
8
Penentuan nilai default dilakukan terhadap
tabel „polabenda‟ di dalam database „Kamus‟.
Penentuan tersebut dilakukan dengan melihat
persentase jumlah kata pada tabel „entry‟ untuk
masing-masing
imbuhan.
Nilai
default
ditentukan dengan terlebih dahulu melihat
jumlah kata terbanyak untuk setiap imbuhan.
Misalnya pada pola kata pe-KS, jumlah kata
terbanyak di dalam tabel „entry‟ antara pola
word graph pe-KS 1 dan pe-KS 2 adalah kata
dengan pola pe-KS 1, maka sistem akan secara
otomatis memasukkan setiap kata yang tidak
terdaftar di dalam tabel „entry‟ ke dalam pola
pe-KS 1 jika kata tersebut memiliki imbuhan
„pe‟ dan jenis kata dasarnya adalah kata sifat.
Penentuan nilai default terhadap pola word
graph kata benda diberikan pada tabel
„polabenda‟ yang dapat dilihat pada Tabel 7.
Tabel 7 Contoh isi tabel „polabenda‟ setelah
field „Pola‟ diberikan nilai default
Awalan KategoriKD
Akhiran
Qty Pola
pe
a
null
1
7
pe
a
null
2
8
pe
a
null
null
8
2.3 Customer Test Drives Mock-up
Pengujian pada iterasi kedua dilakukan
dengan memberikan input berupa kata benda
yang tidak terdaftar di dalam tabel „entry‟.
Contoh input yang diberikan pengguna adalah
„pemecahan‟. Sistem tidak dapat menemukan
bentuk word graph untuk kata „pemecahan‟
pada iterasi pertama karena belum diberikan
nilai default terhadap pola pada tabel
„polabenda‟. Setelah dilakukan perbaikan,
sistem sekarang sudah dapat menentukan
bentuk word graph untuk kata „pemecahan‟.
Output yang dihasilkan oleh sistem jika contoh
input yang diberikan adalah „pemecahan‟ dapat
dilihat pada Gambar 16.
Gambar 16 Output yang dihasilkan dari input
kata „pemecahan‟.
Perbaikan sistem dengan memberikan nilai
default terhadap pola tidak sepenuhnya dapat
menghasilkan word graph yang sesuai.
Kesalahan terjadi pada proses penentuan pola
word graph untuk kata benda „penyemangat‟
dan „penjaring‟. Kata „penyemangat‟ tidak
terdaftar di dalam tabel „entry‟ sehingga harus
melalui proses stemming manual. Makna dari
kata „penyemangat‟ seharusnya adalah “orang
atau sesuatu yang berhubungan dengan
semangat” sehingga seharusnya kata tersebut
masuk ke Pola 6, yaitu pola pe-KB 2. Namun,
sistem memasukkan kata „penyemangat‟ ke
dalam Pola 5, yaitu pola pe-KB 1 yang
bermakna “orang yang berhubungan dengan
KB”. Kesalahan tersebut terjadi akibat
pemberian nilai default terhadap pola pe-KS.
Sistem secara otomatis akan memasukkan setiap
kata dengan struktur pe-KS dan tidak terdaftar
di dalam tabel „entry‟ ke dalam pola 5.
Tingkat akurasi yang diperoleh dari 176 kata
uji yang digunakan adalah sebesar 97,16%.
Akurasi =
172
x 100% = 97,16%
176
Selain kesalahan penentuan pola pada kata
„penyemangat‟ dan „penjaring‟, sistem juga
melakukan kesalahan pembangkitan pola pada
kata „pemerah‟ dan „pengemas‟. Kesalahan
pembangkitan pola word graph kata benda
terjadi karena kata dasar yang dihasilkan dari
proses stemming lebih dari satu kata dasar. Jika
hasil dari proses stemming menghasilkan lebih
dari satu kata, kemungkinan kata dasar yang
terpilih adalah yang pertama kali dikenali
polanya walaupun pilihan tersebut belum tentu
benar.
Kata „pemerah‟ yang terdaftar di dalam tabel
„entry‟ memiliki dua kata dasar, yaitu „merah‟
dan „perah‟. Posisi kata „merah‟ di dalam tabel
„entry‟ berada di atas kata „perah‟. Oleh karena
itu, sistem akan mengambil kata dasar „merah‟
sebagai kata dasar dari kata „pemerah‟. Hal ini