Pengembangan KG_EDITOR Berbasis Java Desktop untuk Modul Kata Keterangan

PENGEMBANGAN KG_EDITOR BERBASIS JAVA DESKTOP
UNTUK MODUL KATA KETERANGAN

MUSTHAFA TANFIZ SYARIAT WALAYATULLAH

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2012

PENGEMBANGAN KG_EDITOR BERBASIS JAVA DESKTOP
UNTUK MODUL KATA KETERANGAN

MUSTHAFA TANFIZ SYARIAT WALAYATULLAH

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

ABSTRACT
MUSTHAFA TANFIZ SYARIAT WALAYATULLAH. Development of
KG_EDITOR for Adverbs. Supervised by SRI NURDIATI and AHMAD RIDHA

Java

Based

Knowledge Graph (KG) is one of natural languange processing representation methods in
explaining and modeling natural languange. This method is able to cope with text ambiguity.
BogorDelfConStruct is the first KG application developed in Indonesia using MATLAB; however,
this application requires MATLAB which is a closed platform application. Previous research has
produced 21 word graph patterns for adverbs. This research developed a Java desktop application
called KG_Editor that can be used to analyze adverbs using KG. Modules needed by

KG_EDITOR are word graph component module and adverb word graph generation module.
Overally, KG_EDITOR development has been able to recognize 21 word graph patterns for
adverbs in accordance with the previous research.
Keyword: adverb, knowledge graph, word graph, Kamus Besar Bahasa Indonesia (KBBI)

Judul skripsi
Nama
NRP

: Pengembangan KG_EDITOR Berbasis Java Desktop untuk Modul Kata
Keterangan
: Musthafa Tanfiz Syariat Walayatullah
: G64070024

Menyetujui,
Pembimbing I

Pembimbing II

Dr. Ir. Sri Nurdiati, M.Sc

NIP. 19601126 198601 2 001

Ahmad Ridha, S.Kom, MS
NIP. 19800507 200501 1 001

Mengetahui,
Ketua Departemen

Dr. Ir. Agus Buono, M.Si, M.Kom
NIP. 19660702 199302 1 001

Tanggal lulus:

KATA PENGANTAR
Puji dan syukur penulis panjatkan kepada Allah SWT atas segala nikmat, rahmat, karunia dan
petolongan-Nya sehingga karya ilmiah ini berhasil diselesaikan. Penyusunan karya ilmiah ini juga
tidak lepas dari bantuan berbagai pihak. Untuk itu penulis mengucapkan terima kasih yang
sebesar-besarnya kepada:
1 Ibu Endah Wahidah yang telah memberikan kasih sayang, dukungan, doa, pengorbanan, dan
nasihat yang senantiasa mengiringi perjalanan penulis selama ini; kakakku Siti Satia Rahayu;

adik-adikku: Dina Thorifah Rahmani, Felly Citia Iradati Yusrina, Rani Faizah, Apifah
Susanti, dan Siti Rabiyah atas semangat, doa dan dukungannya; keluarga besar Duduh
Abdillah atas doanya dan dukungannya;
2 Ibu Dr. Ir. Sri Nurdiati, M.Sc. selaku dosen pembimbing I (atas semua ilmu, kesabaran, dan
bantuan selama penulisan karya ilmiah ini);
3 Bapak Ahmad Ridha, S.Kom, MS. selaku dosen pembimbing II (atas semua ilmu, kesabaran,
dan bantuan selama penulisan karya ilmiah ini);
4 Bapak Sony Hartono Wijaya, S.Kom, M.Kom selaku dosen penguji (atas semua ilmu, saran,
dan motivasinya);
5 Semua dosen Departemen Ilmu Komputer (atas semua ilmu yang telah diberikan);
6 Lingga Divika Anggiruling atas kasih sayang, dukungan, semangat, dan doanya;
7 Anak-anak kontrakan Kuraba97: Imus, Daonk, Awi, Cumi, Rusak, Alan, Riza, Roto, Ridha,
dan Cacing atas semangat, doa, dan perhatiannya. Kebersamaan kita akan selalu dikenang;
8 Anak-anak Warkop Bateng: Gamma Satria Kurniawan, Achmad Rifai, Wisnugroho Agung
Pribadi, Otri Delvi, Ridwan Agung Prasetya, Rilan M Fikri, Adi Gunarso, Ijot, Sendi, Aa
Warkop, Mumu, dan yang lainnya atas kebersamaan selama ini;
9 Teman-teman satu bimbingan: Rani, Dean, Nisa, Made, dan Ria atas bantuan dan
motivasinya;
10 Teman-teman Ilkomerz 44: Fauzi, Aan, Fani, Abay, Tito, Arif, Rahman, Ira, Romi, Raden,
Fandi, dan teman-teman lainnya yang tak bisa disebutkan satu persatu atas semangat dan

kebersamaan selama 3 tahun di Ilkomerz 44;
11 Teman-teman IKAMASI: Dinda, Rina, Lida, Yoga, Pam-pam, Teguh, Ari, Kornel, Hasan,
dan lainnya atas doa, dukungan, dan semangatnya;
12 Semua pihak yang telah memberikan dorongan, doa, semangat, bantuan dan kerja sama
selama pengerjaan karya ilmiah ini.
Karya ilmiah ini masih jauh dari kesempurnaan, namun penulis berharap semoga penelitian ini
dapat memberikan manfaat.

Bogor, Januari 2012

Musthafa Tanfiz Syariat Walayatullah

RIWAYAT HIDUP
Penulis dilahirkan di Sukabumi pada tanggal 14 April 1990 dari pasangan Bapak Bambang
Imam dan Ibu Endah Wahidah. Penulis merupakan anak kedua dari tujuh bersaudara.
Pendidikan formal yang ditempuh penulis yaitu MI MWB (Madrasah Wajib Belajar) lulus
pada tahun 2002, SMP Negeri 1 Cisaat lulus pada tahun 2005, SMA Negeri 1 Kota Sukabumi
lulus pada tahun 2007. Pada tahun yang sama diterima di Institut Pertanian Bogor Fakultas
Matematika dan Ilmu Pengetahuan Alam Departemen Ilmu Komputer melalui Undangan Seleksi
Masuk IPB (USMI).

Selama mengikuti perkuliahan, penulis menjadi Asisten Praktikum mata kuliah Stuktur Data
pada tahun ajaran 2009/2010 dan 2010/2011, Penerapan Komputer pada tahun ajaran 2010/2011.
Penulis juga aktif pada kegiatan kemahasiswaan Badan Eksekutif Fakultas Matematika dan Ilmu
pengetahuan Alam (BEM FMIPA) sebagai staf Departemen Sains dan Teknologi pada tahun
2008/2009 dan Ikatan Keluarga dan Mahasiswa Sukabumi (IKAMASI) sebagai ketua umum pada
tahun 2009/2010.

iii

DAFTAR ISI
Halaman
DAFTAR GAMBAR ................................................................................................................... v
DAFTAR LAMPIRAN ................................................................................................................ v
PENDAHULUAN
Latar Belakang ........................................................................................................................ 1
Tujuan Penelitian..................................................................................................................... 1
Ruang Lingkup ........................................................................................................................ 1
Manfaat ................................................................................................................................... 1
TINJAUAN PUSTAKA
Knowledge Graph.................................................................................................................... 1

Aspek Ontologi ....................................................................................................................... 2
Java ......................................................................................................................................... 2
Abstract Window Toolkit (AWT) ............................................................................................. 3
Metode Pengembangan Prototype ............................................................................................ 3
Kata Keterangan ...................................................................................................................... 3
Kata Keterangan dari Segi Perilaku Semantisnya...................................................................... 3
METODE PENELITIAN
Memahami Keinginan Klien .................................................................................................... 4
Membuat atau Memperbaiki Mock-up ...................................................................................... 4
Pengujian Mock-up .................................................................................................................. 5
HASIL DAN PEMBAHASAN
Analisis ................................................................................................................................... 5
Membuat atau Memperbaiki Mock-up ...................................................................................... 6
Pengujian Mock-up .................................................................................................................. 8
KESIMPULAN DAN SARAN
Kesimpulan ............................................................................................................................. 9
Saran ....................................................................................................................................... 9
DAFTAR PUSTAKA .................................................................................................................. 9
LAMPIRAN .............................................................................................................................. 11

iv

DAFTAR GAMBAR
Halaman
1 Word graph kata „kurang‟ ........................................................................................................ 2
2 Word graph kata „sekarang‟ ..................................................................................................... 2
3 Diagram metode pengembangan prototype .............................................................................. 4
4 Use case untuk KG_EDITOR .................................................................................................. 6
5 Panel menubar ........................................................................................................................ 8
6 Panel kanvas ........................................................................................................................... 8
7 Input dialog box kata keterangan ............................................................................................. 8

DAFTAR LAMPIRAN
Halaman
1 Pola aturan word graph kata keterangan ................................................................................ 12
2 Diagram alir pengembangan KG_EDITOR modul kata keterangan ......................................... 16
3 Class diagram KG_EDITOR ................................................................................................. 17
4 Sequence diagram KG_EDITOR ............................................................................................ 19
5 Antarmuka dan menu pada KG_EDITOR................................................................................ 20
6 Hasil pengujian KG_EDITOR untuk modul kata keterangan .................................................. 22

v

1

PENDAHULUAN
Latar Belakang
Teks merupakan bahasa alami berupa
tulisan. Ambiguitas dalam teks pun banyak
dijumpai, sehingga pemahaman terhadap teks
tersebut dapat bersifat subyektif. Metode yang
digunakan untuk memecahkan masalah dalam
teks salah satunya adalah dengan metode
Knowledge Graph (KG).
Metode KG merupakan satu jenis dari
representasi Natural Language Processing,
yang mengarahkan pada cara baru dalam
menjelaskan dan memodelkan bahasa alami
dan juga sebagai langkah ke depan untuk
pemahaman terhadap aspek semantik dari

suatu kata (Zhang
2002). Dengan cara
menganalisis
teks
diharapkan
dapat
menghasilkan sebuah pengetahuan baru.
Berbagai penelitian KG yang dilakukan
diharapkan mampu merancang suatu sistem
yang dapat melakukan pembacaan terhadap
sembarang dokumen yang diinginkan dan
menginterpretasikan informasi yang didapat
dalam bentuk graph.
Penelitian tentang KG teks bahasa
Indonesia telah dikaji sebelumnya oleh
beberapa
mahasiswa
di
Departemen
Matematika dan Departemen Ilmu Komputer

Institut Pertanian Bogor. Romadoni (2009)
mengembangkan BogorDelfConStruct, suatu
sistem pembentuk word graph untuk teks
bahasa Indonesia. Samba (2010) menganalisis
pembentukan word graph kata keterangan
menggunakan
metode
KG,
yang
menghasilkan pola aturan untuk kata
keterangan.
BogorDelfConStruct adalah sebuah tools
yang berguna untuk pembentukan word graph
dan melakukan analisis terhadap teks bahasa
Indonesia. BogorDelfConStruct merupakan
aplikasi KG yang pertama kali dikembangkan
di
Indonesia
menggunakan
bahasa
pemrograman MATLAB. Namun, aplikasi ini
tidak dapat dinikmati oleh semua orang secara
mudah, karena aplikasi ini hanya dapat
dijalankan menggunakan perangkat lunak
MATLAB yang merupakan sebuah aplikasi
closed platform. Dengan demikian diperlukan
suatu aplikasi BogorDelfConStruct yang dapat
dijalankan tanpa perangkat lunak MATLAB.
Karena terdapat keterbatasan pemakaian
pada aplikasi BogorDelfConStruct yang
menyebabkan BogorDelfConStruct tidak
mudah diakses dan adanya pola aturan word
graph kata keterangan hasil penelitian Samba

(2010), penelitian yang dilakukan adalah
mengembangkan sebuah aplikasi pembentuk
word graph kata keterangan yang berbasis
Java desktop. Aplikasi ini berfungsi
menampilkan setiap word graph yang sesuai
dengan masukan kata keterangan.
Tujuan Penelitian
Penelitian
ini
bertujuan
merintis
pengembangan KG_EDITOR untuk kata
keterangan berbasis Java desktop yang
membentuk word graph kata keterangan dan
dapat merepresentasikan makna suatu kata
keterangan secara otomatis sesuai dengan pola
aturan kata keterangan berdasarkan hasil
penelitian sebelumnya.
Ruang Lingkup
Ruang lingkup penelitian ini dibatasi pada
pengembangan modul kata keterangan pada
KG_EDITOR yang berbasis Java desktop
dengan pola aturan kata keterangan dari hasil
penelitian sebelumnya. Penelitian tersebut
menghasilkan pola aturan word graph jenis
kata keterangan dari segi perilaku semantisnya
dan menghasilkan 9 jenis bentuk word graph
menurut bentuknya (Samba
2010). Pola
aturan word graph kata keterangan terdapat
pada Lampiran 1.
Manfaat
Implementasi nyata dari manfaat jangka
panjang penelitian ini yaitu terbentuknya
suatu sistem yang dapat membaca input
berupa teks dan menghasilkan output berupa
ringkasan teks tersebut. Manfaat jangka
pendek dari penelitian ini protoype sistem
yang mampu memberikan pengetahuan atau
mempresentasikan makna kata keterangan
dalam bentuk word graph.

TINJUAN PUSTAKA
Knowledge Graph
Menurut Zhang (2002), teori KG adalah
jenis sudut pandang baru, yang digunakan
untuk menggambarkan bahasa manusia saat
lebih memfokuskan kepada aspek semantik
daripada aspek sintaksis. KG mempunyai
kemampuan
lebih
kuat
untuk
mengekspresikan dan menggambarkan pada
lapisan
semantis,
meminimumkan
penggunaan himpunan relasi, dan menirukan
pengertian dari jalan pikiran manusia.
KG sebagai bagian dari metode baru yang
merepresentasikan pengetahuan, tergolong
pada kategori jaringan semantis. Dalam
prinsipnya, KG tersusun dari concept dan

2

relationship (Zhang 2002). Concept terdiri
atas token, type, dan name. Relationship
terdiri atas binary relationship dan
multivariate relationship.
Word graph merupakan graph dari kata.
Dalam metode KG, setiap kata yang
berhubungan dengan sebuah word graph
menyatakan arti kata yang disebut dengan
semantic word graph. Gabungan semantic
word graph dalam sebuah kalimat akan
membentuk sentence graph. Graph yang
merepresentasikan gabungan dari sentence
graph dalam sebuah teks disebut text graph
yang terdapat pengetahuan di dalamnya
(Hoede & Nurdiati 2008).

Gambar 1 Word graph kata „kurang‟.

Aspek Ontologi
Ontologi adalah keterangan untuk
menggambarkan beberapa konsep dan relasirelasi di antaranya, dengan maksud untuk
memberikan definisi yang cukup terhadap ideide yang dituangkan dengan komputer untuk
merepresentasikan ide-ide tersebut dan
logikanya (Hulliyah 2007). Sampai saat ini,
ontologi word graph direpresentasikan dengan
sebuah node, 8 binary relationships, ontologi
F, dan 4 frame relationships. Berikut ini
adalah gambaran dari 8 types relationship
(Zhang 2002):
1
2
3
4
5
6
7
8

ALI (alikeness)
CAU (causality)
EQU (equality)
SUB (subset)
DIS (dissparatness)
ORD (ordering)
PAR (attribute)
SKO (informational dependency)

Selain 8 binary relationships, ada ontologi
F
(Focus)
yang
digunakan
untuk
menunjukkan fokus dari suatu graph (Nurdiati
& Hoede 2009). Ontologi F juga digunakan
untuk menunjukkan kata atau kalimat yang
diterangkan dalam suatu pernyataan (inti).
Frame relationship merupakan verteks
berlabel
yang
digunakan
untuk
mengelompokkan beberapa graph. Ada 4
frame relationships, yaitu Focusing on a
situation (FPAR), Negation on a Situation
(NEGPAR), Possibility on a Situation
(POSPAR), Necessity on a Situation
(NECPAR). Ada kalanya suatu objek tidak
cukup direpresentasikan dengan sebuah token,
sehingga diperlukan sebuah frame untuk
pengelompokan tersebut. Gambar 1 dan
Gambar 2 menunjukan bentuk word graph
„kurang‟ dan „sekarang‟.

Gambar 2 Word graph kata ‘sekarang‟.
Java
Java adalah bahasa pemrograman dan
platform komputasi yang pertama kali dirilis
oleh Sun Microsystem pada tahun 1995. Java
merupakan bahasa pemrograman yang
berorientasi objek dan dapat dijalankan pada
berbagai
platform
sistem
operasi.
Perkembangan Java tidak hanya berfokus
pada
suatu
sistem
operasi,
tetapi
dikembangkan untuk berbagai sistem operasi
yang bersifat open source. Menurut definisi
dari Sun Microsystem, Java adalah nama
untuk sekumpulan teknologi untuk membuat
dan menjalankan perangkat lunak pada
komputer
standalone
maupun
pada
lingkungan
jaringan.
Java
memiliki
karakteristik sebagai berikut (Horstmann &
Cornell 2002):
 Sederhana
Bahasa pemrograman Java menggunakan
sintaks mirip dengan C++ namun sintaks pada
Java telah banyak diperbaiki terutama
menghilangkan penggunaan pointer yang
rumit dan multiple inheritance. Java juga
menggunakan alokasi memori otomatis dan
memory garbage collection.
 Berorientasi objek
Java
menggunakan
pemrograman
berorientasi objek yang membuat program
dapat dibuat secara modular dan dapat
digunakan
kembali.
Pemrograman
berorientasi objek memodelkan dunia nyata ke

3

dalam objek dan melakukan interaksi di antara
objek-objek tersebut.
 Interpreted
Program Java dijalankan menggunakan
interpreter yaitu Java Virtual Machine (JVM).
Hal ini menyebabkan source code Java yang
telah dikompilasi menjadi Java bytecodes
dapat dijalankan pada platform yang berbedabeda.
 Robust
Java memiliki reliabilitas yang tinggi.
Compiler pada Java memiliki kemampuan
mendeteksi error secara lebih teliti
dibandingkan bahasa pemrograman lain. Java
memiliki runtime exception handling untuk
membantu
mengatasi
error
pada
pemrograman.
 Portable
Source code maupun program Java dapat
dengan mudah dibawa ke platform yang
berbeda-beda tanpa harus dikompilasi ulang.
 Architecture neutral
Program Java merupakan platform
independent. Program cukup mempunyai satu
buah versi yang dapat dijalankan pada
platform berbeda dengan Java Virtual
Machine.
 Dynamic
Java didesain untuk dapat dijalankan pada
lingkungan yang dinamis. Perubahan pada
suatu class dengan menambahkan properties
ataupun method dapat dilakukan tanpa
mengganggu program yang menggunakan
class tersebut.
Abstract Window Toolkit (AWT)
Java memiliki kumpulan class khusus
untuk membuat aplikasi berbasis grafik dan
membuat user interfaces. Class-class tersebut
dikelompokkan ke dalam suatu package
java.awt, java.awt.event, java.awt.image,
java.applet, dan java.awt.datatransfer yang
dinamakan AWT. Class-class pada AWT
menyediakan platform independent, sehingga
untuk setiap platform yang berbeda komponen
AWT secara otomatis dipetakan ke komponen
spesifik dari platform tersebut.
Metode Pengembangan Prototype
Metode prototype merupakan salah satu
metode perangkat lunak yang sering
digunakan ketika seorang pengguna hanya
mendefinisikan secara umum mengenai apa
yang dikehendakinya tanpa menjelaskan
dengan detail input, proses, serta output yang

dibutuhkan. Sebaliknya, pengembang kurang
memerhatikan efisiensi algoritme, serta
kemampuan sistem operasi dan antarmuka
yang menghubungkan manusia dan komputer
(Pressman 2002).
Metode prototype berfungsi sebagai
sebuah mekanisme untuk mengidentifikasi
kebutuhan perangkat lunak. Apabila suatu
prototype dibangun, pihak pengembang akan
berusaha untuk menggunakan bagian-bagian
dari program tersebut atau menggunakan
suatu tools yang memungkinkan program
dapat dihasilkan dengan cepat (Pressman
2002).
Kata Keterangan
Kata keterangan menurut tatarannya dapat
dibedakan dalam tataran frasa dan tataran
klausa. Kata keterangan dalam tataran frasa
merupakan kata yang menjelaskan kata kerja,
kata sifat, atau kata keterangan lainnya.
Dalam tataran klausa, kata keterangan adalah
kata yang membatasi atau menjelaskan fungsifungsi sintaks. Pada umumnya, kata atau
bagian kalimat yang dijelaskan oleh kata
keterangan itu berfungsi sebagai predikat
(Alwi et al. 2003).
Kata Keterangan
Semantisnya

dari

Segi

Perilaku

Berdasarkan perilaku semantisnya, kata
keterangan dapat dibedakan menjadi 10 jenis
kata, yaitu:
1
2
3
4
5
6
7
8
9
10

Kata keterangan kualitatif
Kata keterangan kuantitatif
Kata keterangan limitatif
Kata keterangan frekuentif
Kata keterangan kewaktuan
Kata keterangan kecaraan
Kata keterangan kontrastif
Kata keterangan keniscayaan
Kata keterangan lokatif
Kata keterangan instrumental.

METODE PENELITIAN
Penelitian ini diawali dengan mengkaji
lebih dalam tentang konsep dan cara
mengimplementasikan KG dalam teks
berbahasa Indonesia, serta menganalisis
pembentukan pola word graph jenis kata
keterangan. Beberapa literatur yang digunakan
dalam konsep KG teks bahasa Indonesia di
antaranya adalah tesis Samba (2010) yang
berjudul “Analisis Pembentukan Word Graph
Kata Keterangan Menggunakan Metode
Knowledge Graph”, dan skripsi Romadoni

4

(2009) dengan judul “Pengembangan Sistem
Pembentukan Word Graph untuk Teks
Berbahasa Indonesia”. Hasil pengkajian ini
kemudian digunakan untuk membangun
sistem KG_EDITOR sesuai dengan konsep
KG.
Data yang digunakan pada penelitian ini
adalah kata keterangan berbahasa Indonesia
dari segi perilaku semantisnya. Pola umum
pembentukan word graph kata keterangan
berdasarkan kelompok bentuk word graph
berjumlah 9 jenis, dengan jumlah pola
sebanyak 21 pola. Pola tersebut didapat dari
penelitian yang dilakukan oleh Samba (2010).
Metode yang dilakukan dalam tahap
pengembangan KG_EDITOR adalah metode
prototype. Menurut Pressman (2002),
terkadang klien mendefinisikan tujuan
perangkat lunak secara umum, namun tidak
menjelaskan secara detail kebutuhan masukan,
proses, dan keluaran dari perangkat lunak
tersebut. Pada metode prototype, langkah
yang dilakukan dimulai dari komunikasi
pengembang
perangkat
lunak
dengan
pengguna untuk mendiskusikan tujuan
keseluruhan dari perangkat lunak tersebut,
mengidentifikasi kebutuhan, dan menguraikan
permintaan klien. Kemudian dilakukan
perencanaan dan perancangan yang mengarah
kepada pembuatan prototype dari perangkat
lunak yang akan dibuat. Selanjutnya prototype
tersebut diserahkan dan dievaluasi oleh klien.
Feedback yang diberikan dari klien yang
berupa kritik maupun saran akan digunakan
untuk
menyempurnakan
permintaan
kebutuhan dari perangkat lunak tersebut.
Diagram metode pengembangan prototype
dapat dilihat pada Gambar 3.

Memahami Keinginan Klien
Memahami keinginan klien dilakukan
dengan cara melakukan analisis terhadap
kebutuhan, batasan, dan tujuan perangkat
lunak.
Analisis
dilakukan
terhadap
BogorDelfConStruct dengan melihat fungsi
yang sudah relevan maupun yang harus
diperbaiki kembali. Analisis dilanjutkan
dengan mendefinisikan kebutuhan yang
seharusnya ada pada KG_EDITOR untuk
modul kata keterangan.
Konsep penting dari graph sendiri adalah
terdapatnya verteks dan edge. Verteks
merepresentasikan sebuah token, sedangkan
edge merepresentasikan relasi antar-token atau
teks dari word graph. Kebutuhan sistem
dalam membentuk word graph merupakan
fungsi dari sistem ini. Pada KG_EDITOR
yang
dikembangkan
ini,
pembuatan
komponen word graph sesuai dengan konsep
KG yang akan digambarkan pada sebuah
kanvas.
Analisis kebutuhan sistem dilakukan
dengan melihat fungsi dari KG_EDITOR
modul kata keterangan sebagai tools untuk
menganalisis teks dalam bentuk word graph.
Hal utama yang dibutuhkan adalah
kemampuan sistem untuk merepresentasikan
makna suatu kata keterangan secara otomatis
dalam bentuk graph yang sesuai dengan
konsep KG. Proses pembangkitan word graph
kata keterangan pun didefinisikan sebagai
kebutuhan sistem.
Membuat atau Memperbaiki Mock-up
Tahapan ini mencakup proses perancangan
dan pemrograman perangkat lunak secara
keseluruhan. Perancangan KG_EDITOR
berdasarkan pendefinisian kebutuhan sistem
adalah sebagai berikut:
1 Perancangan Fungsional
Perancangan
fungsional
KG_EDITOR meliputi 2 modul, yaitu:
a

Gambar 3 Diagram metode pengembangan
prototype.

pada

Pembuatan komponen word graph

Graph dibentuk berdasarkan konsep KG,
yaitu terdiri atas token dan kata yang saling
terhubung oleh sebuah relasi. Proses untuk
menggambarkan
token,
teks,
binary
relationship, ontologi F, maupun frame
relationship pada sebuah kanvas terdapat
pada modul ini.

5

b

Pembangkitan
keterangan

word

graph

kata

dan pengembangan, serta penambahan
spesifikasi baru yang dianggap relevan.

Pembentukan pola word graph kata
keterangan harus sesuai dengan aturan-aturan
pembentukan kata keterangan dari hasil
analisis Samba (2010). Pada penelitian ini
diperoleh 10 jenis daftar pola kata keterangan
berdasarkan maknanya. Proses praproses,
tokenisasi, pengecekan KBBI, dan penentuan
pola word graph menjadi satu kesatuan dalam
modul ini.

Setelah
sistem
selesai
dibangun,
selanjutnya dilakukan proses penghitungan
akurasi. 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

2 Perancangan Antarmuka
Perancangan
antarmuka
utama
KG_EDITOR yang akan ditampilkan, yaitu
sebuah kanvas sebagai media visualisasi
graph dan menubar sebagai menu utama yang
terdapat menu “File” dan “Kamus”. Pada
menu bar “kamus” terdapat menu item “kata
keterangan”, “kata benda”, dan “kata kerja”.
3 Lingkungan Pengembangan
Pada tahap ini, perancangan perangkat
lunak diimplementasikan sebagai serangkaian
program atau unit program. KG_EDITOR
dikembangkan dengan menggunakan bahasa
pemrograman Java. Hal tersebut dikarenakan
Java cukup representatif digunakan untuk
pengembangan algoritme dan visualisasi.
KG_EDITOR
dikembangkan
dalam
lingkungan pengembangan perangkat keras
dan perangkat lunak dengan spesifikasi
sebagai berikut:
 Perangkat keras
o AMD Phenom II Processor @3.0 GHz
o Memori DDR2 4 GB
o Hard disk 1 TB
o Monitor
o Keyboard dan mouse
 Perangkat lunak
o Windows 7 Operating System
o NetBeans IDE 7.0
Pengujian Mock-up
Pengujian
Mock-up
bertujuan
menunjukkan bahwa sistem sesuai dengan
spesifikasinya dan memenuhi harapan
pengguna. Pada tahap ini, unit sistem
diintegrasikan dan diuji sebagai suatu sistem
yang sudah utuh. Pengujian dilakukan untuk
mendeteksi kesalahan dan memastikan bahwa
seluruh persyaratan yang telah didefinisikan
sudah terpenuhi. Pengujian dilakukan
menggunakan
metode
black
box.
Pemeliharaan terhadap sistem mencakup
koreksi dari error, perbaikan implementasi

HASIL DAN PEMBAHASAN
Analisis
Tahap
pertama
pengembangan
KG_EDITOR yang
dilakukan
adalah
mencoba memahami keinginan klien. Tahapan
ini dilakukan untuk mendapatkan spesifikasi
KG_EDITOR. Analisis terdiri atas deskripsi
umum sistem, batasan sistem, dan proses
sistem. Berikut penjelasan dari
masingmasing bagian tersebut:
1 Deskripsi Umum Sistem
KG_EDITOR merupakan perangkat lunak
berbasis desktop yang dikembangkan dengan
menggunakan bahasa pemrograman Java.
KG_EDITOR adalah sebuah tools yang
digunakan
untuk
menganalisis
kata
keterangan menggunakan metode KG. Pada
awalnya
telah
dikembangkan
BogorDelfConStruct sebagai tools yang sama
tetapi
dikembangkan
dengan
bahasa
pemrograman MATLAB.
Pengguna KG_EDITOR adalah orang
yang
memahami konsep KG. Hal ini
dikarenakan KG_EDITOR merupakan sistem
untuk menganalisis word graph sesuai dengan
konsep KG.
2 Deskripsi Batasan Sistem
KG_EDITOR
dikembangkan
untuk
mendukung terbentuknya word graph yang
sesuai dengan konsep KG. Beberapa perintah
mungkin saja tidak sesuai dengan konsep KG,
sehingga sistem menolak proses untuk
perintah tersebut. Berikut ini dijelaskan
batasan-batasan sistem dan beberapa kondisi
yang akan ditolak sistem, yaitu:
a Sistem tidak membedakan huruf kapital
atau bukan.
b Penggambaran
relasi
hanya
bisa
digambarkan secara horizontal dan
vertikal.

6

c Sistem
tidak
bisa
memodifikasi
pembentukan word graph.
d Sistem tidak bisa membedakan sifat kata
benda alat dan tempat.
3 Deskripsi Proses Sistem
Pada saat dibuka, keadaan default
KG_EDITOR hasil pengembangan adalah
sebuah lembar kerja berupa kanvas kosong
yang siap menampilkan sebuah word graph.
Operasi pembentukan word graph kata
keterangan dapat dilakukan dengan cara
menekan tombol kiri mouse pada menu
“Kamus” dan memilih menu item “kata
keterangan”. Setelah itu, akan muncul input
dialog box untuk memasukkan kata. Setelah
kata dimasukkan, sistem akan memproses
sesuai dengan pola aturan word graph kata
keterangan. Tahapan proses KG_EDITOR
kata keterangan secara detail dapat dilihat
pada Lampiran 2.
Membuat atau Memperbaiki Mock-up
Membuat prototype dari sistem dilakukan
setelah ada gambaran yang jelas mengenai
sistem secara umum, pengguna sistem,
batasan sistem, dan proses sistem. Pembuatan
mock-up terbagi menjadi perancangan
fungsional, implementasi fungsional dan
implementasi antar muka.
1 Perancangan Fungsional
Modul yang dibutuhkan sebagai sebuah
perancangan fungsional sistem yang memiliki
fungsi-fungsi, yaitu:
a Modul komponen word graph
Berdasarkan konsep KG, word graph yang
dibentuk mempunyai sebuah edge sebagai
relasi yang menghubungkan antar-token dan
juga menghubungkan antara token dengan
kata.
Komponen-komponen
ini
akan
digambarkan dalam sebuah kanvas yang
mempunyai kelas turunan JComponent.
Fungsi-fungsi
yang
digunakan
untuk
menggambarkan komponen pada kanvas,
yaitu:

 Menggambarkan frame
Fungsi ini melakukan penggambaran 4
frame relationships yang digunakan untuk
mengelompokkan graph.
b Modul pembangkitan word graph kata
keterangan
Modul pembangkitan word graph kata
keterangan digunakan sebagai penentuan pola
word graph kata keterangan yang akan
digambarkan pada kanvas. Penggambaran
pola kata keterangan ini disesuaikan dengan
kata yang dimasukkan. Pembangkitan word
graph kata keterangan meliputi:
 Praproses
Fungsi ini sebagai langkah pertama untuk
mendapatkkan pola pembangkitan word
graph kata keterangan, yaitu kata yang tidak
mengandung numerik, simbol, tidak boleh
kosong, dan tidak boleh lebih dari dua kata.
Pada langkah ini kata keterangan akan
dipecah untuk proses selanjutnya.
 KBBI
Fungsi KBBI dibuat sesuai kebutuhan
penelitian sehingga mampu memeriksa
apakah kata tersebut ada pada KBBI atau
tidak dan memeriksa kata tersebut termasuk
kata benda atau kata numerik.
KBBI
tersimpan di database kamus yang terdapat
pada tabel entry. Selain tabel entry terdapat
juga tabel kata_keterangan untuk memeriksa
jenis kata keterangan.
 Pola kata keterangan
Fungsi ini sebagai penentuan pola word
graph
kata
keterangan
yang
akan
menampilkan word graph dari pola yang
membentuknya.
Kata
masukan
yang
memenuhi kondisi pola word graph kata
keterangan tertentu akan memanggil fungsi
untuk menggambarkan pola word graph kata
masukan.

 Menggambarkan relasi
Fungsi ini melakukan penggambaran 8
binary relationship yang menunjukkan relasi
antar-token dan relasi antara teks dengan
token.
 Menggambarkan token
Fungsi ini melakukan penggambaran token
sebagai verteks dari sebuah graph dan
ontologi F suatu token sebagai fokus token.

Gambar 4 Use case untuk KG_EDITOR.
Berdasarkan spesifikasi pengembangan
KG_EDITOR yang ada dibuatlah use case,
class diagram, dan sequence diagram.

7

Gambar
4
menjelaskan
deskripsi
KG_EDITOR yang telah dituangkan dalam
use case. Class diagram dan sequence
diagram dapat dilihat pada Lampiran 3 dan
Lampiran 4.
2 Implementasi Fungsional
Implementasi fungsional KG_EDITOR
untuk modul kata keterangan adalah sebagai
berikut:
 Implementasi modul
graph

komponen

word

Hasil dari komponen word graph
digunakan untuk pembentukan word graph
kata keterangan. Setiap pola merupakan
kumpulan dari class komponen ini. Pada
setiap class, komponen word graph yang
digunakan selalu berhubungan dengan data
yang disimpan dalam 2 variabel bertipe
integer.
Hal
tersebut
dikarenakan
penggambaran word graph dalam kanvas
selalu menggunakan koordinat.
Setiap class komponen relasi terdapat pula
method yang berfungsi menggambarkan arah
panah relasi. Beberapa contoh method yang
digunakan
yaitu
DrawAliAtas(),
DrawCauBawah(), dan DrawParKiri(). Arah
panah relasi digambarkan ke arah kiri, kanan,
atas, dan bawah. Selain itu relasi juga bisa
digambarkan tanpa panah tetapi hanya garis
lurus horizontal dan vertikal.
Pada class komponen token terdapat 2
method, yaitu drawToken() dan drawTokenF.
Kedua method tersebut berfungsi untuk
menggambarkan token dan token fokus. Untuk
menggambarkan teks digunakan method
drawString(), yang terdapat pada class
Graphic2D yang merupakan turunan dari
class AWT.

masukan berupa numerik, simbol, atau kosong
adalah class CekInputKata. Jika nilai masukan
berupa numerik, simbol, dan kosong, sistem
akan menampilkan peringatan pada user untuk
memasukkan input yang berupa kata yang
tidak mengandung numerik, simbol, dan tidak
lebih dari dua kata. Setelah kata keterangan
melakukan proses pembatasan masukan, kata
keterangan
akan
ditokenisasi
agar
mendapatkan dua buah kata yang disimpan
pada dua variabel bertipe String. Proses ini
dilakukan oleh class Tokenisasi.
Kata keterangan yang telah melalui tahap
praproses diperiksa ke dalam database kamus
untuk mendapatkan datanya. Database ini
adalah database KBBI yang telah disesuaikan.
Data yang didapatkan pada tabel entry berupa
jenis kata yang tersimpan dalam field
‘Category’. Proses pengecekan pada KBBI
dilakukan oleh class CekKBBI. Selain mencari
jenis kata pada database kamus, kata
keterangan dasar akan diperiksa ke dalam
tabel kata_keterangan untuk mendapatkan
sifat kata keterangan tersebut. Data sifat kata
keterangan diambil pada field ‘jenis’ di tabel
kata_keterangan.
Sifat kata yang didapatkan akan digunakan
untuk mengenali pola word graph pembentuk
kata
keterangan
menggunakan
class
PolaKataKet. Untuk mengetahui sifat kata
dasar dilakukan pengecekan terhadap kata
dasar pada database kamus menggunakan
class CekJenis.

 Implementasi modul pembangkitan word
graph kata keterangan

Class PolaKataKet akan membandingkan
apakah kata dasar yang terkandung dari kata
masukan sesuai dengan pola word graph yang
ada atau tidak. Jika ya, class akan
mengembalikan salah satu nama pola dari 21
daftar pola word graph yang memenuhi
kondisi. Misalnya, kata masukan „di bogor‟
jika dilakukan tokenisasi akan menghasilkan
kata „di‟ dan „bogor‟. Kata „bogor‟ akan
dikenali sebagai kata benda, maka kata
masukan akan dikenali sebagai pola di+lokasi.
Pola di+lokasi termasuk salah satu pola word
graph kata keterangan, yaitu pola „8a‟. Class
PolaKataKet akan memeriksa jenis pola ada
atau tidak. Jika ada, sistem akan menampilkan
bentuk pola word graph. Jika tidak, maka
akan menampilkan peringatan kata tersebut
bukan merupakan kata keterangan.

Praproses
merupakan
tahap
awal
pengembangan KG_EDITOR untuk modul
kata keterangan. Praproses dilakukan untuk
membatasi nilai masukan pada sistem. Class
yang digunakan untuk memeriksa apakah nilai

Hasil pembangkitan word graph kata
keterangan
ditampilkan
pada
kanvas
KG_EDITOR. Hasil pembangkitan word
graph berupa kumpulan class setiap jenis pola
kata keterangan ditunjukkan pada Tabel 1.

Penggambaran frame relationships pada
kanvas
menggunakan
method
drawFrameFokus(),
drawNegPar(),
drawPosPar(), dan drawNecPar(). Selain
koordinat, penggambaran frame pada kanvas
ditentukan juga oleh 2 variabel bertipe integer
yang berfungsi sebagai penyimpan data
panjang dan lebar sebuah frame.

8

Tabel 1 Pola pembentukan word graph kata
keterangan
Jenis Kata
Keterangan

Pola Word
Graph

Nama Class
Pola

1a
1b
1c

KataKet1a
KataKet1b
KataKet1c

2a

KataKet2a

2b1

KataKet2b1

2b2

KataKet2b2

Limitatif

3

KataKet3

Frekuentif

4a

KataKet4a

4b

KataKet4b

Kewaktuan
sedang
berlangsung

5a

KataKet5a

Kewaktuan
akan
berlangsung

5b

KataKet5b

Kewaktuan
sudah
berlangsung
Cara
kesungguhan /
keniscayaan
Cara
kesangsian /
cara keinginan

5c

KataKet5c

6a

KataKet6a

6b

KataKet6b

Cara ajakan

6c

KataKet6c

Cara
pengingkaran /
cara larangan
Kontrastif

6d

KataKet6d

7

KataKet7

Lokatif
keberadaaan

8a

KataKet8a

Lokatif tujuan

8b

KataKet8b

Lokatif tempat
asal
Instrumental

8c

KataKet8c

9

KataKet9a

Kualitatif

Kuantitatif
dapat dihitung
Kuantitatif
tidak dapat
dihitung

atas, sedangkan panel kanvas berada di
sebagian besar jendela aplikasi KG_EDITOR.
Gambar kedua panel tersebut dapat dilihat
pada Gambar 5 dan Gambar 6 yang
memperlihatkan contoh sebuah word graph
yang berhasil ditampilkan. Antarmuka
KG_EDITOR dilihat pada Lampiran 3.
Input dialog box digunakan sebagai
masukan kata KG_EDITOR untuk kata
keterangan. Gambar 7 menunjukkan input
dialog box ketika menu item kata keterangan
dipilih.

Gambar 5 Panel menu bar.

Gambar 6 Panel kanvas.

Gambar 7 Input dialog box kata keterangan.
Pengujian Mock-up

3 Implementasi Antarmuka
Antarmuka KG_EDITOR untuk kata
keterangan terdiri atas menubar dan panel
kanvas sebagai tempat menampilkan bentuk
word graph. Menu bar terdiri atas menu
“File” dan “Kamus” yang berada di bagian

Pengujian dilakukan menggunakan metode
black box. Hasil pengujian menunjukkan
kesesuaian antara hasil yang seharusnya
dengan hasil pengujian. Analisis hasil
pengujian KG_EDITOR untuk modul kata
keterangan akan disajikan dalam bentuk
persentase akurasi yang dihasilkan dari
pengujian modul pembangkitan word graph
kata keterangan.
Dari hasil pengujian modul pembangkitan
word graph kata keterangan didapatkan
akurasi pengujian sebesar 97,917% dari
jumlah masukan 96 kata keterangan.
Kesalahan dikarenakan pada word graph kata
keterangan pola 8a, 8b, 8c, dan 9 terjadi

9

ketidaksesuaian. Empat pola tersebut memiliki
pola
penulisan
“dilokasi”,
“kelokasi”, “darilokasi”, dan
“denganalat”. kata benda jenis lokasi
dan alat termasuk kata benda. Hal ini menjadi
salah satu kekurangan sistem yang tidak bisa
membedakan jenis kata benda lokasi dan jenis
kata benda alat. Kondisi terssebut disebabkan
pada database KBBI tidak terdapat sifat jenis
kata benda. Hasil pengujian KG_EDITOR
dapat dilihat pada Lampiran 4.
Beberapa pola word graph kata keterangan
yang telah berhasil dibuat dalam modul tidak
persis sama dengan word graph yang ada pada
penelitian Samba (2010). Misalnya, pola 4a
menggunakan relasi ALI ke satu token secara
berulang untuk menyatakan pengulangan
suatu kegiatan, yang disimbolkan dengan
.
Pada sistem, word graph tidak menghasilkan
relasi seperti simbol tersebut melainkan
disimbolkan dengan
pada token yang
memiliki makna pengulangan suatu kegiatan.
Kelebihan dari sistem ini, yaitu telah
berhasil mengimplementasikan 21 pola word
graph kata keterangan sesuai dengan
penelitian Samba (2010). Sistem ini belum
dilengkapi dengan beberapa modul, yaitu
modul pembangkitan word gaph dari masukan
berupa sebuah frasa kata atau kalimat, modul
untuk penggabungan word graph dari class
yang sudah ada, dan pembentukan XML yang
berguna untuk perpindahan, penyimpanan,
dan pertukaran data sehingga menjadi suatu
kekurangan dari sistem ini.

KESIMPULAN DAN SARAN
Kesimpulan
Pengembangan
KG_EDITOR
untuk
modul kata keterangan telah mampu
mengenali 21 pola aturan word graph kata
keterangan sesuai dengan penelitian Samba
(2010). Setiap pola aturan word graph telah
dibentuk oleh komponen yang dikembangkan
menurut aspek ontologi word graph dalam
metode knowledge graph.
Pengujian modul untuk pola word graph
kata
keterangan
secara
keseluruhan
menghasilkan akurasi 97,917%. Meskipun
memiliki akurasi yang cukup baik, sistem ini
masih memiliki kekurangan. Salah satunya
adalah sistem ini tidak bisa membedakan jenis
kata benda lokasi dan jenis kata benda alat

untuk digunakan pada pola word graph kata
keterangan 8a, 8b, 8c, dan 9.
Sistem ini secara garis besar telah cukup
berhasil karena telah mampu membangkitkan
pola aturan word graph kata keterangan yang
sesuai dengan hasil penelitian yang dilakukan
Samba (2010).
Saran
Sebagai pengembangan dari penelitian ini
beberapa hal yang dapat disarankan adalah:
1 Pengembangan editor word graph
diharapkan
lebih
dinamis
dalam
pembentukan word graph.
2 Pengembangan modul untuk modifikasi
bentuk word graph pada KG_EDITOR.
3 Penambahan bagian atau fungsi dalam
modul agar dapat membedakan jenis kata
benda lokasi dan kata benda alat agar bisa
menghasilkan word graph yang sesuai.
4 Pengembangan modul serupa untuk aturan
lain dalam bahasa Indonesia selain kata
keterangan, seperti kata tugas, frasa kata,
atau klausa.
5 Pembentukan XML sebagai penyimpanan,
perpindahan, dan pertukaran data agar
dapat menggabungkan antarpola.

DAFTAR PUSTAKA
Alwi H, Dardjowidjojo S, Lapowila H,
Moeliono AM. 2003. Tata Bahasa Baku
Bahasa Indonesia. Ed ke-3. Jakarta: Balai
Pustaka.
Horstmann CS, Cornell G. 2002. Core Java™
2: Volume I – Fundamentals. Ed ke-6.
Kalifornia: Prentice Hall.
Hulliyah K. 2007. Rekayasa memahami teks
menggunakan teori knowledge graph
[tesis]. Bogor: Program Pascasarjana,
Institut Pertanian Bogor.
Nurdiati S, C Hoede. 2009. Word graph
construction of certain aspects of
indonesian language. Di dalam: Rudolph
S, editor. Supplementary Proceedings of
The 17th International Conference on
Conceptual Structures; Moskow, 26-31
Jul 2009. Moskow: CEUR-WS.org.
Pressman RS. 2002. Rekayasa Perangkat
Lunak: Pendekatan Praktisi.
CN
Harnaningrum, penerjemah; Yogyakarta:
ANDI. Terjemahan dari: Software
Engineering: A Praccttioner’s Approach.

10

Romadoni D. 2009. Pengembangan sistem
pembentukan word graph untuk teks
berbahasa Indonesia [skripsi]. Bogor:
Program Sarjana, Institut Pertanian
Bogor.
Samba R. 2010. Analisis pembentukan word
graph kata keterangan menggunakan
metode knowledge graph [tesis]. Bogor:
Program Pascasarjana, Institut Pertanian
Bogor.
Zhang L. 2002. Knowledge graph theory and
structural parsing [disertasi]. ISBN
9036518350.
Belanda:
Universitas
Twente.

11

LAMPIRAN

12

Lampiran 1 Pola aturan word graph kata keterangan

No

Pola
Pembentukan
Kata
Keterangan

Kata

1

1a

kurang

2

1b

lebih

3

1c

paling, sangat, amat

4

2a

Kata keterangan
kuantitatif dapat
dihitung

5

2b1

kira-kira

6

2b2

banyak, sedikit

Pola Aturan Word graph
Kata Keterangan

13

Lampiran 1 (lanjutan) Pola aturan word graph kata keterangan
No

Pola Pembentukan
Kata Keterangan

Kata

7

3a

hanya, saja

8

4a

selalu, sering

9

4b

jarang, kadang-kadang

10

5a

sekarang, kini

11

5b

nanti, besok, lusa

12

5c

kemarin, dulu, tadi

Pola Aturan Word graph
Kata Keterangan

14

Lampiran 1 (lanjutan) Pola aturan word graph kata keterangan
No

Pola Pembentukan
Kata Keterangan

Kata

13

6a

pasti, sungguh, benar,
betul, niscaya, tentu

14

6b

agaknya, entah,
mungkin, rasanya, kalaukalau, jangan-jangan,
barangkali, mudahmudahan, moga-moga,
hendaknya

15

6c

mari, silakan, sudilah

16

6d

tak, tidak, jangan

17

7a

bahkan, malahan, justru

18

8a

di + lokasi

19

8b

ke + lokasi

Pola Aturan Word graph
Kata Keterangan

15

Lampiran 1 (lanjutan) Pola aturan word graph kata keterangan
No

Pola Pembentukan
Kata Keterangan

Kata

20

8c

dari + lokasi

21

9a

dengan + kata benda

Pola Aturan Word graph
Kata Keterangan

16

Lampiran 2 Diagram alir proses KG_EDITOR modul kata keterangan

17

Lampiran 3 Class diagram KG_EDITOR
a

Class diagram package KG_EDITOR

18

Lampiran 3 (lanjutan) Class diagram KG_EDITOR
b

Class diagram package Komponen

19

Lampiran 3 (lanjutan) Class diagram KG_EDITOR
c

Class diagram package Pola Kata Keterangan

20

Lampiran 4 Sequence diagram KG_EDITOR

21

Lampiran 5 Antarmuka dan menu pada KG_EDITOR
a

Antramuka KG_EDITOR

b

Dialog input kata

c

Dialog peringatan bahwa input kata kosong

d

Dialog peringatan bahwa input kata mengandung angka atau simbol

22

Lampiran 5 (lanjutan) Antarmuka dan menu pada KG_EDITOR
e

Dialog peringatan bahwa input kata lebih dari dua kata

f

Dialog peringatan bahwa input kata tidak ada pada kamus kata keterangan

23

Lampiran 6 Hasil pengujian KG_EDITOR untuk modul kata keterangan

No Kata
1 kurang

Jenis Kata Katerangan

Pola Kata
1a

Hasil Pengujian
sesuai

2

lebih

3

sangat

4

amat

5

paling

sesuai

6

satu kali

sesuai

7

dua kali

sesuai

8

tiga kali

sesuai

9

empat kali

sesuai

10

lima kali

11

enam kali

12

tujuh kali

sesuai

13

sepuluh kali

sesuai

14

seratus kali

sesuai

15

seribu kali

sesuai

16

kira-kira

17

banyak

18

sedikit

19

hanya

20

saja

21

selalu

22

sering

23

jarang

24

kadang-kadang

25

sekarang

26

kini

27

nanti

1b
Kualitatif

sesuai
1c

Kuantitatif tidak dapat
dihitung

sesuai

sesuai
2a
sesuai

2b1
Kuantitatif tidak dapat
dihitung

sesuai

sesuai
sesuai

2b2

sesuai
sesuai

Limitatf

3
sesuai
sesuai
4a

sesuai

Frekuentatif
sesuai
4b

28

besok

29

lusa

30

kemarin

31

dulu

32

tadi

sesuai
Kewaktuan sedang
berlangsung

sesuai
5a

sesuai
sesuai

Kewaktuan akan
berlangsung

5b

sesuai
sesuai
sesuai

Kewaktuan sudah
berlangsung

5c

sesuai
sesuai

24

Lampiran 6 (lanjutan) Hasil pengujian KG_EDITOR untuk modul kata keterangan

No Kata

Jenis Kata Katerangan

Pola Kata

Hasil Pengujian

33

pasti

sesuai

34

tentu

sesuai

35

niscaya

36
37

sungguh
benar

sesuai

38

betul

sesuai

39

agaknya

40

entah

41

mungkin

sesuai

42

rasanya

sesuai

43
44

kalau-kalau

sesuai

45

barangkali

46

mudah-mudahan

sesuai

47

moga-moga

sesuai

48

hendaknya

sesuai

49
50
51

mari

sesuai

52

tak

jangan-jangan

silakan

Cara kesungguhan / cara
keniscayaan

Cara kesangsian / cara
keinginan

Cara kesangsian / cara
keinginan

Cara ajakan

6a

6b

6b

6c

sesuai
sesuai

Sesuai
Sesuai

sesuai
sesuai

sesuai
sesuai

sudilah

sesuai
Cara pengingkaran / cara
larangan

6d

sesuai

53
54

tidak
jangan

sesuai

55
56
57

bahkan

sesuai

justru

sesuai

58
59

di rumah

sesuai

di perpustakaan

sesuai

60
61

di danau

sesuai

di kamar

sesuai

62

di meja

63
64

di warung

sesuai

di lemari

sesuai

65
66

di indonesia

sesuai

di gunting

tidak sesuai

67

di negara

sesuai

malahan

Kontrasistif

Lokatatif keberadaaan

7

8a

sesuai

sesuai

25

Lampiran 6 (lanjutan) Hasil pengujian KG_EDITOR untuk modul kata keterangan

No Kata

Jenis Kata Katerangan

Pola Kata

Hasil Pengujian

68

ke sungai

sesuai

69

ke kampus

sesuai

70

ke kantor

sesuai

71

ke bandung

sesuai

72

ke pantai

73

ke peternakan

sesuai

74

ke kebun

sesuai

75

ke pasar

sesuai

76

ke kandang

sesuai

77

ke terminal

sesuai

78

dari bogor

sesuai

79

dari lapangan

sesuai

80

dari sawah

sesuai

81

dari kampung

sesuai

82

dari kota

83

dari desa

sesuai

84

dari gunung

sesuai

85

dari hutan

sesuai

86

dari laut

sesuai

87

dari kolam

sesuai

88

dengan pisau

sesuai

89

dengan cangkul

sesuai

90

dengan pensil

sesuai

91

dengan mata

sesuai

92

dengan gunting

93

dengan palu

sesuai

94

dengan piring

sesuai

95

dengan lem

sesuai

96

dengan bogor

tidak sesuai

97

dengan gelas

sesuai

Lokatatif tujuan

sesuai

sesuai
Lokatatif tempat asal

8c

sesuai
Instrumental

Akurasi =

8b

9

94 kata
Ʃ Kata yang benar
× 100% =
x 100% = 97,917%
96 kata
Ʃ Kata yang diuji

ABSTRACT
MUSTHAFA TANFIZ SYARIAT WALAYATULLAH. Development of
KG_EDITOR for Adverbs. Supervised by SRI NURDIATI and AHMAD RIDHA

Java

Based

Knowledge Graph (KG) is one of natural languange processing representation methods in
explaining and modeling natural languange. This method is able to cope with text ambiguity.
BogorDelfConStruct is the first KG application developed in Indonesia using MATLAB; however,
this application requires MATLAB which is a closed platform application. Previous research has
produced 21 word graph patterns for adverbs. This research developed a Java desktop application
called KG_Editor that can be used to analyze adverbs using KG. Modules needed by
KG_EDITOR are word graph component module and adverb word graph generation module.
Overally, KG_EDITOR development has been able to recognize 21 word graph patterns for
adverbs in accordance with the previous research.
Keyword: adverb, knowledge graph, word graph, Kamus Besar Bahasa Indonesia (KBBI)

2

relationship (Zhang 2002). Concept terdiri
atas token, type, dan name. Relationship
terdiri atas binary relationship dan
multivariate relationship.
Word graph merupakan graph dari kata.
Dalam metode KG, setiap kata yang
berhubungan dengan sebuah word graph
menyatakan arti kata yang disebut dengan
semantic word graph. Gabungan semantic
word graph dalam sebuah kalimat akan
membentuk sentence graph. Graph yang
merepresentasikan gabungan dari sentence
graph dalam sebuah teks disebut text graph
yang terdapat pengetahuan di dalamnya
(Hoede & Nurdiati 2008).

Gambar 1 Word graph kata „kurang‟.

Aspek Ontologi
Ontologi adalah keterangan untuk
menggambarkan beberapa konsep dan relasirelasi di antaranya, dengan maksud untuk
memberikan definisi yang cukup terhadap ideide yang dituangkan dengan komputer untuk
merepresentasikan ide-ide tersebut dan
logikanya (Hulliyah 2007). Sampai saat ini,
ontologi word graph direpresentasikan dengan
sebuah node, 8 binary relationships, ontologi
F, dan 4 frame relationships. Berikut ini
adalah gambaran dari 8 types relationship
(Zhang 2002):
1
2
3
4
5
6
7
8

ALI (alikeness)
CAU (causality)
EQU (equality)
SUB (subset)
DIS (dissparatness)
ORD (ordering)
PAR (attribute)
SKO (informational dependency)

Selain 8 binary relationships, ada ontologi
F
(Focus)
yang
digunakan
untuk
menunjukkan fokus dari suatu graph (Nurdiati
& Hoede 2009). Ontologi F juga digunakan
untuk menunjukkan kata atau kalimat yang
diterangkan dalam suatu pernyataan (inti).
Frame relationship merupakan verteks
berlabel
yang
digunakan
untuk
mengelompokkan beberapa graph. Ada 4
frame relationships, yaitu Focusing on a
situation (FPAR), Negation on a Situation
(NEGPAR), Possibility on a Situation
(POSPAR), Necessity on a Situation
(NECPAR). Ada kalanya suatu objek tidak
cukup direpresentasikan dengan sebuah token,
sehingga diperlukan sebuah frame untuk
pengelompokan tersebut. Gambar 1 dan
Gambar 2 menunjukan bentuk word graph
„kurang‟ dan „sekarang‟.

Gambar 2 Word gra