Sistem Temu Kembali Nama Ilmiah dengan Menggunakan Algoritme Fonetik

SISTEM TEMU KEMBALI NAMA ILMIAH DENGAN
MENGGUNAKAN ALGORITME FONETIK

WAHYU DIAS HARSOWIYONO

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2013

PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Sistem Temu Kembali
Nama Ilmiah dengan Menggunakan Algoritme Fonetik adalah benar karya saya
dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun
kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip
dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah
disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir
skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut

Pertanian Bogor.
Bogor, Juli 2013
Wahyu Dias Harsowiyono
NIM G64104006

ABSTRAK
WAHYU DIAS HARSOWIYONO. Sistem Temu Kembali Nama Ilmiah dengan
Menggunakan Algoritme Fonetik. Dibimbing oleh JULIO ADISANTOSO.
Penelitian ini melakukan temu kembali dokumen berdasarkan pencarian
dengan menggunakan nama ilmiah sebagai kata kuncinya. Pendekatan yang
dilakukan menggunakan algoritme fonetik, yaitu Soundex, Phonix, dan
Metaphone. Tujuan dari penelitian ini adalah untuk mempelajari ketiga algoritme
fonetik yang dikombinasikan dengan teknik similaritas kata (exact matching,
biner (N-Grams), dan levenshtein distance), sehingga diharapkan dapat
menangani permasalahan pencarian kata dengan menggunakan dua suku kata.
Dokumen yang digunakan dalam penelitian ini sebanyak 100 dokumen uji yang
telah diberi tanda (tag). Kata yang sudah diberi tanda akan dikonversi ke dalam
kode tertentu sesuai dengan algoritme fonetik, yang nantinya akan dihitung
similaritasnya dengan kata input yang sudah dikonversikan juga. Pencarian nama
ilmiah dengan dikombinasikan teknik similaritas berhasil mengatasi masalah, baik

itu salah pada saat pengetikan atau salah dalam pengejaan kata karena kemiripan
ucapan dan juga dalam menangani pencarian dengan menggunakan dua suku kata.
Hal ini ditunjukkan berdasarkan persentase average precision (AVP) dari hasil
pencarian yaitu sebesar 77.8% (Soundex), 88% (Phonix), dan 97.5% (Metaphone).
Kata kunci: fonetik, Metaphone, Phonix, similaritas, Soundex

ABSTRACT
WAHYU DIAS HARSOWIYONO. Retrieval System of Scientific Names using
Phonetics Algorithm. Supervised by JULIO ADISANTOSO.
This research did document retrieval by its scientific name as the search
keywords. The approach was taken by using the phonetics algorithm, Soundex,
Phonix, and Metaphone. The purpose of this research is to apply the three
algorithms phonetic similarity with combined technique, in terms of using exact
matching, binary (N-Grams), and levensthein distance. So that expected to
overcome the issue by using the search word two syllables. Documents used in
this research were 100 documents that have been tagged. The word that has been
tagged will be converted into specific code in accordance with phonetic
algorithms, which will be calculated similarity with the input word. Search
scientific name combined with similarity techniques succeed to solve the problem,
whether it’s wrong typing or spelling words wrong as well as similarities in

handling the search by using two syllables. This is indicated by the percentage of
average precision (AVP) from the search result is equal to 77.8% (Soundex), 88%
(Phonix), and 97.5% (Metaphone).
Keywords: phonetics, Metaphone, Phonix, Soundex, similarity.

SISTEM TEMU KEMBALI NAMA ILMIAH DENGAN
MENGGUNAKAN ALGORITME FONETIK

WAHYU DIAS HARSOWIYONO

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

2013

Judul Skripsi : Sistem Temu Kembali Nama Ilmiah dengan Menggunakan
Algoritme Fonetik
Nama
: Wahyu Dias Harsowiyono
NIM
: G64104006

Disetujui oleh

Ir Julio Adisantoso, MKom
Pembimbing

Diketahui oleh

Dr Ir Agus Buono, MSi MKom
Ketua Departemen

Tanggal Lulus:

PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang
dipilih dalam penelitian yang dilaksanakan sejak bulan Agustus 2012 ini ialah
temu kembali informasi, dengan judul Sistem Temu Kembali Nama Ilmiah
dengan Menggunakan Algoritme Fonetik.
Terima kasih penulis ucapkan kepada Bapak Ir Julio Adisantoso, MKom
selaku pembimbing yang telah banyak memberi saran dan masukan selama
penelitian ini dilakukan. Ungkapan terima kasih juga disampaikan kepada ayah,
ibu, seluruh keluarga, serta teman-teman atas segala doa, kasih sayang, dan
dorongannya.
Semoga karya ilmiah ini bermanfaat.

Bogor, Juli 2013
Wahyu Dias Harsowiyono

DAFTAR ISI
DAFTAR TABEL

vi

DAFTAR GAMBAR

vi

DAFTAR LAMPIRAN

vi

PENDAHULUAN

1

Latar Belakang

1

Perumusan Masalah

2

Tujuan Penelitian

2

Manfaat Penelitian

2

Ruang Lingkup Penelitian

2

METODE PENELITIAN

2

Pemrosesan Offline

3

Pemrosesan Online

6

Similaritas

6

Evaluasi

8

Lingkungan Pengembangan Sistem

9

HASIL DAN PEMBAHASAN
Pengumpulan Dokumen

9
9

Tagging Nama ilmiah

10

Query Input

10

Indexing

11

Similaritas

15

Pengujian dan Evaluasi Sistem

18

SIMPULAN DAN SARAN

20

Simpulan

20

Saran

21

DAFTAR PUSTAKA

21

RIWAYAT HIDUP

25

DAFTAR TABEL
Tabel pengodean konsonan algoritme Soundex (Primasari 1997)
Contoh penghitungan Soundex
Tabel pengodean konsonan algoritme Phonix (Primasari 1997)
Contoh penghitungan Levenshtein
Kumpulan query uji
Tabel perbandingan kecepatan proses Soundex, Phonix, dan
Metaphone
7 Contoh hasil penghitungan similaritas dengan N-Grams
8 Contoh hasil penghitungan similaritas dengan Levenshtein distance
9 Contoh hasil penghitungan kombinasi linear terhadap beberapa query

1
2
3
4
5
6

4
5
5
7
11
12
16
17
18

DAFTAR GAMBAR
1
2
3
4
5
6
7

Alur pemrosesan offline dan online.
Contoh format dokumen uji
Contoh dokumen sebelum diberi tag
Contoh dokumen setelah diberi tag
Grafik perbandingan kecepatan rata-rata proses
Grafik perbandingan akurasi untuk ketiga algoritme fonetik
Grafik recall precision query uji dengan AVP

3
3
10
10
14
19
20

DAFTAR LAMPIRAN
1 Tabel aturan Metaphone (Syaroni dan Munir 2004)
2 Nilai recall-precision untuk query uji yang salah pada sistem temu
kembali nama ilmiah
3 Hasil pengubahan query uji menjadi kode fonetik

22
23
24

PENDAHULUAN
Latar Belakang
Nama merupakan identitas yang digunakan untuk mengenali suatu objek
tertentu. Begitu pula dengan nama latin dari suatu tumbuhan yang merupakan cara
penamaan yang dipakai universal untuk membedakan suatu spesies dengan
spesies lainnya. Satu spesies yang sama bisa memiliki banyak nama untuk daerah
yang berbeda dan bahkan dalam daerah yang sama suatu spesies bisa memiliki
nama yang berbeda-beda.
Dalam sistem temu kembali informasi, sering terjadi kesalahan pencarian
nama karena nama tidak diketahui secara lengkap atau terjadi kesalahan
pengetikan nama. Banyak algoritme dalam temu kembali informasi untuk
pencarian nama, tetapi algoritme yang sesuai untuk diterapkan dalam
permasalahan pencarian nama latin belum diketahui.
Ada beberapa metode pencarian nama berbasis fonetik, antara lain algoritme
Soundex, Phonix, dan Metaphone. Algoritme Soundex adalah metode yang
dikenal dengan membandingkan kata dengan memperhatikan kesamaan
ucapan/fonetik (Pfeifer et al. 1996). Teknik yang diambil adalah mengubah atau
mengodekan huruf konsonan dan menghilangkan huruf vokal, sedangkan huruf
selain huruf pertama dari kata akan dikodekan ke dalam kode tertentu sehingga
kode Soundex bernilai sama untuk kata bila diucapkan terdengar mirip.
Algoritme Phonix merupakan algoritme yang sama seperti Soundex, tetapi
algoritme Phonix lebih rumit karena banyak perlakuan yang berbeda terhadap
jenis konsonan tertentu. Algoritme Metaphone dikembangkan pertama kali oleh
Philips (1990) dengan tujuan mencari kata-kata yang memiliki persamaan bunyi
seperti algoritme Soundex dan Phonix. Dari algoritme yang dijelaskan sebelumnya
muncul permasalahan jika nama terdiri atas dua suku kata.
Penelitian sebelumnya pernah dilakukan oleh Primasari (1997) yang
membandingkan metode Soundex dan Phonix. Permasalahan yang terjadi adalah
ketidakmampuan dalam mendeteksi penambahan suatu konsonan pada suatu kata.
Contohnya kata AKHMAD mempunyai kode Soundex A253, sedangkan kata
AHMAD mempunya kode Soundex A53. Kedua kata ini mempunyai pengucapan
yang sama tetapi memiliki kode Soundex yang berbeda sehingga tidak dianggap
sebagai kata yang mirip. Di samping itu, Primasari (1997) tidak menjelaskan
kemampuan sistem jika diberikan dua buah suku kata dalam pencarian.
Syaroni dan Munir (2004) melakukan perbandingan antara Soundex dan
Metaphone dan menyimpulkan bahwa kedua algoritme tersebut dapat mengenali
dengan baik kata yang dicari, tetapi jika diberikan dua buah suku kata dalam
pencarian, hasil pencarian tidak sesuai dengan yang diinginkan.
Oleh karena itu, penelitian ini dilakukan untuk mengetahui efektifitas
algoritme fonetik terhadap dua suku kata dengan mengambil contoh nama ilmiah
atau nama latin dari tumbuhan. Penelitian ini diharapkan dapat mengenali kata
yang ingin dicari walaupun dengan menggunakan dua buah suku kata.

2
Perumusan Masalah
Bertitik tolak dari latar belakang di atas maka rumusan masalah dalam
penelitian ini sebagai berikut:
1
Apakah algoritme fonetik bisa diterapkan pada pencarian nama latin atau
nama ilmiah?
2
Dapatkah sistem menangani pencarian nama latin atau nama ilmiah dengan
kesalahan pada pengetikan query input?
3
Dapatkah sistem menangani pencarian dengan menggunakan dua suku kata?

Tujuan Penelitian
Penelitian ini bertujuan mempelajari ketiga algoritme fonetik (Soundex,
Phonix, dan Metaphone) yang dikombinasikan dengan teknik similaritas kata
(exact matching, biner (N-Grams), dan Levenshtein distance) dalam mesin pencari
nama ilmiah dari tumbuhan. Penelitian ini diharapkan dapat menangani
permasalahan pencarian kata dengan menggunakan dua suku kata.

Manfaat Penelitian
Manfaat dari penelitian ini adalah membantu pengguna dalam melakukan
pencarian nama latin atau nama ilmiah dari tumbuhan dengan menggunakan satu
atau dua suku kata. Walaupun ketika melakukan pencarian terjadi kesalahan
dalam memasukkan kata, sistem masih dapat menampilkan dokumen yang
memiliki kedekatan dari kata masukan.

Ruang Lingkup Penelitian
1
2

Ruang lingkup dari penelitian ini adalah:
Dokumen uji yang digunakan mengandung sedikitnya satu nama ilmiah dari
tumbuhan.
Query input yang dimasukkan berupa nama ilmiah dari tumbuhan yang
terdiri atas satu atau dua suku kata.

METODE PENELITIAN
Tahapan yang akan dilakukan dalam penelitian ini dibagi menjadi dua, yaitu
pemrosesan offline (pengumpulan dokumen, tagging nama ilmiah, dan indexing)
dan pemrosesan online (query input, indexing, penghitungan similaritas, dan
evaluasi hasil percobaan). Alur pemrosesan offline dan online secara garis besar
dapat dilihat pada Gambar 1.

3
Pemrosesan offline
Pengumpulan
dokumen
Query Input

Tagging
Nama Ilmiah

Indexing

Indexing

Similaritas

Evaluasi
Gambar 1 Alur pemrosesan offline dan online.
Pemrosesan Offline
Pemrosesan offline terdiri atas tahap pengumpulan dokumen, tagging nama
ilmiah, dan indexing.
1
Pengumpulan dokumen
Dokumen yang digunakan merupakan dokumen yang berisi nama ilmiah
atau latin dari tumbuhan. Dokumen yang diambil berjumlah 100 dokumen,
yang akan dipilih nama latin dalam dokumen tersebut secara manual.
Dokumen ini diambil dari jurnal atau artikel yang terdapat di situs Internet,
berupa artikel tentang kesehatan, pertanian, budidaya, dan sebagainya.
2
Tagging nama ilmiah
Pada tahapan ini, dilakukan proses pemilihan kata yang kemudian
dimasukan ke dalam format XML. Entitas dalam dokumen yang merupakan
nama ilmiah dari suatu tumbuhan diberi tanda (tag) pengenal secara manual.
Format dokumen seperti tercantum pada Gambar 2.

0001
Klasifikasi Kelapa Sawit

Pohon Kelapa Sawit dengan nama latin
Elaeis guineensis terdiri daripada
dua spesies Arecaceae


Gambar 2 Contoh format dokumen uji

4






Dokumen memiliki tag sebagai berikut:
, mewakili keseluruhan dokumen dan melingkupi tag-tag lain
yang lebih spesifik.
, menunjukkan identitas dari suatu dokumen.
, menunjukkan judul dari suatu dokumen.
, menunjukkan nama latin atau nama ilmiah dari tanaman.
, meliputi deskripsi tanaman dan kegunaannya.

Indexing
Pada tahapan ini dilakukan pengodean terhadap nama latin yang sudah
diberi tanda sebelumnya ke setiap kelas fonetik yang akan digunakan. Ketiga
algoritme fonetik akan melakukan konversi nama ilmiah ke dalam kode-kode
tertentu sesuai dengan susunan huruf pada nama ilmiah (Tabel 1, 3, dan 4).
Algoritme Soundex dan Phonix melakukan penghitungan kode fonetik untuk
setiap nama yang diberikan. Nama-nama yang berbagi dengan kode yang sama
diasumsikan mirip (Pfeifer et al. 1996). Algoritme Soundex adalah sebagai
berikut:
1
Buang semua huruf hidup atau vokal, konsonan H, W, Y, dan dalam urutan
yang sama.
2
Untuk huruf pertama tidak dibuang dan dibiarkan apa adanya.
3
Buatlah kode Soundex dengan menggunakan acuan Tabel 1 yang kemudian
akan digabungkan dengan huruf pertama.
4
Panjang maksimum kode Soundex dibatasi sampai empat karakter.
Fonetik Soundex dibatasi untuk kumpulan konsonan yang berbunyi mirip ke
dalam kelas-kelas yang berbeda. Pengelompokan huruf tersebut berdasarkan
kemiripan pengucapan atau bunyi dari setiap hurufnya dapat dilihat pada Tabel 1.
3

Tabel 1 Tabel pengodean konsonan algoritme Soundex (Primasari 1997)
Alfabet

Kode

A, I, U, E, O, H, W, Y

(dihilangkan)

B, F, P, V

1

C, G, J, K, Q, S, X, Z

2

D, T

3

L

4

M, N

5

R

6

Dari Tabel 1 dapat dilihat pembagian huruf konsonan menjadi enam
kelompok. Maksud dari pembagian kelompok ini adalah jika huruf yang
bersangkutan termasuk ke dalam salah satu kelompok, huruf tersebut akan diubah
menjadi kode kelompok tersebut, dan seterusnya sampai mencapai jumlah empat
karakter atau huruf terakhir dari kata yang dicari.

5
Contoh kasus pada pengodean nama latin dari pohon jati, yaitu Tectona
grandis. Jika dilihat dari aturan yang ada, huruf pertama dari nama latin dibiarkan
dan huruf selanjutnya dikodekan sesuai aturan tabel yang ada.
Tabel 2 Contoh penghitungan Soundex
Nama latin
T
E
C
T
O
N
A

Kode
T
2
3
5
-

Keterangan
Dibiarkan karena huruf pertama
Dihilangkan karena huruf vokal
Kelompok 2
Kelompok 3
Dihilangkan karena huruf vokal
Kelompok 5
Dihilangkan karena huruf vokal atau
karena jumlah karakter sudah 4

Jadi, kode Soundex untuk nama latin Tectona adalah T235. Untuk huruf
terakhir sebenarnya tidak perlu diperhatikan lagi karena sudah mencapai
maksimum kode dari aturan Soundex.
Tabel 3 Tabel pengodean konsonan algoritme Phonix (Primasari 1997)
Alfabet

Kode

A, I, U, E, O, H, W, Y

(dihilangkan)

B, P

1

C, G, J, K, Q

2

D, T

3

L

4

M, N

5

R

6

F, V

7

S, X, Z

8

Algoritme Phonix lebih rumit daripada Soundex, karena pada Phonix
dilakukan aturan yang lebih banyak dan khusus untuk huruf tertentu dan terjadi
aturan penggantian huruf yang rumit. Pengelompokan huruf pada algoritme
Phonix dapat dilihat pada Tabel 3. Prinsip dasar cara kerja Phonix menurut
Primasari (1997) adalah sebagai berikut:
1
Jika huruf pertama adalah huruf hidup atau konsonan Y, ganti huruf pertama
tersebut dengan huruf V.
2
Buang bunyi akhir (ending sound) dari kata. Bunyi akhir dalam penelitian
ini adalah bagian sesudah huruf vokal terakhir atau huruf Y.

6
3
4

Buang semua huruf hidup, konsonan H, W, dan Y, dan semua huruf sama
yang berurutan.
Buat kode Phonix dari kata tersebut tanpa bunyi akhir dengan mengganti
semua huruf yang tersisa dengan nilai numerik seperti Tabel 2, kecuali huruf
pertama. Panjang maksimum kode Phonix dibatasi sampai delapan karakter.

Menurut penelitian yang dilakukan oleh Syaroni dan Munir (2004),
langkah-langkah dalam melakukan pengodean huruf alfabet adalah:
1
Menghilangkan semua karakter di luar alfabet.
2
Alfabet
yang
digunakan
hanya
16
suara
konsonan yaitu:
B, F, H, J, K, L, M, N, P, R, S, T, W, X, Y, (kosong) O adalah simbol untuk
suara yang dihasilkan oleh “th”.
3
Menghilangkan semua huruf vokal A, I, U, E, O.
4
Mengelompokkan huruf-huruf yang bersifat variabel, yaitu: C, G, P, S, T.
5
Melakukan
konversi
kata
menjadi
Metaphone
dengan
melakukan
pengecekan
setiap
huruf
yang
sesuai
dengan aturan bahasa tertentu.
Aturan pengelompokan huruf konsonan dari algoritme Metaphone secara
lengkap berdasarkan penelitian Syaroni dan Munir (2004) dapat dilihat pada
Lampiran 1.
Pemrosesan Online
Pemrosesan online terdiri atas query input, indexing, penghitungan
similaritas, dan evaluasi hasil percobaan. Tahapan-tahapan ini dilakukan pada saat
sistem berjalan, pada query input dimasukan berupa nama ilmiah yang ingin
dicari, baik itu satu atau dua suku kata. Indexing pada proses online dan offline
menggunakan algoritme yang sama, bedanya indexing pada proses online ini
dilakukan ketika sistem sedang berjalan dan dilakukan secara otomatis, sedangkan
indexing pada proses offline dilakukan secara manual.
Similaritas
Pada tahapan ini dilakukan proses penghitungan terhadap kedekatan antara
query input yang sudah dilakukan konversi ke dalam kode fonetik dan data yang
terdapat dalam korpus. Pada penelitian ini digunakan tiga metode dalam
penghitungan kedekatan dua buah kode fonetik tersebut, yaitu exact string
matching, biner, dan Levenshtein distance.
1
Exact string matching
Exact string matching merupakan pencocokan string secara tepat antara
query input dengan data yang berada di dalam korpus, baik itu berupa jumlah
karakter maupun dari urutan karakternya.
2
Biner (N-Grams)
Teknik ini biasa dikenal dengan menggunakan metode n-grams. Metode
tersebut pada dasarnya bisa digunakan untuk melakukan pencarian atau
membandingkan string (Sarno et al. 2012) sama seperti Soundex, tetapi pada
penelitian ini digunakan untuk melakukan pembandingan huruf pada kata.

7
Teknik N-Grams memiliki beberapa tipe penghitungan berdasarkan jumlah
‘N’ yang digunakan antara lain Bigram, Trigram, Quadgram, dan seterusnya. Jika
dua buah string dibandingkan dengan memperhatikan pada n-grams-nya,
himpunan n-grams akan dihitung untuk kedua string. Kemudian kedua himpunan
ini dibandingkan dan semakin banyak n-grams yang sama muncul pada kedua
himpunan, maka kedua string tersebut semakin mirip (Primasari 1997).
Untuk mendapatkan nilai kedekatan dari N-Grams, digunakan rumus Dice
coefficient (Holmes dan McCabe 2002). Penghitungan ini dimaksudkan untuk
medapatkan nilai kedekatan dari dua buah string yang dibandingkan. Rumus dari
Dice coefficient adalah sebagai berikut:
(1)
Nilai δ adalah nilai kesamaan, adalah jumlah irisan antara dua nama, α
adalah jumlah kode pada nama pertama, dan β adalah jumlah kode pada nama
kedua. Dice coefficient digunakan untuk menghitung nilai kesamaan antara dua
masukan query.
3
Levenshtein distance
Jarak Levenshtein digunakan untuk mengukur jarak nilai antara dua buah
string. Setiap huruf dalam query input akan diukur atau dibandingkan dengan data
dalam korpus dengan menggunakan fungsi:

(2)
Levenshtein distance merupakan jumlah minimal yang dibutuhkan untuk
mengubah suatu string ke string yang lain. Operasi-operasi tersebut adalah
penyisipan, penghapusan, dan penggantian (substitusi) karakter yang dibutuhkan.
Tabel 4 menampilkan contoh penghitungan jarak Levenshtein untuk string
“ORYZA” dengan “ORISA”.
Tabel 4 Contoh penghitungan Levenshtein
O

R

Y

Z

A

0

1

2

3

4

5

O

1

0

1

2

3

4

R

2

1

0

1

2

3

I

3

2

1

1

2

3

S

4

3

2

2

2

3

A

5

4

3

3

3

2

Setelah didapatkan ukuran kesamaan dari setiap similaritas, dilakukan
penghitungan dengan menggunakan kombinasi linear atau bisa disebut dengan
rata-rata terboboti. Hal ini dimaksudkan untuk memberikan bobot ke setiap
ukuran kesamaan. Jika ‘a’ adalah ukuran kesamaan suku kata pertama dan ‘b’

8
adalah ukuran kesamaan suku kata kedua, maka ukuran kesamaan kedua suku
kata adalah:
δ

a

-

b

(3)

dengan
adalah konstanta pembobot (0 sampai dengan 1), dalam penelitian ini
digunakan
sebesar 0.5, yang artinya memberikan bobot yang sama kepada
kedua suku kata. Jadi, kedua suku kata tersebut memiliki informasi yang sama
pentingnya.
Evaluasi
Evaluasi yang dilakukan untuk mengukur relevansi atau efektifitas dari hasil
temu-kembali, yaitu menggunakan metode recall dan precision. Recall adalah
rasio jumlah dokumen yang dapat ditemu-kembalikan oleh sebuah proses
pencarian di sistem IR dengan total jumlah dokumen dalam kumpulan dokumen
yang relevan (Manning 2008).
all

Jumlah dokumen rele an hasil temu kembali
Jumlah seluruh dokumen yang rele an

(4)

Precision adalah rasio jumlah dokumen relevan yang ditemukan dengan
total jumlah dokumen yang ditemukan dalam IR. Precision menunjukkan kualitas
himpunan jawaban, tetapi tidak memandang total jumlah dokumen yang relevan
dalam kumpulan dokumen (Manning et al. 2008).
Jumlah dokumen rele an hasil temu kembali
Jumlah dokumen seluruh hasil temu kembali

(5)

Sebuah sistem yang baik akan menghasilkan tingkat recall dan precision
yang tinggi. Namun, nilai recall dan precision biasanya bertolak belakang
sehingga, ketika precision-nya menaik maka nilai recall menurun, dan sebaliknya
(Primasari 1997).
Menurut Baeza-Yates dan Ribeiro-Neto (1999), algoritme temu kembali
yang dievaluasi menggunakan beberapa query berbeda, akan menghasilkan
nilai R-P yang berbeda untuk masing-masing query. Average Precision (AVP)
diperlukan untuk menghitung rata-rata tingkat precision pada 11 tingkat
recall, yaitu 0.0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, dan 1.0.
( )

∑

(6)

dengan P(rj) adalah AVP pada level recall r, Nq adalah jumlah query yang
adalah precision pada level recall r untuk query ke-i
digunakan, dan
(Herawan 2011).

9
Lingkungan Pengembangan Sistem
Penelitian ini menggunakan perangkat lunak dan perangkat keras dengan
spesifikasi sebagai berikut:
Perangkat Lunak:

Sistem operasi Microsoft Windows 7

Microsoft Visual Studio 2010

Web Browser (melalui Localhost): Google Chrome
Perangkat Keras:

Intel Pentium Core i5 @2.5 Ghz

RAM kapasitas 4096 MB

Harddisk dengan kapasitas sisa 300 GB

Monitor resolusi 1366 x 768 pixel

Mouse dan keyboard

HASIL DAN PEMBAHASAN
Dalam pembuatan sistem ini, sebagian source code (kode sumber)
didapatkan dari sebuah situs bernama blackbeltcoder yang sudah menyediakan
secara gratis. Barisan kode yang diambil adalah untuk membentuk class phonetics
(Soundex, Phonix, Metaphone). Kelemahan dari class ini adalah tidak dapat
menerima masukan dengan jumlah suku kata lebih dari satu sehingga perlu
pengubahan dalam class tersebut agar dapat menerima input dua suku kata atau
lebih.
Sama seperti lainnya, class Levenshtein distance juga didapatkan dari situs
blackbeltcoder, sementara class N-Grams didapatkan dari situs codeproject. Pada
kedua class ini dilakukan pengubahan kode yaitu pada saat melakukan kalkulasi
kedekatan antar katanya.
Pengumpulan Dokumen
Dokumen yang digunakan berisi nama ilmiah atau nama latin dari
tumbuhan. Dokumen yang berhasil dikumpulkan berjumlah 100 dokumen dengan
format XML. Data ini diambil dari jurnal atau artikel yang terdapat di situs
internet, berupa artikel tentang kesehatan, pertanian, budidaya, dan sebagainya.
Contoh dokumen yang diambil dari jurnal atau artikel dapat dilihat pada Gambar
3.
Permasalahan yang dihadapi ketika pengumpulan dokumen adalah ketidakcocokan hasil pencarian dari pengumpulan data dengan dokumen yang
dibutuhkan. Dan juga ketika mendapatkan data dari jurnal atau artikel yang harus
diketik secara manual sehingga membutuhkan waktu lebih lama.

10
Dikenal Kokoh dan Tahan Api
Pohon jati dengan nama ilmiah Tectona grandis
dapat dikatakan sebagai salah satu pohon yang paling
peka terhadap perubahan cuaca. Hal ini terbukti dengan
pengguguran daun saat kemarau untuk mengurangi
penguapan melalui daun sehingga persediaan air tidak
cepat habis. Jati cocok tumbuh di area tanah agak basa
yang memiliki pH 6-8, mengandung kapur yang cukup
banyak, mengandung fosfor, dan tidak terlalu tergenang
air.
Gambar 3 Contoh dokumen sebelum diberi tag

0001
Dikenal Kokoh dan Tahan Api

Pohon jati dengan nama ilmiah Tectona
grandis dapat dikatakan sebagai salah satu
pohon yang paling peka terhadap perubahan cuaca.
Hal ini terbukti dengan pengguguran daun saat
kemarau untuk mengurangi penguapan melalui daun
sehingga persediaan air tidak cepat habis. Jati cocok
tumbuh di area tanah agak basa yang memiliki pH
6-8, mengandung kapur yang cukup banyak,
mengandung fosfor, dan tidak terlalu tergenang air.


Gambar 4 Contoh dokumen setelah diberi tag
Tagging Nama ilmiah
Pada tahap ini dilakukan pemilihan kata kunci (tag) yaitu nama latin dari
tumbuhan yang terdapat dalam suatu dokumen yang sudah dikumpulkan. Proses
tagging untuk id, judul, deskripsi, dan nama latin dalam sebuah dokumen
dilakukan secara manual, sehingga memakan waktu yang cukup lama. Contoh
dokumen yang sudah dilakukan pengolahan tagging nama dapat dilihat pada
Gambar 4.
Query Input
Query yang digunakan dalam penelitian ini berupa nama ilmiah yang akan
dijadikan sebagai masukan ke dalam sistem. Query ini diubah ke dalam bentuk
kode phonetics sesuai dengan algoritme yang digunakan. Setelah itu akan
dilakukan penghitungan similaritas terhadap koleksi dokumen yang di dalamnya
terdapat nama-nama ilmiah.

11
Pengujian sistem dilakukan menggunakan query uji yang terdiri atas 20
query yang terdiri atas 10 query benar dan 10 query salah. Kumpulan query uji ini
digunakan sebagai query input dalam pengujian sistem. Kumpulan query uji dapat
dilihat pada Tabel 5.
Tabel 5 Kumpulan query uji
No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

Query Uji
Oriza Sativa
Sativa
Tectona Grandis
Tectona
Citrus
Pyrus Malus
Zingiber
Mangifera
Actinidia deliciosa
Orthosiphon aristatus
Oryza saliva
Saliva
Pitrus
Teknota Gradis
Kurkuma
Singiber
Pilus
Citrul vulgar
Pepaya
Punica granatum

Pembentukan query dengan penulisan yang salah berdasarkan empat
kategori, yaitu insertion (penambahan), omission (penghapusan), subsitution
(penggantian), dan transposition (penukaran tempat).
Indexing
Seperti yang dijelaskan sebelumnya bahwa pada tahap ini dilakukan
pengubahan nama ilmiah yang sudah diberi tanda menjadi kode tertentu sesuai
dengan algoritme yang digunakan.
Algoritme Soundex
Algoritme Soundex merupakan algoritme phonetics yang cukup sederhana
jika dibandingkan dengan kedua algoritme lainnya. Prinsip dari algoritme ini
adalah mengubah huruf ke dalam kode tertentu sesuai dengan aturan Soundex
(Tabel 1). Contoh tahapan pengubahan algoritme Soundex dapat dilihat pada
Tabel 2.
Pada pengujian query dengan menggunakan algoritme Soundex dapat
disimpulkan bahwa, algoritme Soundex merupakan algoritme dengan kecepatan
1

12
proses yang tercepat karena dari sekumpulan query uji ini kecepatan proses rataratanya mencapai 0.88 detik, dapat dilihat pada tabel perbandingan Tabel 6.
Tabel 6 Tabel perbandingan kecepatan proses Soundex, Phonix, dan Metaphone
No

Query Uji

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

Oriza Sativa
Sativa
Tectona Grandis
Tectona
Citrus
Pyrus Malus
Zingiber
Mangifera
Actinidia deliciosa
Orthosiphon aristatus
Oryza saliva
Saliva
Pitrus
Teknota Gradis
Kurkuma
Singiber
Pilus
Citrul vulgar
Pepaya
Punica granatum

Kecepatan (detik)
Soundex Phonix Metaphone
0.88
0.90
0.99
0.83
0.84
0.90
0.90
0.91
0.98
0.86
0.89
0.90
0.86
0.88
0.90
0.91
0.92
0.94
0.88
0.90
0.92
0.92
0.92
0.92
0.95
1.00
0.93
0.92
0.96
0.95
0.93
0.94
0.94
0.83
0.84
0.92
0.87
0.90
0.92
0.95
0.98
1.03
0.91
0.92
0.94
0.84
0.86
0.88
0.88
0.90
0.92
0.89
0.92
0.99
0.86
0.89
0.89
0.94
0.95
0.96

Hal ini terjadi karena kesederhanaan dari algoritme Soundex yang hanya
melakukan pengelompokan menjadi enam kelompok dan membentuk empat
karakter hasil pengodean, tetapi di samping itu algoritme Soundex merupakan
algoritme dengan kinerja yang terburuk jika dibandingkan dengan algoritme yang
lain (Gambar 6). Hal tersebut disebabkan algoritme Soundex memperhatikan
huruf di awal kata, jika pada huruf awal dari suatu query sudah salah, walaupun
huruf setelah huruf awal itu benar, maka kemungkinan akan dilihat sebagai dua
query yang berbeda. Hal itulah yang menyebabkan nilai precision rendah. Salah
satu contohnya adalah Pitrus yang merupakan contoh query uji yang terdapat
kesalahan di awal kata dalam hal ini adalah karakter ‘P’.
Kata Pitrus sendiri merupakan kesalahan penulisan dari nama latin jeruk
yang seharusnya Citrus. Jika dilihat hasil pengujian pada Lampiran 3
menggunakan query uji Pitrus, maka nilai recall-precision untuk algoritme
Soundex menghasilkan nilai yang paling kecil dibandingkan dengan algoritme
lainnya. Hal inilah yang menyebabkan persentase pengujian query pada algoritme
Soundex juga kecil. Contoh query yang serupa adalah query uji Singiber yang
seharusnya Zingiber dari nama latin jahe. Berdasarkan hasil pada algoritme
Soundex, kedua query tersebut merupakan dua query yang berbeda, padahal hanya

13
karakter awal kata saja yang berbeda. Hal ini dapat dilihat dari hasil recallprecision algoritme Soundex yang lebih kecil dibanding algoritme yang lain.
Kelebihan dari algoritme Soundex selain dari sisi kecepatan adalah
kesederhanaan dalam pembentukan kode fonetik yang hanya berjumlah maksimal
empat karakter sehingga tidak terlalu memperhatikan huruf pada akhir kata jika
sudah membentuk empat karakter kode Soundex. Jadi, jika huruf-huruf awal dari
suatu kata benar dan tepat walaupun huruf terakhir terdapat kesalahan, maka
query tersebut akan dilihat sebagai dua query yang sama, karena algoritme
Soundex hanya mengambil pengodean sampai berjumlah empat karakter. Sebagai
contohnya adalah query uji Orthosiphon aristatus, nama latin dari tumbuhan
kumis kucing. Jika dilakukan pencarian menggunakan keseluruhan kata, maka
bisa didapatkan dokumen yang sesuai dengan yang diinginkan. Namun, jika yang
digunakan hanya bagian awal kata, misalnya ‘O th ’, belum tentu semua
algoritme fonetik dapat mengenalinya. Lain hal dengan Soundex, karena
kesederhanaanya, yang mampu mengenali potongan query tersebut sehingga bisa
mengembalikan dokumen yang relevan sesuai dengan yang diinginkan.
Algoritme Phonix
Algoritme Phonix sama seperti algoritme Soundex, yaitu dengan membagi
ke dalam beberapa kelompok tertentu yang sudah ditentukan sebelumnya (lihat
Tabel 3). Perbedaan Phonix dengan Soundex adalah jumlah kelompok
pembaginya. Pada algoritme Phonix kelompok yang dibentuk menjadi delapan
dan maksimal kode yang dibentuk juga delapan karakter, jika dilihat pada Tabel 1
(Soundex) dan Tabel 3 (Phonix) terjadi perbedaan pada pembentukan kelompok 7
yang beranggotakan huruf F dan V, dan kelompok 8 yang beranggotakan huruf S,
X, dan Z. Pada Tabel 1 (Soundex), kelompok 7 pada Tabel 3 merupakan bagian
dari kelompok 1, sedangkan kelompok 8 pada Tabel 3 merupakan bagian dari
kelompok 2 pada Tabel 1.
Dari tambahan aturan pada algoritme Phonix, hasil pengujian dengan
menggunakan query uji berhasil meningkatkan nilai precision pada pengujian
query dengan kesalahan penulisan yang dilakukan pada algoritme Soundex dapat
dilihat pada Gambar 6 dalam bentuk grafik perbandingan. Hal ini dikarenakan
pada algoritme Phonix dilakukan penambahan pengelompokan konsonan menjadi
delapan kelompok dan juga ditambahkannya aturan untuk huruf di awal dan di
akhir kata. Dari pengubahan yang terdapat di algoritme Phonix terbukti efektif
untuk meningkatkan hasil pencarian dilihat dari nilai precision yang dihasilkan.
Hasil penghitungan recall precision dapat dilihat pada Lampiran 2.
Selain meningkatkan hasil akurasi dari query uji tersebut, algoritme Phonix
juga memiliki waktu kinerja yang lebih lama prosesnya ketimbang algoritme
Soundex, yaitu mencapai rata-rata kecepatan prosesnya 0.90 detik atau lebih lama
0.02 detik dari Soundex dapat dilihat pada grafik perbandingan kecepatan rata-rata
proses Gambar 5. Hal ini dikarenakan selain terjadi penambahan pembentukan
kelompok, juga ada aturan khusus untuk huruf di awal kata, yaitu jika huruf
pertama adalah huruf hidup atau konsonan Y, huruf pertama tersebut diganti
dengan huruf V. Hal ini dimaksudkan karena huruf vokal dan huruf Y sering
terjadi pengubahan bunyi. Akan tetapi, penambahan aturan ini cukup efektif jika
dilakukan pencarian dengan menggunakan query yang di awal katanya merupakan
huruf vokal. Sebagai contoh menggunakan query Oriza sativa, jika menggunakan

2

14
query ini, dapat dipastikan bahwa sistem dengan algoritme fonetik akan dapat
mengembalikan hasil pencarian dokumen dengan tepat karena tidak terdapat
kesalahan di manapun pada query.
Namun, jika query ‘O za’ diubah menjadi ‘E za’ dan dilakukan pencarian
kembali, maka belum tentu hasil pencarian akan sesuai dengan yang diinginkan.
Beda hal dengan menggunakan algoritme Phonix, sesuai dengan aturan tambahan
yang sudah dijelaskan sebelumnya, maka huruf di awal kata jika merupakan huruf
vokal maka akan diubah menjadi huruf ‘V’. Oleh karena itu, kata ‘Eriza’ dan kata
‘Oriza’ pada korpus akan diubah menjadi ‘Vriza’ sehingga kedua kata tersebut
akan bernilai sama dan ketika dilakukan pencarian kembali, dapat menghasilkan
nilai recall-precision yang baik.
Penambahan aturan ini juga mengakibatkan terdapat ada satu query uji yang
memiliki kecepatan prosesnya paling lama jika dibandingkan algoritme lainnya,
yaitu query uji “Orthosiphon aristatus” yang mencapai 0.96 detik pada proses
pencariannya. Hal ini sama seperti kasus di atas yang dikarenakan penambahan
aturan khusus untuk di awal kata dan di akhir kata. Jika aturan tersebut
dihilangkan, maka kecepatan prosesnya menjadi lebih cepat dari sebelumnya
walau tidak secara signifikan, yaitu menjadi 0.95 detik.

Gambar 5 Grafik perbandingan kecepatan rata-rata proses
Algoritme Metaphone
Algoritme Metaphone sama seperti kedua algoritme sebelumnya, yaitu
membagi huruf tertentu ke dalam beberapa kelompok. Yang menjadikan
algoritme ini lebih kompleks terdapat pada pembagian kelompok konsonan yang
lebih banyak yaitu 16 suara konsonan (Lampiran 1) karena, pada algoritme
Metaphone, pemberian kode fonetik memperhatikan juga interaksi antara
konsonan dan vokal dalam kata serta kelompok konsonan, bukan hanya sebuah
konsonan seperti pada algoritme Soundex dan Phonix.
Hal ini juga yang mengakibatkan algoritme Metaphone menjadi algoritme
dengan kecepatan proses yang lebih lama dari pada algoritme yang lain (Tabel 6).
Akan tetapi dengan bertambahnya waktu proses menjadi lebih lama diharapkan
bertambah pula nilai persentase precision hasil pengujian dengan query uji dan hal
ini terbukti pada Gambar 6 yang menunjukkan bahwa algoritme Metaphone
memiliki akurasi terbesar dibanding algoritme yang lain. Hal ini disebabkan oleh
algoritme Metaphone memiliki lebih banyak aturan dalam pengelompokan suatu
konsonan. Pada Gambar 5 dapat dilihat bahwa kecepatan rata-rata algoritme
Metaphone yang dihasilkan dari serangkai query uji menjadi 0.93 detik, tetapi dari

3

15
serangkaian pengujian yang dilakukan menggunakan query uji pada Tabel 5,
algoritme Metaphone dapat menggembalikan hampir semua dokumen yang
relevan dari setiap query uji yang dilakukan.
Hasil penelitian menunjukkan bahwa terdapat kesamaan pada algoritme
Metaphone dan algoritme Phonix yaitu jika diberikan query uji yang hanya
sebagian dari query tersebut dan dilakukan pencarian, belum tentu hasil yang
dikembalikan sesuai dengan yang diinginkan. Hal ini dikarenakan ketika
dilakukan pengodean, panjang kode karakter query uji dengan data berbeda
sehingga ketika dihitung kedekatan antara keduanya bisa berbeda. Salah satu
contoh query-nya adalah Orthosiphon aristatus. Karena query ini cukup panjang,
pembentukan kode karakter pada Phonix dan Metaphone juga akan menjadi
panjang. Maka, ketika diberikan query hanya sebagian dari yang sebenarnya
misalnya menjadi ‘Orthos’, algoritme Phonix dan Metaphone tidak bisa
menggembalikan dokumen relevan sesuai dengan yang diinginkan.
Similaritas
Setelah dilakukan penghitungan indexing (pengubahan kode fonetik)
terhadap algoritme yang digunakan, tahap selanjutnya adalah melakukan
penghitungan similaritas, maksudnya adalah proses penghitungan terhadap
kedekatan antara query input yang sudah dilakukan konversi ke dalam kode
algoritme fonetik dengan data yang terdapat dalam korpus yang sudah
dikonversikan. Pada penelitian ini digunakan tiga metode similaritas, yaitu exact
string matching, biner, dan Levenshtein distance. Jadi, setiap metode similaritas
ini akan dilakukan penghitungan dengan algoritme fonetik yang digunakan.
Exact string matching
Algoritme ini hanya memberikan nilai dua jenis saja, yang pertama bernilai
1 jika query input dengan data sama (exact) dengan kata lain memiliki kedekatan
yang tinggi. Kedua adalah bernilai 0, yaitu jika query input dengan data berbeda,
dengan kata lain memiliki kedekatan yang rendah.
Nilai yang dihasilkan hanya terdiri atas dua nilai yaitu 1 dan 0. Dari setiap
pengujian yang dilakukan kemungkinan mendapatkan nilai 1 sangatlah kecil,
kecuali kata yang dicari dengan kata dalam dokumen itu sama. Hal itu
dikarenakan pada algoritme ini hanya menilai kesamaan kata yang dicari, jika
sama maka akan bernilai 1 dan jika berbeda maka akan bernilai 0.
1

Biner (N-Grams)
N-Grams biasanya digunakan untuk mengoreksi kata yang mengalami
kesalahan teknis dalam pengetikan, misalnya salah menekan tombol pada papan
kunci sehingga kata yang dimaksud bisa terbalik, atau tertukar tempatnya, atau
berkurang hurufnya, atau bisa jadi bertambah hurufnya. Misalnya saja dilakukan
pencarian menggunakan query ‘Tectona’ dari nama latin tumbuhan jati. Jika
digunakan query tersebut, maka didapatkan dokumen relevan yang dimaksud,
tetapi jika terjadi kesalahan pengetikan dari ‘Tectona’ menjadi ‘Tectnoa’, maka
sistem akan sulit mengenali query ini. Bisa jadi query ‘Tectnoa’ ini akan dianggap
berbeda dengan query ‘Tectona’, yang padahal hanya terjadi tertukar tempat
antara huruf ‘N’ dan huruf ‘O’. Oleh karena itu, pendekatan menggunakan N2

16
Grams ini sangat membantu dalam mengoreksi kesalahan dalam pengetikan
tersebut.
N-Grams melakukan penghitungan dengan memecah kata, baik untuk query
input ataupun untuk data dalam korpus. Pembagian ini memecah kata menjadi
himpunan urutan huruf-huruf dalam suatu kata sebanyak ‘N’ yang ingin
digunakan. Jumlah ‘N’ yang digunakan dalam penelitian ini adalah Bigram atau
dua huruf.
Contoh bentuk N-Grams :
 Query input: Teknota (Soundex: T253)
Himpunan A: _t – t2 – 25 – 53 – 3_
 Data: Tectona (Soundex: T235)
Himpunan B: _t – t2 – 23 – 35 – 5_
Jadi kata yang sudah dipecah menjadi himpunan urutan disamakan dengan
data pada korpus. Diberikan nilai 1 jika sama dengan himpunan dan 0 jika tidak
ada yang sama. Setelah itu dilakukan tahapan penghitungan menggunakan rumus
Dice Coefisient (Holmes dan McCabe 2002) pada persamaan 1.
Tabel 7 Contoh hasil penghitungan similaritas dengan N-Grams
Query korpus
Brassica oleracea: (B62 O462)
Carica papaya: (C62 P1)
Citrus sp: (C362 S1)
Cupressaceae: (C162)
Oriza Sativa: (O62 S31)
Orthosiphon aristatus: (O632 A632)
Orthosiphon Spicatus: (O632 S123)
Pyrus malus: (P62 M42)
Santalum album: (S534 A15)
Sonchus Arvensis: (S52 A615)

Query uji
Oriza Sativa: (O62 S31)
O62 S31
O62 S31
O62 S31
O62 S31
O62 S31
O62 S31
O62 S31
O62 S31
O62 S31
O62 S31

Similaritas
(N-Grams)
0.25
0.40
0.50
0.15
1.00
0.12
0.44
0.25
0.25
0

Nilai yang dihasilkan pada metode ini sangat bervariasi karena range pada
metode ini dari nilai 0 sampai dengan 1. Nilai tertinggi pada pengujian yang
dilakukan adalah 1, tetapi pada pengujian dengan menggunakan query uji yang
salah pengetikan nilai tertinggi rata-ratanya menjadi 0.85, sedangkan nilai
terendah yang diambil pada pengujian ini adalah 0.1 bukan bernilai 0, karena jika
bernilai 0 maka dokumen tersebut tidak relevan sama sekali sehingga tidak
ditampilkan. Jadi, jika melihat hasil penghitungan similaritas pada Tabel 7 dengan
menggunakan N-Grams, query “Sonchus Arvensis” tidak akan dikembalikan
karena tidak menunjukkan dokumen yang relevan.
Levenshtein distance
Pada algoritme ini dilakukan penghitungan terhadap query input dengan
kata yang terdapat dalam data. Contoh simulasi dapat dilihat pada Tabel 4. Setelah
didapatkan nilai kedekatan berdasarkan algoritme Levenshtein, dilakukan proses

3

17
standardisasi nilai, yaitu bahwa nilai terbesar dari penghitungan similaritas ialah 1
dan terkecil ialah 0 sehingga nilai yang didapatkan dari penghitungan awal
Levensthein dibagi dengan panjang kata dari salah satu query input atau dengan
data, panjang kata yang dipilih merupakan panjang kata yang paling panjang,
kemudian dikurangi dengan nilai 1. Hal ini dilakukan untuk menyeragamkan
rentang nilai yang didapatkan dari algoritme lainnya.
Tabel 8 Contoh hasil penghitungan similaritas dengan Levenshtein distance
Query korpus
Brassica oleracea: (B62 O462)
Carica papaya: (C62 P1)
Citrus sp: (C362 S1)
Cupressaceae: (C162)
Oriza Sativa: (O62 S31)
Orthosiphon aristatus: (O632 A632)
Orthosiphon Spicatus: (O632 S123)
Pyrus malus: (P62 M42)
Santalum album: (S534 A15)
Sonchus Arvensis: (S52 A615)

Query uji
Oriza Sativa: (O62 S31)
O62 S31
O62 S31
O62 S31
O62 S31
O62 S31
O62 S31
O62 S31
O62 S31
O62 S31
O62 S31

Levenshtein
0.38
0.57
0.57
0.14
1.00
0.56
0.56
0.43
0.13
0.38

Dari serangkainya pengujian yang dilakukan seperti pada contoh Tabel 8,
nilai yang dihasilkan oleh Levenshtein distance berkisar dari nilai 0 sampai
dengan 1. Sama seperti pada algoritme N-Grams, pada pengujian dengan
Levenshtein distance menghasilkan nilai tertinggi adalah 1, tetapi pada pengujian
dengan menggunakan query uji yang salah pengetikan nilai tertinggi rata-ratanya
menjadi 0.8, sedangkan nilai terendah dari pengujian ini adalah 0.1. Perbedaan
yang terjadi antara Levenshtein distance dan N-Grams terdapat pada query
“Sonchus Arvensis”, nilai penghitungan N-Grams untuk query tersebut
mendapatkan 0, sedangkan pada Levenshtein distance mendapatkan nilai 0.38.
Hal ini dikarenakan, pada N-Grams tujuan penghitungannya adalah untuk mencari
kedekatan dua buah kata, sedangkan Levenshtein distance melihat jarak dan
perbedaan antara dua buah kata.
Nilai similaritas dari hasil penghitungan menggunakan teknik similaritas
yang digunakan dalam penelitian ini berkisar dari nilai 0 sampai dengan nilai 1.
Nilai 0 merupakan nilai dengan similaritas yang kecil, dan nilai 1 merupakan nilai
dengan similaritas yang besar.
Nilai yang didapatkan dari penghitungan similaritas ini akan digunakan
dalam penghitungan selanjutnya dengan menggunakan rumus kombinasi linear
seperti pada persamaan 3. Dari proses ini didapatkan nilai dari masing-masing
algoritme similaritas, kemudian dipilih nilai yang paling besar yaitu mendekati
nilai 1. Kemudian, hasil dari similaritas ini ditampilkan dengan urutan dari nilai
similaritas yang paling besar ke yang paling kecil.

18
Tabel 9 Contoh hasil penghitungan kombinasi linear terhadap beberapa query
Query
korpus
B62 O462
C62 P1
C362 S1
C162
O62 S31
O632 A632
O632 S123
P62 M42
S534 A15
S52 A615
Ket:

Query uji

Ka

Kb

Nilai

Oriza Sativa:
(O62 S31)

K1

K2

K1

K2

O62 S31
O62 S31
O62 S31
O62 S31
O62 S31
O62 S31
O62 S31
O62 S31
O62 S31
O62 S31

0.67
0.67
0.50
0.50
1.00
0.50
0.50
0.67
0.00
0.33

0.75
0.00
0.00
0.00
0.00
0.50
0.25
0.33
0.00
0.25

0.00
0.00
0.25
0.50
0.00
0.25
0.25
0.00
0.50
0.33

0.00
0.33
0.67
0.00
1.00
0.25
0.25
0.00
0.00
0.25

Ka: suku kata pertama query uji
Kb: suku kedua query uji

a

b

0.75
0.67
0.50
0.50
1.00
0.50
0.50
0.67
0.00
0.33

0.00
0.33
0.67
0.50
1.00
0.25
0.25
0.00
0.50
0.33

δ

*a+
(1- )*b
0.38
0.50
0.58
0.50
1.00
0.38
0.38
0.34
0.25
0.33

K1: suku kata pertama query korpus
K2: suku kata kedua query korpus

Maksud dari Tabel 9 adalah, sebelum melakukan penghitungan dengan
menggunakan kombinasi linear, hal yang dilakukan terlebih dahulu ialah
membandingkan nilai similaritas antara suku pertama query uji (Ka) dengan suku
pertama query dalam korpus (K1), dan antara suku pertama query uji (Ka) dengan
suku kedua query dalam korpus (K2) dan diambil nilai terbesar dari perbandingan
ini (a). Hal yang sama dilakukan untuk suku kedua pada query uji (Kb) dengan
suku pertama query dalam korpus (K1), dan antara suku pertama query uji (Kb)
dengan suku kedua query dalam korpus (K2) dan diambil nilai terbesar dari
perbandingan ini (b). Dan terakhir melakukan penghitungan dengan menggunakan
kombinasi linear atau rata-rata terboboti.
Jika melihat hasil penghitungan kombinasi linear pada Tabel 9, maka nilai 1
dengan query korpus dengan kode fonetik “O62 S3 ” memiliki tingkat similaritas
yang besar terhadap query ujinya. Selain dari pada itu, kode fonetik “C362 S ”
merupakan query yang paling mendekati setelah query sebelumnya. Hal itu
dikarenakan jika dilihat strukturnya, maka kode inilah yang setidaknya mendekati
query yang diuji. Kode fonetik “S534 A 5“ merupakan query dengan similaritas
yang paling rendah yaitu dengan nilai 0.25 sehingga query ini akan ditampilkan
paling bawah.
Pengujian dan Evaluasi Sistem
Proses evaluasi yang dilakukan terhadap sistem temu kembali ini
menggunakan dua metode, yaitu recall dan precision. Pada penelitian ini juga
menggunakan batas nilai similaritas tidak sama dengan 0 sebagai nilai batas
dokumen yang relevan, yang nantinya akan ditampilkan dalam sistem ini sebagai
hasil pencarian dari query input.
Evaluasi sistem temu kembali ini dilakukan dengan menggunakan 20 query
uji yang terdiri atas 10 query benar dan 10 query salah. Kumpulan query uji yang
digunakan dalam pengujian sistem temu kembali ini dpat dilihat pada Tabel 5.

19
Pengujian pertama menggunakan 10 query yang terdapat kesalahan pada
pengetikan query input. Query uji ini merupakan contoh kesalahan pengetikan
dari kata misalnya query uji “Kurkurma” yang seharusnya adalah “Cu uma”,
kesalahannya terjadi penggantian (substitution antara huruf ‘C’ dengan huruf ‘K’.
Dengan menggunakan query uji pada Tabel 5, sistem masih dapat mengembalikan
dokumen yang relevan dan sesuai dengan yang dimaksudkan oleh query uji.
Akurasi dari setiap algoritme fonetik pada pengujian dengan menggunakan query
uji yang salah masing-masing sebesar 55.5% (Soundex), 78% (Phonix), dan 95%
(Metaphone). Perbandingan hasil persentase pengujian dengan query uji yang
salah dalam bentuk grafik dapat dilihat pada Gambar 6.
100.0%

Akurasi

80.0%
60.0%
40.0%
20.0%
0.0%

Soundex

Phonix

Metaphone

Algoritme fonetik

Gambar 6 Grafik perbandingan akurasi untuk ketiga algoritme fonetik
Pengujian selanjutnya menggunakan 10 query uji tanpa ada kesalahan
pengetikan. Dengan menggunakan query uji ini sistem dapat mengenali dengan
sangat baik dan mencapai persentase 100% untuk setiap algoritme fonetik yang
digunakan. Dapat disimpulkan bahwa sistem temu kembali informasi ini mampu
mengembalikan dokumen dengan tingkat keakuratan yang baik untuk setiap query
uji yang diberikan.
Hal ini dibuktikan dengan melihat hasil dokumen yang dikembalikan dan
dari grafik recall-precision, serta jika dilihat pada average precision (AVP) dari
setiap algoritme fonetik, yaitu 77.8% (Soundex), 88% (Phonix), dan 97.5%
(Metaphone). Selain itu, jika melihat hasil persentase dari setiap algoritme fonetik
pada penelitian ini, maka Metaphone merupakan algoritme yang paling baik
menangani pencarian kata dengan menggunakan nama latin sebagai query
pencariannya walaupun dengan penulisan yang salah.
Gambar 7 merupakan grafik perbandingan algoritme Soundex, Phonix, dan
Metaphone dengan melihat average precision (AVP) dari setiap algoritme. Dari
grafik tersebut dapat dilihat bahwa Soundex merupakan algoritme dengan recall
precision yang terrendah, tetapi lebih konsisten (tidak turun terlalu jauh)
dibandingkan dengan algoritme Phonix. Hal ini dikarenakan untuk Soundex
memiliki kelebihan dalam kesederhanaan dalam pembuatan kode fonetik sehingga
lebih general dalam mengenali query pencarian, sedangkan Phonix memiliki

20
kelebihan dalam mengenali query yang lebih spesifik dan memiliki aturan khusus
yang mana menjadinya kekurangan juga kelebihan dari algoritme Phonix sendiri.
Selain itu, di antara yang lain, maka algoritme Metaphone merupakan algoritme
dengan dengan recall precision tertinggi juga yang paling konsisten (tidak turun)
di antara algoritme yang lain.
1.00
0.90
0.80

Precision

0.70
0.60
0.50
0.40
Soundex

0.30

Phonix

0.20

Metaphone

0.10
0.00
0

0.1

0.2

0.3

0.4

0.5
0.6
Recall

0.7

0.8

0.9

1

Gambar 7 Grafik recall precision query uji dengan AVP

SIMPULAN DAN SARAN
Simpulan
Berdasarkan penelitian yang telah dilakukan dapat disimpulkan bahwa,
penerapan algoritme fonetik dapat dilakukan pada permasalahan nama ilmiah atau
nama latin, baik terdiri atas satu atau dua suku kata dan pencarian temu kembali
informasi dengan menggunakan algoritme fonetik sangat membantu dalam
kegiatan pencarian kata, walaupun kata yang digunakan salah. Permasalahan
dalam pencarian kata bisa terjadi pada saat pengetikan, salah dalam pengejaan
kata karena kemiripan ucapan, atau dalam menangani pencarian dengan
menggunakan dua suku kata.
Pada penelitian ini, walaupun terjadi kesalahan-kesalahan tersebut, sistem
masih dapat menampilkan hasil berdasarkan kemiripan kata masukan itu. Hal ini
dikarenakan sistem ini mengombinasikan algoritme fonetik dengan teknik
similaritas sehingga memaksimalkan kemiripan suatu kata terhadap kata yang
lain. Hal tersebut ditunjukan berdasarkan persentase average precision (AVP) dari
hasil pencarian yaitu sebesar 77.8% (Soundex), 80.8% (Phonix), dan 97.5%
(Metaphone). Selain itu, jika melihat hasil persentase dari setiap algoritme fonetik
yang diperoleh, maka Metaphone merupakan algoritme yang paling baik

21
menangani pencarian kata deng