Latar Belakang Antarmuka Bahasa Indonesia Pengakses Basis Data Dengan Pembangkitan Input Query Alternatif Menggunakan Kaidah Sintaksis dan Semantik.

1 BAB I PENDAHULUAN

1.1 Latar Belakang

Basis data merupakan kumpulan data yang berisi informasi yang sesuai bagi sebuah institusiperusahaan Silberschatz, 2002. Data-data yang disimpan dalam basis data dapat memberikan informasi yang dibutuhkan bagi orang-orang dalam institusi tersebut. Untuk dapat mengakses dan mengolah basis data, dibutuhkan suatu sistem yang disebut sistem manajemen basis data atau Database Management System DBMS. Sistem manajemen basis data diperkenalkan pada tahun 1960 dan memiliki tujuan utama untuk menyediakan cara menyimpan dan mengambil informasi basis data secara mudah dan efisien Silberschatz, 2002. Contoh DBMS adalah dBase, Microsoft Access, LibreOffice Base. Seiring pesatnya perkembangan teknologi informasi, basis data menjadi semakin besar dan kompleks sehingga DBMS menjadi tidak cukup cepat dalam membaca data. Pada tahun 1970 diperkenalkan RDBMS, singkatan dari Relational Database Management System. Contohnya adalah MySQL, MariaDB, SQLite. RDBMS mendukung relasional antar tabel menggunakan primary key, foreign key, dan index. Hal ini menjadikan RDBMS lebih cepat dalam menyimpan dan mengambil data pada basis data. Hingga kini RDBMS paling banyak digunakan karena mampu mengolah data yang besar dan kompleks. RDBMS mengunakan bahasa standar formal language terstruktur untuk mengolah basis data yang disebut Structured Query Language SQL. SQL dikembangkan oleh Donald D. Chamberlin dan Raymond F. Boyce pada pertengahan tahun 1970. Dengan menggunakan perintah-perintah query SQL, pengguna dapat melakukan operasi-operasi tertentu pada basis data, seperti menampilkan, menambah, mengubah, dan menghapus data. Namun, tidak banyak orang memahami sintaks query SQL dan struktur basis data dan tidak banyak orang memiliki waktu untuk mempelajarinya Gaori Rao, 2010. Agar pengguna khususnya end user dapat mengakses basis data, maka digunakanlah antar muka khusus berupa form form-based interface. Dengan antarmuka form, end user dapat mengakses basis data tanpa perlu tahu sintaks SQL atau mempelajari skema basis data di dalamnya. Seiring kemajuan ilmu kecerdasan buatan, pengolahan bahasa alami Natural Language ProcessingNLP mulai banyak diaplikasikan pada berbagai bidang, salah satunya adalah pada pengolahan basis data. NLP merupakan bidang ilmu kecerdasan buatan yang secara khusus mempelajari bagaimana mesinkomputer mampu “memahami” bahasa alami manusia Bahasa Inggris, Bahasa Indonesia, dsb. dengan memberlakukan berbagai macam pendekatan Androutsopoulos, 1995. Dengan mengaplikasikan NLP pada pengolahan basis data, pencarian data dapat dilakukan hanya dengan menggunakan sebuah perintah tertulis dalam bahasa alami. Konsep ini dikenal dengan istilah Natural Language Interface to Database NLIDB. NLIDB adalah suatu antarmuka yang mampu mengolah bahasa alami manusia menjadi SQL shingga dapat dieksekusi pada suatu database tertentu yang diperuntukkan Androutsopoulos, 1995. Hadirnya NLIDB memberikan opsi lain bagi end user untuk mengakses basis data selain pengisian form pada antarmuka berbasis form. NLIDB pertama kali dikembangkan pada tahun 60 hingga 70an. NLIDB yang terkenal terbaik pada saat itu adalah LUNAR, yang merupakan antarmuka bahasa alami untuk mengakses basis data analisis kimia bebatuan di Bulan. Beberapa NLIDB lainnya yang populer diantaranya adalah: INTELLECT, LOQUI, PRECISE, MASQUE, dll. Kebanyakan NLIDB tersebut menggunakan antarmuka Bahasa Inggris ke bahasa SQL. Di Indonesia sendiri, penelitian mengenai NLIDB untuk Bahasa Indonesia telah dilakukan sejak lebih dari sedekade terakhir. Andiyani 2002 menerapkan query Bahasa Indonesia untuk basis data akademik, Hartati dan Zuliarso 2008 dan Wibisono 2013 menerapkan aturan produksi pada pengolahan bahasa alami untuk query basis data XML. Publikasi NLIDB Bahasa Indonesia dari tahun ke tahun mengalami pasang surut. Hal ini disebabkan karena kompleksnya bahasalinguistik, seperti gramatikal, morfologi pembentukan kata, sintaksis, semantik, pragmatik, serta ambiguitas kerancuan atau makna ganda dari suatu kata atau kalimat. Hingga saat ini, ambiguitas memang menjadi permasalahan utama dalam NLP yang masih sulit ditangani Pusphak, 2010. Dengan cukup kompleksnya permasalahan dalam bidang NLP, tentu saja pengolahan NLIDB dengan menggunakan pendekatan ataupun aturan produksi dengan template tertentu seperti yang telah dilakukan pada penelitian-penelitian berbahasa Indonesia sebelumnya, akan lebih sulit untuk menangani kesalahan- kesalahan struktural maupun makna. Oleh karena itu, penulis memberikan solusi berupa fitur pembangkitan query alternatif yang dapat memberikan opsi query yang lebih benar. Pembangkitan query alternatif ini akan mengurangi risiko kesalahan output sistem dalam mentranslasikan query Bahasa Indonesia menjadi SQL. Sebelum ditranslasikan, terlebih dahulu query input dianalisis menggunakan kaidah-kaidah sintaksis dan semantik. Analisis sintaksis memastikan struktur penulisan perintah yang diinputkan user sesuai dengan aturan gramatikal ketatabahasaan yang benar. Sedangkan, analisis semantik memetakan makna lain yang terkandung dalam suatu kata sehingga arah translasi SQL tidak jauh dari basis data yang digunakan. Penelitian ini mengangkat ruang lingkup domain basis data administrasi arsip surat yang digeneralisasi secara umum digunakan oleh sebagian besar instansi. Basis data arsip surat ini dipilih mengingat sistem pengarsipan surat bagi instansi merupakan hal yang sangat penting. Banyak data yang tersimpan sehingga banyak informasi penting yang bisa didapatkan oleh instansi tersebut dan orang-orang di dalamnya, seperti sekretaris, pegawai administrasi surat, tata usaha, dan lainnya.

1.2 Rumusan Masalah