A LI A LI
C A U C A U
Ontologi F
digunakan untuk
menunjukkan fokus dari suatu graf, sebagai contoh
kalimat “kerusuhan
merusak pert
okoan”, dapat dinyatakan pada Gambar 11 yang menyatakan bahwa fokus dari graf
tersebut adalah token kerusuhan.
Gambar 11 Contoh ontologi F. 2.5 Interpretasi
Knowledge Graph
Analisis teks pada teori knowledge graph untuk satu persoalan yang sama bisa
memberikan hasil yang berbeda Ikhwati 2007. Hal ini disebabkan adanya perbedaan
interpretasi yang bersifat subjektif. Oleh karena itu, untuk memperkecil perbedaan
tersebut diperlukan kemampuan yang baik dalam menganalisis teks.
2.6 Kelas Kata
Berdasarkan struktur bentuk, morfologi dan kelompok kata fraseologi, kata dibagi
menjadi 4 kelas besar, yaitu: 1.
kelas kata benda yang memuat subkelas kata ganti dan kata sandang,
2. kelas kata kerja,
3. kelas kata sifat yang memuat subkelas
kata bilangan, 4.
kelas kata tugas yang memuat subkelas kata
depan, kata
sambung, kata
keterangan. Keraf 1991
2.7 Kata Benda
Kata benda adalah kata yang mengacu pada manusia, binatang, benda, dan konsep
atau pengertian.
Ciri-ciri kata benda adalah sebagai berikut: 1.
Dalam kalimat yang predikatnya kata kerja, kata benda cenderung menduduki
fungsi subjek, objek, atau pelengkap. 2.
Kata benda tidak dapat diingkarkan dengan kata
“tidak”. 3.
Kata benda dapat diingkarkan dengan kata
“bukan”. 4.
Kata benda umumnya dapat diikuti oleh kata sifat, baik secara langsung maupun
diantarai oleh “yang”.
Berdasarkan wujudnya,
kata benda
dibedakan atas: 1.
Kata benda konkret, yaitu kata benda yang dapat dilihat bentuk fisiknya.
Contoh: dompet, bunda, lemari. 2.
Kata benda abstrak, yaitu kata benda yang wujud fisiknya tidak dapat dilihat.
Contoh: kebenaran,
persatuan, kecantikan.
Berdasarkan bentuknya
kata benda
dikelompokkan menjadi kata benda dasar dan kata benda turunan.
1. Kata benda dasar adalah kata benda yang
terdiri atas satu morfem. Contoh:
gelas, air,
udara, Senin,
Ponorogo, rumah. 2.
Kata benda turunan, terbagi atas: a.
Kata benda berimbuhan. Contoh:
kementerian, pelabuhan,
geligi, perusahaan, kemasan. b.
Kata benda bereduplikasi. Contoh: rumah-rumah, dedaunan,
desas-desus, lauk-pauk. c.
Kata benda yang berasal dari berbagai kelas karena proses.
1. Deverbalisasi
Contoh: ketertarikan, pendidikan, pengembangan, keterbukaan.
2. Deadjektivalisasi
Contoh: perusakan, kematangan, keseriusan, petinggi.
3. Denumeralisasi
Contoh: keseluruhan, persatuan. 4.
Deadverbialisasi Contoh: kekurangan, kelebihan,
keterlaluan. d.
Kata benda yang mengalami proses pemajemukan.
Contoh: ganti rugi, tata tertib, uang muka, sepak bola, pedagang eceran,
unjuk rasa, pascapanen, semifinal.
Waridah 2008
2.8 Hubungan Antarmakna
a. Kata Umum dan Kata Khusus
Kata umum, disebut pula hipernim atau superordinat, adalah kata yang ruang lingkup
maknanya mencakup hal-hal yang umum dan menyangkut aspek-aspek yang lebih luas.
Kata khusus, disebut juga hiponim atau subordinat, adalah kata yang ruang lingkup
maknanya mencakup hal-hal yang sempit atau hanya meliputi aspek-aspek tertentu.
b. Sinonim
Sinonim adalah kata-kata yang maknanya sama
atau hampir
sama. Suatu
kata bersinonim dengan kata lainnya apabila kata-
kata tersebut
maknanya dapat
saling mengartikan di dalam kalimat yang sama.
Waridah 2008
k eru su h an
to k o m eru sak
F
4
2.9 Chunk Indicator
Chunk merupakan potongan kalimat atau potongan ucapan pada waktu seseorang
berbicara. Menurut Rusiyamti 2008 chunk indicator yang digunakan untuk menganalisis
teks berbahasa Indonesia dengan teori knowledge graph antara lain:
1.
Tanda baca. Contoh: tanda titik ., tanda koma ,,
tanda titik dua :, tanda tanya ?, tanda seru , tanda kurung ....
2. Kata petunjuk dan kata penghubung
konjungsi, yaitu kata tugas yang menghubungkan dua klausa, kalimat, atau
paragraf. Contoh: maupun, apabila, tetapi, kecuali,
sebab, jika, bahwa, merupakan, yang.
3. Kata kerja bantu, yaitu kata kerja yang
menduduki fungsi
khusus terhadap
sebuah kata kerja utama. Contoh: harus, mesti, sanggup, mampu,
boleh, bisa, ingin, mau, suka. 4.
Kata depan preposisi, yaitu kata tugas yang berfungsi sebagai unsur pembentuk
frasa preposisional. Contoh: di, ke, dari, oleh.
5. Lompatan jump, yaitu kata berurutan
yang tidak dapat digolongkan dalam satu chunk
, misalnya pada kalimat “Adik makan setelah pulang sekolah”, kata
“makan” dan “setelah” tidak mungkin diletakkan dalam satu chunk, atau terjadi
lompatan pada kedua kata tersebut, sehingga harus diletakkan pada chunk
yang berbeda. 6.
Kata-kata logika logic word misalnya “dan”,“atau”,“jika-maka”.
2.10 Aturan Abstraksi Teks Berbahasa
Indonesia
Menurut Febriatmoko 2011, langkah- langkah untuk mengabstraksi teks berbahasa
Indonesia dapat ditulis sebagai berikut: 1
Input sebuah teks berbahasa Indonesia. 2
Penghitungan jumlah kata benda yang terdapat dalam teks.
3 Pengelompokan kata benda yang
memiliki kemiripan makna sinonim dan memiliki bentuk umum yang sama.
4 Penentuan
batasan kemunculan
threshold dari kata benda yang akan digunakan sebagai konsep.
5 Pemberian label pada setiap kata benda
yang memenuhi threshold dan akan digunakan sebagai verteks.
6 Pembuatan graf pada setiap kalimat
dalam teks menggunakan verteks yang telah ditentukan.
7 Analisis graf yaitu:
a analisis relasi PAR,
b analisis hubungan sejajar,
c analisis relasi SUB dan CAU.
8 Penggabungan seluruh graf hasil analisis.
9 Pembuatan kesimpulan dari graf akhir
hasil proses analisis.
III SEMANTIC NETWORK
Semantic network adalah notasi grafik untuk merepresentasikan pengetahuan dalam
pola-pola yang saling berhubungan antara node dan arc. Implementasi komputer dari
semantic network pada awalnya berkembang untuk kecerdasan buatan dan mesin translasi
dan telah lama digunakan dalam bidang filosofi, psikologi, dan bahasa. Semantic
network dapat mendeklarasikan grafik yang dapat digunakan untuk merepresentasikan
pengetahuan atau untuk mendukung sistem otomatis dalam penalaran pengetahuan.
Berikut ini adalah enam jenis umum semantic network:
1 Definitional network
Definitional network adalah semantic network
yang digunakan
untuk mendefinisikan
konsep dan
relasi antarkonsep. Pada definitional network,
karena pendefinisian dianggap benar, maka informasi dalam jaringan ini dianggap selalu
benar. Definitional network pertama kali diimplementasikan untuk mesin translator
yang menggunakan 56 jenis relasi yang berbeda Sowa 2006.
Contoh penggunaan definitional network dapat dilihat pada Gambar 12.
rumput licin alat penyiram digunakan
hujan baru turun
sekarang musim penghujan Gambar 12 Contoh definitional network.
Gambar 12 menjelaskan bahwa burung adalah salah satu jenis hewan yang memiliki
ekor, sayap, dan berbulu. Burung memiliki kemampuan untuk terbang, beberapa jenis
burung adalah
pemakan biji-bijian.
Cendrawasih dan kasuari adalah contoh dari jenis burung. Dijelaskan pula, selain burung,
kucing dan anjing juga merupakan hewan. Hewan adalah salah satu jenis dari mamalia.
2 Assertional network
Assertional network adalah jenis dari semantic network yang didesain untuk
menegaskan informasi. Pada assertional network dikenal simbol oval yang digunakan
untuk menyertakan dan meniadakan graf atau subgraf.
Gambar 13 merupakan representasi dari kalimat “Jika adik memiliki balon, maka dia
akan meletuskannya.”
Gambar 13 Contoh assertional network. Kata
di luar
oval merah
merepresentasikan “jika”. Kata “adik” dihubungkan
dengan kata “memiliki”, kemudian dihubungkan lagi dengan kata
“balon”. Subgraf di luar oval merah dapat dibaca “jika adik x memiliki balon y”, x dan
y juga terhubung pada kata di dalam oval merah yang merepresentasikan akibat dari
memiliki y, ”maka x meletuskan y”. Dalam
notasi aljabar Gambar 13 dapat ditulis: adik balon
memiliki meletuskannya
3 Implicational network
Implicational network adalah kasus khusus
dari propositional
semantic network, di mana hubungan utama adalah
implikasi. Hubungan lain mungkin terdapat di dalam verteks proposisi, tetapi hal
tersebut diabaikan
oleh prosedur
kesimpulan. Implicational network dapat digunakan untuk merepresentasikan pola
belief, kausalitas, atau inferences. Contoh penggunaan implicational network dapat
dilihat pada Gambar 14.
Gambar 14 Contoh implicational network. Gambar 14 menunjukkan kemungkinan
penyebab rumput
licin, setiap
kotak mewakili suatu proposisi, dan tanda panah
ad ik m em ilik i
meletuskannya b a lo n
rumput basah
F T
6
burung sayap
biji
b u lu ek o r
terbang
cen d raw asih k a s u a ri
h ew an m am alia
kucing anjing
can eats
is a is a
is a is a
is a is a
has part has part
has part
menunjukkan implikasi dari suatu proposisi. Huruf T true dan F false menyatakan
nilai kebenaran dari proposisi. Jika musim hujan, tanda panah dengan huruf T true
menunjukkan bahwa keadaan setelah hujan, tetapi jika tidak hujan, tanda panah dengan
huruf F false menunjukkan bahwa alat penyiram sedang digunakan. Pada kotak
yang hanya memiliki satu tanda panah keluar, bernilai benar pada kotak pertama
menyebabkan kotak kedua bernilai benar, tetapi apabila kotak pertama bernilai salah
maka tidak dapat diprediksi nilai kebenaran kotak selanjutnya.
4 Executable network
Executable network adalah semantic network yang memiliki mekanisme yang
dapat menyebabkan beberapa perubahan pada jaringan itu sendiri. Tiga jenis
mekanisme yang umum digunakan dalam executable network adalah sebagai berikut:
a. Message passing network dapat
melewatkan data dari satu node ke node yang lainnya. Pada beberapa jaringan,
data dapat terdiri dari satu bit seperti token, atau data dapat juga berupa
bobot.
b. Attached procedures adalah program
yang berhubungan dengan node yang sedang
berasosiasi atau
berproses dengan data pada satu atau lebih node
terdekat. c.
Graph transformations
dapat menggabungkan graf, memodifikasi,
atau mengubah graf menjadi graf yang lebih kecil.
Sowa 2006 Ketiga mekanisme pada executable
network dapat
dikombinasikan dalam
berbagai cara. Misalnya message passing melewatkan data dari node ke node yang
kemudian dapat diproses menggunakan attached procedures yang terdapat pada
node, dan selanjutnya graph transformation dapat berproses pada beberapa node karena
dipicu oleh proses sebelumnya.
Contoh dari penggunaan executable network dapat dilihat pada Gambar 15. Tiga
titik hitam yang berada dalam lingkaran sebelah
kiri atas
posisi a
merepresentasikan calon penumpang yang menunggu bus. Satu titik hitam pada
lingkaran sebelah kanan atas posisi b merepresentasikan bahwa bus datang. Posisi
c merepresentasikan perpindahan bus dari tempat bus datang kemudian menuju tempat
bus menunggu penumpang di posisi d. Ketika bus menunggu, posisi yang berlabel
e aktif,
menunjukkan bahwa
ada perpindahan penumpang antara d dan e.
Selama bus menunggu dan banyak calon penumpang
yang menunggu
bus, perpindahan
penumpang akan
terus berlangsung. Perpindahan itu akan berhenti
ketika sudah tidak ada lagi calon penumpang yang menunggu bus atau semua penumpang
telah masuk ke dalam bus. Perpindahan tersebut juga dapat berhenti saat bus mulai
berjalan, kemudian bus berpindah dari f menuju h.
Gambar 15 Contoh excutable network. Keterangan:
a : calon penumpang menunggu
b : bus datang
c : bus berhenti
d : bus menunggu
e : satu calon penumpang masuk bus
f : bus berangkat
g : penumpang di dalam bus
h : bus pergi
5 Learning network
Menurut Sowa 2006 learning network adalah semantic network yang membangun
dan memperluas
representasi dengan
memperoleh pengetahuan dari contoh. Pengetahuan baru dapat diperoleh dari
jaringan sebelumnya dengan menambah atau menghapus node dan arc atau
memodifikasi nilai numerik bobot. a
b c
d e
f g
h
Sistem ini merespons informasi baru dengan memodifikasi representasi internal
dengan cara yang memungkinkan sistem untuk merespons lebih efektif. Sistem yang
menggunakan representasi jaringan dapat memodifikasi jaringan dengan tiga cara
sebagai berikut:
a. root memory, mengubah informasi baru
ke jaringan dan menambahkan-nya tanpa perubahan,
b. changing weight, mengubah bobot
pada jaringan, c.
restructuring, merupakan bentuk yang paling kompleks dari learning network
karena membuat perubahan mendasar pada struktur jaringan itu sendiri.
Jumlah dan jenis perubahan struktural tidak terbatas, menyebabkan sistem ini
adalah sistem yang paling sulit, namun berpotensi memiliki manfaat yang
paling besar jika metode yang baik dapat ditemukan Sowa 2006.
Contoh penggunaan semantic network
jenis learning network dapat dilihat pada neural nets yang menggunakan sistem
changing weight dan pada aplikasi-aplikasi pencari data asli yang menggunakan sistem
root memory.
6 Hybrid network
Hybrid network
adalah semantic
network yang menggabungkan dua atau lebih teknik sebelumnya. Misalnya pada
sistem database untuk menyimpan data, definitional network digunakan
untuk mendefinisikan
kelas, sedangkan
assertional network
digunakan untuk
menyatakan fakta
dan menegaskan
proposisi Sowa 2006.
IV HASIL DAN PEMBAHASAN
4.1 Praproses
