1. Hasil Pemahaman Bidang Kajian dan
Identifikasi Masalah
Pengkajian mengenai pembentukan kamus
word graph kata sifat dan sistem aplikasi BogorDelftConstruct didapat dari penelitian sebelumnya, tesis Usep Rahmat (2009) dan
skripsi Deni Romadoni (2009). Identifikasi masalah dalam penelitian
ini mencakup keseluruhan yang dijelaskan bab metode penelitian antara lain, pembatasan penelitian berdasarkan ruang lingkup, proses
stemming, penggunaan KBBI dalam penelitian, pembentukan pola word graph, pengujian pola
word graph, dan analisis hasil pengujian. Pola pembentukan word graph kata sifat berdasarkan aturan yang telah dibuat oleh Rahmat (2009) antara lain se-Kata Sifat, ter- Kata Sifat dengan kualitas paling tinggi, ter- Kata Sifat dengan kualitas paling rendah, ber- Kata Bilangan, me-Kata Benda, Kata Benda-an, Kata Benda-al, Kata Benda-il, Kata Benda-ik, Kata Benda-is, Kata Benda-if, Kata Benda-istis, Kata Benda-i, Kata Benda-iah, Kata Benda-em-, ke-Kata Sifat-an, me-Kata Dasar-kan, dan me- Kata Benda-kan.
2. Praproses
Praproses merupakan tahap awal pengembangan modul Kamus Word Graph Kata Sifat. Praproses dilakukan untuk membatasi nilai masukan pada sistem. Tahap praproses didokumentasikan pada fungsi checkInput
dalam sistem. Pada fungsi checkInput terdiri atas fungsi checkString dan checkNum. Fungsi
checkString digunakan untuk memeriksa apakah masukan terdiri atas satu kata atau lebih. Jika kata masukan lebih dari satu maka tidak akan diproses ke tahap selanjutnya. Selain itu, fungsi
checkNum digunakan untuk membatasi nilai masukan yang berupa numerik, sehingga sistem akan menampilkan peringatan kepada user
stemming yang dibuat akan menyimpan imbuhan yang terkandung dalam kata masukan.
Proses stemming yang digunakan pada penelitian ini mengadopsi proses stemming yang telah dilakukan Iqbal (2010). Proses stemming
yang dilakukan Iqbal (2010) mampu menangani masalah overstem dan understem dengan baik. Selain menggunakan KBBI proses stemming
yang dilakukan Iqbal (2010) juga menggunakan tabel Fixations untuk menampung imbuhan-imbuhan penyusun kata turunan yang tidak terdapat pada KBBI, seperti ‘di-‘ dan ‘-kan’. Dalam penelitian ini, pada tabel
Fixations ditambah dengan beberapa imbuhan asing yang proses pembentukan kata dasarnya tidak mengalami peluruhan. Untuk imbuhan asing yang mengalami peluruhan dilakukan proses stemming terpisah. Untuk imbuhan yang mengalami peluruhan huruf awal kata dasar ‘meng’ dan ‘peng’ sudah tercakup dalam KBBI (Iqbal 2010).
Proses stemming dengan KBBI yang disajikan dalam Gambar 6 dan dilakukan dengan langkah-langkah berikut:
1. Kata masukan dicari apakah terdapat pada KBBI atau tidak. Jika masukan berupa kata ulang, maka kata masukan terdiri atas dua kata yang akan diproses. Kata pertama adalah kata sebelum tanda hubung (-) dan kata kedua adalah kata setelah tanda hubung.
2. Jika ada pada KBBI, kata masukan diperiksa apakah mengandung imbuhan yang terdapat pada tabel Fixations atau tidak. Jika ya, dilakukan proses pemotongan berurut sesuai imbuhan- imbuhan yang dikenali pada tabel
Fixations. Jika tidak, untuk imbuhan asing maka kata dilakukan proses stemming. Selainnya, kata masukan yang dikenali pada KBBI dikembalikan kata dasarnya dan langsung dicari sifat kata dasarnya dalam KBBI. Jika kata masukan berupa kata ulang maka kata dasarnya langsung diambil dari KBBI tanpa proses stemming. 3. Jika tidak terdapat pada KBBI maka
x100% diuji yang kata benar yang kata akurasi
∑
∑
=HASIL DAN PEMBAHASAN
1. Hasil Pemahaman Bidang Kajian dan
Identifikasi Masalah
Pengkajian mengenai pembentukan kamus
word graph kata sifat dan sistem aplikasi BogorDelftConstruct didapat dari penelitian sebelumnya, tesis Usep Rahmat (2009) dan
skripsi Deni Romadoni (2009). Identifikasi masalah dalam penelitian
ini mencakup keseluruhan yang dijelaskan bab metode penelitian antara lain, pembatasan penelitian berdasarkan ruang lingkup, proses
stemming, penggunaan KBBI dalam penelitian, pembentukan pola word graph, pengujian pola
word graph, dan analisis hasil pengujian. Pola pembentukan word graph kata sifat berdasarkan aturan yang telah dibuat oleh Rahmat (2009) antara lain se-Kata Sifat, ter- Kata Sifat dengan kualitas paling tinggi, ter- Kata Sifat dengan kualitas paling rendah, ber- Kata Bilangan, me-Kata Benda, Kata Benda-an, Kata Benda-al, Kata Benda-il, Kata Benda-ik, Kata Benda-is, Kata Benda-if, Kata Benda-istis, Kata Benda-i, Kata Benda-iah, Kata Benda-em-, ke-Kata Sifat-an, me-Kata Dasar-kan, dan me- Kata Benda-kan.
2. Praproses
Praproses merupakan tahap awal pengembangan modul Kamus Word Graph Kata Sifat. Praproses dilakukan untuk membatasi nilai masukan pada sistem. Tahap praproses didokumentasikan pada fungsi checkInput
dalam sistem. Pada fungsi checkInput terdiri atas fungsi checkString dan checkNum. Fungsi
checkString digunakan untuk memeriksa apakah masukan terdiri atas satu kata atau lebih. Jika kata masukan lebih dari satu maka tidak akan diproses ke tahap selanjutnya. Selain itu, fungsi
checkNum digunakan untuk membatasi nilai masukan yang berupa numerik, sehingga sistem akan menampilkan peringatan kepada user
untuk memasukkan nilai berupa kata bukan numerik ataupun karakter.
3. Stemming
Stemming dibuat sesuai kebutuhan penelitian yaitu mampu membuang awalan, akhiran, sisipan ataupun konfiks (gabungan antara awalan dan akhiran). Selain itu,
stemming yang dibuat akan menyimpan imbuhan yang terkandung dalam kata masukan.
Proses stemming yang digunakan pada penelitian ini mengadopsi proses stemming yang telah dilakukan Iqbal (2010). Proses stemming
yang dilakukan Iqbal (2010) mampu menangani masalah overstem dan understem dengan baik. Selain menggunakan KBBI proses stemming
yang dilakukan Iqbal (2010) juga menggunakan tabel Fixations untuk menampung imbuhan-imbuhan penyusun kata turunan yang tidak terdapat pada KBBI, seperti ‘di-‘ dan ‘-kan’. Dalam penelitian ini, pada tabel
Fixations ditambah dengan beberapa imbuhan asing yang proses pembentukan kata dasarnya tidak mengalami peluruhan. Untuk imbuhan asing yang mengalami peluruhan dilakukan proses stemming terpisah. Untuk imbuhan yang mengalami peluruhan huruf awal kata dasar ‘meng’ dan ‘peng’ sudah tercakup dalam KBBI (Iqbal 2010).
Proses stemming dengan KBBI yang disajikan dalam Gambar 6 dan dilakukan dengan langkah-langkah berikut:
1. Kata masukan dicari apakah terdapat pada KBBI atau tidak. Jika masukan berupa kata ulang, maka kata masukan terdiri atas dua kata yang akan diproses. Kata pertama adalah kata sebelum tanda hubung (-) dan kata kedua adalah kata setelah tanda hubung.
2. Jika ada pada KBBI, kata masukan diperiksa apakah mengandung imbuhan yang terdapat pada tabel Fixations atau tidak. Jika ya, dilakukan proses pemotongan berurut sesuai imbuhan- imbuhan yang dikenali pada tabel
Fixations. Jika tidak, untuk imbuhan asing maka kata dilakukan proses stemming. Selainnya, kata masukan yang dikenali pada KBBI dikembalikan kata dasarnya dan langsung dicari sifat kata dasarnya dalam KBBI. Jika kata masukan berupa kata ulang maka kata dasarnya langsung diambil dari KBBI tanpa proses stemming. 3. Jika tidak terdapat pada KBBI maka
dilakukan proses stemming. Jika kata masukan berupa kata ulang, maka kedua kata yang telah dipisah dilakukan
stemming untuk masing-masingnya.
4. Kata masukan dilakukan proses pemotongan bertahap untuk setiap kondisinya. Setiap tahap yang menghasilkan hasil stemming dimasukkan
yang terdapat dalam kandidat kata diperiksa apakah terdapat pada KBBI atau tidak. Jika tidak ada satupun kata ditemukan maka dikembalikan kata masukan sebelum di-stem. Jika terdapat lebih dari satu kata, maka dikembalikan semua kata yang ditemukan. Pengembalian kata juga disertai pengambilan sifat kata yang ditemukan.
Gambar 6 Proses Stemming.
Program stemming terdokumentasi dalam fungsi getStem yang terdiri dari fungsi stemFix
4. Penggunaan KBBI
Penggunaan KBBI dalam penelitian ini adalah untuk mengenali sifat dari kata dasar yang didapat dari hasil stemming. KBBI disimpan dalam database ‘kamus’ pada MySQL yang telah dikoneksikan dengan MATLAB. Seperti yang telah dijelaskan pada bab metode penelitian, pada tabel Entry ditambahkan field
untuk mengenali tinggi rendahnya kualitas kata sifat tertentu. Pada field ‘Qty’ kata dasar yang memiliki sifat a (adjektiva) yang memiliki ukuran sifat dan nilai tertentu akan diberi nilai ‘pos’ jika nilai dan ukurannya tinggi (positif) dan ‘neg’ (negatif) jika sebaliknya, namun jika tidak keduanya maka bernilai ‘null’.
Misalnya, kata ’besar’ akan bernilai ‘pos’. Hal itu dilakukan secara manual hanya untuk kata dasar yang memiliki sifat a (adjektiva). Hal ini dilakukan agar sistem mampu mengatasi keterbatasan dalam mengenali pola word graph
kata sifat yang terbentuk dari ter-Kata Sifat dengan kualitas paling tinggi dan ter-Kata Sifat dengan kualitas paling rendah.
Sebagian besar kata berimbuhan asing yang terdapat pada KBBI kata pada field ‘Entry’ sama dengan kata pada field ‘Stem’. Misalnya, kata ‘nasionalisme’ pada KBBI memiliki kata dasar ‘nasionalisme’. Kata dasar dari ‘nasionalisme’ seharusnya adalah ‘nasional’. Untuk menanggulangi hal tersebut, maka kata berimbuhan asing dilakukan proses stemming
seperti yang dijelaskan pada subbab stemming
dan Gambar 6.
5. Pengenalan Pola Word Graph Kata Sifat
Setelah didapat kata dasar, sifat kata dasar dan imbuhannya akan digunakan untuk mengenali pola word graph pembentuk kata sifat menggunakan fungsi checkPattern. Untuk mengetahui sifat kata dasar hasil stemming
dilakukan pengecekan kata dasar pada tabel
Entry menggunakan fungsi cekKata. Koneksi antara MySQL dengan MATLAB menggunakan fungsi MysqlConnection.
Fungsi checkPattern akan membandingkan apakah kata dasar, sifat kata dasar dan imbuhan yang terkandung dari kata masukan sesuai dengan pola word graph yang ada. Jika ya,
parameter tersebut dikenali sebagai pola word graph ‘pe-kata sifat’. Jika ya, maka akan dibangkitkan word graph dengan pola yang dikenali.
6. Pembentukan Pola Word Graph Kata
Sifat
Hasil tahap penentuan pola word graph kata sifat akan menampilkan word graph dari pola yang membentuknya. Kata masukan yang memenuhi kondisi pola word graph kata sifat tertentu akan memanggil fungsi yang membuat pola word graph kata sifat tersebut.
Jika semua kondisi pola pembentukan word graph kata sifat tidak terpenuhi, maka kata tersebut bukan kata sifat bentuk turunan yang dibentuk berdasarkan pengafiksan dan sistem akan menampilkan peringatan bahwa kata masukan bukan kata sifat serta menampilkan sifat kata dari kata masukan/kata dasar. Dalam penelitian ini, juga ditambahkan pola word graph kata sifat dasar jika kata masukan berupa kata sifat dasar.
Penelitian ini juga dibatasi untuk pola word graph me-Kata Dasar-kan dan me-Kata Benda- kan, karena sulitnya membedakan kedua pola tersebut hanya dari maknanya. Pembedaan kedua pola tersebut dapat dilakukan dengan melihat posisi kata sifat dengan pola word graph me-Kata Dasar-kan ataupun pola word graph me-Kata Benda-kan dalam kalimat. Batasan sistem telah disebutkan dalam subbab ruang lingkup penelitian bahwa kata masukan hanya berupa kata tunggal, bukan kalimat maka dipilih pola word graph me-Kata Dasar-kan.
Jika tidak dibedakan, akan memungkinkan terjadinya salah dalam memaknai kata masukan karena pola word graph me-Kata Benda-kan dapat juga dikenali sebagai pola me-Kata Dasar-kan. Dari segi imbuhan penyusun kata sifat dan kata dasarnya pola word graph me- Kata Dasar-kan mencakup kemungkinan kata benda di dalamnya. Dalam penelitian ini dipilih pola word graph kata sifat me-Kata Dasar-kan dengan asumsi kata masukan memiliki makna dan word graph yang sesuai dengan kata masukan dalam sebuah konteks. Semua tahapan mulai dari praproses hingga tahap ini digabung dalam sebuah modul indAdjDict yang memroses pembentukan kamus word graph kata sifat. Modul Kamus Word Graph Kata Sifat ditambahkan pada sistem aplikasi BogorDelftConstruct pada bagian menu
Dictionary yang dapat dilihat pada Lampiran 3.
7. Analisis Kata Masukan
Berdasarkan fitur yang dimiliki sistem aplikasi BogorDelftConstruct, graf yang tersimpan akan dapat dianalisis secara otomatis oleh sistem dengan mengklik 2 (dua) kali pada token sehingga muncul pesan yang menunjukkan makna token ataupun juga dapat mengklik 1 (satu) kali pada token sehingga keterangan token yang dipilih akan muncul pada panel Relationship.
Pada tahap ini juga dilakukan pengujian sistem dalam mengenali kata masukan yang sesuai dengan pola word graph kata sifat tertentu. Sebanyak 15 kata sifat masukan untuk sebagian besar pola pembentuk kata sifat. Jumlah kata masukan bergantung pada banyak tidaknya kata sifat pada pola tersebut untuk dijadikan sebagai skenario pengujian sehingga jumlah kata sifat untuk setiap pola dapat berbeda-beda. Kemudian dihitung akurasinya untuk setiap pola pembentuk kata sifat maupun untuk keseluruhan pola.
8. Analisis Hasil Pengujian
Pada Tabel 1 disajikan persentase akurasi yang dihasilkan dari pengujian modul kamus
word graph kata sifat dengan penjelasan untuk setiap pola word graph kata sifat yang diujikan dan pola word graph kata sifat secara keseluruhan.
Tabel 1 Persentase Akurasi Pengujian Modul Kamus Word Graph Kata Sifat
PolaWord Graph Kata Sifat Jumlah input Jumlah input sesuai Akurasi Pola se- Kata Sifat 15 14 93,33 Pola ter- Kata Sifat dengan Kualitas paling tinggi 15 15 100,00 Pola ter- Kata Sifat dengan Kualitas paling rendah 15 14 93,33
PolaWord Graph Kata Sifat Jumlah input Jumlah input sesuai Akurasi Pola ber- Kata Bilangan 9 9 100,00 Pola pe- Kata Sifat 15 15 100,00 Pola me- Kata Benda 15 15 100,00 Pola Kata Benda-em- 15 15 100,00 Pola Kata Benda-an 11 10 90,91 Pola Kata Benda-al 10 8 80,00 Pola Kata Benda-il 5 5 100,00 Pola Kata Benda-iah 10 9 90,00 Pola Kata Benda-i 15 15 100,00 Pola Kata Benda-if 15 15 100,00 Pola Kata Benda-ik 13 12 92,31 Pola Kata Benda-is 15 15 100,00 Pola Kata Benda-istis 15 14 93,33 Pola ke- Kata Sifat- an 15 15 100,00 Pola me- Kata Dasar- kan 12 11 91,67 Pola Kata Sifat Dasar 15 13 86,67 Total 250 237 94,80 Pola se-KataSifat
word graph se-kata sifat dengan benar. Hasil pengujian dapat dilihat pada Lampiran 5 dan 6.
Pola ter-Kata Sifat dengan Kualitas Paling Tinggi
Dari 15 kata sifat masukan yang sesuai dengan aturan pembentuk word graph kata sifat ter-kata sifat dengan kualitas paling tinggi memiliki akurasi 100%. Semua kata sifat masukan menghasilkan kata dasar dan pola
word graph yang sesuai. Hasil pengujian dapat dilihat pada Lampiran 7 dan 8.
Pola ter-Kata Sifat dengan Kualitas Paling Rendah
Lima belas kata sifat masukan sebesar 93,33% dikenali dengan benar sesuai pola pembentuk word graph kata sifat ter-kata sifat dengan kualitas paling rendah. Hal ini disebabkan oleh kata sifat masukan ‘terendah’ menghasilkan kata dasar hasil stemming ‘endah’ dan kata dasar ‘endah’ tidak terdapat dalam KBBI. Hasil pengujian dapat dilihat pada Lampiran 9 dan 10.
Pola ber-Kata Bilangan
Dari 9 (sembilan) kata sifat masukan memiliki akurasi 100%. Semua kata sifat masukan menghasilkan kata dasar dan pola
word graph yang sesuai. Hasil pengujian dapat dilihat pada Lampiran 11 dan 12.
Pola me-Kata Benda
Lima belas kata sifat masukan memiliki akurasi 100%. Semua kata masukan menghasilkan kata dasar hasil stemming yang sesuai. Keseluruhan kata sifat masukan menghasilkan pola aturan pembentuk word graph kata sifat me-kata benda. Hasil pengujian dapat dilihat pada Lampiran 13 dan 14.
Pola pe-Kata Sifat
Lima belas kata sifat masukan memunyai akurasi 100%. Seluruh kata masukan menghasilkan stemming yang sesuai sehingga semua kata masukan dikenali dengan benar sesuai pola pembentuk word graph pe-kata sifat. Hasil pengujian dapat dilihat pada Lampiran 15 dan 16.
Pola Kata Benda-an
Dari 11 kata sifat masukan akurasi yang dihasilkan sebesar 90,91% telah sesuai dengan pola pembentuk word graph kata sifat kata benda-an. Satu kesalahan terjadi karena kata dasar hasil stemming tidak sesuai, yaitu pada kata masukan ‘pengangguran’ dengan hasil
stemming ‘anggur’ yang mana seharusnya adalah ‘penganggur’. Hasil pengujian dapat dilihat pada Lampiran 19 dan 20.
Pola Kata Benda-al
10 kata sifat masukan memiliki akurasi 80% yang dikenali dengan benar sesuai pola pembentuk word graph kata benda-al. Dua kesalahan terjadi karena kata dasar hasil
stemming tidak sesuai sehingga tidak terdapat pada KBBI. Misalnya pada kata ‘rasional’ menghasilkan kata dasar ‘rasi’. Hasil pengujian dapat dilihat pada Lampiran 21 dan 22.
Pola Kata Benda-il
Dari 5 kata sifat masukan menghasilkan akurasi 100% atau semua kata sifat masukan yang dikenali benar sesuai dengan pola pembentuk word graph kata sifat dari kata benda-il. Semua kata masukan menghasilkan hasil stemming yang sesuai. Hasil pengujian dapat dilihat pada Lampiran 23 dan 24.
Pola Kata Benda-iah
Sepuluh kata sifat masukan memiliki akurasi sebesar 90%. Kesalahan yang terjadi karena kata dasar yang dihasilkan tidak terdapat pada KBBI, yaitu pada kata ‘harfiah’, dengan kata dasar ‘harfi’ dari hasil stemming tidak terdapat dalam KBBI. Hasil pengujian dapat dilihat pada Lampiran 25 dan 26.
Pola Kata Benda-i
Dari 15 kata sifat masukan menghasilkan akurasi 100% dimana semua kata sifat masukan dikenali dengan benar sesuai pola pembentuk
word graph kata benda-i dan juga semua kata dasar hasil stemming sesuai dengan yang seharusnya. Hasil pengujian dapat dilihat pada Lampiran 27 dan 28.
Pola Kata Benda-if
Dari 15 kata sifat masukan memiliki akurasi 100% yang dikenali sesuai sebagai pola pembentuk word graph kata benda-if. Semua kata masukan dikenali dengan benar sesuai pola
word graph kata benda-if. Hasil pengujian dapat dilihat pada Lampiran 29 dan 30.
Pola Kata Benda-ik
Tiga belas kata sifat masukan memiliki akurasi sebesar 92,31%. Terjadi 1 (satu) kesalahan yang disebabkan oleh hasil stemming
yang jenis kata dasarnya tidak memenuhi aturan pola kata benda-ik. Hal ini terjadi pada kata masukan ‘feodalistik’ yang menghasilkan kata dasar ‘feodal’, sedangkan kata yang dibutuhkan untuk dapat memenuhi aturan pola kata benda- ik adalah ‘feodalis’ yang mana tidak terdapat dalam KBBI. Hasil pengujian dapat dilihat pada Lampiran 31 dan 32.
Pola Kata Benda–is
Lima belas kata sifat masukan menghasilkan akurasi sebesar 100% atau semua kata masukan menghasilkan hasil stemming yang sesuai sehingga mengenali dengan benar pola kata benda-is. Hasil pengujian dapat dilihat pada Lampiran 33 dan 34.
Pola Kata Benda-istis
Dari 15 kata sifat masukan menghasilkan 93,33%. Satu kesalahan terjadi karena hasil
stemming yang tidak sesuai dengan kata dasar yang diinginkan, namun tetap dikenali sebagai pola word graph kata benda-istis. Hal ini terjadi karena pada saat pengenalan pola kata benda- istis kata dasar tersebut memenuhi aturan pola kata benda-istis. Hasil pengujian dapat dilihat pada Lampiran 35 dan 36.
Pola ke-Kata Sifat-an
Dari 15 pola kata sifat masukan dihasilkan akurasi sebesar 100,00%. Semua kata sifat masukan dikenali dengan benar sesuai dengan pola pembentuk word graph kata sifat dari ke- kata sifat-an dan hasil stemming yang juga sesuai dengan yang seharusnya. Hasil pengujian dapat dilihat pada Lampiran 37 dan 38.
Pola me-Kata Dasar-kan
Dua belas kata sifat masukan menghasilkan akurasi sebesar 91,67%. Kesalahan terjadi karena kata dasar hasil stemming tidak sesuai dengan yang seharusnya namun pola word graph yang dihasilkan memenuhi kondisi pola pembentuk word graph kata sifat me-kata dasar-kan. Hal ini terjadi karena kata dasar melingkupi semua sifat kata dasar, baik itu adjektiva, nomina, kata kerja dan sebagainya. Hasil pengujian dapat dilihat pada Lampiran 39 dan 40.
Pola Kata Sifat Dasar
Dari 15 kata sifat masukan menghasilkan akurasi sebesar 86,67%, dua kesalahan terjadi
dalam mengenali kata masukan, kata masukan ‘lincah’ tidak terdapat dalam KBBI. Untuk kata masukan ‘menawan’, kata tersebut tidak dikenali sebagai kata dasar melainkan kata yang mengandung imbuhan me- dengan kata dasar ‘tawan’. Hasil pengujian dapat dilihat pada Lampiran 41 dan 42.
Analisis Hasil Pengujian Keseluruhan Dari semua kata sifat masukan yang dijadikan skenario pengujian untuk pola word graph kata sifat sebanyak 250 kata sifat masukan dengan total kesalahan 13 menghasilkan akurasi 94,80%. Secara umum, modul kamus word graph kata sifat telah cukup baik. Masalah utama dari pengembangan modul kamus word graph kata sifat adalah tidak lengkapnya KBBI. Permasalahan lainnya adalah tidak sesuainya hasil stemming, beberapa kata sifat berimbuhan asing terjadi overstemming. Selain itu, beberapa kata sifat mengalami pembentukan kata dasar yang tidak teratur. Kata sifat tersebut adalah kata sifat berimbuhan asing. Untuk menanggulangi masalah tersebut dibuat tabel yang mampu menampung semua ketidakteraturan kata dasar untuk beberapa kata sifat.
9. Analisis Kekurangan dan Kelebihan
Pengembangan Modul Kamus Word
Graph Kata Sifat
Kekurangan modul Kamus Word Graph
Kata Sifat ini, seperti yang telah disebutkan pada subbab ruang lingkup. Modul Kamus
Word Graph Kata Sifat hanya mampu menampilkan graf kata sifat yang dibentuk dengan pengafiksan dan word graph untuk kata sifat dasar. Selain itu, kata sifat yang dimaksud terbatas pada penelitian Rahmat (2009).
Misalnya, pada kata sifat ‘terdepan’ dengan pola pembentuk kata sifat ter- dengan kata depan (preposisi) tidak tercakup dalam