Sistem Viewer Modul Word Graph Berbasis XML

(1)

DEAN APRIANA RAMADHAN

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

(2)

DEAN APRIANA RAMADHAN

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

BOGOR

2012

Skripsi

sebagai salah satu syarat untuk memperoleh gelar

Sarjana Komputer pada

(3)

Supervised by SRI NURDIATI and AHMAD RIDHA.

Text processing is one part of natural language processing technology that analyses the meaning of text. The meaning of text can be represented as knowledge. One method of representing knowledge in the form of a graph is Knowledge Graph (KG). KG implementation in semantic analysis is expected to help automatic text abstraction process. To analyse the meaning of Indonesian text, BogorDelftConstruct has developed based on DelftConstruct using MATLAB programming language which is not freely accessible.

The Objective of this research is to develop an XML -based web application to view word graphs. This system is developed in Javascript. The testing is performed using 21 word graph patterns of Indonesian adjective and 26 word graph patterns of Indonesian prepositional phrases represented in XML. The system can draw all of the patterns successfully.

(4)

Menyetujui:

Dr Ir Sri Nurdiati MSc Ahmad Ridha SKom MS

NIP. 19601126 198601 2 001 NIP. 19800507 200501 1 001

Mengetahui: Ketua Departemen,

Dr Ir Agus Buono MSi MKom NIP. 19660702 199302 1 001

Tanggal lulus:

(5)

hidayah-Nya sehingga penulis dapat menyelesaikan skripsi yang berjudul “Sistem Viewer Modul Word Graph Berbasis XML” ini. Penulisan skripsi ini tak lepas dari bantuan banyak pihak. Oleh karena itu, penulis ingin menyampaikan rasa terima kasih kepada:

 Kedua orang tua penulis, Gunawan dan Iis Prihatiningsih, atas pola pendidikan yang luar biasa yang telah diberikan kepada penulis.

 Seorang ibu yang sangat luar biasa, Dr Ir Sri Nurdiati MSc selaku dosen pembimbing pertama sekaligus pembimbing akademik penulis. Terima kasih atas segala kehangatan dan bantuan serta nasehat-nasehat yang diberikan kepada penulis.

 Bapak Ahmad Ridha, SKom MS selaku pembimbing kedua yang telah memberikan banyak masukan kepada penulis tentang pengembangan sistem serta kehangatan di setiap diskusi.

 Yayasan Karya Salemba Empat dan donatur yang telah memberikan support kepada penulis untuk selalu menjadi lebih baik setiap harinya.

 Rekan-rekan satu bimbingan, Ria, Nissa, Mushtafa, Rani, dan Made atas segala trial and error yang terjadi dalam pengerjaan skripsi ini.

 Sahabat Ilkom 44 atas persahabatan yang indah.

 Dr. Rimbawan selaku direktur kemahasiswaan IPB beserta seluruh jajaran Direktorat Kemahasiswaan IPB yang selalu membimbing setiap kegiatan kemahasiswaan yang dijalani oleh penulis.

 Sahabat BEM KM IPB Kabinet Totalitas Perjuangan, sahabat BEM FMIPA kabinet Ksatria Pembaharu, sahabat BEM KM IPB Kabinet Generasi Inspirasi, sahabat Manajemen Leadership and Entrepreneurship School BEM KM IPB, ahabat BEM KM IPB Kabinet IPB Bersahabat, terima kasih telah menerima penulis sebagai rekan kerja, tempat berdiskusi maupun berdebat. Bangga rasanya menjadi bagian dari kalian.

 Sahabat di Kementerian Budaya, Olahraga, dan Seni BEM KM Kabinet IPB Bersahabat yang selalu tertawa dan ceria setiap saat.

Semoga karya ini bisa memberikan sumbangsih untuk perkembangan dunia teknologi informasi di Indonesia.

Bogor, Februari 2012

(6)

mengenyam pendidikan di kota kelahirannya. Penulis merupakan lulusan dari SMAN 1 Depok (2004-2007), SMPN 2 Depok (2001-2004), dan SDN Depok Baru VII (1995-2001).

Penulis menempuh studi S1 di Departemen Ilmu Komputer, Fakultas MIPA, Institut Pertanian Bogor sejak tahun 2007. Selain sebagai seorang mahasiswa, penulis sangat aktif memanfaatkan waktunya untuk berorganisasi, baik organisasi intra kampus maupun organisasi ekstra kampus. Organisasi yang pernah ia ikuti antara lain Badan Eksekutif Mahasiswa Keluarga Mahasiswa (BEM KM) IPB, BEM Fakultas MIPA, serta sebagai kepala asrama putra Tingkat Persiapan Bersama IPB. Tidak jarang penulis menjadi pimpinan dari kepanitiaan-kepanitiaan dan ikut aktif dalam berbagai pelatihan, seperti Forum Indonesia Muda, BISMA Leadership Camp serta PPSDMS Nurul Fikri.

Penulis juga seorang pencinta olahraga, khususnya basket. Ia selalu meluangkan waktu untuk berolahraga untuk menghilangkan penat di antara rutinitas hariannya. Penulis pernah aktif dalam kegiatan olahraga basket di bangku SMA. Berbagai prestasi di bidang kepenulisan pun pernah diraihnya. Hal ini karena penulis terkadang mengisi waktu luangnya untuk membuat sebuah artikel atau esai. Semua rutinitas ini penulis lakukan sebagai hobi serta menyalurkan bakatnya dalam hal human resource development. Moto hidup yang dipegang oleh penulis adalah ‘impossible is

(7)

v

Halaman

DAFTAR GAMBAR... vi

DAFTAR LAMPIRAN ... vi

PENDAHULUAN Latar Belakang... 1

Tujuan ... 1

Ruang Lingkup ... 1

Manfaat ... 1

TINJAUAN PUSTAKA Graph ... 1

Natural Language ... 2

Teori Knowledge Graph (KG) ... 2

Pengertian KG ... 2

Concept ... 2

Word Graph ... 2

Aspek Ontologi ... 2

Relationship ... 4

XML (Extensible Markup Language) ... 4

DOM Parsers ... 5

Metode Pengembangan Prototype ... 5

Metode Pengujian Blackbox ... 6

HyperText Mark up Language (HTML) ... 6

JavaScript ... 6

METODE PENELITIAN 1Listen to Customer ... 6

2Build or Revise Mock-up ... 6

3Customer Test Drives Mock-Up ... 6

HASIL DAN PEMBAHASAN I Iterasi Pertama ... 7

I.1 Listen to Customer ... 7

I.2 Build Mock-up ... 8

I.3 Customer Test Drives Mock-up ... 13

II Iterasi Kedua ... 14

II.1 Listen to Customer ... 14

II.2 Revise Mock-up ... 14

II.3 Customer Test Drive Mock-up ... 14

Kekurangan dan Kelebihan Sistem ... 15

KESIMPULAN DAN SARAN Kesimpulan ... 15

Saran ... 15

DAFTAR PUSTAKA ... 15

(8)

vi

Halaman

1 Contoh penggunaan relasi ALI. ... 3

2 Contoh penggunaan relasi CAU. ... 3

3 Contoh penggunaan relasi EQU. ... 3

4 Contoh penggunaan relasi SUB. ... 3

5 Contoh penggunaan relasi DIS. ... 3

6 Contoh penggunaan relasi ORD. ... 3

7 Contoh penggunaan relasi PAR. ... 3

8 Contoh penggunaan relasi SKO. ... 3

9 Contoh penggunaan frame FPAR. ... 4

10 Contoh penggunaan frame NEGPAR. ... 4

11 Contoh penggunaan frame POSPAR. ... 4

12 Contoh penggunaan frame NECPAR. ... 4

13 Contoh penggunaan ontologi F. ... 4

14 Metode pengembangan prototype (Pressman 2001). ... 6

15 Diagram use case. ... 8

16 Sketsa umum antarmuka sistem... 9

17 Focus token. ... 9

18 Token. ... 9

19 Frame. ... 10

20 Word graph pola preposisi 18. ... 10

21 Relasi from text to token. ... 11

22 Proses me-load sistem rendering.... 11

23 Proses menyiapkan canvas. ... 11

24 Proses parsing file XML menjadi string. ... 11

25 Proses parsing XML menggunakan DOM parser. ... 11

26 Proses parsing pada tag<components> . ... 12

27 Proses parsing pada tag<relationship> bagian tag<from>. ... 12

28 Proses parsing pada tag <relationships> pada bagian tag<to> ... 12

29 Proses pembuatan komponen focus. ... 12

30 Word graph untuk pola preposisi 1. ... 12

31 Antarmuka sistem. ... 13

32 Gambar word graph preposisi pola 17 . ... 13

35 Kotak dialog untuk mengubah isi teks. ... 14

36 Word graph preposisi pola 17 hasil perbaikan pada iterasi 2. ... 14

DAFTAR LAMPIRAN

Halaman 1 Tabel pengujian word graph... 18

2 Screen shoot aplikasi ... 28

(9)

PENDAHULUAN

Latar Belakang

Pemrosesan teks merupakan salah satu bagian dari teknologi pemrosesan bahasa alami. Pemrosesan teks dapat berupa analisis makna (semantik) pada suatu teks. Makna suatu teks dapat direpresentasikan sebagai pengetahuan. Salah satu metode yang merepresentasikan pengetahuan dalam bentuk graf adalah metode Knowledge Graph (KG). Berbagai penelitian menggunakan metode KG telah banyak dibahas, namun implementasi metode KG masih belum banyak dilakukan. Penelitian yang ada masih berkutat dalam hal analisis teks dan membuat aturan untuk menganalisis teks.

Implementasi metode KG dalam analisis semantik diharapkan dapat membantu proses abstraksi teks secara otomatis. Agar hal tersebut dapat terwujud, dikembangkan BogorDelftConstruct sebagai implementasi metode KG tahap awal. BogorDelftConstruct merupakan pengembangan dari hasil analisis

struktur bahasa Inggris “DelftConstruct” yang

dikembangkan oleh Mark van Koningsveld pada tahun 2003-2008 (Hoede & Nurdiati 2008).

DelftConstruct merupakan sebuah editor yang dikembangkan untuk membuat graf kata ataupun kalimat dalam struktur bahasa Inggris. Menurut Romadoni (2009), DelftConstruct dapat menganalisis sebuah kata dan membentuk suatu graf antara satu kata dan kata yang lain (word graph), namun belum sesuai dengan konsep KG. BogorDelftConstruct dikembangkan sebagai penyempurnaan dari DelftConstruct untuk

dokumen berbahasa Indonesia.

BogorDelftConstruct dikembangkan dengan

bahasa pemrograman MATLAB dan

merupakan aplikasi yang bersifat desktop.

Merujuk pada BogorDelftConstruct sebagai tools yang berguna untuk membuat graf kata, dikembangkan sebuah aplikasi untuk membuat graf kata yang berbasis web. Beberapa modul jenis kata telah dibuat polanya dalam bentuk XML. Penelitian ini fokus pada pengembangan Sistem Viewer Modul Word Graph Berbasis XML. Penelitian ini diharapkan menjadi tahap lanjutan dalam mewujudkan abstraksi teks secara otomatis.

Tujuan

Penelitian ini bertujuan mengembangkan sistem viewer modul word graph berbasis XML yang mengacu pada aplikasi BogorDelftConstruct, hasil penelitian Astriratma (2012) dan hasil penelitian Dillyani (2012). Penelitian ini diharapkan dapat membantu pengembangan aplikasi BogorDelftConstruct dalam bahasa pemrograman yang bersifat open source dan gratis. Penelitian ini akan membentuk word graph yang dapat merepresentasikan makna suatu kata secara otomatis.

Ruang Lingkup

Penelitian ini fokus pada pengembangan viewer untuk modul word graph yang tersimpan dalam format XML. Modul kata dalam format XML yang tersedia adalah 21 modul kata sifat dan 26 modul kata preposisi. Modul XML akan diterjemahkan menjadi word graph pada web browser. Aturan yang diterapkan sesuai dengan aturan-aturan dari analisis penelitian sebelumnya.

Manfaat

Manfaat utama penelitian ini adalah mengekspresikan makna suatu kata yang direpresentasikan dalam bentuk word graph sehingga tidak terjadi ambiguitas. Aplikasi ini dikemas berbasis web. Setiap orang dapat menggunakan aplikasi ini secara luas tanpa harus terbentur dengan lisensi penggunaan perangkat lunak.

TINJAUAN PUSTAKA

Graph

Dalam sistem diskret, graph menggambarkan suatu alat dasar untuk mempelajari hubungan antarunsur. Graph dikatakan terhubung jika untuk sembarang pasangan verteks x dan y terdapat sebuah barisan hingga yang disebut suatu lintasan atau rantai (Granadi dan Khatiza 2006). Barisan tersebut memiliki verteks awal yang tidak sama dengan verteks akhir.

(10)

Natural Language

Secara umum, natural language atau bahasa alami adalah metode dan sistem simbol yang paling banyak digunakan untuk mengekspresikan pikiran manusia dan pertukaran informasi. Terdapat sebuah pemisah antara bahasa formal atau bahasa buatan dan bahasa alami. Komunikasi antara komputer dan manusia hanya dimungkinkan ketika banyak penelitian yang bertujuan untuk menjembatani pemisah di antara keduanya (Zhang 2002).

Secara alami, menggambarkan dan memodelkan bahasa alami adalah dasar untuk menganalisis dan memaknai bahasa alami serta menentukan arah proses penelitian dari bahasa alami. Ada dua faktor yang diperhatikan dalam menganalisis sebuah kalimat, yaitu sintaksis dan semantik. Perbedaan sintaksis dan semantik adalah sintaksis melakukan analisis berdasarkan bentuk dari sebuah kalimat, sedangkan semantik menganalisis bagaimana mengartikan suatu kalimat (Hulliyah 2007).

Teori Knowledge Graph (KG) Pengertian KG

Menurut Zhang (2002), teori KG adalah jenis sudut pandang baru yang digunakan untuk menggambarkan bahasa manusia yang lebih fokus pada aspek semantik daripada aspek sintaksis. KG mempunyai kemampuan lebih kuat untuk mengekspresikan dan menggambarkan lebih dalam semantic layers untuk meminimumkan penggunaan relation set dan menirukan pengertian dari jalan pikiran manusia.

KG, sebagai bagian dari metode baru yang merepresentasikan pengetahuan, tergolong pada kategori semantic network. Pada prinsipnya, KG tersusun atas concept dan relationship (Zhang 2002). Concept terdiri atas token, type, dan name. Relationship terdiri atas binary relationship dan multivariate relationship.

Concept

Token adalah sebuah node dalam KG yang

disimbolkan dengan persegi “

□

”. Token mengekspresikan sesuatu dalam dunia nyata atau sebuah konsep dari dalam persepsi manusia (Zhang 2002). Token bersifat subjektif karena merupakan konsep yang dipahami oleh bahasa manusia menurut persepsi masing-masing. Contoh sebuah

token, menurut Rusiyamti (2008) adalah kata

“apel”. Seseorang dapat menghubungkan apel tersebut dengan informasi bentuk, warna, rasa, dan sebagainya. Demikian juga dengan orang lain yang menghubungkan dengan hal yang berbeda.

Type adalah suatu konsep yang masih bersifat umum dan merupakan hasil dari kesepakatan yang dibuat sebelumnya (Rusiyamti 2008). Contoh type, misalnya buah, binatang, dan sebagainya. Suatu konsep yang bersifat individual dikategorikan ke dalam sebuah name. Sebagai contoh Fuji adalah sebuah name, yaitu nama dari sebuah apel. Type dan name dibedakan oleh jenis relasi yang menghubungkannya dengan token.

Word Graph

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. Graf yang merepresentasikan gabungan dari sentence graph dalam sebuah teks disebut text graph yang terdapat pengetahuan di dalamnya (Hoede & Nurdiati 2008).

Aspek Ontologi

Ontologi adalah keterangan untuk menggambarkan beberapa konsep dan relasi-relasi di antaranya dengan maksud memberikan definisi yang cukup terhadap ide-ide yang dituangkan dengan komputer untuk merepresentasikan ide-ide tersebut dan logikanya (Hulliyah 2007). Berdasarkan ontologi yang dimiliki ini, KG dapat membangun sebuah model yang dapat digunakan untuk memahami bahasa alami. Hal ini diperlukan agar arti dari suatu kalimat dapat diekspresikan. Arti dari kata harus terlebih dahulu diketahui untuk dapat mengartikan sebuah kalimat.

Ontologi word graph sampai saat ini direpresentasikan dengan sebuah node, delapan binary relationships, sebuah ontologi F, dan empat frame relationships. Berikut adalah gambaran dari delapan types relationships (Zhang 2002):

1 ALI (alikeness)

(11)

Gambar 1 Contoh penggunaan relasi ALI.

2 CAU (causality)

Relasi CAU mengekspresikan hubungan sebab akibat atau sesuatu hal memengaruhi

sesuatu yang lain. Contoh: “kucing makan nasi”. Representasi word graph untuk kalimat tersebut dapat dilihat pada Gambar 2.

Gambar 2 Contoh penggunaan relasi CAU.

3 EQU (equality)

Relasi ini digunakan di antara name dan token atau antara dua token untuk menyatakan bahwa keduanya sama dan sederajat. Relasi EQU juga digunakan untuk menyatakan kata hubung, seperti “adalah” dan “merupakan”.

Contoh: “Fuji adalah namedari apel”. Gambar 3 adalah contoh penggunaan relasi EQU.

Gambar 3 Contoh penggunaan relasi EQU.

4 SUB (subset)

Bila terdapat dua token yang mengekspresikan dua rangkaian secara berurutan dan satu token adalah bagian dari token yang lainnya, di antara kedua token

tersebut terdapat relasi SUB. Contoh: “pintu adalah bagian dari rumah”. Gambar 4

merupakan representasi kalimat tersebut.

Gambar 4 Contoh penggunaan relasi SUB.

5 DIS (dissapartness)

Relasi DIS digunakan untuk

mengekspresikan dua token yang tidak memiliki hubungan satu sama lain. Relasi DIS juga digunakan untuk menunjukkan kata

“berbeda”, misalnya “binatang berbeda dengan pohon” (Gambar 5).

Gambar 5 Contoh penggunaan relasi DIS.

6 ORD (ordering)

Relasi ORD mengekspresikan dua hal yang memiliki urutan. Contoh penggunaan relasi ORD untuk menyatakan “pagi sebelum

sore” dapat dilihat pada Gambar 6.

Gambar 6 Contoh penggunaan relasi ORD.

7 PAR (attribute)

Relasi PAR mengekspresikan bahwa sesuatu adalah sebuah atribut dari sesuatu yang lain. Contohnya untuk menyatakan frase

“buku baru” (Gambar 7).

Gambar 7 Contoh penggunaan relasi PAR.

8 SKO (informational dependency)

Relasi SKO digunakan jika informasi suatu token bergantung pada token lainnya. Contoh pada Gambar 8 digunakan untuk

menyatakan “harga bergantung kualitas”.

Gambar 8 Contoh penggunaan relasi SKO.

Sebuah frame adalah sebuah node yang diberikan label (Zhang 2002). Terdapat empat frame relationships yang dapat dijelaskan sebagai berikut:

1 FPAR (Focusing on a situation)

FPAR mengekspresikan bahwa

sekumpulan subgraph adalah bagian dari seluruh graph yang telah dibentuk. Misalkan preposisi a, yang menyatakan “petani

(12)

Gambar 9 Contoh penggunaan frame FPAR. 2 NEGPAR (Negation of a situation)

NEGPAR mengekspresikan peniadaan atau pengingkaran isi dari frame. Misalkan, pengingkaran terhadap preposisi a dapat dilihat pada Gambar 10. Gambar tersebut menunjukkan bahwa ”tidak benar petani

bahagia”.

Gambar 10 Contoh penggunaan frame NEGPAR.

3 POSPAR (Possibility of a situation) POSPAR mengekspresikan kemungkinan terjadinya isi frame. Misalkan, untuk menyatakan kemungkinan terjadinya suatu peristiwa pada preposisi a, digunakan sebuah framerelationship POSPAR yang ditunjukkan oleh Gambar 11. Gambar tersebut menyatakan

“mungkin saja petani tidak bahagia”.

Gambar 11 Contoh penggunaan frame POSPAR.

4 NECPAR (Necessity of a situation)

NECPAR mengekspresikan keperluan, kebutuhan, atau keharusan isi dari frame. Misalkan, kalimat “seharusnya petani

bahagia” direpresentasikan oleh frame NECPAR, yang dapat dinyatakan seperti pada Gambar 12. terdapat kedua concepts“a” dan ”b” tersebut. Dalam teori KG, sangat diperlukan prinsip penggunaan kumpulan relationship yang terbatas (Zhang 2002). Dengan demikian, diperlukan basic relationship, atau “ontologi”, untuk menghindari pertumbuhan relationship yang tidak terbatas pada semantic network. Menurut Zhang (2002), hubungan (relationship) yang dibentuk pada word graph tersebut direpresentasikan dalam bentuk sebuah node, delapan binary relationships, dan empat frame relationships. Hoede dan Nurdiati (2008) menambahkan sebuah ontologi F sebagai fokus dari suatu graph.

Ontologi F digunakan untuk menunjukkan fokus dari suatu graph. Misalnya untuk menyatakan word graph “gempa merusak

bangunan” dengan token gempa sebagai fokus pembicaraan. Word graph yang terbentuk dapat dilihat pada Gambar 13.

Gambar 13 Contoh penggunaan ontologi F.

XML (Extensible Markup Language)

XML bukan merupakan bahasa

(13)

XML tidak mempunyai tag khusus sehingga pengguna dapat membuat dokumen XML dengan tag apa saja sesuai dengan kebutuhan. Menurut Shalahuddin dan Rosa (2010), sebuah tag pembuka dalam dokumen XML harus diikuti dengan tag penutupnya (Bakoro 2009).

XML merupakan sebuah spesifikasi yang tidak berkepemilikan dan bebas untuk digunakan oleh siapa saja. XML diciptakan oleh W3C (www.w3.org), sebuah konsorsium internasional yang bertanggung jawab dalam pengembangan standar independent web platform serta spesifikasinya.

XML memiliki beberapa kelebihan dibandingkan dengan markup language lainnya. Hal tersebut merupakan alasan kenapa pengguna memilih menggunakan bahasa XML. Kelebihan XML, menurut Goldberg dan Castro (2009), yaitu:

1 XML dirancang khusus untuk

penyimpanan dan pertukaran data. 2 XML terlihat seperti HTML yang

memiliki tags, attributes, dan values.

3 XML merupakan bahasa untuk

menyimpan dan membawa informasi. 4 Pengguna dapat mendesain markup

language sendiri dan menggunakan bahasa tersebut untuk menyimpan informasi. 5 XML mudah diperluas dan diadaptasi. Tag

yang sudah didesain dapat digunakan kembali dalam aplikasi XML yang berbeda, diturunkan, atau ditambahkan sesuai dengan keperluan.

6 XML juga dapat digunakan untuk membagi atau menukarkan data antara sistem yang berbeda dan organisasi. 7 File teks dalam dokumen XML sederhana,

mudah dimengerti, mudah diuraikan, mudah dimanipulasi, dan dianggap

“human-readable”.

Sebuah dokumen XML dapat diambil datanya dengan menggunakan parser. Parser berfungsi untuk membaca data pada dokumen XML berdasarkan tags yang terdapat dalam dokumen XML tersebut. Hal ini memungkinkan dokumen XML untuk dimodifikasi, misalnya mengubah suatu nilai, memindahkan elemen, dan lain sebagainya.

DOM Parsers

Dokumen DOM tidak hanya terbentuk dari hasil parsingfile teks saja tapi juga membuat

dokumen baru di memori dan

menserialisasikan ke dalam file (Harold

2003). Parsing adalah proses membaca sebuah dokumen dan memilah-milahnya menjadi elemen-elemen dan atribut-atribut yang dapat dianalisis (Shalahuddin dan Rosa 2010). Pengambilan data dari dokumen XML, berdasarkan struktur pohon dari dokumen XML tersebut, dapat dilakukan dengan DOM (Document Object Model).

DOM memproses struktur dokumen dengan perulangan. Shalahuddin dan Rosa (2010) menjabarkan empat kondisi yang cocok untuk menggunakan DOM, yaitu:

1 Ketika terjadi modifikasi sebuah dokumen XML, seperti mengurutkan elemen atau mengubah letak elemen pada suatu pohon elemen satu ke lainnya.

2 Ketika dokumen XML di memori harus dibagi dengan aplikasi lainnya setelah proses parsing.

3 Ketika ukuran dokumen XML tidak terlalu besar.

4 Ketika aplikasi memulai proses utama setelah proses pengesahan.

Antarmuka abstrak untuk membuat objek dokumen baru pada DOM disebut DOM Implementation (Harold 2003). Tujuan antarmuka dokumen DOM yaitu untuk merepresentasikan, menyediakan akses ke isi dokumen XML, dan mendeklarasikan tipe dokumen. Tujuan lainnya adalah membuat nodes yang digunakan dalam dokumen, seperti elemen, teks, processing instruction, dan lain sebagainya.

Metode Pengembangan Prototype

Metode prototype merupakan salah satu metode pengembangan perangkat lunak. Menurut Pressman (2001), terkadang klien mendefinisikan tujuan perangkat lunak secara umum, namun tidak menjelaskan secara detail kebutuhan masukan, proses, dan keluaran dari perangkat lunak tersebut.

(14)

digunakan untuk menyempurnakan permintaan kebutuhan dari perangkat lunak tersebut. Diagram metode pengembangan prototype dapat dilihat pada Gambar 14.

Gambar 14 Metode pengembangan prototype (Pressman 2001).

Metode Pengujian Blackbox

Metode uji coba blackbox berfokus pada keperluan fungsional dari software. Karena itu, uji coba blackbox memungkinkan pengembang software untuk membuat himpunan kondisi input yang akan melatih seluruh syarat-syarat fungsional suatu program. Pengujian blackbox merupakan pendekatan komplementer yang kemungkinan besar mampu menemukan kesalahan dalam kategori sebagai berikut (Pressman 2001):

 Fungsi-fungsi yang tidak benar atau hilang.

 Kesalahan antarmuka.

 Kesalahan dalam struktur data atau akses database eksternal.

 Kesalahan kinerja.

 Inisialisasi dan kesalahan terminasi.

HyperText Mark up Language (HTML)

HTML merupakan sebuah bahasa markup yang digunakan untuk membuat sebuah halaman web, menampilkan berbagai informasi dalam sebuah browser internet, dan formating hypertext sederhana yang ditulis dalam file format ASCII sehingga menghasilkan tampilan yang terintegerasi. Halaman web ditulis dengan kode-kode HTML yang tergabung dalam teks. HTML mengatur tampilan halaman, huruf, dan elemen grafik yang digunakan serta hypertext link ke halaman lain (Griffiths 2007).

Kode HTML biasanya berupa tag-tag yang berpasangan dan ditandai simbol khusus yaitu, “<” dan “>” untuk menandakan kode instruksi. Pasangan atau penutup perintah dari sebuah perintah tag ditandai dengan tanda “/”.

Misalnya pasangan dari tag <body> adalah

</body>.

JavaScript

JavaScript adalah bahasa script (bahasa pemrograman yang dapat memegang kontrol aplikasi) yang berbasis pada pemrograman Java. Berbeda dengan Java yang berorientasi objek murni, JavaScript adalah bahasa pemrograman prosedural. JavaScript mengakses elemen pada HTML dan membuat aksi jika elemen-elemen HTML itu mengalami perubahan, misalnya berubahnya warna halaman web saat sebuah tombol ditekan. JavaScript membuat sebuah halaman web menjadi dinamis. JavaScript yang digunakan pada halaman web merupakan client side scripting yang berarti bahwa web browser mengidentifikasi dan menjalankan skrip program yang disisipkan dalam dokumen web (yang diterima oleh server) dan mampu memperbarui tampilan halaman di komputer pemakai (user) tanpa mengirimkan permintaan (request) baru kepada server. JavaScript dapat ditulis dalam satu file dengan dokumen HTML atau ditulis pada file terpisah dengan ekstensi .js (Shalahudin dan Rosa 2010).

METODE PENELITIAN

Pembuatan sistem viewer untuk modul XML word graph bahasa Indonesia berbasis web dilakukan dengan menggunakan metode prototype yang terdiri atas tiga tahap.

1 Listen to Customer

Tahap listen to customer merupakan tahap untuk melakukan pengumpulan kebutuhan pengguna (requirements gathering). Pihak pengembang dan pengguna bertemu dan mendeskripsikan tujuan keseluruhan dari perangkat lunak, mengidentifikasi kebutuhan-kebutuhan, dan menguraikan permintaan pengguna (Pressman 2001).

2 Build or Revise Mock-up

Tahap build/revise mock-up fokus pada perencanaan dan perancangan prototype yang dititikberatkan pada representasi aspek-aspek dari perangkat lunak yang terlihat oleh pengguna (contoh: pendekatan input dan format output) (Pressman 2001).

3 Customer Test Drives Mock-Up

(15)

untuk mengetahui apakah prototype yang dibangun telah sesuai dengan kebutuhan pengguna (Pressman 2001). Tahap ini dilakukan melalui proses pengujian. Pengujian pada penelitian ini dilakukan dengan menggunakan metode black box. Metode pengujian black box menitikberatkan pada pengujian fungsi kebutuhan software. Model pengujian ini tidak memerhatikan proses yang terjadi di dalam sistem, tetapi hanya mempertimbangkan hasil keluarannya saja (Pressman 2001).

Setelah sistem selesai dibangun, selanjutnya dilakukan proses perhitungan akurasi. Sebanyak 21 dokumen XML untuk pola kata sifat dan 26 dokumen XML untuk pola preposisi dimasukkan ke dalam skenario pengujian, kemudian dihitung tingkat akurasinya. Penghitungan akurasi dilakukan dengan menghitung jumlah pola yang berhasil digambar dan sesuai dengan aturan word graph-nya.

kurasi pola yang benar_{Pola yang diuji}

HASIL DAN PEMBAHASAN

I Iterasi Pertama I.1 Listen to Customer

Tahap ini menghasilkan beberapa hal, yaitu deskripsi umum sistem, kebutuhan sistem, batasan sistem, karateristik pengguna, dan deskripsi proses sistem.

I.1.1 Deskripsi Umum

Deskripsi umum dari Sistem Viewer Modul Word Graph Berbasis XML ini didasarkan pada penelitian yang dilakukan oleh Romadoni (2009) yang berjudul

“Pengembangan Sistem Pembentukan Word Graph untuk Teks Berbahasa Indonesia”. Selain itu, dilakukan juga analisis pola word graph dari modul XML kata sifat dan preposisi yang telah dibentuk dan diidentifikasi sebelumnya oleh Astriratma (2012) dan Dillyani (2012). Dari hasil identifikasi, diketahui terdapat 21 pola kata sifat dan 26 pola preposisi dalam bahasa Indonesia. Hasil analisis tersebut kemudian digunakan untuk membuat Sistem Viewer Modul Word Graph Berbasis XML ini.

Sistem Viewer Modul Word Graph Berbasis XML digunakan untuk menganalisis kata menggunakan metode Knowledge Graph (KG). Sistem ini akan memunculkan gambar

dari modul XML word graph dari kata sifat dan preposisi. Sistem ini dikembangkan

menggunakan bahasa pemrograman

JavaScript yang berbasis web dan bersifat open source.

I.1.2 Kebutuhan Sistem

Sistem Viewer Modul Word Graph Berbasis XML membutuhkan sebuah text field agar pengguna bisa memasukkan modul XML wordgraph yang telah dikembangkan pada penelitian sebelumnya. Sistem ini membutuhkan sebuah server untuk me-request permintaan dan web browser untuk menampilkan hasil penggambaran dari modul XML. Fungsi utama yang dibutuhkan sistem ini adalah fungsi untuk melakukan parsing pada dokumen XML dan fungsi untuk menggambarkan pola ke canvas.

I.1.3 Batasan Sistem

Batasan-batasan yang terdapat pada sistem ini adalah:

 Input yang dapat diproses hanya berupa dokumen XML yang sudah memiliki struktur dengan aturan tertentu yang sudah didefinisikan pada penelitian Astriratma (2012) dan Dillyani (2012).

 Pola yang dapat diproses oleh sistem ini hanyalah satu pola yang dikemas dalam satu dokumen XML.

 Sistem hanya akan mengeluarkan gambar dari satu pola.

 Sistem hanya dapat menampilkan gambar dari pola sebuah word graph, namun tidak dapat menyimpannya. berwarna hitam dan putih saja.

I.1.4 Sasaran Pengguna

Pengguna Sistem Viewer Modul Word Graph Berbasis XML adalah orang yang sudah memiliki basis ilmu pengetahuan tentang konsep KG. Pengguna sistem ini merupakan advanced user yang sudah memahami arti gambar yang dikeluarkan oleh sistem ini.

I.1.5 Deskripsi Proses Sistem

(16)

dan sebuah tombol untuk submit XML yang sudah dimasukkan ke sistem untuk diproses menjadi gambar. Sistem kemudian akan memroses XML yang telah dimasukkan pengguna, melakukan parsing pada setiap tag, menganalisis pola, dan menggambarkannya ke canvas.

I.2 Build Mock-up

Pada tahap ini, dilakukan proses perancangan dan implementasi berdasarkan spesifikasi yang diinginkan pengguna. Perancangan dan implementasi terdiri atas dua jenis, yaitu perancangan serta implementasi fungsional dan antarmuka sistem.

I.2.1. Perancangan Fungsional

Perancangan fungsional meliputi perancangan fungsi-fungsi yang harus ada pada Sistem Viewer Modul XML Word Graph ini. Berdasarkan hasil diskusi dengan pengguna, fungsi yang dibutuhkan oleh sistem ini antara lain fungsi untuk meng-input XML ke sistem, melakukan parsing untuk mengakses nilai yang ada di setiap tag, fungsi setter dan getter untuk melakukan perpindahan komponen, fungsi untuk mengganti teks yang bisa diubah di pola word graph yang telah tergambar, dan fungsi untuk menggambar pola ke canvas.

Proses pertama dari sistem ini adalah penerimaan input XML dari pengguna, yang selanjutnya akan di-parsing. Dokumen XML di-parsing sehingga didapatkan nilai dari setiap tag yang ada. Proses selanjutnya adalah menganalisis setiap tag hasil parsing, dan menggambarnya. Proses berikutnya terjadi ketika pengguna melakukan perubahan terhadap komponen gambar, misalnya melakukan perpindahan,dan mengubah isi teks. Gambar 15 menjelaskan deskripsi

Perancangan antarmuka Sistem Viewer Modul Word Graph Berbasis XML dibuat dengan Hypertext Markup Language (HTML) sederhana yang dapat dilihat dan diakses menggunakan web browser. Sistem dapat menerima masukan dari mouse dan keyboard. Pada perancangan antarmuka, harus diperhatikan aspek interaksi manusia dan komputer.

Gambar 15 Diagram use case.

Gambar 16 Diagram alir sistem.

(17)

manusia dan komputer bekerja bersama sehingga dicapai kepuasan user yang paling efektif. Seorang desainer interaksi manusia dan komputer harus memahami keinginan, harapan, keterbatasan fisik maupun kemampuan penggunaan komputer, serta karakteristik user (expert atau novice). Desainer juga harus mengerti karakteristik teknis dan batasan hardware serta software komputer (Galitz 2007).

Lima faktor yang diukur dalam evaluasi interaksi manusia dan komputer (Shneiderman 1998) adalah:

1 Time to learn, merupakan waktu yang dibutuhkan oleh seorang user untuk mempelajari pemakaian sistem serta mengerti sistem.

2 Speed of performance.

3 Rate of error by user adalah rata-rata error yang dilakukan oleh user selama menjalankan tugas.

4 Retention overtime adalah seberapa baik user dapat memelihara pengetahuan-pengetahuan tentang sistem selama satu jam.

5 Subjective satisfication adalah kepuasan user dalam menggunakan sistem. Secara umum, sistem ini terdiri atas tiga bagian, yaitu text field untuk input XML, canvas untuk menampilkan pola word graph, dan tombol kontrol. Tampilan antarmuka sistem ini secara umum dapat dilihat pada Gambar 17.

Gambar 17 Sketsa umum antarmuka sistem.

I.2.3 Analisis Struktur XML

Analisis struktur XML dilakukan untuk memperoleh pola komponen penyusun word graph yang disusun dalam dokumen XML. Dari hasil penelitian sebelumnya (Astriratma 2012 dan Dillyani 2012), dokumen XML pola kata terdiri atas beberapa tag unik. Tag

<graph></graph> adalah tag yang

berfungsi sebagai root. Tag <graph>

memiliki dua leaf utama, yaitu tag <components></components> dan tag <relationships></relationships>.

Struktur pada tag components berisi daftar komponen yang akan digambarkan ke canvas untuk membentuk pola word graph. Komponen tersebut terdiri atas:

1 Focus dengan atribut id merepresentasikan sebuah fokus dalam pola yang digambarkan dengan sebuah persegi yang diarsir. Focus di gambarkan seperti pada Gambar 18.

Gambar 18 Focus token.

2 Token dengan atribut id mewakili token yang ada pada pola (Gambar 19).

Gambar 19 Token.

3 Text dengan atribut id, value, dan replace. Nilai replace hanya ada dua macam, yaitu YES dan NO. Nilai YES menandakan bahwa nilai untuk value dapat digantidengan kata masukan. Pada penelitian ini nilai untuk value dapat diganti dengan kata preposisi atau kata penyerta preposisi atau keduanya tergantung bentuk polanya. Nilai NO pada tag replace menandakan bahwa nilai pada value tidak perlu digantikan.

4 Relation memiliki atribut id dan type. Relation mendeskripsikan relasi-relasi seperti ALI (alikeness), CAU (causality), SUB (subset), dan lain sebagainya. Relation akan menjadi penghubung dalam leaf relationships untuk menghubungkan token, focus, text, dan frame.

(18)

elemen-elemen yang akan dirangkai di dalam frame adalah text dengan id 1 dan focus dengan id 1, penulisannya menjadi

<textid>1</textid> dan

<focusid>1</focusid>. Frame dapat dilihat pada Gambar 20. Contoh penulisan aturan XML untuk elemen frame, yaitu:

<frame>

6 Frame_relationships memiliki atribut id, type, dan token atau frame_relationships lainnya yang disusun di dalam elemen frame. Tidak terdapat relasi yang menghubungkan antar token atau fokus di dalam frame relationships. Contoh pola word graph yang mengandung frame relationships adalah pola wg18 (pola preposisi 18) seperti pada Gambar 21. Frame relationships BE diberi tag

<frame_relationships> yang

memiliki id 1, sedangkan tag <frame_relationships> dengan id 2 diberikan untuk frame relationships NEG (negation of a situation). Masing-masing token yang terdapat di dalam frame relationships BE akan diberi tag relation dengan id 1 dan id 2.

Gambar 21 Word graph pola preposisi 18.

Contoh penulisan dokumen XML untuk pola preposisi 18 adalah:

<?xml version="1.0"?>

Tag relationships berisi elemen-elemen yang sudah dideklarasikan dalam tag component, namun di dalam tag relationships, yang akan disertakan hanyalah id dari masing-masing komponen. Penulisannya akan langsung digabungkan, contohnya adalah

<focusid> </focusid> dan <textid> </textid>. Tag relationships ini mempunyai arah yang menghubungkan relation antarkomponen.

Tag <from> digunakan untuk

menandakan arah awal dari komponen, sedangkan tag <to> menandakan arah tujuan dari relation. Contoh aturan XML untuk tag

<relationships> yang mempunyai arah

(19)

memiliki id 1 ke sebuah token dengan id 1. Hasilnya terlihat pada Gambar 22.

Gambar 22 Relasi from text to token.

I.2.4. Inisialisasi Input XML

Sewaktu page di-load, akan dibuat sebuah sistem rendering terlebih dahulu dengan fungsi onload page. Proses ini dapat dilihat pada gambar 23.

Gambar 23 Proses me-load sistem rendering. Hal ini dilakukan untuk mempersiapkan DIV HTML yang akan digunakan, yaitu DIV dengan id“viewer”. Pada proses selanjutnya, akan dibuat sebuah canvas yang akan melakukan rendering. Proses ini dapat dilihat pada Gambar 24.

Gambar 24 Proses menyiapkan canvas. Rendering bisa dilakukan dengan meng-inputstring XML secara langsung ke text field atau melakukan pemanggilan file XML yang telah tersimpan di server. Jika pemanggilan file XML dilakukan, proses yang terjadi adalah request ke server untuk meminta isi dari file tersebut. Isi dari file XML tersebut kemudian akan di-parsing sehingga menjadi string. Proses tersebut dapat dilihat pada Gambar 25.

I.2.5 Parsing XML

String XML yang masuk, kemudian akan di parsing menggunakan DOM Parser. Prosesnya dapat dilihat pada gambar 26.

Gambar 25 Proses parsing file XML menjadi string.

Gambar 26 Proses parsing XML

menggunakan DOM

parser.

Parsing yang pertama kali dilakukan adalah parsing pada tag <componenst>. Setiap komponen akan dibuatkan objek yang sesuai dengan nama tag tersebut. Properti masing-masing objek akan disesuaikan dengan data dari XML. Proses parsing pada tag<components> dapat dilihat pada gambar 27. Proses berikutnya adalah parsing tag <relation> untuk mendapatkan relasi dari setiap komponen. Inti dari proses parsing pada tag <relation> ini adalah untuk mendapatkan informasi yang ada dalam tag <from> dan tag <to> dari setiap komponen sehingga dapat terlihat arah relasi. Proses parsing untuk tag <from> dapat dilihat pada

5 load : function(fileName){ 6 if (window.XMLHttpRequest) xhttp = new XMLHttpRequest(); 7 else

8 xhttp = new ActiveXObject ("Microsoft.XMLHTTP");

9 xhttp.open

("GET", fileName, false); 10 xhttp.send();

11 var xml = xhttp.responseText;

12 this.parse(xml);

5 //FireFox,Chrome,Safari,Opera

6 {

7 parser = new DOMParser(); 8 xmlDoc = parser.parseFromString (xml,"text/xml"); ("Microsoft.XMLDOM");

13 xmlDoc.async="false";

14 xmlDoc.loadXML(xml);

(20)

Gambar 27 Proses parsing pada tag <components> .

Gambar 28 Proses parsing pada tag <relationships> bagian tag <from>.

Proses selanjutnya adalah melakukan parsing pada tag <relationships> pada bagian tag<to>. Proses ini dapat dilihat pada Gambar 29.

I.2.6 Pembentukan dan Peletakan komponen

Setelah melakukan parsing pada dokumen XML, didapatkan komponen-komponen penyusun word graph yang akan ditampilkan ke canvas. Komponen tersebut kemudian digambar berdasarkan tag.

Gambar 29 Proses parsing pada tag

<relationships> pada

bagian tag<to>.

Komponen yang dibuat pada proses ini adalah focus, token, frame, relation, dan text. Contoh proses untuk membuat komponen focus dapat dilihat pada Gambar 30.

Gambar 30 Proses pembuatan komponen focus.

Proses selanjutnya adalah peletakan komponen ke dalam canvas. Pertama, dihitung jumlah masing-masing komponen, kemudian komponen tersebut akan digambar ke dalam canvas. Frame akan diletakkan terakhir karena harus dideteksi terlebih dahulu komponen yang ada di dalamnya. Pada proses selanjutnya, setelah semua komponen diletakkan ke dalam canvas, adalah menggambar relation yang menyesuaikan dengan tag <from> dan tag <to> dari masing-masing komponen. Proses ini akan menghasilkan gambar di canvas berupa sebuah pola word graph dari XML yang telah di-input. Contoh XML yang di-input adalah XML untuk preposisi pola 1. Output yang terjadi di canvas ditunjukkan oleh Gambar 31.

Gambar 31 Word graph untuk pola preposisi 1.

1 // parsing components

2 var comNode =

xmlDoc.getElementsByTagName ("components")[0];

getElementsByTagName ("relationships")[0];

3 .. 4 tag =

this.getFirstTag(fromNode); 5

6 switch (tag.tagName) 7 {

8 case "textid" : 9 ... break; 10 case "tokenid" : 11 ... break; 12 case "focusid" : 13 ... break; 14 case "frameid" : 15 ... break;

4 tag = this.getFirstTag(toNode) switch (tag.tagName) 11 case "frameid" : 12 ...break; this.canvas.style.background = "url(img/dean/focusBg.png)" 5 this.className = "Focus";

(21)

I.2.7 Implementasi Antarmuka

Antarmuka Sistem Viewer Modul Word Graph Berbasis XML ini terdiri atas tiga bagian, yaitu canvas, text field, dan control button. Canvas berfungsi untuk menampilkan gambar dari pola word graph. Text field berfungsi untuk meng-input dokumen XML. Control button merupakan tombol yang bisa di-clik oleh pengguna untuk memulai proses penggambaran pola word graph. Tampilan awal canvas dan text field pada saat perangkat lunak pertama kali dijalankan adalah halaman kosong berwarna putih. Terdapat satu tombol

berlabel “update viewer” yang dapat di-clik oleh pengguna pada bagian control button. Antarmuka sistem ini dapat dilihat pada Gambar 32.

Gambar 32 Antarmuka sistem.

I.2.8 Lingkungan Implementasi

Sistem Viewer Modul Word Graph Berbasis XML ini dikembangkan dengan lingkungan perangkat keras dengan spesifikasi berikut:

 Prosesor Intel Pentium Dual Core T2450 2.0 GHz 2MB Cache.

 RAM dengan kapasitas 3 GB.

 Harddisk dengan sisa kapasitas 120 GB.  Monitor LCD dengan resolusi 1280×800

pixel.  Keyboard.  Mouse.

Perangkat lunak untuk server yang dikembangkan memiliki spesifikasi berikut:  Sistem operasi Microsoft® Windows 7

Professional.

 Web server Apache 2.2.12.

 Web browser berbasis grafis atau teks: Microsoft® Internet Explorer, Netscape® 4 Navigator, Opera, Mozilla Firefox, Konqueror, Nautilus, dan Lynx.

Antarmuka perangkat lunak untuk klien yang dibutuhkan memiliki spesifikasi berikut:

 Sistem operasi Microsoft® Windows 98/2000/NT/XP/Vista/7, Linux, atau MacOS X;

 Web browser berbasis grafis atau teks: Microsoft® Internet Explorer,Netscape® 4 Navigator, Opera, Mozilla Firefox, Konqueror, Nautilus, dan Lynx.

I.3 Customer Test Drives Mock-up

Tahap ini adalah tahap pengujian sistem. Pengujian dilakukan oleh pengguna dengan metode black box. Menurut Pressman (2001), black box testing, yang sering dikenal sebagai behavioral testing, adalah suatu proses pengujian berfokus pada fungsi kebutuhan perangkat lunak. Metode ini memungkinkan pengembang perangkat lunak menurunkan sekumpulan kondisi input yang dapat memenuhi seluruh fungsi kebutuhan program. Hasil pengujian menunjukkan kesesuaian hasil yang seharusnya dengan hasil yang didapat melalui proses pengujian. Hasil tersebut kemudian dievaluasi oleh pengguna. Setiap kekurangan sistem yang ditemukan dalam tahap ini selanjutnya diperbaiki hingga kebutuhan pengguna dapat terakomodasi.

Pengujian sistem dilakukan dengan menggunakan 21 pola word graph kata sifat dan 26 pola word graph preposisi. Hasil pengujian menunjukkan 21 pola kata sifat, berhasil digambarkan dengan benar. Pada pola preposisi 23 pola yang berhasil digambarkan dengan benar, dua pola digambarkan kurang lengkap, dan satu pola digambarkan salah. Pola yang digambarkan kurang lengkap adalah pola 17 dan 18 yang tidak berhasil digambar frame-nya secara utuh. Pola yang digambarkan salah adalah pola 24. Kesalahan terdapat pada relasi dengan tipe DIS antara token dan focus yang seharusnya tidak memiliki arah. Pola 17, 18, dan 24 yang digambar oleh sistem, masing-masing dapat dilihat pada Gambar 33, 34, dan 35.

.

Gambar 33 Gambar word graph preposisi pola 17.

(22)

Gambar 35 Gambar word graph preposisi pola 24.

II. Iterasi Kedua

Iterasi kedua dilakukan untuk memperbaiki kekurangan-kekurangan sistem yang terdapat pada iterasi pertama. Kekurangan yang diperbaiki dalam iterasi kedua ini dititikberatkan pada tahap penggambaran pola word graph.

II.1. Listen to Customer

Berdasarkan hasil evaluasi yang diperoleh dari iterasi pertama, pengguna menginginkan perbaikan pada penggambaran preposisi pola 17, 18, dan 24. Pengguna juga menginginkan ada interaksi antara pengguna dan gambar word graph di canvas.

II.2. Revise Mock-up

Perbaikan terhadap sistem pada iterasi kedua dilakukan sesuai dengan keinginan pengguna yang didefinisikan pada tahap listen to customer. Tahap ini mengimplementasikan perbaikan penggambaran preposisi pola 17, 18, dan 24 serta menambahkan event handler pada sistem agar pengguna dapat berinteraksi dengan word graph yang sudah tergambar di canvas.

Perbaikan penggambaran preposisi pola 17 dan 18 dilakukan dengan melakukan parsing pada tag <frame_relationships>

dilanjutkan dengan mengakses informasi yang ada di setiap tag yang ada dalam tag

<frame_relationships>, seperti tag

<id>, <type>, dan tag <tokenid>. Setelah melakukan parsing, proses dilanjutkan dengan pembentukan dan peletakkan komponen. Perbaikan pada pola 24 dilakukan dengan mengimplementasikan relasi tak berpanah pada relasi tipe DIS.

Event handler diimplementasikan untuk mengakomodasi keinginan pengguna yang ingin berinteraksi dengan word graph yang tergambar di canvas. Event yang akan diimplementasikan adalah event selection, move, dan double click. Fungsi selection membuat pengguna dapat melakukan click

pada komponen. Ketika komponen di-click, akan tampil kotak berwarna merah pada sudut

komponen tersebut. Event move

memungkinkan pengguna untuk

memindahkan komponen yang telah dipilih. Bagian komponen yang di-move akan diperiksa terlebih dahulu apakah komponen tersebut merupakan bagian dari frame. Jika komponen tersebut merupakan bagian dari frame, pergerakannya akan dibatasi hanya di area frame saja. Proses perpindahan sebuah komponen juga diikuti proses update dari relasinya. Koordinat dari komponen didapatkan dengan menggunakan fungsi setter dan getter. Event double click memungkinkan pengguna mengubah isi teks pada gambar word graph yang ada di canvas. Teks yang dapat diubah adalah teks yang memiliki nilai YES pada tag <replace>.

Sistem akan memeriksa apakah teks bisa diganti atau tidak ketika pengguna melakukan aksi double click pada teks. Jika bisa diganti, sistem akan memunculkan kotak dialog seperti pada Gambar 36.

Gambar 36 Kotak dialog untuk mengubah isi teks.

II.3 Customer Test Drive Mock-up

Pengujian pada iterasi kedua dilakukan pada penggambaran ulang word graph preposisi pola 17, 18, dan 24. Pada pengujian, didapatkan hasil yang sesuai dengan yang diinginkan pengguna. Gambar dari preposisi pola 17, 18, dan 24 pada iterasi kedua dapat dilihat pada Gambar 37, 38, dan 39.

(23)

Gambar 38 Word graph preposisi pola 18 hasil perbaikan pada iterasi 2.

Gambar 39 Word graph preposisi pola 24 hasil perbaikan pada iterasi 2.

Pengujian interaksi pengguna dengan word graph yang tergambar di canvas juga dilakukan pada tahap ini. Dari hasil pengujian, fungsi selection, move, dan double click berhasil dilakukan. Berdasarkan hasil pengujian terhadap pola gambar, diperoleh tingkat akurasi 100% karena 21 pola kata sifat dan 26 pola preposisi berhasil digambarkan dengan baik.

Kekurangan dan Kelebihan Sistem

Kekurangan dari sistem ini antara lain:  Hanya bisa menampilkan word graph dari

satu pola saja. Tidak bisa menampilkan dua pola sekaligus dalam satu canvas.  Sistem hanya mampu menggambar dengan

baik pola yang memiliki maksimal tiga komponen token/focus saja.

 Pergerakan komponen yang masih terbatas.

 Sistem belum bisa melakukan pengubahan langsung pada dokumen XML, misalnya ketika ada teks yang diubah dengan menggunakan event double click, sistem tidak bisa mengubah dan menyimpan langsung ke dokumen XML.

Kelebihan dari sistem ini antara lain:  Sistem ini dapat dijalankan pada semua

webbrowser.

 Sistem ini dapat dikembangkan tanpa terbentur oleh permasalahan lisensi karena

dikembangkan menggunakan platform yang open source.

 Sistem ini menjadi langkah awal dalam pengembangan visualisasi word graph.

KESIMPULAN DAN SARAN

Kesimpulan

Berdasarkan penelitian yang telah dilakukan, telah berhasil dibangun sebuah Sistem Viewer Modul Word Graph Berbasis XML dengan menggunakan platform yang bersifat open source. Pembangunan sistem ini melalui dua tahap iterasi. Iterasi pertama adalah pembangunan sistem secara keseluruhan, sedangkan iterasi kedua merupakan perbaikan dari kekurangan yang terdapat pada iterasi pertama. Dari hasil pengujian, sistem dapat menampilkan word graph dari 21 pola kata sifat dan 26 pola preposisi dengan tingkat akurasi 100%.

Saran

Saran untuk pengembangan sistem ini lebih lanjut di antaranya adalah:

 Menggabungkan sistem ini dengan modul XML dari pola kata lainnya.  Menambahkan fasilitas input kata

sehingga pengguna bisa langsung membuat word graph dari sebuah kata.  Menambahkan fungsi editor yang belum

sempat terimplementasi.

 Menambahkan fungsi load dan save dari dokumen XML yang sudah diubah gambarnya di canvas.

 Memperbaiki antarmuka pengguna yang saat ini masih sederhana.

 Menambahkan fitur XML validator.  Menambahkan fungsi text connector

pada canvas.

 Menambahkan fungsi untuk mengatur posisi token yang berjumlah lebih dari tiga.

DAFTAR PUSTAKA

Astriratma R. 2012. Representasi Word Graph Menggunakan XML untuk Kata Sifat dalam Bahasa Indonesia [skripsi]. Bogor: Departemen Ilmu Komputer, FMIPA, Institut Pertanian Bogor.

(24)

Departemen Ilmu Komputer, FMIPA, Institut Pertanian Bogor

Dillyani NNA. 2012. Representasi Word Graph Preposisi Bahasa Indonesia Menggunakan XML [skripsi]. Bogor: Departemen Ilmu Komputer, FMIPA, Institut Pertanian Bogor.

Galitz WO. 2007. The Essential Guide to User Interface Design: An Introduction to GUI Design Principles and Techniques, Ed ke-2. Indianapolis: Wiley Publ.

Goldberg KH, Castro E. 2009. Visual QuickStart Guide-XML. Ed ke-2. Berkeley: Peachpit Press.

Granadi AD, Khatiza E. 2006. Masalah Variasional untuk Persamaan Beda dalam Graf Terboboti [tesis]. Bogor: Departemen Matematika FMIPA IPB.

Griffiths, P. 2007. HTML Dog : The Best-Practice Guide to xHTML & CSS. New Riders: Barkeley.

Harold ER. 2003. Processing XML with Java: a Guide to SAX, DOM, JDOM, JAXP, and TrAX. Berkeley: Pearson Education, Inc.

Hoede C, Nurdiati S. 2008. A Graph Theoritical Analysis of Certain Aspects of Bahasa Indonesia. Belanda: Departemen Matematika Terapan, Universitas Twente.

Hulliyah K. 2007. Rekayasa Memahami Teks Menggunakan Metode Knowledge Graph [tesis]. Bogor: Sekolah Pascasarjana, Institut Pertanian Bogor.

Pressman RS. 2001. Software Engineering: A

Practitioner’s Approach. Ed ke-5. Singapore: McGraw-Hill International Edition.

Romadoni D. 2009. Pengembangan Sistem Pembentukan Word graph untuk Teks Berbahasa Indonesia [skripsi]. Bogor: Departemen Ilmu Komputer, FMIPA, Institut Pertanian Bogor.

Rusiyamti. 2008. Analisis Teks Berbahasa Indonesia Menggunakan Metode Knowledge Graph [tesis]. Bogor: Sekolah Pascasarjana, Institut Pertanian Bogor.

Shalahuddin M, Rosa AS. 2010. Java di Web. Bandung: Informatika Bandung.

Shneiderman B. 1998. Designing the User Interface: Strategies for effective Human-Computer Interaction. Ed ke-3. Boston: Addison Wesley.

(25)

(26)

Lampiran 1 Tabel pengujian word graph

No. Pola Gambar Keterangan

1 Kata Sifat Pola 1

Sesuai

2 Kata Sifat Pola 2

Sesuai

3 Kata Sifat Pola 3

Sesuai

4 Kata Sifat Pola 4

(27)

No. Pola Gambar Keterangan 5 Kata Sifat

Pola 5

Sesuai

6 Kata Sifat Pola 6

Sesuai

7 Kata Sifat Pola 7

Sesuai

8 Kata Sifat Pola 8

Sesuai

9 Kata Sifat Pola 9

(28)

Pola 10

Sesuai

11 Kata Sifat Pola 11

Sesuai

(29)

Pola 15

Sesuai

19 Kata Sifat Pola 18 KS

(30)

Pola 19

Sesuai

22 Preposisi Pola 1

Sesuai

23 Preposisi Pola 2

Sesuai

24 Preposisi Pola 3

(31)

No. Pola Gambar Keterangan 25 Preposisi

Pola 4

Sesuai

26 Preposisi Pola 5

Sesuai

27 Preposisi Pola 6

Sesuai

28 Preposisi Pola 7

Sesuai

29 Preposisi Pola 8

(32)

Pola 9

Sesuai

31 Preposisi Pola 10

Sesuai

(33)

Pola 14

Sesuai

(34)

Pola 19

Sesuai

(35)

Pola 24

Sesuai

(36)

(37)

(38)

PENDAHULUAN

Latar Belakang

Pemrosesan teks merupakan salah satu bagian dari teknologi pemrosesan bahasa alami. Pemrosesan teks dapat berupa analisis makna (semantik) pada suatu teks. Makna suatu teks dapat direpresentasikan sebagai pengetahuan. Salah satu metode yang merepresentasikan pengetahuan dalam bentuk graf adalah metode Knowledge Graph (KG). Berbagai penelitian menggunakan metode KG telah banyak dibahas, namun implementasi metode KG masih belum banyak dilakukan. Penelitian yang ada masih berkutat dalam hal analisis teks dan membuat aturan untuk menganalisis teks.

Implementasi metode KG dalam analisis semantik diharapkan dapat membantu proses abstraksi teks secara otomatis. Agar hal tersebut dapat terwujud, dikembangkan BogorDelftConstruct sebagai implementasi metode KG tahap awal. BogorDelftConstruct merupakan pengembangan dari hasil analisis

struktur bahasa Inggris “DelftConstruct” yang

dikembangkan oleh Mark van Koningsveld pada tahun 2003-2008 (Hoede & Nurdiati 2008).

DelftConstruct merupakan sebuah editor yang dikembangkan untuk membuat graf kata ataupun kalimat dalam struktur bahasa Inggris. Menurut Romadoni (2009), DelftConstruct dapat menganalisis sebuah kata dan membentuk suatu graf antara satu kata dan kata yang lain (word graph), namun belum sesuai dengan konsep KG. BogorDelftConstruct dikembangkan sebagai penyempurnaan dari DelftConstruct untuk

dokumen berbahasa Indonesia.

BogorDelftConstruct dikembangkan dengan

bahasa pemrograman MATLAB dan

merupakan aplikasi yang bersifat desktop.

Merujuk pada BogorDelftConstruct sebagai tools yang berguna untuk membuat graf kata, dikembangkan sebuah aplikasi untuk membuat graf kata yang berbasis web. Beberapa modul jenis kata telah dibuat polanya dalam bentuk XML. Penelitian ini fokus pada pengembangan Sistem Viewer Modul Word Graph Berbasis XML. Penelitian ini diharapkan menjadi tahap lanjutan dalam mewujudkan abstraksi teks secara otomatis.

Tujuan

Penelitian ini bertujuan mengembangkan sistem viewer modul word graph berbasis XML yang mengacu pada aplikasi BogorDelftConstruct, hasil penelitian Astriratma (2012) dan hasil penelitian Dillyani (2012). Penelitian ini diharapkan dapat membantu pengembangan aplikasi BogorDelftConstruct dalam bahasa pemrograman yang bersifat open source dan gratis. Penelitian ini akan membentuk word graph yang dapat merepresentasikan makna suatu kata secara otomatis.

Ruang Lingkup

Penelitian ini fokus pada pengembangan viewer untuk modul word graph yang tersimpan dalam format XML. Modul kata dalam format XML yang tersedia adalah 21 modul kata sifat dan 26 modul kata preposisi. Modul XML akan diterjemahkan menjadi word graph pada web browser. Aturan yang diterapkan sesuai dengan aturan-aturan dari analisis penelitian sebelumnya.

Manfaat

Manfaat utama penelitian ini adalah mengekspresikan makna suatu kata yang direpresentasikan dalam bentuk word graph sehingga tidak terjadi ambiguitas. Aplikasi ini dikemas berbasis web. Setiap orang dapat menggunakan aplikasi ini secara luas tanpa harus terbentur dengan lisensi penggunaan perangkat lunak.

TINJAUAN PUSTAKA

Graph

Dalam sistem diskret, graph menggambarkan suatu alat dasar untuk mempelajari hubungan antarunsur. Graph dikatakan terhubung jika untuk sembarang pasangan verteks x dan y terdapat sebuah barisan hingga yang disebut suatu lintasan atau rantai (Granadi dan Khatiza 2006). Barisan tersebut memiliki verteks awal yang tidak sama dengan verteks akhir.

(39)

Natural Language

Secara umum, natural language atau bahasa alami adalah metode dan sistem simbol yang paling banyak digunakan untuk mengekspresikan pikiran manusia dan pertukaran informasi. Terdapat sebuah pemisah antara bahasa formal atau bahasa buatan dan bahasa alami. Komunikasi antara komputer dan manusia hanya dimungkinkan ketika banyak penelitian yang bertujuan untuk menjembatani pemisah di antara keduanya (Zhang 2002).

Secara alami, menggambarkan dan memodelkan bahasa alami adalah dasar untuk menganalisis dan memaknai bahasa alami serta menentukan arah proses penelitian dari bahasa alami. Ada dua faktor yang diperhatikan dalam menganalisis sebuah kalimat, yaitu sintaksis dan semantik. Perbedaan sintaksis dan semantik adalah sintaksis melakukan analisis berdasarkan bentuk dari sebuah kalimat, sedangkan semantik menganalisis bagaimana mengartikan suatu kalimat (Hulliyah 2007).

Teori Knowledge Graph (KG) Pengertian KG

Menurut Zhang (2002), teori KG adalah jenis sudut pandang baru yang digunakan untuk menggambarkan bahasa manusia yang lebih fokus pada aspek semantik daripada aspek sintaksis. KG mempunyai kemampuan lebih kuat untuk mengekspresikan dan menggambarkan lebih dalam semantic layers untuk meminimumkan penggunaan relation set dan menirukan pengertian dari jalan pikiran manusia.

KG, sebagai bagian dari metode baru yang merepresentasikan pengetahuan, tergolong pada kategori semantic network. Pada prinsipnya, KG tersusun atas concept dan relationship (Zhang 2002). Concept terdiri atas token, type, dan name. Relationship terdiri atas binary relationship dan multivariate relationship.

Concept

Token adalah sebuah node dalam KG yang

disimbolkan dengan persegi “

□

”. Token mengekspresikan sesuatu dalam dunia nyata atau sebuah konsep dari dalam persepsi manusia (Zhang 2002). Token bersifat subjektif karena merupakan konsep yang dipahami oleh bahasa manusia menurut persepsi masing-masing. Contoh sebuah

token, menurut Rusiyamti (2008) adalah kata

“apel”. Seseorang dapat menghubungkan apel tersebut dengan informasi bentuk, warna, rasa, dan sebagainya. Demikian juga dengan orang lain yang menghubungkan dengan hal yang berbeda.

Type adalah suatu konsep yang masih bersifat umum dan merupakan hasil dari kesepakatan yang dibuat sebelumnya (Rusiyamti 2008). Contoh type, misalnya buah, binatang, dan sebagainya. Suatu konsep yang bersifat individual dikategorikan ke dalam sebuah name. Sebagai contoh Fuji adalah sebuah name, yaitu nama dari sebuah apel. Type dan name dibedakan oleh jenis relasi yang menghubungkannya dengan token.

Word Graph

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. Graf yang merepresentasikan gabungan dari sentence graph dalam sebuah teks disebut text graph yang terdapat pengetahuan di dalamnya (Hoede & Nurdiati 2008).

Aspek Ontologi

Ontologi adalah keterangan untuk menggambarkan beberapa konsep dan relasi-relasi di antaranya dengan maksud memberikan definisi yang cukup terhadap ide-ide yang dituangkan dengan komputer untuk merepresentasikan ide-ide tersebut dan logikanya (Hulliyah 2007). Berdasarkan ontologi yang dimiliki ini, KG dapat membangun sebuah model yang dapat digunakan untuk memahami bahasa alami. Hal ini diperlukan agar arti dari suatu kalimat dapat diekspresikan. Arti dari kata harus terlebih dahulu diketahui untuk dapat mengartikan sebuah kalimat.

Ontologi word graph sampai saat ini direpresentasikan dengan sebuah node, delapan binary relationships, sebuah ontologi F, dan empat frame relationships. Berikut adalah gambaran dari delapan types relationships (Zhang 2002):

1 ALI (alikeness)