Perancangan Aturan Abstraksi Teks Berbahasa Inggris Menggunakan Metode Knowledge Graph

(1)

KUNTOAJI

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

(2)

i

KUNTOAJI

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

(3)

ii

Knowledge Graph. Dibimbing oleh SRI NURDIATI dan FARIDA HANUM.

Membaca keseluruhan sebuah teks dokumen membutuhkan waktu yang lama. Oleh sebab itu dibuatlah suatu metode untuk merangkum teks. Namun merangkum teks memiliki kelemahan yaitu menghilangkan banyak informasi dari isi teks. Agar isi teks dapat dipertahankan diperlukan metode yang dapat mengabstraksi teks sehingga didapatkan gambaran dari isi teks.

Metode knowledge graph adalah suatu pendekatan baru dalam Natural Language

Processing yang dapat digunakan untuk menyatakan bahasa alami dalam bentuk graf. Metode ini mengekspresikan setiap kalimat dalam bentuk graf yang kemudian dianalisis sehingga didapatkan graf yang dapat menggambarkan isi teks. Penelitian ini akan mengaplikasikan metode knowledge graph untuk mendapatkan abstraksi teks berbahasa inggris.

(4)

iii

NURDIATI and FARIDAHANUM.

Reading the whole text of a document could take a long time. There has been developed a method of sumarizing text. However this method loses a large amount of information content in the text. In order to preserve most of content of the text needed the method to get abstraction of text so that get an overview of the contents of the text.

Knowledge graph method is a new approach in Natural Language Processing that can be used to express the natural language into the graphs. Using this method, every sentences in the full text can be represented into graph then analyzed to get a graph that describes the content of the text. This research will apply knowledge graph method to get the abstraction of the text.

(5)

iv

KUNTOAJI

Skripsi:

sebagai salah satu syarat untuk memperoleh gelar

Sarjana Sains pada

Departemen Matematika

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

(6)

v

NIM

: G54061341

Menyetujui,

Pembimbing I

Pembimbing II

Dr. Ir. Sri Nurdiati, M.Sc.

Dra. Farida Hanum, M.Si.

NIP. 19601126 198601 2 001

NIP. 19651019 199103 2 002

Mengetahui,

Ketua Departemen

Dr. Dra. Berlian Setiawaty, MS.

NIP. 19650505 198903 2 004

(7)

vi

Bismillahirrahmanirrahim, Assalaamualaikum wr wb.

Puji syukur penulis panjatkan ke hadirat Allah SWT yang telah melimpahkan rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan skripsi yang berjudul “Perancangan Aturan Abstraksi Teks Berbahasa Inggris Menggunakan Metode Knowledge Graph”. Selawat serta salam juga penulis sampaikan kepada junjungan nabi Muhammad SAW. Pada kesempatan ini, penulis juga menyampaikan ucapan terima kasih kepada :

1. Keluargaku: Bapak, Ibu, umi dan inu yang selalu memberikan semangat dan doa,

2. Dr. Ir. Sri Nurdiati, M.Sc selaku dosen pembimbing I dan Dra. Farida Hanum, M.Si

selaku dosen pembimbing II yang telah meluangkan waktu, tenaga, dan pikiran untuk memberikan bimbingan dan pengarahan kepada penulis sehingga penulisan skripsi ini dapat diselesaikan,

3. Ir. Ngakan Komang Kutha Ardana, M.Sc selaku dosen penguji yang telah meluangkan

waktu dan ilmu,

4. dosen Departemen Matematika, terima kasih atas ilmu yang diberikan,

5. staf Departemen Matematika, terima kasih atas bantuannya dalam memperlancar

administrasi akademik,

6. teman-teman kost darjo: Rendi, Pras, Rofiq, Toni, Wira yang telah memberikan semangat dan nasehatnya,

7. teman-teman SMA Negeri 38 Jakarta: Dina Mawardah, Nia Prasetya Utomo, Utami

Prihatini yang telah memberikan bantuan, doa dan nasihatnya,

8. teman-teman angkatan 41, 42, 43, 44, 45 yang tidak bisa penulis sebutkan satu per satu.

Penulis menyadari bahwa skripsi ini masih jauh dari kesempurnaan. Oleh karena itu, penulis sangat mengharapkan kritik dan saran yang bersifat membangun dari berbagai pihak untuk mengoreksi skripsi ini apabila ada kesalahan. Akhir kata, penulis berharap agar skripsi ini bermanfaat bagi semua pihak yang membaca.

Wassalaamualaikum wr wb.

Bogor, Juli 2012 Penulis

(8)

vii

(9)

viii

DAFTAR GAMBAR ... ix

DAFTAR LAMPIRAN ... xi

I PENDAHULUAN ... 1

1.1 Latar Belakang Penelitian ... 1

1.2 Tujuan Penelitian ... 1

1.3 Ruang Lingkup Penelitian ... 1

II TINJAUAN PUSTAKA 2.1 Frasa Kata Benda (noun phrase) ... 1

2.2 Hubungan Antarmakna ... 1

2.2.1 Sinonim ... 1

2.2.2 Kata Umum dan Khusus ... 2

2.3 Graf ... 2

2.4 Knowledge Graph ... 2

2.5 Konsep ... 2

2.5.1 Token ... 2

2.5.2 Type ... 2

2.5.3 Name ... 2

2.6 Aspek-Aspek Ontologi ... 3

III METODOLOGI PENELITIAN IV PEMBAHASAN 4.1 Studi Literatur Teks Berbahasa Inggris ... 5

4.2 Penentuan Frasa Kata Benda Sebagai Konsep ... 5

4.3 Penentuan threshold ... 7

4.4 Pembuatan Rangkuman Teks dan Grafnya ... 10

4.5 Pembuatan Graf Teks ... 10

4.6 Analisis Graf Teks ... 27

4.6.1 Analisis Relasi SUB&CAU ... 27

4.6.2 Analisis Hubungan Searah ... 27

4.7 Penggabungan Graf Analisis ... 28

4.8 Pembuatan Aturan ... 29

4.9 Pengujian Aturan ... 37

V KESIMPULAN DAN SARAN 5.1 Kesimpulan ... 54

5.2 Saran ... 54

DAFTAR PUSTAKA ... 55

(10)

ix

2 Jumlah Kemunculan Kata Benda Atau Frasa Kata Benda Pada Teks B ... 6

3 Kata Benda Atau Frasa Kata Benda Yang Memenuhi threshold 3 Pada Teks A ... 8

4 Verteks Teks A ... 8

5 Kata Benda Atau Frasa Kata Benda Yang Memenuhi threshold 3 Pada Teks B ... 8

6 Verteks Teks B ... 9

7 Jumlah Kemunculan Kata Benda Atau Frasa Kata Benda Pada Teks C ... 37

8 Kata Benda Atau Frasa Kata Benda Yang Memenuhi threshold 3 Pada Teks C ... 39

9 Verteks Teks C ... 40

DAFTAR GAMBAR

Halaman 1 Contoh graf ... 2

2 Contoh penggunaan relasi ALI ... 3

3 Contoh penggunaan relasi CAU ... 3

4 Contoh penggunaan relasi EQU ... 3

5 Contoh penggunaan relasi EQU ... 3

6 Contoh penggunaan relasi SUB ... 3

7 Contoh penggunaan relasi DIS ... 3

8 Contoh penggunaan relasi ORD ... 4

9 Contoh penggunaan relasi PAR ... 4

10 Graf rangkuman Teks A ... 10

11 Graf rangkuman Teks B ... 10

12 Penulisan relasi ALI dan verteks dalam penelitian ... 11

13 Word graph kalimat ke-1 Teks A ... 11

30 Word graph kalimat ke-1 Teks B ... 19

(11)

x

50 Graf gabungan Teks A ... 27

51 Graf gabungan Teks B ... 27

52 Relasi SUB pada Teks A ... 28

53 Relasi SUB pada Teks B ... 28

54 Relasi CAU pada Teks A ... 28

55 Relasi CAU pada Teks B ... 28

56 Analisis hubungan searah ... 28

57 Graf Teks A setelah dianalisis menggunakan metode knowledge graph ... 29

58 Graf Teks B setelah dianalisis menggunakan metode knowledge graph ... 29

59 Word graph kalimat ke-1 Teks C ... 41

95 Graf gabungan Teks C ... 53

96 Graf hasil aturan Teks C ... 54

97 Graf rangkuman Teks C ... 54

98 Word graph kalimat ke-1 rangkuman Teks A ... 59

(12)

xi

105 Word graph kalimat ke-1 rangkuman Teks B ... 63

110 Word graph kalimat ke-1 rangkuman Teks C ... 66

DAFTAR LAMPIRAN

Halaman 1 Teks A ... 56

2 Teks B ... 57

3 Teks C ... 58

4 Rangkuman Teks A ... 59

5 Pembentukan word graph rangkuman Teks A ... 59

6 Rangkuman Teks B ... 62

7 Pembentukan word graph rangkuman Teks B ... 62

8 Rangkuman Teks C ... 66

(13)

I PENDAHULUAN

1.1 Latar Belakang Penelitian

Sebelum membaca sebuah teks, kebanyakan orang lebih memilih untuk membaca ringkasan dari teks tersebut. Dengan membaca ringkasan teks, pembaca lebih cepat memahami isi dari teks dan menentukan apakah ia akan membaca keseluruhan teks tersebut atau tidak. Salah satu cara meringkas teks adalah dengan mengambil kalimat yang menjadi ide utama yang kemudian dituliskan kembali dengan pemahaman peringkas atau dengan menyimpulkannya langsung berdasarkan pendapat peringkas. Namun cara tersebut kurang baik digunakan untuk meringkas karena mungkin ada informasi yang hilang apabila hanya mengambil kalimat utama. Selain itu ringkasan yang dibuat bersifat subjektif yaitu setiap peringkas mungkin memiliki pemahaman yang berbeda terhadap sebuah teks berdasarkan pengalaman hidupnya dan disiplin ilmunya.

Salah satu cara untuk meringkas adalah

dengan menggunakan metode knowledge

graph.Knowledge graph adalah suatu metode baru dalam natural language processing yang merupakan sebuah tinjauan untuk menggambarkan atau menjelaskan bahasa dengan cara menganalisis teks secara harfiah dan diperkaya dengan latar belakang pengetahuannya sehingga menghasilkan sebuah pengetahuan baru (Zhang 2002).

1.2 Tujuan Penelitian

Tujuan penelitian ini ialah merancang suatu aturan untuk mendapatkan sebuah

knowledge graph yang menggambarkan intisari dari isi teks berbahasa Inggris.

1.3 Ruang Lingkup Penelitian

Dalam penelitian ini penulis menggunakan metode knowledge graph dengan kata benda atau frasa kata benda sebagai konsep sedangkan relasi yang digunakan hanya relasi

causality dan subset. Teks yang digunakan adalah teks berbahasa Inggris yang memiliki tema green computing.

II TINJAUAN PUSTAKA

Dalam bab ini akan diberikan pengertian dan penjelasan yang akan digunakan dalam penelitian.

2.1 Frasa kata benda (noun phrase)

Suatu konsep sering ditandai dengan berbagai kata yang memiliki sedikit perbedaan konotasi. Semakin banyak kosakata yang digunakan untuk memaknai suatu konsep maka lebih banyak pilihan kata sehingga lebih tepat dalam menyampaikan makna. Namun demikian sebanyak apapun kosakata yang digunakan untuk menyampaikan suatu makna, penggunaan satu kata yang sudah spesifik terkadang kurang cukup. Contoh, apabila ingin menunjuk seorang wanita yang berada di ruangan sebelah yang tidak diketahui namanya cukup menggunakan “that girl”, tetapi apabila wanitanya lebih dari satu menggunakan “that girl” saja terlalu umum perlu adanya tambahan seperti “that girl who

wear red shirt” sehingga terbentuklah frasa kata benda.

Frasa kata benda adalah sekelompok kata dengan kata benda sebagai inti dengan ditambah kata penerang sebagai penjelas. Kata penjelas ini dapat diletakkan didepan atau dibelakang kata inti (Anik M Indriastuti 2011).

2.2 Hubungan Antarmakna

2.2.1 Sinonim

(14)

2.2.2 Kata Umum dan Khusus

Kata umum, disebut pula hipernim atau superordinat, adalah kata yang ruang lingkup maknanya mencangkup hal-hal yang umum dan menyangkut aspek-aspek yang lebih luas. Kata khusus, disebut hiponim atau subordinat, adalah kata yang ruang lingkup maknanya mencakup hal-hal yang sempit atau hanya meliputi aspek-aspek tertentu (Waridah 2008).

2.3 Graf

Graf G adalah pasangan terurut (V,E) dengan V adalah himpunan berhingga dan tidak kosong dari elemen-elemen yang disebut verteks dan E himpunan pasangan takterurut (mungkin kosong) dari elemen-elemen V yang disebut edge (Chartrand & Oellermann 1993).

Contoh, graf G dengan V(G) = {u,v,w,x}; dan E(G) = {uv,uw,wx}, diperlihatkan pada gambar 1 sebagai berikut:

Gambar 1 Contoh graf.

Graf G’ disebut subgraf dari G jika semua simpul dan sisi dari G’ terletak di G

(Chartrand & Oellermann 1993).

Digraph (graf berarah) D adalah himpunan takkosong dan berhingga dari verteks-verteks, yaitu V(D) dan himpunan edge, yaitu E(D), dari pasangan terurut verteks-verteks yang berbeda. Anggota E(D) disebut arcs. (Chartrand & Oellermann 1993).

2.4 Knowledge Graph

Metode knowledge graph adalah suatu pendekatan baru yang dapat digunakan untuk menyatakan bahasa alami dalam bentuk graf. Perbedaan yang mendasar antara metode

knowledge graph dengan teori representasi lain adalah bahwa metode knowledge graph

ini menggunakan relasi yang jumlahnya

terbatas. Knowledge graph mampu

melukiskan atau menggambarkan aspek-aspek semantik yang lebih mendasar dengan

menggunakan sejumlah relasi yang banyaknya terbatas. Metode ini memberikan cara baru melakukan penelitian untuk memahami bahasa manusia dengan bantuan komputer (Zhang 2002).

2.5 Konsep

Konsep merupakan komponen terpenting dalam pemikiran manusia. Konsep merupakan sesuatu yang penting dalam membentuk suatu pengertian dari khusus ke umum atau sebaliknya (Zhang 2002). Konsep dapat dibedakan menjadi tiga jenis, yaitu token,

type, dan name (Berg 1993).

2.5.1 Token

Dalam metode knowledge graph, token

merupakan konsep yang dipahami oleh seseorang menurut cara pandang masing-masing, sehingga token ini bersifat subjektif. Setiap persepsi selalu berhubungan dengan

token. Sebuah konsep berhubungan dengan arti dari kata (Zhang 2002). Contoh sebuah

token ialah misalkan seseorang menemukan kata “apel”, orang tersebut dapat menghubungkan hal ini dengan informasi bentuk, warna, dan rasa; demikian juga orang lain akan menghubungkan dengan hal yang berbeda.

Token dalam metode knowledge graph

dinyatakan dengan simbol “ “. Seseorang dalam mengamati sesuatu akan membandingkannya dengan dunia nyata. Dengan demikian dalam metode knowledge graph segala sesuatu akan dihubungkan dengan token.

2.5.2 Type

Type adalah konsep yang berupa informasi umum dan bersifat objektif karena merupakan kesepakatan yang dibuat sebelumnya. Contoh

type misalnya buah, binatang dan sebagainya.

2.5.3 Name

Name adalah sesuatu yang bersifat

individual. Sebagai contoh: Fuji adalah sebuah name yaitu nama dari sebuah apel. Sesuatu dapat dikelompokkan ke dalam beberapa type yang berbeda. Demikian juga

(15)

2.6 Aspek-Aspek Ontologi

Ontologi merupakan gambaran dari beberapa konsep dan relasi antarkonsep yang bertujuan mendefinisikan ide-ide yang merepresentasikan konsep, relasi dan logikanya. Berdasarkan ontologi yang dimiliki inilah knowledge graph dapat membangun sebuah model yang dapat digunakan untuk memahami bahasa alami (natural language). Hal ini diperlukan agar arti dari suatu kalimat dapat diekspresikan. Ontologi word graph

sampai saat ini terdiri atas token yang

dinyatakan dengan node, 8 binary

relationships, dan 4 frame relationships.

Menurut Zhang (2002), penjelasan dari ontologi dalam metode knowledge graph

tersebut dapat diberikan sebagai berikut:

1. Relasi ALI (Alikeness)

Relasi ALI digunakan untuk menghubungkan sebuah type dengan token. Contoh: dog adalah type, maka dapat dinyatakan dengan word graph berikut:

Gambar 2 Contoh penggunaan relasi ALI.

2. Relasi CAU (Causality)

Relasi causallity antara 2 buah token

digambarkan dengan anak panah berlabel CAU. Relasi CAU digunakan untuk menghubungkan dua token yang memiliki hubungan sebab akibat atau bisa juga untuk menghubungkan dua konsep yang terdiri atas kata benda dan kata kerja atau untuk menghubungkan subjek dengan predikat atau predikat dengan objek. Contoh: dog hit man. Kalimat tersebut dapat dinyatakan sebagai berikut:

Gambar 3 Contoh penggunaan relasi CAU.

3. Relasi EQU (Equality)

Relasi EQU digunakan untuk menghubungkan sebuah name dengan token. Contoh: Pluto is the name of dog dan word graph-nya seperti gambar berikut:

Gambar 4 Contoh penggunaan relasi EQU.

Relasi ini biasa juga untuk menyatakan sinonim, adalah, merupakan dan word graph -nya dapat dilihat pada gambar berikut:

Gambar 5 Contoh penggunaan relasi EQU.

4. Relasi SUB (Subset)

Jika dua token menyatakan word graph, dan word graph yang satu merupakan bagian dari word graph yang lain, maka kedua token

dihubungkan dengan relasi SUB. Contoh: tail is part of cat, maka dapat dinyatakan dengan

word graph berikut:

Gambar 6 Contoh penggunaan relasi SUB.

5. Relasi DIS (Disparateness)

Dalam logika matematika, relasi DIS digunakan untuk menyatakan bahwa dua

token tidak mempunyai satu elemen pun yang sama, sehingga dapat diformulasikan sebagai

berikut: A DIS B berarti bahwa

A

∩ = ∅

B

.

Relasi ini juga dapat digunakan untuk menyatakan kata “different”, atau “not like”, contoh: water different with oil yang dapat dinyatakan dengan word graph berikut:

Gambar 7 Contoh penggunaan relasi DIS.

6. Relasi ORD (Ordering)

Relasi ORD menyatakan bahwa dua hal memiliki ururan tertentu, baik urutan waktu maupun urutan tempat. Contoh penggunaan relasi ORD, misalnya untuk menyatakan word graph “Monday until Friday”, yaitu:

(16)

Gambar 8 Contoh penggunaan relasi ORD.

7. Relasi PAR (Attribute)

Relasi PAR digunakan untuk menyatakan bahwa sesuatu mempunyai sifat sesuatu yang lain. Hal ini dapat dilihat pada contoh red car. Kata red merupakan warna dari car, atau

dengan kata lain red adalah atribut dari car. Frasa red car dapat dinyatakan dengan word graph sebagai berikut:

Gambar 9 Contoh penggunaan relasi PAR.

III METODOLOGI PENELITIAN

Pada bab ini dibahas tahapan yang dilakukan dalam penelitian ini.

1. Studi Literatur Teks Berbahasa Inggris Studi literatur adalah kegiatan yang dilakukan untuk mendapatkan teks-teks yang sesuai dengan tema yang digunakan dalam penelitian. Penelitian ini menggunakan tiga teks berbahasa Inggris bertemakan green computing, dua teks digunakan untuk membentuk aturan, satu teks untuk bahan uji.

2. Penentuan Kata Benda dan Frasa Kata Benda

Analisis teks dilakukan kalimat per kalimat. Setiap kalimat ditentukan kata benda dan frasa kata bendanya berdasarkan cirinya. Kata benda dan frasa kata benda yang sudah diperoleh kemudian dikelompokkan menurut kesamaan makna dan bentuk kata umumnya. Kata benda atau frasa kata benda yang digunakan hanyalah yang sesuai dengan nilai

threshold yang ditentukan. Nilai threshold

yang digunakan pada penelitian ini ialah 3. Nilai threshold ini dapat diubah sesuai dengan kebutuhan, semakin besar ukuran suatu teks maka akan terdapat frasa kata benda atau kata benda yang jumlahnya lebih banyak sehingga nilai threshold akan semakin besar. Kata benda atau frasa kata benda yang memenuhi threshold akan diberi label dan digunakan sebagai verteks.

3. Pembuatan Rangkuman Teks dan Grafnya Teks yang ada dibuat rangkumannya secara manual. Rangkuman tersebut

kemudian dibuat graf berarahnya berdasarkan metode knowledge graph. Verteks yang digunakan adalah verteks yang diperoleh dari proses sebelumnya.

4. Pembuatan Graf Teks

Verteks yang sudah diperoleh digunakan untuk membuat graf berarah yang menggambarkan hubungan setiap kata benda atau frasa kata benda pada setiap kalimat berdasarkan metode knowledge graph.

5. Modifikasi Graf Teks

Graf gabungan teks yang sudah terbentuk kemudian dimodifikasi sehingga menyerupai graf gabungan rangkuman teks dengan cara

menghapus edge yang ada pada graf

gabungan teks tetapi tidak ada pada graf gabungan rangkuman teks berdasarkan metode knowledge graph.

6. Perancangan Aturan

Pada tahap ini akan ditentukan aturan yang digunakan untuk mendapatkan graf yang merepresentasikan teks. Aturan dibuat berdasarkan langkah-langkah modifikasi graf gabungan teks.

7. Pengujian Aturan

(17)

IV PEMBAHASAN

4.1 Studi Literatur Teks Berbahasa Inggris Dari hasil studi kepustakaan teks berbahasa Inggris secara online dengan tema

green computing diperoleh tiga teks yang akan dianalisis. Ketiga teks tersebut dapat dilihat dalam Lampiran 1,2, dan 3.

4.2 Penentuan frasa kata benda sebagai konsep

Konsep yang digunakan dalam penelitian ini berupa kata benda atau frasa kata benda.

Kata benda atau frasa kata benda yang telah diperoleh dalam setiap teks dihitung jumlah kemunculannya, kemudian dikelompokkan berdasarkan kesamaan makna dan juga berdasarkan bentuk kata umumnya. Proses penghitungan dan pengelompokan ini dilakukan pada setiap teks, dan didapatkan data sebagai berikut:

Tabel 1 Daftar jumlah kemunculan kata benda atau frasa kata benda pada Teks A

Kata Benda atau Frasa Kata Benda

Jumlah Kata Benda atau Frasa Kata Benda

Jumlah

green computing, main goal of green computing

EPA, firms, companies, business

computers, old electronics, new computer, old computers

program, Energy Star

millions computer user, end user of equipment, home computer user, user

energy

time, October of 2006, years,1992

hardware, computer component

mainstream

outcome, product

green

computing

disposal of computer waste

government agencies

green chemistry

10

term, term green computing

world, world of computer

new requirements, requirements

green computing system, IT system, ranking system, computer system

environment

the use of energy, the usage of biodegradable product, the use of materials

hard balance

popular trends

global technology

goal

policy

computer resources

process

satisfaction of user

(18)

Tabel 1 Daftar jumlah kemunculan kata benda atau frasa kata benda pada Teks A (lanjutan)

Jumlah

different markets 1 people 1

management 1 different areas 1

energy efficient technology, energy efficient computing equipment

2 organizational success

sleep mode

1

20 state 1

Tabel 2 Daftar jumlah kemunculan kata benda atau frasa kata benda pada Teks B Kata Benda atau Frasa Kata

Benda

Jumlah

the re-use of some materials, efficient use of resources, the use of computing resources, the use of environmentally hazardous materials, the use of recyclable materials, the use of non-biodegradable components, the use of sustainable resources, the use of energy, the use of firewalls, the use of anti virus programs, the use of anti spyware

computing products, products, EPEAT products, the first results of green computing, client solutions, branding

green computing, green computing philosophies, green computing concept, the spin-offs of green computing, the first manifestations of the green computing movement

monitor, energy efficient monitors, traditional CRT monitors, LCDs, television sets, computer monitor

environmental impacts of new technology, environmental impacts of emerging technology, the social impacts of new technology, the social impacts of emerging technology,

environmental impacts

8

6

7

6

5

The Energy Star program, Energy Star

costs, efficient energy expenditures, energy expenditures, energy cost accounting

group, the popular green computing groups, movements, organization

materials, resources

refrigerators, air conditioners, fans

liquid cooling systems, energy efficient cooling systems, less noisy cooling systems

electronic products environmental assessment tool,

consumer's electronic equipment, EPEAT, temperature control devices

(19)

Tabel 2 Daftar jumlah kemunculan kata benda atau frasa kata benda pada Teks B (lanjutan)

Jumlah

green computing practices, virtualization practices, file sharing practices

CFCs

volunteer computing, computing

time, 1992

term

tactical incrementalists

strategic leaders

political pressure, under pressure

maintenance activities, user activity

economic viability, economic sentiments

computer parts

factors

the efficiency of computing product

+

CAU SUB

CAU CAU SUB

SUB

Gambar 56 Analisis hubungan searah.

Dengan demikian untuk relasi CAU dan SUB yang terjadi pada setiap verteks tersebut dapat digantikan dengan relasi SUB. Pada

word graph Teks A dan Teks B tidak ada relasi yang bisa direduksi.

4.7 Penggabungan Graf Analisis

Graf hasil proses analisis hubungan searah, CAU dan SUB digabung menjadi sebuah graf. Graf tersebut merupakan hasil dari graf gabungan teks yang dianalisis menggunakan metode knowledge graph yang mendekati graf rangkuman teks.

1 7 4

5 12

5 3 7

5 1 9

4 12

3

10

11

13

6 13 2

1

6 5

7

2 3

8 9

11

10

(41)

Relasi CAU

Relasi SUB

Gambar 57 Graf Teks A setelah dianalisis

menggunakan metode

knowledge graph.

Relasi CAU

Relasi SUB

Gambar 58 Graf Teks B setelah dianalisis

menggunakan metode

knowledge graph.

4.8 Pembuatan Aturan

Dari proses analisis hubungan CAU, SUB dan searah yang dilakukan pada graf Teks A dan B dibuat aturan, pembuatan aturan dengan cara menganalisis arc yang masuk ke verteks dan keluar dari verteks. Apabila aturan dibuat dari awal proses didapat hasil sebagai berikut:

1. mencari teks berbahasa Inggris,

2. ambil frasa kata benda dan kata

bendanya kemudian hitung jumlah kemunculannya,

3. kelompokkan frasa kata benda dan kata benda menurut maknanya secara subjektif,

4. kelompok frasa kata benda dan kata

benda yang tidak memenuhi threshold

tidak digunakan,

5. berikan label setiap kelompok frasa kata benda dan kata benda yang memenuhi

threshold, label digunakan sebagai verteks,

6. verteks setiap kalimat dianalisis, apabila verteks satu dengan lainnya dihubungkan dengan kata kerja atau kata yang menyatakan sebab-akibat maka relasinya ialah CAU, apabila dihubungkan dengan kata yang menyatakan bagian dari seperti in, part of, one of maka relasinya ialah SUB,

7. graf-graf yang telah terbentuk per

kalimat digabungkan,

8. analisis CAU dilakukan dengan mencari

arc yang dipertahankan dan yang akan direduksi, arc yang ditandai untuk nantinya direduksi tidak dapat diubah menjadi dipertahankan, begitu juga sebaliknya,

9. verteks yang hanya memiliki satu arc

masuk dan satu arc keluar, pertahankan

arc-nya,

10. pilih verteks yang jumlah arc masuk ditambah arc yang keluar paling banyak, jika ada lebih dari satu verteks yang jumlah arc masuk ditambah arc yang keluar paling banyak, pilih terlebih dahulu verteks yang arc keluarnya paling banyak yang belum diproses,

jika ada lebih dari satu verteks yang arc

keluarnya paling banyak yang belum diproses, pilih terlebih dahulu verteks yang arc masuknya paling banyak yang belum diproses,

jika ada lebih dari satu verteks yang arc

masuknya paling banyak yang belum diproses, pilih salah satu verteks, 11. cari verteks yang menjadi tujuan arc

(42)

12. pilih verteks pada langkah 11 yang memiliki jumlah arc masuk paling sedikit,

jika ada lebih dari satu verteks yang memiliki jumlah arc masuk paling sedikit, pilih terlebih dahulu verteks yang arc keluarnya paling sedikit, jika ada lebih dari satu verteks yang arc

keluarnya paling sedikit, pilih semua

verteks, pertahankan arc yang

menghubungkan verteks langkah 10 ke verteks yang dipilih,

13. apabila ada lintasan yang

menghubungkan antara verteks langkah 10 dengan verteks pada langkah 12 dan pada lintasan tersebut tidak memiliki arc

yang dipertahankan, tandai arc graf tersebut yang nantinya akan direduksi,

14. kembali ke proses pada langkah 12, 15. kembali ke proses pada langkah 10, 16. reduksi arc yang sudah ditandai, 17. cari verteks yang memiliki relasi SUB 18. pilih verteks yang memiliki arc masuk

dan arc keluar, reduksi arc masuk dan keluar kemudian buat arc baru yang menghubungkan verteks asal arc masuk dengan verteks tujuan arc keluar, 19. kembali ke proses langkah 17,

20. cari verteks yang memiliki dua relasi CAU dan SUB, reduksi arc CAU nya,

21. diperoleh graf yang dapat

menggambarkan intisari teks Berbahsa Inggris.

Apabila disajikan dalam bentuk flowchart

diperoleh hasil sebagai berikut:

hitung kemunculan frasa kata benda dan kata benda

pisahkan frasa kata benda dan kata benda yang kemunculan ≥ 3

Vi = frasa kata benda dan

kata benda ke i

identifikasi hubungan verteks per kalimat baca teks

kelompokkan frasa kata benda dan kata benda menurut kesamaan makna, kekhususan dan keumuman

start

pisahkan frasa kata benda dan kata benda

(43)

Vi

menyebabkan Vj ?

semua kalimat selesai diidentifikasi hubungan verteksnya ?

simpan graf CAU

Vi bagian

dari Vj?

tidak

ya ya

tidak tidak

buat daftar verteks graf CAU dengan jumlah arc masuk ditambah arc keluar

simpan daftar

B buat arc CAU dari Vi ke Vj

simpan graf SUB ya

buat arc SUB dari Vi ke Vj

(44)

cari verteks dari graf CAU yang hanya memiliki satu arc

masuk dan satu arc keluar

pilih verteks dari daftar yang jumlahnya terbanyak

hanya satu verteks?

pilih verteks yang arc

keluarnya paling banyak yang belum diproses

hanya satu verteks?

masuknya paling banyak yang belum diproses

hanya satu verteks?

pilih verteks yang indeksnya lebih kecil cari verteks yang menjadi

tujuan arc yang keluar dari verteks a

simpan verteks a

pertahankan arc nya

simpan arc dan verteks sebagai graf a

tidak

tidak ya

ya ya

B

C

arc dari graf a

tidak diproses lagi

(45)

pilih verteks b yang memiliki jumlah arc

masuk paling sedikit

hanya satu verteks?

keluarnya paling sedikit

hanya satu verteks?

pilih semua verteks simpan verteks c

pertahankan arc yang menghubungkan verteks a dengan c

cari lintasan lain yang menghubungkan verteks a dengan c tetapi tidak memiliki

arc pada graf a dan graf b

simpan graf b

tidak

tidak ya

ya simpan verteks b

C

D

E

(46)

semua verteks b

sudah diproses ? verteks c dan arc graf b

tidak diproses lagi D

arc graf c tidak dapat diproses untuk dipertahankan

E tidak

ya

semua verteks pada daftar verteks sudah diproses ?

F tidak

ya

gabung graf a

dan graf b

simpan graf c

cari verteks graf SUB yang memiliki arc masuk dan keluar

G