KUNTOAJI
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
i
KUNTOAJI
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
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.
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.
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
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
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
vii
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
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 ... 22 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
14 Word graph kalimat ke-2 Teks A ... 11
15 Word graph kalimat ke-3 Teks A ... 11
16 Word graph kalimat ke-4 Teks A ... 12
17 Word graph kalimat ke-5 Teks A ... 12
18 Word graph kalimat ke-6 Teks A ... 13
19 Word graph kalimat ke-7 Teks A ... 13
20 Word graph kalimat ke-8 Teks A ... 14
21 Word graph kalimat ke-9 Teks A ... 15
22 Word graph kalimat ke-10 Teks A ... 15
23 Word graph kalimat ke-11 Teks A ... 15
24 Word graph kalimat ke-12 Teks A ... 16
25 Word graph kalimat ke-13 Teks A ... 16
26 Word graph kalimat ke-14 Teks A ... 17
27 Word graph kalimat ke-15 Teks A ... 17
28 Word graph kalimat ke-16 Teks A ... 18
29 Word graph kalimat ke-17 Teks A ... 18
30 Word graph kalimat ke-1 Teks B ... 19
31 Word graph kalimat ke-2 Teks B ... 19
32 Word graph kalimat ke-3 Teks B ... 20
33 Word graph kalimat ke-4 Teks B ... 20
34 Word graph kalimat ke-5 Teks B ... 20
35 Word graph kalimat ke-6 Teks B ... 21
36 Word graph kalimat ke-7 Teks B ... 21
37 Word graph kalimat ke-8 Teks B ... 22
38 Word graph kalimat ke-9 Teks B ... 22
39 Word graph kalimat ke-10 Teks B ... 22
40 Word graph kalimat ke-11 Teks B ... 23
41 Word graph kalimat ke-12 Teks B ... 23
42 Word graph kalimat ke-13 Teks B ... 23
x
47 Word graph kalimat ke-18 Teks B ... 25
48 Word graph kalimat ke-19 Teks B ... 25
49 Word graph kalimat ke-20 Teks B ... 27
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
60 Word graph kalimat ke-2 Teks C ... 41
61 Word graph kalimat ke-3 Teks C ... 41
62 Word graph kalimat ke-4 Teks C ... 42
63 Word graph kalimat ke-5 Teks C ... 42
64 Word graph kalimat ke-6 Teks C ... 43
65 Word graph kalimat ke-7 Teks C ... 43
66 Word graph kalimat ke-8 Teks C ... 43
67 Word graph kalimat ke-9 Teks C ... 43
68 Word graph kalimat ke-10 Teks C ... 44
69 Word graph kalimat ke-11 Teks C ... 44
70 Word graph kalimat ke-12 Teks C ... 44
71 Word graph kalimat ke-13 Teks C ... 44
72 Word graph kalimat ke-14 Teks C ... 45
73 Word graph kalimat ke-15 Teks C ... 45
74 Word graph kalimat ke-16 Teks C ... 45
75 Word graph kalimat ke-17 Teks C ... 46
76 Word graph kalimat ke-18 Teks C ... 46
77 Word graph kalimat ke-19 Teks C ... 46
78 Word graph kalimat ke-20 Teks C ... 47
79 Word graph kalimat ke-21 Teks C ... 47
80 Word graph kalimat ke-22 Teks C ... 47
81 Word graph kalimat ke-23 Teks C ... 47
82 Word graph kalimat ke-24 Teks C ... 48
83 Word graph kalimat ke-25 Teks C ... 48
84 Word graph kalimat ke-26 Teks C ... 49
85 Word graph kalimat ke-27 Teks C ... 49
86 Word graph kalimat ke-28 Teks C ... 49
87 Word graph kalimat ke-29 Teks C ... 49
88 Word graph kalimat ke-30 Teks C ... 50
89 Word graph kalimat ke-31 Teks C ... 50
90 Word graph kalimat ke-32 Teks C ... 52
91 Word graph kalimat ke-33 Teks C ... 52
92 Word graph kalimat ke-34 Teks C ... 52
93 Word graph kalimat ke-35 Teks C ... 53
94 Word graph kalimat ke-36 Teks C ... 53
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
99 Word graph kalimat ke-2 rangkuman Teks A ... 60
100 Word graph kalimat ke-3 rangkuman Teks A ... 60
xi
105 Word graph kalimat ke-1 rangkuman Teks B ... 63
106 Word graph kalimat ke-2 rangkuman Teks B ... 63
107 Word graph kalimat ke-3 rangkuman Teks B ... 64
108 Word graph kalimat ke-4 rangkuman Teks B ... 65
109 Word graph kalimat ke-5 rangkuman Teks B ... 65
110 Word graph kalimat ke-1 rangkuman Teks C ... 66
111 Word graph kalimat ke-2 rangkuman Teks C ... 67
112 Word graph kalimat ke-3 rangkuman Teks C ... 67
113 Word graph kalimat ke-4 rangkuman Teks C ... 67
114 Word graph kalimat ke-5 rangkuman Teks C ... 68
115 Word graph kalimat ke-6 rangkuman Teks C ... 68
116 Word graph kalimat ke-7 rangkuman Teks C ... 69
DAFTAR LAMPIRAN
Halaman 1 Teks A ... 562 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
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
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
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:
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
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
Tabel 1 Daftar jumlah kemunculan kata benda atau frasa kata benda pada Teks A (lanjutan)
Kata Benda atau Frasa Kata Benda
Jumlah Kata Benda atau Frasa Kata Benda
Jumlah
different markets 1 people 1
management 1 different areas 1
energy efficient technology, energy efficient computing equipment
2 organizational success
sleep mode
1
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 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
Tabel 2 Daftar jumlah kemunculan kata benda atau frasa kata benda pada Teks B (lanjutan)
Kata Benda atau Frasa Kata Benda
Jumlah Kata Benda atau Frasa Kata Benda
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
similar items
thermal shock wear
the Sleep mode function of computer monitor
the Internet
4
IT personnel
social duties
voluntary label awarded
online security
market
regulation
structural makeup
life of computing product, life of product
virtualization of servers
networks
temperature maintenance
tear
businesses
conventional heat sinks
E waste
amount of ewaste
environment
concept developed
1
4.3 Penentuan threshold
Kata benda atau frasa kata benda yang digunakan hanya yang sesuai dengan nilai
threshold yang ditentukan. Nilai threshold
yang digunakan pada penelitian ini adalah 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 pembatasannya akan semakin besar. Konsep-konsep yang memenuhi threshold
Tabel 3 Kata benda atau frasa kata benda yang memenuhi threshold 3 pada Teks A
Kata Benda atau Frasa Kata Benda
Jumlah
green computing, main goal of green computing
10
EPA, firms, companies, business
10
green computing system, IT system, ranking system, computer system
4
computers, old electronics, new computer, old computers
5
program, Energy Star 5
millions computer user, end user of equipment, home computer user, user
4
time, October of 2006, years, 1992
4
term, term green computing 3
world, world of computer 3
new requirements, requirements
3
environment 3
the use of energy, the usage of biodegradable product, the use of materials
3 green computing
v2 EPA, firms, companies, business
v3 computers, old electronics, new computer, old computers
v4 program, Energy Star
Tabel 4 Verteks Teks A (lanjutan)
Verteks Kata Benda & Frasa Kata Benda
v5 millions computer user, end user of equipment, home computer user, user
v6 energy
v7 time, October of 2006, years, 1992
v8 green computing system, IT
system, ranking system, computer system
v9 environment
v10 new requirements, requirements
v11 term, term green computing
v12 world, world of computer
v13 the use of energy, the usage of biodegradable product, the use of materials
Tabel 5 Kata benda atau frasa kata benda yang memenuhi threshold 3 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
8
computing products, products, EPEAT products, the first results of green computing, client solutions, branding
Tabel 5 Kata benda atau frasa kata benda yang memenuhi threshold 3 pada Teks B (lanjutan)
Kata Benda atau Frasa Kata Benda
Jumlah
green computing, green computing philosophies, green computing concept, the spin-offs of green computing, the first manifestations of the green computing movement
7
monitor, energy efficient monitors, traditional CRT monitors, LCDs, television sets, computer monitor
6
environmental impacts of new technology, environmental impacts of emerging technology, the social impacts of new technology, the social impacts of emerging technology, environmental impacts
5
costs, efficient energy expenditures, energy expenditures, energy cost accounting
5
group, the popular green computing groups, movements, organization
4
green computing practices, virtualization practices, file sharing practices
3
electronic products environmental assessment tool, consumer's electronic equipment, EPEAT, temperature control devices
4
the Energy Star program , Energy Star
3
materials, resources 3
refrigerators, air conditioners, fans
3
liquid cooling systems, energy efficient cooling systems, less noisy cooling systems
3
Tabel 6 Verteks Teks B
Verteks Kata Benda & Frasa Kata Benda
v1 computing products, products,
EPEAT products, the first results of green computing, client solutions, branding
v2 liquid cooling systems, energy efficient cooling systems, less noisy cooling systems
v3 green computing, green
computing philosophies, green computing concept, the spin-offs of green computing, the first manifestations of the green computing movement
v4 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
v5 the Energy Star program, Energy Star
v6 monitor, energy efficient
monitors, traditional CRT monitors, LCDs, television sets, computer monitor
v7 electronic products environmental assessment tool, consumer's electronic equipment, EPEAT, temperature control devices
v8 refrigerators, air conditioners, fans
v9 costs, efficient energy
expenditures, energy expenditures, energy cost
Tabel 6 Verteks Teks B (lanjutan)
Verteks Kata Benda & Frasa Kata Benda
v10 group, the popular green
computing groups, movements, organization
v11 materials, resources
v12 environmental impacts of new
technology, environmental impacts of emerging technology, the social impacts of new technology, the social impacts of
emerging technology, environmental impacts
v13 green computing practices,
virtualization practices, file sharing practices
4.4 Pembuatan Rangkuman Teks dan Grafnya
Setiap teks dibuatkan rangkumannya secara manual (rangkuman Teks A diberikan di Lampiran 4 sedangkan rangkuman Teks B diberikan di Lampiran 6). Verteks-verteks yang sudah diperoleh digunakan untuk
membuat word graph setiap kalimat
rangkuman teks, yang kemudian digabungkan menjadi satu graf (word graph setiap kalimat rangkuman Teks A diberikan di Lampiran 5,
sedangkan word graph setiap kalimat
rangkuman Teks B diberikan di Lampiran 7). Berikut ialah gambar word graph rangkuman Teks A dan Teks B yang sudah disatukan:
Relasi CAU
Relasi SUB
Gambar 10 Graf rangkuman Teks A.
Relasi CAU
Relasi SUB
Gambar 11 Graf rangkuman Teks B.
4.5 Pembuatan Graf Teks
Verteks-verteks yang telah ditentukan akan digunakan untuk membentuk graf dari setiap teks. Relasi yang digunakan hanya
causality (CAU) dan subset (SUB) karena paling banyak ditemukan. Graf yang dibentuk merupakan graf yang bersifat subjektif, setiap individu mungkin akan menghasilkan graf yang tidak sama bergantung pada alasan masing-masing.
Untuk menghubungkan frasa kata benda atau kata benda dengan token digunakan relasi
alikeness. Banyaknya frasa kata benda atau kata benda yang digunakan menyebabkan pada saat membuat graf menjadi rumit. Untuk mempermudah pembuatan graf dilakukan sedikit perubahan dalam penulisan relasi ALI dan verteks yang digunakan. Sebagai contoh, relasi ALI dan representasi verteks pada
penulisan selanjutnya akan ditulis sebagai berikut:
Gambar 12 Penulisan relasi ALI dan verteks dalam penelitian.
Graf akan dibuat pada setiap kalimat dari teks. Pertama-tama akan dibuat graf dari setiap kata benda atau frasa kata benda dalam kalimat, kemudian word graph yang terbentuk akan dicocokkan dengan verteks yang telah ditentukan sebelumnya. Dalam pembentukan graf akan dipertimbangkan hubungan antar- kata benda atau frasa kata benda.
Teks A
Kalimat ke-1: “When it comes to the world of computers, green computing is becoming one of the most popular trends.”
Berdasarkan kata benda atau frasa kata benda pada setiap kalimat diperoleh word graph sebagai berikut:
Gambar 13 Word graph kalimat ke-1 Teks A.
Setelah dicocokkan dengan tabel verteks Teks A, ada dua frasa kata benda yang terdaftar yaitu world of computer dan green computing, namun tidak ada relasi yang menghubungkan.
Kalimat ke-2: “But, what exactly is green computing?”
Berdasarkan kata benda dan frasa kata benda pada setiap kalimat diperoleh word graph sebagai berikut:
Gambar 14 Word graph kalimat ke-2 Teks A.
Setelah dicocokkan dengan tabel verteks Teks A, hanya ada satu kata benda yang terdaftar yaitu green computing.
Kalimat ke-3: “The term “green computing” is one that is coming out in many different markets and areas all over the world in today's global technology.”
Berdasarkan kata benda atau frasa kata benda pada setiap kalimat diperoleh word graph sebagai berikut:
Gambar 15 Word graph kalimat ke-3 Teks
Setelah dicocokkan dengan tabel verteks Teks A, ada dua frasa kata benda atau kata benda yang terdaftar yaitu term green computing dan world, namun tidak ada relasi yang menghubungkan.
Kalimat ke-4: “Yet, many computer users out there aren't sure what it means.”
Berdasarkan kata benda atau frasa kata benda pada setiap kalimat, kemudian dicocokkan dengan tabel Teks A diperoleh
word graph sebagai berikut:
Gambar 16 Word graph kalimat ke-4 Teks A.
Kalimat ke-5: “Green computing is actually pretty easy to explain and to do – it is basically learning to use computer resources more efficiently to help the environment as well as energy savings.”
Berdasarkan kata benda atau frasa kata benda pada setiap kalimat diperoleh word graph sebagai berikut:
Gambar 17 Word graph kalimat ke-5 Teks A.
Setelah dicocokkan dengan tabel verteks Teks A, ada tiga frasa kata benda atau kata benda yang terdaftar yaitu green computing, environment dan energy, namun tidak ada relasi yang menghubungkan.
Kalimat ke-6: “The main goal of a green computing is to help the triple bottom line, which is an expanded spectrum of settings for measuring organizational success, and is extremely similar to green chemistry, which reduces the use of energy and materials that harm the environment.”
Berdasarkan kata benda atau frasa kata benda pada setiap kalimat, kemudian dicocokkan dengan tabel Teks A diperoleh
word graph sebagai berikut: computer
user
CAU
it
5
1 CAU
green computing
computer resources
energy environment
CAU CAU
CAU it
EQU
EQU
green computing
Gambar 18 Word graph kalimat ke-6 Teks A.
Kalimat ke-7: “Green computing helps to promote the usage of biodegradable products and recycle computer components whenever possible.”
Berdasarkan kata benda atau frasa kata benda pada setiap kalimat, kemudian dicocokkan dengan cara serupa diperoleh
word graph sebagai berikut:
Gambar 19 Word graph kalimat ke-7 Teks A.
Kalimat ke-8: “Green computing started as early as 1992, when the EPA created Energy Star, which is a voluntary labeling program that promotes energy efficient computing equipment and technologies.”
Berdasarkan kata benda atau frasa kata benda pada setiap kalimat, kemudian dicocokkan dengan cara serupa diperoleh
word graph sebagai berikut: main goal of
green computing
triple bottom line CAU
organizational success
spectrum
green chemistry
the use of materials the use of
energy
environment CAU
CAU
CAU
CAU CAU
green computing
the usage of biodegradable
product
computer component CAU CAU
1 EQU
9 CAU 13 13
CAU
13
Gambar 20 Word graph kalimat ke-8 Teks A.
Kalimat ke-9: “It was because of this program that many computer manufacturers launched sleep mode andmillions computer users around the world began to adopt this policy to help save energy when they were not using their computers.”
Berdasarkan kata benda atau frasa kata benda pada setiap kalimat, kemudian dicocokkan dengan tabel Teks A diperoleh
word graph sebagai berikut: green
computing 1992
EPA CAU
CAU
energy
star program
energy efficient computing equipment
energy efficient technology CAU
CAU
CAU SUB
7
1 SUB
2
4 CAU
CAU
energy efficient computing equipment and technology
CAU
program
CAU
computer manufacture
CAU
millions computer user
SUB
world CAU sleep mode
energy
CAU
computer CAU
computer user CAU
it
they policy CAU
EQU
Gambar 21 Word graph kalimat ke-9 Teks A.
Kalimat ke-10: “The term green computing began to be used around this same time as well as, and began to become a goal that more companies strive to meet over the years.”
Berdasarkan kata benda atau frasa kata benda pada setiap kalimat, kemudian dicocokkan dengan tabel Teks A diperoleh
word graph sebagai berikut:
Gambar 22 Word graph kalimat ke-10 Teks A.
Kalimat ke-11: “There are several government agencies that have continued to
help strive for better standards for computers and companies to help promote green computing.”
Berdasarkan kata benda atau frasa kata benda pada setiap kalimat, kemudian dicocokkan dengan tabel Teks A diperoleh
word graph sebagai berikut:
Gambar 23 Word graph kalimat ke-11 Teks A.
Kalimat ke-12: “Energy star was actually revised in October of 2006 to make the requirements more strict for computers, and also implemented a ranking system for products.”
Berdasarkan kata benda atau frasa kata benda pada setiap kalimat, kemudian dicocokkan dengan tabel Teks A diperoleh
word graph sebagai berikut: 4
term green
computing goal
Gambar 24 Word graph kalimat ke-12 Teks A.
Kalimat ke-13: “Because of these new requirements, there are over 20 states that have now established a special recycling program for old computers and electronics to help with green computing.”
Berdasarkan kata benda atau frasa kata benda pada setiap kalimat, kemudian dicocokkan dengan tabel Teks A diperoleh
word graph sebagai berikut:
Gambar 25 Word graph kalimat ke-13 Teks A.
Kalimat ke-14: “Many of today's IT systems are beginning to rely on both people and hardware to help push their computer systems toward a more green computing system to help both the company and more.”
Berdasarkan kata benda atau frasa kata benda pada setiap kalimat, kemudian dicocokkan dengan tabel Teks A diperoleh
word graph sebagai berikut: SUB
October of 2006
requirements
product
computer energy
star
ranking system
CAU
CAU
CAU
CAU
7
SUB
10 4
3 8
CAU
CAU CAU
new requirements
green computing
CAU CAU
20 states
CAU
old electronic
CAU
old computer CAU
1
CAU 10
4
3 CAU
Gambar 26 Word graph kalimat ke-14 Teks A.
Kalimat ke-15: “This is a hard balance to achieve, as it requires that the satisfaction of users, management, regulatory compliance, and even the disposal of computer waste is all managed so that everyone is the circle is happy with the outcome.”
Berdasarkan kata benda atau frasa kata benda pada setiap kalimat diperoleh word graph sebagai berikut:
Gambar 27 Word graph kalimat ke-15 Teks A.
Setelah dicocokkan dengan tabel verteks Teks A, hanya ada satu frasa kata benda yang terdaftar yaitu satisfaction of user.
Kalimat ke-16: “But, many companies are learning the best ways that they can go more green when it comes to their computing and also help their business in the process.”
Berdasarkan kata benda atau frasa kata benda pada setiap kalimat diperoleh word graph sebagai berikut:
people information
technology system
hardware
CAU
CAU CAU
computer system
CAU
ORD
green computing
system CAU
company
8
CAU 8
8 2
hard balance
management
compliance
satisfaction of user
disposal of computer waste
CAU
CAU
CAU
CAU
circle SUB SUB
SUB SUB
outcome CAU it
EQU
Gambar 28 Word graph kalimat ke-16 Teks A.
Setelah dicocokkan dengan tabel verteks Teks A, ada dua kata benda yang terdaftar yaitu companies dan business, namun tidak ada relasi yang menghubungkan.
Kalimat ke-17: “While many home computer users may not be quite as familiar with green computing as larger firms or computer personell, this term is starting to become more mainstream and the requirements better for new computers to help both the companies and the end user of the equipment – as well as our environment.”
Berdasarkan kata benda atau frasa kata benda pada setiap kalimat, kemudian dicocokkan dengan tabel Teks A diperoleh
word graph sebagai berikut:
Gambar 29 Word graph kalimat ke-17 Teks
CAU larger
firm
requirement
Teks B
Kalimat ke-1: “Green computing is the term used to denote efficient use of resources in computing. ”
Berdasarkan kata benda atau frasa kata benda pada setiap kalimat diperoleh word graph sebagai berikut:
Gambar 30 Word graph kalimat ke-1 Teks B.
Setelah dicocokkan dengan tabel verteks Teks B, ada dua frasa kata benda yang terdaftar yaitu green computing dan efficient use of resources, namun tidak ada relasi yang menghubungkan.
Kalimat ke-2 This term generally relates to the use of computing resources in conjunction with minimizing environmental impact, maximizing economic viability and ensuring social duties.”
Berdasarkan kata benda atau frasa kata benda pada setiap kalimat, kemudian dicocokkan dengan tabel Teks B diperoleh
word graph sebagai berikut:
Gambar 31 Word graph kalimat ke-2 Teks B.
Kalimat ke-3: “Green computing is very much related to other similar movements like reducing the use of environmentally hazardous materials like CFCs, promoting the use of recyclable materials, minimizing use of non-biodegradable components, and encouraging use of sustainable resources.”
Berdasarkan kata benda atau frasa kata benda pada setiap kalimat, kemudian dicocokkan dengan tabel Teks B diperoleh
word graph sebagai berikut: green
computing
EQU term
efficient use of resources
CAU
computing SUB
CAU
term the use of
computing resources
environmental impact
economic viability social
duties
CAU
CAU CAU
4
CAU
Gambar 32 Word graph kalimat ke-3 Teks B.
Kalimat ke-4: “One of the spin-offs of green computing is EPEAT or Electronic Products Environmental Assessment Tool.”
Berdasarkan kata benda dan frasa kata benda pada setiap kalimat, kemudian dicocokkan dengan tabel Teks B diperoleh
word graph sebagai berikut:
Gambar 33 Word graph kalimat ke-4 Teks B.
Kalimat ke-5: “EPEAT products serve to increase the efficiency and life of computing products.”
Berdasarkan kata benda dan frasa kata benda pada setiap kalimat diperoleh word graph sebagai berikut:
Gambar 34 Word graph kalimat ke-5 Teks B.
Setelah dicocokkan dengan tabel verteks Teks B, ada satu frasa kata benda yang terdaftar yaitu EPEAT product.
Kalimat ke-6: “Moreover, these products are designed to minimize energy expenditures, EQU
the spin-offs of green computing
SUB
EPEAT
EQU
electronic products environmental assessment tool
3
the efficiency of computing
minimize maintenance activities throughout the life of the product and allow the re-use or recycling of some materials.”
Berdasarkan kata benda dan frasa kata benda pada setiap kalimat, kemudian dicocokkan dengan tabel Teks B diperoleh
word graph sebagai berikut:
Gambar 35 Word graph kalimat ke-6 Teks B.
Kalimat ke-7: “One of the first manifestations of the green computing movement was the launch of the Energy Star program back in 1992.”
Berdasarkan kata benda atau frasa kata benda pada setiap kalimat, kemudian dicocokkan dengan tabel Teks B diperoleh
word graph sebagai berikut:
Gambar 36 Word graph kalimat ke-7 Teks B.
Kalimat ke-8: “Energy Star served as a kind of voluntary label awarded to computing products that succeeded in minimizing use of energy while maximizing efficiency.”
Berdasarkan kata benda atau frasa kata benda pada setiap kalimat, kemudian dicocokkan dengan tabel Teks B diperoleh
word graph sebagai berikut: the re-use of
some materials
CAU
the first manifestations of green computing
movement
energy star program
Gambar 37 Word graph kalimat ke-8 Teks B.
Kalimat ke-9: “Energy Star applied to products like computer monitors, television sets and temperature control devices like refrigerators, air conditioners, and similar items.”
Berdasarkan kata benda atau frasa kata benda pada setiap kalimat, kemudian dicocokkan dengan tabel Teks B diperoleh
word graph sebagai berikut:
Gambar 38 Word graph kalimat ke-9 Teks B.
Kalimat ke-10: “One of the first results of green computing was the Sleep mode function of computer monitors which places a consumer's electronic equipment on standby mode when a pre-set period of time passes when user activity is not detected.”
Berdasarkan kata benda dan frasa kata benda pada setiap kalimat diperoleh word graph sebagai berikut:
Gambar 39 Word graph kalimat ke-10 Teks B.
Setelah dicocokkan dengan tabel verteks Teks B, hanya ada satu frasa kata benda yang terdaftar yaitu first results of green computing.
Kalimat ke-11: “As the concept developed, green computing began to encompass thin client solutions, energy cost accounting, virtualization practices, eWaste, etc.”
Berdasarkan kata benda dan frasa kata benda pada setiap kalimat, kemudian dicocokkan dengan tabel Teks B diperoleh
word graph sebagai berikut: 4
similar item
1 CAU 5
sleep mode function of computer monitor
Gambar 40 Word graph kalimat ke-11 Teks B.
Kalimat ke-12: “Currently, one of the popular green computing groups is tactical incrementalists.”
Berdasarkan kata benda atau frasa kata benda pada setiap kalimat diperoleh word graph sebagai berikut:
Gambar 41 Word graph kalimat ke-12 Teks B.
Setelah dicocokkan dengan tabel verteks Teks B, hanya ada satu frasa kata benda yang terdaftar yaitu the popular green computing group.
Kalimat ke-13: “This group applies and uses green computing philosophies mainly to save up on costs rather than save the environment.”
Berdasarkan kata benda atau frasa kata benda pada setiap kalimat, kemudian dicocokkan dengan tabel Teks B diperoleh
word graph sebagai berikut:
Gambar 42 Word graph kalimat ke-13 Teks B.
Kalimat ke-14: “This green computing concept emerged naturally as businesses find themselves under 5ressure to maximize resources in order to compete effectively in the market.”
Berdasarkan kata benda dan frasa kata benda pada setiap kalimat diperoleh word graph sebagai berikut:
energy cost accounting
thin client solutions
the popular green computing group
Gambar 43 Word graph kalimat ke-14 Teks B.
Setelah dicocokkan dengan tabel verteks Teks B, ada dua frasa kata benda atau kata benda yang terdaftar yaitu green computing concept dan resources, namun tidak ada relasi yang menghubungkan.
Kalimat ke-15: “This movement arose mainly from economic sentiments rather than political pressure.”
Berdasarkan kata benda atau frasa kata benda pada setiap kalimat diperoleh word graph sebagai berikut:
Gambar 44 Word graph kalimat ke-15 Teks B.
Setelah dicocokkan dengan tabel verteks Teks B, hanya ada satu kata benda yang terdaftar yaitu movement.
Kalimat ke-16: “Strategic Leaders take into account the social and environmental impacts of new and emerging technologies.”
Berdasarkan kata benda atau frasa kata benda pada setiap kalimat diperoleh word graph sebagai berikut:
Gambar 45 Word graph kalimat ke-16 Teks B.
Setelah dicocokkan dengan tabel verteks Teks B, ada empat frasa kata benda yang terdaftar yaitu environmental impacts of emerging technologies, environmental impacts of new technologies, the social impacts of emerging technologies dan the social impacts of new technologies. Keempat frasa kata benda tersebut merupakan satu verteks.
the social impacts of new
technologies
environmental impacts of new technologies
strategic leaders CAU
the social impacts of emerging technologies
CAU
CAU
environmental impacts of emerging
Kalimat ke-17: “Aside from minimizing costs, this particular movement also takes into account other factors such as marketing and branding.”
Berdasarkan kata benda atau frasa kata benda pada setiap kalimat, kemudian dicocokkan dengan tabel Teks B diperoleh
word graph sebagai berikut:
Gambar 46 Word graph kalimat ke-17 Teks B.
Kalimat ke-18: “Unlike the position held by tactical incrementalists, strategic leaders recognize the need to overhaul some existing policies or structural makeup of the organization.”
Berdasarkan kata benda dan frasa kata benda pada setiap kalimat diperoleh word graph sebagai berikut:
Gambar 47 Word graph kalimat ke-18 Teks B.
Setelah dicocokkan dengan tabel verteks Teks B, hanya ada satu kata benda yang terdaftar yaitu organization.
Kalimat ke-19: “This can be seen in recent efforts to make IT personnel directly responsible for managing, minimizing and ensuring efficient energy expenditures.”
Berdasarkan kata benda atau frasa kata benda pada setiap kalimat diperoleh word graph sebagai berikut:
Gambar 48 Word graph kalimat ke-19 Teks B.
Setelah dicocokkan dengan tabel verteks Teks B, hanya ada satu frasa kata benda yang terdaftar yaitu efficient energy expenditure.
Kalimat ke-20: “Some common green computing practices include turning off the monitor when it's not in use or using more energy efficient monitors like LCDs instead of the traditional CRT monitors, volunteer computing or file sharing practices,
costs CAU movement
factors
DIS
branding marketing SUB
virtualization of servers, using more energy efficient and less noisy cooling systems (like using liquid cooling systems instead of the conventional heat sinks and fans), temperature maintenance and regulation to reduce thermal shock wear and tear to computer parts, and increased online security measures through the use of firewalls,
antispyware and antivirus programs to reduce the increasing amount of eWaste on the internet and on other networks.”
Berdasarkan kata benda atau frasa kata benda pada setiap kalimat, kemudian dicocokkan dengan tabel Teks B diperoleh
word graph sebagai berikut:
traditional CRT monitor
LCD
file sharing practices
heat sinks and fan DIS
liquid cooling system
EQU
less noisy cooling
green computing practice shock wear
the use of firewalls, anti spyware, anti
virus program online
network internet
CAU
SUB SUB
Gambar 49 Word graph kalimat ke-20 Teks B.
4.6 Analisis Graf Teks
Word graph teks yang dibuat per kalimat kemudian digabungkan semuanya menjadi satu graf, sehingga diperoleh:
Relasi CAU
Relasi SUB
Gambar 50 Graf gabungan Teks A.
Relasi CAU
Relasi SUB
Gambar 51 Graf gabungan Teks B.
Graf gabungan Teks A dan B kemudian akan dianalisis dengan graf gabungan rangkuman teks sebagai acuan sehingga hasilnya menyerupai graf gabungan rangkuman teks.
4.6.1 Analisis Relasi SUB dan CAU
Pada tahap ini akan dianalisis relasi SUB dan CAU yang terdapat dalam hasil penggabungan keseluruhan graf kalimat pada setiap teks dengan menggunakan prinsip logika matematika, yaitu jika A himpunan bagian dari B dan B himpunan bagian dari C, maka A himpunan bagian dari C.
Menurut Hoede dan Nurdiati (2008b), jika terjadi hubungan seperti itu, maka verteks yang menghubungkan A dengan C dapat direduksi. Jika hubungan SUB tersebut diperhatikan kembali, maka dapat juga dilakukan penghilangan hubungan antara A dengan C, karena hubungan tersebut dapat digambarkan melalui hubungan A SUB B dan B SUB C.
Dengan adanya hubungan tersebut, memungkinkan juga untuk menerapkan prinsip logika matematika lainnya, yaitu jika A himpunan bagian dari B dan B himpunan bagian dari A, maka himpunan A sama dengan himpunan B.
Jika A menyebabkan terjadinya B dan B menyebabkan terjadinya C, maka dapat disimpulkan bahwa A menyebabkan C.
Dengan demikian verteks-verteks yang memiliki relasi SUB atau CAU yang memenuhi prinsip logika matematika tersebut dapat dilakukan reduksi sesuai dengan hubungan yang terjadi.
Gambar 52 Relasi SUB pada Teks A.
Gambar 53 Relasi SUB pada Teks B.
Dapat dilihat bahwa pada Teks A dan B tidak terdapat relasi SUB yang dapat direduksi.
Selanjutnya akan diperlihatkan graf relasi CAU yang terjadi pada setiap teks beserta hubungan yang tereduksi.
Relasi CAU
Relasi CAU yang dihapus
Gambar 54 Relasi CAU pada Teks A.
Relasi CAU
Relasi CAU yang dihapus
Gambar 55 Relasi CAU pada Teks B.
4.6.2 Analisis Hubungan Searah
Pada tahap ini akan dilakukan analisis terhadap hubungan searah yang terjadi pada setiap teks. Menurut Hoede dan Nurdiati (2008b), pada hubungan sejajar yang terjadi pada verteks dapat dilakukan suatu reduksi hubungan dengan menggunakan hukum penambahan.
+
CAU SUB
CAU CAU SUB
SUB
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
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
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
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
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?
pilih verteks yang arc
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
tidak ya
ya ya
B
C
arc dari graf a
tidak diproses lagi
pilih verteks b yang memiliki jumlah arc
masuk paling sedikit
hanya satu verteks?
pilih verteks yang arc
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
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