16 BAB II
TINJAUAN PUSTAKA 2.1. Penelitian Terdahulu
Penelitian ini dilakukan berdasarkan beberapa penelitian terdahulu yang sejenis. Pada bab ini, akan menuliskan mengenai rincian penelitian sejenis yang telah dilakukan sebelumnya. Hasil dari beberapa penelitian terdahulu yang menjadi acuan dalam penelitian ini telah ditulis pada Tabel 1.
Tabel 1. Penellitian Terdahulu
No. Penulis Tahun Judul Hasil
1 Agung Prasetyo, Wiga Maulana Baihaqi, Iqbaluddin Syam Had
2017 ALGORITMA JARO-
WINKLER DISTANCE:
FITUR
AUTOCORRECT DAN SPELLING SUGGESTION PADA
PENULISAN NASKAH BAHASA INDONESIA DI BMS TV
Pendekatan kata typo di BMS TV dengan metode jaro winkler distance sangat efektif dengan perolehan waktu 39 second dari 60 kata yang dikoreksi.
2 Grelly Lucia Yovellia Londo, Yohanes Sigit Purnomo W.P, Martinus
2020 Pembangunan Aplikasi Identifikasi Kesalahan Ketik Dokumen Berbahasa Indonesia Menggunakan
Evaluasi dengan model identifikasi typographical eror dengan jumlah kata
1. 10 kata waktu 8 detik 2. 50 kata waktu 51 detik 3. 100 kata waktu 85
detik
Maslim Algoritma Jaro- Winkler Distance 3 Arina Indana
Fahma, Imam Cholissodin, Rizal Setya Perdana
2018 Identifikasi Kesalahan Penulisan Kata (Typographical Error) pada Dokumen Berbahasa Indonesia Menggunakan Metode N-gram dan Levenshtein Distance
Hasil evaluasi dengan identifikasi typographical error:
presisi 97%.
Recall 100%
Dari 10 kali percobaan dan disetiap percobaan memiliki kata typo yang berbeda beda.
2.2. Proposal Program Kreatvitas Mahasiswa (PKM)
Kreativitas merupakan penjelmaan integratif dari tiga faktor utama dalam diri manusia, yaitu: pikiran (kognitif), perasaan (afektif), dan keterampilan (psikomotorik). Dalam faktor pikiran terdapat imajinasi, persepsi dan nalar.
Sedangkan faktor keterampilan mengandung bakat, faal tubuh dan pengalaman.
Dengan demikian, agar mahasiswa dapat mencapai level kreatif, ketiga faktor termaksud diupayakan agar optimal dalam sebuah kegiatan yang diberi nama Program Kreativitas Mahasiswa (PKM)[1].
PKM dikembangkan untuk mengantarkan mahasiswa mencapai taraf pencerahan kreativitas dan inovasi berlandaskan penguasaan sains dan teknologi serta keimanan yang tinggi. Dalam rangka mempersiapkan diri menjadi pemimpin yang cendekiawan, wirausahawan mandiri dan arif, mahasiswa diberi peluang untuk mengimplementasikan kemampuan, keahlian, sikap, tanggungjawab, membangun kerjasama tim maupun mengembangkan kemandirian melalui kegiatan yang kreatif dalam bidang ilmu yang ditekuni. Program kreativitas terdiri dari 7 bidang yaitu PKMPenelitian (PKM-P), PKM-Kewirausahaan (PKM-K),
PKM-Pengabdian kepada Masyarakat (PKM-M), PKM-Karsa Cipta (PKM-KC), PKM-Penerapan Teknologi (PKM-T), PKM-Penulisan Ilmiah (PKM-I) dan PKM-GT[1].Program awal dalam mengikuti PKM adalah pembuatan proposal, dimana format penulisan proposal tersebut harus sesuai dengan buku panduan.
Maka kita sebagai mahasiswa saat menulis proposal PKM sudah sewajarnya jika melakukan kesalahan penulisan.
2.3. Typographical Eror
Typographical error merupakan kesalahan yang terjadi pada saat proses mengetik teks dan dapat mengubah arti dari suatu kata bahkan arti dari suatu kalimat. Istilah ini mencakup kesalahan karena kegagalan mekanis atau slip tangan atau jari, dan juga timbul akibat ketidaktahuan penulis seperti kesalahan ejaan. Typographical error dapat disebabkan oleh, misalnya, jari menekan dua tombol keyboard yang berdekatan secara bersamaan[13].
Typographical error ini bervariasi mulai dari kesalahan ketik biasa sampai kesalahan dalam tatanan bahasa yang digunakan atau bahkan pengertian dari kata tersebut. Kesalahan - kesalahan tersebut dikategorikan ke dalam 2 jenis yaitu non- word error dan realword error. Non-word error adalah error yang tidak terdapat makna didalamnya sedangkan pada real-word error, kata yang tertulis bernilai benar atau bisa disebut mempunyai arti dalam kamus namun tidak dimaksudkan dalam kalimat tersebut maupun mempunyai arti yang berbeda dan bahkan kalimat tersebut memiliki tata bahasa yang salah[14].
2.4. Text Mining
Text Mining atau sering disebut Pemrosesan Teks merupakan salah satu bidang pengetahuan pada Artificial Intelligence yang menerapkan konsep dan teknik data mining untuk mencari pola dalam teks dengan proses ekstraksi pola yang berupa informasi dan pengetahuan berguna dari sejumlah besar sumber data yang tidak terstruktur. Dalam text mining dilakukan penambangan data yang berupa teks dimana sumber data biasanya didapatkan dari dokumen, dan tujuannya adalah mencari kata-kata yang memberikan penjelasan isi dari dokumen sehingga dapat dilakukan analisa keterkaitan antar dokumen[15].
Berdasarkan ketidak teraturan struktur data teks, maka proses text mining memerlukan beberapa tahap awal yang pada intinya adalah mempersiapkan agar teks dapat diubah menjadi lebih terstruktur. Ketidak teraturan struktur data dalam teks, maka proses text mining membutuhkan tahapan-tahapan awal agar teks berubah menjadi data yang lebih terstruktur. Salah satu tahapan tersebut adalah preprocessing yang meliputi case folding, tokenizing, filtering dan stemming[13].
Pada tahapan ini, sistem melakukan seleksi data yang diproses pada setiap dokumen yang ada.
2.5. Information Retrieval
Information Retrieval (IR) merupakan pencarian material (berupa dokumen) yang bersifat tidak terstruktur (biasanya berupa teks) dimana memenuhi kebutuhan informasi user dalam koleksi data yang besar dan disimpan dalam beberapa komputer. IR adalah bidang pada persimpangan ilmu informasi dan ilmu komputer yang dikaitkan dengan aktivitas dimana beberapa pekerjaan yang berhubungan dengan teks seperti customer service, reference libraries, paralegal dan searcher profesional, namun seiring berjalannya waktu berjuta-juta manusia memanfaatkan IR setiap hari ketika mengakses website search engine atau mencari email. IR juga dapat mengatasi permasalahan data dan informasi serta berkutat dengan pengindeksan dan pengambilan informasi dari sumber informasi heterogen dan tekstual[16].
Penyimpanan informasi dan sistem temu kembali informasi Information Retrieval (IR) merupakan hal yang sederhana. Sebagai contoh, terdapat tempat penyimpanan banyak dokumen dan user yang merumuskan suatu request atau query yang memiliki jawaban yaitu himpunan dokumen yang memuat informasi mengenai ekspresi yang diperlukan melalui pertanyaan user.
2.6. Preprocessing
Preprocessing merupakan salah satu tahapan yang penting pada proses text minning. Karena data yang di gali merupakan data yang berskala besar dan terkadang memiliki kualitas yang buruk dan tidak normal. Proses pengumpulanya tersaji dalam bentuk data teks, numerik, csv atau excel, dan database quesry. Dari data tersebut data teks memiliki kualitas yang cenderung buruk karena format
penulisannya yang tidak konsisten dan sering kali terjadi kesalahan penulisan sehingga mempengaruhi arti dari setiap kata. Seperti halnya pada kasus penulisan jenis kelamin ditulis dengan huruf “L” dan “Laki-laki”. Hal tersebut menyebabkan data menjadi tidak konsisten karena huruf “L” dan “Laki-laki”
dianggap memiliki arti yang berbeda oleh sistem. Selain itu pada jenis data lain seringkali ditemukanya beberapa masalah yang dapat mengganggu hasil dari proses penggalian data teks. Masalah tersebut diantaranya adalah missing value, data yang kembar (redundant data) dan Outliers atau bobot yang dimiliki tidak sama bentuknya dan jumlahnya. Oleh karena itu untuk mengatasi permasalahan tersebut dibutuhkan proses preprocessing[18].
Proses prepocessing dilakukan untuk mengatasi permasalahan dalam mengolah data sekaligus meminimalisir adanya gangguan atau hasil yang kurang maksimal. Pada tahap preprocessing terdapat beberapa macam yang sering digunakan saat proses preprocessing yaitu case folding, filtering, stopword removal, stemming, tokenizing.
2.7. Spelling Checker
Spelling Checker atau deteksi error dalam kata dapat dilakukan dengan aplikasi berbasis komputer yang digunakan untuk mendeteksi dan menangani error dalam kata. Spelling checker mencari segala jenis error yang terdapat dalam dokumen yang kemudian memberi peringatan penulis dokumen tentang kesalahan yang dilakukan dan memberi beberapa suggestion untuk memperbaiki kesalahan tersebut. Terdapat dua metode utama yang digunakan untuk membangun aplikasi spelling checker yaitu identifikasi (error detection) dan koreksi (error correction).
Selain itu, spelling checker dibagi menjadi dua tipe yaitu non-word error spell checker dan real-word spell checker. Non-word error spell checker menangani kata-kata salah ejaan yang terbentuk karena kesalahan ketik, sedangkan real-word error spell checker mengutamakan menangani kata-kata pengganti kata yang error pada kalimat[17].
spelling checker, terdapat beberapa tantangan yaitu menemukan kata yang merupakan error dan memberikan suggestion berupa kata yang benar untuk menggantikan kata error tersebut yaitu pada error yang bersifat non-word, proses pengecekan huruf yang berlebih dan pengejaan kata akan berulang terus akan
membuat infinite list untuk dicek satu persatu. Sedangkan pada error yang bersifat real-word, permasalahan terjadi pada proses pengenalan grammar atau tata bahasa pada setiap kalimat. Termasuk ambiguitas dan kata yang tidak terdapat pada dictionary atau yang biasa disebut Out of Vocabulary (OOV)[14].
2.8. Jaro Winkler Distance
Jaro-Winkler distance merupakan varian dari Jaro distance metrik yaitu sebuah algoritma untuk mengukur kesamaan antara dua string, biasanya algoritma ini digunakan di dalam pendeteksian duplikat. Semakin tinggi Jaro-Winkler distance untuk dua string, semakin mirip dengan string tersebut. Jaro-Winkler distance terbaik dan cocok untuk digunakan dalam perbandingan string singkat seperti nama orang. Skor normalnya seperti 0 menandakan tidak ada kesamaan, dan 1 adalah sama persis[3]. Pada algoritma jaro untuk menghitung jarak (𝑑𝑗) antara dua string yaitu (𝑠1) dan (𝑠2).
𝑑𝑗 =
13
𝑥 (
𝑚|𝑠1|
+
𝑚|𝑠2|
+
𝑚−𝑡𝑚
) (1)
Dimana :
𝑚 = karakter yang cocok antara s1 dengan s2
|𝑠1| = Panjang string 1
|𝑠2| = Panjang string 2 𝑡 = jumlah transposisi
Jarak teoritis dua buah karakter yang disamakan dapat dibenarkan jika tidak melebihi:
(
max(|𝑠1|,|𝑠2|𝑠
) < −1 (2)
akan tetapi jika mengacu pada hasil algoritma jaro-winkler distance nilai jarak maksimalnya adalah 1 yang menandakan kesamaan string dan yang dibandingkan mencapai saratus persen atau sama persis Algoritma Jaro-Winkler Distance menggunakan prefix scale (p), menurut Winkler nilai standar untuk konstanta ini adalah 𝑝 = 0.1. Dan prefix length (l) yaitu untuk menyatakan panjang prefix atau panjang karakter yang sama sampai ditemukan ketidaksamaan (maksimum 4 karakter).
2.9. Pengujian dan Evaluasi
Pengujian dilakukan untuk mencari tahu efektifitas dan nilai akurasi dari metode yang akan digunakan. Sehingga hasil dari pengujian dapat dievaluasi dsan diperbaiki ulang untuk mendapatkan akurasi yang bagus. Metode yang digunakan untuk mengevaluasi menggunakan metode standart yaitu presisi dan recall, dimana recall untuk menghitung jumlah informasi relevan yang diekstrasi pada system. Sedangkan presisi, menghitung jumlah informasi bernilai benar atau akurat yang dikembalikan oleh sistem[19].
Nilai pada recall dan presisi saling bertolak belakang satu sama lain, pada saat presisi bernilai tinggi, recall bernilai rendah. Sedangkan nilai recall tertinggi dan bernilai 1, yang artinya seluruh teks yang dimasukan berhasil di temukan dan memiliki kecocokan yang sama. Formula untuk menghitung presisi dan recall dijabarkan pada persamaan 3 dan 4.
𝑅𝑒𝑐𝑎𝑙𝑙 =
𝐽𝑢𝑚𝑙𝑎ℎ 𝑗𝑎𝑤𝑎𝑏𝑎𝑛 𝑟𝑒𝑙𝑒𝑣𝑎𝑛 𝑠𝑖𝑠𝑡𝑒𝑚𝑇𝑜𝑡𝑎𝑙 𝑗𝑎𝑤𝑎𝑏𝑎𝑛 𝑟𝑒𝑙𝑒𝑣𝑎𝑛 𝑑𝑎𝑙𝑎𝑚 𝑡𝑒𝑘𝑠
(3)
𝑃𝑟𝑒𝑠𝑖𝑠𝑖 =
𝐽𝑢𝑚𝑙𝑎ℎ 𝑗𝑎𝑤𝑎𝑏𝑎𝑛 𝑟𝑒𝑙𝑒𝑣𝑎𝑛 𝑠𝑖𝑠𝑡𝑒𝑚𝑇𝑜𝑡𝑎𝑙 𝑗𝑎𝑤𝑎𝑏𝑎𝑛 𝑝𝑎𝑑𝑎 𝑠𝑖𝑠𝑡𝑒𝑚