8
LANDASAN TEORI
2.1 Artificial Intelligence / Kecerdasan Buatan 2.1.1 Definisi Artificial Intelligence
Menurut pendapat Kusumadewi (2003, p1) Artificial Intelligence (AI) atau Kecerdasan Buatan merupakan salah satu bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia. Pengertian AI dapat dilihat dari beberapa sudut pandang, sebagai berikut :
1. Sudut pandang kecerdasan
Kecerdasan buatan akan membuat mesin menjadi ‘cerdas’. Cerdas dalam arti mampu berbuat seperti apa yang dilakukan oleh manusia.
2. Sudut pandang penelitian
Kecerdasan buatan adalah suatu studi bagaimana membuat komputer dapat melakukan sesuatu sebaik yang dikerjakan manusia. Domain yang sering dibahas oleh para peneliti :
• Mundane task
− Persepsi (vision & speech)
− Pemikiran yang bersifat commonsense − Robot control
• Formal task
− Permainan atau games
− Matematika (geometri, logika, kalkulus integral, pembuktian) • Expert task
− Analisis financial − Analisis medikal
− Analisis ilmu pengetahuan
− Rekayasa (desain, pencarian kegagalan, perencanaan manufaktur)
3. Sudut pandang bisnis
Kecerdasan buatan adalah kumpulan peralatan yang sangat powerful dan metodologis dalam menyelesaikan masalah-masalah bisnis.
4. Sudut pandang pemograman
Kecerdasan buatan meliputi studi tentang pemograman simbolik, penyelesaian masalah (problem solving) dan pencarian (searching). Untuk membuat aplikasinya ada dua bagian utama yang sangat dibutuhkan, yang dapat dilihat pada gambar 2.1.
Input : masalah, pertanyaan, dll Komputer Basis Pengetahuan Motor Inferensi Output : jawaban, solusi
Gambar 2.1 Penerapan Konsep Kecerdasan Buatan di Komputer Basis Pengetahuan (Knowledge Base), berisi fakta-fakta, teori, pemikiran dan hubungan antara satu dengan lainnya. Motor Inferensi (Inference Engine), yaitu kemampuan menarik kesimpulan berdasarkan pengalaman.
Manusia bisa menjadi pandai dalam menyelesaikan segala masalah karena manusia mempunyai pengetahuan dan pengalaman. Pengetahuan didapat dari belajar. Semakin banyak bekal pengetahuan yang dimiliki oleh seseorang, semakin mampu manusia menyelesaikan masalah. Namun bekal pengetahuan saja tidak cukup, manusia juga diberi akal untuk melakukan penalaran, mengambil kesimpulan berdasarkan pengetahuan dan pengalaman yang mereka miliki. Tanpa memiliki kemampuan untuk menalar dengan baik, manusia dengan segudang pengalaman dan pengetahuan tidak dapat menyelesaikan masalah dengan baik. Demikian pula, dengan kemampuan menalar yang sangat baik, namun tanpa bekal pengetahuan dan pengalaman yang memadai, manusia juga tidak akan bisa menyelesaikan masalah dengan baik.
Agar komputer dapat bertindak seperti dan sebaik manusia, maka komputer juga harus diberi bekal pengetahuan dan mempunyai
kemampuan untuk menalar. Untuk itu AI mencoba untuk memberikan beberapa metoda dalam membekali komputer dengan kedua komponen tersebut agar komputer bisa menjadi mesin yang pintar.
2.1.2 Kecerdasan Buatan dan Kecerdasan Alami
Nilai potensial dari kecerdasan buatan dapat lebih dimengerti jika dibandingkan dengan kecerdasan alami (kecerdasan yang dimiliki oleh manusia). Dibandingkan dengan kecerdasan alami, kecerdasan buatan memiliki beberapa keuntungan, antara lain :
1. Kecerdasan buatan lebih bersifat permanen.
Kecerdasan alami akan lebih cepat mengalami perubahan. Hal ini dimungkinkan karena sifat manusia yang mudah lupa. Kecerdasan buatan tidak akan berubah sepanjang sistem komputer dan program tidak mengubahnya.
2. Kecerdasan buatan lebih mudah diduplikasi dan disebarkan.
Mentransfer pengetahuan manusia dari satu orang ke orang lain membutuhkan proses yang sangat lama dan juga keahlian itu tidak akan pernah dapat diduplikasi dengan lengkap. Oleh karena itu, jika pengetahuan terletak pada suatu sistem komputer, pengetahuan tersebut dapat disalin dari komputer tersebut dan dapat dipindahkan dengan mudah ke komputer yang lain.
3. Kecerdasan buatan lebih murah dibandingkan dengan kecerdasan alami. Menyediakan layanan komputer akan lebih mudah dan lebih murah dibandingkan dengan harus mendatangkan seseorang untuk
mengerjakan sejumlah pekerjaan dalam jangka waktu yang sangat lama.
4. Kecerdasan buatan lebih bersifat konsisten.
Hal ini disebabkan karena kecerdasan buatan adalah bagian dari teknologi komputer. Sedangkan kecerdasan alami akan senantiasa berubah-ubah.
5. Kecerdasan buatan dapat didokumentasi.
Keputusan yang dibuat oleh komputer dapat didokumentasi dengan mudah dengan cara melacak setiap aktivitas dari sistem tersebut. Kecerdasan alami sangat sulit untuk direproduksi.
6. Kecerdasan buatan dapat mengerjakan pekerjaan lebih cepat dibanding dengan kecerdasan alami.
7. Kecerdasan buatan dapat mengerjakan pekerjaan lebih baik dibanding dengan kecerdasan alami.
Sedangkan keuntungan kecerdasan alamiah dibanding kecerdasan buatan adalah sebagai berikut :
1. Bersifat lebih kreatif.
Kemampuan untuk menambah ataupun memenuhi pengetahuan itu sangat melekat pada jiwa manusia. Pada kecerdasan buatan, untuk menambah pengetahuan harus dilakukan melalui sistem yang dibangun. 2. Kecerdasan alami memungkinkan orang untuk menggunakan
Sedangkan kecerdasan buatan harus mendapatkan input berupa simbol-simbol dan representasi.
3. Pemikiran manusia dapat digunakan secara luas, sedangkan kecerdasan buatan sangat terbatas.
Keuntungan kecerdasan alami dibandingkan AI memperlihatkan banyaknya keterbatasan mempergunakan teknologi AI. Bagaimanapun, dalam banyak kasus teknologi AI menyediakan kemajuan signifikan dalam produktivitas dan kualitas.
2.1.3 Kecerdasan Buatan dan Komputer Konvensional
Pada awalnya, komputer diciptakan sebagai alat hitung saja. Namun seiring dengan perkembangan jaman, maka peran komputer semakin mendominasi kehidupan umat manusia. Komputer tidak lagi digunakan hanya sebagai alat hitung. Lebih dari itu, komputer diharapkan untuk dapat diberdayakan untuk mengerjakan segala sesuatu yang bisa dikerjakan manusia. Adapun data yang diproses oleh komputer konvensional dapat dilihat pada Tabel 2.1.
Tabel 2.1 Proses Komputasi Konvensional
Proses Tugas Kalkulasi Mengerjakan operasi-operasi matematis seperti: +, -, x, :,
atau mencari akar persamaan, menyelesaikan rumus/persamaan.
Logika Mengerjakan operasi logika seperti and, or, invert. Penyimpanan Menyimpan data dan gambar pada file.
Tabel 2.1 (Lanjutan)
Retrieve Mengakses data yang disimpan pada file.
Translate Mengkonversi data dari satu bentuk ke bentuk yang lain. Sort Memeriksa data dan menampilkan dalam urutan yang
diinginkan.
Edit Melakukan perubahan, penambahan penghapusan pada data.
Monitor Mengamati event eksternal dan internal serta melakukan tindakan jika kondisi tertentu tercapai.
Kontrol Memberikan perintah atau mengendalikan peralatan luar.
Ada beberapa perbedaan antara komputasi yang dilakukan pada kecerdasan buatan dengan komputasi konvensional tersebut. Perbedaan komputasi kecerdasan buatan dengan komputasi konvensional terlihat pada Tabel 2.2.
Tabel 2.2 Perbedaan Kecerdasan Buatan dan Pemrograman Konvensional
Dimensi Kecerdasan Buatan Pemrograman
Konvensional Pemrosesan Mengandung konsep-konsep
simbolik
Algoritmik
Sifat Input Bisa tidak lengkap Harus lengkap Pencarian Kebanyakan bersifat
heuristik
Biasanya didasarkan pada algoritma
Keterangan Disediakan Biasanya tidak disediakan
Fokus Pengetahuan Data dan informasi
Struktur Kontrol dipisahkan dari pengetahuan
Kontrol terintegrasi dengan data
Tabel 2.2 (Lanjutan) Pemeliharaan
dan Update
Relatif murah Sulit
Kemampuan menalar
Ya Tidak
2.1.4 Sejarah Kecerdasan Buatan
Kecerdasan buatan termasuk bidang ilmu yang relatif muda. Pada tahun 1950-an para ilmuwan dan peneliti mulai memikirkan bagaimana caranya agar mesin dapat melakukan pekerjaannya seperti yang biasa dilakukan oleh manusia. Alan Turing, seorang matematikawan dari Inggris pertama kali mengusulkan adanya tes untuk melihat bisa atau tidaknya sebuah mesin dikatakan cerdas. Hasil tes tersebut kemudian dikenal dengan Turing Test, dimana mesin tersebut menyamar seolah-olah sebagai seseorang di dalam suatu permainan yang mampu memberikan respon terhadap serangkaian pertanyaan yang diajukan. Turing beranggapan bahwa, jika mesin dapat membuat seseorang percaya bahwa dirinya mampu berkomunikasi dengan orang lain, maka dapat dikatakan bahwa mesin tersebut cerdas, seperti layaknya manusia.
2.2 Natural Language Processing (NLP)
2.2.1 Definisi Natural Language Processing
Natural Language Processing merupakan salah satu cabang ilmu pengetahuan AI yang menyangkut kebahasaan. (Rich E, Knight K, 1991, p377) Bahasa adalah sesuatu yang dipergunakan untuk berkomunikasi di
seluruh bagian dunia. Dengan mempelajari bahasa, manusia bisa lebih mengerti banyak. Oleh karena itu dibutuhkan suatu alat yang bisa menghubungkan manusia dengan bagian dunia lain dengan bahasa yang sama. NLP dibagi menjadi dua bentuk proses bagian, yaitu :
1. Proses tertulis
NLP dengan proses tertulis adalah suatu proses dengan menggunakan lexical analysis, syntactic analysis dan semantic knowledge dari bahasa yang akan dipergunakan, sebaik dengan syarat-syarat bahasa tersebut.
2. Proses lisan
NLP dengan proses lisan adalah suatu proses dengan menggunakan semua informasi yang dibutuhkan ditambah dengan pengetahuan mengenai pronologi untuk menghindari ambiguitas.
2.2.2 Beberapa Masalah Natural Language Program
Bahasa memiliki berbagai kemiripan baik secara arti maupun pengucapan. Beberapa hal yang membuat bahasa sulit dan berguna adalah sebagai berikut :
1. Suatu kalimat kadang memiliki informasi yang tidak lengkap. Contohnya :
Mereka ada di sana. ↓
Mereka ada di kebun raya.
Mereka bertiga ada di kebun raya. Tuti, Budi, dan Tati ada di kebun raya.
Sisi baiknya :
Bahasa memperbolehkan pengguna bahasa mengungkapkan kalimat yang mereka percayai, bahwa pendengar atau pembaca bahasanya sudah mengerti apa yang dimaksud.
2. Ekspresi yang sama dapat memiliki maksud yang berbeda-beda. Contohnya :
Kami butuh air. (Mereka butuh air minum, karena mereka haus) Kami butuh air. (Mereka butuh air bersih, karena di daerah mereka hanya ada air yang tercemar)
Kami butuh air. (Mereka butuh air panas untuk membuat kopi) Sisi baiknya :
Bahasa memperbolehkan kita berkomunikasi tanpa batas dengan menggunakan simbol-simbol yang sudah tetap.
3. Tidak ada program NLP yang bisa bekerja secara komplit, karena banyaknya kata-kata baru, ekspresi baru dan makna yang berubah secara bebas.
Contohnya :
Saya akan fax dia nanti malam. ↓
Dimana fax adalah kata benda, menjadi kata kerja pada kalimat tersebut.
Sisi baiknya :
4. Ada banyak cara dalam mengungkapkan maksud yang sama. Contohnya :
Tati lahir pada tanggal 21 Januari. 21 Januari adalah hari ulang tahun Tati. Sisi baiknya :
Disaat kita tahu banyak, kebenaran akan didapatkan secara tidak langsung.
2.2.3 Proses-proses Natural Language
Beberapa komponen dari proses Natural Language Understanding terbagi menjadi lima bagian, yaitu :
1. Morphological Analysis
Kata-kata yang didapat setelah dipecah dari kalimat awalnya, lalu dianalisa termasuk bentuk atau jenis kata apakah kata-kata tersebut. Dapat terjadi ambiguitas dalam pencarian jenis kata, karena kata yang sama, memiliki arti yang berbeda (sinonim kata).
Contoh kalimat : Saya makan nasi.
Pada proses morphological analysis akan menjadi : Saya makan nasi.
kata ganti kata kerja kata benda 2. Syntactic Analysis
Rangkaian kata yang didapat beserta kalimatnya ditelusuri secara terstruktur sehingga diketahui hubungan antara kata yang satu dengan kata yang lain. Dimana didapat pola dari kalimat tersebut.
Terkadang rangkaian kata bisa ditolak karena tidak sesuai dengan peraturan kalimat yang benar. Contoh kalimat yang ditolak adalah makan kucing di saya rumah.
Proses ini menggunakan metode parsing (penguraian), untuk mengubah susunan kata dalam kalimat tersebut sesuai dengan struktur bahasa yang benar. Dengan menggunakan aturan Contex Free Grammar dalam bentuk pohon.
Grammar yang digunakan untuk contoh di atas adalah sebagian English grammar sebagai berikut :
S → NP VP NP → PRO | N
VP → V NP
dimana S adalah Sentence, NP adalah Noun Phrase, VP adalah Verb Phrase, PRO adalah Pronoun, N adalah Noun dan V adalah Verb. Hasil parse tree dapat dilihat pada gambar 2.2.
S N Makan Nasi Saya V PRO VP NP NP
3. Semantic Analysis
Struktur yang didapat dari proses syntactic analysis dianalisa kembali dengan makna dari kalimat tersebut. Dari syntactic analysis didapat bentuk polanya yang sudah benar, lalu dalam proses semantic analysis akan disesuaikan dengan makna kalimat tersebut dalam kehidupan sehari-hari dan logika manusia. Kalau makna kalimatnya salah, maka kalimat tersebut ditolak. Contohnya Nasi makan saya. Hasil parse tree untuk kalimat Nasi makan saya dapat dihilat pada gambar 2.3. S N Makan Nasi Saya V VP NP NP
Gambar 2.3 Contoh hasil syntactic benar, tapi semantic-nya salah Jika ditelusuri ulang dengan syntactic analysis, kalimat Nasi makan saya adalah benar. Tetapi salah dalam makna sehari-hari dan menurut logika manusia sendiri, tidak ada nasi yang memakan manusia. Karena nasi adalah kata benda mati, kecuali kalimat Kucing menggigit saya atau Saya menggigit kucing. Selain syntactic-nya benar, maknanya pun masih bisa diterima akal logika. Bentuk interpretasi semantik untuk kalimat Saya makan nasi dapat dilihat pada gambar 2.4.
Person : Saya
agent makan object
Noun : nasi
instrument tangan & mulut
Gambar 2.4 Interpretasi semantik untuk kalimat ”Saya makan nasi” 4. Discourse Integration
Pada proses ini, makna yang didapat dari proses semantic analysis bisa bergantung dengan kalimat lain yang mendahului kalimat tersebut. Dan bisa mempengaruhi makna kalimat yang mengikutinya. Contohnya dalam suatu paragraf, misalnya kalimat pertama pada paragraf tersebut adalah Nama saya Tina. Kalimat kedua adalah Bawa payung sebelum hujan. Dan kalimat ketiga adalah Harga baju ini lima ribu rupiah.
Pada paragraf tersebut yang misalnya berjudul Musim hujan tidak menjadi paragraf yang menjelaskan tentang musim hujan. Kecuali kalimat kedua yang dibandingkan dengan kalimat yang mendahuluinya dan kalimat yang mengikutinya.
5. Pragmatic Analysis
Dari seluruh struktur yang didapat, pada proses ini dicari tahu apakah maksud sebenarnya dari kalimat atau paragraf yang didapat.
2.2.4 Proses Syntactic
Proses syntactic adalah proses dimana input yang diambil secara mendatar yang diubah (converted) kedalam struktur hirarki, dimana struktur tersebut sesuai dengan arti tiap bagian kalimat. Proses ini dikatakan proses parsing. Ada dua alasan mengapa proses parsing memiliki peran penting dalam sistem NLP, yaitu :
1. Dalam proses semantic diharuskan proses tersebut untuk mengoperasikan semua bagian dari kalimat. Jika sebelumnya tidak ada tahap syntactic, maka sistem semantic harus melakukan penyelesaiannya sendiri. Jika proses parsing terselesaikan terlebih dahulu, maka penyelesaian dalam proses semantic akan berkurang dan penganalisaan semantic akan terbayangkan. Syntactic parsing akan menjalankan tugasnya dengan baik dan mereduksi kesulitan sistem. 2. Kemungkinan terbuktinya kebenaran kalimat tanpa fungsi gramatikal
sering benar. Tetapi tidak selalu semuanya memungkinkan.
Walaupun ada banyak cara untuk menguraikan kalimat (parse), hampir semua sistem memiliki dua komponen, yaitu :
1. Penyajian penjelasan (penerangan) yang disebut grammar dari kebenaran syntactic bahasa.
2. Prosedur yang disebut parser, yang membandingkan grammar dengan kalimat yang diinput oleh user agar menghasilkan struktur yang sudah terurai (parsed stucture).
2.2.5 Grammar dan Parser
Cara yang biasa dilakukan untuk merepresentasikan grammar adalah suatu paket atau satu set production rules yang terdapat pada context free grammar (CFG) dan CFG terdapat pada compiler. Yang berarti bahwa sistem NLP memiliki kesamaan dengan sistem computer language processing seperti compiler.
Production rules pada CFG untuk sistem NLP adalah yang disebut grammar dan diuraikan dengan metode parsing . Untuk menjelaskan proses parsing atau transisi dari start state sampai final state, digunakan suatu transtition network yang disesuaikan dengan grammar yg sama. Ada dua macam jaringan, yaitu Recusive Transtition Network (RTN) dan Augmented Transtition Network (ATN).
2.2.5.1 Context Free Grammar (CFG)
Pada saat compiler melakukan penguraian dengan metode parser, dibutuhkan aturan-aturan yang mendukung proses penguraian (parsing). Dimana aturan yang digunakan adalah suatu tata bahasa (grammar) berupa CFG.
CFG adalah suatu kaidah tata bahasa yang berguna untuk menggambarkan struktur kalimat. Dengan CFG, suatu grammar disusun sebagai rangkaian production rule yang membentuk kalimat dalam bahasa yanng dijelaskan oleh grammar tersebut. Empat komponen CFG menurut Aho et al (1986, p165), yaitu :
1. Start symbol
Salah satu dari non terminal symbol yang merupakan awal dari penguraian kalimat.
2. Non terminal symbol
Simbol khusus yang menunjuk pada kata-kata yang telah dikenal dalam suatu bahasa, ditulis dengan huruf, angka atau tanda khusus.
3. Terminal symbol
Simbol dasar yang membentuk suatu kalimat, ditulis dengan menggunakan huruf, angka atau tanda khusus.
4. Production rule
Aturan yang menghubungkan variabel dengan variabel, variabel dengan terminal.
CFG adalah suatu kaidah tata bahasa yang terdiri atas dua bagian dimana bagian paling kirinya hanya terdiri dari satu non-terminal symbol. Dengan menggunakan tata bahasa ini hasil analisis dari kalimat akan membentuk suatu tree structure yang dinamakan parse tree. Grammar yang biasa digunakan adalah English grammar, sebagai berikut :
S → NP VP NP → Mod (N | PP)
NP → Det (N | NP) NP → PRO
NP → N NP → PN
VP → V | ADV VP → Aux V
PP → Prep NP ADV → PP | Adv
V → Vt NP V → Vc NP
V → Vc Adj V → Vi
Mod → Art Adj | Art
Terminal symbol :
Det → [that, this, those, these] N → [bird, tree, boy, ...]
Vt → [hit, break, eat, ...] Vc → [is, become, ...]
Vi → [cry, swim, ...] Art → [a, an, the]
Adj → [dark, good, tall, ...] Adv → [slowly, carefully, ...] Prep → [from, after, ...]
Keterangan :
S → Sentence (start symbol) NP → Noun Phrase
VP → Verb Phrase Mod → Modifier
Art → Article Adj → Adjective
ADV → Adverbial Phrase Adv → Adverb
V → Verb Aux → Auxiliary
Vi → Verb (intransitive) Vt → Verb (transitive)
Vc → Verb (copulative) PP → Prepositional Phrase
PN → Person Name Prep → Prepostition
Contohnya untuk kalimat berbahasa Inggris John prints the file on the printer, maka bentuk parse tree-nya dapat dilihat pada gambar 2.5. S N Prep John Art V VP NP PN VP PP prints Vt NP Mod printer the file on NP Art Mod the N
Gambar 2.5 Parse Tree untuk kalimat ”John prints the file on the printer”
Pada penelusuran parse tree ini dikenal ada dua metode parsing yaitu metode top-down parsing dan metode bottom-up parsing. Perbedaannya adalah :
Top-down Parsing : Penelusuran dimulai dari start symbol lalu mengikuti peraturan grammar secara progresif (forward) sampai simbol dari tree tersebut cocok dengan komponen kalimat yang di-parsing.
Bottom-up Parsing : Penulusuran dimulai dari kalimat yang akan di-parsing, lalu mengikuti peraturan grammar secara berbalik (backward) sampai didapat terminal tunggal dari tiap
kata dalam kalimat tersebut dan dicapainya bagian atas tree yang merupakan strat symbol.
2.2.5.2 Recursive Transtition Network (RTN)
Menurut Harris M D (1985, p149) Recursive Transtition Network (RTN) adalah suatu jaringan yang mirip dengan finite state network yang memiliki satu start state dengan satu atau lebih final state. Semua state dan panahnya saling berhubungan. Panah RTN dapat berupa nama dari state name, nama RTN, dan mereka semua berulangan. Jika panahnya berupa terminal symbol (contohnya : lexical category) maka proses bermula dari node yang berada didepan panah dan proses akan berjalan lagi. Jika panahnya berupa nama state (seperti NP sebagai Noun Phrase pada English Grammar), maka panah tersebut merepresentasikan RTN yang lengkap. Selain itu proses harus melalui sebuah initial state dari nama yang tertera pada panah RTN. Pada RTN yang berada dibawahnya, proses akan menulusuri dari satu panah ke panah yanng lain sampai mencapai final state. Jika final state dicapai tanpa error, maka proses sukses dan dilanjutkan kepada grafik level yang lebih tinggi, lalu melakukan hal yang sama. Jika final state tidak dicapai, maka terjadi error atau panah yang dilewati tidak dibenarkan. Bentuk RTN dapat dilihat pada gambar 2.6.
S Q5 Q4 Q3 Q2 Q1 NP V PP NP V AUX AUX NP
Gambar 2.6 Recursive Transition Network
2.2.5.3 Augmented Transition Network (ATN)
ATN adalah RTN yang memiliki lebih banyak kondisi atau aturan sehingga proses penulusuran jaringannya lebih akurat. ATN dapat melakukan lebih dari menerima (accepting) atau menolak (rejecting) pada saat kata-kata dan frasa ditemukan pada struktur kalimat yang berupa parse tree sebagai input yang dicocokan dengan elemen dari jaringan tersebut. Berbagai bagian kalimat akan dimasukkan kedalam sebuah register sampai seluruh struktur dapat ditentukan. Contohnya kata kerja akan dimasukkan ke register Predikat, seluruh kombinasi kata benda dengan jenis kata lain akan dimasukkan ke dalam register frasa kata benda. Dalam ATN, bahasa yang khusus dapat dispesifikasikan oleh aturan bahasa (grammar).
2.2.5.4 Metode Top-down Parsing
Pada metode top-down parsing (dari atas ke bawah) proses penguraian dimulai dari start symbol sampai kata-kata
dalam kalimat tersebut ditemukan dan cocok, menurut Rich E, Knight, K (1991, p388). Sedangkan menurut Aho et al (1986, p181) metode parsing ini dapat dipandang sebagai suatu usaha untuk mencari derivasi paling kiri (left most derivation). Apabila kalimat yang ditelusuri tidak dapat menghasilkan salah satu kata, maka kalimat tersebut ditolak. Contoh metode top-down parsing untuk kalimat John prints the file on the printer dengan menggunakan aturan English grammar pada bab 2.2.5.1, adalah sebagai berikut :
Penelusuran Sisa kalimat yang di-parser [1] S John prints the file on the printer ↓
[2] NP VP John prints the file on the printer ↓
[3] PN VP John prints the file on the printer
↓
[4] VP PP prints the file on the printer ↓
[5] V PP prints the file on the printer ↓
[6] Vt NP PP prints the file on the printer
↓
[7] NP PP the file on the printer ↓
[8] Mod N PP the file on the printer ↓
[9] Art N PP the file on the printer
↓
[10] N PP file on the printer ↓
[11] Prep NP on the printer
↓
[12] Mod N the printer ↓
[13] Art N the printer ↓
[14] N printer ↓
selesai
Pada penguraian secara top-down ini, dimulai dari start symbol yaitu S (sentence), aturannya adalah S → NP + VP. Lalu dimulai dari bagian kiri production rule-nya, NP. NP memiliki berbagai macam aturan : NP → Mod (N | PP), NP → Det (N | NP),
NP → PRO, NP → N, NP → PN, yang bisa disatukan menjadi NP → [Mod (N | PP)] | [Det (N | NP)] | PRO | N | PN. Lalu mesin kompiler akan mengikuti aturan NP tersebut secara sekuensial. Apabila aturan NP yang pertama tidak cocok, maka terjadi backtracking, lalu mesin kompiler mengambil aturan yang kedua. Apabila aturan kedua tidak cocok, maka terjadi lagi backtracking, lalu mesin kompiler mengambil aturan ketiga, dan begitu seterusnya. Jika tidak ada yang cocok, maka kalimat salah, karena tidak sesuai dengan grammar bahasa. Didapat yang cocok, yaitu NP → PN, PN → John.
Lalu VP diuraikan, dengan aturannya : VP → VP PP, VP
→ V NP, VP → V | ADV, VP → Aux V atau VP → [VP PP] | [V NP] | [Aux V] | V | ADV. Mesin kompiler akan mengikuti aturan VP secara sekuesial, pertama didapatnya VP → VP PP, karena VP ini terdiri dari dua non terminal symbol maka mesin kompiler akan menulusuri VP yang disebelah kiri PP. Aturan VP yang pertama sudah dicoba, maka diambil aturan yang kedua VP →
V NP yang terdiri dari dua non terminal. Ditelusuri terlebih dahulu V, paling kanan dari production rule-nya, mesin kompiler memanggil aturan – aturan V : V → Vt NP, V → Vc NP,
V → Vc Adj, V → Vi atau V → [Vt NP] | [Vc NP] | [Vc Adj] | Vi. Ditemukan pertama V → Vt NP, dimana Vt → prints. Setelah bagian kanan aturan V yang pertama didapat jenis kata yang cocok dengan kata yang kedua dari kalimat, dilanjutkan dengan bagian kanan Vt pada aturan V yang pertama. Mesin kompiler akan mengambil aturan NP yang cocok, NP → Mod N. Dimulai dari bagian paling kiri, Mod → Art Adj | Art, dimana yang cocok adalah Mod → Art, Art → the. Dilanjutkan bagian kanan aturan
NP → Mod N, N, dimana N adalah terminal symbol yang
langsung cocok dengan kata keempat kalimat tersebut. N → file. Bagian kiri dari aturan VP → VP PP sudah terselesaikan. Maka mesin kompiler akan meneruskan dengan bagian kanan VP yaitu PP. Mesin kompiler akan memanggil aturan PP, dimana hanya ada satu aturan, PP → Prep NP. Lalu mesin kompiler akan memulai penguraian dari bagian kiri production rule, Prep, yang merupakan terminal symbol. Prep → on. Dilanjutkan dengan bagian kanan Prep, NP. Dimana ditemukan aturan yang cocok NP → Mod N. Mod diuraikan terlebih dahulu menjadi Mod → Art, Art → the. Lalu N → printer. Maka selesailah proses parser secara top-down.
Semakin lengkap aturan grammar yang kita masukkan pada mesin compiler, semakin banyak jenis-jenis kata yang bisa yang memang benar dalam kehidupan sehari-hari dapat diterima dalam prose parsing. Untuk memasukkan aturan dalam metode top-down parsing utamakan terlebih dahulu aturan yang terminal symbol-nya paling banyak, untuk mengurangi terjadinya backtracking jika kalimat tersebut diawali frasa-frasa.
2.2.5.5 Metode Bottom-up Parsing
Pada metode bottom-up (dari bawah ke atas), proses penguraian dimulai dari terminal symbol, bagian paling kiri prodeuction rule sampai akhirnya mencapai start symbol (Rich E, Knight, K , 1991, p388). Metode parsing ini dapat dipandang sebagai suatu usaha untuk mencari derivasi paling kanan (right most derivation), menurut Aho et al (1985, p195).
Contoh metode bottom-up parsing untuk kalimat John prints the file on the printer dengan menggunakan aturan English grammar pada bab 2.3.2, adalah sebagai berikut :
[1] John prints the file on the printer ↓
[2] PN prints the file on the printer ↓
[3] PN Vt the file on the printer ↓ ↓
[4] NP Vt Art file on the printer ↓
[5] NP Vt Mod file on the printer ↓
[6] NP Vt Mod N on the printer ↓ [7] NP Vt NP on the printer ↓ [8] NP V on the printer ↓
[9] NP V Prep the printer ↓
[10] NP VP Prep the printer ↓
[11] NP VP Prep Art printer ↓
[12] NP VP Prep Mod printer ↓ [13] NP VP Prep Mod N ↓ [14] NP VP Prep NP ↓ [15] NP VP PP ↓ [16] NP VP ↓ [17] S ↓ selesai
Pada penguraian secara bottom-up ini, kalimat ”John prints the file on the printer.” akan ditelusuri berdasarkan aturan grammar dari bagian paling kanan production rule. Dimulai dari kata John, kata John ini adalah Person Name atau PN yang merupakan bagian kanan production rule untuk aturan NP. Tetapi mesin kompiler akan menelusuri satu per satu aturan-aturan NP, mencari yang bagian paling kanan production rule-nya adalah PN. Lalu didapat John → PN → NP. Mesin kompiler akan menganalisa apakah ada bagian sebelah kanan lain setelah NP? Ternyata ada, yaitu aturan pada start symbol S → NP VP.
Maka mesin akan menganalisa, apakah kata sesudah John termasuk dalam terminal symbol aturan VP? Dilanjutkan dengan kata prints, mesin kompiler akan mencari aturan yang bagian paling kanan production rule-nya adalah Vt, karena prints jenis katanya adalah Vt (Verb transitive). Dengan aturan grammar yang ada, mesin kompiler tidak menemukan aturan yang memiliki Vt di bagian paling kanan producton rule-nya. Maka mesin kompiler akan mencari bagian kedua dari paling kanan production rule yang ber-terminal symbol Vt. Didapat aturan V → Vt NP. Vt bukan bagian paling kanan aturan V, oleh karena itu Vt tetap diambil sebagai jenis kata prints, prints → Vt. Tetapi dianalisa terlebih dahulu, apakah kata sesudah prints termasuk NP? Jika bukan NP, maka kalimat salah atau aturan yang diambil salah, yang mengakibatkan terjadinya backtracking.
Kata sesudah prints adalah the, yang merupakan Art (article). Maka mesin kompiler mencari aturan yang bagian paling kanan production rule-nya adalah Art. Didapat aturan
Mod → Art dan Mod adalah bagian dari aturan NP, yaitu aturan
NP → Mod N. Karena jenis kata Mod sudah ditemukan, sebagai
the → Art → Mod, maka mesin kompiler akan menganalisa
apakah setelah kata the merupakan kata yang berjenis kata N (Noun)? Kata sesudah the adalah kata file yang memang jenis
katanya adalah N. Maka untuk sementara didapat penguraian secara bottom-up parsing yang dapat dilihat pada gambar 2.7.
John file . . . . the prints NP Art N PN VP Vt Mod NP V S
Gambar 2.7 Hasil penguraian sementara (1) kalimat “John prints the file on the printer” secara Bottom-up Parsing
Lalu V diuraikan kembali oleh mesin kompiler. Mesin kompiler akan mencari aturan yang bagian paling kanan production rule-nya adalah V. Jawabannya adalah VP → V. Yang berarti penguraian kalimat dianggap selesai karena sudah bisa menuju start symbol. Tetapi kalimat John prints the file on the printer belum semuanya teruraikan. Maka mesin kompiler akan membaca kata sesudah kata file dan kata itu adalah kata on. on berjenis kata Prep (Preposition). Maka mesin kompiler akan mencari aturan grammar yang bagian paling kanan production rule-nya adalah Prep. Yang didapat dari hasil pencarian aturann, didapat aturan PP → Prep NP. Maka kata on sudah didapat terminal symbol-nya yaitu on → Prep. Dimana
mesin kompiler harus menganalisa apakah kata sesudah on adalah NP?
Kata sesudah on adalah the berjenis kata Prep (Prepositon). Maka yang dilakukan mesin kompiler sama dengan apa yang dilakukan mesin kompiler dalam menguraikan kata-kata the file sebelumnya. Sehingga didapat the → Art → Mod. Dan kata sesudah the adalah printer, yang berjenis kata N (Noun) maka mesin kompiler mendapat printer → N. Maka mesin kompiler telah mendapatkan penguraian untuk kalimat John prints the file on the printer yang dapat dilihat pada gambar 2.8. John file on the prints NP Art N PN Prep Vt Mod NP V S printer
the Art Mod
N
NP
PP VP
????
Gambar 2.8 Hasil penguraian sementara (2) kalimat “John prints the file on the printer” secara Bottom-up Parsing
Bagaimana menyatukan PP dan VP? Mesin kompiler akan mencari aturan yang memiliki production rule-nya adalah VP PP, bagian paling kanannya adalah PP dan bagian kirinya
adalah VP. Maka didapat aturan VP → VP PP. Sehingga hasil proses bottom-up parsing secara keseluruhan dapat dilihat pada gambar 2.9. John file on the prints NP Art N PN Prep Vt Mod NP V S printer
the Art Mod
N
NP
PP VP
VP
Gambar 2.9 Hasil Bottom-up Parsing untuk kalimat “John prints the file on the printer”
2.3 State Transition Diagram
Pada saat sekarang ini, dapat dilihat dengan jelas bahwa lingkungan yang nyata (lingkungan yang sekarang sudah pasti mengenal teknologi), telah memberikan tekanan yang berlebih terhadap pengembangan suatu sistem dengan lingkungan atau wilayah pekerjaan user (user workplace). (Whitten J et al, 2004, p670)
Hal tersebut memunculkan suatu pertanyaan, “Bagaimana caranya merancang user interface dalam lingkungan yang pasti sekarang ini.” Alat yang dapat membantu dalam pengotomatisan perancangan user interface dan prototyping, yaitu alat yang dapat memberikan penjelasan kepada user mengenai
cara menggunakan aplikasi dengan mudah dimengerti. Dimana dalam pemrosesan suatu aplikasi terdapat suatu flow chart (bagan) yang merepresentasikan dialog atau kegiatan yang terjadi di dalam user interface yang bisa saja melibatkan banyak layar yang berada di dalam beberapa window.
Setiap layar biasanya memiliki order (pelayanan tersendiri) yang spesifik. Kadang beberapa layar dapat muncul di bawah suatu kondisi khusus dan kadang beberapa layar dapat memiliki perulangan sampai kondisinya terpenuhi. Oleh karena itu dibutuhkan alat untuk mengkoordinasikan layar-layar yang memiliki berbagai kondisi dalam user interface yang salah satunya adalah State Transition Diagram (STD). STD adalah sesuatu yang digunakan untuk menggambarkan perjalanan dan variasi dari layar. STD dapat dikatakan map perjalanan, setiap layar berjalan sejalan manuju e suatu kota lain. Tetapi tidak semua jalan dapat melewati kota tersebut.
Simbol kotak seperti yang dapat dilihat pada gambar 2.10, digunakan untuk merepresentasikan layar yang sedang berperan. Simbol kotak atau notasi state hanya akan terlihat pada STD jika layar tersebut sedang berdialog dengan layar lain. Dan simbol panah atau notasi transition state merepresentasikan kegiatan yang diterima oleh setiap layar yang dapat dilihat pada gamabar 2.11.
Gambar 2.10 Notasi State
2.4 Tata Bahasa Indonesia
2.4.1 Kata dalam Bahasa Indonesia
Menurut Alwi H, dkk (2003, p87) kata merupakan unsur terpenting dalam berbahasa. Kata merupakan perwujudan suatu bahasa. Di dalam seluruh bahasa terdapat kata benda, kata kerja, kata sifat, dan kata keterangan. Kata-kata inilah yang akan penulis terjemahkan. Baik dalam bahasa Indonesia maupun bahasa Jepang, jenis-jenis kata tersebut memiliki makna dan peran yang sama. Yang membedakan adalah bahasanya. Kata yang digunakan pada aplikasi ini adalah kata benda, kata kerja, kata sifat, dan kata keterangan.
2.4.1.1 Kata Benda
Kata benda dapat dilihat dari tiga segi, yaitu segi semantik, segi sintaksis, dan segi bentuk.
1. Kata benda dari segi semantis
Dari segi semantis, kita dapat mengatakan bahwa nomina adalah kata yang mengacu pada manusia, binatang, benda, dan konsep atau pengertian.
2. Kata benda dari segi sintaksis
Dari segi sintaksis, kata benda memiliki ciri-ciri sebagai berikut :
• Dalam kalimat yang predikatnya kata kerja, kata benda cenderung menduduki fungsi sebagai subyek dan obyek.
• Kata benda tidak dapat diingkarkan dengan kata tidak atau tak. Kata pengingkaran untuk kata benda adalah bukan.
• Kata benda dapat diikuti kata sifat, baik secara langsung maupun diantarai oleh kata yang. Yang lebih lanjut akan dijelaskan pada frasa kata benda.
3. Kata benda dari segi bentuk
Dari segi bentuk, kata benda terdiri atas dua macam, yaitu : • Kata benda bentuk dasar
Kata benda bentuk dasar adalah kata benda yang dasar dan umum. Contohnya : gambar, meja, guru, pisau, hokum, dan lain-lain.
• Kata benda turunan
Kata benda turunan adalah kata benda yang mengalami penambahan imbuhan (afiksasi), kata benda yang mengalami perulangan, kata benda yang mengalami pemajemukan (frasa kata benda).
2.4.1.2 Kata Kerja
Kata kerja secara umum memiliki ciri-ciri sebagai berikut : − Kata kerja memiliki fungsi utama sebagai predikat.
− Kata kerja memiliki makna inheren, yang maksudnya adalah berupa perbuatan (aksi), proses, atau keadaan yang bukan sifat atau kulitas.
− Kata kerja yang bermakna keadaan, tidak dapat diberi prefiks ter- yang berarti ‘paling’. Contohnya : mati atau suka, tidak bisa menjadi termati atau tersuka.
− Pada umumnya kata kerja tidak dapat bergabung dengan kata-kata yang menyatakan makna kesangatan. Contohnya : agak belajar, sangat pergi, dan bekerja sekali. Kecuali kata kerja yang memiliki makna sifat, contohnya : sangat berbahaya, agak mengecewakan, dan mengharapkan sekali.
Ciri-ciri kata kerja juga dapat diamati dari tiga macam segi, yaitu : 1. Kata kerja dari segi perilaku semantik
Tiap kata kerja memiliki makna inheren yang terkandung di dalamnya. Kata kerja yang bermakna inheren, biasanya dapat menjadi jawaban untuk pertanyaan “Apa yang dilakukan oleh subyek?” atau “Apa yang terjadi pada subyek?”.
2. Kata kerja dari segi perilaku sintaksis
Kata kerja merupakan unsur yang sangat penting dalam kalimat karena dalam kebanyakan hal kata kerja berpengaruh besar terhadap unsur-unsur lain yang harus atau
boleh ada dalam kalimat tersebut. Misalnya kata kerja intransitif. Kata kerja intransitive adalah kata kerja yang tidak memerlukan obyek. Contoh kata kerja intransitif adalah “Ia pergi ke hutan.” Kata pergi merupakan predikat tidak berobyek, karena kata ke hutan bukan sebagai obyek, melainkan keterangan tempat. Dan kata kerja transitif yang memiliki obyek dalam kalimat aktif dan obyek tersebut dapat menjadi subyek dalam kalimat pasif.
3. Kata kerja dari segi bentuk morfologinya
Dari segi morfologinya, kata kerja memiliki bentuk asal dan turunan. Kata kerja dengan bentuk asal adalah kata kerja yang bisa berdiri sendiri tanpa imbuhan. Sedangkan kata kerja dengan bentuk turunan adalah kata kerja yang berimbuhan, berulang, atau berbentuk frasa kata kerja.
2.4.1.3 Kata sifat
Kata sifat adalah kata yang memberikan keterangan yang lebih khusus tentang sesuatu yang dinyatakan oleh kata benda dalam kalimat. Keterangan itu dapat mengungkapkan suatu kualitas atau keanggotaan dalam suatu golongan. Kata sifat dapat dicirikan melalui empat segi, yaitu :
1. Segi perilaku semantik
Kelas kata sifat menunjukkan adanya dua tipe pokok : kata sifat bertaraf yang mengungkapkan suatu kualitas dan
kata sifat tak bertaraf yang mengungkapkan keanggotaan dalam suatu golongan.
• Kata sifat bertaraf
Kata sifat bertaraf dapat dibagi atas tujuh macam, yaitu : − Kata sifat pemberi Sifat
Kata sifat pemberi sifat dapat memberikan kualitas dan intensitas yang bercorak fisik atau mental. Contohnya aman, bersih, cocok, dingin, dan lain-lain. − Kata sifat ukuran
Kata sifat ukuran mengacu kepada kualitas yang dapat diukur dengan ukuran yang sifatnya kuantitatif. Contohnya berat, tinggi, kecil, tebal, luas, dan lain-lain.
− Kata sifat warna
Kata sifat warna mengacu ke berbagai jenis warna, seperti merah, kuning, hijau, biru, dan lain-lain.
− Kata sifat waktu
Kata sifat waktu mengacu ke masa proses, perbuatan, atau keadaan berada atau berlangsung sebagai pewatas. Contohnya lama, segera, cepat, lambat, mendadak, dan lain-lain.
− Kata sifat jarak
Kata sifat jarak mengacu ke ruang antara dua benda, tempat, atau maujud sebagai pewatas kata benda. Contohnya jauh, lebat, suntuk, rapat, akrab, dan lain-lain.
− Kata sifat sikap batin
Kata sifat sikap batin bertalian dengan pengacuan suasana hati atau perasaan. Contohnya bahagia, benci, cemas, lembut, ngeri, sedih, segan, dan lain-lain.
− Kata sifat cerapan
Kata sifat cerapan berkaitan dengan pencaindera, yakni penglihatan, pendengaran, penciuman atau penghiduan, perabaan dan pencitarasaan.
Contohnya :
penglihatan : gemerlap, suram, terang pendengaran : bising, jelas, nyaring, serak penciuman : anyir, busuk, harum, tengik perabaan : basah, halus, keras, kesat, lembab pencitarasaan : asam, enak, lezat, manis, pahit
• Kata sifat tak bertaraf
Kata sifat tak bertaraf menempatkan acuan kata benda yang diwatasinya di dalam kelompok atau golongan tertentu. Keberadaan kata sifat pada dalam lingkungan tersebut, tidak dapat bertaraf-taraf. Contohnya abadi, buntu, genap, mutlak, bundar, lonjong, lurus, sah, dan lain-lain.
2. Kata sifat dari segi perilaku sintaksisnya
Kata sifat berdasarkan segi perilaku sintaksisnya dibagi berdasarkan tiga macam fungsi, yaitu :
• Fungsi Atributif
Kata sifat merupakan pewatas dalam frasa kata benda yang kata bendanya menjadi subyek atau obyek, yang dikatakan bahwa kata sifat dipakai secara atributif. Kata sifat sebagai fungsi atributif, berada di sebelah kanan kata benda. Contohnya buku merah, harga mahal, baju putih, dan lain-lain.
Jika pewatas kata bendanya lebih dari satu, rangkaian pewatas tersebut lazimnya dihubungkan dengan kata yang. Contohnya : baju putih yang panjang.
• Fungsi Predikatif
Kata sifat yang menjalankan fungsi predikat dalam klausa dikatakan bahwa kata sifat dipakai secara
predikatif. Contohnya : Gedung yang baru itu sangat megah.
• Fungsi Adverbial atau Keterangan
Kata sifat yang mewatasi kata kerja atau kata sifat yang menjadi predikat klausa dikatakan bahwa kata sifat dipakai secara adverbial. Contohnya dengan baik, cepat-cepat, dengan sepenuhnya, dan lain-lain.
3. Kata Sifat dari Segi Pentarafannya
Kata sifat bertaraf dapat menunjukkan berbagai tingkat kualitas atau intensitas dan berbagai tingkat bandingan. Pembedaan tingkat kualitas atau kuantitas dinyatakan dengan pewatas seperti benar, sangat, terlalu, agak dan makin. Pembedaan tingkat bandingan dinyatakan dengan pewatas seperti lebih, kurang dan paling. Untuk lebih jelasnya tingkat-tingkat pembedaan akan dijelaskan, sebagai berikut. • Tingkat Kualitas
Tingkat kualitas secara relatif menunjukkan tingkat intensitas yang lebih tinggi atau lebih rendah. Ada enam tingkat kualitas atau intensitas :
− Tingkat Positif
Tingkat positif yang memberikan kualitas atau intensitas maujud yang diterangkan oleh kata sifat
tanpa pewatas. Contohnya : Indonesia kaya akan hutan.
Ketiadaan kulitas dinyatakan dengan pemakaian pewatas tidak atau tak. Contohnya : Daerah itu tidak kaya akan sumber daya alam. − Tingkat Intensif
Tingkat intensif yang menekankan kadar kualitas atau intensitas, dinyatakan dengan memakai pewatas benar, betul atau sungguh. Contohnya : Pak Asep setia benar dalam pekerjaannya. Mobil itu cepat betul jalannya.
Gua di gunung itu sungguh mengerikan. − Tingkat Elatif
Tingkat elatif yang menggambarkan tingkat kualitas atau intensitas yang tinggi, dinyatakan dengan memakai pewatas amat, sangat, atau sekali. Contohnya :
Dia sangat angkuh padaku. Gaya kerjanya lambat sekali. − Tingkat Eksesif
Tingkat eksesif yang mengacu ke kadar kualitas atau intensitas yang berlebih, atau yang melampaui batas kewajaran, dinyatakan dengan
memakai pewatas terlalu, terlampau dan kelewat. Contohnya :
Mobil itu terlalu mahal.
Soal yang diberikan tadi terlampau sukar. Orang yang melamar sudah kelewat banyak. − Tingkat Augmentatif
Tingkat augmentatif yang menggambarkan naiknya atau bertambahnya tingkat kualitas atau intensitas, dinyatakan dengan memakai pewatas makin dan semakin. Contohnya :
Sutarno menjadi makin kaya.
Semakin banyak peserta semakin baik. − Tingkat Atenuatif
Tingkat atenuatif yang memberikan penurunan kadar kualitas atau pelemahan intensitas, dinyatakan dengan memakai pewatas agak atau sedikit. Contohnya :
Gadis yang agak pemalu itu diterima jadi pegawai. Saya merasa sedikit tertarik membaca novel itu. • Tingkat Bandingan
Pada pembandingan dua maujud atau lebih dapat disimpulkan bahwa tingkat kualitas atau intensitasnya dapat setara atau tidak setara. Tingkat setara disebut
tingkat ekuatif dan tingkat yang tidak setara dibagi menjadi dua, yaitu tingkat komparatif dan superlatif. Untuk lebih jelasnya sebagai berikut.
− Tingkat Ekuatif
Tingkat ekuatif mengacu ke kadar atau intensitas yang sama atau hamper sama. Peranti bahasa yang digunakan klitik se- yang ditempatkan didepan kata sifat. Contohnya :
Tuti secantik ibunya.
Toni tidak seberani adiknya.
Harus diperhatikan bahwa bentuk kata sifat yang sudah berawalan dan atau berakhiran, tidak lazim untuk didahului klitik se-. Contohnya :
Rapat hari ini semenejemukan rapat kemarin. Naik bus seberbahaya sepeda motor.
Dua contoh diatas adalah hal yang tak lazim.
Tingkat ekuatif dapat juga dinyatakan dengan pemakain sama + kata sifat + -nya + dengan di antara dua nomina atau sama + kata sifat + -nya di belakang dua nomina yang dibandingkan. Contohnya :
Kota Garut sama ramainya dengan Ciamis. Tuni dan Tina sama cantiknya.
− Tingkat Komparatif
Tingkat komparatif mengacu ke kadar kulitas atau intensitas yang lebih atau yang kurang. Pewatas yang dipakai adalah lebih, kurang, dan kalah.
Contohnya :
Dia lebih ilmiah daripada pakar asing. Gajinya kalah besar dari yang saya terima. − Tingkat Superlatif
Tingkat superlatif mengacu ke tingkat kualitas atau intensitas yang paling tinggi di antara semua acuan kata sifat yang dibandingkan. Tingkat itu dalam kalimat dinyatakan dengan pemakaian awalan ter- atau pewatas paling di depan kata sifat yang bersangkutan. Contohnya :
Tati adalah wanita paling cantik di kantor saya. Toni yang paling malas di antara semua mahasiswa. 4. Kata sifat dari segi bentuknya
Kata sifat jika dilihat dari segi bentuknya terdiri atas kata sifat dasar yang merupakan kata sifat tanpa imbuhan dan termasuk perulangan. Yang kedua adalah kata sifat turunan, yang merupakan kata sifat yang memiliki imbuhan. Bentuk kata sifat turunan ini tidak dapat mengikuti tingkat komparatif dan tingkat superlatif.
2.4.1.4 Kata keterangan
Kata keterangan adalah kata yang menerangkan kata-kata di dalam kalimat tersebut. Kata keterangan umumnya ada lima macam. Yang pertama kata keterangan biasa, yang merupakan kata keterangan yang menjelaskan sesuatu. Yang kedua kata keterangan waktu, yang menjelaskan kapan terjadinya kalimat tersebut. Yang ketiga kata keterangan tempat, yang menerangkan di mana atau ke mana keadaan pada kalimat tersebut. Yang keempat kata keterangan alat, yaitu kata keterangan yang menjelaskan dengan apa subyek melakukan sesuatunya. Yang kelima adalah kata keterangan cara yang menjelaskan bagaimana subyek melakukan sesuatunya. Contohnya :
Saya mencari buku saya yang hilang karena terjatuh. Saya berjanji akan bertemu dengannya besok pagi. Dia menunggu saya di halte.
Dia memukul bola itu dengan tongkat. Ibu memeluk saya dengan hangat.
2.4.2 Frasa dalam Bahasa Indonesia
Dalam sebuah struktur bahasa, frasa merupakan potongan kalimat yang memiliki fungsi semantik dan tanpa harus memenuhi struktur kalimat lengkap. Ada dua pola susunan frasa :
1. Frasa DM
DM artinya Diterangkan – Menerangkan, dimana inti dari sebuah frasa terletak pada sebelah kiri pewatas. Inti dari frasa merupakan kata yang diterangkan dan pewatasnya adalah kata yang menerangkan. Beberapa contoh frasa DM dapat dilihat pada tabel 2.3. Tabel 2.3 Contoh Frasa DM
INTI (D) PEWATAS (M) buku besar indah sekali biru tua anak muda ibu saya pandai betul pohon Itu 2. Frasa MD
MD artinya Menerangkan – Diterangkan, dimana inti frasa tersebut berada di sebelah kanan pewatas. Inti dari frasa merupakan kata yang diterangkan dan pewatasnya adalah kata yang menerangkan. Beberapa contoh frasa MD dapat dilihat pada tabel 2.4.
Tabel 2.4 Contoh Frasa MD PEWATAS (M) INTI (D)
sangat pintar sepucuk surat amat pelit
Tabel 2.4 (Lanjutan)
sungguh dermawan sudah besar akan datang
2.4.3 Kalimat dalam Bahasa Indonesia
Dalam bahasa Indonesia, struktur kalimat minimal memiliki Subyek (S) dan Predikat (P). Adapun pola lain seperti Obyek (O), Pelengkap (Pel) dan Keterangan (K). Umumnya subyek merupakan kata benda, kata ganti atau frasa kata benda yang berfungsi sebagai pelaku dalam kalimat. Predikat umumnya berupa kata kerja yang menyatakan tindakan subyek terhadap obyek atau berupa kata sifat atau kata benda yang menerangkan subyek. Sedangkan pelengkap atau obyek merupakan kata benda, kata ganti atau frasa kata benda yang berfungsi sebagai sasaran tindakan yang dilakukan subyek. Dan keterangan merupakan kata keterangan yang menerangkan keadaan, tempat, waktu, cara, alat dalam kalimat tersebut.
2.5 Tata Bahasa Jepang
2.5.1 Ciri-ciri Umum Bahasa Jepang
Ciri-ciri umum Bahasa Jepang dapat dibagi menjadi enam bagian (3A Corporation, 2000, p2)
1. Jenis Kata
Dalam jenis kata bahasa Jepang terdapat kata kerja, kata sifat, kata benda, kata keterangan, kata penghubung dan partikel.
2. Urutan kata
Predikat selalu terletak pada akhir kalimat. Selain itu , dalam bahasa Jepang kata yang diterangkan terletak dibelakang kata yang menerangkan.
3. Predikat
Kata benda, kata kerja da kata sifat dalam bahasa Jepang berfungsi sebagai predikat. Predikat berupa kata kerja dapat menunjukkan :
• positif dan negatif dan
• non-waktu lampau atau waktu lampau.
Kata sifat dibagi dalam dua grup yaitu kata sifat (-i) dan kata sifat (-na) sesuai dengan perubahannya. Dalam bahasa Jepang tidak ada perubahan untuk orang, jenis atau bilangan.
4. Partikel
Di belakang kata atau kalimat dipakai partikel. Partikel menunjukkan hubungan antar kata dalam kalimat dan maksud pembicara, juga berfungsi menambahkan berbagai arti.
5. Penghilangan
Kata-kata dan ungkapan yang biasa diketahui dari konteks kalimat juga biasanya dihilangkan.
6. Subyek tersembunyi
Bahasa Jepang dikenal sebagai bahasa yang menyembunyikan subyek. Tidak selalu menampilkan subyek dalam struktur kalimat K, O,
P atau O, P. Hal ini dilakukan karena penutur dan petutur dianggap sudah memahami posisi masing-masing. Jika subyek tidak disebutkan dalam kalimat, kemungkinan besar orang pertama (aku) menjadi subyeknya.
2.5.2 Aksara Bahasa Jepang
Dalam bahasa Jepang terdapat empat jenis akasara yaitu, 1. Hiragana
Hiragana dipakai untuk menuliskan kata-kata yang berasal dari bahasa Jepang asli, dan dipakai untuk menggantikan kata-kata dari tulisan kanji. Hiragana juga digunakan untuk menulis partikel, bagian dalam kata kerja dan kata sifat yang dapat berubah pada bahasa Jepang. Sebelum perang dunia kedua Hiragana hanya dipakai oleh golongan wanita. Huruf Hiragana menunjukkan bunyinya dan pada umumnya satu kana (huruf Jepang) mewakili satu mora (satuan bunyi bahasa Jepang).
2. Katakana
Katakana dipakai untuk menulis kata-kata yang berasal dari bahasa asing, nama negara dan kota luar negeri, tilgram dn lain-lainnya. Sering pula dipakai orang untuk menulis nama-nama perusahaan dan kata-kata yang perlu diperlihatkan dalam sebuah kalimat. Huruf Katakana menunjukkan bunyinya dan pada umumnya satu kana (huruf Jepang) mewakili satu mora (satuan bunyi bahasa Jepang).
3. Kanji
Kanji adalah tulisan yang berasal dari huruf Mandarin. Tulisan ini telah dibatasi pemakaiannya. 1945 Kanji ditentukan sebagai kanji yang perlu digunakan sehari-hari. Kanji menunjukkan artinya dan juga bunyinya.
4. Roomaji
Roomaji adalah huruf jepang dengan tampilan huruf latin. Tapi pemakaian roomaji tidak umum di Jepang, kecuali pada papan-papan reklame atau penunjuk jalan yang diperuntukkan bagi orang asing.
2.5.3 Keterangan Tata Bahasa 2.5.3.1 Kata Benda
Sama seperti kata benda dalam bahasa Indonesia dalam bahasa Jepang kata benda mengacu pada manusia, binatang, benda, dan konsep atau pengertian. Dalam beberapa pola kalimat tertentu, penggunaan kata benda yang bernyawa maupun tidak bernyawa memiliki perbedaan. Contohnya pada penggunaan kata imasu/arimasu (ada) dan imasen/arimasen (tidak ada).
Arimasu (ada) dipakai untuk benda-benda tidak bernyawa, ataupun kalau bernyawa tapi tidak dapat bergerak sendiri.
Contohnya : Ada meja. ↓
Imasu (ada) dipakai untuk kehadiran benda-benda bernyawa dan dapat bergerak sendiri seperti manusia dan binatang. Contohnya :
Ada kucing. ↓
Neko ga imasu.
2.5.3.2 Kata Kerja
Kata kerja dalam bahasa Jepang dibagi empat bagian. Namun, pada dasarnya ciri kata kerja dalam bahasa jepang diakhiri bunyi u menurut Rohadi (1993, p46).
1. Kata kerja golongan I
Kata kerja jenis ini ditandai oleh sembilan akhiran : u, tsu, ru, bu, nu, mu, ku, gu,su
Contoh kata kerja yang menggunakan akhiran u, tsu, ru, bu, nu, mu, ku, gu dan su dapat dilihat pada tabel 2.5.
Tabel 2.5 Contoh kata kerja bahasa Jepang yang berakhiran u, tsu, ru, bu, nu, mu, ku, gu dan su
Akhiran Kata Kerja bentuk kamus Arti
U Kau Membeli
Tsu Tatsu Berdiri
Ru Hairu Masuk
Bu Asobu Bermain
Nu Shinu Mati
Mu Yomu Membaca
Tabel 2.5 (Lanjutan)
Gu Oyogu Berenang
Su Hanasu Berbicara
2. Kata kerja golongan II
Kata kerja golongan dua mempunyai 2 ciri, yakni berakhiran : eru dan iru.
Contoh kata kerja yang menggunakan akiran eru atau iru dapat dilihat pada tabel 2.6.
Tabel 2.6 Contoh kata kerja bahasa Jepang yang berakhiran eru dan iru
Akhiran Kata kerja bentuk kamus Arti
Eru Taberu Makan
Iru Miru Melihat
3. Kata kerja golongan III
Kata kerja ini adalah kata kerja yang selalu diakhiri suru. Beberapa contoh untuk kata kerja yang berakhiran suru dapat dilihat pada tabel 2.7.
Tabel 2.7 Contoh kata kerja bahasa Jepang yang berakhiran suru Akhiran Kata kerja bentuk kamus Arti
Suru Suru Benkyoosuru
Melakukan Belajar
Kata kerja ini dapat pula digabungkan dengan bahasa asing, yaitu dengan menambahkan partikel o diantara kata asing tersebut dengan kata suru.
Contohnya : dansu o suru → berdansa 4. Kata kerja golongan IV
Kata kerja jenis terakhir ini hanya ada satu yaitu kuru artinya datang.
Kata kerja dapat mengalami berbagai perubahan bentuk sesuai dengan bentuk kalimatnya. Kata kerja tersebut adalah : 1. Kata kerja bentuk masu
Kata kerja bentuk masu adalah kata kerja pernyataan positif yang menyatakan ungkapan sopan dan digunakan dalam situasi sekarang, kebiasaan, dan akan datang. Beberapa contoh untuk kata kerja bentuk masu dapat dilihat pada tabel 2.8.
Tabel 2.8 Kata kerja bentuk ”masu”
Golongan Bentuk kamus Bentuk masu Arti
Iu Tatsu Aru Tobu Iimasu Tachimasu Arimasu Tobimasu Menyebutkan Berdiri Ada, Mempunyai Terbang I
Shinu Shinimasu Mati
II Taberu Miru Tabemasu Mimasu Makan Melihat
Tabel 2.8 (Lanjutan) III Suru Benkyoosuru Shimasu Benkyooshimasu Melakukan Belajar
IV Kuru Kimasu Datang
2. Kata kerja bentuk negatif (masen) dan bentuk lampau (mashita)
Kata kerja bentuk negatif (masen) digunakan untuk menyangkal dan kata kerja bentuk mashita digunakan untuk menyatakan kegiatan yang dilakukan pada waktu lampau (past). Beberapa contoh untuk kata kerja bentuk negatif dan bentuk lampau dapat dilihat pada tabel 2.9.
Tabel 2.9 Kata kerja bentuk Negatif dan bentuk Lampau Golongan Bentuk
kamus
Bentuk masen Bentuk mashita
I Iu
Tatsu Aru Tobu Shinu
Iimasen (tidak menyebutkan) Tachimasen (tidak berdiri) Arimasen (tidak ada/mempunyai)
Tobimasen (tidak terbang) Shinimasen (tidak mati)
Iimashita Tachimashita Arimashita Tobimashita Shinimashita II Taberu Miru
Tabemasen ( tidak makan) Mimasen (tidak melihat)
Tabemashita Mimashita
III Suru
Benkyoosuru
Shimasen (tidak melakukan) Benkyooshimasen (tidak belajar)
Shimashita Benkyooshimashita
3. Kata kerja bentuk menyangkal nai
Untuk menyatakan bentuk menyangkal tidak hanya diungkapkan dengan masen tapi dapat pula diungkapkan dengan nai. Beberapa contoh untuk kata kerja bentuk nai dapat dilihat pada tabel 2.10.
Tabel 2.10 Kata kerja bentuk nai
Golongan Bentuk kamus Bentuk nai Arti
I Iu Tatsu Aru Tobu Shinu Iwanai Tatanai Aranai Tobanai Shinanai tidak menyebutkan tidak berdiri tidak ada/mempunyai tidak terbang tidak mati II Taberu Miru Tabenai Minai tidak makan tidak melihat III Suru Benkyoosuru Shinai Benkyooshinai tidak melakukan tidak belajar
IV Kuru Konai tidak datang
4. Kata kerja bentuk lampau ta
Untuk menyatakan situasi lampau tidak hanya diungkapkan dengan mashita tapi dapat pula diungkapkan dengan ta. Beberapa contoh untuk kata kerja bentuk ta dapat dilihat pada tabel 2.11.
Tabel 2.11 Kata kerja bentuk lampau ta
Golongan Bentuk kamus Bentuk ta Arti
I Iu Tatsu Aru Tobu Shinu Itta Tatta Atta Tonda Shinda Menyebutkan Berdiri Ada, Mempunyai Terbang Mati II Taberu Miru Tabeta Mita Makan Melihat III Suru Benkyoosuru Shita Benkyooshita Melakukan Belajar
IV Kuru Kita Datang
5. Kata kerja bentuk negatif dalam situasi lampau (masen deshita atau nakkatta)
Untuk menyatakan bentuk negatif dalam situasi lampau dapat diungkapkan dengan masen deshita atau nakatta. Beberapa contoh untuk kata kerja bentuk negatif – lampau dapat dilihat pada tabel 2.12.
Tabel 2.12 Kata kerja bentuk negatif dalam situasi lampau Golongan Bentuk
kamus
Bentuk masen
deshita
Bentuk nakkata Arti
I Iu Tatsu Aru Iimasen deshita Tachi masen deshita Ari masen deshita Tobi masen deshita
Iwanakatta Tatanakatta Aranakatta tidak menyebutkan tidak berdiri tidak
Tabel 2.12 (Lanjutan) Tobu Shinu Shini masen deshita Tobanakatta Shinanakatta ada/mempunyai tidak terbang tidak mati II Taberu Miru
Tabe masen deshita Mi masen deshita Tabenakatta Minakatta tidak makan tidak melihat III Suru Benkyoo suru
Shi masen deshita Benkyooshi masen deshita Shinakatta Benkyooshinakatta tidak melakukan tidak belajar
IV Kuru Ki masen deshita Konakatta tidak datang
6. Kata kerja transitif dan intransitif
Kata kerja transitif adalah kata kerja yang memerlukan obyek, dalam bahasa Indonesia umumnya diawali dengan me-. Contohnya :
miru : melihat
okosu : membangunkan
Kata kerja intransitif adalah kata kerja yang tidak memerlukan obyek.
Contohnya : mieru : kelihatan okiru : bangun
Beberapa contoh untuk kata kerja transitif dan intransitif dapat dilihat pada tabel 2.13.
Tabel 2.13 Kata kerja Transitif dan Intransitif
Golongan Transitif Intransitif
I Orosu (menurunkan) Kiku (mendengarkan) Kesu (memadamkan) Yaku (membakar) Nagasu (mengalirkan) Oriru (turun) Kikoeru (terdengar/kedengaran) Kieru (padam) Yakeru (terbakar) Nagareru (mengalir) II Noseru (menaikkan) Miru (melihat) Akeru (membuka) Tsukeru (menyalakan) Tomeru (menghentikan) Noru (naik) Mieru (terlihat/kelihatan) Aku (terbuka) Tsuku (nyala/menyala) Tomaru (berhenti)
7. Kata kerja bentuk tai
Dalam bahasa jepang untuk menyatakan ”keinginan terhadap suatu kegiatan”, seperti ingin membeli, ingin makan dan lain-lain dapat diungkapkan dengan kata kerja bentuk tai. Beberapa contoh untuk kata kerja bentuk tai dapat dilihat pada tabel 2.14.
Tabel 2.14 Kata kerja bentuk tai
Golongan Bentuk kamus Bentuk tai Arti
I Au Tatsu Aru Tobu Kau Aitai Tachitai Aritai Tobitai Kaitai Ingin bertemu Ingin Berdiri Ingin Ada, Mempunyai
Ingin Terbang Ingin Membeli
Tabel 2.14 (Lanjutan) II Taberu Miru Tabetai Mitai Ingin Makan Ingin Melihat III Suru Benkyoosuru Shitai Benkyooshitai Ingin Melakukan Ingin Belajar
IV Kuru Kitai Ingin Datang
8. Kata kerja bentuk pasif
Dalam bahasa Jepang, perubahan kata kerja bentuk aktif menjadi bentuk pasif mempunyai bentuk perubahan tersendiri sebagai berikut:
• Kata kerja golongan I (berakhiran u, tsu, ru, bu, nu, mu, ku, su)
Rumus : Dari kata kerja bentuk nai, nai dihilangkan dan diganti dengan reru.
Contoh-contoh kata kerja pasif golongan I dapat dilihat pada tabel 2.15.
Tabel 2.15 Contoh Kata kerja Pasif Golongan I
Bentuk asal (aktif) Bentuk nai Bentuk pasif (reru) Arti Kau (membeli) Utsu (memukul) Shikaru (marah) Kaku (menulis) Yobu (memanggil) Kawanai Utanai Shikaranai Kakanai Yobanai Kawareru Utareru Shikareru Kakareru Yobareru Dibeli Dipukul Dimarahi Ditulis Dipanggil
• Kata kerja golongan II (berakhiran eru dan iru)
Rumus : Dari kata kerja bentuk nai, nai dihilangkan dan diganti dengan rareru, atau
Dari kata kerja bentuk masu, masu dihilangkan dan diganti dengan rareru.
Contoh-contoh kata kerja pasif golongan II dapat dilihat pada tabel 2.16.
Tabel 2.16 Contoh Kata kerja Pasif Golongan II
Bentuk asal (aktif) Bentuk nai Bentuk pasif (rareru) Arti Taberu (makan) Homeru (memuji) Kotaeru (menjawab) Tabenai Homenai Kotaenai Taberareru Homerareru Kotaerareru Dimakan Dipuji Dijawab
• Kata kerja golongan III
Rumus : suru berubah jadi sareru
Contoh-contoh kata kerja pasif golongan III dapat dilihat pada tabel 2.17.
Tabel 2.17 Contoh Kata kerja Pasif Golongan III
Bentuk asal (aktif) Bentuk pasif (sareru) Arti Untensuru (mengendarai) Shoutaisuru (mengundang) Kenkyuusuru (menyelidiki) Ginmisuru (memeriksa) Jamasuru (mengganggu) Untensareru Shoutaisareru Kenkyuusareru Ginmisareru Jamasareru dikendarai diundang diselidiki diperiksa diganggu
• Kata kerja golongan IV
Contoh kata kerja pasif golongan IV dapat dilihat pada tabel 2.18.
Tabel 2.18 Kata kerja Pasif Golongan IV
Bentuk asal(aktif) Bentuk pasif Arti Kuru(mendatangi) korareru didatangi
2.5.3.3 Kata Sifat
Ada dua golongan kata sifat dalam bahasa Jepang, yaitu : 1. Kata sifat golongan i, (kata dasarnya berakhiran i)
Misalnya : takai : mahal yasui : murah
Contoh pemakaian dalam kalimat : Buku ini mahal.
↓
Kono hon wa takai desu.
2. Kata sifat golongan da, (kata dasarnya berakhiran da) Misalnya : kirei (kireida) : cantik
Genki (genkida) : sehat
Di atas telah dikatakan bahwa kata dasar untuk kata sifat golongan ini selalu berakhiran dengan da. Namun dalam pemakaiannya di dalam kalimat, da mengalami perubahan atau dihilangkan. Contoh pemakaian dalam kalimat :
Bunga Sakura indah. ↓
Sakura wa kirei desu.
2.5.3.4 Kata Keterangan
Kata keterangan adalah kata yang menerangkan kata lainnya. Dalam bahasa Jepang fungsi kata keterangan ini sangatlah penting (3A Corporation, 2000, p169). Contohnya : − Dosen asing semuanya orang Amerika.
Gaikokujin no sensei wa minna Amerikajin desu. − Ibu Maria sedikit mengerti huruf Hiragana.
Maria-san wa hiragana ga sukoshi wakarimasu. − Saya selalu makan siang di kantin universitas.
Itsumo daigaku no shokudou de hirugohan o tabemasu. − Kamus itu tidak begitu baik.
Sono jisho wa amari yokunai desu.
2.5.3.5 Partikel
1. Partikel wa (ha)
Partikel wa menunjukkan bahwa kata sebelumnya adalah topik atau Subyek. Hal yang dibicarakan diikuti oleh partikel wa, untuk menunjukan topik pembicara, selanjutnya bermacam-macam deskripsi (3A Corporation, 2000, p16). Contohnya :
