SISTEM TEMU-KEMBALI INFORMASI "ENHANCED CONFIX STRIPPING PORTER"

BAB I

PENDAHULUAN

1.1   Latar Belakang

Pencarian informasi berupa dokumen teks atau yang dikenal dengan istilah Information Retrieval (IR) merupakan proses pemisahan dokumen-dokumen yang dianggap relevan dari sekumpulan dokumen yang tersedia. Bertambahnya jumlah dokumen teks yang dapat diakses di internet diikuti dengan meningkatnya

kebutuhan pengguna akan perangkat pencarian informasi yang efektif dan efisien, menyebabkan diperlukannya pengembangan dari teknologi IR. Efektif berarti user mendapatkan dokumen yang relevan dengan query yan diinputkan oleh user. Efisien berarti waktu pencarian yang sesingkat-singkatnya. Salah satu penerapan dari Information Retrieval (IR) adalah Search Engine. Dengan adanya Search Engine, dokumen yang dicari dapat ditemukan sesuai dengan kebutuhan.

Dalam perkembangannya, kurang lebih ada sekitar 35 imbuhan resmi yang disebutkan dalam Kamus Besar Bahasa Indonesia. Imbuhan-imbuhan in terdiri dari prefiks (awalan), sufiks (akhiran), konfiks, maupun infiks (sisipan). Satu hal yang unik dari Bahasa Indonesia adalah kecenderungan pemakaian imbuhan secara bebas dan imbuhan-imbuhan tersebut dapat dikombinasikan satu dengan lainnya.

Seperti halnya bahasa-bahasa lainnya, Bahasa Indonesia juga memiliki struktur sehingga bahasa tersebut dapat dipahami oleh banyak orang. Dalam Bahasa Indonesia, terdapat huruf-huruf, kata-kata, dan kalimat-kalimat dimana kumpulan huruf-huruf membentuk kata, kumpulan kata membentuk kalimat kumpulan kalimat membentuk paragraf, dan seterusnya. Pada penerapannya dalam tulisan, banyak orang yang masih salah saat menuliskan kata-kata dalam bahasa Indonesia sesuai dengan kata dasarnya.

Dalam Information Retrieval (IR), stemming merupakan bagian dari preprocesing yang dimana fungsinya agar menemukan kata dasar dari sebuah kata dengan menghilangkan semua imbuhan. Untuk penentuan pemisahan dari imbuhan yang terdapat pada suatu kata maka pada stemming ini memiliki beberapa algoritma yang sesuai. Salah satu metode yang digunakan pada stemming Bahasa Indonesia adalah ECS (Enhanced Confix Stripping) dan Porter Stemmer. ECS adalah stemming yang sudah teruji keakuratannya tetapi prosesnya lambat dan Porter Stemmer merupakan metode stemming  paling cepat dalam pemrosesan data namun hasilnya tidak seakurat ECS.

1.2   Rumusan Masalah

Adapun rumusan masalah dari makalah ini yaitu :

a.       Bagaimana algoritma stemming ECSP (Enhanced Confix Strippng Porter)?

b.      Bagaimana tahapan pada stemming ECSP (Enhanced Confix Strippng Porter)?

c.       Bagaimana contoh implementasi beberapa kata pada stemming ECSP (Enhanced Confix Strippng Porter)?

d.      Apa saja kelebihan dan kekurangan pada stemming ECSP (Enhanced Confix Strippng Porter)?

1.3   Tujuan

Adapun tujuan dari makalah ini yaitu :

a.       Untuk mengetahui algoritma stemming ECSP (Enhanced Confix Strippng Porter)

b.      Untuk memahami tahapan pada stemming ECSP (Enhanced Confix Strippng Porter)

c.       Untuk mengetahui contoh implementasi beberapa kata pada stemming ECSP (Enhanced Confix Strippng Porter)

d.      Untuk memahami kelebihan dan kekurangan pada stemming ECSP (Enhanced Confix Strippng Porter)

BAB II
PEMBAHASAN

2.1 Pengertian

Stemming adalah suatu proses pengembalian suatu kata berimbuhan ke bentuk dasarnya. Metode pada stemming bahasa indonesia adalah ECS ( Enhanced Confix Stripping) dan porter stemmer. ECS adalah metode stemming yang sudah teruji keakuratannya tetapi prosesnya lambat dan porter stemmer merupakan metode stemming paling cepat dalam proses data namun hasilnya tidak seakurat ECS.

Kombinasi Enhanced Confix Stripping (ECS) dan porter stemmer telah diimplikasikan dalam sebuah Stemmer pengembangan yaitu Enhanced Confix Stripping Porter (ECSP). ECSP merupakan hasil perpaduan algoritma dan rule ECS dengan Porter.

2.2 Algoritma ECSP (Enhanced Confix Stripping Porter)

Aturan  pemenggalan awalan ECSP

Aturan ke-	Imbuhan	Perubahan Imbuhan
1	BerV...	BerV...|be-rV...
2	BerCAP...	Ber-CAP...dimana C!=’r’ dan P!=’er’
3	BerCAerV...	Ber-CaerV...dimana C!=’r’
4	Belajar...	Bel-ajar...
5	BeC1erC2	Be-C1erC2...dimana C1!={‘r’|’l’}
6	TerV...	Ter-V...|te-rV...
7	TerCerV	Ter-CerV...dimana C!=’r’
8	TerCP...	Ter-CP...dimana C!=’r’dan P!=’er’
9	TeClerC2...	Te-ClerC2...dimana C1!=’r’
10	Me{l|r|w|y}V...	Me-{1|r|w|y}V...
11	Mem{b|f|v}...	Mem-{b|f|v}...
12	Mempe	Mem-pe...
13	Mem{rV|V}...	Me-m{rV|V}...| Me-p{rV|V}...
14	Men{c|d|j|z|s}...	Men-{c|d|j|z|s}...
15	MenV...	Me-nV...| me-tV...
16	Meng{g|h|q|k}...	Meng-{{g|h|q|k}...
17	MengV...	Meng-V...| meng-kV...|
		(mengV-...jika V=”e”)
18	MenyV...	Meny-sV...
19	MempA...	Mem-pA...dimana A!=’e’
20	Pe{w|y}V...	Pe-{w|y}V...
21	PerV...	Per-V...| pe-rV...
22	PerCAP...	Per-CAP... dimana C!=’r’ dan P!=’er’
23	PerCAerV...	Per-CAerV... dimana C!=’r’
24	Pem{b|f|v}...	Pem-{b|f|v}...
25	Pem{rV|V}...	Pem{rV|V}... | Pe-p{rV|V}...
26	Pen{c|d|j|z}...	Pen-{c|d|j|z}...
27	PenV...	Pe-nV... | pe-tV...
28	PengC	Peng-C
29	PengV...	Peng-V... | peng-kV... | (pengV-... jika V=”e”)
30	PenyV...	Peny-sV...
31	PelV...	PelV... kecuali pada kata ‘pelajar’
32	PeCerV...	Per-erV... dimana C!={r|w|y|l|m|n}
33	PeCP...	Pe-CP... dimana C!={r|w|y|l|m|n} dan P!=’er’
34	terClerC2...	Ter-ClerC2... dimana C1!=,,r”
35	peClerC2...	Pe-ClerC2... dimana C1!={r|w|y|l|m|n}

Keterangan simbol huruf:

C: huruf onsonan         

V: huruf vokal

A: huruf vokal atau konsonan

P : partikel atau fragmen dari suatu kata, misalnya “er”

Algoritma yang dikembangkan penulis untuk ECSP Stemmer adalah sebagai berikut

1.       Melakukan pengecekan jumlah karakter/huruf dalam kata inputan,jika kata yang akan di stem mempunyai jumlah karakter/huruf <6,maka kata tersebut tergolong tidak berimbuhan dan secara langsung akan di return oleh Stemmer.Algoritma ini disebut cek non affiks.

2.       Pengecekan ilegal affiks (kata imbuhan yang tidak diperbolehkan). Contoh ilegal affiks pada aturan Bahasa Indonesia yaitu :ke-..-i|-kan,se-..-i|kan,peng-..-..-i|kan,tar-..-an

3.       Menghapus kata ganti kepunyaan yang berada di depan seperti: ku-,kau-,dan serapan awalan asing seperti : adi-,antar-,dwi-,eka-,infra-,maha-,manca-,multi-,nara-,pasca-,pari-,pramu-,pra-,sapta-,semi-,swa-,tri-,ultra-

4.       Menghapus inflectional particle P (-lah,-kah,-tah,-pun) dan kata ganti kepunyaan atau possessive prounon PP (-ku,-mu,-nya)

5.       Menghapus awalan

Ø  Menghapus awalan yang tidak bermofologi seperti (di-,ke-,se-).

Ø  Menghapus awalan bermofologi (be-,te-,pe-,me-). Lakukan recording sesuai dengan tabel pemenggalan imbuhan ECSP dan yang sudah dikembangkan dari aturan pemenggalan awalan ECS dan Porter Stemmer ,yaitu :

Modifikasi dan tambahan aturan pemenggalan awalan ECS yang dilakukan ECSP

Aturan ke-	Imbuhan	Perubahan imbuhan
11	Mem{b|f|v|p}	Mem-{b|f|v|p}
13	Mem{rV|V}..	Me-p{rV|V}...
14	Men{c|d|j|z|s|t}...	Men-{c|d|j|z|s|t}...
30	Peng{a|i|u|o}...	Peng-{a|i|u|o}...
37	CIPC2V...	CIP-C2V...dimana C1=C2 dan P=’e’
38	Me-mV/C...	Mem-V/C
39	PemV...	Pem-p-V...
40	Pe{c|t|s|z}	Pe-{c|t|s|z}...

Keterangan simbol huruf:

C:huruf konsonan,

P:partikel atau fragmen dari suatu kata,misalnya”er”,

V:huruf vokal .

6.       Menghapus akhiran (-i,-kan,-an).

7.       Menghapus akhiran serapan asing seperti (-wati,-wan,-isme,-is,-iah,-isasi,-er,-wi,-in,-logi).

8.       Menghapus infik atau sisipan dengan aturan pemenggalan yaitu :

Aturan pemenggalan sisipan ECSP

Aturan ke-	Imbuhan	Perubahan imbuhan
1	{g|j|l} {el} V	{g|j|l}-{el}-V
2	{c|j|k|g} {em} V	{c|j|k|g}-{em}-V
3	{s|g|k} {er} V	{s|g|k}-{er}-V
4	{k|s|t} {in} V	{k|s|t}-{in}-V

Aturan infiks diatas terkadang dapat menimbulkan terjadinya overstemming pada kata-kata yang dianggap pola infiks. Kata-kata bentuk sisipan yng kuantitasnya sedikit,akan langsung dimasukan dalam rule hapus sisipan.

9.       Hasil terakhir dari akan direturn sebagai kata dasar.

// Algoritma cek non Affiks If (preg_match(‘/^[a-z] {1,6}$/’,$kata)){ Return $kata; } //Cek_Rule_ilegal_Affiks If(preg_match(‘/^(kel)[[:alpha:]]+(i|kan)$/’,$kata)){ Return $kata; } If(preg_match(‘/^(se)[[:alpha:]]+(i|kan)$/’,$kata)){ Return $kata; } If(preg_match(‘/^(peng)[[:alpha:]]+(i|kan)$/’,$kata)){ Return $kata; } If(preg_match(‘/^(ter)[[:alpha:]]+(i|kan)$/’,$kata)){ Return $kata; }

//fungsi hapus Infiks/sisipan Function hapus_infiks ($kata){            $kataAsal = $kata;            If (preg_match(‘/^( g | j | I | s) (el)\S{1,}/’,$kata,$match)){                     $_kata=preg_replace(‘/el/’,”,$match[0]);                              {                              Return $_kata;                      }             }            Return $kataAsal; } // fungsi hapus kata ganti depan dan awalan asing Function hapus_pp_depan_awalan_asing($kata){            $kataAsal = $kata; If (preg_match(‘/^( ku | kau | mono | ultra | ekstra | hiper | sin) /’,$kata $kata_=preg_replace(‘/^( ku | kau | mono | ultra | ekstra | hiper | sin) /’,”,$kata;                      Return $kata_;             } Return $kataAsal; } // fungsi hapus akhiran Function hapus_akhiran($kata){             $kataAsal = $kata; If (preg_match(‘/( an | kan | i)$/’,$kata)){ $_kata=preg_replace(‘/(an | kan | i)$/’,”,$kata);              if (preg_match(‘/^[a-z]{1,3}$/’,$_kata)){//cek jumlah kata <4, maka return kata asli                      return $kata;              }             Return $_kata;         } Return $kataAsal; }

//penggalan fungsi hapus awalan if(preg_match(‘/^(be)\S{1,}/’,$kata)){ //identifikasi tipe awalan             if(preg_match(‘/^(be)[r](s)\S{1,}/’,$kata)){             $_kata=preg_replace ((‘/^(be) /’,$kata);                  {                  Return $_kata;            }       }                               if(preg_match(‘/^(ber)[aiueo]\S{1,}/’,$kata)){                  $_kata=preg_replace ((‘/^(ber)/’,’,$kata);                              {                              Return $_kata;                     }                $_kata=preg_replace ((‘/^(ber)/’,’r’,$kata);                             {                             Return $_kata;                     }             }            if(preg_match(‘/^(ter)[aiueo]\S{1,}/’,$kata)){                      $_kata=preg_replace ((‘/^(ter)/’,’,$kata);                              {                              Return $_kata;                     }                $_kata=preg_replace ((‘/^(ter)/’,’r’,$kata);                             {                             Return $_kata;                     }             }  Return $kataAsal; }

2.3 Tahapan ECSP (Enhanced Confix Stripping Porter)

          Gambar diatas menjelaskan tahapan sistem yang digunakan untuk proses ECSP (Enhanced Confix Stripping Porter).

2.4  Contoh Implementasi ECSP (Enhanced Confix Stripping Porter)

Berikut ini adalah term-term pada ECS dan Porter stemmer yang telah diperbaiki ECSP yaitu:

1.       Hasil perbaikan dengan menambahkan serapan awalan asing.

Term	ECSP
mahasiswa	siswa
paripurna	purna
antibiotik	biotik
caturtunggal	tunggal
swadaya	daya
poligami	poligam
prasangka	sangka
adipati	pati
demoralisasi	demoral

2.       Hasil perbaikan dengan menambahkan serapan akhiran asing

term	ECSP
honorer	honor
manusiawi	manusia
modernisme	modern
alamiah	alam
relawan	rela
mukminin	mukmin
finalisasi	final
standarisasi	standar
teknologi	tekno

3.       Perbaikan dengan menambahkan dan revisi aturan ECS

term	ECSP	ECS
pemungutan	pungut	mungut
dedaunan	daun	dedaunan
pemadaman	padam	madam
mengurangi	kurang	urang
menandai	tanda	tanda
memangkas	mangkas	mangkas
mengunjungi	kunjung	unjung
Mengembangkan	kembang	Kembang

4.       Hasil perbaikan term bentuk dasar kata gabungan

Term	ECSP
ditindaklanjuti	tindaklanjut
diujicoba	ujicoba
kewarganegaraan	warganegara
keanekaragaman	anekaragam
ditandatanganinya	tandatangan
berkerjasama	kerjasama
Berterimakasih	terimakasih
dibagihasilkan	bagihasil
dibebantugaskan	bebantugas

5.       Hasil perbaikan dengan menambahkan reduksi sisipan (infiks)

Term	ECSP
temurun	turun
geletar	getar
cemerlang	cerlang
reruntuh	runtuh
leluhur	luhur
kinerja	kerja
tinambah	tambah
gelembung	gembung
telunjuk	tunjuk

6.       Hasil perbaikan dengan menambahkan reduksi pronoun depan

Term	ECSP
kubelikannya	beli
kurasakannya	rasa
kupukuli	pukul
kaudengarkannya	dengar
kuperdengarkannya	dengar

2.5 Kelebihan dan Kekurangan ECSP (Enhanced Confix Stripping Porter)

Kelebihan:

1.       Dapat memperbaiki kesalahan-kesalahan stemmer dalam total term yang ada.

2.       Dalam hal kecepatan, ECSP dapat mengalahkan ECS dan porter dengan hasil selisih 6,7572 detik.

3.       ECSP dapat mereduksi 67% dari totalterm dapat mengalahkan keakuratan Porter Stemmer yang hanya dapat mereduksi 61% dari total term.

Kekurangan:

1.       ECSP tidak menggunakan algoritma pengecekan kamus kata dasar, sehingga dapat dimungkinkan selisih keakurasian kata kurang memuaskan.

BAB III

PENUTUP

3.1      Kesimpulan

ECSP (Enhanced Confix Stripping Porter) merupakan hasil perpaduan algoritma dan rule ECS dengan Porter. ECSP dapat memperbaiki kesalahan-kesalahan stemmer dalam total term yang ada. Dalam hal kecepatan, ECSP dapat mengalahkan ECS dan porter dengan hasil selisih 6,7572 detik. ECSP dapat mereduksi 67% dari total term  dan dapat mengalahkan keakuratan Porter Stemmer yang hanya dapat mereduksi 61% dari total term. Namun, ECSP tidak menggunakan algoritma pengecekan kamus kata dasar, sehingga dapat dimungkinkan selisih keakurasian kata kurang memuaskan.

3.2      Saran

Diharapkan untuk pembaca dapat mengembangkan stemming ECSP (Enhanced Confix Stripping Porter).

DAFTAR PUSTAKA

Alif, Muhammad. Penerapan kombinasi Metode Enhanced Confix Stripping dan Porter Stemmer terhadap Konten Bahasa Indonesia pada Research Indonesia Search Ingine. Skripsi Jurusan Teknik Informatika, Fakultas Teknik Universitas Trunojoyo Madura (UTM). 2012