EKSTRAKSI KATA KUNCI OTOMATIS UNTUK DOKUMEN BERBAHASA INDONESIA MENGGUNAKAN METODE GENITOR-PLUS EXTRACTOR (GenEx)

Gregorius Satia Budhi1, Agustinus Noertjahyana2, Risky Yuniarto Susilo3

1, 2, 3) Teknik Informatika Universitas Kristen Petra

Siwalankerto 121-131, Surabaya.

E-mail: greg@petra.ac.id, agust@petra.ac.id

Abstrak

Ekstraksi Kata Kunci Otomatis adalah sebuah aplikasi yang digunakan untuk menghasilkan sebuah daftar keyphrase / kata kunci secara otomatis. Algoritma utama yang digunakan adalah algortima GenEx yang dibuat oleh Turney, dengan beberapa penyesuaian karena digunakan untuk ekstraksi keyphrase dari artikel berbahasa Indonesia. Penyesuaian dilakukan pada proses stemming pada bagian Extractor dengan menggantinya mengunakan algoritma Porter Stemmer for Bahasa Indonesia yang dibuat oleh Tala. Penyesuaian perlu dilakukan karena kata dalam bahasa Indonesia memiliki tiga macam imbuhan (prefiks, infiks dan suffiks) sementara kata dalam bahasa Inggris hanya memiliki imbuhan dibelakang (suffiks). GenEx adalah algoritma yang memanfaatkan Algortima Genetika (Genitor) untuk membentuk sekelompok parameter yang digunakan saat mengekstrak kata kunci dari sebuah artikel didalam proses Extractor. Hasil pengujian nilai recall dari keyphrase yang di-generate terhadap kata kunci dari author bernilai rata - rata 60%. Sementara hasil pengujian oleh responden menunjukkan bahwa 95% responden menyatakan bila keyphrase yang di-generate dapat mewakili artikelnya. Kedua hasil menunjukkan bahwa aplikasi ini telah berhasil menggenerate kata kunci (keyphrase) yang sesuai dan dapat mewakili artikel yang diproses.

Kata kunci: Ekstraksi Kata Kunci Otomatis, Kata kunci, Algoritma GenEx, Porter Stemmer for Bahasa Indonesia, Dokumen Berbahasa Indonesia

Abstract

Automatic Keyword Extraction is an application used to generate a list of keyphrases / keywords automatically. The main algorithm that is used is GenEx by Turney, with some adjustments because it is used for keyphrase extraction from articles in Indonesian language. Adjustments are made on the process of stemming inside the Extractor part. It is replaced with “Porter Stemmer for Bahasa Indonesia” algorithm by Tala. Adjustments need to be made because the words in the Indonesian language has three kinds of affixes (prefix, infix and suffix) while the English word has only suffixes. GenEx is an algorithm that uses Genetic algorithms (Genitor) to form a group of parameters that are used when extracting keywords from an article in the Extractor. The test results of recall value for keyphrase that are generated by the application divided by the number of keyword author worth the average of 60%. While the results of testing by the respondents indicated that 95% of respondents said if the keyphrase that are generated could represent the article. Both results indicate that the application has been successfully generating the keywords (keyphrases) that are suitable and can represent the processed article.

Key words: Automatic Keyphrase Extraction, Keyphrase, GenEx algorithm, Porter Stemmer for Bahasa Indonesia, Indonesian Language Document

PENDAHULUAN

Proses pemberian daftar kata kunci (keywords / keyphrases) pada dokumen cukup sulit, terutama jika hal itu harus dilakukan kemudian oleh orang lain yang bukan pengarang dari dokumen, misal petugas perpustakaan online atau administrator web penyedia file dokumen makalah / paper. Oleh karena itu dibutuhkan suatu proses otomatis yang mampu mengekstraksi kata kunci secara langsung dari sebuah input dokumen. Disini kami menggunakan istilah keyphrase karena biasanya kata kunci diabuat dalama bentuk lebih dari 1 kata (frase).

Aplikasi yang dikembangkan pada penelitian ini adalah sebuah software yang dapat secara otomatis menghasilkan daftar kata kunci. Dimana daftar kata kunci tersebut mewakili poin-poin penting dari sebuah dokumen.

Algoritma yang digunakan dipenelitian ini adalah algoritma GenEx (Genitor Plus Extractor) yang telah disesuaikan agar tepat untuk ekstraksi kata kunci dari dokumen berbahasa indonesia. Penyesuaian dilakukan pada tahap stemming dari proses Extractor. Metode "Stemming by Truncation" pada proses ini diganti dengan metode "Porter Stemmer for Bahasa Indonesia" yang dibuat oleh F.Z. Tala pada tahun 2003.

TINJAUAN PUSTAKA

Text Mining

Text Mining dapat didefinisikan sebagai metode atau teknik komputasi pada data berbentuk teks guna menemukan informasi yang relevan, intrinsik dan tidak diketahui sebelumnya. Metode text mining dikelompokkan dalam empat kategori yaitu: clasification, clustering, association analysis dan information extraction [1].

Automatic Keyphrase Extraction

Automatic keyphrase extraction adalah sebuah proses untuk menghasilkan daftar keyphrase yang dapat mewakili poin-poin penting dari sebuah teks. Automatic keyphrase extraction adalah sebuah bentuk implementasi dari text mining. Proses kerja dari Automatic keyphrase extraction secara umum sama dengan proses kerja didalam text mining [2].

Algoritma genetika Genitor

Genitor yang merupakan akronim dari Genetic ImplemenTOR, adalah algoritma genetika steady-state, yang berbeda dengan banyak algoritma genetika lainnya. Algoritma genetika steady-state memperbaharui populasi hanya satu individu di satu waktu, mengakibatkan perubahan populasi yang terus menerus, dengan tidak ada beda generasi. Biasanya individu baru dengan fitnes terbaik menggantikan individu dengan fitnes terrendah [3]. Pseudo-code dari Genitor dapat dilihat pada Gambar 1.

GENITOR (P)

create population of size P

while not (termination condition)

select two parents

breeds a single offspring by

(optional) crossover followed by

mutation O

evaluate least-fit chromosome by O

replace the least-fit member of the

population

output fittest kromosom

Gambar 1. Pseudo-code Genitor [3]

Algoritma ekstraksi keyphrase

Extractor

Extractor akan mengambil sebuah dokumen sebagai input dan menghasilkan daftar keyphrase sebagai output. Extractor mempunyai dua belas parameter yang akan mempengaruhi pemrosesan dokumen teks input [2]. Parameter - parameter tersebut dapat dilihat pada Tabel 1.

Tabel 1. Daftar Parameter pada Extractor [2]

Deskripsi

Maks frase di daftar frase akhir

5 * NUM_PHRASES Faktor dua kata dalam satu frase

Faktor tiga kata dalam satu frase

Peringkat yang rendah harus memiliki Kata yang lebih penjang dari nilai ini

Kata yang pendek harus memiliki peringkat lebih dari nilai ini

Definisi posisi kata yang ditemukan lebih awal Definisi posisi kata yang ditemukan lebih akhir Penghargaan untuk kata yang ditemukan lebih awal

Penalti untuk kata yang

ditemukan lebih akhir

Maksimum karakter panjang stem

Flag untuk suppres proper nouns

Di dalam Extractor terdapat sepuluh langkah seperti terlihat pada Gambar 2.

sampai 1050 percobaan / individu (nilai default). Setiap individu adalah parameter pengaturan Extractor yang ditentukan dalam binary string. Fitness cost tiap binary string dihtung menggunakan rumus 1 sampai dengan 7 untuk seluruh training set. Output akhir dari Genitor adalah nilai tertinggi binary string. Output ini nantinya digunakan pada proses Extractor di saat pemakaian aplikasi [4].

Perhitungan fitness cost didapatkan dari rumus perhitungan di bawah ini [4]:

total_matches = jumlah frasa yang sama antara GenEx

dan manusia (author)      (1)

total_machine_phrases = jumlah output frasa yang

dihasilkan dari proses GenEx         (2)

precision = total_matches / total_machine_phrases (3) num_docs = jumlah dokumen yang digunakan sebagai

training set          (4)         

total_desired = num_docs * NUM_PHRASES          (5)         

penalty = (total_machine_phrases / total_desired)2            (6)         

fitness = precision * penalty          (7)         

Tabel 2. Sepuluh Parameter Extractor yang

diatur oleh Genitor [4]

Nama Parameter              Tipe       Range    Jml Bit

FACTOR_TWO_ONE        real        [1, 3]     8

FACTOR_THREE_ONE      real        [1, 5]     8

MIN_LENGTH_LOW_RANK           real        [0.3, 3.0]             8

MIN_RANK_LOW_LENGTH           integer  [1, 20]   5

FIRST_LOW_THRESH       integer  [1, 1000]              10

FIRST_HIGH_THRESH       integer  [1, 4000]              12

FIRST_LOW_FACTOR       real        [1, 15]   8

FIRST_HIGH_FACTOR      real        [0.01, 1.0]           8

STEM_LENGTH   integer  [1, 10]   4

SUPRESS_PROPER            boolean               [0, 1]     1

Total Panjang Bit dalam Binary String:       72

Faktor penalty bervariasi antara 0 dan 1. Faktor penalty tidak mempunyai efek (jika 1) ketika jumlah frase yang keluar sebagai output dari GenEx sama dengan jumlah frase yang diinginkan. Penalty didapat (mendekati 0) dari pangkat hasil pembagian antara jumlah frase yang keluar sebagai output dari GenEx dengan jumlah frase yang diinginkan. Eksperimen preliminary pada data training menetapkan ukuran fitness yang membantu GenEx untuk menemukan nilai parameter dengan rata-rata ketepatan yang tinggi dan kepastian frase sebanyak NUM_PHRASES akan keluar sebagai output.

Genitor dijalankan dengan Selection Bias of 2.0 dan Mutation Rate of 0.2. Ini adalah pengaturan default untuk Genitor. Pada

Genitor digunakan Adaptive Mutation Operator dan Reduced Surrogate Crossover Operator. Adaptive Mutation menentukan tingkatan mutasi yang sesuai untuk seorang children menurut hamming distance antara kedua parent; semakin sedikit perbedaan, lebih tinggi tingkat mutation rate. Reduced Surrogate Crossover pertama mengidentifikasi semua posisi di mana terjadi perbedaan pada parent string. Poin-poin crossover hanya diijinkan untuk terjadi pada posisi ini [4].

Stemming

Stemming adalah proses pemetaan dan penguraian berbagai bentuk (variants) dari suatu kata menjadi bentuk kata dasarnya [5]. Proses ini juga disebut sebagai conflation. Proses Stemming membuat bentuk sebuah kata menjadi kata dasarnya. Metode umum untuk stemming adalah menggunakan kombinasi dari analisa morphological [6].

Porter Stemmer for Bahasa Indonesia

Porter Stemmer for Bahasa Indonesia dikembangkan oleh Fadillah Z. Tala pada tahun 2003. Implementasi Porter Stemmer for Bahasa Indonesia berdasarkan English Porter Stemmer yang dikembangkan oleh M.F. Porter pada tahun 1980. Karena bahasa Inggris datang dari kelas yang berbeda, beberapa modifikasi telah dilakukan untuk membuat Algoritma Porter dapat digunakan sesuai dengan bahasa Indonesia [7]. Desain dari Porter Stemmer for Bahasa Indonesia dapat dilihat pada Gambar 3.

Implementasi dari algoritma ini telah dioptimasi untuk digunakan pada text mining oleh penulis dan hasilnya telah dipublikasikan sebelumnya [8].

Gambar 3. Blok diagram dari Porter

Pada Gambar 3 terlihat beberapa langkah 'removal' menurut aturan yang ada pada tabel 3 sampai dengan tabel 7.

Tabel 3. Kelompok rule pertama : inflectional particles [7]

Suffix     Replacement      Measure

Condition            Additional

Condition            Examples

kah         NULL     2             NULL     bukukah →

buku

lah          NULL     2             NULL     adalah →

ada

pun        NULL     2             NULL     bukupun →

buku

Tabel 4. Kelompok rule kedua :inflectional

possesive pronouns [7]

Suffix     Replacement      Measure

Condition            Additional

Condition            Examples

ku           NULL     2             NULL     bukuku → buku

mu         NULL     2             NULL     bukumu → buku

nya         NULL     2             NULL     bukunya → buku

Tabel 5. Kelompok rule ketiga: first order of

derivational prefixes [7]

meny     s             2

men       NULL     2

2 2 2 2

pen        NULL     2

pem       p             2

pem       NULL     2

di            NULL     2

ter          NULL     2

ke           NULL     2                            V... NULL NULL NULL NULL                         pemilah → pilah pembaca → baca diukur → ukur tersapu → sapu kekasih → kasih

                                                           

                                                           

                                                           

                                                           

Tabel 6. Kelompok rule keempat: second

order of derivational prefixes [7]

Prefix     Replacement      Measure

Condition            Additional

Condition            Examples

ber         NULL     2             NULL     berlari → lari

bel          NULL     2             Ajar        belajar →

ajar

be           NULL     2             K* er...  bekerja →

kerja

per         NULL     2             NULL     perjelas →

jelas

pel          NULL     2             Ajar        pelajar →

ajar

pe           NULL     2             NULL     pekerja →

kerja

Tabel 7: Kelompok rule kelima: derivational

suffixes [7]

kan         NULL     2             (meng)ambilkan

Prefix ∉ {ke,        tarikkan → tarik

peng}     → ambil

makanan →

an           NULL     2             Prefix ∉ {di,

meng, ter}           (per)janjian →

makan janji

NULL     2             and prefix ∉

c1 ≠ s, s2 ≠ i V|K...c1c1,

{ber, ke,

peng}     pantai → panta

tandai → tanda (men)dapati → dapat

Stemmer for Bahasa Indonesia [7]             Frase dalam bahasa Indonesia

Frase adalah bagian kalimat yang terdiri atas dua kata atau lebih yang tidak melebihi batas fungsi. Misalnya: akan datang, kemarin pagi, yang sedang menulis. Artinya satu frase maksimal hanya menduduki gatra subjek (S), predikat (P) atau objek (O) atau keterangan (K).

Perbedaan antara frase dalam Bahasa Indonesia dengan frase dalam Bahasa Inggris bukanlah perbedaan yang mencolok dan tanpa pola [9].

DISAIN APLIKASI

Berikut pada Gambar 4 dapat dilihat use case diagram dari aplikasi yang dibuat.

Gambar 4. Diagram Use Case dari aplikasi

Ekstraksi Kata Kunci Otomatis Berikut pada Gambar 5 sampai dengan Gambar 8 dapat dilihat diagram activity dari masing - masing use case.

Gambar 5. Diagram activity dari use case

Open Document

Open document memungkinkan user untuk melihat isi dokumen atau memilih dokumen yang ingin dicari keyphrase-nya. Proses open document akan mentransfer dokumen berbentuk *,doc / *.pdf untuk menjadi teks. Teks yang terbentuk akan dikenai proses selanjutnya.

Do Extractor Process adalah implementasi dari algoritma Extractor. Proses yang dilakukan kurang lebih sama dengan sepuluh langkah pada algoritma Extractor, namun dengan sedikit penyesuaian karena digunakan untuk mengekstrak dokumen berbahasa Indonesia. Langkah - langkah tersebut adalah sebagai berikut:

Langkah 1: Find Single Stems

Hal pertama yang dilakukan pada langkah ini adalah membuat daftar kata-kata dari teks input. Jika kata kurang dari 3 huruf maka hapus kata tersebut kecuali kata memiliki kapitalisasi pattern stem yang menunjukkan sebuah singkatan. Penghapusan ini dilakukan dengan asumsi bahwa kata kurang dari 3 huruf tidak memiliki arti penting. Setelah itu hapus stopword menggunakan daftar stopword yang disediakan pada paper dari Tala [7]. Proses selanjutnya adalah Stemming. Di dalam algoritma GenEx, stemming dilakukan dengan cara memotong kata sesuai dengan nilai STEM_LENGTH (metode stemming by truncation) dengan tujuan mempercepat proses. Namun metode ini tidak cocok bila

diterapkan untuk bahasa Indonesia. Alasannya adalah karena kata dalam bahasa Indonesia memiliki imbuhan di depan (prefiks), belakang (suffiks), sisipan (infiks) atau gabungan ketiganya, sementara kata dalam bahasa inggris hanya memiliki imbuhan dibelakang (suffiks). Oleh sebab itu proses stemming pada langkah ini dirubah menggunakan algoritma "Porter Stemmer for Bahasa Indonesia" [7] yang kemudian telah dioptimasi oleh penulis untuk diimplementasikan pada text mining [8]. Hasil implementasi tersebut digunakan pada penelitian ini.

Langkah 2: Score Single Stems

Pada langkah ini dihitung seberapa sering sebuah stem tunggal ada di dalam teks, dan catat dimana kata tersebut pertama kali ditemukan. Setelah itu, berikan skor untuk setiap stem tunggal. Skor adalah jumlah berapa kali stem tunggal tersebut muncul di dalam teks dikalikan dengan sebuah faktor. Jika stem tunggal pertama kali ditemukan sebelum FIRST_LOW_THRESH, maka kalikan frekuensi tersebut dengan FIRST_ LOW_FACTOR. Jika stem tunggal pertama kali ditemukan sesudah FIRST_HIGH_ THRESH, maka kalikan frekuensi tersebut dengan FIRST_HIGH_FACTOR.

Langkah 3: Select Top Single Stems

Langkah ketiga adalah merangking nilai tiap stem tunggal dari skor tinggi ke skor rendah dan buat daftar top stem tunggal sebanyak NUM_WORKING.

Pomotongan daftar stem tunggal sebanyak NUM_WORKING untuk mengatasi agar stem tunggal di dalam daftar tidak terlalu banyak sehingga dapat meningkatkan efisiensi Extractor. Pemotongan juga sebagai penyaring untuk menghapuskan stem tunggal dengan kualitas rendah.

Langkah 4: Find Stem Phrases

Pada langkah ini dibuat daftar semua frase yang ada di input teks. Sebuah frase didefinisikan sebagai kumpulan dari satu, dua, atau tiga kata yang teratur di dalam teks, dan tidak terdapat stopword atau batasan frase (tanda baca). Setelah itu dilakukan stemming setiap frase dengan memotong tiap kata di dalam frase menjadi root word.

Extractor hanya mempertimbangkan frase dengan satu, dua, atau tiga kata karena Frase dengan empat kata atau lebih sangat jarang.

Extractor tidak mempertimbangkan frase dengan stopword didalamnya, karena author cenderung menghindari keyphrase dengan stopword didalamnya.

Langkah 5: Score Stem Phrases

Pada langkah kelima dilakukan perhitungan seberapa sering setiap stem frase muncul di teks dan catat dimana stem frase tersebut pertama kali muncul. Tetapkan skor untuk setiap stem frase, dengan cara yang sama dengan langkah kedua, dengan menggunakan parameter FIRST_LOW_FACTOR, FIRST_ LOW_THRESH, FIRST_HIGH_FACTOR, dan FIRST_HIGH_THRESH. Selanjutnya buat penyesuaian untuk setiap skor, berdasarkan jumlah stem kata dari tiap frase. Jika hanya ada satu stem tunggal di dalam frase, maka tidak dilakukan apa-apa. Jika terdapat dua stem tunggal dalam frase, kalikan skor dengan FACTOR_TWO_ONE. Jika terdapat tiga stem tunggal dalam frase, kalikan skor dengan FACTOR_THREE_ONE.

Langkah 6: Expand Single Stems

Pada langkah keenam, untuk setiap stem dalam daftar top stem tunggal sebanyak NUM_WORKING dicari nilai tertinggi stem frase dari satu, dua, atau tiga stem yang berisi stem tunggal tersebut. Hasilnya adalah daftar stem frase sebanyak NUM_WORKING. Simpan daftar ini dan susun sesuai dengan ranking skor yang dihitung di langkah 2.

Langkah 7: Drop Duplicates

Pada langkah ketujuh dilakukan penghapusan stem frase yang memiliki duplikat pada daftar top NUM_WORKING. Misalnya, dua stem tunggal mungkin diperluas menjadi stem frase yang terdiri dari dua kata. Hapus duplikat dari daftar peringkat NUM_WORKING stem frase, dan pertahankan peringkat tertinggi frase.

Langkah 8: Add Suffixes

Untuk masing-masing dari sisa stem frase, temukan frase yang paling sering muncul di seluruh input teks. Misalnya, jika "penggalian data" sepuluh kali muncul dalam teks dan "menggali data" muncul tiga kali, maka "penggalian data" lebih sering sesuai untuk stem frase "gali data". Di dalam bahasa Indonesia kata dapat memiliki prefiks, suffiks, atau kombinasi dari keduanya (confixes). Maka dari itu pada langkah ini kata

dikembalikan ke bentuk awal, yaitu dengan penambahan prefiks, suffiks, atau kombinasi dari keduanya (confixes). Jadi sebenarnya langkah ini lebih tepat bila dinamakan "Add Affixes".

Di dalam metode automatic keyphrase extractor dokumen berbahasa Inggris jika ada frase yang memiliki kata dengan suffiks, yang menunjukkan kemungkinan menjadi kata sifat (adjective), maka frekuensi untuk seluruh frase diatur ke nol. Juga, jika ada frase yang memiliki kata yang menunjukkan kemungkinan kata kerja (verb), frekuensi untuk frase diatur ke nol.

Pada bahasa Indonesia teknik untuk mendeteksi kemungkinan kata sifat dan kata kerja berbeda dengan dalam bahasa Inggris, Oleh sebab itu didalam aplikasi ini digunakan tabel kata sifat dan kata kerja yang terdapat pada database kamus elektronik Indonesia. Bila ditemukan maka frekuensi dari frase-nya diatur ke nol.

Langkah 9: Add Capitals

Dilangkah kesembilan dicari kemungkinan terbaik untuk proses kapitalisasi pada seluruh frase yang ada. Istilah terbaik didefinisikan sebagai berikut: Untuk setiap frase, temukan proses kapitalisasi dengan jumlah kapital paling sedikit. Dari aturan ini kandidat terbaik adalah frase yang hanya berisi satu kata. Untuk frase yang terdiri dari dua atau tiga kata, disebut terbaik (best) di dalam kapitalisasi jika konsisten.

Langkah 10: Final Output

Pada langkah sepuluh diambil sejumlah frase yang telah dirangking sebayak NUM_WORKING dari rangking tertinggi. Selanjutnya adalah menampilkan daftar output, frase sebanyak NUM_PHRASES yang paling baik. Untuk mendapatkan hal itu setiap frase akan melewati tes berikut:

(1)          frase tidak memiliki kapitalisasi dari kata benda, kecuali flag SUPPRESS_PROPER diatur ke 1 (jika 1 kemungkinan kata benda).

(2)          frase sebaiknya tidak memiliki kemungkinan yang menunjukkan kata sifat.

(3)          frase harus lebih panjang daripada MIN_LENGTH_LOW_RANK, dimana panjang diukur oleh rasio jumlah karakter dalam kandidat frase dengan jumlah karakter di rata-rata frase, dimana rata-rata dihitung untuk semua frase di input teks

yang terdiri dari satu sampai tiga kata non-stopword yang berturut-turut.

(4)          jika lebih pendek dari frase MIN_LENGTH_LOW_RANK, maka frase tersebut masih dapat diterima, jika peringkatnya di daftar kandidat frase lebih

baik        daripada

MIN_RANK_LOW_LENGTH.

(5)          jika kata gagal di kedua tes (3) dan (4), ia masih dapat diterima, jika kapitalisasi pattern stem menunjukkan bahwa mungkin sebuah singkatan.

(6)          frase tidak boleh mengandung apapun kata yang sering digunakan sebagai kata kerja.

(7)          frase seharusnya tidak sama dengan isi daftar stop-phrase.

Frase yang ditampilkan harus lulus tes (1), (2), (6), (7), dan sekurang-kurangnya salah satu tes (3), (4), dan (5). Bila jumlah frase yang lolos tes lebih banyak dari jumlah NUM_PHRASE maka hanya frase rangking 1 sampai dengnan NUM_PHRASE yang ditampilkan.

Langkah 11: Display Result

Pada langkah ini hasil dari langkah 10 ditampilkan ke pada user. Selanjutnya user dapat memilih keyphrase mana yang digunakan dan mana yang dihapus.

Gambar 7. Diagram activity dari use case Save Keyphrase

Pada aktifitas ini hasil keyphrase yang telah dipilih oleh user beserta dokumennya disimpan dengan bentuk file text (*.txt).

Gambar 8. Diagram activity dari use case Do

GenEx Process

Pada aktifitas Do GenEx Process dilakukan proses yang sama persis dengan proses GenEx yang telah dijelaskan sebelumnya pada bab Tinjauan Pustaka.

ANTAR MUKA APLIKASI

Pada Gambar 9 dilihat tampilan antar muka awal dari aplikasi yang dibuat di penelitian ini.

Gambar 9. Antar muka awal setelah proses

open dokumen dilakukan oleh user

Setelah melewati 9 step yang ada dengan cara menekan tombol 'next' maka kepada user akan disajikan hasil dari ekstraksi otomatis kata kunci dari dokumen yang diproses. Tampilan antar muka 'Final Result' dapat dilihat pada Gambar 10.

PENGUJIAN

Ada tiga macam pengujian yang dilakukan pada penelitian ini, yaitu:

1. Pengujian waktu proses learning GenEx. Pengujian ini dilakukan saat Genitor bekerja untuk mengoptimasi parameter Extractor. Sementara untuk proses Extractor karena sangat cepat maka tidak perlu diuji. Hasil pengujian dapat dilihat pada Gambar 11.

Gambar 11. Hasil pengujian waktu proses

GenEx

Dari hasil pengujian terlihat bahwa semakin banyak jumlah dokumen sample yang ikut dalam proses learning GenEx dan semakin besar populasi, maka semakin lama pula waktu prosesnya. Namun waktu proses learning ini masih dibawah 1 jam untuk 70 dokumen dengan maks 150 populasi (10500 kali proses).

20           Ya           Ya           -              V

95%       85%       10%       90%

Dari pengujian dapat dilihat bahwa hampir semua responden beranggapan bahwa keyphrase yang dihasilkan aplikasi memiliki arti yang jelas dan dapat mewakili artikel. Responden juga berpendapat bahwa kata kunci yang digenerate dengan parameter hasil learning GenEx lebih baik dari parameter default.

KESIMPULAN

Dari pengujian dapat dilihat bahwa nilai recall dari aplikasi cukup baik (60%), sehingga dapat disimpulkan bahwa keyphrase yang dihasilkan aplikasi dapat membantu user untuk membuat kata kunci dari sebuah artikel. Hal ini didukung pula dengan hasil dari pengujian responden dimana 95% responden beranggapan bahwa keyphrase yang digenerate oleh aplikasi dapat mewakili artikelnya. Selain itu dari uji kecepatan proses GenEx, dapat disimpulkan bahwa proses GenEx masih dapat ditolerir waktunya mengingat proses ini hanya dilakukan sekali saja untuk kurun waktu lama. Proses GenEx baru dilakukan lagi bila ada penambahan jumlah dokumen sample yang cukup signifikan dan dianggap dapat merubah parameter yang dihasilkan.

DAFTAR PUSTAKA

[1]          Prado HA, Ferneda E. Emerging Technologies of Text Mining: Techniques and Applications. New York: Information Science Reference. 2008.

[2]          Turney PD. Learning to Extract Keyphrases from Text. National Research Council, Institute for Information Technology, Technical Report ERB-1057. 1999.

[3]          Whitley D. The GENITOR algorithm and selective pressure. Proceedings of the Third International Conference on Genetic Algorithms (ICGA-89): 116-121. California: Morgan Kaufmann. 1989.

[4]          Turney PD. Learning algorithms for keyphrase extraction. Information Retrieval, 2 (4): 303-336. (NRC #44105). 2000.

[5]          Porter MF. An algorithm for suffix stripping. Program, 14(3): 130-137. 1980.

[6]          Chakrabarti S. Mining the Web: Discovering Knowledge from Hypertext Data. Morgan Kaufmann Publishers. 2003.

[7]          Tala FZ. A Study of Stemming Effects on Information Retrieval in Bahasa Indonesia. Master of Logic Project. Institute for Logic, Language and Computation Universeit Van Amsterdam. 2003.

[8]          Budhi GS., Gunawan I., Yuwono F. Algortima Porter Stemmer For Bahasa Indonesia Untuk Pre-Processing Text Mining Berbasis Metode Market Basket Analysis. PAKAR Jurnal Teknologi Informasi Dan Bisnis vol. 7 no. 3. November 2006.

[9]          Depdiknas. Panduan materi bahasa dan sastra Indonesia SMK. Depdiknas. 2003.