Tutorial Teknologi Kuliah

Wednesday, 3 May 2017

Tutorial dan Contoh Perhitungan AHP

Analytical Hierarchy Process (AHP) adalah suatu metode pengambilan keputusan dengan melakukan perbandingan berpasangan antara kriteria pilihan dan juga perbandingan berpasangan antara pilihan yang ada. Permasalahan pengambilan keputusan dengan AHP umunya dikomposisikan menjadi kriteria, dan alternative pilihan.

Contoh permasalahan:
Bagian terpenting dari proses analisis adalah 3 (tiga) tahapan berikut:
1. Nyatakan tujuan analisis: Memilih mobil baru
2. Tentukan kriteria: style, kehandalan, dan konsumi bahan bakar
3. Tentukan alternative pilihan: Avansa, Xenia, Ertiga, Grand Livina
Informasi ini kemudian disusun membentuk pohon bertingkat
Pembentukan Pohon Bertingkat

Informasi yang ada kemudian di-sintesis untuk menentukan peringkat relative dari alternative pilihan yang ada. Kriteria dari jenis qualitative dan quantitative dapat diperbandingkan menggunakan informed judgement untuk menghitung bobot dan prioritas.

Bagaimana menentukan tingkat kepentingan relative dari kriteria yang ada?

Hal ini dapat dilakukan dengan judgement untuk menentukan peringkat dari kriteria. Dalam sebuah sistem berbasis AHP, judgement ini diberikan oleh user pengguna sistem dan dilakukan pada saat user bermaksud melakukan proses AHP dan melihat rekomendasi.

Misalnya:
1. Kehandalan 2 kali lebih penting dari style
2. Style 3 kali lebih penting dari konsumsi bahan bakar
3. Kehandalan 4 kali lebih penting dari konsumsi bahan bakar

Selanjutnya dengan pairwise comparison (perbandingan berpasangan), tingkat kepentingan satu kriteria dibandingkan dengan yang lain dapat diekspresikan.

Nilai yang digunakan:
1: equal
2: moderate
3: strong
4: very strong
5: extreme

Dari judgement di atas bisa dibuatkan tabel perbandingan berpasangan sebagai berikut:
Preferensi User

Bagaimana mengubah matrik berpasangan ini menjadi peringkat dari kriteria? Jawabannya: Eigenvector

Berikut cara untuk mencari solusi eigenvector:
1. Cara komputasi yang singkat yang bisa digunakan untuk mendapatkan peringkat adalah dengan menggunakan matrik berpasangan ini sebagai sebagai dasar penghitungan kuadrat matrik berpasangan setiap saat.
2. Jumlah setiap baris dihitung dan dinormalisasi
3. Perhitungan dihentikan apabila perbedaan dari jumlah-jumlah ini dalam dua penghitungan yang berturutan lebih kecil dari suatu angka.

Tahan 1: Kuadratkan Matrik Berbasangan

Tahap 2: Hitung Eigenvector pertama

1. Jumlahkan baris
2. Jumlahkan jumlah dari baris-baris yang ada
3. Normalisasi nilai jumlah dari masing-masing baris

Angka normalisasi pertama yang sebesar 0.3194 didapatkan dengan membagi angka 12.75/39.9165

Jadi eigenvector yang pertama adalah:

Proses ini terus diulang: kuadrat, jumlahkan, dan normalisasikan

Dikuadratkan, dijumlah, dan dinormalisasi menjadi:

Jadi eigenvector yang kedua adalah:

Perbedaannya memang sudah kecil, apalagi kalau dihitung satu putaran lagi:

Apa arti nilai eigenvector ini? Melihat pada nilai dari eigenvector bisa dikatakan bahwa:
kriteria yang pertama adalah peringkat nomor 2 terpenting,
kriteria yang kedua adalah peringkat 1 terpenting, dan
kriteria yang ketiga adalah peringkat nomor 3 terpenting

Berikut adalah pohon dengan bobot pada kriterianya:

Selanjutnya, bagaimana menentukan peringkat alternative pilihan?

Untuk alternative pilihan, juga dilakukan perbandingan berpasangan terhadap kriteria masing-masing. Judgement dalam proses ini umumnya dilakukan berbasis pada data/informasi tentang alternative pilihan (quantitative approach) atau kalau tidak tersedia data/informasi tersebut, dapat dilakukan dengan judgement dari pakar terkait pemilihan alternative tersebut (qualitative approach).

Di dalam sebuah sistem, proses untuk menentukan nilai kriteria dari masing-masing alternative pilihan dan perhitungan peringkat dilakukan pada saat melakukan entry dan edit data variabel dan kriteria alternative pilihan.

Dalam kasus ini, yang memberikan judgement untuk kriteria style dan kehandalan adalah pakar tentang mobil dengan informasi bersifat qualitative.

Style

Kehandalan
Perbandingan Alternatif Thd Kriteria 02

Dari matrik ini dihitung eigenvector, untuk menentukan peringkat dari alternative pilihan untuk masing-masing kriteria.

Peringkat Style
Eigen Vector Kriteria 01

Peringkat Kehandalan
Eigen Vector Kriteria 02

Untuk kriteria konsumsi bahan bakar, ditentukan dengan informasi yang bersifat quantitative sebagai berikut:
Konsumsi Bahan Bakar
Eigen Vector Kriteria 03 Berupa Bobot

Dengan menormalisasi informasi bersifat quantitative, akan bisa didapatkan peringkat konsumsi bahan bakar untuk masing-masing alternative pilihan.

Dengan demikian bobot kriteria dan alternative pilihan sudah terlengkapi, sehingga pohon keputusan tergambar menjadi:

Pembentukan Pohon Bobot Kriteria dan Alternatif

Untuk mendapatkan hasil keputusan, masing-masing bobot untuk alternative pilihan dikalikan dengan bobot dari kriteria dalam bentuk perkalian matrik sebagai berikut:
Perhitungan AHP 01

Sehingga perhitungan untuk mobil Avanza keseluruhan nilai masing-masing alternative pilihan adalah sebagai berikut:
Perhitungan AHP 02 dan Hasil AHP

Sehingga pilihan yang paling bagus untuk kasus pengambilan keputusan ini adalah mobil dengan tipe Grand Livina.

Pagu Penerimaan Mahasiswa Baru dan Besaran Uang Kuliah Tunggal Universitas Trunojoyo Madura

utm

informasi anak utm 19:52 0

Keputusan Rektor Tentang Pagu Penerimaan Mahasiswa Baru Universitas Trunojoyo Madura Tahun Akademik 2017/2018 file dapat di unduh di SK PAGU

Keputusan Rektor Tentang Besaran Uang Kuliah Tunggal Bagi Mahasiswa Baru Universitas Trunojoyo Madura Tahun Akademik 2017/2018 file dapat di unduh di SK UKT

Cara Mengetahui Jumlah Pengunjung/Visitor Blog Orang Lain

wordpress

informasi anak utm 16:13 0

Saya akan berbagi bagaimana caranya melihat atau mengetahui jumlah pengunjung blog orang lain, sekaligus mengetahui jumlah pendapatan dari iklan atau adsense serta mengetahui alexa rank, dan segala sesuatu yang berkaitan dengan blog tersebut, dari tanggal di buatnya hingga masa berakhirnya domain yang dibeli (khusus domain TLD). Nama situs web yang menyediakan cara tersebut adalah Statshow, Setelah kalian masuk ke web tersebut, kalian masukkan url atau alamat blog yang ingin di tracking seperti gambar di bawah ini :

Demikian tutorial kali ini, semoga bermanfaat ^_^

Inilah Penyebab Smartphone Android Lemot

Tips and Trick

informasi anak utm 09:02 2

Ada beberapa penyebab Hp Android anda Lemot (Lambat), yaitu:

1. Terlalu Banyaknya Aplikasi yang Terpasang

Setiap hari banyak aplikasi baru yang menarik muncul, sehingga muncul hasrat untuk install aplikasi tersebut. Tanpa disadar ketika terlalu asik mengistall banyak aplikasi, ponsel atau hp Netter pun menjadi super lambat alias lemot disebabkan RAM diponsel anda hampir penuh.

2. Penuhnya atau Menumpuknya Chache Pada Ponsel Adroid

Kebiasaan Netter yang lain ialah ketika chatting dan browsing selalu membiarkan riwayat atau history pada browser. Ini adalah salah satu penyebab Hp Android anda Menjadi Lemot di karenakan terkumpulnya semua chache di RAM sehingga berpengaruh dalam kecepatan pengoperasian Android Netter.

3. Ketidaksesuaian RAM dan Processor dengan Versi Android .

Tips dari Admin agar Hp Android Netter tidak lemot alias dapat beroperasi dengan lancar, yaitu:

Baca Juga : Cara Merawat Hp Android Agar tidak Lemot

1. Kurangi aplikasi yang tidak terlalu penting atau jarang digunakan sehingga proses booting dan kinerja dari si Android dapat beroperasi dengan lancar, sebab tadi sudah dijelaskan di atas terlalu banyak Aplikasi dapat menyebabkan HP Android Netter Lemot.

2. Jangan gunakan fitur MultiTasking (membuka banyak aplikasi dalam waktu bersamaan). Terkadang Netter tidak mengetahui apakah aplikasi yang baru aja kita tutup apakah sudah tertutup atau masih aktif. Jadi sering-sering cek ya di fitur MultiTasking yang ada di Android Netter, jika ada aplikasi yang tidak digunakan silahkan tutup agar dapat mengurangi resiko terjadinya Lemot pada Hp Android Netter.

3. Kurangi penggunaan penyimpanan data di memory internal. Kadang Netter sendiri tidak mengetahui apakah aplikasi yang Netter install di simpan di memory internat atau external. Untuk mengetahuinya Netter dapat melihatnya di pengaturan Aplikasi yang terdapat di Android Netter masing-masing. Jika Memory internalnya sudah hampir penuh ataubahkan penuh, inilah penyebabnya Hp Android Netter menjadi Lemot alias lola(lambat). Untuk mengatasinya Netter dapat menghapus beberapa aplikasi yang sudah terinstall di Android Netter. Jika Netter tidak ingin menghapus aplikasi yang sudah terinstall, Netter dapat memanfaatkan memory eksternal dengan memindahkan data aplikasinya.

4. Gunakan Aplikasi penghapus Chache

Cara Merawat Hp Android Agar Awet dan Tidak Lemot

Tips and Trick

informasi anak utm 08:58 2

Zaman makin modren dan semua barang elektronik pun makin canggih, salah satunya yaitu Smartphone. Smartphone adalah sebutan bagi ponsel pintar yang memiliki sistem operasi Android yang dapat mengerjakan banyak hal dan dapat membantu kegiatan sehari-hari manusia. Sekarang banyak vendor-vendor ponsel menciptakan Smartphone yang memiliki kualitas bagus dengan harga yang murah. Namun, terkadang banyak orang yang minim akan pengetahuan bagaimana cara merawat smartphone android agar awet dan tidak lemot.

Dikarenakannya minimnya informasi bagaimana cara merawat smartphone android agar awet dan tidak lemot mereka pun selalu berhati-hati dalam penggunaan smartphone android tersebut. Nah admin harap dengan artikel ini sobat dapat menerapkannya di smartphone android yang sobat punya.

Berikut ini adalah Tips dan Cara Merawat Android agar awet dan tidak lemot

1. Rawat Sector Body atau Tubuh Smartphone anda

Cara merawat smartphone yang paling umum untuk menjaga kemulusan body. Dengan memakai pelindung smartphone berupa case. Untuk layar Smartphone, gunakan screen protecktor untuk melindungi layar agar tidak mengalami goresan yang dapat membuat efek jelek pada msratphone sobat. Semua itu dilakukan bertujuan agar Smartphone Android sobat awet dan dahan lama jika terjadi sebuah insiden smartphone jatuh atau terkena air.

Baca Juga : Penyebab Android Lemot

2. Perawatan Pada Sofware(Sector Sofware)

Perawatan pada bagian sofware ini kita harus memperhatikan dalah hal
a.Perhatikan spesifikasi dan kapasitas penyimpanan (Memory internal dan Ram) pada Smartphone anda.

b.Installah aplikasi pada Smartphone yang hanya di butuhkan. Sebab, terlalu banyak aplikasi dapat menyebabkan Smartphone Android sobat lemot.

c.Hati-hatilah dalam penginstallan aplikasi untuk Smartphone Android sobat. Sebab, banyak aplikasi di luar sana yang tidak aman. Jadi, install aplikasi pilihan anda yang bersumber dari “Google Play Store”.

d.Install aplikasi antivirus yang terpercaya menurut anda.

3.Perawatan Pada Baterai

a.Gunakan selalu charger asli /original yang didapat ketika membeli Smartphone.

b.Biasakan mencharger smartphone ketika isi batrai benar-benar habis dan diharuskan untuk menchargernya.

c.Hindarkan tempat yang memiliki suhu tinggi atau panas ketika mencharger Smartphone.

d.Jika sering menggunakan powerbank, setidaknya seminggu sekali anda mencharger menggunakan device charger bawaan dari Smartphone sampai penuh.

Perbedaan Stemming Bahasa Indonesia dengan Algoritma Nazief dan Andriani

Kuliah

informasi anak utm 15:36 0

Stemming merupakan bagian yang tidak terpisahkan dalam Information Retrieval (IR). Tidak banyak algoritma yang dikhususkan untuk stemmingbahasa Indonesia dengan berbagai keterbatasan didalamnya. Algoritma Porter salah satunya, Algoritma ini membutuhkan waktu yang lebih singkat dibandingkan dengan stemming menggunakan Algoritma Nazief & Adriani, namun proses stemming menggunakan Algoritma Porter memiliki prosentase keakuratan (presisi) lebih kecil dibandingkan dengan stemming menggunakan Algoritma Nazief & Adriani. Algoritma Nazief & Adriani sebagai algoritma stemming untuk teks berbahasa Indonesia yang memiliki kemampuan prosentase keakuratan (presisi) lebih baik dari algoritma lainnya. Algoritma ini sangat dibutuhkan dan menentukan dalam proses IR dalam dokumen Indonesia.

Stemming adalah salah satu cara yang digunakan untuk meningkatkan performa IR dengan cara mentransformasi kata-kata dalam sebuah dokumen teks ke bentuk kata dasarnya. Algoritma stemming untuk bahasa yang satu berbeda dengan algoritma stemming untuk bahasa lainnya. Sebagai contoh bahasa Inggris memiliki morfologi yang berbeda dengan bahasa Indonesia sehingga algoritma stemming untuk kedua bahasa tersebut juga berbeda. Proses stemming pada teks berbahasa Indonesia lebih rumit/kompleks karena terdapat variasi imbuhan yang harus dibuang untuk mendapatkan root word(kata dasar) dari sebuah kata.. Pada umumnya kata dasar pada bahasa Indonesia terdiri dari kombinasi:

Prefiks 1 + Prefiks 2 + Kata dasar + Sufiks 3 + Sufiks 2 + Sufiks 1

Sehingga dapat digambarkan menggunakan flowchar sebagai berikut:

Algoritma Nazief & Adriani yang dibuat oleh Bobby Nazief dan Mirna Adriani ini memiliki tahap-tahap sebagai berikut:

Pertama cari kata yang akan diistem dalam kamus kata dasar. Jika ditemukan maka diasumsikan kata adalah root word. Maka algoritma berhenti.

Inflection Suffixes (“-lah”, “-kah”, “-ku”, “-mu”, atau “-nya”) dibuang. Jika berupa particles (“-lah”, “-kah”, “-tah” atau “-pun”) maka langkah ini diulangi lagi untuk menghapus Possesive Pronouns (“-ku”, “-mu”, atau “-nya”), jika ada.

Hapus Derivation Suffixes (“-i”, “-an” atau “-kan”). Jika kata ditemukan di kamus, maka algoritma berhenti. Jika tidak maka ke langkah 3a

Jika “-an” telah dihapus dan huruf terakhir dari kata tersebut adalah “-k”, maka “-k” juga ikut dihapus. Jika kata tersebut ditemukan dalam kamus maka algoritma berhenti. Jika tidak ditemukan maka lakukan langkah 3b.

Akhiran yang dihapus (“-i”, “-an” atau “-kan”) dikembalikan, lanjut ke langkah 4.

Hapus Derivation Prefix. Jika pada langkah 3 ada sufiks yang dihapus maka pergi ke langkah 4a, jika tidak pergi ke langkah 4b.

Periksa tabel kombinasi awalan-akhiran yang tidak diijinkan. Jika ditemukan maka algoritma berhenti, jika tidak

pergi ke langkah 4b.

For i = 1 to 3, tentukan tipe awalan kemudian hapus awalan. Jika root word belum juga ditemukan lakukan langkah 5, jika sudah maka algoritma berhenti. Catatan: jika awalan kedua sama dengan awalan pertama algoritma berhenti.

Melakukan Recoding.

Jika semua langkah telah selesai tetapi tidak juga berhasil maka kata awal diasumsikan sebagai root word. Proses selesai.

Tipe awalan ditentukan melalui langkah-langkah berikut:

Jika awalannya adalah: “di-”, “ke-”, atau “se-” maka tipe awalannya secara berturut-turut adalah “di-”, “ke-”, atau “se-”.

Jika awalannya adalah “te-”, “me-”, “be-”, atau “pe-” maka dibutuhkan sebuah proses tambahan untuk menentukan tipe awalannya.

Jika dua karakter pertama bukan “di-”, “ke-”, “se-”, “te-”, “be-”, “me-”, atau “pe-” maka berhenti.

Jika tipe awalan adalah “none” maka berhenti. Jika tipe awalan adalah bukan “none” maka awalan dapat dilihat pada Tabel 2. Hapus awalan jika ditemukan.

Tabel 1. Kombinasi Awalan Akhiran Yang Tidak Diijinkan

Awalan	Akhiran yang tidak diizinkan
be-	-i
di-	-an
ke-	-i, -kan
me-	-an
se-	-i, -kan

Tabel 2. Cara Menentukan Tipe Awalan Untuk awalan “te-”

Following Characters				Tipe Awalan
Set 1	Set 2	Set 3	Set 4	Tipe Awalan
“-r-“	“-r-“	–	–	none
“-r-“		–	–	ter-luluh
“-r-“	not (vowel or “-r-”)	“-er-“	vowel	ter
“-r-“	not (vowel or “-r-”)	“-er-“	not vowel	ter-
“-r-“	not (vowel or “-r-”)	not “-er-“	–	ter
not (vowel or “-r-”)	“-er-“	vowel	–	none
not (vowel or “-r-”)	“-er-“	not vowel	–	te

Tabel 3. Jenis Awalan Berdasarkan Tipe Awalannya

Tipe Awalan	Awalan yang harus dihapus
di-	di-
ke-	ke-
se-	se-
te-	te-
ter-	ter-
ter-luluh	ter

Untuk mengatasi keterbatasan pada algoritma di atas, maka ditambahkan aturan-aturan dibawah ini:

1. Aturan untuk reduplikasi.

Jika kedua kata yang dihubungkan oleh kata penghubung adalah kata yang sama maka root word adalah bentuk tunggalnya, contoh : “buku-buku” root word-nya adalah “buku”.

Kata lain, misalnya “bolak-balik”, “berbalas-balasan, dan ”seolah-olah”. Untuk mendapatkan root word-nya, kedua kata diartikan secara terpisah. Jika keduanya memiliki root word yang sama maka diubah menjadi bentuk tunggal, contoh: kata “berbalas-balasan”, “berbalas” dan “balasan” memiliki root word yang sama yaitu “balas”, maka root word “berbalas-balasan” adalah “balas”. Sebaliknya, pada kata “bolak-balik”, “bolak” dan “balik” memiliki root word yang berbeda, maka root word-nya adalah “bolak-balik”.

2. Tambahan bentuk awalan dan akhiran serta aturannya.

Untuk tipe awalan “mem-“, kata yang diawali dengan awalan “memp-” memiliki tipe awalan “mem-”.

Tipe awalan “meng-“, kata yang diawali dengan awalan “mengk-” memiliki tipe awalan “meng-”.

Berikut contoh-contoh aturan yang terdapat pada awalan sebagai pembentuk kata dasar.

1. Awalan SE-

Se + semua konsonan dan vokal tetap tidak berubah

Contoh :

Se + bungkus = sebungkus

Se + nasib = senasib

Se + arah = searah

Se + ekor = seekor

2. Awalan ME-

Me + vokal (a,i,u,e,o) menjadi sengau “meng”

Contoh :

Me + inap = menginap

Me + asuh = mengasuh

Me + ubah = mengubah

Me + ekor = mengekor

Me + oplos = mengoplos

Me + konsonan b menjadi “mem”

Contoh :

Me + beri = member

Me + besuk = membesuk

Me + konsonan c menjadi “men”

Contoh :

Me + cinta = mencinta

Me + cuci = mencuci

Me + konsonan d menjadi “men”

Contoh :

Me + didik = mendidik

Me + dengkur = mendengkur

Me + konsonan g dan h menjadi “meng”

Contoh :

Me + gosok = menggosok

Me + hukum = menghukum

Me + konsonan j menjadi “men”

Contoh :

Me + jepit = menjepit

Me + jemput = menjemput

Me + konsonan k menjadi “meng” (luluh)

Contoh :

Me + kukus = mengukus

Me + kupas = mengupas

Me + konsonan p menjadi “mem” (luluh)

Contoh :

Me + pesona = mempesona

Me + pukul = memukul

Me + konsonan s menjadi “meny” (luluh)

Contoh :

Me + sapu = menyapu

Me + satu = menyatu

Me + konsonan t menjadi “men” (luluh)

Contoh :

Me + tanama = menanam

Me + tukar = menukar

Me + konsonan (l,m,n,r,w) menjadi tetap “me”

Contoh :

Me + lempar = melempar

Me + masak = memasak

Me + naik = menaik

Me + rawat = merawat

Me + warna = mewarna

3. Awalan KE-

Ke + semua konsonan dan vokal tetap tidak berubah

Contoh :

Ke + bawa = kebawa

Ke + atas = keatas

4. Awalan PE-

Pe + konsonan (h,g,k) dan vokal menjadi “per”

Contoh :

Pe + hitung + an = perhitungan

Pe + gelar + an = pergelaran

Pe + kantor + = perkantoran

Pe + konsonan “t” menjadi “pen” (luluh)

Contoh :

Pe + tukar = penukar

Pe + tikam = penikam

Pe + konsonan (j,d,c,z) menjadi “pen”

Contoh :

Pe + jahit = penjahit

Pe + didik = pendidik

Pe + cuci = pencuci

Pe + zina = penzina

Pe + konsonan (b,f,v) menjadi “pem”

Contoh :

Pe + beri = pemberi

Pe + bunuh = pembunuh

Pe + konsonan “p” menjadi “pem” (luluh)

Contoh :

Pe + pikir = pemikir

Pe + potong = pemotong

Pe + konsonan “s” menjadi “peny” (luluh)

Contoh :

Pe + siram = penyiram

Pe + sabar = penyabar

Pe + konsonan (l,m,n,r,w,y) tetap tidak berubah

Contoh :

Pe + lamar = pelamar

Pe + makan = pemakan

Pe + nanti = penanti

Pe + wangi = pewangi

Penerapannya dapat dilihat pada penggalan source code berikut:

<?php

require_once(‘Algoritma_stemming.php’);

<h3>STEMMING KATA DASAR</h3>

</form>

<?php

if(isset($_POST[‘katadasar’])){

$teksAsli = $_POST[‘katadasar’];

//echo $teksAsli;

$length = strlen($teksAsli);

//echo $length;

$pattern = ‘[A-Za-z]’;

$kata = ”;

if(eregi($pattern,$teksAsli)){

$kata = $teksAsli;

$stemming = NAZIEF($kata);//Memasukkan kata ke fungsi Algoritma Nazief

echo $stemming.'<br/>’;

$kata = ”;

}

Untuk algoritma Nazief dan Andriannya sebagai berikut:

<?php

require_once(‘koneksi.php’);//Koneksi ke database

// fungsi-fungsi

DP + DP + root word + DS + PP + P

function cekKamus($kata){

// cari di database

$sql = “SELECT * from tb_katadasar where katadasar =’$kata’ LIMIT 1”;

//echo $sql.'<br/>’;

$result = pg_query($sql) or die(pg_error());

if(pg_num_rows($result)==1){

return true; // True jika ada

}else{

return false; // jika tidak ada FALSE

}

function Del_Inflection_Suffixes($kata){

$kataAsal = $kata;

if(eregi(‘([km]u|nya|[kl]ah|pun)$’,$kata)){ // Cek Inflection Suffixes

$__kata = eregi_replace(‘([km]u|nya|[kl]ah|pun)$’,”,$kata);

return $__kata;

}

return $kataAsal;

}

// Cek Prefix Disallowed Sufixes (Kombinasi Awalan dan Akhiran yang tidak diizinkan)

function Cek_Prefix_Disallowed_Sufixes($kata){

if(eregi(‘^(be)[[:alpha:]]+(i)$’,$kata)){ // be- dan -i

return true;

}

if(eregi(‘^(se)[[:alpha:]]+(i|kan)$’,$kata)){ // se- dan -i,-kan

return true;

}

return false;

}

// Hapus Derivation Suffixes (“-i”, “-an” atau “-kan”)

function Del_Derivation_Suffixes($kata){

$kataAsal = $kata;

if(eregi(‘(i|an)$’,$kata)){ // Cek Suffixes

$__kata = eregi_replace(‘(i|an)$’,”,$kata);

if(cekKamus($__kata)){ // Cek Kamus

return $__kata;

}

/*– Jika Tidak ditemukan di kamus –*/

}

return $kataAsal;

}

// Hapus Derivation Prefix (“di-”, “ke-”, “se-”, “te-”, “be-”, “me-”, atau “pe-”)

function Del_Derivation_Prefix($kata){

$kataAsal = $kata;

/* —— Tentukan Tipe Awalan ————*/

if(eregi(‘^(di|[ks]e)’,$kata)){ // Jika di-,ke-,se-

$__kata = eregi_replace(‘^(di|[ks]e)’,”,$kata);

if(cekKamus($__kata)){

return $__kata; // Jika ada balik

}

$__kata__ = Del_Derivation_Suffixes($__kata);

if(cekKamus($__kata__)){

return $__kata__;

}

/*————end “diper-”, ———————————————*/

if(eregi(‘^(diper)’,$kata)){

$__kata = eregi_replace(‘^(diper)’,”,$kata);

if(cekKamus($__kata)){

return $__kata; // Jika ada balik

}

/*————end “diper-”, ———————————————*/

}

if(eregi(‘^([tmbp]e)’,$kata)){ //Jika awalannya adalah “te-”, “me-”, “be-”, atau “pe-”

}

/* — Cek Ada Tidaknya Prefik/Awalan (“di-”, “ke-”, “se-”, “te-”, “be-”, “me-”, atau “pe-”) ——*/

if(eregi(‘^(di|[kstbmp]e)’,$kata) == FALSE){

return $kataAsal;

}

return $kataAsal;

}

function NAZIEF($kata){

$kataAsal = $kata;

/* 1. Cek Kata di Kamus jika Ada SELESAI */

if(cekKamus($kata)){ // Cek Kamus

return $kata; // Jika Ada kembalikan

}

/* 2. Buang Infection suffixes (\-lah”, \-kah”, \-ku”, \-mu”, atau \-nya”) */

$kata = Del_Inflection_Suffixes($kata);

/* 3. Buang Derivation suffix (\-i” or \-an”) */

$kata = Del_Derivation_Suffixes($kata);

/* 4. Buang Derivation prefix */

$kata = Del_Derivation_Prefix($kata);

return $kata;

}

Pada proses stemming menggunakan Algoritma Nazief & Adriani, kamus yang digunakan sangat mempengaruhi hasil stemming. Semakin lengkap kamus yang digunakan maka semakin akurat pula hasil stemming.

Sumber: Agusta, L.2009. Perbandingan Algoritma Stemming Porter Dengan Algoritma Nazief dan Adriani Untuk Stemming Dokumen Teks Bahasa Indonesia. Konferensi Nasional Sistem dan Informatika 2009.<URL: http://yudiagusta.files.wordpress.com/2009/11/196-201-knsi09-036-perbandingan-algoritma-stemming-porter-dengan-algoritma-nazief-adriani-untuk-stemming-dokumen-teks-bahasa-indonesia.pdf >. Diakses 10 Juli 2010.

SISTEM TEMU KEMBALI INFORMASI

Stemming Nazief dan Andriani

Stemming merupakan bagian yang tidak terpisahkan dalam Information Retrieval (IR). Stemming adalah salah satu cara yang digunakan untuk meningkatkan performa IR dengan cara mentransformasi kata-kata dalam sebuah dokumen teks ke bentuk kata dasarnya.

Algoritma Nazief dan Andriani

Algoritma Nazief & Adriani adalah salah satu algoritma yang digunakan dalam tahap stemming.

Algortima Nazief & Adriani merupakan algoritma untuk mengubah kata yang memiliki sufiks, prefix dan atau konfiks menjadi bentuk kata dasar. Algoritma Nazief & Adriani digunakan dalam penelitian ini sebagai algoritma pendukung dalam proses penentuan nilai kemiripan pada dokumen teks. Terdapat beberapa metode dalam menentukan kemiripan antar dua objek. Algoritma Nazief & Adriani dapat mengenal kesamaan makna dari setiap kata, dimana kata yang memiliki sufiks, prefiks dan konfiks diubah menjadi bentuk dasar.

Algoritma stemming untuk bahasa yang satu berbeda dengan algoritma stemming untuk bahasa lainnya. Proses stemming pada teks berbahasa Indonesia lebih rumit/kompleks karena terdapat variasi imbuhan yang harus dibuang untuk mendapatkan root word (kata dasar) dari sebuah kata. Pada umumnya kata dasar pada bahasa Indonesia terdiri dari kombinasi:

Prefiks 1 + Prefiks 2 + Kata dasar + Sufiks 3 + Sufiks 2 + Sufiks 1

Konjungsi adalah Algoritma stemming Nazief dan Adriani dikembangkan berdasarkan aturan morfologi Bahasa Indonesia yang mengelompokkan imbuhan menjadi awalan (prefix), sisipan (infix), akhiran (suffix) dan gabungan awalan akhiran (confixes). Algoritma ini menggunakan kamus kata dasar dan mendukung recoding, yakni penyusunan kembali kata-kata yang mengalami proses stemming berlebih. Aturan morfologi Bahasa Indonesia mengelompokkan imbuhan ke dalam beberapa kategori sebagai berikut:

1. Inflection suffixes yakni kelompok akhiran yang tidak merubah bentuk kata dasar. Sebagai contoh, kata “duduk” yang diberikan akhiran “-lah” akan menjadi “duduklah”. Kelompok ini dapat dibagi menjadi dua:

i. Particle (P) atau partikel yakni termaksud di dalamnya “-lah”, “kah”, “tah” dan “pun”.

ii. Possessive pronoun (PP) atau kata genti kepunyaan, termaksud di dalamnya “-ku”,”-mu” dan “-nya”.

2. Derivation suffixes (DS) yakni kumpulan akhiran asli Bahasa Indonesia yang secara langsung ditambahkan pada kata dasar yaitu akhiran “-i”, “-kan”, dan “-an”.

3. Derivation prefixes (DP) yakni kumpulan awalan yang dapat langsung diberikan pada kata dasar murni, atau pada kata dasar yang sudah mendapatkan penambahan sampai dengan 2 awalan.

Termaksud di dalamnya adalah:

i. Awalan yang dapat bermorfologi (“me-“, “be-“, “pe-“ dan “te”).

ii. Awalan yang tidak bermorfologi (“di-“, “ke-“ dan “se-“).

Berdasarkan pengklasifikasi imbuhan-imbuhan di atas, maka bentuk kata berimbuhan dalam

Bahasa Indonesia dapat dimodelkan sebagai berikut:

Gambar 1 Model Kata Berimbuhan dalam Bahasa Indonesia

Keterangan :

DP : Derivation prefixes

DS : Derivation suffixes

PP : Possessive pronoun

601596072503

Dengan model bahasa Indonesia di atas serta aturan-aturan dasar morfologi Bahasa Indonesia,

aturan yang digunakan dalam proses algoritma Nazief & Adriani sebagai berikut:

1. Tidak semua kombinasi awalan dan akhiran diperbolehkan. Kombinasi-kombinasi imbuhan yang tidak diperbolehkan, yaitu “be-i”, “ke-i”, “ke-kan”, “me-an”, “se-i”, “se-kan” dan “te-an”.

2. Penggunaan imbuhan yang sama secara berulang tidak diperkenankan.

3. Jika suatu kata hanya terdiri dari satu atau dua huruf, maka proses tidak dilakukan.

4. Penambahan suatu awalan tertentu dapat mengubah bentuk asli kata dasar, ataupun awalan yang telah diberikan sebelumnya pada kata dasar bersangkutan. Sebagai contoh, awalan “me-“ dapat berubah menjadi “meng-“, “men-“, “meny-“, dan “mem-“. Oleh karena itu diperlukan suatu aturan yang mampu mengatasi masalah morfologi ini.

Tahapan Algoritma Nazief dan Andriani

Algoritma Nazief & Adriani memiliki tahap-tahap sebagai berikut:

1. Cari kata dalam kamus jika ditemukan maka diasumsikan bahwa kata tersebut adalah kata dasar. Algoritma berhenti. Jika tidak ditemukan maka lakukan langkah 2.

2. Hilangkan inflectional suffixes bila ada. Dimulai dari inflectional particle (“-lah”, “-kah”, “-tah” dan“-pun”), kemudian possessive pronoun (“-ku”, “-mu” dan “-nya”). Cari kata pada kamus jika ditemukan algoritma berhenti, jika kata tidak tidak ditemukandalam kamus lakukan langkah 3.

3. Hilangkan derivation suffixes (“-an”, “-i” dan “-kan”). Jika akhiran “-an” dihapus dan ditemukan akhiran “-k”, maka akhiran “-k” dihapus. Cari kata pada kamus jika ditemukan algoritma berhenti, jika kata tidak tidak ditemukan maka lakukan langkah 4.

4. Pada langkah 4 terdapat tiga iterasi.

1) Iterasi berhenti jika :

a. Ditemukannya kombinasi awalan yang tidak diizikan berdasarkan awalan

Awalan	Akhiran yang tidak diijinkan
be-	-i
di-	-an
ke-	-i, -kan
me-	-an
se-	-i, kan

Tabel 2 Kombinasi Awalan Akhiran yang Tidak Diizinkan

b. Awalan yang dideteksi saat ini sama dengan awalan yang dihilangkan sebelumnya.

c. Tiga awalan telah dihilangkan.

2) Identifikasikasikan tipe awalan dan hilangkan. Awalan terdiri dari dua tipe:

a. Standar (“di-“, “ke-“, “se-”) yang dapat langsung dihilangkan dari kata.

b. Kompleks (“me-“, “be-“, “pe-“, “te”) adalah tipe-tipe awalan yang dapat bermorfologi sesuai kata dasar yang mengikutinya. Oleh karena itu dibutuhkan aturan pada tabel 2.4 untuk mendapatkan hasil pemenggalan yang tepat.

Aturan	Format Kata	Pemenggalan
1	berV…	ber-V … \| be-rV
2	berCAP…	ber-CAP… dimana C != ‘r’ & P != ‘er’
3	berCAerV	ber-CaerV… dimana C != ‘r’
4	Belajar	bel-ajar
5	berC1erC2…	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	teC1erC2…	Te-C1erC2… dimana C1 != ‘r’
10	me{l\|r\|w\|y}V…	me – {l\|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\|s\|z}…	men-{c\|d\|js\|z}…
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}…	pe-m{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…	pe-lV… kecuali “pelajar” yang menghasilkan “ajar”
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	terC1erC2...	ter-C1erC2... dimana C1!= ‘r’
35	peC1erC2...	pe-C1erC2... dimana C1!={r\|w\|y\|l\|m\|n}

Tabel 2 Aturan Pemenggalan Awalan

Keterangan simbol huruf

C : huruf konsonan

V : huruf vocal

A : huruf vocal atau konsonan

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

3) Cari kata yang telah dihilangkan awalannya. Apabila tidak ditemukan, maka langkah

4 diulang kembali. Apabila ditemukan, maka algoritma berhenti.

5. Apabila setelah langkah 4 kata dasar masih belum ditemukan, maka proses recording dilakukan dengan mengacu pada aturan tabel 2.4. Recording dilakukan dengan menambahkan karakter recording di awal kata yang dipenggal. Pada tabel 2.4, karakter recording adalah huruf kecil setelah tanda hubung (‘-‘) dan terkadang berada sebelum tanda kurung. Sebagai contoh, kata “menangkap” (aturan 15) pada tabel 2.4, setelah dipenggal menjadi “nangkap”. Karena tidak valid, maka recording dilakukan dan menghasilkan kata “tangkap”.

6. Jika semua langkah gagal, maka input kata yang diuji pada algoritma ini di anggap sebagai kata dasar.

Berikut contoh-contoh aturan yang terdapat pada awalan sebagai pembentuk kata dasar ;

1. Awalan SE-

Se + semua konsonan dan vokal tetap tidak berubah Contoh :

 Se + bungkus = sebungkus

 Se + nasib = senasib

 Se + arah = searah

2. Awalan ME-

Me + vokal (a,i,u,e,o) menjadi sengau “meng” Contoh :

 Me + inap = menginap

 Me + asuh = mengasuh

 Me + ubah = mengubah

 Me + konsonan s menjadi “meny” (luluh) Contoh :

 Me + sapu = menyapu

 Me + satu = menyatu

 Me + konsonan t menjadi “men” (luluh) Contoh :

 Me + tanama = menanam

 Me + tukar = menukar

Implementasi Algoritma Nazief dan Andriani

Algoritma ini mengacu pada aturan morfologi bahasa Indonesia yang mengelompokkan imbuhan, yaitu imbuhan yang diperbolehkan atau imbuhan yang tidak diperbolehkan. Pengelompokan ini termasuk imbuhan di depan (awalan), imbuhan kata di belakang (akhiran), imbuhan kata di tengah (sisipan) dan kombinasi imbuhan pada awal dan akhir kata (konfiks). Algoritma ini menggunakan kamus kata keterangan yang digunakan untuk mengetahui bahwa proses stemming telah mendapatkan kata dasar.

Kelebihan dan Kekurangan Algoritma Nazief dan Adriani

 Kelebihan :

1. Memperhatikan kemungkinan adanya partikel-partikel yang mungkin mengikuti suatu kata berimbuhan.

2. Proses stemming dokumen teks berBahasa Indonesia menggunakan Algoritma Nazief dan Adriani memiliki prosentase keakuratan (presisi) lebih besar dibandingkan dengan stemming menggunakan Algoritma Porter.

 Kekurangan :

1. Penyamarataan makna variasi kata

2. Jumlah database kata dan kata dasarnya harus besar. Kesalahan terjadi bila kata tidak ditemukan di database dan kemudian dianggap kata dasar, padahal bukan

3. Lamanya waktu yang diperlukan dalam proses pencarian kata di dalam kamus.

Dafar pustaka

 Jurnal Teknologi Informasi, Volume 10 Nomor 1, April 2014, ISSN 1414-9999

 Tahitoe, Andita Dwiyoga(tanpa tahun). “Modifikasi Enhanced Confix Stripping Stemmer Untuk Bahasa Indonesia dengan Metode Corpus Based Stemming”. Institut Teknologi Sepuluh Nopember, 1-15

 Agusta, Ledy. Perbandingan Algoritma Stemming Porter Dengan Algoritma Nazief & Adriani Untuk Stemming Dokumen Teks Bahasa Indonesia ?.[Online] Tersedia:

http://yudiagusta.files.wordpress.com/2009/11/196-201-knsi09-036-perbandingan-algoritmastemming-porter-dengan-algoritma-nazief-adriani-untuk-stemming-dokumen-teks-bahasaindonesia. pdf [17 Februari 2013]

 Mahendra,K.,2008, Penggunaan Algoritma Semut dan Confix Stripping Stemmer untuk Klasifikasi Dokumen Berita Berbahasa Indonesia,Tugas Akhir,Institut Teknologi Sepuluh November, Surabaya.

http://liyantanto.wordpress.com/2011/06/28/stemming-bahasa-indonesia-dengan-algoritma-nazief-dan-andriani/

Hot

Wednesday, 3 May 2017

Tutorial dan Contoh Perhitungan AHP

Thursday, 16 March 2017

Pagu Penerimaan Mahasiswa Baru dan Besaran Uang Kuliah Tunggal Universitas Trunojoyo Madura

Tuesday, 6 December 2016

Cara Mengetahui Jumlah Pengunjung/Visitor Blog Orang Lain

Thursday, 1 December 2016

Inilah Penyebab Smartphone Android Lemot

Cara Merawat Hp Android Agar Awet dan Tidak Lemot

Wednesday, 30 November 2016

Perbedaan Stemming Bahasa Indonesia dengan Algoritma Nazief dan Andriani

Author Details

Recent

Popular

Comments

Archive

Social

Histats

Tips and Trick

Labels