7

BAB II

TINJAUAN PUSTAKA

2.1 Peringkasan Teks Otomatis

Peringkasan teks otomatis adalah proses mengurangi teks pada dokumen

dengan menggunakan program komputer untuk membuat ringkasan yang

berisikan poin-poin penting dimana hasil ringkasan tidak lebih dari setengah

dokumen asli (Radev et al, 2002). Terdapat dua bagian dari kriteria peringkasan

teks yaitu ekstraksi dan abstraksi (Suanmali et al, 2009). Teknik ekstraksi yaitu

teknik peringkasan secara lengkap yang terdiri dari urutan-urutan kalimat yang

disalin dan memilih bagian-bagian kalimat penting dari dokumen asli. Sedangkan

teknik abstraksi adalah teknik peringkasan dengan mengambil informasi penting

dari dokumen kemudian menghasilkan ringkasan yang menggunakan kalimat baru

yang tidak terdapat pada dokumen asli.

2.2 Kalimat

Kalimat adalah satuan bahasa terkecil yang merupakan kesatuan pikiran.

Kalimat dapat dibedakan menjadi bahasa lisan dan bahasa tulis. Dalam bahasa

lisan, kalimat adalah satuan bahasa yang terbentuk atas gabungan kata dengan

kata, gabungan kata dengan frasa, atau gabungan frasa dengan frasa, yang

minimal berupa sebuah klausa bebas yang minimal mengandung satu subjek dan

predikat. Dalam bahasa tulis, kalimat adalah satuan bahasa yang diawali oleh

huruf kapital, diselingi atau tidak diselingi tanda koma (,), titik dua (:) atau titik

koma (;) dan diakhiri dengan lambang intonasi final yaitu tanda titik (.), tanda

tanya (?) atau tanda seru (!).

Pada tugas akhir ini, tiap-tiap kalimat yang ada pada dokumen akan

dihitung skornya berdasarkan fitur ekstraksi. Skor dari kalimat tersebut akan

menentukan apakah kalimat tersebut penting atau tidak. Kalimat yang memiliki

skor tinggi kemungkinan merupakan kalimat yang penting dari sebuah dokumen.

8

Pada tugas akhir ini, kalimat dipisahkan berdasarkan tanda titik (.) dan

kutipan langsung diasumsikan sebagai satu kalimat yang tidak dapat dipisahkan.

Berikut ini contoh pemisahan kalimat dari sebuah dokumen:

Menurut Yudhoyono, soal status almarhum Theys itu dikesampingkan dulu saat

ini. "Yang penting, pengusutan kematiannya harus tuntas demi keadilan dan

kebenaran," papar Yudhoyono yang menyebut almarhum Theys sebagai tokoh.

"Biarkanlah proses ini berjalan dengan baik, dan nanti dengan transparan dan

penjelasan gamblang rakyat akan melihat siapa almarhum Theys itu. Maka lebih

bagus, status predikat politik siapa Pak Theys itu kita kesampingkan," tambahnya.

Berdasarkan dokumen di atas, sistem akan melakukan pemisahan kalimat

berdasarkan titik (.) dan kutipan langsung. Sehingga dokumen di atas akan

menghasilkan tiga buah kalimat. Berikut ini tiga kalimat yang telah dipisahkan:

1. Menurut Yudhoyono, soal status almarhum Theys itu dikesampingkan

dulu saat ini.

2. "Yang penting, pengusutan kematiannya harus tuntas demi keadilan dan

kebenaran," papar Yudhoyono yang menyebut almarhum Theys sebagai

tokoh.

3. "Biarkanlah proses ini berjalan dengan baik, dan nanti dengan transparan

dan penjelasan gamblang rakyat akan melihat siapa almarhum Theys itu.

Maka lebih bagus, status predikat politik siapa Pak Theys itu kita

kesampingkan," tambahnya.

2.3 Text Preprocessing

Penyimpanan data secara terstruktur dapat membantu pengolahan data

yang dilakukan oleh komputer, karena data terstruktur dapat mempermudah

penciptaan algoritma yang efisien. Oleh karena itu pada text mining, dibutuhkan

pemrosesan data terlebih dahulu untuk mengubah data tekstual yang tidak

terstruktur menjadi data yang terstruktur. Di dalam text mining proses untuk

mendapatkan representasi terstruktur dari data tekstual mentah yang tidak

terstruktur disebut text preprocessing.

Tahap text preprocessing terdiri dari beberapa tahap yaitu tokenizing,

filtering, tagging, dan stemming. Pada tugas akhir ini hanya menggunakan proses

9

tokenizing, filtering, dan stemming. Proses tagging tidak digunakan karena ketiga

proses yang telah disebutkan sebelumnya sudah cukup untuk mendapatkan data

yang terstruktur. Gambar 2.1 menunjukkan tahap preprocessing text.

Gambar 2.1 Tahap Preprocessing Text

2.3.1 Tokenizing

Pada proses tokenizing, kata-kata yang ada di dalam dokumen harus

dipecah-pecah terlebih dahulu menjadi bagian-bagian yang lebih kecil berupa kata

tunggal yang memiliki arti atau biasa disebut token (Manning et al, 2009). Proses

tokenizing pada tugas akhir ini dilakukan per kalimat. Selain itu dilakukan juga

pengubahan huruf-huruf yang ada di dalam dokumen menjadi huruf kecil (case

folding) serta dilakukan penghilangan tanda baca. Hal ini dilakukan terlebih

dahulu untuk mempermudah proses pengolahan lebih lanjut.

Contoh tokenizing :

Teks asli : Saya senang bermain sepakbola di rumah sejak kecil.

Hasil tokenizing : saya, senang, bermain, sepakbola, di, rumah, sejak, kecil

2.3.2 Filtering

Text filtering bertujuan untuk mengambil kata-kata yang dapat

mempresentasikan isi dokumen dengan cara membuang kata-kata yang dianggap

tidak penting yang biasa disebut stopwords (Manning et al, 2009). Stopwords

dapat berupa kata sambung, kata depan, dan kata seru seperti “di”, “yang”, “dan”,

“ke”, “wah”, “serta”, “wow”, dan lain-lain.

Tokenizing

Filtering

Stemming

Hasil

Preprocessing

Original

Text

10

Contoh filtering :

Hasil tokenizing : saya, senang, bermain, sepakbola, di, rumah, sejak, kecil

Hasil filtering : senang, bermain, sepakbola, rumah

2.3.3 Stemming

Stemming adalah proses yang dilakukan untuk mengambil bentuk dasar

dari suatu kata yang telah melalui proses filtering (Manning et al, 2009).

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

misalnya “berjalan”, “menjalani”, “perjalanan” sama-sama memiliki kata dasar

“jalan”. Banyak metode yang dapat digunakan untuk melakukan stemming pada

dokumen berbahasa Indonesia salah satunya adalah algoritma Nazief dan Adriani.

Algoritma ini berdasarkan aturan-aturan yang mengelompokkan imbuhan yang

diperbolehkan dan dilarang untuk digunakan. Pada tugas akhir ini menggunakan

algoritma Nazief dan Adriani karena algoritma Nazief dan Andriani merupakan

algoritma stemming untuk teks berbahasa Indonesia yang memiliki presentase

keakuratan lebih baik dari algoritma lainnya (Agusta, 2009). Berikut ini adalah

langkah-langkah yang dilakukan oleh algoritma Nazief dan Adriani (Agusta,

2009):

1. Cari kata yang akan distem dalam kamus. Jika ditemukan maka

diasumsikan bahwa kata tersebut adalah root word. Maka algoritma

berhenti.

2. 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.

11

3. Hapus Derivation Suffixes (“-i”, “-an” atau “-kan”). Jika kata ditemukan

di kamus, maka algoritma berhenti. Jika tidak maka ke langkah 3a

a. 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.

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

langkah 4.

c. Hapus Derivation Prefix. Jika pada langkah 3 ada sufiks yang dihapus

maka pergi ke langkah 4a, jika tidak pergi ke langkah 4b.

d. Periksa tabel kombinasi awalan-akhiran yang tidak diizinkan (tabel

2.1). Jika ditemukan maka algoritma berhenti, jika tidak pergi ke

langkah 4b.

e. 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.

4. Melakukan Recoding.

5. 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:

1. Jika awalannya adalah: “di-”, “ke-”, atau “se-” maka tipe awalannya

secara berturut-turut adalah “di-”, “ke-”, atau “se-”.

2. Jika awalannya adalah “te-”, “me-”, “be-”, atau “pe-” maka dibutuhkan

sebuah proses tambahan untuk menentukan tipe awalannya.

3. Jika dua karakter pertama bukan “di-”, “ke-”, “se-”, “te-”, “be-”, “me-”,

atau “pe-” maka berhenti.

4. Jika tipe awalan adalah “tidak ada” maka berhenti. Jika tipe awalan adalah

bukan “tidak ada” maka awalan dapat dilihat pada Tabel 2.2. Hapus

awalan jika ditemukan.

12

Tabel 2.1 Kombinasi awalan akhiran yang tidak diijinkan

Awalan Akhiran yang tidak diijinkan

be- -i

di- -an

ke- -i, -kan

me- -an

se- -i, -kan

Tabel 2.2 Cara menentukan tipe awalan untuk kata yang diawali dengan"te"

Following Character Tipe

Set 1 Set 2 Set 3 Set 4 Awalan

"-r-" "-r-" - - None

"-r-" Vowel - - 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 2. 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

Contoh stemming :

Hasil filtering : senang, bermain, sepakbola, rumah

Hasil stemming : senang, main, sepakbola, rumah

13

2.4 Fitur Ekstraksi Teks

Pada tugas akhir ini menggunakan fitur ekstraksi untuk menghitung skor

tiap-tiap kalimat dalam dokumen. Untuk setiap kalimat dalam dokumen, skor

kalimat dihitung berdasarkan fitur ekstraksi dimana nilai dari tiap-tiap fitur

dinormalisasikan sehingga nilainya berada dalam range [0,1]. Normalisasi ini

dilakukan agar nilai dari tiap-tiap fitur ekstraksi tidak memiliki gap atau selisih

yang besar.

Adapun fitur-fitur ekstraksi yang digunakan pada tugas akhir ini yaitu

positive keyword pada kalimat (f1), kemiripan antar kalimat (f2), kalimat yang

menyerupai judul (f3) dan cosine similarity (f4). Penjelasan dari tiap-tiap fitur

adalah sebagai berikut ini:

2.4.1 Fitur Keyword Positif (F1)

Positif keyword adalah kata yang sering muncul pada sebuah paragraf

(Marlina, 2012). Fitur ini dapat dihitung menggunakan rumus (2.1) :

(2.1)

Dengan si(positif keyword) adalah jumlah kata dalam suatu kalimat yang

mengandung keyword dibagi dengan jumlah kata dalam seluruh kalimat yang

mengandung keyword, dengan keyword merupakan banyaknya kata yang muncul

dalam suatu dokumen. Berikut ini contoh perhitungan keyword positif:

Ibarat tambang emas, Bangka Belitung dipandang menyimpan sejumlah potensi

yang siap gali. Tidak mengherankan bila jumlah pendatang ke provinsi ini terus

bertambah. Konfilk antara warga luar dan local sendiri mulai muncul di

beberapa tempat. Beberapa terkesan sebagai konflik etnis, namun tidak

berkembang lebih jauh karena aparat pemerintah dan keamanan tampaknya

bergerak cepat menyelesaikannya.

Hasil preprocessing :

aparat/1 bangka/1 belitung/1 kembang/1 tambah/1 cepat/1 pandang/1 emas/1

etnis/1 gali/1 aman/1 konflik/2 lokal/1 heran/1 selesai/1 simpan/1 muncul/1

perintah/1 datang/1 potensi/1 provinsi/1 tambang/1 kesan/1 warga/1.

14

Dari hasil preprocessing diatas, kata konflik adalah kata yang memilki

jumlah kemunculan paling banyak yaitu sebanyak dua kali. Oleh karena itu positif

keyword dari dokumen tersebut adalah “konflik”. Pada kalimat pertama tidak

mengandung positif keyword “konflik”, oleh karena itu skor fitur f2 untuk kalimat

pertama adalah 0. Sehingga skor fitur positf keyword untuk tiap-tiap kalimat

adalah berturu-turut 0,0, ½, ½.

2.4.2 Fitur Kemiripan Antar-Kalimat (F2)

Kemiripan antar-kalimat adalah daftar kata-kata yang dapat dicocokkan

antara kalimat yang satu dengan kalimat yang lainnya dalam dokumen atau

dengan kata lain merupakan kata yang muncul dalam kalimat sama dengan kata

yang muncul dalam kalimat lain (Aristoteles dkk, 2012). Berikut ini contoh

perhitungan kemiripan antar kalimat, diasumsikan kalimat yang dijadikan contoh

di bawah ini adalah kalimat yang telah melewati proses preprocessing:

Kalimat 1 : Kami pergi nonton dan belanja.

Kalimat 2 : Kami pergi rekreasi.

Kalimat 3 : Kami sedang nonton bola.

Berdasarkan ketiga kalimat diatas, perhitungan skor untuk fitur f4 dapat

diilustrasikan pada gambar 2.2.

Gambar 2.2 Ilustrasi fitur kemiripan antar kalimat

Berdasarkan gambar 2.2, skor f2 untuk kalimat 1 adalah 3/8. Hal ini

dikarenakan terdapat tiga buah kata pada kalimat 1 yang memiliki kesamaan

dengan kata yang ada pada kalimat 2 dan kalimat 3 yaitu “kami”, “pergi”,

nonton

pergi dan

belanja

kami

sedang

bola

rekreasi

kalimat 1 kalimat 2

kalimat 3

15

“nonton”. Skor f2 untuk kalimat 2 adalah 2/8. Hal ini dikarenakan terdapat dua

buah kata pada kalimat 2 yang memiliki kesamaan dengan kata yang ada pada

kalimat 1 dan 3 yaitu “kami”, “pergi”. Skor f2 untuk kalimat 3 adalah 2/8. Hal

ini dikarenakan terdapat dua buah kata pada kalimat 3 yang memiliki kesamaan

kata dengan kata yang ada pada kalimat 1 dan 2 yaitu “kami”, “nonton”. Fitur ini

dihitung dengan menggunakan rumus (2.2)

(2.2)

2.4.3 Fitur Kalimat yang Menyerupai Judul Dokumen (F3)

Kalimat yang menyerupai judul dokumen adalah kumpulan kata yang

dapat dicocokkan antara kalimat satu dengan judul dokumen atau dengan kata lain

merupakan kata yang muncul dalam kalimat sama dengan kata yang ada dalam

judul dokumen(Aristoteles dkk, 2012).

Berikut ini contoh perhitungan skor f3, diasumsikan kalimat yang

dijadikan contoh di bawah ini adalah kalimat yang telah melewati proses

preprocessing:

Judul : Kegiatan kami bersama

Kalimat 1 : Kami pergi nonton.

Kalimat 2 : Kami pergi belanja.

Kalimat 3 : Kegiatan kami adalah olahraga bersama.

Berdasarkan judul dan tiga kalimat diatas, perhitungan skor f5 dapat

diilustrasikan dengan gambar 2.3 berikut ini :

Gambar 2.3 Ilustrasi fitur kalimat yang menyerupai judul dokumen

olahraga

adalah kami

kegiatan

bersama

pergi

nonton kami

kami

kegiatan

bersama

pergi

belanja

judul

kegiatan

bersama

Kalimat 1 Kalimat 2 Kalimat 3 judul judul

16

Berdasarkan gambar 2.3, skor f3 untuk kalimat 1 adalah 1/5, hal ini

dikarenakan terdapat satu kata pada kalimat 1 yang sama dengan kata yang ada

pada judul dokumen yaitu kata “kami”. Skor f3 untuk kalimat 2 adalah 1/5, hal ini

dikarenakan terdapat satu kata pada kalimat 2 yang sama dengan kata yang ada

pada judul dokumen yaitu kata “kami”. Skor f3 untuk kalimat 3 adalah 3/5, hal ini

dikarenakan terdapat tiga kata pada kalimat 3 yang sama dnegna kata yang ada

pada judul dokumen yaitu kata “kami”, “kegiatan”, “bersama”. Fitur ini dapat

dihitung dengan menggunakan rumus (2.3).

(2.3)

2.4.4 Fitur Cosine Similarity (F4)

Pada penelitian ini menggunakan semua keyword yang ada dalam

dokumen kecuali kata-kata stoplist. Perhitungan cosine similarity melibatkan

pembobotan (weights) TF-IDF dimana wi,j didefinisikan pada (2.4), dan tfi adalah

banyaknya kemunculan term ke-i pada kalimat. SFi sentences frequency

merupakan banyak kalimat yang mengandung term ke-i sedangkan ISFi =

merupakan ukuran diskriminan kemunculan term ke-i dalam dokumen,

N adalah banyaknya kalimat dalam satu dokumen.

(2.4)

Pengiriman emas rusak karena kebakaran. Pengiriman perak tiba di

sebuah truk perak. Pengiriman emas tiba di truk.

Setelah mengalami text preprocessing, kalimat menjadi :

S1 : kirim emas rusak bakar

S2 : kirim perak truk perak

S3 : kirim emas truk

17

Tabel 2.4 Term frequency dan inverse sentence frequency

Term Tf

SF ISF W

S1 S2 S3 S1 S2 S3

Bakar 1 0 0 1 1.584963 1.584963 0 0

Emas 1 0 1 2 0.584963 0.584963 0 0.584963

Kirim 1 1 1 3 0 0 0 0

Perak 0 2 0 1 1.584963 0 3.169926 0

Rusak 1 0 0 1 1.584963 1.584963 0 0

Truk 0 1 1 2 0.584963 0 0.584963 0.584963

Jika bobot kata telah diperoleh, selanjutnya mencari nilai cosine similarity.

Perhitungan cosine similarity antar dokumen dengan cara menghitung cosine

sudut vektor W (bobot) suatu kalimat dengan vektor W (bobot) kalimat yang lain

(Yulita, 2015). Untuk mencari hubungan kemiripan antar kalimat digunakan

persamaan (2.5).

(2.5)

Keterangan :

S1 = vector bobot kata yang menjadi kandidat

S2 = vector bobot kata selain kandidat.

Dimana ti merupakan bobot kata dari kata wi. Berikut adalah contoh

perhitungan cosine similarity antara kalimat 1 (S1) dengan kalimat 2 (S2) :

Hasil perhitungan cosine similarity dapat dilihat pada Tabel 2.5.

18

Tabel 2.5 Data Matriks Kemiripan

S1 S2 S3 Total Skor

S1 1 0 0.178555 0.326131

S2 0 1 0.12832 0.31223

S3 0.178555 0.12832 1 0.36164

Jumlah 1.178555 1.12832 1.306875 3.613749

2.5 Pembobotan Fitur Ekstraksi Teks

Pembobotan fitur ekstraksi teks adalah sebuah pendekatan yang dilakukan

untuk menentukan kepentingan suatu fitur dari fitur-fitur yang akan diteliti dengan

cara mengalikan bobot dengan skor fitur ekstraksi (Berker & Gungor, 2012).

Pembobotan ini sangat berpengaruh terhadap akurasi hasil ringkasan sistem

nantinya. Pembobotan fitur pada tugas akhir ini menggunakan algoritma genetika

untuk memperoleh bobot yang optimal untuk tiap-tiap fiturnya. Skor untuk tiap

kalimat dapat dihitung dengan menggunakan rumus (2.6):

(2.6)

Diasumsikan wi adalah bobot fitur ke-i dan fi adalah fitur ekstraksi ke-i.

2.6 Evaluasi Hasil Ringkasan Sistem

Secara garis besar, metode evaluasi peringkasan teks otomatis dapat

dikategorikan menjadi dua, yaitu metode intrinsik dan metode ekstrinsik

(Steinberger & Jezek, 2009). Metode intrinsik yaitu menguji kualitas ringkasan

yang dihasilkan. Metode ekstrinsik menguji performansi hasil ringkasan dalam

memenuhi tugas-tugas tertentu, misalnya penggunaan hasil ringkasan pada

information retrieval. Taksonomi evaluasi peringkasan teks dapat dilihat pada

Gambar 2.4.

Metode evaluasi yang sering dilakukan pada penelitian peringkasan teks

adalah metode intrinsik. Pendekatan dalam evaluasi intrinsik yang dilakukan

adalah membandingkan hasil peringkasan sistem dengan ringkasan ideal.

Ringkasan ideal dapat dibuat khusus oleh pakar atau dengan menggabungkan

ringkasan-ringkasan yang dibuat oleh manusia menjadi sebuah ringkasan ideal.

19

Gambar 2.4 Taksonomi pengujian peringkasan teks

Penelitian ini menggunakan metode evaluasi Recall-Oriented Understudy

for Gisting Evaluation (ROUGE). ROUGE menghitung jumlah n-gram kata yang

overlap antara ringkasan sistem dengan ringkasan referensi Adapun teknik

penghitungan ROUGE-N antara sebuah ringkasan sistem dan sekumpulan

ringkasan manual terdapat pada persamaan (2.7).

(2.7)

Dimana n adalah panjang dari n-gram, Countmatch(gramn) adalah jumlah n-

gram yang sama antara sebuah ringkasan sistem dan sebuah ringkasan referensi,

Count(gramn) adalah jumlah n-gram dalam ringkasan referensi.

Tabel 2.6 menunjukkan contoh perhitungan ROUGE-N pada Document

Understanding Conference 2003 (Lin, 2004). C1 adalah kalimat ringkasan sistem.

R1 dan R2 adalah kalimat dalam sebuah ringkasan referensi. Asumsikan bahwa

C1, R1 dan R2 sudah melewati proses text preprocessing. Ada 20 unigram, 19

bigram, 18 trigram, dan 17 4-gram token dari R1 dan R2 yang tercantum dalam

kolom total. Kolom match adalah jumlah kecocokan dari setiap ringkasan

referensi. Skor akhir adalah perbandingan antara nilai Match dengan Total.

C1 : pulses may ease schizophrenic voices

R1 : magnetic pulse series sent through brain may ease schizophrenic

voices

20

R2 : yale finds magnetic stimulation some relief to schizophrenics

imaginary voices

Tabel 2.6 Contoh Perhitungan ROUGEn

R1 R2 Match Total Score

ROUGE1 may, ease, schizophrenic, voices Voices 5 20 0.25

ROUGE2 may ease, ease schizophrenic,

schizophrenic voices

- 3 19 0.16

ROUGE3 may ease schizophrenic, ease

schizophrenic voices

- 2 18 0.11

ROUGE4 may ease schizophrenic, ease

schizophrenic voices

- 1 17 0.05

Studi awal dari Lin dan Hovy tahun 2003 (Steinberger & Jezek, 2009)

menunjukkan bahwa evaluasi otomatis menggunakan versi unigram dari dari

ROUGE-N, yaitu ROUGE-1 berkolerasi baik dengan evaluasi manusia

berdasarkan berbagai statistik. Oleh karena itu penelitian ini menggunakan

evaluasi hasil ringkasan sistem dengan ROUGE-1.

2.7 Algoritma Genetika

Algoritma genetika merupakan evaluasi atau perkembangan dunia

komputer dalam bidang kecerdasan buatan (artificial intelligence). Kemunculan

algoritma genetika ini terinspirasi oleh teori Darwin dan teori-teori dalam ilmu

biologi, sehingga banyak istilah dan konsep biologi yang digunakan dalam

algoritma genetika, karena sesuai dengan namanya, proses-proses yang terjadi

dalam algoritma genetika sama dengan apa yang terjadi pada evaluasi biologi.

Algoritma genetika adalah algoritma pencarian yang berdasarkan pada

mekanisme sistem natural yakni genetik dan seleksi alam. Pada dasarnya

algoritma genetika adalah program komputer yang mensimulasikan proses

evolusi, dengan menghasilkan kromosom-kromosom dari tiap populasi secara

random dan memungkinkan kromosom tersebut berkembang biak sesuai dengan

hukum-hukum evolusi yang nantinya diharapkan akan dapat menghasilkan

kromosom prima atau yang lebih baik. Kromosom ini merepresentasikan solusi

dari permasalahan yang diangkat, sehingga apabila kromosom yang baik tersebut

21

dihasilkan, maka diharapkan solusi yang baik dari permasalahan tersebut juga

didapatkan.

2.7.1 Istilah dalam Algoritma Genetika

Terdapat beberapa definisi penting dalam Algoritma Genetika yang perlu

diperhatikan, yaitu:

1. Genotype (Gen), sebuah nilai yang menyatakan satuan dasar yang

membentuk suatu arti tertentu dalam satu kesatuan gen yang dinamakan

kromosom. Dalam algoritma genetika, gen ini bisa berupa biner, float,

integer maupun karakter atau kombinatorial.

2. Allele, merupakan nilai dari gen.

3. Kromosom/Individu, merupakan gabungan gen-gen yang membentuk nilai

tertentu dan menyatakan solusi yang mungkin dari suatu permasalahan.

4. Populasi, merupakan sekumpulan individu yang akan diproses bersama

dalam satu siklus proses evolusi.

5. Generasi, menyatakan satu siklus proses evolusi atau satu iterasi di dalam

algoritma genetika.

6. Fitness, menyatakan seberapa baik nilai dari suatu individu yang

didapatkan.

2.7.2 Struktur Algoritma Genetika

Algoritma genetika adalah algoritma pencarian hasil yang terbaik, yang

didasarkan pada perkawinan dan seleksi gen secara alami. Kombinasi perkawinan

ini dilakukan dengan proses acak (random). Dimana struktur gen hasil proses

perkawinan ini, akan menghasilkan gen inovatif untuk diseleksi. Dalam setiap

generasi, ciptaan buatan yang baru (hasil perkawinan), diperoleh dari bit-bit dan

bagian-bagian gen induk yang terbaik. Tujuan dari algoritma genetika ini adalah

menghasilkan populasi yang terbaik dari populasi awal. Sedangkan keuntungan

dari algoritma genetika adalah sifat metode pencariannya yang lebih optimal,

tanpa terlalu memperbesar ruang pencarian.

Dalam menyusun suatu algoritma genetika menjadi program, maka

diperlukan beberapa tahapan proses, yaitu proses pembuatan generasi awal, proses

seleksi, proses crossover, proses mutasi dan pengulangan proses sebelumnya.

22

1) Pendefinisian Individu

Pendefinisian individu merupakan proses pertama yang harus dilakukan

dalam Algoritma Genetika yang menyatakan salah satu solusi yang

mungkin dari suatu permasalahan yang diangkat. Pendefinisian individu

atau yang biasa disebut juga merepresentasikan kromosom yang akan

diproses nanti, dilakukan dengan mendefinisikan jumlah dan tipe dari gen

yang digunakan dan tentunya dapat mewakili solusi permasalahan yang

diangkat.

Gen dapat direpresentasikan dalam bentuk: bit, bilangan real, string, daftar

aturan, gabungan dari beberapa kode, elemen permutasi, elemen program

atau representasi lainnya yang dapat diimplementasikan untuk operator

genetika.

2) Membangkitkan Populasi Awal dan Kromosom

Membangkitkan populasi awal adalah proses membangkitkan sejumlah

individu atau kromosom secara acak atau melalui prosedur tertentu.

Ukuran untuk populasi tergantung pada masalah yang akan diselesaikan

dan jenis operator genetika yang akan diimplementasikan. Setelah ukuran

populasi ditentukan, kemudian dilakukan pembangkitan populasi awal.

Teknik yang digunakan dalam pembangkitan populasi awal adalah

Random Generation. Dimana cara ini melibatkan pembangkitan bilangan

random untuk nilai setiap gen sesuai dengan representasi kromosom yang

digunakan.

IPOP = round{random(Nipop, Nbits)} (2.8)

Dimana IPOP adalah gen yang nantinya berisi pembulatan dari bilangan

random yang dibangkitkan sebanyak Nipop(jumlah populasi) X Nbits

(jumlah gen dalam tiap kromosom).

3) Nilai Fitness

Suatu individu dievaluasi berdasarkan suatu fungsi tertentu sebagai ukuran

performansinya. Pada masalah optimasi, solusi yang akan dicari adalah

memaksimumkan fungsi h (dikenal sebagai masalah maksimasi) sehingga

nilai fitness yang digunakan adalah nilai dari fungsi h tersebut, yakni f = h

23

(di mana f adalah nilai fitness). Tetapi jika masalahnya adalah

meminimalkan fungsi h (masalah minimasi), maka fungsi h tidak bisa

digunakan secara langsung. Hal ini disebabkan adanya aturan bahwa

individu yang memiliki nilai fitness tinggi lebih mampu bertahan hidup

pada generasi berikutnya. Oleh karena itu nilai fitness yang dapat

digunakan adalah f = 1/h, yang artinya semakin kecil nilai h, semakin

besar nilai f. Tetapi hal ini akan menjadi masalah jika h bisa bernilai 0,

yang mengakibatkan f bisa bernilai tak hingga. Untuk mengatasinya, h

perlu ditambah sebuah bilangan yang dianggap kecil [0-1] sehingga nilai

fitnessnya menjadi = 1/(h+1) dengan a adalah bilanga nyang kecil dan

bervariansi [0-1] sesuai dengan masalah yang akan diselesaikan.

4) Proses Seleksi

Operasi seleksi dilakukan dengan memperhatikan fitness dari tiap

individu, manakah yang dapat dipergunakan untuk generasi selanjutnya.

Seleksi ini digunakan untuk mendapatkan calon induk yang baik, semakin

tinggi nilai fitnessnya maka semakin besar juga kemungkinan individu

tersebut terpilih.

Terdapat beberapa macam cara seleksi untuk mendapatkan calon induk

yang baik. Metode seleksi yang umumnya digunakan adalah roulette

wheel. Cara kerja metode ini adalah sebagai berikut:

a. Hitung total fitness semua individu (fi dumana I adalah individu ke-1

sampak ke-n).

b. Hitung probabilitas seleksi masing-masing individu.

(2.9)

c. Dari probabilitas tersebut, dihitung jatah interval masing-masing

individu pada angka 0 sampai 1.

d. Bangkitkan bilangan random antara 0 sampai 1.

e. Dari bilangan random yang dihasilkan tentukan urutan untuk populasi

baru hasil proses seleksi,

(2.10)

24

Dimana C adalah nilai komulatif probabilitas, R adalah nilai random dari

roulette-wheel dan K adalah iterasi kromosom.

5) Pindah Silang (Crossover)

Sebuah kromosom yang mengarah pada solusi yang baik dapat diperoleh

dari proses memindah-silangkan dua buah kromosom. Pindah silang hanya

bisa dilakukan dengna suatu probabilitas crossover, artinya pindah silang

bisa dilakukan hanya jika suatu bilangan random yang dibangkitkan

kurang dari probabilitas crossover yang ditentukan. Pada umumnya

probabilitas tersebut diset mendekati 1.

Pindah silang yang paling sederhana adalah pindah silang satu titik potong

(one-point crossover). Suatu titik potong dipilih secara acak (random),

kemudian bagian pertama dari parent 1 digabungkan dengan bagian kedua

dari parent 2. Pada crossover satu titik, posisis crossover k (k-1,2,..N-1)

dengan N merupakan panjang kromosom yang diseleksi secara random.

Contoh:

11001011 + 11011111 = 11001111

Kromosom yang idjadikan induk dipilih secara acak dan jumlah

kromosom yang mengalami crossover dipengaruhi oleh parameter

crossover_rate (pc). Pseudo-code untuk proses crossover adalah:

begin

k ← 0;

while (k<populasi) do

R[k] ← random(0-1);

if ( R[k] < pc ) then

select Chromosome[k] as parent;

end;

k = k + 1;

end;

end;

6) Mutasi

25

Mutasi merupakan proses mengubah nilai dari satu atau beberapa gen

dalam suatu kromosom. Mutasi ini berperan untuk menggantikan gen yang

hilang dari populasi akibat seleksi yang memungkinkan munculnya

kembali gen yang tidak muncul pada inisialisasi populasi. Metode mutasi

yang digunakan adalah mutasi dalam pengkodean nilai. Proses mutasi

dalam pengkodean nilai dapat dilakukan dengan berbagai cara, salah

satunya yaitu dengan memilih sembarang posisi gen pada kromosom, nilai

yang ada tersebut kemudian dirubah dengan suatu nilai tertentu yang

diambil secara acak.

Jumlah kromsom yang mengalami mutasi dalam satu populasi ditentukan

oleh parameter mutation_rate. Untuk memilih posisi gen yagn mengalami

mutasi dilakukan dengan cara membangkitkan bilangan integer acak

antara 1 sampai total_gen. Kemudian tentukan berapa banyak mutasi yang

terjadi dengan menentukan variable mutation_rate (pm) dari total gen yang

mengalami populasi. Maka nilai gen pada posisi tersebut diganti dengan

bilangan acak.

7) Offspring

Offspring merupakan kromosom baru yang dihasilkan setelah melalui

proses-proses sebelumnya. Kemudian pada offspring tersebut dihitung

nilai fitnessnya apakah sudah optimal atau belum, jika sudah optimal

berarti offspring tersebut merupakan solusi optimal, tetapi jika belum

optimal maka akan diseleksi kembali, begitu seterusnya sampai terpenuhi

kriteria berhenti. Beberapa kriteria berhenti yang sering digunakan antara

lain :

1. Berhenti pada generasi tertentu.

2. Berhenti setelah dalam beberapa generasi berturut-turut didapatkan

nilai fitness tertinggi tidak berubah.

3. Berhenti bila dalam n generasi berikut tidak didapatkan nilai fitness

yang lebih tinggi.

26

2.8 Model Pengembangan Waterfall

Model waterfall merupakan model proses klasik yang bersifat sistematis,

berurutan dari satu tahap ke tahap lain dalam membangun software (Sommerville

2011).

Model SDLC waterfall sering disebut model sekuensial linier (sequential

linear) atau alur hidup klasik (classic life cycle). Model waterfall menyediakan

pendekatan alur hidup perangkat lunak secara terurut. Model ini mengusulkan

sebuah pendekatan kepada pengembangan software yang sistematik dan

sekuensial yang mulai dari tingkat kemajuan sistem pada seluruh analisis, desain,

pengkodean, pengujian, dan tahap penerapan atau pemeliharaan program.

Model waterfall memiliki tahapan – tahapan dalam prosesnya, setiap

tahapan tersebut harus diselesaikan sebelum berlanjut ke tahap berikutnya.

Ilustrasi model waterfall terdapat pada gambar 2.5.

Gambar 2.5 Ilustrasi Model Waterfall

Berikut merupakan tahapan-tahapan dalam model proses SDLC:

1. Analisis Kebutuhan

Proses pengumpulan kebutuhan dilakukan secara intensif untuk

mespesifikasikan kebutuhan perangkat lunak agar dapat dipahami

perangkat lunak seperti apa yang dibutuhkan user.

27

2. Desain Sistem

Desain perangkat memfokus pada desain pembuatan program perangkat

lunak termasuk struktur data, arsitektur, representasi antarmuka, dan

prosedur pengkodean. Tahap ini mentranslasi kebutuhan perangkat lunak

dari tahap analisis kebutuhan ke representasi desain agar dapat

mengimplementasikan menjadi program pada tahap selanjutnya.

3. Implementasi pada Kode Program

Selama tahap ini, perancangan perangkat lunak direalisasikan sebagai

serangkaian program atau unit program. Unit pengujian melibatkan

verifikasi bahwa setiap unit memenuhi spesifikasinya.

4. Pengujian Program

Pengujian fokus pada perangkat lunak direalisasikan sebagai serangkaian

program atau unit program. Unit pengujian melibatkan verifikasi bahwa

setiap unit memenuhi spesifikasinya.

5. Penerapan dan Pemeliharaan

Tahap penerapan sistem meliputi penerapan sistem pada dunia yang nyata,

dimana user langsung menggunakan dan menilai sistem apakah sudah

memenuhi kebutuhan. Pemeliharaan meliputi kesalahan pengujian yang

tidak ditemukan pada awal tahap siklus hidup, meningkatkan

implementasi unit sistem dan meningkatkan pelayanan sistem sebagai

kebutuhan baru ditemukan. Tahap pemeliharaan dapat mengulangii proses

pengembangan yang ada tetapi tidak untuk membuat perangkat lunak baru.

2.9 Functional Decomposition Diagram (FDD)

Functional Decomposition Diagram atau disingkat dengan istilah FDD

merupakan sebuah representasi top-down (disajikan dalam bentuk hirarki) dari

sebuah fungsi atau proses dari suatu sistem (Rosenblatt, 2013:140). Menurut

Rosenblatt dengan menggunakan FDD, suatu analis sistem dapat menunjukkan

proses bisnis dan memecahnya kembali menjadi beberapa tingkatan fungsi atau

proses yang lebih detail yang hampir mirip dengan sebuah struktur organisasi.

28

2.10 Data Flow Diagram (DFD)

Menurut Rosenblatt (2014) DFD merupakan sebuah diagram yang

merepresentasikan bagaimana suatu sistem menyimpan, memproses dan

mentransformasi suatu data. Diagram konteks adalah diagram yang terdiri dari

suatu proses dan menggambarkan ruang lingkup suatu sistem. Diagram konteks

merupakan level tertinggi dari DFD yang menggambarkan seluruh input ke sistem

atau output dari sistem. Diagram konteks akan memberi gambaran tentang

keseluruhan sistem. Sistem dibatasi oleh boundary (dapat digambarkan dengan

garis putus). Dalam diagram konteks hanya ada satu proses. Tidak boleh ada store

dalam diagram konteks.

Data Flow Diagram (DFD) adalah suatu diagram yang menggunakan

notasi-notasi untuk menggambarkan arus dari data sistem, yang penggunaannya

sangat membantu untuk memahami sistem secara logika, terstruktur dan jelas.

DFD merupakan alat bantu dalam menggambarkan atau menjelaskan proses kerja

suatu sistem.

DFD sering digunakan untuk menggambarkan suatu sistem yang telah ada

atau sistem baru yang akan dikembangkan secara logika tanpa

mempertimbangkan lingkungan fisik di mana data tersebut mengalir (misalnya

lewat telepon, surat dan sebagainya) atau lingkungan fisik di mana data tersebut

akan disimpan (misalnya file kartu, microfiche, harddisk, tape, diskette dll). DFD

merupakan alat yang digunakan pada metodologi pengembangan sistem yang

terstruktur (structured analysis and design)

2.11 Pengujian Black Box

Pengujian kotak hitam atau black box testing adalah jenis pengujian

perangkat lunak yang dapat dilakukan ketika tidak memiliki kode sumber, hanya

memiliki program hasil eksekusi kode tersebut. Situasi ini terjadi di beberapa titik

dalam proses pembangunan suatu perangkat lunak. Sekelompok penguji,

pengguna akhir, pakar bisnis dan pengembang adalah tim terbaik untuk

melakukan pengujian jenis ini. Pengguna akhir memberikan kontribusi

29

Gambar 2.6 Simbol-simbol pada DFD

pengetahuan substansial tentang perilaku yang tepat yang diharapkan dari

perankat lunak. Pengembang memberikan kontribusi pengetahuan seubstansial

tentang perilaku bisnis seperti yang diterapkan dalam perangkat lunak. Pengujian

kotak hitam dengan pengguna akhir juga disebut sebagai pengujian perilaku

karena pada pengujian ini menguji seluruh fungsi yang seharusnya dimiliki

perangkat lunak dapat berfungsi sebagaimana mestinya.

2.12 Tinjauan Studi

Ada beberapa penelitian yang pernah dilakukan mengenai peringkasan

teks otomatis, algoritma genetika antara lain:

1. Genetic Algorithm Based Sentence Extraction for Text Summarization,

(Suanmali et al, 2009). Pada penelitian ini dilakukan ekstraksi ringkasan

dengan memberikan nilai untuk setiap fitur kalimat yang dimiliki

menggunakan Genetic Algorithm (GA). Penelitian menggunakan data

dokumen berbahasa Inggris dari Document Understanding Conference

(DUC) 2002. Terdapat delapan fitur kalimat yang digunakan yaitu title

feature, sentence length, features weight, sentence position, sentence to

sentence similarity, proper noun, thematic word dan numerical data.

Genetic Algorithm untuk training dokumen demi menentukan bobot

sentence features. Penelitian ini menggunakan pengujian dengan

perhitungan ROUGE-1 dan menghasilkan akurasi sebesar 46,47%.

30

2. Sistem Peringkasan Dokumen Berita Bahasa Indonesia Menggunakan

Metode Regresi Logistik Biner (Marlina, 2012). Pada penelitian ini

dilakukan peringkasan teks dengan metode regresi logistik biner untuk

menganalisis beberapa faktor dengan sebuah variabel yang bersifat biner.

Penelitian menggunakan dokumen yang berasal dari dokumen berita

online harian Kompas yang didapat dari korpus penelitian Ridha (2002).

Penelitian menggunakan evaluasi koefisien dice menghasilkan akurasi

sebesar 42,84% pada rasio ringkasan 30%. Cara menghitung koefisien dice

ditunjukkan pada persamaan

(2.11)

Dimana x merupakan banyaknya kalimat yang dihasilkan sistem dan y

merupakan banyaknya kalimat yang diringkas secara manual.

3. Peringkas Dokumen Berbahasa Indonesia Berbasis Kata Benda

dengan BM25 (Rivaldi 2013). Penelitian ini mengembangkan peringkasan

teks berdasarkan kata benda. Penelitian menggunakan fitur cosine

similarity, content overlap, dan Okapi BM25. Data yang digunakan adalah

data dokumen penelitian Ridha (2002). Penelitian menggunakan evaluasi

koefisien dice. Hasil rata-rata pengujian ringkasan sistem menunjukkan

44%.