Question Answering System Menggunakan Semantic Web Dan Algoritma Porter

Q U E S T IO N A N S W E R IN G S Y S T E M M E N G G U N A K A N
S E M A N T IC W E B D A N A L G O R IT M A P O R T E R
SE B A G A I STE M M E R K A T A
S K R IP S I
O le h :
D Z A K IY A T U R R O S Y ID A H
N IM . 1 0 65 0 07 7
J U R U S A N T E K N IK IN F O R M A T IK A
F A K U L T A S S A IN S D A N T E K N O L O G I
U N IV E R S IT A S IS L A M N E G E R I M A U L A N A M A L IK
IB R A H IM M A L A N G
2014
H A L A M A N PE N G A J U A N
Q U E S T IO N A N S W E R IN G S Y S T E M M E N G G U N A K A N
S E M A N T IC W E B D A N A L G O R IT M A P O R T E R
SE B A G A I STE M M E R K A T A
S K R IP S I
D ia ju k a n k e p a d a :
F a k u lta s S a in s d a n T e k n o lo g i
U n iv e r sita s Islam N e g e r i M a u la n a M alik Ib ra h im M ala n g
U n tu k M e m e n u h i S a la h S a tu P e r sy a r a ta n D a lam
M e m p e r o l e h G e l a r S a r j a n a K o m p u t e r ( S .K o m )
o le h :
D Z A K IY A T U R R O SY ID A H
N IM . 1 0 6 5 0 0 7 7 / S -1
JU R U S A N T E K N IK IN F O R M A T IK A
FA K U L T A S SA IN S D A N T E K N O L O G I
U N IV E R SIT A S ISL A M N E G E R I M A U L A N A M A L IK IB R A H IM
M A L A N G
2014
ii
iii
iv
v
M O TTO
“D o yo u r b e st a t a n y m o m e n t
th a t y o u h a v e , c a u se e v e ry
e f f o r t h a s it r e w a r d s ”
“ T i d a k a d a u s a h a y a n g s ia - s i a ”
vi
PERSEM BA H A N
A lh a m d u lilla h , s e g a la p u ji s y u k u r a t a s r a h m a t , h id a y a h d a n in a y a h
A lla h S W T , k a ry a in i k u p e r s e m b a h k a n u n t u k o r a n g - o r a n g is t im e w a
d a la m h id u p k u
| A y a h a n d a d a n Ib u n d a T e r c in ta |
H a r u n N u r R a s y it d a n Z u lia t i
T e r i m a k a s i h a t a s k a s i h s a y a n g , s e m a n g a t , d a n k e i k h l a s a n h a ti t e l a h
m e n d id ik d a n m e m b im b in g k u
| A d ik - a d ik k u T e r s a y a n g |
A h m a d M u b a r o k u l W a jid
F a iz N u r I h s a n A r if
F a u z a n R o s y id i
M . R iz q y R o s y id
T e r im a k a s ih a ta s s e m a n g a t d a n d o a n y a
| P a r a D o s e n T I U IN M a l ik i M a l a n g |
T e r i m a k a s i h t e l a h m e m b i m b i n g d a n m e n d i d i k s a y a s e m o g a il m u y a n g
s a y a t e rim a b a r o k a h d u n ia a k h ira t
| IN F IN IT Y ( T I 2 0 1 0 ) |
K it a le b ih d a r i t e m a n s e p e rju a n g a n m e n u n t u t ilm u ,
k i t a a d a la h k e l u a r g a
v ii
K A T A PE N G A N T A R
A ssa la m u a’a laik u m W r. W b .
S e g a l a p u ji b a g i A l la h S W T y a n g t e l a h m e l im p a h k a n ra h m a t , h i d a y a h d a n
k a r u n i a - N y a k e p a d a p e n u l i s . S h a l a w a t s e rt a s a l a m j u g a te t a p t e rc u r a h k a n k e p a d a
N abi k i ta M u h am m a d SA W yang tela h m e m bim b in g u m atn y a d a ri k e g ela p a n
m e n u ju te ra n g n y a c a h a y a Isla m . S e hin g g a p e n ulis d a p a t m e n y ele saik a n s krip si
dengan ju d u l “ Q u e stio n A n s w e ri n g S y stem M en g g u n akan S e m a ntic W eb dan
A l g o r i tm a P o rt e r s e b a g a i S t e m m e r K a t a ” d e n g a n b a i k .
S e l a n j u t n y a p e n u l is h a t u r k a n u c a p a n te r im a k a s i h s e i ri n g d o ’ a d a n h a r a p a n
ja z a k u m ulla h a h sa n al ja z a ’ kepada sem ua p iha k yang tela h m e m b a ntu
t e r s e l e s a i k a n n y a s k ri p si i n i . U c a p a n t e ri m a k a s i h i n i p e n u l i s s a m p a i k a n k e p a d a :
1. A ’la S y a u q i, M . K o m , sela k u d o se n p em b im bin g skripsi I, y a n g tela h
m e lu a n g k a n w a k tu u n tu k m e m b i m b i n g , m e m o t i v a s i , s e rt a m e m b e ri k a n
p e n g a ra h a n , m asu k a n d a n p e n g ala m a n b erh a rg a .
2. F a t c h u r r o h m a n , M .K o m , s e l a k u d o s e n p e m b im b i n g s krip si II, y a n g tela h
m e m b e ri k a n s a r a n d a n m a s u k a n d a l a m p e n y u s u n a n s k ri p s i .
3. D r . C a h y o C r y s d i a n , s e l a k u K e t u a J u r u s a n T e k n i k I n f o r m a t i k a U n i v e rs i ta s
Islam N e g e ri M a ula n a M a li k I b r a h im M ala n g , yang m endukung dan
m e n g a r a h k a n d a l a m p e n g e rj a a n s k ri p s i i n i .
v iii
4. S e g e n a p s i v it a s a k a d e m i k a J u r u s a n T e k n i k I n f o rm a ti k a , t e r u t a m a s e l u r u h
d o s e n , t e ri m a k a s i h a t a s s e g e n a p il m u d a n b i m b i n g a n y a n g t e l a h d i b e r i k a n .
5. Sem ua p ih a k yang tid a k m u n g kin p e n u l is se b u tk a n s a t u - p e rs a t u , a ta s
s e g a l a y a n g t e l a h d i b e ri k a n k e p a d a p e n u l i s d a n d a p a t m e n j a d i p e l a j a r a n .
P e n u lis m e n y a d ari b a h w a d a la m penyusu nan s k ri p si i n i m a si h te rd a p at
k e k u r a n g a n d a n p e n u li s b e r h a r a p s e m o g a s k r i p s i i n i d a p a t m e m b e ri k a n m a n f a a t
k e p a d a p a r a p e m b a c a . A m i n Y a R a b b a l A la m i n .
W a ssa lam u ’ala ik um W r. W b .
M a la n g , 9 N o v e m b er 2 0 1 4
P e n u lis
ix
D A F T A R ISI
H A L A M A N J U D U L .............................................................................................. i
H A L A M A N P E N G A J U A N .................................................................................. i i
H A L A M A N P E R S E T U J U A N ............................................................................. i i i
H A L A M A N P E N G E S A H A N .............................................................................. i v
H A L A M A N P E R N Y A T A A N ................................................................................v
H A L A M A N M O T T O .......................................................................................... v i
H A L A M A N P E R S E M B A H A N .......................................................................... v i i
K A T A P E N G A N T A R ........................................................................................ v i i i
D A F T A R I S I ...........................................................................................................x
D A F T A R G A M B A R ........................................................................................... x i i
D A F T A R T A B E L ............................................................................................... x i i i
A B S T R A K .......................................................................................................... x i i i
B A B I PE N D A H U L U A N
1 .1 L a t a r B e l a k a n g ...........................................................................................1
1 .2 R u m u s a n M a s a l a h ......................................................................................8
1 .3 B a t a s a n M a s a l a h ........................................................................................8
1 .4 T u j u a n P e n u l is a n ................................ ................................ ........................9
1 .5 M a n f a a t P e n u l is a n ................................ ................................ ......................9
1 .6 S i s t e m P e n u l is a n ................................ ................................ ........................9
1 .7 M e t o d e P e n e l i ti a n ................................ ................................ ....................1 0
B A B II T IN J A U A N P U ST A K A
2 .1 P e n e l i ti a n T e r k a i t ................................ ................................ .....................1 1
2 .2 S e m a n t i c W e b ...........................................................................................1 4
2 .3 K o m p o n e n - k o m p o n e n S e m a n ti c W e b ................................ ......................1 5
2 .4 O n t o l o g y ...................................................................................................1 8
2 .5 T e m u K e m b a li I n f o r m a s i ( I n f o r m a ti o n R e t r i e v a l) ................................ ...1 9
2 .6 Q u e s t i o n A n s w e r i n g .................................................................................2 0
2 .7 D B P e d i a ...................................................................................................2 1
2 .7 .1 L i n k e d D a t a .....................................................................................2 1
2 .7 .2 S P A R Q L E n d p o i n t ..........................................................................2 1
2 .7 .3 R D F D u m p s ....................................................................................2 2
2 .8 P a r s i n g .....................................................................................................2 2
2 .9 S t e m m i n g ..................................................................................................2 2
2 .1 0 S P A R Q L ..................................................................................................2 3
B A B III A N A L ISIS D A N P E R A N C A N G A N SIST E M

3 .1 D e s a i n S i s te m ................................ ............................................................2 5
3 .1 .1 T e x t P r o c e s si n g ...............................................................................2 6
3 .1 .1 .1 K a l i m a t T a n y a .......................................................................2 8
3 .1 .1 .2 C a s e f o l d i n g ...........................................................................2 8
3 .1 .1 .3 M e n g h a p u s T a n d a T a n y a ......................................................2 8
3 .1 .1 .4 P a r s i n g ..................................................................................2 8
x
3 .1 .1 .5 M e n g h a p u s S t o p w o r d s ..........................................................2 9
3 .1 .1 .6 P o r t e r S t e m m i n g ...................................................................2 9
3 .1 .2 D a t a M i n i n g ....................................................................................3 4
3 .1 .2 .1 C a r i R e s o u r c e d i W i k i p e d i a ..................................................3 5
3 .1 .2 .2 S P A R Q L Q u e r y ....................................................................3 5
3 .1 .3 M e n a m p il k a n J a w a b a n ................................ ................................ ....3 6
3 .2 D e s a i n I n t e r f a c e ........................................................................................3 7
3 .3 K e b u t u h a n S i s t e m .....................................................................................3 8
B A B IV H A SIL D A N P E M B A H A S A N
4 .1 I m p l e m e n ta s i S i s t e m ................................ ................................ .................4 0
4 .1 .1 I m p l e m e n ta s i P o r t e r S te m m i n g ........................................................4 2
4 .1 .2 I m p l e m e n ta s i P r o s e s P e n c a r i a n R e s o u r c e ........................................4 5
4 .1 .3 I m p l e m e n ta s i S P A R Q L p a d a D B P e d i a I n d o n e s i a ...........................4 6
4 .2 I m p l e m e n ta s i T a m p i la n ................................ ................................ .............4 7
4 .3 U j i C o b a ....................................................................................................5 0
4 .4 A n a l i s a H a s il ................................ .............................................................5 1
4 .5 I n t e g r a s i Q u e s ti o n A n s w e r i n g S y s t e m d e n g a n Is l a m ................................ .6 8
B A B V PE N U T U P
5 .1 K e s i m p u l a n ...............................................................................................7 1
5 .2 S a r a n .........................................................................................................7 1
D A FT A R PU ST A K A
L A M P IR A N
xi
D A FT A R G A M B A R
G a m b a r 1 .1 H a s i l P e n c a r ia n d a ri Y a h o o S e a r c h E n g i n e ................................ .........3
G a m b a r 1 . 2 H a s i l P e n c a r ia n d a ri W o l fr a m A l p h a Q u e s t i o n A n s w e r i n g S y s t e m ......5
G a m b a r 1 .3 H a s i l P e r a n k i n g a n W i k i p e d i a d i A l e x a ................................................7
G a m b a r 1 .4 D e m o g r a f i P e n g g u n a d i W i k i p e d i a ......................................................7
G a m b a r 2 .1 L a y e r S e m a n ti c W e b ................................ ................................ ...........1 6
G a m b a r 2 .2 M e a n i n g T r i a n g l e ...............................................................................1 8
G a m b a r 3 .1 B l o k D i a g r a m Q u e s ti o n A n s w e r i n g S y s t e m ........................................2 6
G a m b a r 3 .2 B l o k D i a g r a m T e x t P r o c e s si n g ...........................................................2 7
G a m b a r 3 .3 B l o k D i a g r a m P o r t e r S t e m m i n g .........................................................3 0
G a m b a r 3 .4 B l o k D i a g r a m D a t a M i n i n g ................................................................3 5
G a m b a r 3 .5 S t r u k t u r K u e ri S P A R Q L ....................................................................3 6
G a m b a r 3 .6 C o n t o h K u e r i S P A R Q L ......................................................................3 6
G a m b a r 3 .7 H a s i l d a r i K u e ri S P A R Q L ..................................................................3 6
G a m b a r 3 .8 D e s a i n I n t e r f a c e Q u e s ti o n A n s w e r i n g S y s t e m ................................ ....3 7
G a m b a r 4 .1 I m p l e m e n t a si U s e r I n t e rf a c e ..............................................................4 8
G a m b a r 4 .2 S i st e m M e n a m p i l k a n Ja w a b a n k e p a d a P e n g g u n a ..............................4 9
x ii
D A FT A R T A B E L
T a b e l 3 .1 A t u r a n u n t u k I n fl e c ti o n P a r ti c l e ............................................................3 1
T a b e l 3 .2 A t u r a n u n t u k I n fl e c ti o n P o s s e s i v e P r o n o u n ................................ ...........3 1
T a b e l 3 .3 A t u r a n u n t u k F i r s t O r d e r D e r i v a t i o n a l P r e fi x ................................ .......3 1
T a b e l 3 .4 A t u r a n u n t u k S e c o n d O r d e r D e r r iv a t i o n a l P r e fi x ................................ .3 2
T a b e l 3 .5 A t u r a n u n t u k D e r r i v a t i o n a l S u f fi x .........................................................3 2
T a b e l 4 .1 R e k a p i t u l a si U j i C o b a ............................................................................5 1
x iii
A B ST R A K
R o sy id a h , D z a k iy atu r. 2014. Q u e s ti o n A n sw e r in g S y s te m M enggunakan

S e m a n t i c W e b d a n A l g o r i tm a P o r t e r s e b a g a i S t e m m e r K a t a . S k r i p s i . J u r u s a n
T e k n ik I n f o rm a ti k a F a k u ltas S a in s dan T e k n o lo gi U n i v e r s it a s Islam N eg eri
M a u la n a M alik Ib ra him M ala n g .
P e m b i m b i n g : ( I ) A ’l a S y a u q i , M . K o m ( II ) F a t c h u r r o c h m a n , M .K o m
K a ta K u n c i: N a tu ral Language P r o c e s sin g , Q u e stio n A n s w e rin g , W ik ip e dia ,

D b p e d ia , S P A R Q L
Q u e s tio n A n s w e r in g S y s te m (Q A S ) m e ru p a k a n b a g ia n d a ri p e n e litia n m e n g e n a i N a tu r a l
Language P r o c e s s in g (N L P ), d im a n a s is te m in i m e n g iz i n k a n pengguna m e n y a ta k a n
k e b u tu h a n in fo r m a s in y a d a la m b e n tu k n a tu ra l la n g u a g e q u e s tio n (p e rta n y a a n d a la m
bahasa a la m i), d an m e n g e m b a lik a n k u tip a n te k s singkat a ta u bahka n fra se se bagai
ja w a b a n . Saat in i, k e b u tu h a n u n tu k m e n d a p a tk a n in fo rm a s i se c a ra cepat dan a k u ra t
s e m a k in m e n i n g k a t d iiri n g i p u la d e n g a n p e n in g k a ta n d a ta y a n g a d a p a d a w e b . U n tu k in i
pada p e n e litia n in i, p e n e li ti m e m bangu n sebu ah Q u e s tio n A n s w e r in g S y s te m
m e n g g u n a k a n a lg o rit m a P o rte r s e b a g a i s te m m e r k a ta . A lg o ri tm a P o rte r d ig u n a k a n u n tu k
s te m m in g pada k a lim a t ta n y a yang d iin p u tk a n o le h p e n g g u n a . S u m b e r d a ta yang akan
d ig u n a k a n a d a la h D B P e d ia In d o n e s ia , d im a n a D B P edia m e ru p a k a n b a s is d a ta d a ri
W ik ip e d ia yang m enam pung ju ta a n in fo rm a s i. P e n e liti ju g a m enggun akan SP A R Q L
u n tu k m e l a k u k a n k u e ri p a d a D B P e d ia In d o n e s ia u n t u k m e m p e ro le h ja w a b a n n y a . D a ri u ji
c o b a y a n g te la h d ila k u k a n , Q A S y a n g d ib u a t m e m b e r ik a n n ila i a k u ra s i s e b e s a r 7 1 ,5 0 % .
x iv
A B ST R A C T
R o s y i d a h , D z a k i y a t u r . 2 0 1 4 . Q u e s ti o n A n s w e r i n g S y st e m U s i n g S e m a n t i c W e b
a n d P o r te r A lg o r ith m fo r W o r d S te m m er . T h e sis. In form atics D e p a rtm e nt o f
F a c u lty of S cie n c e and T e c h n olo g y . M a ula n a M a li k I b r a h im Sta te Isla m ic
U n i v e r s it y , M a la n g .
A d v i s e r : (I ) A ’l a S y a u q i , M .K o m , M .K o m ( II ) F a tc h u r r o c h m a n , M .K o m
K ey w o rd s: N a tu ra l Language P r o c e s sin g , Q u e s ti o n A n sw e rin g , W ikip e d ia ,

D b p e d ia , S P A R Q L
Q u e s tio n A n s w e rin g S y s te m (Q A S ) is p a rt o f th e re se a rc h on th e N a tu ra l L a n g u a g e
P ro c e s s in g ( N L P ), w h e re th e s y s te m is a llo w u s e r s to e x p re s s th e ir in fo rm a tio n n e e d s in
th e fo rm o f n a t u ra l la n g u a g e q u e s tio n (q u e s tio n s i n n a tu ra l l a n g u a g e ), a n d re tu rn s t h e te x t
o r a p h ra s e a s th e a n s w e r. C u rre n tl y , th e n e e d to g e t in fo rm a tio n q u ic k ly a n d a c c u ra te ly
in c re a s in g l y a c c o m p a n ie d b y a n i n c re a s e in t h e e x is tin g d a ta o n th e w e b . F o r th is s tu d y ,
re se a rc h e rs a re b u ild i n g a Q u e s t io n A n s w e rin g S y s te m using th e P o rt e r a lg o rit h m fo r
s te m m in g . P o rte r s te m m in g a lg o rith m is used to s te m s e n te n c e e n te re d b y th e u se r.
S o u rc e o f d a ta to b e u s e d is th e D B P e d ia In d o n e s ia , w h e re D B P e d ia is a d a ta b a s e th a t
h o ld s m il lio n s o f W i k ip e d ia in fo r m a tio n . R e s e a rc h e rs a ls o use SPA R Q L to query on
D B P e d ia In d o n e s ia to g e t th e a n s w e r. F ro m t h e e x p e rim e n ts th a t h a v e b e e n c a r rie d o u t,
Q A S g iv e a n a c c u ra c y 7 1 ,5 0 % .
xv
‫ال مل خ ص‬
‫ا ن ش ش ُ ذ ح ‪ ,‬ر ك ُ خ ‪ . 2 0 1 4 .‬ا ن ن ظ ب و ا ن س ؤ ا ل و ا ن ج ى ا ة ع ن ط ش َ ق ب ن ذ ال ن ٍ ا ن ى َ ت و ا ن خ ى ا س ص ي ُ ب د‬
‫أ ط ش و د خ‪ .‬ق س ى ان ً عه ى ي برُ خ ‪ ،‬كهُ خ ان عه ى و‬ ‫‪(s te e m e r‬‬ ‫ث ى سر ش ين بن خ ر غُ شان كه ً خ (‬
‫و ا ن ز ك ن ى ن ى ج ُ ب ‪ ،‬ا ن ج ب ي ع خ ا إل س ال ي ُ خ ا ن ذ ك ى ي ُ خ ي ى ال ن ب ي ب ن ك إ ث ش ا ه ُ ى ي ب ال ن ج ‪ .‬ا ن ً ش ش ف ‪ :‬أ ع ه ً‬

‫ش ى ق ٍ ان ً ب ج سزُ ش و فز خ ان ش د ً ن ان ً ب ج سزُ ش‬
‫‪S P A R Q L ، D b p e d ia‬‬ ‫ان كه ً ب د انج ذ ث‪ :‬ي ع بن ج خ انه غ بر بن طجُ عُ خ ‪ ،‬ان س ؤا ل ان ج ىا ة ‪ ،‬وَ كُجُ ذَ ب ‪،‬‬
‫ه ى ج ض ء ين بنج ذ ث د ىن ً ع بن ج خ‬ ‫) ‪(Q A S‬‬ ‫انن ظ ب و ان س ؤا ل وان ج ىا ة‬
‫‪ ،‬دُ ث انن ظ ب و ه ى ان س ً ب ح نه ً سز خ ذ يُن بنز عجُ ش عن ب دزُ ب ج بر ه ى ي ن‬ ‫خ) ‪(N L P‬‬ ‫انه غ بر بن طجُ عُ‬
‫ا ن ً ع ه ى ي ب ر ف ٍ ش ك م ي ع ب ن ج خ ا ن ه غ خ ا ن ط ج ُ ع ُ خ ( ا أل س ئ ه خ ف ٍ ا ن ه غ خ ا ن ط ج ُ ع ُ خ ) ‪،‬‬
‫وإ س ج ب ع ً قز ط ف برن صُ خ ق صُ ش حأ و دز ي عج ب س ح ي بان ج ىا ة ‪ .‬ف ٍ ان ى ق ذ ان ذ ب ض ش ‪ ،‬وان ذ ب ج خ إن ً‬
‫ان ذ ص ى ل عه ي بن ً عه ى ي ب د ث س ش ع خ وث ذ ق خ صا درُ شا ف ق ه ضَ ب د ح فُ بنجُ بن ب د ان ً ى ج ى د ح عه ً شج ك خ‬
‫ا إل ن ز ش ن ذ ‪ .‬ن ه ز ه ا ن ذ س ا س خ ‪ ،‬و ث ن ً ا ن ج ب د ث ا ن ن ظ ب و ا ن س ؤ ا ل و ا ن ج ى ا ة ث ب س ز خ ذ ا و خ ى ا س ص ي ُ خ‬
‫‪ .‬ا ن خ ى ا س ص ي ُ خ ث ى س ر ش ا ن ن ب ث ع خ ا ن ً س ز خ ذ ي خ ن ه ج ً ه خ ا ال س ز ف ه ب ي ب ن ً ذ خ ه خ‬ ‫ث ى سر ش ي ن ان خ ر غُ ش ان كه ً خ‬
‫ه ٍ قب عذح‬ ‫‪D B P e d ia‬‬ ‫انذ ونُ سُب ‪ ،‬دُ ث‬ ‫‪D B P e d ia‬‬ ‫ث ب ن ً س ز خ ذ و ‪ .‬ي ص ذ س ا ن ج ُ ب ن ب ر ال س ز خ ذ ا ي ه ب ه ى‬
‫‪SPA R Q L‬‬ ‫‪ .‬انج ب دث أَ ض ب ا سز خ ذا و‬ ‫ث ُ ب ن ب ر ً ن ى َ ك ُ ج ُ ذ َ ب ا ن ز ٍ ر ذ ً ال ن ً ال َ ُ ن ي ن ب ن ً ع ه ى ي ب د‬
‫ان ذ ونُ سُ بنه ذ ص ى ل عه ي بن ج ىا ة‪ .‬ين بنز ج ب سث بنز ٍ ر ً بن قُ ب و‬ ‫‪D B P e d ia‬‬ ‫ا ال س ز ع ال ي ع ه ً‬

‫‪ Q‬ر ع ط ُ ذ ق خ ‪.٪ 7 1 . 5 0‬‬ ‫‪A S‬‬ ‫ث ه ب ‪ ،‬ا أل ي ش ا ن ز ٌ ج ع م‬
‫‪xvi‬‬
‫امللخص‬
‫الرشيدة‪ ,‬ذكية‪ .4102 .‬النظام السؤال واجلواب عن طريق الداليل الويب واخلوارزميات بورتر من الة تغري‬
‫الكلمة (‪ (stemmer‬أطروحة‪ .‬قسم املعلوماتية‪ ،‬كلية العلوم والتكنولوجيا‪ ،‬اجلامعة اإلسالمية احلكومية‬
‫موالنا مالك إبراهيم ماالنج‪ .‬املشرف‪ :‬أعلى شوقي املاجستري و فتح الرمحن املاجستري‬
‫ال كلمات البحث ‪:‬معاجلة اللغات الطبيعية‪ ،‬السؤال اجلواب ‪ ،‬ويكيبيديا‪SPARQL ،Dbpedia ،‬‬
‫النظام السؤال واجلواب )‪(QAS‬هو جزء من البحث حول معاجلة اللغات الطبيعية)‪، (NLP‬‬
‫حيث النظام هو السماح للمستخدمني التعبري عن احتياجاهتم من املعلومات يف شكل معاجلة اللغة‬
‫الطبيعية (األسئلة يف اللغة الطبيعية)‪ ،‬وإرجاع مقتطفات نصية قصرية أو حىت عبارة ما اجلواب ‪.‬يف الوقت‬
‫احلاضر ‪ ،‬واحلاجة إىل احلصول على املعلومات بسرعة وبدقة زادت يرافقه زيادة يف البيانات املوجودة على‬
‫شبكة اإلنرتنت ‪.‬هلذه الدراسة‪ ،‬وبىن الباحث النظام السؤال واجلواب باستخدام خوارزمية بورتر من الة تغري‬
‫الكلمة ‪.‬اخلوارزمية بورتر النابعة املستخدمة للجملة االستفهام املدخلة باملستخدم ‪.‬مصدر البيانات‬
‫الستخدامها هو ‪ DBPedia‬اندونيسيا‪ ،‬حيث ‪ DBPedia‬هي قاعدة بيانات من ويكيبيديا اليت حتمل‬
‫املاليني من املعلومات ‪.‬الباحث أيضا استخدام ‪ SPARQL‬االستعالم على ‪ DBPedia‬اندونيسيا‬
‫للحصول على اجلواب‪ .‬من التجارب اليت مت القيام هبا‪ ،‬األمر الذي جعل ‪ QAS‬تعطي دقة ‪.٪71.50‬‬
ABSTRACT
Rosyidah, Dzakiyatur. 2014. Question Ans wering System Using Semantic Web
and Porter Algorithm for Word Ste mmer. Thesis. Informatics Department of
Faculty of Science and Technology. Maulana Malik Ibrahim State Islamic
University, Malang.
Adviser: (I) A’la Syauqi, M.Kom, M.Kom (II) Fatchurrochman, M.Kom
Keywords: Natural Language Processing, Question Answering, Wikipedia,

Dbpedia, SPARQL
Question Answering System (QAS) is part of the research on the Natural Language
Processing (NLP), where the system is allow users to express their information needs in
the form of natural language question (questions in natural language), and returns the text
or a phrase as the answer. Currently, the need to get information quickly and accurately
increasingly accompanied by an increase in the existing data on the web. For this study,
researchers are building a Question Answering System using the Porter algorithm for
stemming. Porter stemming algorithm is used to stem sentence entered by the user.
Source of data to be used is the DBPedia Indonesia, where DBPedia is a database that
holds millions of Wikipedia information. Researchers also use SPARQL to query on
DBPedia Indonesia to get the answer. From the experiments that have been carried out,
QAS give an accuracy 71,50 %.
xv
ABSTRAK
Rosyidah, Dzakiyatur. 2014. Question Ans wering System Menggunakan

Semantic Web dan Algoritma Porte r sebagai Stemmer Kata. Skripsi. Jurusan
Teknik Informatika Fakultas Sains dan Teknologi Universitas Islam Negeri
Maulana Malik Ibrahim Malang.
Pembimbing: (I) A’la Syauqi, M. Kom (II) Fatchurrochman, M.Kom
Kata Kunci: Natural Language Processing, Question Answering, Wikipedia,

Dbpedia, SPARQL
Question Answering System (QAS) merupakan bagian dari penelitian mengenai Natural
Language Processing (NLP), dimana sistem ini mengizinkan pengguna menyatakan
kebutuhan informasinya dalam bentuk natural language question (pertanyaan dalam
bahasa alami), dan mengembalikan kutipan teks singkat atau bahkan frase sebagai
jawaban. Saat ini, kebutuhan untuk mendapatkan informasi secara cepat dan akurat
semakin meningkat diiringi pula dengan peningkatan data yang ada pada web. Untuk ini
pada penelitian ini, peneliti membangun sebuah Question Answering System
menggunakan algoritma Porter sebagai stemmer kata. Algor itma Porter digunakan untuk
stemming pada kalimat tanya yang diinputkan oleh pengguna. Sumber data yang akan
digunakan adalah DBPedia Indonesia, dimana DBPedia merupakan basis data dari
Wikipedia yang menampung jutaan informasi. Peneliti juga menggunakan SPARQL
untuk melakukan kueri pada DBPedia Indonesia untuk memperoleh jawabannya. Dari uji
coba yang telah dilakukan , QAS yang dibuat memberikan nilai akurasi sebesar 71,50%.
xiv
BAB I
PENDAHULUAN
1.1 Latar Belakang
Dewasa ini internet telah tumbuh menjadi media elektronik yang
menyediakan berbagai kebutuhan informasi untuk segala bidang keahlian.
Sebagian besar masyarakat di dunia memanfaatkan internet sebagai sarana
menuntut ilmu. Agama Islam juga mengajarkan umatnya untuk senantiasa
menuntut ilmu, bahkan jika menginginkan kebahagiaan dunia akhirat maka wajib
menuntut ilmu, seperti hadits yang diriwayatkan oleh Turmudzi berikut ini.
‫ َو َم ْن أَ َرا َدهُ َما ف َ َع لَيْ ِه ِبا‬, ‫اخ َرة َ ف َ َعلَيْ ِه ِب ا لْ ِعلْ ِم‬َ ْ ‫ َو َم ْن أَ َرا َد‬, ‫الدنْيَا ف َ َعلَيْ ِه ِب ا ْل ِعلْ ِم‬
ِ ‫اْل‬ ُّ ‫َم ْن أَ َرا َد‬
‫لْ ِعلْ ِم‬
Artinya: “Barang siapa yang menghendaki kehidupan dunia maka wajib baginya
memiliki ilmu, dan barang siapa yang menghendaki kehidupan akhirat, maka
wajib baginya memiliki ilmu, dan barang siapa menghendaki keduanya maka
wajib baginya memiliki ilmu”. (HR. Turmudzi)
Dari hadits tersebut jelas bahwa sebagai umat muslim wajib untuk
menuntut ilmu. Ada berbagai cara untuk memperkaya ilmu pengetahuan dan
memperoleh informasi, antara lain dengan membaca, berguru kepada seorang ahli,
ataupun secara otodidak melalui media elektronik, seperti internet, televisi, radio,
dan sebagainya. Semua hal tersebut dapat dilakukan sebaga i media pembelajaran
untuk memperkaya ilmu pengetahuan dan informasi. Di dalam Al Qur’an surat Al
‘Alaq ayat 3 – 5 juga termaktub ayat mengenai media pembelajaran sebagai
berikut.
1
2
             
Artinya:
3. Bacalah, dan Tuhanmulah yang Maha pemurah,
4. Yang mengajar (manusia) dengan perantaran kalam,
5. Dia mengajar kepada manusia apa yang tidak diketahuinya.
Menurut terjemah tafsir jalalain, makna bacalah pada la fal ayat ini ialah
mengukuhkan makna lafal pertama yang sama (dan Rabbmulah Yang Paling
Pemurah) artinya tiada seorang pun yang dapat menandingi kemurahan-Nya.
Lafal ayat ini sebagai Haal dan Dhamir yang terkandung di dalam lafal Iqra’.
Selanjutnya, terjemah dari ayat keempat adalah yang mengajar (manusia) dengan
perantaraan kalam, manusia pertama yang menulis dengan memakai kalam atau
pena ialah Nabi Idris a.s. Pada ayat kelima, (Dia mengajarkan kepada manusia)
atau jenis manusia (apa yang tidak diketahuinya) yaitu sebelum Dia mengajarkan
kepadanya hidayah, menulis dan berkreasi serta hal- hal lainnya (As Suyuthi,
2008).
Dari ayat tersebut, dapat diilhami bahwa proses pembelajaran atau proses
pentransferan pengetahuan kepada manusia dari yang semula tidak tahu menjadi
tahu menggunakan perantara berupa pena. Pena yang dimaksud disini adalah baca
tulis. Sehingga ayat ini mengandung makna bahwa penyampaian ilmu
pengetahuan kepada manusia tidak secara langsung begitu saja. Akan tetapi Allah
memberikan pengetahuan melalui perantara. Sehingga Allah sudah

3
mengisyaratkan melalui surat Al ‘Alaq ini bahwa penggunaan media
pembelajaran untuk pentransferan ilmu pengetahuan memang penting.
Mesin pencari (search engine) merupakan salah satu fasilitas yang sering
digunakan untuk mencari informasi, contohnya: Google, Yahoo, Altavista, Bing
dan lain sebagainya. Cara kerja search engine adalah sistem akan menampilkan
daftar dokumen yang berkaitan dengan keyword yang telah diinput oleh pengguna
(Gunawan, 2006). Gambar 1.1 menunjukkan daftar dokumen dari hasil pencarian
menggunakan search engine.
Gambar 1.1 Hasil Pencarian dari Yahoo Search Engine

(sumber: Yahoo, 10 Maret 2014)
4
Search engine tidak dapat melakukan analisis linguistik terhadap teks
kueri secara mendalam. Search engine akan menampilkan daftar dokumen atau
website. Untuk mendapatkan informasi yang benar-benar dibutuhkan, pengguna
harus memeriksa dan membaca setiap dokumen di daftar tersebut. Tidak jarang
sebagai pengguna terkadang mengalami kesulitan dalam menemukan informasi
yang tepat sesuai dengan keyword dicari. Hal ini dipengaruhi oleh tingginya
peningkatan data pada web, sehingga semakin banyak informasi dan pengetahuan
atau data yang ada pada internet, maka search engine akan mengembalikan daftar
dokumen yang banyak pula. Hal yang demikian kurang efisien dari segi waktu
dan akurasi informasi yang dibutuhkan pengguna.
Dengan demikian, maka perlu dibangun sebuah Question Answering
System (QAS). Ada beberapa faktor yang mendorong dikembangkannya Question
Answering System (QAS), antara lain: tingginya peningkatan data web, kemajuan
informasi dan teknologi, dan banyaknya permintaan dari pengguna untuk
mendapatkan informasi dengan cepat dan akurat (Tahri, 2013, hal. 23). Gambar
1.2 menunjukkan hasil pencarian menggunakan Question Answering System yaitu
Wolfram Alpha. Wolfram Alpha merupakan salah satu contoh Question
Answering System menggunakan bahasa Inggris.

5
Gambar 1.2 Hasil Pencarian dari Wolfram Alpha Question Ansering System
(sumber: Wolfram Alpha, 10 Maret 2014)
Question Answering System adalah sistem yang mengijinkan pengguna
menyatakan kebutuhan informasinya dalam bentuk natural language question
(pertanyaan dalam bahasa alami), dan mengembalikan kutipan teks singkat atau
bahkan frase sebagai jawaban (Gunawan, 2006). Question Answering System
(QAS) atau sistem tanya jawab berupaya mencari jawaban spesifik terhadap
pertanyaan yang diajukan dalam bahasa natural. Dibandingkan dengan mesin
pencari (search engine) yang memberikan himpunan dokumen hasil penelusuran,
sebuah QAS harus dapat menghadirkan jawaban akhir kepada pengguna. Secara
nilai kecerdasan, QAS harus memiliki intelejensia yang lebih dibandingkan
dengan mesin pencari biasa (Toba, 2010).

6
Ada beberapa penelitian yang mengembangkan QAS dengan
menggunakan tema atau topik tertentu, misalnya: QAS seputar NBA (National
Basketball Association). QAS ini dibangun oleh Calvin Irwan, Dr. Eng. Ayu
Purwarianti, S.T, M. T. QAS ini mempunyai pengetahuan (knowledge) seputar
liga bola basket pria di Amerika Serikat yang paling bergengsi di dunia. QAS lain
dikembangkan oleh Gunawan dan Gita Lovina. QAS ini menggunakan Alkitab
sebagai pengetahuan (knowledge). Peneliti ingin mengembangkan sebuah QAS
berbahasa Indonesia yang dapat menjawab pertanyaan-pertanyaan umum sehingga
QAS yang akan dibangun tidak terpaku pada topik atau tema tertentu seperti pada
penelitian sebelumnya.
Dengan adanya data yang besar pada web dikombinasikan dengan
teknologi Information Retrieval (IR) dan Natural Language Processing (NLP)
dapat dikembangkan sebuah Question Answering System menggunakan Wikipedia
sebagai basis pengetahuan atau knowledge-nya. Wikipedia digunakan sebagai
basis pengetahuan karenea merupakan free ensiklopedia terbesar yang
menampung berjuta-juta informasi yang dikelola oleh berjuta-juta kontributor dari
seluruh dunia. Berdasarkan hasil perangkingan di Alexa.com, Wikipedia berada di
peringkat keenam secara global dan di United States (US). Wikipedia masuk ke
dalam top 10 sites. Hasil perankingan tersebut dapat dilihat pada Gambar 1.3.
7
Gambar 1.3 Hasil Perankingan Wikipedia di Alexa

(sumber: Alexa, 10 Maret 2014)
Jumlah pengguna yang mengakses Wikipedia juga beragam, datanya dapat
dilihat demografinya berdasarkan jenis kelamin, tingkat pendidikan dan lokasi
pencarian (browsing) pada Gambar 1.4.
Gambar 1.4 Demografi Pengguna di Wikipedia

(sumber: Alexa, 10 Maret 2014)
Berdasarkan data tersebut, maka Wikipedia dipilih sebagai knowledge dari
Question Answering System (QAS) yang akan dibuat. Resource yang akan
digunakan yaitu DBPedia. DBPedia adalah sebuah komunitas yang bergerak
untuk mengekstrak informasi terstruktur dari Wikipedia dan menyediakan
informasi tersebut dalam sebuah web. DBPedia yang akan digunakan pada
penelitian ini adalah DBPedia Indonesia. DBPedia Indonesia mer upakan web
yang menyediakan data hasil ekstraksi dari Wikipedia Indonesia. Sehingga dapat
dilakukan pencarian yang kompleks terhadap data di Wikipedia. Ada 3 cara yang
dapat dilakukan untuk mengakses knowledge dari DBPedia Indonesia, yaitu

8
Linked Data, SPARQL Endpoint dan RDF Dumps. Linked Data adalah
mengakses sebuah entitas dengan menggunakan URI resource dari entitas
tersebut, contoh URI resource yaitu http://id.dbpedia.org/resource/Indonesia.
SPARQL Endpoint adalah mengakses DBPedia dengan cara melakukan query
pada knowledge base. Sedangkan RDF Dumps merupakan hasil dari ekstraksi
Wikipedia Indonesia, dimana ini terbagi menjadi 26 berkas dalam format N-
Triple. Pada pembuatan QAS ini akan dilakukan pengaksesan DBPedia Indonesia
dengan menggunakan SPARQL Endpoint. Dengan adanya QAS ini diharapkan
dapat membantu pengguna untuk menemukan informasi dengan cepat dan akurat.
1.2 Rumusan Masalah
Rumusan masalah pada penelitian ini sebagai berikut:
a. Apakah Question Answering System yang dibuat dapat memberikan
jawaban yang akurat?
b. Berapa tingkat akurasi jawaban yang dihasilkan dari Question Answering
System yang dibuat?
1.3 Batasan Masalah
Batasan masalah pada penelitian ini sebagai berikut:
a. Pengetahuan atau knowledge yang digunakan untuk sumber jawaban
adalah DBPedia
b. Pertanyaan yang diajukan oleh pengguna adalah sesuatu mengenai
Indonesia
9
1.4 Tujuan Penelitian
Tujuan pada penelitian ini sebagai berikut:
a. Untuk membangun Question Answering System menggunakan algoritma
Porter sebagai stemmer kata.
b. Untuk mengukur tingkat akurasi jawaban yang dihasilkan pada Question
Answering System.
1.5 Manfaat Penelitian
Hasil dari penelitian ini diharapkan dapat membantu pengguna untuk
mendapatkan informasi secara tepat dan akurat melalui Question Answering
System yang telah dibuat.
1.6 Sistematika Penulisan
Penulisan skripsi ini tersusun dalam lima bab dengan sistematika
penulisan sebagai berikut :
BAB I Pendahuluan
Pendahuluan, membahas tentang latar belakang masalah, rumusan masalah,
batasan masalah, tujuan penyusunan tugas akhir, metedologi, dan sistematika
penyusunan tugas akhir.
BAB II Landasan Teori
Landasan teori berisikan beberapa teori yang mendasari dalam penyusunan
tugas akhir ini. Adapun yang dibahas dalam bab ini adalah dasar teori yang
berkaitan dengan pembahasan tentang penelitian terkait, semantic web,

10
komponen-komponen semantic web, ontology, temu kembali informasi
(Information Retrieval), Question Answering, DBPedia, parsing, stemming, dan
SPARQL.
BAB III Analisa dan Perancangan
Menganalisa kebutuhan sistem untuk membangun Question Answering System
dan langkah- langkah pembuatannya.
BAB IV Implementasi dan Pembahasan
Menjelaskan tentang implementasi sistem berdasarkan rancangan yang telah
disusun sebelumnya serta pengujian Question Answering System yang telah dibuat
beserta pembahasannya.
BAB V Penutup
Berisi kesimpulan dan saran.
1.7 Metode Penelitian
Berdasarkan jenis dan analisis data,penulisan skripsi ini menggunakan
metode penelitian kuantitatif untuk mengukur akurasi jawaban dari QAS yang
akan dibuat.
BAB II
TINJAUAN PUSTAKA
2.1 Penelitian Terkait
Sebelumnya pernah dilakukan penelitian mengenai QAS dengan
menggunakan metode Rule-Based pada terjemahan Al Qur’an surat Al Baqarah
oleh Meynar pada tahun 2007. Proses awal pada QAS adalah dengan mengambil
dokumen-dokumen (ayat-ayat) berekstensi (*.txt) yang terdapat pada satu
direktori dan menyimpan nama masing- masing dokumen dalam tabel
penyimpanan dokumen. Kemudian dokumen-dokumen tersebut dipecah menjadi
kalimat-kalimat yang dimasukkan ke dalam tabel penyimpanan kalimat.
Selanjutnya dilakukan parsing dengan menggunakan titik (.) sebagai pemisah
(separator), penghilangan stopwords, dan stemming yang akan menghasilkan
token-token kalimat. Token-token tersebut disimpan dalam tabel penyimpanan.
Pengguna memasukkan kueri berupa kalimat pertanyaan, selanjutnya dilakukan
parsing, penghilangan stopwords, dan stemming yang akan menghasilkan token-
token kueri. Kemudian dilakukan proses WordMatch yaitu membandingkan
token-token pada setiap kalimat dokumen dan kalimat kueri. Setiap token yang
sama dari kalimat kueri akan memberikan nilai clue (+3) pada kalimat dokumen
tersebut. Selanjutnya masuk ke dalam proses rule sesuai dengan tipe kueri yang
diberikan. Dari proses tersebut, masing- masing kalimat akan memperoleh nilai
berdasarkan nilai WordMatch dan rule. Kalimat yang dikembalikan sebagai
jawaban adalah kalimat yang memiliki nilai paling tinggi. Akurasi rata-rata rule
11
12
terhadap kueri oleh peneliti adalah 85,69 % dan akurasi rata-rata rule terhadap
kueri yang diberikan pengguna umum adalah 53,14 %. Kelebihan dari penelitian
ini antara lain: sistem ini berbasis web, kuerinya menggunakan bahasa alami, dan
indexing dokumen hanya dilakukan sekali ketika di awal pembangunan sistem.
Adapun kekurangan dari penelitian ini antara la in: jika terdapat penambahan
dokumen, maka harus dilakukan proses pengindeksan ulang, tidak dilakukan
kajian terhadap hubungan makna semantik dalam dokumen, sehingga kandungan
terjemahan yang bersifat prosedural belum dapat ditemukembalikan, dan
penelitian ini belum menggunakan thesaurus dan hanya menggunakan simple
matching (Dwi, 2007).
Penelitian seputar QAS lainnya yaitu penelitian mengenai aplikasi
Question Answering (QA) tentang National Basketball Association (NBA). QA ini
merupakan aplikasi yang menjawab pertanyaan seputar NBA. Aplikasi ini
dibangun dengan 4 modul, yaitu antarmuka, Question Analyzer, Query Processor,
dan Database Generator. Teknik Rule Based diterapkan pada Database
Generator untuk pembuatan aturan-aturan yang memanfaatkan teknik pencocokan
string dilanjutkan dengan pemotongan string untuk pengambilan data basis data.
Pada modul Question Analyzer, digunakan pencocokan string untuk mendeteksi
stopwords, Expected Answer Type (EAT), dan keywords. Selanjutnya pada modul
Query Processor digunakan query basis data biasa. Query menggunakan EAT
sebagai kolom elemen tabel dan keywords untuk dicocokan pada elemen tabel
untuk pengembalian jawaban. Hasil pengujian dari aplikasi ini menunjukkan
bahwa akurasi kebenaran aplikasi berdasarkan skenario uji mencapai 93, 18%,
13
sementara hasil pengujian responden menunjukkan akurasi 91, 67% (Irwan,
2012).
Penelitian lain seputar Question Answering yaitu Question Answering
System pada Alkitab menggunakan metode Rule Based. Arsitektur aplikasinya
menggunakan arsitektur umum dari QAS yang dibuat oleh Monz, yaitu Question
Analysis, Document Collection Preprocessing, Candidate Document Selection,
Candidate Document Analysis, Answer Extraction, dan Response Generation
(Monz, 2003). Pada tahap Question Analysis menghasilkan dua buah representasi
pertanyaan sebagai output. Representasi pertama berupa sebuah query yang akan
diteruskan pada tahap Candidate Document Selection dan representasi kedua
adalah representasi semantik yang mengarah pada jenis informasi atau tipe
jawaban yang diinginkan oleh pertanyaan yang dijadikan input. Tahap Candidate
Document Selection akan mengidentifikasi dokumen-dokumen yang mengandung
jawaban menggunakan metode SurfaceText Patterns. Lalu tahap Candidate
Document Analysis dilakukan untuk memperkecil ukuran dokumen. Kemudian
tahap Answer Extraction bertugas mencocokkan kandidat dokumen dengan
representasi semantik dari pertanyaan sehingga menghasilkan daftar jawaban.
Selanjutnya menyajikan jawaban, contoh penyajiaannya bisa berupa daftar
dokumen, daftar paragraf, daftar kalimat, atau daftar frase jawaban sebagai
respon. Berdasarkan hasil pengujian melalui kuisioner, prosentase rata-rata
evaluasi program adalah 77.2% (Handojo, 2012).
Penelitian terkait lainnya yaitu sebuah arsitektur baru untuk
mengembangkan factoid Question Answering System menggunakan DBPedia

14
ontologi dan DBPedia extraction framework. Arsitektur dari Question Answering
System ini terdiri dari 3 proses utama, yaitu Question Classification and Decision
Model Generation, Question Processing dan Query Formulation and Execution.
Question Classification adalah tahap awal untuk mengklasifikasikan pertanyaan.
Ada 7 kelas utama untuk klasifikasi pertanyaan, yaitu human, location, entity,
description, abbreviation, number, dan boolean. Karena ada beberapa kelas untuk
mengklasifikan pertanyaan, maka peneliti menggunakan algoritma Support Vector
Machine (SVM) untuk multi-class SVM yaitu Directed Acrylic Graph. Tahap
selanjutnya yaitu memproses pertanyaan, mengekstraksi resource, mengekstraksi
keywords, formulasi query menggunakan SPARQL dan eksekusi. Kernel SVM
yang digunakan pada penelitian ini adalah linear karena kernel ini mampu bekerja
dengan cepat dalam menangani data yang besar. Penggunaan kernel ini memiliki
tingkat akurasi 87% untuk pengklasifikasian pertanyaan. Dari penelitian yang
dilakukan, masih ada beberapa kekurangan, yaitu kurangnya informasi yang
tersedia pada DBPedia ontologi dan terkadang terjadi kesalahan dalam
pengklasifikasian pertanyan (Tahri, 2013).
2.2 Semantic Web
Semantik di dalam bahasa Indonesia berasal dari bahasa Inggris semantics,
dari bahasa Yunani sema (nomina) ‘tanda’: atau dari verba samaino ‘menandai’,
‘berarti’. Istilah tersebut digunakan para pakar bahasa untuk menyebut bagian
Ilmu bahasa yang mempelajari tentang makna (Djajasudarman, 1993).
Sedangkan web sendiri yaitu bagian visual dari internet. Web didasarkan
pada prinsip-prinsip Web page multimedia yang bentuknya seperti halaman-

15
halaman majalah yang dilengkapi dengan gambar, teks, dan foto. Pembuat web,
European Particle Physics Laboratory (CERN) mengembangkan bahasa
komputer yang disebut dengan Hypertext Markup Languange atau HTML, yang
mana menjadi dasar dari web (Ause, 1995).
Semantic Web merupakan perluasan dari World Wide Web yang
memungkinkan orang untuk berbagi konten melampaui batas-batas suatu aplikasi
dan website. Semantic web merupakan web data yang memungkinkan mesin
untuk memahami suatu informasi pada World Wide Web sesuai maknanya atau
secara struktural. Ini dapat memperluas jaringan hyperlink suatu halaman web
dengan memasukkan mesin pembaca metadata mengenai halaman yang terdapat
dalam web tersebut dan bagaimana mereka saling berhubungan satu sama lain.
Hal tersebut memungkinkan suatu agen untuk otomatis mengakses web secara
lebih cerdas dan melakukan tugas-tugas atas nama pengguna (Berneers, 2001).
Semantic web sedikit berbeda apabila digambarkan seperti web pada umumnya.
Penggunaan semantic web merupakan suatu pergeseran paradigma saat ini dalam
penggunaan web sehari-hari. Maka dari itu, semantic web telah mengilhami
banyak orang untuk menciptakan aplikasi dan teknologi semantik yang inovatif.
2.3 Komponen-komponen Semantic Web
Terdapat beberapa standar yang memungkinkan dalam pembuatan Semantic
Web yang telah dikoordinasi oleh World Wide Web Consortium (W3C). Beberapa
standar pokok dalam pembangunan suatu Semantic Web adalah Extensible
Markup Lanuage (XML), XML Schema, Resource Description Framework
(RDF), RDF Schema, Web Ontology Language (OWL), dan SPARQL. Layer dari
16
Semantic Web sebagaimana direkomendasikan oleh W3C dapat dlihat pada
Gambar 2.1 (Koivunen, 2002).
Gambar 2.1 Layer Semantic Web
a. Unicode dan URI
Unicode adalah standar representasi karakter komputer. Dalam hal ini,
Semantic Web seharusnya dapat merepresentasikan dokumen dalam bahasa
manusia yang berbeda dengan pemahaman mesin. URI (Uniform Resource
Identifier) merupakan standar untuk lokasi dan identitas suatu resource
(misalnya web page) dimana URI sebagai suatu penamaan unik untuk
identifikasi semantic web.
b. XML dan Namespaces
Extensible Markup Language (XML) dan Namespaces serta Schema,
merupakan sintaks yang berfungsi untuk menyajikan struktur data pada web.
XML sendiri merupakan Markup Language yang memungkinkan penciptaan
dokumen-dokumen yang tersusun dari struktur data dan Namespaces yang
menyediakan caranya untuk me-markup dari banyak sources. Semantic web

17
merupakan sistem yang menghubungkan banyak data sehingga memerlukan
source dalam pengolahan dokumen-dokumen tersebut.
c. RDF dan RDF Schema
Resource Description Framework (RDF) adalah sebuah framework
yang dibuat oleh W3C untuk merepresentasikan informasi dengan
menggunakan sekumpulan format sintaks. Ide dasar dari RDF adalah
bagaimana dapat membuat pernyataan mengenai sebuah resource Web dalam
bentuk ekspresi tertentu.
“Subjet-Predikat-Objek”. Dalam terminology RDF, SPO ini seringkali
disebut dengan istilah N-triple. Subjek mengacu pada resource yang ingin
dideksripsikan. Predikat menggambarkan kelakuan atau karakteristik dari
resource tersebut dan mengekspresikan hubungan antara subjek dan objek.
RDF Schema merupakan sebuah kamus data yang menyediakan dasar-
dasar vocabulary untuk mendeskripsikan properties dan classes dari resources
RDF. Hal ini dapat digunakan dalam pembuatan hirarki properties dan classes-
nya.
d. Query
Sebuah query digunakan untuk mengakses data pada repository yang tersedia.
e. Ontology Vocabulary
Bahasa ontology yang direkomendasikan oleh W3C pada 10 Februari 2004
adalah OWL Web Ontology Language, merupakan bahasa yang lebih kaya dan
kompleks untuk mendeskripsikan resource.

18
f. Logic dan Proof
Layer ini berupa rule dan sistem untuk melakukan reasoning pada ontology
sehingga dapat disimpulkan apakah suatu resource memenuhi syarat tertentu.
g. Trust
Layer dari semantic web yang memungkinkan pengguna web untuk
mempercayai suatu informasi pada web (Pollock, 2009).
2.4 Ontology
Definisi ontologi dalam ilmu komputer yang sering dirujuk berasal dari
Tom Gruber (2007) yang menyatakan “An ontology is an explicit and formal
specification of a conceptualization of domain of interest”.
Dalam memahami definisi tersebut digunakan istilah semantic, logic,
controlled vocabulary, taxonomy dan thesauri sebagai sudut pandang untuk
memulai pembahasan tentang pengertian ontologi. Untuk memberikan pengertian
semantic, dirujuk permasalahan dalam konteks komunikasi. Dalam konteks
komunikasi dengan ataupun tanpa ontology dikenal suatu penggambaran yang
disebut meaning triangle yang dapat dilihat pada Gambar 2.2.
evokes Concept refers to
Symbol Thing
stands for
Gambar 2.2 Meaning Triangle

(sumber: Sarno, 2012)
19
Ada tiga komponen pada meaning triangle yang berupa symbol, concept
dan thing. Symbol merupakan kata atau istilah yang digunakan dalam bahasa
(syntax).
Thing (referent) adalah sesuatu yang diwakilkan oleh symbol, namun tidak
terdapat relasi langsung dari symbol menuju thing. Untuk memahami thing yang
dimaksud, diperlukan concept yang memberikan meaning (semantic) sehingga
terdapat reference menuju thing tersebut.
Suatu kosakata terkontrol (controlled vocabulary) adalah suatu daftar
istilah (term) atau konsep yang dinyatakan secara eksplisit. Semua istilah dalam
kosakata terkontrol memiliki definisi yang jelas dan tidak redudansi.
Taxonomy adalah koleksi dari kosakata terkontrol yang diorganisasikan
secara hierarki berdasarkan hubungan generalisasi. Thesauri adalah jaringan
koleksi dari kata atau frase dengan satu set relasi linguistic. Thesauri juga
menggunakan relasi asosiatif selain menggunakan relasi induk-anak sehingga
thesauri lebih kuat dalam memberikan semantic bila dibandingkan dengan
taxonomy. Relasi asosiatif dalam thesauri misalnya “related-to”, “broader”,
“narrower” dan sebagainya.
Tujuan dibuatnya ontology semantic adalah untuk meningkatkan
otomatisasi pemrosesan teks dengan menyediakan representasi konsep yang ada
di dunia secara language independent dan meaning-based (Sarno, 2012).
2.5 Temu Ke mbali Informasi (Information Retrieval)
Temu kembali informasi berkaitan dengan representasi, penyimpanan,
pengorganisasian, dan pengaksesan informasi. Sistem temu kembali informasi

20
menyediakan kemudahan akses informasi bagi pengguna. Pengguna harus
menerjemahkan kebutuhan informasinya dalam bentuk kueri. Dengan adanya
kueri yang diberikan pengguna, tujuan utama dari sistem temu kembali informasi
adalah mengembalikan informasi yang relevan dengan kueri dan informasi yang
tidak relevan sesedikit mungkin.
2.6 Question Answering
Question Answering merupakan aplikasi nyata dari teknologi Natural
Language Processing (NLP). Tujuan utama dari Question Answering (QA) adalah
menampilkan jawaban atas pertanyaan yang diberikan pengguna. Ide utama QA
adalah (Dolarosa, 2008):
- Menentukan tipe semantik jawaban yang diharapkan
- Menentukan tipe dokumen-dokumen yang memiliki keywords seperti
pada pertanyaan
- Mencari entitas dengan tipe yang sesuai dengan pertanyaan, yang
dekat dengan keywords
2.7 DBPedia
DBPedia Indonesia merupakan sebuah komunitas yang bergerak untuk
mengekstrak informasi terstruktur dari Wikipedia dan menyediakan informasi
tersebut dalam sebuah web. DBPedia Indonesia merupakan sebuah web yang
menyediakan data hasil ekstraksi dari Wikipedia Indonesia. Dengan DBPedia
dapat dilakukan pencarian yang kompleks terhadap data dari Wikipedia. Adapun
21
cara pengaksesan knowledge DBPedia Indonesia ada 3 cara, yaitu Linked Data,
SPARQL Endpoint dan RDF Dumps.
2.7.1 Linked Data
Cara pengaksesan entitas dengan menggunakan URI resource dari
entitas tersebut. Setiap artikel Wikipedia dengan URL
http://id.wikipedia.org/wiki/JUDULARTIKEL akan memiliki URI
resource http://id.dbpedia.org/resource/JUDULARTIKEL. Di bawah ini
contoh dari beberapa URI resource, antara lain:
o http://id.dbpedia.org/resource/Universitas_Indonesia
o http://id.dbpedia.org/resource/Indonesia
o http://id.dbpedia.org/resource/Soekarno
o http://id.dbpedia.org/resource/Jawa_Tengah
o http://id.dbpedia.org/resource/The_Beatles
2.7.2 SPARQL Endpoint
Ini merupakan cara pengaksesan knowledge base DBPedia
Indonesia dengan menggunakan query. Dalam hal ini, untuk melakukan
query sebaiknya mempelajari ontology dan property-property yang
digunakan di DBPedia. Berikut contoh struktur query SPARQL.
select ?gubernur ?wakilGubernur

where {
dbpedia-id:Daerah_Khusus_Ibukota_Jakarta
dbpedia-owl:leaderName ?gubernur.
dbpedia-id:Daerah_Khusus_Ibukota_Jakarta
dbpedia-owl:viceLeader ?wakilGubernur.
}
Hasil dari query tersebut akan menampilkan nama dari gubernur dan wakil
gubernur DKI Jakarta.

22
2.7.3 RDF Dumps
DBPedia Indonesia juga menyediakan RDF dumps yang
merupakan hasil ekstraksi dari Wikipedia Indonesia. RDF dumps terbagi
menjadi 26 berkas dalam format N-Triple yang dikompresi dengan gzip.
2.8 Parsing
Parsing adalah proses untuk menguraikan kalimat menjadi per kata. Atau
dengan kata lain parsing adalah proses parser atau pemisahan dari elemen-elemen
pembentuk dokumen ke dalam satuan terkecil, yaitu kata (Zainal, 2009). Pemisah
antar kata yang umum digunakan dalam sebuah kalimat adalah spasi. Sehingga
pada penelitian ini akan digunakan spasi sebagai pemisah untuk menguraikan
kalimat tanya yang diinputkan oleh pengguna menjadi per kata.
2.9 Stemming
Stemming merupakan suatu proses yang terdapat dalam sistem Information
Retrieval (IR) yang mentransformasi kata-kata yang terdapat dalam suatu
dokumen ke kata-kata akarnya (root word) dengan menggunakan aturan-aturan
tertentu. Sebagai contoh, kata bersama, kebersamaam, menyamai, akan distem ke
root wordnya yaitu “sama”. Proses stemming pada teks berbahasa Indonesia
berbeda dengan stemming pada teks berbahasa Inggris (Keke, 2012). Pada
umumnya kata dasar pada bahasa Indonesia terdiri dari kombinasi:
Prefiks 1 + Prefiks 2 + Kata dasar + Sufiks 3 + Sufiks 2 + Sufiks 1

23
Pada teks berbahasa Inggris, proses yang diperlukan hanya proses
menghilangkan sufiks. Sedangkan pada teks berbahasa Indonesia, selain sufiks,
prefiks, dan konfiks juga dihilangkan (Agusta, 2009).
2.10 SPARQL
SPARQL Protocol and RDF Query Language (SPARQL) adalah sebuah
protocol dan bahasa query untuk Semantic Web’s resources. Sebuah query yang
menggunakan SPARQL dapat terdiri atas triple patterns, konjungsi (or) dan
disjungsi (and). Berikut ini adalah contoh query yang menghasilkan semua ibu
kota di Indonesia:
PREFIX abc: <http://mynamespace.com/exampleOntologie#>

SELECT ?capital ?province
WHERE {
?x abc:cityname ?capital.
?y abc:provincename ?province.
?x abc:isCapitalOf ?y.
?y abc:isInCountry abc:indonesia.
}
Untuk menjalankan SPARQL dapat menggunakan beberapa tools dan
APIs seperti: ARQ, Rasqal, RDF::Query, twingql, Pellet, dan KAON2. Tools
tersebut memiliki API yang memampukan pemrogram untuk memanipulasi hasil
query dengan berbagai aplikasi yang ada. Namun, sebagai standar dapat
digunakan SPARQL Query Results XML Fomat yang direkomendasikan oleh
W3C (Beckett, 2013). Hasil dari query di atas adalah (Ibrahim, 2007):
<?xml version="1.0"?>
<sparql xmlns="http://www.w3.org/2005/sparql-results#">
<head>
<variable name="capital"/>
<variable name="province"/>
24
</head>
<results>
<result>
<binding name="capital">
<literal
datatype="http://www.w3.org/2001/XMLSchema#string">
Bandung
</literal>
</binding>
<binding name="province">
<literal
datatype="http://www.w3.org/2001/XMLSchema#string">
Jawa Barat
</literal>
</binding>
</result>

</results>
</sparql>
BAB III
ANALISIS DAN PERANCANGAN SISTEM
3.1 Desain Sistem
Question Answering System (QAS) merupakan sistem yang mengijinkan
pengguna menyatakan kebutuhan informasinya dalam bentuk natural language
question (pertanyaan dalam bahasa alami), dan mengembalika n kutipan teks
singkat atau bahkan frase sebagai jawaban.
Sistem yang akan dibuat menggunakan DBPedia Indonesia sebagai sumber
pengetahuan. Ada 3 proses utama di dalamnya, yaitu:
1. Text Processing
Ini merupakan tahap awal untuk mengolah kalimat tanya yang d iinput
oleh pengguna. Kalimat tersebut diubah menjadi huruf kecil semua
(lower), dihilangkan tanda bacanya, dihapus stopwords-nya, kemudian
dicari bentuk kata dasarnya menggunakan algoritma Porter stemming.
2. Data Mining
Data mining merupakan proses untuk menggali kata-kata yang akan
digunakan dalam kueri SPARQL. Kandidat kata-kata yang digunakan
adalah kata yang telah dilakukan text processing pada tahap pertama.
Data mining digunakan untuk mencari resource di DBPedia Indonesia
yang sesuai dengan pertanyaan yang diinputkan oleh pengguna.
25
26
3. Menampilkan jawaban
Setelah ditemukan resource di DBPedia yang sesuai dengan pertanyaan
dari pengguna. Maka selanjutnya adalah menampilkan hasil jawaban
kepada pengguna. Blok diagram dari Question Answering System yang
akan dibuat dapat dilihat pada Gambar 3.1.
Kalimat Tanya Jawaban
Parsing SPARQL Query
Menghapus Stop
Porter Stemming Cari Resource
Words
Gambar 3.1 Blok Diagram Question Answering System
Gambar 3.1 merupakan blok diagram dari Question Answering System
yang akan dibangun. Penjelasan dari masing- masing proses pada blok diagram di
atas dijelaskan pada subbab berikutnya.
3.1.1 Text Processing
Pada Question Answering System (QAS), yang dijadikan
inputan adalah string pertanyaan yang diinputkan oleh pengguna.
String ini diolah terlebih dahulu untuk mempermudah proses
pencarian kandidat kata yang dapat digunakan sebagai resource.
Pengolahan string meliputi:
- Mengubah string menjadi huruf kecil semua (lower)
- Menghilangkan tanda tanya (?)

27
- Memecah kalimat tersebut menjadi per kata (tokenizing)
- Melakukan penghapusan stopwords. Stopwords adalah kata yang
tidak memiliki makna dan sebaiknya dihilangkan saja.
- Mencari kata dasar dari masing- masing kata dengan menggunakan
algoritma Porter Stemming.
Blok diagram dari text processing dapat dilihat pada Gambar 3.2.
Kalimat tanya
Jadikan huruf kecil

semua (String to lower)
Menghapus tanda baca
Tokenizing
Menghapus
stopword
Porter Stemming
Kandidat kata
Gambar 3.2 Blok Diagram Text Processing

28
3.1.1.1 Kalimat tanya
Ini merupakan tahap dimana pengguna menginputkan kalimat
tanya ke dalam sistem. Kalimat tanya yang diinputkan dapat menggunakan
beberapa macam kata tanya, antara lain: apa atau apakah, siapa atau
siapakah, dimana atau dimanakah, kapan atau kapankah, mengapa,
bagaimana dan berapa.
Misalnya: Siapakah Presiden Indonesia?
3.1.1.2 Casefolding
String pertanyaan dari pengguna diubah menjadi huruf kecil
semua. Proses ini juga dapat dinamakan sebagai case folding (membuat
semua huruf pada teks menjadi huruf kecil).
3.1.1.3 Menghapus Tanda Tanya
Setelah diubah menjadi huruf kecil semua, tanda tanya (?) yang
ada pada pertanyaan akan dihapus.
3.1.1.4 Parsing
Proses yang ada dalam parsing adalah tokenizing, yaitu memecah
kalimat yang telah diinput oleh pengguna menjadi per kata. Proses parsing
menggunakan spasi sebagai separator. Sebelum dilakukan parsing,
dilakukan penghapusan tanda tanya (?) untuk memudahkan proses
selanjutnya jika pengguna memasukkan tanda tanya ketika menginputkan
pertanyaan. Proses ini akan menghasilkan token-token untuk kemudian
dilanjutkan dengan proses penghapusan stopwords.

29
3.1.1.5 Menghapus Stopwords
Proses penghapusan stopwords dilakukan untuk menghilangkan
kata-kata yang tidak mempunyai makna, misalnya: di, yang, pada, ke, dan
lain sebagainya. Kata-kata yang termasuk ke dalam stopwords tersebut
disimpan ke dalam suatu tabel pada database dan dicocokkan satu persatu
dengan kata yang diinputkan oleh pengguna. Daftar stopwords dapat
dilihat pada lampiran. Apabila terdapat kata-kata yang mengandung
stopwords dari kalimat yang diinput oleh pengguna maka kata tersebut
akan dihapus.
3.1.1.6 Porter Stemming
Stemming adalah proses untuk mentransformasikan kata-kata yang
telah dipecah sebelumnya menjadi root word (kata dasarnya). Pada
penelitian ini, stemming menggunakan algoritma Porter. Algoritma ini
ditemukan oleh Martin Porter pada tahun 1980. Algoritma tersebut
digunakan untuk stemming kata berbahasa Inggris, kemudian karena
proses stemming bahasa Inggris berbeda dengan bahasa Indonesia, maka
dikembangkan algoritma Porter khusus untuk bahasa Indonesia oleh W.B.
Frakes pada tahun 1992. Stemming kata dilakukan pada kata yang
diindikasi sebagai keyword. Blok diagram dari algoritma Porter dapat
dilihat pada Gambar 3.3 (Agusta, 2009):

30
word
Remove Particle
Remove Possesive Pronoun
Remove 1st Order Prefix
Remove 2nd Order Prefix Remove Suffix
A rule i s fired
Remove Suffix Remove 2nd Order Prefix fail
stem
Gambar 3.3 Blok diagram Porter Stemming
(sumber: Agusta, 2009)
Adapun langkah- langkah algoritma ini adalah sebagai berikut:
1. Hapus Particle
2. Hapus Possesive Pronoun
3. Hapus awalan pertama. Jika tidak ada lanjutkan ke langkah 4a, jika ada
cari maka lanjutkan ke langkah 4b
4. (a) Hapus awalan kedua, lanjutkan ke langkah 5a
(b) Hapus akhiran, jika tidak ditemukan maka kata tersebut
diasumsikan sebagai root word. Jika ditemukan maka lanjutkan ke
langkah 5b
31
5. (a) Hapus akhiran. Kemudian kata akhir diasumsikan sebagai root
word
(b) Hapus awalan kedua. Kemudian kata akhir diasumsikan sebagai
root word
Terdapat 5 kelompok aturan pada algoritma Porter untuk bahasa Indonesia
ini. Aturan tersebut dapat dilihat pada Tabel 3.1, Tabel 3.2, Tabel 3.3,
Tabel 3.4 dan Tabel 3.5.
Tabel 3.1 Aturan untuk Inflection Particle

Measure Additional
Akhiran Replacement Contoh
Condition Condition
-kah NULL 2 NULL Bukukah
-lah NULL 2 NULL Pergilah
-pun NULL 2 NULL Bukupun
Tabel 3.2 Aturan untuk Inflection Possesive Pronoun

Measure Additional
Condition Condition
-ku NULL 2 NULL Bukuku
-mu NULL 2 NULL Bukumu
-nya NULL 2 NULL Bukunya
Tabel 3.3 Aturan untuk First Order Derivational Prefix

Measure Additional
Awalan Replacement Contoh
Condition Condition
Meng- NULL 2 NULL Mengukur  ukur
Meny- S 2 V...* Menyapu  sapu
Men- NULL 2 NULL Menduga  duga
Mem- P 2 V... Memaksa  paksa
Mem- NULL 2 NULL Membaca  baca
Me- NULL 2 NULL Merusak  rusak
Peng- NULL 2 NULL Pengukur  ukur
Peny- S 2 V.... Penyapu  sapu
Pen- NULL 2 NULL Penduga  duga
Pem- P 2 V... Pemaksa  paksa
Pem- NULL 2 NULL Pembaca  baca
Di- NULL 2 NULL Diukur  ukur
Ter- NULL 2 NULL Tersapu  sapu
Ke- NULL 2 NULL Kekasih kasih
32
Tabel 3.4 Aturan untuk Second Order Derivational Prefix

Measure Additional
Awalan Replacement Contoh
Condition Condition
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 3.5 Aturan untuk Derrivational Suffix

Measure Additional
Condition Condition
-kan NULL 2 Prefix bukan Tarikkan  tarik
anggota {ke, Mengambilkan 
peng} ambil
-an NULL 2 Prefix bukan Makanan  makan
annggota {di, Perjanjian  janji
meng, ter}
-i NULL 2 Prefix bukan Tandai  tanda
anggota {ber, Mendapati  dapat
ke, peng}
Stemming adalah proses menghilangkan imbuhan dari suatu kata pada
suatu dokumen. Permasalahan utama dalam stemming adalah bagaimana
mendapatkan kata dasar yang benar dari hasil pemenggalan imbuhan dari suatu
kata jadian. Efektifitas algoritma stemming dipengaruhi oleh beberapa faktor
(Mandala, 2004):
a. Kesalahan dalam proses pemenggalan imbuhan dari kata dasarnya. Kesalahan
ini dapat berupa:
 Overstemming: yaitu pemenggalan imbuhan yang melebihi dari yang
seharusnya. Contoh: kata masalah menjadi masa. Kesalahan ini dapat timbul
karena bentuk kata dasar yang menyerupai imbuhan.

33
 Understemming: yaitu pemenggalan imbuhan yang terlalu sedikit dari yang
seharusnya. Contoh: kata belajar menjadi lajar. Kesalahan ini dapat timbul
karena kekurangan pada aturan pola imbuhan yang didefinisikan.
 Unchange: yaitu kasus khusus dari understemming, dimana tidak terjadi
pemenggalan imbuhan sama sekali. Contoh: kata telapak, setelah
pemenggalan kata dasar yang didapat tetap telapak. Kesalahan ini dapat
ditimbulkan karena kekurangan pada aturan pola imbuhan yang didefinisikan.
 Spelling exception: yaitu huruf pertama kata dasar yang didapat tidak benar
yang diakibatkan dari pemenggalan awalan. Contoh: kata memukul menjadi
ukul. Kesalahan ini dapat timbul karena ada beberapa imbuhan yang berubah
bentuk ketika ditempelkan pada suatu kata dasar. Misalnya awalan berR-,
meN-, teR-, peR-, akan bergantung pada huruf pertama kata dasar dimana
imbuhan tersebut ditempelkan. Contoh: ber- + ajar = belajar, pen- + lihat =
penglihatan, pen- + sakit = penyakit. Atau sebaliknya ada imbuhan yang
mengakibatkan huruf pertama kata dasar yang ditempelinya menjadi luluh.
Misalnya meng- / peng- meluluhkan huruf ‘k’. Contoh: mengarang menjadi
meng- dan karang atau men- / pen- meluluhkan huruf ‘p’. Contoh: menuai
dari men- dan tuai.
b. Kekurangan dalam perumusan aturan penambahan imbuhan pada kata dasar.
Hal ini dapat terjadi karena morfologi bahasa Indonesia yang kompleks,
sehingga sangat sulit atau bahkan tidak mungkin untuk merumuskan aturan
yang sempurna.
34
c. Jumlah total aturan imbuhan yang didapat berhubungan dengan efektifitas
proses temu kembali. Dimana semakin banyak pola penambahan imbuhan
yang dapat dirumuskan, maka proses temu kembali akan semakin efektif.
Kata-kata yang di-stemming adalah kata-kata yang bukan termasuk ke
dalam stopwords. Setelah dilakukan stemming, maka akan diperoleh kata dasar
atau akar kata yang akan diproses ke tahap selanjutnya. Dari beberapa langkah
pada text processing ini selanjutnya diperoleh kandidat kata. Kandidat kata ini
selanjutnya digunakan sebagai keywords untuk melakukan proses selanjutnya
yaitu data mining. Data mining ini dilakukan untuk mencari resource di
Wikipedia.
3.1.2 Data Mining
Data mining adalah proses penggalian data, data mining yang
dimaksud pada QAS ini adalah untuk menemukan kata yang dapat
digunakan sebagai resource dari pertanyaan yang diinputkan oleh
pengguna. Data yang akan di-mining adalah data pada DBPedia Indonesia.
Pencarian resource pada DBPedia Indonesia menggunakan kandidat kata
dari text processing pada proses sebelumnya. Sehingga pada tahap ini
dibagi lagi menjadi 2 proses di dalamnya, yaitu: mencari link resource
terlebih dahulu di Wikipedia Indonesia dan kueri SPARQL dengan
endpoint DBPedia Indonesia. Blok diagram dari data mining dapat dilihat
pada Gambar 3.4:

35
Keyword
Cari resource di
Wikipedia
Kueri SPARQL
Abstrak dari
resource di
DBPedia
Indonesia
Gambar 3.4 Blok diagram Data Mining
3.1.2.1 Cari Resource di Wikipedia
Pencarian resource dilakukan dengan menggunakan Google API
yaitu CSE (Custom Search Engine). Endpoint pencariannya adalah
http://id.wikipedia.org. Hasil dari pencarian resource ini selanjutnya
digunakan untuk parsing kueri SPARQL. Hasil dari proses pencarian ini
adalah sebuah link untuk URI resource, misalnya:
http://id.wikipedia.org/wiki/Indonesia. Yang dibutuhkan untuk proses
selanjutnya adalah kata Indonesia nya
3.1.2.2 SPARQL Query
Struktur dari kueri SPARQL yang akan d igunakan dapat dilihat
pada Gambar 3.5.

36
select distinct ?Concept where {[] a ?Concept}
Gambar 3.5 Struktur Kueri SPARQL
Contoh kueri SPARQL dengan menggunakan endpoint DBPedia Indonesia
dapat dilihat pada Gambar 3.6.

select ?jawaban
where {
dbpedia-id:Ekosistem dbpedia-owl:abstract
?jawaban.
}
Gambar 3.6 Contoh Kueri SPARQL
3.1.3 Menampilkan Jawaban
Setelah dilakukan kueri menggunakan SPARQL, maka akan diperoleh
jawaban yang akan ditampilkan ke pengguna. Jawaban yang ditampilkan
kepada pengguna adalah abstract Wikipedia dari resource yang telah
ditemukan. Hasil dari kueri pada Gambar 3.6 dapat dilihat pada Gambar
3.7.
Gambar 3.7 Hasil dari Kueri SPARQL

37
3.2 Desain Interface
Desain interface untuk tampilan awal dari sistem dapat dilihat pada
Gambar 3.8 ini:
Gambar 3.8 Desain Interface Question Answering System
Pada bagian pertama, terdapat input field untuk menginputkan pertanyaan
ke dalam sistem. Berikut penjelasan untuk kolom Your Question, Keyword Found,
Document on Wikipedia, Wikipedia Endpoint dan Document Extraction:
 Your Question : menampilkan pertanyaan yang diinputkan oleh
pengguna
 Keyword Found : menampilkan kandidat kata yang digunakan
sebagai keyword untuk pencarian resource di
Wikipedia Indonesia. Kata yang ditampilkan
diperoleh dari proses text processing yaitu: case
folding, parsing, menghapus stopwords dan Porter

38
stemming.
 Document on : menampilkan link resource URI dari Wikipedia
Wikipedia
 Wikipedia Endpoint : menampilkan kata yang akan diproses untuk
SPARQL
 Document Extraction : menampilkan abstract DBPedia Indonesia dari kata
pada Wikipedia endpoint.
3.3 Kebutuhan Sistem
Berikut ini beberapa perangkat keras maupun lunak yang dibutuhkan
untuk mendukung pembuatan dan uji coba Question Answering System (QAS).
a) Perangkat Keras (Hardware)
- Peneliti menggunakan PC / Laptop dengan spesifikasi processor Intel(R)
Core(TM) i3-2328M CPU @2.20GHz 2.20 GHz dan RAM 2,00 GB
b) Perangkat Lunak (Software)
- XAMPP versi 1.8.3
XAMPP digunakan sebagai web server yang berdiri sendiri (localhost),
yang terdiri atas program Apache HTTP Server, MySQL database dan
penerjemah bahasa yang ditulis dengan bahasa pemrograman PHP dan
Perl.
- Notepad++
Notepad++ digunakan sebagai text editor.
- Mozilla Firefox
39
Mozilla Firefox merupakan browser yang digunakan untuk mengeksekusi
aplikasi
- Adobe Photoshop
Photoshop digunakan untuk membuat desain logo dan tampilan web.

BAB IV
HASIL DAN PEMBAHASAN
Pada bab ini membahas tentang implementasi dari perancangan yang telah
dibuat sebelumnya.
4.1 Implementasi Sistem
Sistem yang dibuat terdiri dari 3 proses utama, yaitu text processing, data
mining dan menampilkan jawaban. Text processing terdiri dari beberapa langkah,
yaitu:
- Mengubah string menjadi huruf kecil semua (lower) atau case folding
- Menghilangkan tanda tanya (?)
- Memecah kalimat tersebut menjadi per kata (tokenizing)
- Melakukan penghapusan stopwords. Stopwords adalah kata yang tidak
memiliki makna dan sebaiknya dihilangkan saja.
- Mencari kata dasar dari masing- masing kata yang telah di-parsing dengan
menggunakan algoritma Porter stemming.
Berikut ini kode program dari text processing:

$soal = $_POST['soal'];
//jadikan huruf kecil semua

$lower = strtolower($soal);
//menghilangkan tanda tanya

$ubah = str_replace("?"," ",$lower);
//memecah kalimat menjadi per kata (tokenizing)

$pecah = explode(" ", $ubah);
$i = 0;
while($split[$i] != null) {
40
41
$dicari=
hapussStopword(hapusakhiran(hapusawalan2(hapusawalan1(hap
uspp(hapuspartikel($pecah[0])))))).'
'.hapusStopword(hapusakhiran(hapusawalan2(hapusawalan1(ha
puspp(hapuspartikel($pecah[1])))))).'
puspp(hapuspartikel($pecah[9]))))));
$i++;
Berikut kode program untuk menghapus stopwords:

function hapusStopword ($kata) {
// cari di database
$sql = mysql_query("SELECT * from tb_stoplist where
stoplist ='$kata'");
if(mysql_num_rows($sql) == 1) {
$stopword = $kata;
$katabaru = str_replace($kata," ",$kata);
return $katabaru;
}
else {
$katabaru = $kata;
return $katabaru;
}}
42
4.1.1 Implementasi Porter Stemming
Stemming pada QAS ini digunakan untuk mentransformasikan
kata-kata yang telah dipecah sebelumnya menjadi root word (kata
dasarnya). Blok diagram dari Porter stemming dapat dilihat pada
Gambar 3.3.Langkah-langkah algoritma ini adalah sebagai berikut:
1. Hapus Particle
2. Hapus Possesive Pronoun
3. Hapus awalan pertama. Jika tidak ada lanjutkan ke langkah 4a, jika
ada cari maka lanjutkan ke langkah 4b
4. (a) Hapus awalan kedua, lanjutkan ke langkah 5a
(b) Hapus akhiran, jika tidak ditemukan maka kata tersebut
diasumsikan sebagai root word. Jika ditemukan maka lanjutkan
ke langkah 5b
5. (a) Hapus akhiran. Kemudian kata akhir diasumsikan sebagai root
word
(b) Hapus awalan kedua. Kemudian kata akhir diasumsikan sebagai
root word
Berikut kode program dari Porter stemming:

<?php
function cari($kata){
include "koneksi.php";
$hasil = mysql_num_rows(mysql_query("SELECT *
FROM tb_katadasar WHERE katadasar='$kata'"));
return $hasil;
}
//langkah 1 - hapus partikel

function hapuspartikel($kata){
if(cari($kata)!=1){
43
if((substr($kata, -3) == 'kah' )||( substr($kata, -

3) == 'lah' )||( substr($kata, -3) == 'pun' )){
$kata = substr($kata, 0, -3);
}
}
return $kata;
}
//langkah 2 - hapus possesive pronoun

function hapuspp($kata){
if(cari($kata)!=1){
if(strlen($kata) > 4){
if((substr($kata, -2)== 'ku')||(substr($kata,
-2)== 'mu')){
}else if((substr($kata, -3)== 'nya')){
$kata = substr($kata,0, -3);
}
}
}
return $kata;
}
//langkah 3 hapus first order prefiks (awalan

pertama)
function hapusawalan1($kata){
if(cari($kata)!=1){
if(substr($kata,0,4)=="meng"){
if(substr($kata,4,1)=="e"||substr($kata,4,1)=
="u"){
$kata = "k".substr($kata,4);
}else{
$kata = substr($kata,4);
}
}else if(substr($kata,0,4)=="meny"){
$kata = "s".substr($kata,4);
}else if(substr($kata,0,3)=="men"){
}else if(substr($kata,0,3)=="mem"){
if(substr($kata,3,1)=="a" || substr($kata,3,1)=="i"
|| substr($kata,3,1)=="e" || substr($kata,3,1)=="u"
|| substr($kata,3,1)=="o"){
$kata = "p".substr($kata,3);
}else{
}
44
}else if(substr($kata,0,2)=="me"){
}else if(substr($kata,0,4)=="peng"){
if(substr($kata,4,1)=="e" ||
substr($kata,4,1)=="a"){
$kata = "k".substr($kata,4);
}else{
}
}else if(substr($kata,0,4)=="peny"){
$kata = "s".substr($kata,4);
}else if(substr($kata,0,3)=="pen"){
if(substr($kata,3,1)=="a" ||
substr($kata,3,1)=="i" || substr($kata,3,1)=="e" ||
substr($kata,3,1)=="u" || substr($kata,3,1)=="o"){
$kata = "t".substr($kata,3);
}else{
}
}else if(substr($kata,0,3)=="pem"){
if(substr($kata,3,1)=="a" ||
substr($kata,3,1)=="i" || substr($kata,3,1)=="e" ||
substr($kata,3,1)=="u" || substr($kata,3,1)=="o"){
$kata = "p".substr($kata,3);
}else{
}
}else if(substr($kata,0,2)=="di"){
}else if(substr($kata,0,3)=="ter"){
}else if(substr($kata,0,2)=="ke"){
}
}
return $kata;
}
//langkah 4 hapus second order prefiks (awalan

kedua)
function hapusawalan2($kata){
if(cari($kata)!=1){
if(substr($kata,0,3)=="ber"){
}else if(substr($kata,0,3)=="bel"){
}else if(substr($kata,0,2)=="be"){
45
}else if(substr($kata,0,3)=="per" && strlen($kata)

> 5){
}else if(substr($kata,0,2)=="pe" &&
strlen($kata) > 5){
}else if(substr($kata,0,3)=="pel" &&
strlen($kata) > 5){
}else if(substr($kata,0,2)=="se" &&
strlen($kata) > 5){
}
}
return $kata;
}
////langkah 5 hapus suffiks
function hapusakhiran($kata){
if(cari($kata)!=1){
if (substr($kata, -3)== "kan" ){

}
else if(substr($kata, -1)== "i" ){
}else if(substr($kata, -2)== "an"){
}
}
return $kata;
}
?>
4.1.2 Implementasi Proses Pencarian Resource
Untuk proses pencarian resource, peneliti memanfaatkan Google
API yaitu Google Custom Search Engine (GCSE). Berikut kode
program untuk proses pencarian resource:

$kata = $dicari;
$carilink = str_replace(" ","+",$kata);
$cariUrl =
file_get_contents("https://www.googleapis.com/custo
msearch/v1?q=.'$carilink'.&cx=016089238520837785579
:mf4ije6qmcm&key=AIzaSyDrOMqyZkmuoKk-40xuVhWa-
qHeHaH_tS8");
46
$jas = json_decode($cariUrl, true);

$linkwiki = $jas["items"][0]
["link"];
$linkwiki2 = $jas["items"][1]
["link"];
$linkwiki3 = $jas["items"][2]
["link"];
$pecah = explode("/",$linkwiki);
$pecah2 = explode("/",$linkwiki2);
$pecah3 = explode("/",$linkwiki3);
$resource = $pecah[4];
$resource2 = $pecah2[4];
$resource3 = $pecah3[4];
4.1.3 Implementasi SPARQL pada DBPedia Indonesia
Setelah dilakukan pencarian link resource, maka didapatkan kata
yang akan dimasukkan kueri SPARQL dengan endpoint DBPedia
Indonesia. Berikut kode programnya:

<?php
function cariUrlDBpediaAbstract($resource)
{
$format = 'json';
$query =
"select ?jawaban
where {
dbpedia-id:".$resource." dbpedia-
owl:abstract ?jawaban
}";
$searchUrl = 'http://id.dbpedia.org/sparql?'
.'query='.urlencode($query)
.'&format='.$format;
return $searchUrl;
}
function request($url){
// is curl installed?
if (!function_exists('curl_init')){
die('CURL is not installed!');
}
// get curl handle
$ch= curl_init();
// set request url
curl_setopt($ch,
CURLOPT_URL,
$url);
// return response, don't print/echo
47
curl_setopt($ch,
CURLOPT_RETURNTRANSFER,
true);
/*
Here you find more options for curl:
http://www.php.net/curl_setopt
*/
$response = curl_exec($ch);
curl_close($ch);
return $response;
}
function printArray($array, $spaces = "")

{
$retValue = "";
if(is_array($array))
{
$spaces = $spaces
." ";
$retValue = $retValue."<br/>";
foreach(array_keys($array) as $key)
{
$retValue = $retValue.$spaces
."<strong>".$key."</strong>"
.printArray($array[$key],
$spaces);
}
$spaces = substr($spaces, 0, -30);
}
else $retValue =
$retValue." - ".$array."<br/>";
return $retValue;
}
?>
4.2 Implementasi Tampilan
Berikut implementasi tampilan yang sudah dikerjakan. Desain interface
dibuat dengan beberapa kolom yaitu kolom your question, keyword found,
document on Wikipedia, Wikipedia endpoint dan document extraction.
Implementasi tampilan awal dari sistem ini dapat dilihat pada Gambar 4.1.
48
Gambar 4.1 Implementasi User Interface
Hasil dari pencarian QAS akan menampilkan 3 kandidat jawaban teratas
karena jika menggunakan salah satu saja, jawaban yang ditampilkan terkadang
tidak cocok dengan pertanyaan yang dimasukkan oleh pengguna. Hal ini
dilakukan karena jawaban yang ditampilkan kepada pengguna hanyalah abstrak
dari DBPedia Indonesia sehingga peneliti menggunakan 3 kandidat jawaban
teratas.
Pada Gambar 4.2 ditampilkan implementasi ketika pengguna
memasukkan pertanyaan dan aplikasi menampilkan jawaban. Pada kolom your
question menampilkan pertanyaan yang dimasukkan oleh pengguna, selanjutnya
pada kolom Keyword Found menampilkan kata kunci untuk proses pencarian link
resource di Wikipedia Indonesia. Kata kunci diperoleh dari proses casefolding,
parsing, menghapus stopwords dan Porter stemming. Pada kolom Document on
Wikipedia adalah hasil pencarian link menggunakan Google Custom Search
Engine (GCSE). Kata yang ditampilkan pada Wikipedia endpoint digunakan pada
kueri SPARQL untuk proses pencarian jawaban di DBPedia Indonesia.

49
Gambar 4.2 Sistem Menampilkan Jawaban kepada Pengguna
Implementasi sistem pada Gambar 3.4 menggunakan contoh pertanyaan
‘Apa yang dimaksud dengan sholat jamak?’. Setelah dilakukan proses
casefolding, parsing, menghapus stopwords dan Porter stemming, keyword yang
diperoleh adalah maksud sholat jamak. Selanjutnya keyword ini digunakan untuk
50
mencari link Wikipedia Indonesia dengan menggunakan Google Custom Search
Engine (GCSE). Tiga link teratas yang diperoleh yaitu:
http://id.wikipedia.org/wiki/Salat_Jamak
http://id.wikipedia.org/wiki/Salat_Qashar
http://id.wikipedia.org/wiki/Majelis_Tafsir_Al_Quran
Setelah itu dilakukan kueri SPARQL dan jawaban pada tampilan kepada
pengguna ditampilkan pada Document Extraction. Paragraf pertama menampilkan
abstrak dari link Wikipedia yang pertama yaitu mengenai salat jamak, paragraf
kedua menampilkan abstrak dari link Wikipedia yang kedua yaitu salat qasar, dan
paragraf ketiga menampilkan abstrak dari link Wikipedia yang ketiga yaitu
majelis tafsir Al Qur’an.
4.3 Uji Coba
Pengujian aplikasi ini menggunakan sejumlah beberapa pertanyaan dan
dicek ketepatan jawabannya. Ada 200 pertanyaan yang diujikan dengan beberapa
kata tanya yang berbeda, yaitu: apa atau apakah, siapa atau siapakah, dimana atau
dimanakah, berapa atau berapakah, kapan atau kapankah, mengapa dan
bagaimana. Hasil uji coba dicantumkan pada lampiran.
Jawaban dari hasil uji coba terbagi menjadi 2 yaitu, jawaban tepat dan
jawaban tidak tepat. Jawaban tepat adalah kolom untuk jawaban yang dijawab
dengan tepat oleh sistem, sedangan kolom jawaban tidak tepat adalah untuk
jawaban yang salah atau sistem tidak mengembalikan jawaban sama sekali kepada
pengguna.
51
Berdasarkan hasil uji coba terhadap 200 pertanyaan di atas, jumlah
pertanyaan yang dijawab dengan tepat adalah 143 pertanyaan, sedangkan jawaban
yang tidak tepat sebanyak 57 pertanyaan. Rekapitulasi dari uji coba dapat dilihat
pada Tabel 4.1.
Tabel 4.1 Rekap itulasi Uji Coba

Jumlah Jawaban Tepat Jawaban Tidak Tepat
Pertanyaan Jumlah Prosentase Jumlah Prosentase
200 143 71,50 % 57 28,5 %
4.4 Analisa Hasil
Dari hasil uji coba terhadap 200 pertanyaan, nilai akurasi jawaban yang
didapat dari Question Answering System yang dibuat sebesar 71,50 %.
Berikut hasil analisa dari uji coba terhadap 200 pertanyaan:
a. Kesalahan pada stemming yaitu spelling exception. Spelling exception
adalah huruf pertama kata dasar yang didapat tidak benar ini diakibatkan
dari pemenggalan awalan. Kesalahan ini terjadi pada beberapa pertanyaan,
antara lain:
 Pertanyaan no 3 (Apa pengertian dari hardware?). Hasil dari stemming dan
penghapusan stopwords adalah kerti hardware. Kata dasar dari pengertian
seharusnya adalah ngerti bukan kerti. Pengertian merupakan kata yang
mempunyai awalan pen- dan akhiran –an.
 Pertanyaan no 11 (Apa nama planet yang memiliki cincin?). Hasil dari
stemming dan penghapusan stopwords adalah planet pilik cincin. Kata dasar
dari memiliki seharusnya adalah milik. Memiliki merupakan kata yang
mempunyai awalan me- dan akhiran –i.

52
 Pertanyaan no 49 (Kapan Nagita Slavina memulai karir?). Hasil dari
stemming dan penghapusan stopwords adalah nagita slavina pulai karir.
Kata dasar dari memulai seharusnya adalah mulai. Memulai merupakan kata
yang mempunyai awalan me- dan akhiran –i.
 Pertanyaan no 82 (Bagaimana cara mengukur presisi?). Hasil dari stemming
dan penghapusan stopwords adalah kukur presisi. Kata dasar dari mengukur
adalah ukur. Mengukur mempunyai awalan me-. Kesalahan sama juga
terjadi pada pertanyaan no 84.
 Pertanyaan no 156 (Berapa hari ayam mengerami telurnya?). Keyword yang
ditemukan yaitu berapa ayam keram telur. Kata mengerami mengalami
spelling exception, seharusnya kata dasar dari mengerami adalah eram.Kata
mengerami mempunyai awalan meng- dan akhiran –i. Wikipedia endpoint
yang ditemukan tidak berhubungan sama sekali dengan perta nyaan.
Anafilaksis, Vitamin, Sindrom_prahaid
b. Kesalahan pada stemming berupa overstemming. Overstemming adalah
pemenggalan imbuhan yang melebihi dari yang seharusnya, seperti yang
terjadi pada beberapa pertanyaan, antara lain:
 Pertanyaan no 43 (Siapa penemu listrik?). Hasil dari stemming-nya adalah te
listrik. Kata dasar dari penemu seharusnya adalah temu. Penemu merupakan
kata yang mempunyai awalan pe-. Keyword yang ditemukan adalah te listrik
sehingga Wikipedia endpoint yang ditemukan tidak sesuai dengan
pertanyaan yaitu:
Pretty_Man, Tarif_dasar_listrik, Sistem_listrik_pesawat_terbang

53
 Pertanyaan no 52 (Kapan perayaan natal berlangsung?). Hasil dari stemming
dan penghapusan stopwords adalah aya natal. Kata dasar dari perayaan
seharusnya adalah raya. Perayaan merupakan kata yang memiliki awalan
pe- dan akhiran –an.
 Pertanyaan no 53 (Kapan masa jabatan Jokowi sebagai Gubernur DKI
Jakarta?). Hasil dari stemming dan penghapusan stopword adalah jabat
jokow bagai dk jakarta. Kata Jokowi dan DKI seharusnya tetap.
 Pertanyaan no 57 (Kapan PKI dibubarkan?). Keyword yang ditemukan pk
bubar. Kata PKI seharusnya tetap, tidak perlu di-stemming.
 Pertanyaan no 58 (Kapan TNI dibentuk?). Keyword yang ditemukan tn
bentuk. Kata TNI seharusnya tetap, tidak perlu di stemming.
 Pertanyaan no 79 (Bagaimana cara menanam jagung?). Keyword yang
ditemukan anam jagung. Kata dasar dari menanam seharusnya adalah
tanam. Menanam adalah kata yang memiliki awalan me-. Kesalahan yang
sama juga terjadi pada pertanyaan no 89.
 Pertanyaan no 122 (Siapa yang pertama kali menemukan benua Amerika?).
Keyword yang ditemukan mengalami overstem yaitu emu benua amerika.
Kata dasar dari menemukan seharusnya adalah temu. Wikipedia endpoint-
nya juga tidak berhubungan dengan pertanyaan, yaitu:
Emu, Harimau_Tasmania, Australia
 Pertanyaan no 141 (Dimana Jokowi dilahirkan?). Keyword yang ditemukan
adalah jokow lahir. Kata Jokowi seharusnya tidak perlu dilakukan

54
stemming. Wikipedia endpoint yang ditemukan hanya 1 dan tidak
berhubungan dengan pertanyaan yaitu Gamawan_Fauzi.
 Pertanyaan no 149 (Berapa luas Pulau Kalimantan?). Keyword yang
ditemukan yaitu berapa luas pulau kalimant. Kata kalimantan seharusnya
tidak perlu di-stemming. Tiga Wikipedia endpoint yang diperoleh yaitu:
Kalimantan, Kalimantan_(pulau), Daftar _provinsi_di_Indonesia
Ketiga abstrak dari Wikipedia endpoint tersebut belum bisa menjawab
pertanyaan.
 Pertanyaan no 163 (Kapan hari Pendidikan?). Keyword yang ditemukan
adalah didi dan kata ini mengalami overstem. Kata dasar dari pendidikan
adalah didik. Kata pendidikan memiliki awalan pe- dan akhiran –an.
Wikipedia endpoint yang ditemukan tidak berhubungan sama sekali dengan
pertanyaan, yaitu:
Didi_Mahardika, Didi_Riyadi, Didi,_Dusun_Timur, Barito_Timur
 Pertanyaan no 177 (Mengapa Al Qur’an diturunkan secara berangsur-
angsur?). Keyword yang ditemukan yaitu al qur’ turun angsur-angsur. Kata
Al Qur’an seharusnya tidak perlu di-stemming. Wikipedia endpoint yang
ditemukan ada yang sesuai dengan pertanyaan namun ab strak yang disajikan
belum bisa menjawab pertanyaan.
Al-Qur’an, Surah_Al-Furqan, Pemeluk_Islam_pertama
c. Informasi yang kurang lengkap pada abstrak DBPedia dan Wikipedia
endpoint yang tidak sesuai, seperti yang terjadi pada beberapa pertanyaan,
antara lain:
55
 Pertanyaan no 8 (Apakah judul lagu kebangsaan Indo nesia?). Keyword yang
didapatkan sudah benar yaitu judul lagu bangsa Indonesia, sedangkan 3
Wikipedia endpoint teratas yang didapatkan yaitu:
Daftar_lagu_nasional_Indonesia, Satu_Nusa_Satu_Bangsa,
Lagu_Bangsa_Johor
Dari ketiga endpoint tersebut tidak ada jawaban yang sesuai dengan
pertanyaan.
 Pertanyaan no 77 (Bagaimana cara membuat tempe?). Tiga Wikipedia
endpoint yang ditemukan yaitu:
Tempe, Tempe_(disambiguasi), Blok_Tempe
Dari ketiga endpoint tersebut, tidak ada jawaban yang sesuai.
 Pertanyaan no 81 (Bagaimana cara merawat kucing anggora?). Keyword
yang ditemukan rawat kucing anggora dan Wikipedia endpoint yang
ditemukan tidak memiliki abstrak yang sesuai dengan jawaban yaitu:
Anggora_Turki, Kucing, Anak_kucing
 Pertanyaan no 104 (Berapa warna yang ada p ada pelangi?). Keyword yang
ditemukan berapa warna pelangi dan Wikipedia endpoint yang ditemukan
tidak memiliki abstrak yang sesuai dengan pertanyan yaitu:
Pelangi, Ular-air_pelangi, Spektrum
 Pertanyaan no 118 (Apa saja dampak dari bom nuklir?). Keyword yang
didapatkan adalah dampak bom nuklir. Wikipedia endpoint yang ditemukan
antara lain:
56
Daya_ledak_senjata_nuklir,
Serangan_bom_atom_di_Hiroshima_dan_Nagasaki, Senjata_nuklir
Abstrak yang ditampilkan dari ketiga endpoint tersebut masih kurang sesuai
menjawab pertanyaan.
 Pertanyaan no 127 (Siapa pendiri organisasi NU?). Keyword yang
ditemukan sesuai yaitu organisasi nu. Wikipedia endpoint nya juga sesuai,
yaitu:
Nahdlatul_’Ulama, Muslimat_Nahdlatul_Ulama, Gerakan_Pemuda_Ansor.
Akan tetapi dari ketiganya, abstrak yang ditampilkan tidak dapat menjawab
pertanyaan.
 Pertanyaan no 128 (Siapa pencipta lagu Rasa Sayange?). Keyword yang
ditemukan adalah cipta lagu rasa sayange. Tiga Wikipedia endpoint yang
didapat yaitu:
Kopi_darat, Putri_Ayu_Silaen, Daftar_lagu_anak_d i_Indonesia
Dari ketiga Wikipedia endpoint tersebut, abstrak yang disajikan belum
 Pertanyaan no 130 (Siapa istri Hanung Bramantyo?). Keyword yang
ditemukan adalah istri hanung bramantyo. Wikipedia endpoint yang
didapatkan yaitu:
Hanung_Bramantyo, %3F_(film), Cinta_Tapi_Beda
Akan tetapi abstrak yang ditampilkan dari ketiga Wikipedia endpoint
tersebut belum bisa menjawab pertanyaan.

57
 Pertanyaan no 139 (Dimana pertama kali diadakan SEA GAMES?).
Keyword yang ditemukan adakan sea games. Kata adakan mengalami
understemming. Kata dasar dari diadakan seharusnya adalah ada. Wikipedia
Pesta_Olahraga_Asia_Tenggara, Pesta_Olahraga_Asia_Tenggara_2013,
Pesta_Olahraga_Asia_Tenggara_2011
Abstrak yang ditampilkan dari ketiga Wikipedia endpoint tersebut belum
bisa menjawab pertanyaan.
 Pertanyaan no 152 (Berapa luas negara Indonesia?). Keyword yang
ditemukan yaitu berapa luas negara indonesia. Ketiga Wikipedia endpoint
yang diperoleh yaitu:
Daftar_negara_menurut_luas_wilayah, Indonesia,
Daerah_Khusus_Ibukota_Jakarta
Abstrak dari ketiga Wikipedia endpoint tersebut belum bisa menjawab
pertanyaan.
 Pertanyaan no 155 (Berapa jumlah album Arie Lasso?). Keyword yang
ditemukan adalah berapa jumlah album arie lasso. Kata-katanya tetap tidak
mengalami perubahan. Wikipedia endpoint yang ditemukan juga sesuai
yaitu:
Ari_Lasso, Keseimbangan_(album_Ari_Lasso),
Selalu_Ada_(album_Ari_Lasso)
Akan tetapi abstrak yang ditampilkan belum bisa menjawab pertanyaan.

58
 Pertanyaan no 158 (Berapa suhu di matahari?). Keyword yang ditemukan
yaitu berapa suhu matahari. Wikipedia endpoint yang ditemukan sesuai,
antara lain:
Matahari, Neptunus, Pembicarran:Matahari
Akan tetapi abstrak yang ditampilkan belum bisa menjawab pertanyaan.
 Pertanyaan no 162 (Kapan hari kelahiran kota Malang?). Keyword yang
ditemukan yaitu lahir kota malang. Wikipedia endpoint yang ditemukan
sudah sesuai namun abstraknya belum bisa menjawab pertanyaan.
Kota_Malang,
Daftar_kota_di_Indonesia_menurut_hari_jadi, Muhammad_Anton
 Pertanyaan no 164 (Kapan Rumah Sakit Syaiful Anwar dibangun?).
Keyword yang ditemukan yaitu rumah sakit syaiful anwar bangun.
Wikipedia endpoint yang ditemukan antara lain:
Rumah_Sakit, Masjid_Istiqlal, Daftar_rumah_sakit_di_Indonesia
Abstrak dari ketiga Wikipedia endpoint tersebut belum bisa menjawab
pertanyaan.
 Pertanyaan no 166 (Kapan diadakan Konferensi Asia Afrika). Keyword yang
ditemukan yaitu adakan konferensi asia afrika. Kata adakan mengalami
understemming. Kata dasar dari diadakan adalah ada. Kata diadakan
mempunyai awalan di- dan akhiran –kan. Wikipedia endpoint yang
ditemukan sudah sesuai dengan pertanyaan. Namun data yang tersaji pada
abstraknya belum bisa menjawab pertanyaan.

59
Konferensi_Asia%E2%60%93Afrika,
Konferensi_Tingkat_Tinggi_Asia%E2%80%93Afrika_2005, Gerakan_Non-
Blok
 Pertanyaan no 174 (Bagaimana gejala penyakit demam berdarah?). Keyword
yang ditemukan yaitu gejala sakit demam berdarah. Wikipedia endpoint
yang ditemukan sesuai dengan pertanyaan namun abstrak yang disajikan
Demam_berdarah_dengue, Penyakit_virus_Ebola, Chikungunya
 Pertanyaan no 175 (Bagaimana mencegah osteoporosis?). Keyword yang
ditemukan yaitu cegah osteoporosis. Wikipedia endpoint yang ditemukan
ada yang sesuai dengan pertanyaan namun abstrak yang disajikan belum
Osteoporosis, Susu_kedelai, Semanggi
 Pertanyaan no 181 (Mengapa bisa terjadi obesitas?). Keyword yang
ditemukan yaitu obesitas. Wikipedia endpoint yang ditemukan ada yang
sesuai dengan pertanyaan namun DBPedia Indo nesia tidak memiliki
datanya, sehingga tidak ada jawaban yang ditampilkan kepada pengguna.
Kegemukan, Obesitas_abdominal, Berkas:Obesitas:jpg
 Pertanyaan no 183 (Mengapa boraks berbahaya jika digunakan di
makanan?). Keyword yang ditemukan yaitu boraks bahaya guna makan.
Wikipedia endpoint yang ditemukan ada yang sesuai dengan pertanyaan
namun abstrak yang disajikan belum bisa menjawab pertanyaan.
Bleng, Asam_borat, Tembaga(II)_sulfat

60
 Pertanyaan no 187 (Apa yang dimaksud dengan shalat?). Keyword yang
ditemukan yaitu maksud shalat. Wikipedia endpoint yang ditampilkan masih
memiliki kaitan dengan pertanyaan namun belum bisa menjawab
pertanyaan.
Salat_Istikharah, Salat_Rawatib, Salat_Jamak
 Pertanyaan no 191 (Mengapa umat Muslim yang mampu wajib membayar
zakat di bulan Ramadhan?). Keyword yang ditemukan yaitu umat muslim
wajib bayar zakat bulan. Wikipedia endpoint yang ditemukan ada yang
sesuai dengan pertanyaan namun abstrak yang disajikan belum bisa
Zakat_Fitrah, Zakat, Ramadhan
 Pertanyaan no 193 (Apa saja macam- macam zakat?). Keyword yang
ditemukan yaitu macam- macam zakat. Wikipedia endpoint yang ditemukan
ada yang sesuai dengan pertanyaan namun abstrak yang disajikan belum
Zakat, Zakat_Mal, Nisab
 Pertanyaan no 199 (Bagaimana cara melakukan tayammum?). Keyword
yang ditemukan yaitu laku tayammum. Wikipedia endpoint yang ditemukan
Wudu, Pertempuran_Badar, Talak
d. Wikipedia endpoint yang didapatkan tidak sesuai dengan pertanyaan, seperti
yang terjadi pada beberapa pertanyaan, antara lain:

61
 Pertanyaan no 38 (Siapa pencetus teori gravitasi?). Keyword yang
didapatkan sudah sesuai yaitu cetus teori gravitasi. Tetapi Wikipedia
endpoint yang ditemukan tidak sesuai yaitu:
Keberatan_terhadap_evolusi, Galaksi_katai, Sagittarius_A*
Dengan demikian, sistem tidak menyajikan jawaban yang sesuai terhadap
pengguna.
 Pertanyaan no 46 (Kapan Indonesia dinyatakan merdeka). Keyword yang
didapatkan yaitu indonesia nyata merdeka. Tiga Wikipedia endpoint teratas
yaitu:
Merdeka_17805, Merah_Putih_(film),
Daftar_negara_dengan_pengakuan_terbatas
Dari ketiga endpoint tersebut tidak ada jawaban yang sesuai.
 Pertanyaan no 52 (Kapan perayaan natal berlangsung?). Keyword yang
ditemukan aya natal. Tiga Wikipedia endpoint yang didapatkan yaitu:
Gals!, Buku_Harian_Nayla, Putri_Ayu_Silaen
Dari ketiga endpoint tersebut tidak ada jawaban yang sesuai.
 Pertanyaan no 53 (Kapan masa jabatan Jokowi sebagai Gubernur DKI
Jakarta?). Keyword yang ditemukan mengalami overstem yaitu jabat jokowi
bagai guberbur dk jakarta. Tiga Wikipedia endpoint yang didapatkan tidak
sesuai dengan pertanyaan yaitu:
Johannes_Suryo_Prabowo, Universitas_Syiah_Kuala,
Usulan_ibu_kota_Indonesia_masa_depan
62
 Pertanyaan no 54 (Kapan hari Kebangkitan Nasional diperinga ti?). Keyword
yang ditemukan yaitu bangkit nasional ingat. Tiga Wikipedia endpoint yang
ditemukan tidak sesuai yaitu:
Parkour, Bahasa_Cirebon, Proyek_Manhattan
 Pertanyaan no 57 (Kapan PKI dibubarkan?). Keyword yang ditemukan pk
bubar, sehingga 3 Wikipedia endpoint yang didapatkan tidak sesuai yaitu:
Partai_Keadilan_Sejahtera, Park_Jung_Min, Adam_Air
 Pertanyaan no 58 (Kapan TNI dibentuk?). Keyword yang ditemukan tn
bentuk, sehingga 3 Wikipedia endpoint yang didapatkan tidak sesuai yaitu:
Jurnal_umum, Taman_Nasional_Gunung_Ciremai, Menara_Eiffel
 Pertanyaan no 59 (Kapan terjadinya perjanjian hudaibiah?). Keyword yang
didapatkan sudah benar yaitu janji hudaibiah, sedangkan 3 Wikipedia
endpoint teratas yang didapatkan yaitu:
Bai'at_'Aqabah_Kedua, Ar_Rahman, Hassan_al-Hudaybi
Ketiga endpoint tersebut tidak ada yang sesuai dengan pertanyaan.
 Pertanyaan no 61 (Mengapa Jepang menyerah terhadap Belanda tahun
1945?). Keyword yang ditemukan yaitu jepang serah hadap belanda 1945,
sedangkan Wikipedia endpoint yang ditemukan tidak sesuai yaitu
Sumatera_Barat_pada_masa_pendudukan_Jepang.
 Pertanyaan no 64 (Mengapa Jogja dijuluki sebagai daerah istimewa?).
Keyword yang ditemukan jogja juluk bagai daerah istimewa, sedangkan 3
Wikipedia endpoint yang ditemukan tidak sesuai dengan pertanyaan yaitu:
Diponegoro, Mangkunegara_I, Purwokerto

63
 Pertanyaan no 79 (Bagaimana cara menanam jagung?). Keyword yang
ditemukan anam jagung, sedangkan 3 Wikipedia endpoint yang ditemukan
tidak ada yang sesuai dengan pertanyaan yaitu:
Kinali,_Pasaman_Barat,Sudungdewo,_Kertek,_Wonosobo,Kabupaten_Hulu
_Sungai_Tengah
 Pertanyaan no 80 (Bagaimana cara menginstal ulang Windows?). Keyword
yang ditemukan sesuai yaitu instal ulang windows, sedangkan 3 Wikipedia
endpoint yang ditemukan tidak sesuai dan tidak ada jawabannya yaitu:
Windows_95, Windows_Registry, Microsoft_Exchange_Server
 Pertanyaan no 84 (Bagaimana cara mengukur akurasi?). Keyword yang
ditemukan kukur akurasi dan Wikipedia endpoint yang ditemukan tidak
berhubungan sama sekali dengan pertanyaan yaitu Hidrosefalus. Dalam
kasus ini, GCSE hanya menemukan 1 link Wikipedia.
 Pertanyaan no 89 (Bagaimana cara menanam padi?). Keyword yang
ditemukan yaitu anam padi. Wikipedia endpoint yang didapatkan tidak
sesuai dengan pertanyaan yaitu:
Kinali,_Pasaman_Barat, Kabupaten_Hulu_Sungai_Tengah,
Tokoh_dari_Jombang
 Pertanyaan no 115 (Apakah sungai yang terpanjang di dunia?). Keyword
yang ditemukan sungai dunia dan Wikipedia endpoint tidak ada yang sesuai
yaitu:
Dunia_bawah, Sungai_Amazon, Sungai_Reprua

64
 Pertanyaan no 116 (Apa alat pernapasan dari serangga?). Keyword yang
ditemukan adalah alat napas serangga. Wikipedia endpoint dan abstrak yang
ditemukan tidak sesuai dengan pertanyaan yaitu:
Respirometer, Kumbang, dan Hewan
 Pertanyaan no 121 (Siapa yang disebut sebagai three musketeer?). Keyword
yang didapatkan adalah sebut bagai three musketeer. GCSE hanya
menemukan satu Wikipedia endpoint yaitu Perancis dan tidak berhubungan
dengan pertanyan.
 Pertanyaan no 137 (Dimana letak Kepulauan Seribu?). Keyword yang
ditemukan adalah letak pulau. Wikipedia endpoint yang didapat yaitu:
Kepulauan_Bangka_Belitung, Pulau_Bangka, Pulau_Tidore.
Ketiga Wikipedia endpoint tersebut tidak berhubungan dengan pertanyaan.
 Pertanyaan no 145 (Berapa jumlah kadar air dalam tubuh manusia?).
Keyword yang ditemukan adalah berapa jumlah kadar air tubuh manusia.
Tiga Wikipedia endpoint yang ditemukan yaitu:
Homeostasis, Habitat_bakteri, Adaptasi
Abstrak yang ditampilkan dari ketiga Wikipedia endpoint tersebut tidak
dapat menjawab pertanyaan.
 Pertanyaan no 156 (Berapa hari ayam mengerami telurnya?). Keyword yang
ditemukan yaitu berapa ayam keram telur. Wikipedia endpoint yang
ditemukan tidak berhubungan sama sekali dengan pertanyaan.
Anafilaksis, Vitamin, Sindrom_prahaid

65
 Pertanyaan no 182 (Mengapa bumi makin panas?). Keyword yang
ditemukan yaitu bumi makin panas. Wikipedia endpoint yang ditemukan
tidak berhubungan dengan pertanyaan.
Bumi_Makin_Panas, Suzanna, Efek_Tyndall
 Pertanyaan no 190 (Kapan kita dapat melaksanakan haji?). Keyword yang
ditemukan yaitu laksana haji. Wikipedia endpoint yang didapat tidak
berhubungan sama sekali dengan pertanyaan.
Laksana,_Pakuhaji,_Tangerang, Pakuhaji,_Tangerang,
Raden_Aria_Wira_Tanu_II
e. Google Custom Search Engine (GCSE) tidak dapat menemukan Wikipedia
endpoint-nya, sehingga prosesnya terhenti pada menemukan keyword saja
seperti yang terjadi pada:
 Pertanyaan no 74 (Mengapa edelweiss disebut bunga abadi?). Keyword
yang ditemukan edelweiss sebut bunga abadi.
 Pertanyaan no 82 (Bagaimana cara mengukur presisi?). Keyword yang
ditemukan kukur presisi.
 Pertanyaan no 83 (Bagaimana aturan permainan gobak sodor?). Keyword
yang ditemukan atur main gobak sodor.
f. Kesalahan pada stemming berupa understemming. Understemming yaitu
pemenggalan imbuhan yang terlalu sedikit dari yang seharusnya. Contoh:
kata belajar menjadi lajar. Kesalahan ini dapat timbul karena kekurangan
pada aturan pola imbuhan yang didefinisikan. Kesalahan seperti ini dijumpai
pada beberapa pertanyaan yaitu:

66
 Pertanyaan no 139 (Dimana pertama kali diadakan SEA GAMES?).
Keyword yang ditemukan adakan sea games. Kata adakan mengalami
understemming. Kata dasar dari diadakan seharusnya adalah ada. Wikipedia
Pesta_Olahraga_Asia_Tenggara, Pesta_Olahraga_Asia_Tenggara_2013,
Pesta_Olahraga_Asia_Tenggara_2011
Abstrak yang ditampilkan dari ketiga Wikipedia endpoint tersebut belum
 Pertanyaan no 166 (Kapan diadakan Konferensi Asia Afrika). Keyword yang
ditemukan yaitu adakan konferensi asia afrika. Kata adakan mengalami
understemming. Kata dasar dari diadakan adalah ada. Kata diadakan
mempunyai awalan di- dan akhiran –kan. Wikipedia endpoint yang
ditemukan sudah sesuai dengan pertanyaan. Namun data yang tersaji pada
abstraknya belum bisa menjawab pertanyaan.
Konferensi_Asia%E2%60%93Afrika,
Konferensi_Tingkat_Tinggi_Asia%E2%80%93Afrika_2005, Gerakan_Non-
Blok
Dari analisa beberapa pertanyaan tersebut, algoritma Porter stemming
memiliki 3 kekurangan yaitu:
(1) Spelling Exception
Huruf pertama kata dasar yang didapat tidak benar yang d iakibatkan dari
pemenggalan awalan. Contoh: kata memukul menjadi ukul. Kesalahan ini
dapat timbul karena ada beberapa imbuhan yang berubah bentuk ketika
67
ditempelkan pada suatu kata dasar. Pada uji coba yang telah dilakukan,
kasus spelling exception dijumpai pada kata dengan pola sebagai berikut:
 Awalan pe- dan akhiran –an seperti pada kata pengertian
mengalami spelling exception menjadi kerti.
 Awalan me- dan akhiran –i seperti: kata memiliki mengalami
spelling exception menjadi pilik, kata memulai mengalami spelling
exception menjadi pulai, kata mengerami mengalami spelling
exception menjadi keram.
(2) Overstemming
Pemenggalan imbuhan yang melebihi dari yang seharusnya. Contoh: kata
masalah menjadi masa. Kesalahan ini dapat timbul karena bentuk kata
dasar yang menyerupai imbuhan. Pada uji coba yang telah dilakukan kasus
overstemming dijumpai pada kata dengan pola berikut:
 Awalan pe-, seperti kata penemu mengalami overstemming
menjadi te.
 Awalan pe- dan akhiran –an, seperti: kata perayaan mengalami
overstemming menjadi aya, dan kata pendidikan menjadi didi.
 Awalan me-, seperti kata menanam mengalami overstemming
menjadi anam.
(3) Understemming
Pemenggalan imbuhan yang terlalu sedikit dari yang seharusnya. Contoh:
kata belajar menjadi lajar. Kesalahan ini dapat timbul karena kekurangan
pada aturan pola imbuhan yang didefinisikan. Pada uji coba yang telah
68
dilakukan, kasus understemming dijumpai pada kata dengan pola sebagai
berikut:
 Awalan pe- dan akhiran –an, seperti pada kata diadakan mengalami
understemming menjadi adakan.
4.5 Integrasi Question Answering System dengan Islam
Belajar atau menuntut ilmu merupakan kewajiban bagi seluruh umat
muslim. Seperti apa yang telah dikatakan pada hadits yang diriwayatkan oleh
Turmudzi berikut ini.
‫ َو َم ْن أَ َرا َدهُ َما ف َ َع لَيْه با‬, ‫اْلاخ َرة َ ف َ َعلَيْه ب ا لْ علْم‬

َ ْ ‫ َو َم ْن أَ َرا َد‬, ‫الدنْيَا ف َ َعلَيْه ب ا ْلعلْم‬
ُّ ‫َم ْن أَ َرا َد‬
‫لْعلْ م‬
Artinya:
Barang siapa yang menghendaki kehidupan dunia maka wajib baginya

memiliki ilmu, dan barang siapa yang menghendaki kehidupan akhirat,
maka wajib baginya memiliki ilmu, dan barang siapa menghendaki
keduanya maka wajib baginya memiliki ilmu. (HR. Turmudzi)
Hadits tersebut secara jelas juga menerangkan bahwa jika kita sebagai
umat muslim menginginkan kebahagiaan hidup didunia maka kita harus
menuntut ilmu. Begitu pula jika kita menginginkan kebahagiaan hidup di
akhirat, maka kita juga wajib menuntut ilmu. Ada berbagai cara menuntut
ilmu, antara lain: berguru secara langsung kepada ahlinya atau belajar melalui
media pembelajaran, seperti: internet, televisi, radio, dan lain- lainnya. Di
dalam Al Qur’an surat Al A’laq ayat 3-5 termaktub ayat mengenai media
pembelajaran, yaitu:
69
    

 
Artinya:
3. Bacalah, dan Tuhanmulah yang Maha pemurah,

4. Yang mengajar (manusia) dengan perantaran kalam,
5. Dia mengajar kepada manusia apa yang tidak diketahuinya.
Berdasarkan terjemah ayat di atas, dapat diilhami bahwa proses
pembelajaran atau pentransferan ilmu kepada manusia dari yang semula tidak tahu
menjadi tahu menggunakan perantara berupa pena. Menurut terjemah tafsir
jalalain, makna bacalah pada lafal ayat ini ialah mengukuhkan makna lafal
pertama yang sama (dan Rabbmulah Yang Paling Pemurah) artinya tiada seorang
pun yang dapat menandingi kemurahan-Nya. Lafal ayat ini sebagai Haal dan
Dhamir yang terkandung di dalam lafal Iqra’. Selanjutnya, terjemah dari ayat
keempat adalah yang mengajar (manusia) dengan perantaraan kalam, manusia
pertama yang menulis dengan memakai kalam atau pena ialah Nabi Idris a.s. Pada
ayat kelima, (Dia mengajarkan kepada manusia) atau jenis manusia (apa yang
tidak diketahuinya) yaitu sebelum Dia mengajarkan kepadanya hidayah, menulis
dan berkreasi serta hal- hal lainnya (As Suyuthi, 2008).
Berdasar pada ayat tersebut, maka peneliti mengembangkan Question
Answering System dengan tujuan sebagai media pembelajaran atau sarana
menuntut ilmu. Sehingga, aplikasi ini diharapkan dapat dijadikan media
pendamping untuk belajar atau memperoleh informasimelalui buku (media cetak
lainnya) maupun dari seorang guru (ahlinya).

70
Question Answering System yang telah dibuat oleh peneliti dapat
digunakan menjadi salah satu media pembelajaran atau sarana untuk memperoleh
ilmu tentang Islam. Berdasarkan hasil uji coba, QAS yang dibuat dapat menjawab
beberapa pertanyaan seputar agama Islam seperti: kapan sholat Idul Adha
berlangsung?, kapan terjadinya perang badar?, apa yang dimaksud dengan haji?,
apa yang dimaksud dengan shalat?, apa yang dimaksud dengan zakat?, apa ya ng
dimaksud dengan puasa?, kapan waktu yang diharamkan untuk berpuasa?, dimana
letak masjid nabawi?, apa saja rukun islam itu?, apa saja rukun iman itu?, kapan
waktu shalat dhuha?, apa yang dimaksud dengan shalat istikharah?, dan apa yang
dimaksud dengan shalat jamak?

71
BAB V
PENUTUP
5.1 Kesimpulan
Dari proses perancangan, implementasi hingga uji coba yang telah peneliti
lakukan dapat disimpulkan bahwa Question Answering System yang telah dibuat
menggunakan algoritma Porter sebagai stemmer kata memberikan nilai akurasi
sebesar 71,50 % dari 200 pertanyaan yang telah diujikan. Algoritma Porter
sebagai stemmer kata mempunyai andil dalam menentukan keyword atau kandidat
kata untuk proses pencarian jawaban. Jika keyword yang diperoleh dari proses
stemming tidak mengalami kesalahan, maka dapat diperoleh jawaban yang sesuai
dengan pertanyaan.
5.2 Saran
Dari beberapa kelemahan yang telah dipaparkan pada bab sebelumnya, sistem
ini masih memiliki beberapa kekurangan. Untuk penelitian ke depan, perlu
dilakukan perbaikan pada pengolahan katanya (text processing). Salah satunya
adalah perbaikan pada algoritma stemming-nya. Untuk meningkatkan akurasi
jawaban juga perlu ditambahkan pengklasifikasian pada pertanyaannya sehingga
semua property pada DBPedia dapat digunakan. Dengan adanya penambahan
klasifikasi diharapkan dapat menyajikan jawaban akhir kepada pengguna dengan
lebih tepat dan akurat.
40
BAB V
PENUTUP
5.1 Kesimpulan
Dari proses perancangan, implementasi hingga uji coba yang telah peneliti
lakukan dapat disimpulkan bahwa Question Answering System yang telah dibuat
menggunakan algoritma Porter sebagai stemmer kata memberikan nilai akurasi
sebesar 71,50 % dari 200 pertanyaan yang telah diujikan. Algoritma Porter
sebagai stemmer kata mempunyai andil dalam menentukan keyword atau kandidat
kata untuk proses pencarian jawaban. Jika keyword yang diperoleh dari proses
stemming tidak mengalami kesalahan, maka dapat diperoleh jawaban yang sesuai
dengan pertanyaan.
5.2 Saran
Dari beberapa kelemahan yang telah dipaparkan pada bab sebelumnya, sistem
ini masih memiliki beberapa kekurangan. Untuk penelitian ke depan, perlu
dilakukan perbaikan pada pengolahan katanya (text processing). Salah satunya
adalah perbaikan pada algoritma stemming-nya. Untuk meningkatkan akurasi
jawaban juga perlu ditambahkan pengklasifikasian pada pertanyaannya sehingga
semua property pada DBPedia dapat digunakan. Dengan adanya penambaha n
klasifikasi diharapkan dapat menyajikan jawaban akhir kepada pengguna dengan
lebih tepat dan akurat.
71
DAFTAR PUSTAKA
Agusta, L. 2009. Perbandingan Algoritma Stemming Porter dengan Algoritma Nazief &
Adriani untuk Stemming Dokumen Teks Bahasa Indonesia. Konferensi Nasional
Sistem dan Informatika, November 14. Bali: Universitas Kristen Satya Wacana.
As Suyuthi, J., & Muhammad Ibnu, J. 2008. Tafsir Jalalain. Tasikmalaya: Pustaka Al-
Hidayah.
Ause, W. 1995. Instant HTML Web Pages. Chicago: Ziff-Davis Press.

Beckett, D., & Broekstra, J. 2013. SPARQL Query Results XML Format. Dipetik Maret 5,
2014, dari http://www.w3.org/TR/rdf-sparql-XMLres/
Berners-Lee, T., Hendler, J., & Lassila, O. 2001. The Semantic Web. American Scientific.
Djajasudarman, & Fatimah. 1993. Semantik 1: Pengantar ke Arah Ilmu Makna. Bandung:
PT. REFIKA.
Dolarosa, R. 2008. Implementasi Question Answering System dengan Metode Rule-Based
Pada Banyak Dokumen Berbahasa Indonesia. Bogor : Institut Pertanian Bogor
(IPB).
Gunawan, & Lovina, G. 2006. Question Answering System dan Penerapannya Pada
Alkitab. Jurnal Informatika Vol. 7 No. 1 Mei .
Handojo, A., Lie, E., & Intan, R. 2012. Aplikasi Question Answering System dengan
Metode Rule-Based Question Answering System pada Alkitab. Jurnal Informatika
Vol. 11 No. 1 Mei .
Ibrahim, N. 2007. Pengembangan Apikasi Semantic Web Untuk Membangun Web yang
Lebih Cerdas. Jurnal Informatika, Vol. 3 No. 1 Juni , 27-39.
Irwan, C., & Ayu Purwarianti, E. 2012. Studi dan Implementasi Question Answering
System Bahasa Indonesia pada Perangkat Bergerak Domain National Basketball
Association. Jurnal Sarjana Institut Teknologi Bandung bidang Teknik Elektro dan
Informatika Vol. 1, No. 3 Oktober .
Keke, D., Chikita, R., & Prayogo, A. D. 2012. Sistem Temu Balik Informasi "Algoritma
Nazief dan Adriani". Jurusan Ilmu Komputer, Fakultas MIPA, Universitas Gadjah
Mada .
Koivunen, M. R., & Miller, E. 2002. W3C Semantic Web Activity. Semantic Web Kick-
Off in Finland (Vision, Technologies, Research, and Applications) (hal. 27-43).
Helsinki: HIIT Publications.
Monz, C. 2003. From Document Retrieval to Question Answering. ILLC Dissertation
Series .
Pollock, J. T. 2009. Semantic Web For Dummies. Indianapolis: Wiley Publishing.

Sarno, R., Anistyasari, Y., & Fitri, R. 2012. Semantic Search (Pencarian Berdasarkan
Konten). Yogyakarta: ANDI.
Tahri, A., & Tibermacine, O. 2013. DBPedia Based Factoid Question Answering System.
International Journal of Web & Semantic Technology (IJWesT) Vol. 4, No. 3 July .
Toba, H. 2010. Analisis Semantik dengan Representasi "First Order Logic" dalam Sistem
Tanya Jawab. Jakarta: Technical Report Natural Language Processing, Program
Doktor Ilmu Komputer Fakultas Ilmu Komputer.
Zainal, R. 2009. Abstraksi Dokumen Menggunakan Analisis Kausalitas Knowledge
Graph.
LAMPIRAN
1. Daftar Stopword
yang, mampu, tentang, di, setelah, semua, hampir, juga, am, antara, dan, ada,
seperti, jadi, karena, sudah, tetapi, oleh, bisa, tidak, sayang, melakukannya,
lakukan, memang , baik, lain, pernah, setiap, untuk, dari, mendapatkan, punya,
telah, memiliki, dia, miliknya, bagaimana, bagaimanap un, i, jika, ke, dalam,
itu, sama, paling, biarkan, mungkin, aku, sebagian, besar, harus, saya, off,
sering, pada, hanya, atau, kita, sendiri , agak, kata, begitu, beberapa, mereka,
kemudian, sana, ini, tis, sungguh, keinginan, adalah, kami, apa, kapan, mana,
sementara, siapa, mengapa, akan, dengan, belum, anda, sebuah, atas, menurut,
sesuai, seberang, sebenarnya, sekali, lagi, terhadap, memungkinkan, sendirian,
bersama, meskipun, selalu, apapun, siapapun, anyways, saja, selain, muncul,
menghargai, tepat, sekitar, samping, bertanya, terkait, tersedia, jauh, sangat,
menjadi, sebab, sebelum, sebelumnya, belakang, percaya, bawah, terbaik,
lebih, luar, keduanya, singkat, namun, ayo, c, datang, cant, penyebab, tertentu,
tentu, perubahan, jelas, co, com, akibatnya, mempertimbangkan, berisi,
mengandung, saat, pasti, dijelaskan, berbeda, melakukan, dilakukan, selama,
edu, misalnya, delapan, tempat, cukup, seluruhnya, terutama, et, dll, bahkan,
orang, semuanya, mana- mana, mantan, kecuali, sedikit, kelima, pertama, lima,
diikuti, berikut, sebagainya, empat, lanjut, mendapat, diberikan, memberi,
pergi, salam, terjadi, halo, membantu, maka, sini, inilah, selanjutnya, disini,
sesudah, dirinya, hi, nya, mudah- mudahan, howbeit, yaitu, diabaikan,
langsung, lantaran, inc, menunjukkan, ditunjukkan, batin, sejauh, sebaliknya,
bukan, terus, tahu, diketahui, terakhir, akhir-akhir, kurang, supaya, mari, suka,
kemungkinan, kecil, lihat, mencari, tampak, ltd, banyak, berarti, apalagi,
diriku, nama, nd, dekat, perlu, butuh, kebutuhan , baru, berikutnya, sembilan,
satu, biasanya, novel, sekarang, oh, ok, oke, tua, keluar, secara, keseluruhan,
khususnya, per, ditempatkan, silahkan, plus, menyediakan, que , qv, rd,
kembali, benar-benar, mengenai, tanpa, memandang, menganggap, relatif,
masing- masing, benar, melihat, berkata, mengatakan, kedua, tampaknya,
dilihat, masuk, akal, dikirim, serius, tujuh, seharusnya, boleh, sejak, enam,
seseorang, entah, sesuatu, kadang, kadang-kadang, suatu, segera, maaf,
ditentukan, tentukan, menentukan, masih, sub, sup, t, menerima, mengambil,
katakan, cenderung, th, terima, kasih, thanx, thats, situ, demikian, dalamnya,
theres, d, berpikir, ketiga, teliti, seksama, tiga, melalui, seluruh, sehingga,
bersama-sama, arah, mencoba, dua, kali, un, sayangnya, sampai, kepada,
penggunaan, digunakan, berguna, menggunakan, nilai, berbagai, vs, ingin,
cara, selamat, whereafter, sedangkan, dimana, pun, apakah, utuh, mau,
bertanya-tanya, ya, kau, milikmu, dirimu, nol, memperhatikan, a, aduh, agar,
akhir, antaranya, apa-apa, awal, ayolah, b, bagian, bahwa, bapak, barang, tadi,
baru-baru, barusan, bekas, beliau, berakhir, berbalik, bergerak, besok, biasa,
bu, buat, bulat, co, con, contoh, dahulu, lain- lain, depan, detail, detik,
manapun, disisi, tengah-tengah, abaikan, diambil, dibuat, didapat, dimanakah,
dinyatakan, diperlukan, ditindaklanjuti, puluh, belas, e, ex, g, giliran h, hadir,
hadirat, hadirin, hai, haiyaa, hal, hamba, hari, hello, heran, ibu, inc, iya, j,
jangan, jatuh, jenis, juta, k, kanan, karenanya, kemana, kemari, kebanyakan,
kelompok, kemanakah, kemarin, kenapa, kepentingan, keterangan, ketika, kira,
kira-kira, kiranya, kosong, kursus, l, la, pula, lainnya, laki, laki- laki, lalu,
lanjutkan, lawan, layak, tinggi, lewat, lusa, m, malah, malahan, masa, masalah,
masing, melanjutkan, membuat, membuka, meminta, mempunyai, menarik,
menerus, mengisi, menjaga, menyebabkan, menyuruh, merasa, mestinya,
miliar, milikkita, mr, mrs, mulai, n, nampak, nomer, nomor, non, nyonya, o,
on, p, paduka, pak, panjang, penting, penuh, penyajian, perihal, persis, point,
pria, r, rata, rata-rata, ratus, rendah, ribu, runcing, rupiah, s, saudara, saudari,
sebagai, sebagaimana, sebelas, segala, sejumlah, sekelompok, selama-
lamanya, semoga, seorang, sepanjang, sepenuhnya, sepuluh, sesungguhnya,
setengah, setidaknya, siapakah, sisi, nanti, sulung, sungguh-sungguh, tahun,
tak, satupun, seorangpun, tambah, tanya, tapi, tebal, terbaru, terbelakang,
terbesar, terbuka, terkecil, terlalu, terlihat, ternyata, terpanjang, tertarik,
tertinggi, terus-menerus, dapat, tipis, titik, triliun, tuan, u, umum, umumnya, v,
w, www, x, y, oleh, meski, sebanyak, cuma, percuma, para, ia, rp, bagi,
bahwa, tersebut, merupakan,
2. Tabel Uji Coba
Jawaban Jawaban Tidak

No Pertanyaan
Tepat Tepat
1 Apa yang dimaksud dengan smartphone? 
2 Apa warna bendera negara Jerman? 
3 Apakah pengertian dari hardware? 
4 Apa nama maskot kota Surabaya? 
5 Apa arti semboyan Bhineka Tunggal Ika? 
6 Apa nama tarian khas Bali? 


7 Apa makanan khas Yogyakarta? 

8 Apakah judul lagu kebangsaan Indonesia? 
Apa teori yang ditemukan oleh Albert
9 Einstein? 
Apa nama planet yang paling dekat dengan

10 matahari? 
11 Apa nama planet yang memiliki cincin? 
12 Apa nama kota yang disebut kota hujan? 
13 Apa makanan khas Lamongan? 
14 Apa nama gunung di kota Batu?  
15 Apa nama jembatan di kota Palembang?  
16 Dimana letak sungai Musi? 
17 Dimana letak tugu Monas? 
18 Dimana letak museum Radya Pustaka? 
19 Dimana letak makam Bung Karno? 
20 Dimanakah letak Jembatan Ampera? 
Dimanakah Pangeran Diponegoro

21 dimakamkan? 
22 Dimana letak kerajaan Majapahit? 
23 Dimana letak Gunung Bromo? 
24 Dimana tugu pahlawan berada? 
25 Dimana tempat ibadah umat muslim? 
26 Dimana letak jembatan suramadu?  
27 Dimana letak pulau Raja Ampat? 
28 Dimana lokasi Institut Teknologi Telkom? 
29 Dimana lokasi Taman Safari Indonesia 2? 
30 Dimana kota asal bahasa Osing? 
31 Siapa nama gubernur Jawa Timur? 


32 Siapa nama istri Bung Karno? 
33 Siapa pembuat sosial media Facebook?  
34 Siapakah nama walikota Surabaya?  
35 Siapakah CEO Apple Inc?  
36 Siapakah nama kiper Arema?  
37 Siapa pencipta lagu Indonesia Raya? 
38 Siapa pencetus teori gravitasi? 
39 Siapa pencetus teori relativitas? 
40 Siapakah CEO Microsoft saat ini? 

Siapakah proklamator kemerdekaan 
41 Indonesia? 
42 Siapa vokalis Ungu band? 
43 Siapa penemu listrik? 


44 Siapa nama istri SBY? 
45 Siapa nama gubernur Bank Indonesia? 
46 Kapan Indonesia dinyatakan merdeka? 


Kapan Gus Dur mulai menjabat sebagai
47 presiden? 
48 Kapan Dude Harlino lahir? 
49 Kapan Nagita Slavina memulai karir? 
50 Kapan tanggal lahir Bunga Citra Lestari? 
51 Kapan sholat Idul Adha berlangsung? 
52 Kapan perayaan natal berlangsung? 


Kapan masa jabatan Jokowi sebagai
53 Gubernur DKI Jakarta? 
Kapan Hari Kebangkitan Nasional

54 diperingati? 
55 Kapan Apollo 11 tiba di Bulan? 
56 Kapan Soeharto berhenti menjadi presiden? 


57 Kapan PKI dibubarkan? 
58 Kapan TNI dibentuk? 
59 Kapan terjadinya perjanjiann hudaibiah? 
60 Kapan terjadinya perang badar? 
Mengapa Jepang menyerah terhadap

61 Belanda tahun 1945? 
62 Mengapa terjadi perang sampit? 

Mengapa Idul Adha disebut juga hari raya
63 haji? 
Mengapa Jogja dijuluki sebagai daerah
64 istimewa? 
65 Mengapa terjadi gerhana bulan? 
66 Mengapa terjadi gerakan Aceh merdeka? 
67 Mengapa Bogor disebut kota hujan? 
68 Mengapa Bali disebut pulau Dewata? 
Mengapa Pontianak disebut kota

69 Khatulistiwa? 
70 Mengapa terjadi krisis moneter tahun 1998? 

Mengapa Korea berpisah menjadi 2
71 wilayah? 
Mengapa Malin Kundang dikutuk menjadi
72 batu? 
73 Mengapa Surabaya disebut kota Pahlawan? 
74 Mengapa Edelweiss disebut bunga abadi? 
Mengapa Timor Leste berpisah dari

Bagaimana proses metamorfosis
76 berlangsung? 
77 Bagaimana proses membuat tempe? 
78 Bagaimanakah proses terbentuknya pelangi? 

79 Bagaimana cara menanam jagung? 
80 Bagaimana cara menginstal ulang Windows? 
Bagaimanakah cara merawat Kucing

81 Anggora? 
82 Bagaimana cara mengukur presisi? 
83 Bagaimana aturan permainan gobak sodor? 
84 Bagaimana cara mengukur akurasi? 
85 Bagaimana aturan permainan catur? 
86 Bagaimana proses terjadinya hujan? 
87 Bagaimana proses terjadinya fotosintesis? 
88 Bagaimana cara mencangkok tumbuhan? 
89 Bagaimana cara menanam padi? 

Bagaimana proses terjadinya gerhana 
90 matahari? 
91 Berapa panjang jalan tol Surabaya-Gempol? 
92 Berapa tinggi tugu Monas? 
93 Berapa banyak pulau di Indonesia? 
94 Berapa luas Kebun Raya Purwodadi? 
95 Berapa banyak suku yang ada di Indonesia? 
96 Berapa tinggi gunung Bromo? 

Berapa luas wilayah Taman Nasional Bromo
97 Tengger Semeru? 
98 Berapa diameter bunga Raflesia?  
99 Berapa jarak Bumi dengan Matahari? 
100 Berapa lama proses rotasi Bumi?  
101 Berapa jarak dari surabaya ke jakarta? 
102 Berapa personel JKT48?  
103 Berapa tekanan darah normal manusia? 


104 Berapa warna yang ada pada pelangi? 
105 Berapa jumlah episode Running Man? 
106 Apa yang dimaksud dengan ekosistem? 
107 Apa nama Jakarta tempo dulu? 
108 Apa yang dimaksud dengan web semantik? 
Apa provinsi di Indonesia yang mempunyai

109 keistimewaan? 
110 Apa makanan khas kota Palembang? 
111 Apa fungsi dari bank? 
112 Apa fungsi dari ginjal? 
113 Apa saja contoh simbiosis mutualisme? 
Apa yang dimaksud dengan down

114 syndrome? 
115 Apa sungai terpanjang di dunia? 
116 Apa alat pernapasan dari serangga?  
117 Apa yang dimaksud dengan teleskop 


118 Apa saja dampak dari bom nuklir? 
119 Apa fungsi dari Posyandu? 


120 Siapa pendiri organisasi Budi Utomo? 
121 Siapa yang disebut sebagai three musketeer? 
Siapa yang pertama kali menemukan benua 

122 Amerika? 
Siapa saja yang disebut sebagai 
123 khulafaurrasyidin? 
Siapa yang mengetik naskah teks
124 Proklamasi? 
125 Siapa Ibnu Sina? 
Siapa penulis buku Habis Gelap Terbitlah

126 Terang? 
127 Siapa pendiri organisasi NU? 


128 Siapa pencipta lagu Rasa Sayange? 
129 Siapa Anne Avantie? 


130 Siapa istri Hanung Bramantyo? 
131 Dimana Rasulullah dilahirkan? 


132 Dimana terjadi Perang Salib? 
133 Dimana letak Candi Borobudur? 
134 Dimana letak Candi Prambanan? 
135 Dimana letak Laut Merah? 
136 Dimana suku Badui tinggal? 
137 Dimana letak Kepulauan Seribu? 
138 Dimana terjadi Perang Puputan? 


Dimana pertama kali diadakan SEA
139 GAMES? 
140 Dimana letak Danau Singkarak? 


141 Dimana Jokowi dilahirkan? 
142 Dimana letak sungai Batanghari? 


143 Dimana letak Gunung Raung? 
144 Dimana letak Patung Pancoran? 

Berapa jumlah kadar air dalam tubuh
145 manusia? 
Berapa macam bahasa yang ada di 
147 Berapa tinggi gunung Kilimanjaro? 
148 Berapa jumlah provinsi di Indonesia? 
149 Berapa luas pulau Kalimantan? 
150 Berapa jumlah kabupaten di Indonesia? 


151 Berapa tinggi gunung Salak? 
152 Berapa luas negara Indonesia? 
153 

Berapa jumlah korban Tsunami di Aceh
tahun 2004?
154 Berapa jumlah korban bom Hiroshima? 
155 Berapa jumlah album Ari Lasso? 
156 Berapa hari ayam mengerami telurnya?  
157 Berapa lama rotasi planet Mars? 


158 Berapa suhu di Matahari? 
159 Kapan Rasulullah wafat? 


160 Kapan terjadi peristiwa Rengasdengklok? 
161 Kapan band Dewa dibentuk? 
162 Kapan hari kelahiran kota Malang? 
163 Kapan hari Pendidikan?  

Kapan Rumah Sakit Syaiful Anwar 
164 dibangun? 
165 Kapan Masjid Istiqlal dibangun? 


166 Kapan diadakah Konferensi Asia Afrika? 
Kapan Indonesia menjadi tuan rumah SEA 

167 GAMES? 
168 Bagaimana terbentuknya stalaktit? 
169 Bagaimana terjadinya petir? 
170 Bagaimana proses terjadinya hujan? 
171 Bagaimana siklus menstruasi yang normal? 

Bagaimana sistem pemerintahan di
172 Indonesia? 
173 Bagaimana bisa terbentuk batuan sedimen? 


Bagaimana gejala penyakit demam

174 berdarah? 
175 Bagaimana mencegah osteoporosis?  

Bagaimana suara bisa terdengar di telinga 
176 kita?
177  
Mengapa Al Qur’an diturunkan secara

berangsur-angsur?
178 Mengapa bisa terjadi abrasi? 
179 Mengapa bisa terjadi hujan? 
180 Mengapa bisa terjadi inflasi? 
181 Mengapa bisa terjadi obesitas? 
182 Mengapa bumi semakin panas?  

Mengapa boraks berbahaya jika digunakan 
183 di makanan? 
184 Mengapa air laut asin? 


185 Mengapa bisa terjadi radiasi? 
186 Apa yang dimaksud dengan haji? 
187 Apa yang dimaksud dengan shalat? 
188 Apa yang dimaksud dengan zakat? 


189 Apa yang dimaksud dengan puasa? 
190 Kapan kita dapat melaksanakan haji? 
Mengapa umat Muslim yang mampu wajib 

191 membayar zakat di bulan Ramadhan? 
192 Kapan waktu yang diharamkan untuk puasa? 


193 Apa saja macam-macam zakat? 
194 Dimana letak masjid Nabawi? 


195 Apa saja rukun islam itu? 
196 Apa saja rukun iman itu? 
197 Kapan waktu shalat dhuha? 
Apa yang dimaksud dengan shalat

198 istikharah? 
199 Bagaimana cara melakukan tayamum? 
200 Apa yang dimaksud dengan shalat jamak? 



Question Answering System Menggunakan Semantic Web Dan Algoritma Porter

Uploaded by

Copyright:

Available Formats

Question Answering System Menggunakan Semantic Web Dan Algoritma Porter

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Question Answering System Menggunakan Semantic Web Dan Algoritma Porter

Uploaded by

Copyright:

Available Formats

Q U E S T IO N A N S W E R IN G S Y S T E M M E N G G U N A K A N

A ssa la m u a’a laik u m W r. W b .

N abi k i ta M u h am m a d SA W yang tela h m e m bim b in g u m atn y a d a ri k e g ela p a n

m e n u ju te ra n g n y a c a h a y a Isla m . S e hin g g a p e n ulis d a p a t m e n y ele saik a n s krip si

dengan ju d u l “ Q u e stio n A n s w e ri n g S y stem M en g g u n akan S e m a ntic W eb dan

ja z a k u m ulla h a h sa n al ja z a ’ kepada sem ua p iha k yang tela h m e m b a ntu

1. A ’la S y a u q i, M . K o m , sela k u d o se n p em b im bin g skripsi I, y a n g tela h

p e n g a ra h a n , m asu k a n d a n p e n g ala m a n b erh a rg a .

2. F a t c h u r r o h m a n , M .K o m , s e l a k u d o s e n p e m b im b i n g s krip si II, y a n g tela h

Islam N e g e ri M a ula n a M a li k I b r a h im M ala n g , yang m endukung dan

5. Sem ua p ih a k yang tid a k m u n g kin p e n u l is se b u tk a n s a t u - p e rs a t u , a ta s

P e n u lis m e n y a d ari b a h w a d a la m penyusu nan s k ri p si i n i m a si h te rd a p at

W a ssa lam u ’ala ik um W r. W b .

B A B III A N A L ISIS D A N P E R A N C A N G A N SIST E M

R o sy id a h , D z a k iy atu r. 2014. Q u e s ti o n A n sw e r in g S y s te m M enggunakan

K a ta K u n c i: N a tu ral Language P r o c e s sin g , Q u e stio n A n s w e rin g , W ik ip e dia ,

bahasa a la m i), d an m e n g e m b a lik a n k u tip a n te k s singkat a ta u bahka n fra se se bagai

ja w a b a n . Saat in i, k e b u tu h a n u n tu k m e n d a p a tk a n in fo rm a s i se c a ra cepat dan a k u ra t

pada p e n e litia n in i, p e n e li ti m e m bangu n sebu ah Q u e s tio n A n s w e r in g S y s te m

m e n g g u n a k a n a lg o rit m a P o rte r s e b a g a i s te m m e r k a ta . A lg o ri tm a P o rte r d ig u n a k a n u n tu k

s te m m in g pada k a lim a t ta n y a yang d iin p u tk a n o le h p e n g g u n a . S u m b e r d a ta yang akan

W ik ip e d ia yang m enam pung ju ta a n in fo rm a s i. P e n e liti ju g a m enggun akan SP A R Q L

K ey w o rd s: N a tu ra l Language P r o c e s sin g , Q u e s ti o n A n sw e rin g , W ikip e d ia ,

‫و ا ن ز ك ن ى ن ى ج ُ ب ‪ ،‬ا ن ج ب ي ع خ ا إل س ال ي ُ خ ا ن ذ ك ى ي ُ خ ي ى ال ن ب ي ب ن ك إ ث ش ا ه ُ ى ي ب ال ن ج ‪ .‬ا ن ً ش ش ف ‪ :‬أ ع ه ً‬

‫ه ى ج ض ء ين بنج ذ ث د ىن ً ع بن ج خ‬ ‫) ‪(Q A S‬‬ ‫انن ظ ب و ان س ؤا ل وان ج ىا ة‬

‫ان ذ ونُ سُ بنه ذ ص ى ل عه ي بن ج ىا ة‪ .‬ين بنز ج ب سث بنز ٍ ر ً بن قُ ب و‬ ‫‪D B P e d ia‬‬ ‫ا ال س ز ع ال ي ع ه ً‬

Keywords: Natural Language Processing, Question Answering, Wikipedia,

Rosyidah, Dzakiyatur. 2014. Question Ans wering System Menggunakan

Kata Kunci: Natural Language Processing, Question Answering, Wikipedia,

1.1 Latar Belakang

Dewasa ini internet telah tumbuh menjadi media elektronik yang

menyediakan berbagai kebutuhan informasi untuk segala bidang keahlian.

Sebagian besar masyarakat di dunia memanfaatkan internet sebagai sarana

menuntut ilmu. Agama Islam juga mengajarkan umatnya untuk senantiasa

untuk memperkaya ilmu pengetahuan dan informasi. Di dalam Al Qur’an surat Al

‘Alaq ayat 3 – 5 juga termaktub ayat mengenai media pembelajaran sebagai

Pemurah) artinya tiada seorang pun yang dapat menandingi kemurahan-Nya.

tulis. Sehingga ayat ini mengandung makna bahwa penyampaian ilmu

memberikan pengetahuan melalui perantara. Sehingga Allah sudah

mengisyaratkan melalui surat Al ‘Alaq ini bahwa penggunaan media

pembelajaran untuk pentransferan ilmu pengetahuan memang penting.

digunakan untuk mencari informasi, contohnya: Google, Yahoo, Altavista, Bing

menggunakan search engine.

Gambar 1.1 Hasil Pencarian dari Yahoo Search Engine

Search engine tidak dapat melakukan analisis linguistik terhadap teks

website. Untuk mendapatkan informasi yang benar-benar dibutuhkan, pengguna

sebagai pengguna terkadang mengalami kesulitan dalam menemukan informasi

dan akurasi informasi yang dibutuhkan pengguna.

Dengan demikian, maka perlu dibangun sebuah Question Answering

System (QAS). Ada beberapa faktor yang mendorong dikembangkannya Question

informasi dan teknologi, dan banyaknya permintaan dari pengguna untuk

1.2 menunjukkan hasil pencarian menggunakan Question Answering System yaitu

Wolfram Alpha. Wolfram Alpha merupakan salah satu contoh Question

Answering System menggunakan bahasa Inggris.

Question Answering System adalah sistem yang mengijinkan pengguna

menyatakan kebutuhan informasinya dalam bentuk natural language question

bahkan frase sebagai jawaban (Gunawan, 2006). Question Answering System

pertanyaan yang diajukan dalam bahasa natural. Dibandingkan dengan mesin

pencari (search engine) yang memberikan himpunan dokumen hasil penelusuran,