Stemming, apa itu? Nyetem (senar) gitar itu ven ya??

Ah, bukan

Stemming itu proses pemotongan (pemangkasan) kata untuk mendapatkan bentuk dasar (kata dasar) dari kata tersebut. Buat yang udah pernah dapet di STKI (Sistem Temu Kembali Informasi : Information Retreival), tentunya udah ndak asing lagi (tapi sayangnya dulu aku ndak ikut kuliah ini ). Kalo bang wiki si bilangnya gini:

Stemming is the process for reducing inflected (or sometimes derived) words to their stem, base or root form — generally a written word form. The stem need not be identical to the morphological root of the word; it is usually sufficient that related words map to the same stem, even if this stem is not in itself a valid root.

Tu kan, intinya gimana ndapetin stem/root (inti/dasar) dari suatu kata tertulis (berimbuhan?). Jadi misal terdapat kata mempermainkan, maka dari kata tersebut bisa dipilah-pilah menjadi mem + per + main + kan. Secara ilmu bahasa, hal ini mudah dilakukan oleh manusia, karena manusia sudah punya database memori linguistik yang komplit untuk melakukan parsing komponen-komponen penyusun (ejaan : imbuhan dan kata dasar) dari suatu kata. Seperti misalnya, dari kata mengantuk, kita bisa langsung memilah-milah menjadi me(ng) + kantuk (bukan meng + antuk atau me + ngantuk). Namun bagaimana jika kita ingin melakukan automasi proses stemming ini dengan sebuah program? Mampukah program mengenali perubahan morfologi kata ini dengan tepat?

Hal ini bukanlah tidak mungkin. Proses stemming sendiri sudah cukup terkenal, bahkan seringkali kita gunakan tanpa kita sadari. Siapa si yang ndak kenal mbah Google? Proses pencariannya sekarang sudah pake Stemming loh! (pencarian kata fishing juga menghasilkan kata-kata fish, fishy, fisherman dll). Meskipun masih hanya berlaku buat pencarian dengan bahasa inggris. Trus kalo stemming Bahasa Indonesia gimana donk??

Ah, pak Agus Zainal Arifin udah pernah mbahas hal ini sejak taon 2002 lalu. Pada publikasi yang berjudul Klasifikasi Dokumen Berita Kejadian Berbahasa Indonesia dengan Algoritma Single Pass Clustering tersebut, beliau menggunakan stemming untuk mendapatkan kata dasar yang akan digunakan sebagai acuan klasifikasi.

Proses stemming yang diulas adalah sebagai berikut :

• Pemeriksaan semua kemungkinan bentuk kata. Setiap kata diasumsikan memiliki 2 awalan (prefiks) dan 3 akhiran (sufiks). Sehingga bentuknya menjadi :
  Prefiks 1 + Prefiks 2 + Kata dasar + Sufiks 3 + Sufiks 2 + Sufiks 1

• Pemotongan dilakukan berurutan : Awalan 1, Awalan 2, Akhiran 1, Akhiran 2, Akhiran 3 (kalau ada), dan Kata Dasar.

• Setiap tahap pemotongan diikuti dengan pemeriksaan di kamus (berisi daftar kata dasar) apakah hasil pemotongan itu sudah berada dalam bentuk dasar. Jika pemeriksaan berhasil maka proses dinyatakan selesai dan tidak perlu melanjutkan proses pemotongan imbuhan selanjutnya.
  Contoh : kata mempermainkannya :

• Namun jika sampai pada pemotongan Akhiran 3 masih belum juga ditemukan di kamus, maka dilakukan proses kombinasi: Kata Dasar yang dihasilkan dikombinasikan dengan imbuhan-imbuhannya dalam 12 konfigurasi berikut.

1. Kata Dasar
2. Kata Dasar + Akhiran 3
3. Kata Dasar + Akhiran 3 + Akhiran 2
4. Kata Dasar + Akhiran 3 + Akhiran 2 + Akhiran 1
5. Awalan 1 + Awalan 2 +Kata Dasar
6. Awalan 1 + Awalan 2 +Kata Dasar + Akhiran 3
7. Awalan 1 + Awalan 2 +Kata Dasar + Akhiran 3 + Akhiran 2
8. Awalan 1 + Awalan 2 +Kata Dasar + Akhiran 3 + Akhiran 1
9. Awalan 2 + Kata Dasar
10. Awalan 2 + Kata Dasar + Akhiran 3
11. Awalan 2 + Kata Dasar + Akhiran 3 + Akhiran 2
12. Awalan 2 + Kata Dasar + Akhiran 3 + Akhiran 2 + Akhiran 1

 

• Sebenarnya kombinasi 1, 2, 3, 4, 8, dan 12 sudah diperiksa pada tahap sebelumnya, karena kombinasi ini adalah hasil pemotongan bertahap tersebut. Dengan demikian, kombinasi yang masih perlu dilakukan tinggal 6 yakni pada kombinasi-kombinasi yang belum dilakukan (5, 6, 7, 9, 10, dan 11). Tentunya bila hasil pemeriksaan suatu kombinasi adalah ‘ada’, maka pemeriksaan pada kombinasi lainnya sudah tidak diperlukan lagi.

• Pemeriksaan 12 kombinasi ini diperlukan, karena adanya fenomena overstemming pada algoritma pemotongan imbuhan. Kelemahan ini berakibat pada pemotongan bagian kata yang sebenarnya adalah milik Kata Dasar itu sendiri yang kebetulan mirip dengan salah satu jenis imbuhan yang ada. Dengan 12 kombinasi itu, pemotongan yang sudah terlanjur tersebut dapat dikembalikan sesuai posisinya.

Ribet yak? Benernya simple kok, cuma parsing awalan dan akhiran, ambil beberapa huruf di ujung depan / blakang kata, kemudian cek apakah beberapa huruf potongan tersebut merupakan imbuhan. Jika merupakan imbuhan, potong kata tersebut dan sebutkan elemen penyusunnya (kata dasar dan imbuhan). Proses ini dilakukan sesuai dengan urutan yang disebutin di atas. Simple.

Yup, simple emang kalo cuma motong-motong imbuhan dari kata dasar. Tapi, proses tersebut jadi ndak simple babar blas sama sekali kalo ada di perubahan morfologi dari kata dasar pada kata berimbuhan bentukan dari awalan pe- dan me-. Kata wiki aturannya begini ni (tapi di sana cuma awalan me-):

Awalan me-

Pembentukan dengan awalan me- memiliki aturan sebagai berikut:

1. tetap, jika huruf pertama kata dasar adalah l, m, n, q, r, atau w. Contoh: me- + luluh → meluluh, me- + makan → memakan.
2. me- → mem-, jika huruf pertama kata dasar adalah b, f, p*, atau v. Contoh: me- + baca → membaca, me- + pukul → memukul*, me- + vonis → memvonis, me- + fasilitas + i → memfasilitasi.
3. me- → men-, jika huruf pertama kata dasar adalah c, d, j, atau t*. Contoh: me- + datang → mendatang, me- + tiup → meniup*.
4. me- → meng-, jika huruf pertama kata dasar adalah huruf vokal, k*, g, h. Contoh: me- + kikis → mengikis*, me- + gotong → menggotong, me- + hias → menghias.
5. me- → menge-, jika kata dasar hanya satu suku kata. Contoh: me- + bom → mengebom, me- + tik → mengetik, me- + klik → mengeklik.
6. me- → meny-, jika huruf pertama adalah s*. Contoh: me- + sapu → menyapu*.

Huruf dengan tanda * memiliki sifat-sifat khusus:

1. Dilebur jika huruf kedua kata dasar adalah huruf vokal. Contoh: me- + tipu → menipu, me- + sapu → menyapu, me- + kira → mengira.
2. Tidak dilebur jika huruf kedua kata dasar adalah huruf konsonan. Contoh: me- + klarifikasi → mengklarifikasi.
3. Tidak dilebur jika kata dasar merupakan kata asing yang belum diserap secara sempurna. Contoh: me- + konversi → mengkonversi.

wohohohohohoho.. yang ini baru namanya ribet

Ada dua solusi yang kepikiran si buat mengatasi perubahan morfologi tersebut. Solusi yang paling umum adalah melakukan pemotongan terhadap kata berimbuhan tersebut, sehingga yang tersisa adalah kata dasar yang tidak sempurna (terpotong, perubahan morfologi diabaikan). Kemudian dari kata dasar yang terpotong tersebut, di cek satu-satu dengan kombinasi huruf yang mungkin, dengan dibandingkan dengan data yang ada pada database kamus.

Contoh : mengantuk, yang dipotong menjadi meng + antuk. Perubahan morfologi kata dasar untuk awalan meng- adalah jika huruf pertama dari kata dasar merupakan huruf vokal, atau huruf konsonan k, g, dan h. Maka dari kata antuk tersebut dikombinasikan dengan kemungkinan yang ada : antuk, kantuk, gantuk, dan hantuk, yang kemudian diperiksa satu-persatu pada database kamus.

Simple, tapi memakan resource dan koneksi untuk query dan pengecekan pada database. Lha trus gimana donk??

Coba dilihat dengan cara lain: Query ke database kamus untuk mendapatkan kata dasar – kata dasar yang ‘_antuk‘ (terdapat tepat satu karakter di depan kata, bebas, a-z ataupun tanpa huruf sama sekali, namun sisanya adalah antuk), kemudian biarkan program melihat hasilnya dan membandingkan dengan kombinasi yang mungkin.

misal : kata menangani, dipotong menjadi men + angan + i. Query ke database untuk kata dasar dengan ketentuan ‘_angan‘ menghasilkan kata tangan, dan jangan. Dari bentukan kata menangani yang melebur, bisa dipastikan bahwa hasilnya adalah kata tangan. Tapi cara ini juga masih banyak kelemahan, seperti pada kata mengurus (kata dasar: kurus / urus )

Ah, tapi kedua cara itu blom (bener2) aku coba

Daftar Pustaka :

• Agus Zainal Arifin dan Ari Novan Setiono, 7 Mei 2002, Klasifikasi Dokumen Berita Kejadian Berbahasa Indonesia dengan Algoritma Single Pass Clustering, Proceeding of Seminar on Intelligent Technology and Its Applications (SITIA), Teknik Elektro, Institut Teknologi Sepuluh Nopember.
• Wikipedia, 23 Desember 2007, Stemming, <URL: http://en.wikipedia.org/wiki/Stemming>.
• Wikipedia, 23 Desember 2007, Wikipedia:Pedoman ejaan dan penulisan kata, <URL: http://id.wikipedia.org/wiki/Wikipedia:Pedoman_ejaan>.