Parsing Sintaksis Bahasa Indonesia dengan Metode Bottom-Up Left to Right

Bahasa alami adalah bahasa yang biasa digunakan untuk berkomunikasi antarmanusia, misalnya bahasa Indonesia, Sunda, Jawa, Inggris, Jepang, dan sebagainya. Bahasa alami ini merupakan suatu bentuk representasi dari suatu pesan yang ingin dikomunikasikan antarmanusia. Bentuk utama representasinya adalah suara/ucapan (spoken language), tetapi sering pula dinyatakan dalam bentuk lisan (Arman, 2004)

            Pemrosesan Bahasa Alami (Natural Language Processing) adalah studi tentang bahasa manusia dan bagaimana bahasa-bahasa tersebut direpresentasikan secara komputasional, dianalisa, dikenali, serta digenerasikan secara algoritmik (Krisnawati, 2006). Sejak paradigma dasarnya mulai dikembangkan sekitar tahun 1940 hingga sekarang, perkembangan teori, metode, serta pengembangan aplikasi NLP terus mengalami kemajuan. Hal ini memungkinkan teknologi Pemrosesan Bahasa Alami sebagai pendekatan baru dalam interaksi manusia dengan komputer.

Aplikasi-aplikasi Pemrosesan Bahasa Alami yang telah ada antara lain Machine Translation (Alshawi, 1996), Speech Synthesis from Parse (Prevost, 1996), Speech Recognition Using Parsing (Chelba et al, 1998), Grammar Checking (Microsoft), Indexing for Information Retrieval (Woods, 1997), Information Extraction (Hobbs, 1996) serta aplikasi yang marak dikembangkan akhir-akhir ini, Semantic Web (Berners-Lee, 1998).

Begitu banyak aplikasi bahasa alami yang telah dikembangkan dalam berbagai bahasa khususnya bahasa Inggris, namun aplikasi pengolah bahasa yang menerapkan bahasa Indonesia belum berkembang. Berbeda dengan kebanyakan sistem lain yang bersifat generik, teknik-teknik yang digunakan dalam Pemrosesan Bahasa Alami bersifat language dependent. Suatu sistem atau teknik yang berlaku untuk suatu bahasa tidak mudah diterapkan untuk bahasa lainnya.

            Pemrosesan Bahasa Alami bertujuan untuk memahami arti dari input yang diberikan dalam bahasa alami dan memberikan respon yang sesuai. Untuk mencapai tujuan ini dibutuhkan tiga tahap proses. Proses yang pertama ialah parsing atau analisa sintaksis yang memeriksa kebenaran struktur kalimat berdasarkan suatu tata bahasa dan kosakata tertentu. Proses kedua ialah semantic interpretation atau intepretasi semantik yang bertujuan untuk merepresentasikan arti dari kalimat secara context-independent untuk keperluan lebih lanjut. Sedangkan proses yang ketiga ialah contextual interpretation atau interpretasi kontekstual yang bertujuan untuk merepresentasikan arti secara context-dependent dan menentukan maksud dari penggunaan kalimat. Penelitian ini membahas proses yang pertama.

Sebuah parser merupakan sarana pendukung yang dapat diimplementasikan dalam berbagai aplikasi pengolah bahasa supaya aplikasi tersebut memiliki pendekatan tata bahasa yang benar sehingga akan menghasilkan hasil yang baik sesuai fungsi masing-masing aplikasi karena proses parsing sebuah kalimat melibatkan penggunaan pengetahuan linguistik dari suatu bahasa untuk menemukan cara kalimat itu dibentuk (Schmidt, 1998).

Satu contoh aplikasi yang menunjukkan adanya kebutuhan akan pendekatan linguistik dalam pengolah bahasa Indonesia adalah Transtool, aplikasi penterjemah Inggris-Indonesia. Aplikasi ini belum cukup baik karena hanya melakukan pendekatan statistik dengan menghitung jumlah kata sebelum diterjemahkan dengan jumlah kata setelah diterjemahkan. Hasilnya, kalimat terjemahannya terkadang menjadi salah dan tidak sesuai dengan tata bahasa Indonesia.

Dalam rangka penyediaan sarana pendukung berbagai aplikasi pengolah bahasa, maka suatu parser bahasa Indonesia diperlukan keberadaannya. Pada penelitian ini, parser yang dibangun menggunakan metode Bottom-up Left to Right. Berawal dari input berupa berkas teks bahasa Indonesia dengan ekstensi .txt. Pada tahap awal, dilakukan pemotongan suatu paragraf menjadi per kalimat. Setelah itu dilakukan normalisasi dan tokenisasi per kalimat. Token yang terbentuk dari setiap kalimat selanjutnya diproses satu demi satu mulai dari yang paling kiri. Proses terjadi per level dalam struktur kalimat, setiap kata diberi label kelas kata, lalu dikonversikan dengan label yang telah dirumuskan dalam kamus aturan untuk membentuk level demi level gramatikal dalam kalimat. Hasil yang diperoleh divisualisasikan dalam bentuk parse tree.

Pada penelitian ini, isi leksikon berjumlah 31.096 kata dan isi Kamus Aturan berjumlah 359 aturan. Parser berhasil menguraikan 74,28% atau sebanyak 52 kalimat dari 70 kalimat yang diujicobakan. 25,72% kalimat tidak dapat diuraikan karena jumlah aturan yang masih perlu penambahan lebih lagi. Selain itu, kompleksnya tata bahasa Indonesia menuntut adanya pengembangan lebih lanjut untuk mengatasi kurangnya fleksibilitas metode ini.