Ontology Learning pada Teks Tidak Terstruktur

Abstract

Informasi yang tersebar pada berbagai sumber di internet banyak ditujukan hanya untuk manusia saja. Sementara itu, muncul kebutuhan agar informasi tersebut tidak hanya bisa dibaca dan dipahami oleh manusia saja, tetapi juga oleh mesin. Informasi dalam format yang dapat dipahami oleh mesin dapat digunakan untuk berbagai keperluan, misalnya: menjadi basis pengetahuan untuk penalaran, sharing knowledge antar mesin, semantic search, visualisasi informasi, dsb. Ontology learning adalah metode yang dapat mengekstrak informasi dari teks tidak terstruktur pada suatu dokumen atau halaman web untuk kemudian diubah menjadi basis pengetahuan dalam format yang dapat dipahami oleh mesin, yaitu dalam bentuk ontologi. Metode tersebut terdiri dari beberapa tahapan, yaitu: preprocessing, ekstraksi konsep, ekstraksi relasi, dan evaluasi. Preprocessing menyiapkan korpus uji sehingga siap untuk masuk kedalam metode ekstraksi konsep, yang menggunakan algoritma entropy concept extraction, pada bagian ekstraksi relasi digunakan algoritma subcat relation extraction, sedangkan pada bagian evaluasi ontologi menggunakan metode expert evaluation. Hasil akhir menunjukkan akurasi pada nilai 89.84% untuk ekstraksi konsep, 93.02% untuk ekstraksi relasi, dengan kepercayaan terhadap ekstraksi relasi pada prosentase 71.15%. Kata kunci: ontology learning, entropy concept extraction, subcat relation extraction.