Identifikasi Word Sense Disambiguation (WSD) pada Kalimat Berbahasa Indonesia Menggunakan Metode N-Gram dan Cosine Similarity

Abstract

In language implementation, a language can have more than one meaning depending on the next sentence. Words that have more than one meaning can raise doubts. This is called ambiguity and can be identified based on the context of the sentence called Word Sense Disambiguation (WSD). Words that have more than one meaning are known as homonyms. Homonyms are divided into two classifications, namely homophones and homographs. Homograph words in a sentence have the potential to cause ambiguity. To distinguish and choose the meaning of words that have many similarities, it is done by paying attention to the context of the sentence as a whole, not just focusing on one word. Therefore, it is necessary to be able to overcome words that have more than one meaning, namely Word Sense Disambiguation (WSD). The word discovery in this study uses the N-gram method with bigram and Cosine Similarity to calculate the level of similarity in the meaning of words. The data used in this study are 100 basic words that have the same or more than two meanings which are divided into three types of words, namely, nouns, adjectives, and verbs. This research resulted in identification accuracy value of 91.8%.

Dalam implementasi bahasa, sebuah bahasa bisa memiliki lebih dari satu makna tergantung pada kalimat berikutnya. Kata yang terdiri lebih dari satu makna bisa menimbulkan keraguan. Hal ini disebut dengan ambiguitas dan dapat diidentifikasi berdasarkan konteks kalimat yang disebut dengan Word Sense Disambiguation (WSD). Kata yang memiliki lebih dari satu makna dikenal sebagai homonim. Homonim sendiri terbagi menjadi dua klasifikasi yaitu homofon dan homograf. Kata homograf pada suatu kalimat berpotensi menimbulkan ambiguitas. Untuk membedakan dan memilih makna kata yang memiliki banyak kemiripan dilakukan dengan memperhatikan konteks kalimat secara utuh, bukan hanya fokus pada salah satu kata saja. Oleh karena itu, diperlukan kemampuan untuk mengatasi kata yang memiliki makna lebih dari satu yaitu Word Sense Disambiguation (WSD). Penemuan kata pada penelitian kali ini menggunakan metode N-gram dengan kategori bigram dan Cosine Similarity untuk menghitung tingkat kemiripan makna kata. Data yang digunakan pada penelitian ini adalah 100 kata dasar yang memiliki sama dengan atau lebih dari dua makna yang dibagi menjadi tiga jenis kata yaitu, kata benda (noun), kata sifat (adjective), dan kata kerja (verb). Penelitian ini menghasilkan nilai akurasi sebesar 91,8%.