Visualisasi Al- Qur’an Berbasis Knowledge graph dengan Ayat Sebagai Vertex

Authors

  • Shinta Cyntia Ayuningtyas Telkom University
  • Kemas Rahmat Saleh Wiharja Telkom University
  • Fhira Nhita Telkom University

Abstract

Abstrak-Al- Qur’an merupakan sumber utama ajaran agama islam yang memiliki derajat keterkaitan yang sangat tinggi diantara ayat-ayatnya. Cara yang paling natural untuk menyajikan keterkaitan antara ayat ini adalah dengan menyajikan Al-Qur’an dalam format knowledge graph. Penelitianini akan mencoba menyajikan Al-Qur’an dalam format Knowledge graph dengan setiap ayat yang akan dijadikan sebagai node dan hubungan antar setiap ayat yang dijadikan relasi (busur) pada Knowledge graph. Sebelumnya sudah ada penelitian yang menyajikan Al- Qur’an dalam bentuk Knowledge graph dengan menggunakan Neo4j yang berjudul ‘Visualisasi Tematik Al- Qur’an berbasis Knowledge Graph’. Berbeda dengan penelitian sebelumnya pada penelitian ini akan digunakan TigerGraph untuk proses penyajian knowledge graph. Pada proses pengujian dilakukan 2 tahap yaitu membandingkan antara penelitian ini dengan penelitian sebelumnya dalam hal kelengkapan keterhubungan ayat yang dihasilkan. dan melibatkan penguji (ahli Al - Qur’an) untuk menguji kelengkapan keterhubungan ayat yang dihasilkan. Hasil yang didapatkan dari penelitian ini adalah pada pengujian tipe pertama data yang dapat dimunculkan oleh sistem ini memiliki hasil tema yang lebih lengkap daripada penelitian sebelumnya karena menggunakan dataset yang berbeda. Pada pengujian tipe kedua memiliki hasil keterkaitan yang berbeda saat divalidasi oleh penguji dikarenakan data yang dihasilkan sesuai dengan data yang berasal dari sumber dataset, perbedaan hasil keterkaitan ini dikarenakan adanya beberapa perbedaan pendefinisian kata atau kalimat tertentu dari pengertian bahasa arab saat diterjemahkan kedalambahasa indonesia.

Kata kunci -Al – Qur’an , knowledge graph , visualisasi tematik ,tigergraph.

References

Chirzin, Muhammad. 2016. DINAMIKA TERJEMAHAN AL- QUR’AN (Studi Perbandingan Terjemahan Al- Qur’an Kementerian Agama RI dan Muhammad Thalib). 17(1).

Hakim, Lukman Nul., Monika, Winda., Nasution, Salhazan., Nasution, Arbi Haza. (2020). Visualisasi Tematik Al- Qur’an Berbasis Knowledge Graph. Jurnal Linguistik Komputasional. 3(1).

Blogger, G. 2018. Half – Terabyte Benchmark Neo4j vs. TigerGraph. [Online] Available at : https://www.tigergraph.com/blog/half-terabyte-benchmark- neo4j-vs-tigergraph/ [Accessed 7 November 2020].

Zhang, Lei. 2002. Knowledge graph Theory and Structural Parsing. Enschede, The Netherlands: Twente University Press.

Yusuf, Yasin. 2014. Analisis Pembentukan Pola Graf Pada Kalimat Bahasa Indonesia Menggunakan Metode Knowledge Graph.

Pratiwi, Surya. 2013. Perbandingan Metode Knowledge graph dan Semantic Networkuntuk Analisis Teks Berbahasa Indonesia.

Febriatmoko, Dimas. 2011. Abstraksi Teks Berbahasa Indonesia Menggunakan Teori Knowledge Graph.

Anggraeni, Wulan. 2010. Pembentukan Word Graph Preposisi Bahasa Indonesia Menggunakan Metode Knowledge Graph. Jurnal Ilmiah Faktor Exacta. 3(2).

[Anonim] . 2020 . Leap Forward With A Native Parallel Graph Database. [Online] Available at : https://www.tigergraph.com/why-graph-databases/ [Accessed 10 November 2020].

Deutsch, Alin., Xu, Yu., Wu, Mingxi., Lee, Victor. 2019. TigerGraph : A Native MPP Graph Database.

Wiharja, Kemas Rahmat Saleh. (2020). An Iterative Approach for Schema Aware Knowledge graph Completion.

Downloads

Published

2023-06-27

Issue

Section

Program Studi S1 Informatika