Pembangunan Ensiklopedia Kosa Kata Al Qur’an Menggunakan Generalized Vector Space Model dan Semantics Relatedness

Annisa Dian Muktiari, Moch. Arif Bijaksana, Bambang Ari Wahyudi

Abstract

Abstrak Al Qur’an merupakan kitab suci bagi umat Islam dan menjadi pedoman dan sumber hukum paling utama. Al Qur’an memiliki 30 Juz, 114 Surat dan 6236 ayat. Dalam Al Qur’an terdapat ayat disetiap juz-nya yang masih kurang dipahami bagi kebanyakan orang. Dibutuhkan kamus atau ensiklopedia yang dikhususkan untuk membahas arti kata dalam Al Qur’an untuk memperoleh informasi yang lebih lengkap dengan menggunakan pedoman buku tafsir. Salah satu cara untuk mengukur keterkaitan kata dari setiap potongan kata dalam Al Qur’an adalah dengan menggunakan Generalized Vector Space Model (GVSM). GVSM merupakan metode pengembangan dari Vector Space Model (VSM) yang menambahkan fungsi sense dan penilaian pada makna antar kata dalam dokumen. Nilai yang didapat merupakan nilai similarity yang akan menentukan relevannya suatu dokumen dengan query yang dimasukkan user. Dalam penelitian ini, dokumen yang dimaksud adalah paragraf. Dari hasil pengujian yang dilakukan, metode GVSM mendapatkan nilai similarity yang lebih tinggi dari metode Vector Space Model (VSM) dan Latent Semantics Analysist (LSA) . Dokumen yang relevan dengan query user akan menghasilkan nilai similarity diatas 0.50. Kata kunci : al qur’an, tafsir, generalized vector space model, similarity. Abstract The Qur'an is a holy book for Muslims and the most important guideline and source of law. The Qur'an has 30 Juz, 114 Letters and 6236 verses. In the Qur'an there is a verse in every juz it is still not understood for most people. It takes a dictionary or encyclopedia devoted to discussing the meaning of the word in the Qur'an for obtaining more complete information using the guidebook of the commentary. One of measure the interconnectedness of every word in the Qur'an is to use the Generalized Vector Space Model (GVSM). GVSM is a method of development of the Vector Space Model (VSM) that adds sense function and judgment to the meaning of inter-word in documents. The value obtained is a value of similarity that will be relevant to the document that the user requested. From the results of the tests, the GVSM method gets a higher similarity value than the Vector Space Model (VSM) and Latent Semantics Analyzer (LSA) methods. Relevant documents with the user query will produce a similarity value above 0.50. Keywords: al qur'an, tafseer, generalized vector space model, similarity.

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0