Apa Itu Stemming?
Stemming adalah proses mengubah kata ke bentuk dasarnya dengan menghilangkan akhiran dan awalan atau ke akar kata yang dikenal sebagai “lemma”. Stemming berperan penting dalam pemahaman bahasa alami (NLU) dan pemrosesan bahasa alami (NLP).
Stemming merupakan bagian dari studi linguistik dalam morfologi serta kecerdasan buatan (AI), pengambilan informasi, dan ekstraksi data. Dengan menggunakan stemming dan AI, kita bisa mengekstrak informasi berharga dari sumber besar seperti big data atau internet. Ini penting karena bentuk kata yang berbeda dari suatu topik mungkin perlu dicari untuk mendapatkan hasil terbaik. Stemming juga sering digunakan dalam kueri pencarian dan mesin pencari internet.
Mengenali, mencari, dan mengambil lebih banyak bentuk kata akan menghasilkan lebih banyak hasil pencarian. Ketika bentuk kata dikenali, mesin pencari dapat menampilkan hasil yang mungkin terlewat jika hanya mencari satu bentuk saja. Inilah alasan mengapa stemming sangat penting dalam pencarian informasi.
Ketika kata baru ditemukan, ini bisa membuka peluang penelitian baru. Biasanya, hasil terbaik diperoleh dengan menggunakan bentuk dasar kata, yaitu lemma. Untuk menemukan lemma, stemming dilakukan oleh individu atau algoritma dalam sistem AI. Ada berbagai pendekatan yang digunakan dalam stemming untuk mengembalikan kata ke bentuk dasarnya dari berbagai bentuk infleksi.
Membuat algoritma stemming bisa cukup sederhana. Beberapa algoritma hanya menghapus awalan dan akhiran yang dikenali. Namun, algoritma sederhana ini rentan terhadap kesalahan. Misalnya, algoritma sederhana bisa mengubah laziness menjadi lazi alih-alih lazy. Selain itu, algoritma ini juga kesulitan dengan kata-kata yang bentuk infleksinya tidak secara langsung mencerminkan lemmanya, seperti saw dan see.
Contoh Algoritma Stemming:
- Pencarian bentuk kata yang terinfleksi. Pendekatan ini mengharuskan semua bentuk infleksi suatu kata dicantumkan dalam daftar.
- Pemotongan akhiran. Algoritma mengenali akhiran yang dikenal pada kata-kata yang terinfleksi dan menghapusnya.
- Lemmatization. Algoritma ini mengumpulkan semua bentuk infleksi suatu kata untuk mengembalikannya ke bentuk kamus atau lemma. Kata-kata dikategorikan berdasarkan bagian dari ujaran (part of speech) sesuai dengan aturan tata bahasa.
- Model stokastik. Algoritma ini belajar dari tabel bentuk kata yang terinfleksi. Dengan memahami akhiran dan aturan penerapannya, algoritma dapat melakukan stemming pada kata-kata baru.