Implementasi Perintah Menampilkan Data Menggunakan Bahasa

Indonesia
Dengan Natural Language Processing

Fahmi Fu’adi
Teknik Informatika, Fakultas Teknologi Informasi, Universitas Budi
Luhur
Jl. Raya Ciledug, Petukangan Utara, Kebayoran Lama, Jakarta Selatan 12260
Telp. (021) 5853753, Fax. (021) 5866369
E-mail : fahmi.fuadi93@gmail.com

ABSTRAK

Bahasa memegang peranan yang penting dalam proses komunikasi, sama halnya dengan bahasa query yang
digunakan untuk komunikasi dengan DBMS(Database Management System) dalam mendapatkan informasi pada
database yang tersedia. Permasalahan ini dialami oleh pengguna awam dalam mencari informasi yang ada pada
database. Hal ini membutuhkan penerapan proses bahasa alami khususnya sebagai pengganti bahasa query
kedalam bahasa lainnya, sehingga memungkinkan pengguna dapat berkomunikasi dengan komputer menggunakan
bahasa sehari-hari pengguna. Hal ini membutuhkan penerapan proses bahasa alami khususnya sebagai pengganti
bahasa query kedalam bahasa lainnya, sehingga memungkinkan pengguna dapat berkomunikasi dengan komputer
menggunakan bahasa sehari-hari pengguna. Tujuan karya ilmiah ini yaitu untuk menerjemahkan bahasa query ke
Bahasa Indonesia dengan menyajikan ringkasan informasi dari suatu basis data yang ramah untuk
pengguna. Dalam hal ini penulis melakukan pembuatan aplikasi pencarian informasi dengan perintah query dalam
Bahasa Indonesia menggunakan natural language processing metode top-down parsing. Aplikasi ini dikembangkan
dengan menggunakan bahasa pemrograman PHP, dan basis data yang akan digunakan yaitu MySQL, serta user
interface dikembangkan dengan menggunakan HTML, CSS dan Javascript. Spesifikasi software yang mendukung
jalannya program yaitu PHP version 5.3.8, MySQL Database Version 5.0.8-dev, Apache Webserver 2.2.21 dan
browser. Agar dalam keadaan yang optimal, maka dijelaskan bagaimana aplikasi menerjemahkan perintah dari
Bahasa Indonesia menjadi Bahasa Query MySQL. Hasil pengujian menunjukan aplikasi bekerja dengan baik,
walaupun ada beberapa kelemahannya antara lain, ada beberapa sintaks yang diharuskan menggunakan spasi atau
tidak bisa menggunakan spasi, kondisi mempunyai dari group by (having). Manfaat yang diperoleh dengan adanya
aplikasi ini antara lain, pengguna dapat dengan mudah membuat perintah query dengan Bahasa Indonesia tanpa
ada kendala bahasa, pengguna dapat mencari dengan berbagai cara seperti halnya menggunakan query MySQL.

Kata kunci : Natural Language Processing, Artificial Intelligence, Recursive Descent, Top-Down Parsing,
Query
1.
PENDAHULUAN
Bahasa memegang peranan yang penting dalam
proses komunikasi, sama halnya dengan bahasa query
yang digunakan untuk komunikasi dengan
DBMS(Database Management System) dalam
mendapatkan informasi pada database yang tersedia.
Namun masalah dapat terjadi jika pengguna tidak
mengetahui bahasa query dalam pencarian data yang
ada. Terlebih pengguna awam akan sulit untuk
beradaptasi dengan tata bahasa dan tanda baca yang
sesuai dengan perintah dari bahasa query.
Permasalahan ini dialami oleh pengguna awam
dalam mencari informasi yang ada pada database.
Hal ini membutuhkan penerapan proses bahasa alami
khususnya sebagai pengganti bahasa query ke dalam
bahasa lainnya, sehingga memungkinkan pengguna
dapat berkomunikasi dengan komputer menggunakan
bahasa sehari-hari pengguna. Tujuan karya ilmiah ini
yaitu untuk menerjemahkan bahasa query ke Bahasa
Indonesia dengan menyajikan ringkasan informasi
dari suatu basis data yang ramah untuk pengguna.
Natural language Processing adalah bagian dari ilmu
kecerdasan tiruan yang digunakan untuk proses suatu
tata bahasa yang memungkinkan adanya interaksi
antara manusia dengan komputer. Dalam hal ini
penulis akan menggunakan metode top-down parsing
dalam melakukan penelusuran tata bahasa. Alasan
pengguna menggunakan metode ini yaitu proses
pengecekan bahasa dimulai dari simbol lalu rekursif
kiri untuk mendapatkan kalimat sesuai dengan aturan
produksi yang ada, hal ini seperti pengecekan tata
bahasa Indonesia umunya yang dimulai melalui kiri.
2. LANDASAN
TEORI
Natural Language Processing (NLP) merupakan
salah satu aplikasi Artificial Intelligence (AI) yang
dikembangkan agar komputer mengerti dan
memahami bahasa alami yang diberikan dan
memberi respon hasil pengolahan sesuai yang
diinginkan.[2]
NLP tidak bertujuan untuk transformasi bahasa yang
diterima dalam bentuk teks atau suara menjadi data
digital dan/atau sebaliknya, melainkan bertujuan
untuk memahami arti dari kalimat yang diberikan
dalam bahasa alami dan memberikan respon yang
sesuai. Misalnya dengan melakukan suatu aksi
tertentu atau menampilkan data tertentu. Untuk
mencapai tujuan ini dibutuhkan tiga tahap proses.
Proses yang pertama ialah parsing atau analisa
sintaksis yang memeriksa kebenaran struktur kalimat
berdasarkan suatu grammar(tata bahasa) dan
lexicon(kosakata) tertentu. Proses kedua ialah
semantic interpretation atau interpretasi semantic
yang bertujuan untuk merepresentasikan arti dari
kalimat secara context-independent untuk keperluan
lebih lanjut. Sedangkan proses ketiga ialah contextual
interpretation atau interpretasi kontekstual yang
bertujuan untuk merepresentasikan arti secara context
dependent dan menentukan maksud dari penggunaan
kalimat.[4]
2.1. Komponen Natural Language
Processing
ada lima komponen dalam natural language
processing[5] yaitu :
a. Parser
Parser merupakan komponen utama
dalam
natural language system. Parser menganalisis
input kalimat secara sintaksis. Setiap kata dan
bagian-bagiannya diidentifikasi. Kemudian kata-
kata tersebut dipetakan oleh parser ke dalam
struktur yang disebut parser tree. Parse tree
menunjukkan makna dari semua kata dan
bagaimana cara menggabungkan kata-kata
tersebut.
b. Lexicon
Parser bekerja sama dengan lexicon melakukan
proses syntax analysis. Lexicon berisi semua
kata yang dapat dikenal oleh program. Kalimat
diurai oleh parser dan lexicon menjadi bentuk
parser tree dan membangun struktur data baru
yang dapat membantu dalam memperoleh
makna sebenarnya dari sebuah kalimat.
c.
Understander
Understander bekerja sama dengan knowledge
base dalam menentukan makna suatu kalimat.
Untuk mengetahui makna dari suatu input
kalimat, sistem harus mengetahui hal-hal
tentang kata tersebut dan bagaimana kata
tersebut digabung dan membentuk suatu kalimat
yang bermakna. Tujuan dari understander
adalah memanfaatkan parser tree yang telah
terbentuk sebelumnya agar mengacu pada
knowledge base.
d. Knowledge Base
Knowledge base merupakan basis pengetahuan
yang dijadikan acuan oleh understander dalam
menentukan makna suatu kalimat. Knowledge
base berisi sekumpulan informasi yang
terorganisasi dengan baik, yang secara unik
diformat ke dalam bentuk struktur data.
e. Generator
Generator berfungsi menghasilkan jawaban
berdasarkan masukan yang telah ada
sebelumnya yang tersimpan dalam memori.
Gambar 1: Blok Utama dalam natural
language[5]
2.2. Bidang Pengetahuan Dalam Natural
Language
Secara singkat pengolahan bahasa alami mengenal
beberapa tingkat pengolahan, berikut dijelaskan
bidang-bidang pengetahuan yang berhubungan
dengan Natural Language Processing[3] :
a. Fonetik dan fonologi : berhubungan dengan
suara yang menghasilkan kata yang dapat
dikenali. Bidang ini menjadi penting dalam
proses aplikasi yang memakai metoda speech
based system.
b. Morfologi : yaitu pengetahuan tentang kata dan
bentuknya dimanfaatkan untuk membedakan
satu kata dengan lainnya. Pada tingkat ini juga
dapat dipisahkan antara kata dan elemen lain
seperti tanda baca. Sebagai contoh kata going :
 1) Going (word)
2) Go (root)
3) Ing (suffix)
c. Sintaksis : yaitu pemahaman tentang urutan kata
dalam pembentukan kalimat dan hubungan antar
kata tersebut dalam proses perubahan bentuk
dari kalimat menjadi bentuk yang sistematis.
Meliputi proses pengaturan tata letak suatu kata
dalam kalimat yang dapat dikenali. Selain itu
dapat pula dikenali bagian-bagian kalimat dalam
suatu kalimat yang lebih besar. Sebagi contoh
kalimat
S dibentuk dari noun phrase(NP) dan verb
phrase(VP)
S-> NP,VP
Dan berikutnya :
NP -> DET, N
VP -> V, NP
NP -> N
d. Semantic : yaitu pemetaan bentuk struktur
sintaksis dengan memanfaatkan tiap kata ke
dalam bentuk yang lebih mendasar dan tidak
tergantung struktur kalimat. Semantic
mempelajari arti suatu kata dan bagaimana dari
arti kata – arti kata tersebut membentuk
suatu arti dari kalimat yang utuh. Dalam
tingkatan ini belum tercakup konteks dari
kalimat tersebut.
e. Pragmatic : pengetahuan pada tingkatan ini
berkaitan dengan masing – masing konteks yang
berbeda tergantung pada situasi dan tujuan
pembuatan sistem.
f. Discourse Knowledge : melakukan pengenalan
apakah suatu kalimat yang sudah dibaca dan
dikenali sebelumnya akan mempengaruhi arti
dari kalimat selanjutnya. Informasi ini penting
diketahui untuk melakukan pengolahan arti
terhadap kata ganti orang dan untuk
mengartikan aspek sementara dari informasi.
2.3. Langkah-langkah Analisa dalam bidang
natural language
Adapun beberapa langkah dalam melakukan proses
NLP sebagai kompilasi teks, untuk melakukan analisa
dari teks yang dimasukan maka analisa yang pertama
yaitu analisa leksikal setelah analisa tersebut
menghasilkan token atau pengenalan teks perkata
yang dimasukan. Dilanjutkan dengan proses parsing
untuk mengecek kebenaran dari kalimat atau teks
yang sudah dimasukan, dari proses tersebut masuk ke
dalam analisa semantik untuk menentukan makna
dari serangkaian instruksi yang didapat. Berikut
penjelasan lebih lengkap dari langkah NLP sebagai
Kompilasi teks :
a. Analisa Leksikal (Scanner)
Menganalisis secara leksikal merupakan fase
pertama yang dilakukan oleh suatu kompilator.
Tugas utamanya adalah membaca karakter input
dan memproduksi barisan dari token yang
digunakan oleh suatu pengurai untuk melakukan
analisis sintaks. Interaksi ini digambarkan pada
Gambar 2. dalam menerapkan hal ini biasanya
penganalisis leksikal menjadi subroutine atau
coroutine dari suatu pengurai. Pada saat
menerima perintah “ambil token berikut” dari
pengurai, penganalisis leksikal membaca
karakter input sampai dijumpai token yang
berikutnya.[4]
Gambar 2: Interaksi antara penganalisis leksikal
dan pengurai. [4]
b. Analisa Sintaksis (Parser)
Setiap bahasa mempunyai aturan-aturan
yang memberikan struktur sintak dari
program- program yang terbentuk baik. Di
pascal sebagai contoh suatu program terbentuk
dari blok, blok terbentuk dari statements,
statements terbentuk dari dari ekspresi, ekspresi
terbentuk dari token, dan seterusnya. Sintak
suatu bahasa program dapat digambarkan
oleh notasi tata bahasa bebas-konteks atau
notasi BNF(Backus-Naur Form). Sedangkan
tata bahasa itu sendiri memberikan
keuntungan yang besar baik kepada pen-design
bahasa ataupun penulis kompilator. Pada model
kompilator kita, pengurai menerima
sekumpulan token dari penganalisis leksikal dan
menguji bahwa kumpulan token itu dapat
dibentuk oleh tata bahasa sumber bahasanya.
Kita berharap pengurai itu dapat melaporkan
setiap kesalahan sintak dengan cara yang baik.
Pengurai itu juga harus dapat kembali bekerja
jika menemukan kesalahan yang sering muncul
sehingga pengurai itu dapat melakukan
prosesnya terus sampai akhir masukannya.
Berikut beberapa metode dalam proses
penguraian(parsing)[4] :
1. Top-down Parsing
Top-down parser bekerja dengan cara
menguraikan sebuah kalimat mulai
dari
constituent yang terbesar yaitu sampai
menjadi constituent yang terkecil. Hal ini
dilakukan terus-menerus sampai semua
komponen yang dihasilkan ialah constituent
terkecil dalam kalimat.
Top-down parser dapat diimplementasikan
dengan berbagai bahasa pemrograman,
namun akan lebih baik jika digunakan
declarative language seperti Prolog atau
LISP. Hal ini disebabkan oleh karena pada
dasarnya proses parsing ialah proses
searching yang dilakukan secara rekursif dan
backtracking, dimana proses ini sudah
tersedia secara otomatis dalam bahasa
Prolog. Dengan demikian parser yang ditulis
dalam Prolog atau bahasa deklaratif lainnya
akan menjadi jauh lebih sederhana daripada
parser yang dibuat dalam bahasa prosedural
biasanya seperti Pascal, C dan sebagainya.
Ada 2 kelas metoda parsing top-down, yaitu
kelas metoda dengan backup dan kelas
metoda tanpa backup. Contoh metoda kelas
dengan backup adalah metoda Brute- Force,
sedangkan contoh metoda kelas tanpa
backup adalah metoda recursive descent.[6]
Gambar 3: Contoh analisis menggunakan
metode
Recursive Descent.[6]
Kelas metoda tanpa backup, termasuk
metoda recursive descent, adalah kelas
metoda parsing yang tidak menggunakan
produksi alternatif ketika hasil akibat
penggunaan sebuah produksi tidak sesuai
dengan simbol input.
Pada metoda recursive descent simbol
terminal maupun simbol variabelnya bukan
karakter tetapi berupa besaran leksik sebagai
simbol terminalnya dan besaran sintaks
sebagai simbol variabelnya. Ciri dari metode
ini adalah secara rekursif menurunkan semua
variabel dari awal sampai bertemu terminal
dan tidak pernah mengambil token secara
mundur (no backtrack).
2. Bottom-up Parsing
Bottom-up parser bekerja dengan cara
mengambil satu demi satu kata dari kalimat
yang diberikan, untuk dirangkaikan menjadi
constituent yang lebih besar. Hal ini
dilakukan terus-menerus sampai constituent
yang terbentuk ialah sentence atau
kalimat.[6]
Kesederhanaan metode ini terletak pada
predikat untuk parsing, yaitu parse yang
hanya memiliki sebuah argumen.
Argumen ini berisi kalimat yang akan di
parse dalam bentuk list dari symbol. Kata-
kata dari input kalimat akan dirangkaikan
sambil mencari aturan yang lebih luas,
sampai tinggal sebuah simbol saja dalam
list, yaitu S.[6]
c. Analisa Semantik
Analisis semantik merupakan kelanjutan dari
proses scanning dan parsing. Fungsi dari
analisis semantik adalah untuk menentukan
makna dari serangkaian instruksi yang terdapat
dalam program sumber atau masukan dari
penguna
Menganalisa semantik harus mampu
menentukan aksi atau respon apa yang yang
akan dilakukan terhadap instruksi yang
diberikan.[1]
3. RANCANGAN SISTEM
DAN APLIKASI
3.1. Analisa Masalah
Dalam analisa ini penulis membuat langkah untuk
pemrosesan bahasa alami dari Bahasa Indonesia
menjadi Query Language untuk mendapatkan data
yang sesuai dengan yang diinginkan pengguna, dari
mulai input perintah yang dilakukan sesuai dengan
aturan yang akan dibuat, lalu perintah yang sudah
dimasukan akan di parsing dan melakukan
pengelompokan sesuai dengan token yang
terdaftar sebagai aturan produksi yang ada. Jika
program
menemukan kalimat atau urutan yang tidak sesuai
aturan produksi maka program akan memberi respon
error.

Setelah rangkaian kata sudah sesuai dengan tata

bahasa, program akan menerjemahkan kalimat yang
diterima kedalam bentuk Bahasa Query. Hasil
terjemahan akan dieksekusi untuk menampilkan
output yang ada. Output yang dimunculkan berbentuk Gambar 6: Komponen pengolah bahasa alami
tabel dan sesuai dengan perintah yang dimasukan untuk operasi query data.
oleh pengguna. Berikut alur program yang akan
dibuat penulis pada gambar 4.

b. Parser
Parser adalah suatu proses untuk menentukan
rangkaian dari token ke dalam suatu tata bahasa
tertentu atau tidak. Proses ini tergantung pada
aturan produksi yang sudah didefinisikan.

Gambar 4: Alur Program Bahasa alami yang digunakan pada sistem ini
adalah bahasa Indonesia yang mempunyai tata
3.2. Metode aturan penulisan (grammar) tersendiri yang
dituliskan dalam bentuk Backus Naur
Algoritma yang akan dipakai yaitu dengan Form(BNF) sebagai aturan produksi yang bisa
metode Top Down parsing. Metode ini melakukan dimengerti oleh sistem. Aturan produksi
parsing secara menurun dari root menuju ke merupakan suatu kaidah yang dibentuk untuk
daun(leaf). mode yang diambil yaitu non menyusun suatu kata atau perintah. Bentuk
backtracking mode atau tidak mengambil token aturan produksi yang dihasilkan dari sebuah
secara mundur. proses pencarian dengan cara kalimat bahasa Indonesia yang dituliskan dalam
menurun secara rekursif untuk semua variabel. Untuk bentuk BNF. Berikut definisi aturan produksi
langkah yang akan digunakan dalam mengolah dalam bentuk BNF :
bahasa alami penulis menggunakan tahapan sebagai
berikut : <kolom> ::= {field yang ada di db}
<table> ::= {table yang ada di db}
<S> ::= tampilkan | lihat
<KF> ::= semua data |
<data>{<koma><data>}
<data>::= <kolom> |
<FU><GS><kolom><GE>
<F> ::= dari
<T> ::= <table>
<K> ::= yang | dimana
<H> ::= dan | atau
<op_log> ::= > | < | = | !
1
<P> ::= <kolom> <op_log>{<op_log>} <val>
Gambar 5: Komponen pengolah bahasa alami
untuk operasi query data.
<kondisi> ::= <K> <P> {<H> <P>}
<grup> ::= <G><B><param>
1
<perintah>::=<S><KF><F><T>{<kondisi>}
a. Lexical 1
{<grup>}
Tugas utamanya adalah membaca karakter
input
dan memproduksi barisan dari token yang c. Understander
Understander bekerja sama dengan
digunakan oleh suatu pengurai untuk melakukan
knowledge
analisis sintaks. Penganalisis leksikal membaca
base dalam menentukan makna suatu kalimat.
karakter input sampai dijumpai token yang
Untuk mengetahui makna dari suatu input
berikutnya. Pada gambar 6. terdapat daftar token
kalimat, sistem dapat mengetahui hal-hal
yang digunakan oleh penulis.
tentang kata yang diproses dan bagaimana kata
tersebut membentuk suatu kalimat
yang
 bermakna. Adapun hasil dari proses atau nilai agar dapat dieksekusi oleh fungsi
understander sebagai berikut: mysql_query dalam program.

Tampilkan -> select 3.3. Alur Program

Lihat -> select
Jumlah -> sum Beberapa urutan-urutan proses yang harus dilalui
Hitung -> count digambarkan dalam bentuk flowchart. Flowchart dari
Rata-rata -> avg setiap proses pada sebuah halaman akan dibahas pada
Dari -> from penjelasan berikut ini :
Dimana -> where
yang -> where a. Proses Pengecekan Value
Dan -> and Saat input perintah, hal yang pertama dipisahkan
Atau -> or yaitu jika ada token yang bersifat value, hal ini
Grup -> group berfungsi untuk menentukan perintah yang akan
Berdasarkan -> di parsing, berikut gambaran flowchart nya
by :

d. Knowledge Base
Knowledge Base yaitu basis pengetahuan
yang
dijadikan acuan oleh understander dalam
menentukan makna suatu kalimat. Knowledge
base berisi sekumpulan informasi yang
terorganisir kedalam bentuk struktur data.
Berikut contoh dari knowledge base yang akan
disediakan :

Table 1: Knowledge base.

Sintaks Indonesia Sintaks Query
Tampilkan Select
Lihat Select
Semua data *
Dari Form
Dimana Where
Yang Where
= =
>= >=
<= <=
> >
< <
!= !=
Seperti Like
Dan And
Atau Or
Grup Group
Berdasarkan By
Jumlah Sum Gambar 7: Flowchart Pengecekan Value
Hitung Count
Rata-rata Avg b. Proses Parsing Perintah
Maksimum Max
flowchart parsing perintah dan melakukan
Minimum Min
pengecekan sesuai dengan aturan produksi atau
tidaknya perintah. Berikut gambaran flowchart
nya
e. Generator
Generator berfungsi menghasilkan jawaban
dari
hasil proses understander lalu memunculkan
data dari perintah yang sudah memiliki
makna
 4. HASIL UJI
IMPLEMENTASI
Pengujian ini dilakukan bertujuan untuk mendapatkan
hasil terjemahan yang sesuai dengan penerapan tata
bahasa yang digunakan dan apakah sesuai dengan
aturan penggunaan yang telah dibuat. Adapun
skenario yang dibuat dalam pengujian program ini
adalah :

a. Pengujian Skenario 1
Berikut adalah contoh penulisan kalimat
perintah yang berfungsi untuk menampilkan
semua data yang terdapat pada tabel
yang terpilih.

Gambar 10: Hasil Pengujian Skenario 1.

Gambar 8: Flowchart Parsing
b. Pengujian Skenario 2
c. Proses Eksekusi Perintah Berikut ini jika masukan kalimat perintah
Hasil rangkaian kata yang sudah diproses menampilkan data tetapi dengan kolom yang
oleh dibutuhkan atau dipilih :
Parsing dan understander dan sudah menjadi
Bahasa SQL, hasil tersebut dimasukan ke dalam
variabel tampil_reffQuery, lalu diproses untuk
menampilkan data yang sesuai dengan isi perintah
tersebut. Berikut flowchart nya :

Gambar 11: Hasil Pengujian Skenario 2.

c. Pengujian Skenario 3
Adapun contoh kalimat perintah jika semua
kolom ditampilkan tetapi dengan kondisi data
yang ditampilkan sesuai dengan parameter yang
dibutuhkan.

Gambar 9: Flowchart eksekusi perintah

 b. Aturan produksi dibuat sedemikian rupa
sehingga perintah dalam Bahasa Indonesia dapat
menyesuaikan dengan format perintah Bahasa
SQL.
c. Hasil dari terjemahan perintah
menggunakan Bahasa Indonesia akan dieksekusi
seperti halnya query biasa dengan menggunakan
Gambar 12: Hasil Pengujian Skenario 3. bahasa pemrograman.

d. Pengujian Skenario 4 5.2. Saran

Contoh lainnya dalam penggunaan fungsi,
pengelompokan data dengan beberapa kondisi Program penerjemah dari bahasa Indonesia menjadi
pada program yaitu sebagai berikut : bahasa query ini masih memiliki beberapa
keterbatasan. Sehingga untuk itu penulis
menyarankan beberapa pengembangan program
selanjutnya yaitu :

a. Memperkaya sintaks perintah yang ada seperti

mempunyai (having), kondisi between, in dan
not in.
b. Memperhalus kosakata perintah.
Gambar 13: Hasil Pengujian Skenario 4. c. Auto correction pada syntax

5. KESIMPULAN DAN DAFTAR

SARAN PUSTAKA
Berdasarkan pengkajian program yang telah [1] Dewi, S.K. 2003. Teknik dan aplikasi
dilakukan terhadap masalah dan penyelesaian yang Artificial
telah dilakukan, maka ditarik kesimpulan dan saran Intelligence, Edisi ke-1, Yogyakarta:Graha Ilmu.
yang akan diperlukan untuk pengembangan sistem ini [2] Handoko, A. P. (2009). Aplikasi Pengolah
untuk ketahap lebih lanjut. Bahasa Alami Untuk Operasi Queri Database,
Journal CCIT, 2(2), 197–204, Surakarta,
5.1. Kesimpulan STMIK Raharja.
[3] Preeti, & BrahmaleenKaurSidhu. (2013).
Berdasarkan dari uraian bab sebelumnya terhadap Natural
permasalahan dan program yang telah language processing. Int.J.Computer Technology
dikembangkan, maka dapat ditarik kesimpulan & Applications, 4(5), 751–758.
mengenai proses penerjemahan dari bahasa Indonesia https://doi.org/10.1002/asi.4630350507
menjadi bahasa query terhadap program penerjemah [4] Slamet, Sumantri., & Suhartanto Heru.
,antara lain : 1992.
Teknik Kompilasi. Jakarta:Universitas Indonesia.
[5] Turban, Efraim. 1993. Decision Support
and
a. Kalimat bahasa Indonesia yang dapat digunakan Expert Systems,
MacMillan Edisi
Publishing ke-3, New York:
Company.
untuk mengakses data adalah pemilihan kata [6] Yulianto, et. al. 2015. Implementasi
yang pas dengan bahasa Indonesia dan beberapa Penggunaan
Sistem Aplikasi Web Pdf Parser
dari hasil terjemahan aturan produksi bahasa Untuk
Menampilkan Informasi Isi Dokumen,
SQL yang sudah ada. Contohnya penggunaan Seminar
Nasional Teknologi Informasi dan
select menjadi tampilkan, form menjadi dari 6–8, Yogyakarta, STMIK AMIKOM.
dan
where menjadi yang atau dimana.