Tugas Alpro

Gaji Karyawan C++

#include

#include

using namespace std;

int main(int argc, char *argv[])

{

char nama;/**/char gol;

int gaji_pokok;

int gaji_lembur=45000,lama_lembur,;

cout<<“DAFTAR PERHITUNGAN GAJI PEGAWAI\n==========================================================\n\n”;

cout<<“Nama Pegawai :”;fflush(stdin);cin.get(nama);

cout<<“Golongan<1,2,3> :”;fflush(stdin);cin>>gol;

cout<<“\n”;

//Penentuan Gaji_Pokok

if (gol == ‘1’)

{gaji_pokok=900000;}

else if (gol == ‘2’)

{gaji_pokok=1100000;}

else if (gol == ‘3’)

{gaji_pokok=2000000;}

//-Penentuan Gaji_Pokok

cout<<“Gaji Pokok : Rp.”<<gaji_pokok<<“\n”;

cout<<“Lama Lembur : “;cin>>lama_lembur;

//Rumus Perhitungan

int total_gaji_lembur=gaji_lembur*lama_lembur;

int gaji_kotor=gaji_pokok+total_gaji_lembur;

int pajak=0.025*gaji_kotor;

long int total_gaji_kotor=gaji_pokok+total_gaji_lembur;

int asuransi=0.05*total_gaji_kotor;

int gaji_bersih=total_gaji_kotor-(asuransi+pajak);

//-Rumus Perhitungan

cout<<“Total Gaji Lembur : Rp.”<<total_gaji_lembur<<“\n”;

cout<<“Gaji Kotor : Rp.”<<gaji_kotor<<“\n”;

cout<<“\n”;

cout<<“POTONGAN \n”;

cout<<“Pajak <2,5%%> : Rp.”<<pajak<<“\n”;

cout<<“Asuransi <5%%> : Rp.”<<asuransi<<“\n”;

cout<<“Gaji Bersih : Rp.”<<gaji_bersih<<“\n”;

system(“PAUSE”);

return EXIT_SUCCESS; }

Gaji Karyawan PASCAL

program Menghitung_Gaji_Karyawan;
uses crt;

var
gapok, tanak , gatot: real;
n, golongan, status: integer;
nama , gol : string;

begin
writeln (‘Menghitung Gaji Karyawan’);
writeln (‘========================’);
writeln (‘Golongan : 1. III 2. IV 3. V ‘);
writeln (‘Status : 1. Menikah 2. Single ‘);
writeln (‘========================’);
write (‘Masukkan Nama Karyawan : ‘); read(nama);
write (‘Pilih Nomor Golongan : ‘); read(golongan);
if (golongan = 1) then
begin gapok := 2000000;
gol := ‘III’;
end
else
if (golongan = 2) then
begin
gapok := 3000000;
gol := ‘IV’;
end
else
if (golongan = 3) then
begin
gapok := 4000000;
gol := ‘V’;
end
else
writeln(‘Nomor Golongan Salah’);
write (‘Pilih nomor Status : ‘); read(status);
if (status = 1 ) then
begin
writeln (‘Masukkan jumlah anak: ‘); read(n);
if (n > 2 ) then
tanak := 2 *(10/100 * gapok)
else
tanak := n *(10/100 * gapok);
end
else
tanak := 0;
writeln (‘========================’);
writeln (‘Nama Karyawan : ‘, nama);
writeln (‘Golongan : ‘, gol);
writeln (‘Gaji Pokok : ‘, gapok:0:2);
writeln (‘Tunjangan Anak: ‘, tanak:0:2);
gatot := gapok + tanak;
writeln (‘Total gaji : ‘, gatot:0:2);
readln;
readln;
end.

Fibbonanci C++

#include
#include

using namespace std;

int suku, a, b, c;

int main(int argc, char *argv[])
{
cout<<“Membuat Deret Fibonacci\n”;
cout<<“Masukkan nilai suku ke-: “; cin>>suku;
cout<<“Bilangannya adalah: \n”;
a=0;b=1;
cout<<a<<endl<<b<<endl;
for(int i=3; i<=suku; i++)
{
c = a + b;
a = b;
b = c;

cout<<c<<endl;
}

system(“PAUSE”);
return EXIT_SUCCESS;
}

Fibbonanci PASCAL

program deretfibonacci;
uses crt;
var a, b, c, d, f : integer;
begin
clrscr;
writeln(‘Program Deret Fibonacci ‘);
writeln;
write(‘Masukkan Jumlah Deret : ‘);
readln(a);
write(‘Deret Fibonacci ‘,a,’ Deret : ‘);
d := 0;
f := 1;
c := 0;
for b := 1 to a do
begin
c := d + c;
d :=f;
f :=c;
write(c);
write(‘ ‘);
end;
readln;
end.

Natural Language Processing Spell Checker

Spell Check merupakan pemeriksa kesalahan dalam suatu bahasa

Tahapan :

• Menelusuri teks dan memisahkan teks per kata
• Membandingkan kata-kata yang diperiksa dengan sebuah kamus
• Apabila suatu kata tidak terdapat dalam kamus
• Namun mirip dengan kata tertentu, dapat dikatakan kata tersebut merupakan kata yang salah

Versi 1

• \Melakukan penambahan satu karakter di akhir kata hingga kata tersebut ditemukan dalam database, dan kemudian disimpan dalam variabel. ‘perg’ menambah ‘perga’, ‘pergb’, ‘pergc’ , ‘pergi’……’pergz’
• Tapi setelah penambahan satu karakter di akhir kata hingga karakter terakhir tidak ditemukan kata yang dicari dalam database, maka program akan menampung kata asli tersebut ke dalam variabel.

Flowchart Spell Check

 

Versi 2 Algoritma Levenshtein

• Jarak Levenstein dua string adalah jumlah minimal operasi yang dibutuhkan untuk mengubah suatu string ke string yang lain
• Penyisipan, penghapusan atau penyubtitusian sebuah karakter
• ‘pergu’
• ‘pergi’
• Jarak levenstein adalah substitusi antara u menjadi i (proses 1 kali)

Tahapan

• Sistem membuat array sejumlah huruf pada kata pertama yang panjangnya sama dengan kata kedua
• Sistem akan melakukan perulangan dalam array untuk tiap huruf pada kata pertama
• Huruf yang sama akan diberi nilai 0 dan dan huruf yang berbeda akan diberi nilai 1
• Dari masing-masing array akan dicari nilai terkecilnya, kemudian dijumlahkan.
• Hasil dari penjumlahan adalah jarak Levenshtein

String 1	String 2	Jarak	Operasi
makab	makan	1	Mengubah b menjadi n
makane	makan	1	Menghapus e
makane	maka	2	Menghapus huruf n dan menghapus huruf e
kambig	kambing	1	Menambah huruf n
kambik	kambing	2	Mengubah huruf k menjadi n dan menambah huruf g

Natural Language Processing Analisis Morfologi

Proses dimana setiap kata yang berdiri sendiri (individual words) dianalisis kembali ke komponen pembentuk mereka dan token nonword seperti tanda baca dsb dipisahkan dari kata tersebut.

Contohnya apabila terdapat kalimat:

“I want to print Bill’s .init file”

Jika morphological analysis diterapkan ke dalam kalimat di atas, maka:

• Pisahkan kata “Bill’s” ke bentuk proper noun “Bill” dan possessive suffix “’s”
• Kenali sequence “.init” sebagai sebuah extension file yang berfungsi sebagai adjective dalam kalimat.

Syntactic analysis harus menggunakan hasil dari morphological analysis untuk membangun sebuah deskripsi yang terstruktur dari kalimat. Hasil akhir dari proses ini adalah yang sering disebut sebagai parsing. Parsing adalah mengkonversikan daftar kata yang berbentuk kalimat ke dalam bentuk struktur yang mendefinisikan unit yang diwakili oleh daftar tadi.

Hampir semua sistem yang digunakan untuk syntactic processing memiliki dua komponen utama, yaitu:

• Representasi yang deklaratif, yang disebut juga sebagai Grammar, dari fakta sintaktis mengenai bahasa yang digunakan
• Procedure, yang disebut juga sebagai Parser, yang membandingkan grammar dengan kalimat yang diinputkan untuk menghasilkan struktur kalimat yang telah di parsing

Cara yang paling umum digunakan untuk merepresentasikan grammar adalah dengan sekumpulan production rule. Rule yang paling pertama bisa diterjemahkan sebagai “Sebuah Sentence terdiri dari sebuah Noun Phrase, diikuti oleh Verb Phrase”, garis vertical adalah OR, sedangkan ε mewakili string kosong.

Proses parsing menggunakan aturan-aturan yang ada pada Grammar, kemudian membandingkannya dengan kalimat yang diinputkan. Struktur paling sederhana dalam melakukan parsing adalah Parse Tree, yang secara sederhana menyimpan rule dan bagaimana mereka dicocokkan satu sama lain. Setiap node pada Parse Tree berhubungan dengan kata yang dimasukkan atau pada nonterminal pada Grammar yang ada. Setiap level pada Parse Tree berkorespondensi dengan penerapan dari satu rule pada Grammar.

Contoh:

Terdapat Grammar sebagai berikut:

• S → NP VP
• NP → the NP1
• NP → PRO
• NP → PN
• NP → NP1
• NP1 → ADJS N
• ADJS → ε | ADJ ADJS
• VP → V
• P → V NP
• N → file | printer
• PN → Bill
• PRO → I
• ADJ → short | long | fast
• V → printed | created | want

Maka, apabila terdapat kalimat “Bill printed the file”, representasi Parse Tree nya akan menjadi:

Pembangunan Parse Tree ini didasarkan pada Grammar yang digunakan. Apabila Grammar yang digunakan berbeda, maka Parse Tree yang dibangun harus tetap berdasarkan pada Grammar yang berlaku.

Contoh:

Terdapat Grammar sebagai berikut:

• S → NP VP
• VP → V NP
• NP → NAME
• NP → ART N
• NAME → John
• V → ate
• ART→ the
• N → apple

Maka Parse Tree untuk kalimat “John ate the apple” akan menjadi:

Natural Language Processing Ambiguitas

1. Definisi Ambiguitas

Ambiguitas (nomina) dari ambigu (adjektiva) ; 1 sifat atau hal yang berarti dua: kemungkinan yang mempunyai dua pengertian; taksa; 2 ketidaktentuan; ketidakjelasan; 3 kemungkinan adanya makna yang lebih dari satu atas suatu karya sastra; 4 kemungkinan adanya makna lebih dari satu di sebuah kata, gabungan kata, atau kalimat (Kamus Besar Bahasa Indonesia 1990: hlm.27).

Ambiguitas berasal dari bahasa Inggris yaitu ambiguity yang berarti suatu konstruksi yang dapat ditafsirkan lebih dari satu arti. Ambiguitas sering juga disebut ketaksaan (Alwi, 2002:36). Ketaksaan dapat diartikan atau ditafsirkan memiliki lebih dari satu makna akan sebuah konstruksi sintaksis. Tidak dapat dipungkiri keambiguan yang mengakibatkan terjadinya lebih dari satu makna ini dapat terjadi saat pembicaraan lisan ataupun dalam keadaan tertulis.

Saat pembicaraan lisan mungkin dapat diantisipasi dengan pengucapan yang agak perlahan, sedangkan untuk yang tertulis apabila kurang sedikit saja tanda baca maka kita akan menafsirkan suatu kalimat atau kata menjadi berbeda dari makna yang diinginkan oleh penulis. Dari sudut pandang linguistik murni, ada tiga bentuk ambiguitas, yaitu :

1.1 ambiguitas fonetik,

1.2 ambiguitas gramatikal

1.3 ambiguitas leksikal (Ullmann, diadaptasi Sumarsono, 2007:2002).

Berikut adalah penjelasan tentang ketiga jenis dari ambiguitas itu :

1.1 Ambiguitas pada tingkat fonetik (bunyi)

Ambiguitas pada tingkat ini terjadi karena membaurnya bunyi-bunyi bahasa yang diucapkan. Terkadang kita bisa saja salah menafsirkan makna suatu kata atau frasa karena saat percakapan frasa atau kata itu terlalu cepat diucapkan. Misalnya :

a. Kata ”kapan emas kawinnya?” dapat ditafsirkan salah bila kita tidak memperhatikan konteksnya. Apabila pengucapannya terlalu cepat, itu bisa ditafsirkan menjadi kapan emas kawin (benda) akan diberikan kepada pengantin misalnya atau mungkin penafsirannya ke arah kapan seseorang yang dipanggil mas (kakak laki-laki) tersebut akan menikah.

b. Kalimat ”Yang berdiri di depan kakak ibu”. Kalimat ini jika pengucapannya tidak dibatasi oleh jeda akan dapat ditafsirkan yang berdiri di depan itu kakak dari ibu (paman/bibi) atau bisa juga ditafsirkan yang berdiri di depan kakak itu adalah ibu.

1.2 Ambiguitas pada tingkat gramatikal

Ambiguitas gramatikal muncul ketika terjadinya proses pembentukan satuan kebahasaan baik dalam tataran morfologi, kata, frasa, kalimat ataupun patagraf dan wacana. Ambiguitas kata yang disebabkan karena morfologi akan hilang dengan sendirinya ketika diletakkan dalam konteks kalimat yang benar. Berikut adalah contoh ambiguitas gramatikal :

1. Ambiguitas yang disebabkan oleh peristiwa pembentukan kata secara gramatikal. Misalnya kata tidur setelah mendapat awalan pe- berubah menjadi penidur. ”Penidur”, kata ini dapat berarti orang yang suka tidur dan dapat juga berarti obat yang menyebabkan orang tertidur.
2. Ambiguitas pada frase. Contoh, orang tua dalam bahasa Indonesia dapat bermakna orang tua kita yaitu ibu dan ayah, atau orang yang sudah tua. Untuk menghandiri ambiguitas ini, kita harus menambahkan unsur penjelas seperti: orang tuaku atau orang tuanya untuk frase yang mengacu kepada ayah dan ibu. Sedangkan untuk makna yang kedua dapat ditambahkan kata “yang” maka menjadi orang yang sudah tua.

1.3 Ambiguitas pada tingkat leksikal

Setiap kata dalam bahasa dapat memiliki makna lebih dari satu. Akibatnya, orang sering kali keliru menafsirkan makna suatu kata. Jadi, makna suatu kata dapat saja berbeda tergantung dari konteks kalimatnya sendiri. Seperti kata menggali yang digunakan dalam bidang perkebunan akan berbeda maknanya jika digunakan dalam bidang hukum atau keadilan. Contoh dalam kalimat: “petani sedang menggali tanah dibelakang rumahnya”. Akan berbeda maknanya dengan kalimat “Polisi sedang berusaha menggali informasi dari saksi mata”.

 2. Pemaparan Data dan Analisis Kesalahannya

Kalimat yang memenuhi ketentuan tata bahasa, namun masih menimbulkan tafsiran ganda tidak termasuk kalimat yang efektif. Berikut adalah contohnya yang kami ambil dari sumber-sumber tertulis.

a. Diambil dari Koran Bali Post

Tanggal 19 Juni 2007

”Petugas Pemeriksa KTP Diamankan”

Analisis

Makna 1 : Petugas yang bertugas memeriksa KTP yang diamankan

Makna 2 : Petugas pemeriksa itu KTPnya diamankan (disita)

b. Diambil dari Koran Bali Post

Sabtu Wage 27 Desember 2008

”Massa baru usai melakukan pelemparan sekitar pukul 13.00 wita, saat rumah itu diblokir pasukan Brimob”.

Analisis

Makna 1 : Massa (pengunjuk rasa) selesai melakukan pelemparan pukul 13.00 WITA

Makna 2 : Massa (pengunjuk rasa) yang datang setelah massa yang sebelumnya (baru)

c. Diambil dari Koran Bali Post

Sabtu Wage 27 Desember 2008

”Pekerja di pusat penangkaran khawatir karena gajah liar tersebut menghalangi gajah betina meninggalkan pusat penangkaran itu untuk mencari rumput sepanjang Rabu”.

Analisis

Makna 1 : Seharian penuh pada hari rabu

Makna 2 : Hari Rabu memiliki ukuran panjang (seperti cm,m,dan sebagainya)

d. Diambil dari Koran Bali Post

Sabtu Wage 27 Desember 2008

”Kendati demikian manusia di zaman kali ini menjadi tidak pernah tersadarkan akan segala yang telah diberikan oleh alam”.

Analisis

Makna 1 : zaman saat ini

Makna 2 : zaman kali yuga ini (zaman kehancuran dalam kepercayaan Hindu atau singkatnya hanya disebut zaman kali)

e. Diambil dari Koran Bali Post

Sabtu Wage 27 Desember 2008

”Kedua tersangka mengakui bahwa sistem bergulir yang diterapkan itu salah dan ujung-ujungnya akan merugikan masyarakat”.

Analisis

Makna 1 : Terdapat dua orang tersangka yang mengakui

Makna 2 : Menyatakan pernyataan kedua yang disebutkan oleh penulis berita

f. Diambil dari situs “www.fsrd.itb.ac.id”

“Penyidik Akbar itu benar-benar seorang pakar hukum”

Analisis

Makna 1 : Penyidik yang bernama Akbar itu benar-benar seorang pakar hukum.

Makna 2 : Penyidik kasus Akbar itu benar-benar seorang pakar hukum.

g. Diambil dari “www.fsrd.itb.ac.id”

“Berdasarkan keterangan direktur perusahaan industri tekstil itu tidak memenuhi syarat”

Analisis

Makna 1 : Berdasarkan keterangan, direktur perusahaan industri tekstil itu tidak memenuhi syarat.

Makna 2 : Berdasarkan keterangan direktur, perusahaan industri tekstil itu tidak memenuhi syarat.

Makna 3 : Berdasarkan keterangan direktur perusahaan, industri tekstil itu tidak memenuhi syarat.

Makna 4 : Berdasarkan keterangan direktur perusahaan industri, tekstil itu tidak memenuhi syarat.

h. Diambil dari Koran Radar Bali Jawa Pos

Rabu 22 Agustus 2007

”Nyawa Kedua Flu Burung”

Analisis

Makna 1 : Flu Burung memiliki dua nyawa

Makna 2 : Flu Burung telah merenggut nyawa orang yang kedua (telah ada korban kedua)

i. Diambil dari Koran Bali Post

Minggu, 8 Maret 2009

“Tampil Jamu Madrid”

Makna 1 : Kehadiran Jamu (racikan minuman tradisional) ala Madrid

Makna 2 : Suatu klub tampil menjamu Madrid dalam sebuah pertandingan

j. Diambil dari Koran Nusa Bali

Tanggal 26 November 2007

“Anak Dipukuli Konglomerat Balas Dendam”

Analisis

Makna 1 : Anak konglomerat yang dipukuli lalu orangtuanya balas dendam

Makna 2 : Seorang anak (bukan dari keluarga konglomerat) dipukuli oleh Konglomerat dan kerabatnya balas dendam kepada konglomerat tersebut.

3. Faktor-faktor Penyebab Keambiguan

Setelah kami menganalisis sumber-sumber berita tentang keambiguan, kami dapat memprediksi ada beberapa faktor yang menyebabkan terjadinya keambiguan, yaitu :

3.1 Segi morfologi

3.2 Segi sintaksis

3.3 Segi struktural.

Berikut adalah penjelasan dari masing-masing faktor penyebab keambiguan.

3.1 Segi Morfologi

Morfologi dalam Bahasa Indonesia merupakan salah satu cabang dalam ilmu yang mempelajari tentang perubahan bentuk kata yang dapat menimbulkan makna baru yang lebih luas. Terdapat beberapa tipe-tipe keambiguan di bidang morfologi adalah:

a Tipe Afiks

Suatu bentuk yang di dalam suatu kata merupakan unsure langsung, bukan bentuk bebas serta memiliki kesanggupan melekat pada bentuk-bentuk lain untuk membentuk kata baru ; imbuhan.

• Prefiks ter-

Prefiks ter- memiliki arti dapat, tak sengaja, paling, sampai ke-. Pada kalimat dibawah ini misalnya :

Pil itu tertelan oleh saya.

Dapat berarti akhirnya dapat ditelan atau mungkin juga berarti tak sengaja ditelan.

• Prefiks ber-

Prefiks ber- mempunyai arti menghasilkan, mempunyai, mengucapkan, dan melakukan.

Taman bunga itu kini telah berkembang.

Berkembang dalam kalimat ini bisa berarti telah menghasilkan kembang atau berubah keadaan menuju kearah lebih baik.

• Prefiks pe-

Prefiks pe- memiliki dua arti, dapat berarti orang yang melakukan pekerjaan dan juga alat yang digunakan melakukan pekerjaan. Seperti beberapa contoh berikut, yang menyebabkan keambiguan adalah kedua makna yang dimiliki oleh prefiks pe-.

Pemijat itu tidak bekerja dengan baik.

Dimana pemukulnya?

• Sufiks –an

Sufiks –an bila digunakan dalam kalimat dapat berarti hasil, cara, alat, apa yang di…. Oleh sebab itu, keambiguan dapat terjadi karena berbagai arti tersebut. Sebagai contoh:

Pengukurannya sangat akurat.

Telitilah agar penghitungannya tepat.

Pukulannya memang hebat.

Kata pengukuran dapat berarti cara mengukur, alat pengukur atau hasil pengukuran. Kata penghitungan dapat berarti cara menghitung atau hasil penghitungan. Sedangkan kata pukulan dapat berarti cara memukul, alat memukul, dan hasil memukul.

1. Tipe Leksikon (Faktor kata)

• Kepolisemian

Suatu bentuk kata yang mempunyai makna lebih dari satu sehingga mengacu pada kalimat ambigu

– Aku sedang mencari ilham. (nama orang, inspirasi)

– Saya permisi ke belakang. (lawan dari depan, toilet)

• Kehomoniman

Suatu bentuk kata yang sama lafal atau ejaannya tetapi memiliki makna yang berbeda. Kata yang homonim sangat berpotensi menyebabkan keambiguan dalam kalimat berbahasa Indonesia. Seperti contoh dibawah ini.

– Orang itu tidak ingin tahu. (nama makanan dari sari kedelai, mengerti).

– Saya yakin itu pasti bisa. (racun yang dimikili oleh ular, dapat terselesaikan)

• Preposisi

Misalnya preposisi ke- dalam kalimat berikut :

– Saya keberatan jika keputusannya seperti itu. (keberatan dapat berarti tidak menyetujui atau ke daerah yang namanya Beratan)

– Keranjang itu akan dibawa ke ranjang.

– Bawa kemeja itu dan letakkan disana

Apabila kalimat kedua di ucapkan maka akan menimbulkan keambiguan, tapi jika dituliskan akan terlihat perbedaannya.

• Antonim

Penggunaan kata yang dinegatifkan akan mengakibatkan sebuah kalimat menjadi ambigu.

– Joni tidak cukup pintar

– Sepertinya orang itu sudah tidak muda lagi

Keambiguan dapat di lihat dari kata yang bercetak miring, kata minggu bisa saja berarti senin, selasa, rabu, dan sebagainya. Sedangkan tidak muda belum tentu berarti tua sekali.

• Akronim dan kependekan

Akronim dapat menimbulkan keambiguan jika penggunaan atau pengucapannya tidak tepat.

– Dodik sangat berwibawa dalam menjalankan tugas-tugasnya.

Kata dodik dapat diartikan sebagai nama orang atau bisa juga Komando Pendidikan.

3.2 Sintaksis

Sintaksis merupakan pengetahuan tentang susunan kata dan kalimat ( ilmu tata bahasa).

A. Tipe kata majemuk dan ungkapan.

– Siapa pun yang hadir di sini boleh bersuara ( kata ‘bersuara’ dapat bermakna mengeluarkan suara atau ‘menyampaikan aspirasi’).

– Orang-orang dibalik layar itu bekerja sangat keras demi kesuksesan produksinya (bekerja di balik layar (layar tancap) atau sutradara dan orang-orang dibalik layar(film))

– Saat ini dia sedang gulung tikar (sedang menggulung tikar atau bangkrut)

– Real Madrid kalah, penonton gigit jari (menggigit jarinya atau menyesal)

B. Tipe kata ulang

Kata ulang juga memungkinkan terjadinya penafsiran ganda (ambigu).

– Budhi berdagang buah-buahan (kata buah-buahan dapat ditafsirkan bermacam-macam buah atau buah tiruan).

– Kita akan mencoba bisnis kacang-kacangan (bisa bermacam-macam jenis kacang atau sesuatu yang menyerupai kacang)

3.3 Struktur

Keambiguan dapat disebabkan struktur pada kalimat yang dibagi atas beberapa bagian antara lain struktur frasa dan struktur kalimat.

A. Struktur Frasa

Frasa adalah satuan gramatikal yang berupa gabungan kata yang bersifat nonpredikatif. Batasan itu dipakai untuk membedakan frasa dengan kalimat (klausa) karena kalimat merupakan gabungan kata yang bersifat predikatif. Kalimat bermakna ganda yang disebabkan struktur frasa, misalnya:

a. Istri kopral yang ramah itu mengenakan baju biru.

Istri kopralnya yang ramah atau kopralnya yang ramah.

b. Itu buku Grafindo.

Itu buku milik grafindo, itu buku karangan grafindo atau itu buku tentang grafindo.

B. Struktur Kalimat

Struktur kalimat merupakan salah satu penyebab penafsiran makna suatu kalimat menjadi ambigu. Walaupun semua kegandaan itu pada akhirnya akan menyebabkan kegandaan kalimat tetapi kegandaan karena struktur kalimat perlu dikhususkan karena kegandaan ini hanya dapat diketahui dalam keseluruhan kalimat.

Contoh : “Pelantikan Dekan baru diselenggarakan di Kampus Jatinangor”

Pelantikan-Dekan baru diselenggarakan di Kampus Jatinangor.

Pelantikan Dekan-baru diselenggarakan di Kampus Jatinangor.

Pelantikan untuk Dekan baru diselenggarakan di Kampus Jatinangor

 4. Pemecahan Keambiguan

Tugas Grafika Lanjut Pra UAS

1. Jelaskan yang dimaksud tentang :
a. Warna
Warna sebenarnya merupakan persepsi kita terhadap pantulan cahaya dari benda-benda di depan mata. Tidak ada ketentuan jumlah warna dasar tetapi dalam implementasi dengan komputer hanya dibutuhkan tiga warna dasar, yaitu RGB.

Model warna RGB dapat digambarkan sebagai sebuah kotak yang mempunyai tiga sumbu yaitu : R(red), G(green),B(blue), dimana nilai masing-masing sumbu berkisar dari 0 sampaii 1. Warna ditentukan berdasarkan lokasi warna tersebut terhadap Sumbu RGB.
Gambar di bawah ini menunjukkan model RGB.

b. Single Lighting
Single lighting adalah suatu model tehnik pencahayaan yang fokus pada satu objek sehingga menghasilkan warna yang dibentuk hanya pada titik yang ditujukan berwarna serupa.
c. Multiple Lighting
Multiple lighting adalah suatu model tehnik pencahayaan yang menyebar ke segala arah sehingga warna yang dibentuk pada objek lebih banyak warna
d. Specular Reflection
Specular Reflection merupakan pantulan sinar cahaya pada permukaan yang mengkilap dan rata.

e. Diffuse Scattering
Difffuse scattering meruoakan sifat pemantulan cahaya dimana cahaya yang masuk kedalam objek akan dipantulkan kesegala arah sehingga untuk melihat pantulan tersebut tidak membutuhkan sudut penglihatan.

2. Definisi Kurva 3D
Kurva 3D adalah suatu garis yang dihasilkan dari suatu fungsi matematika dimana garis tersebut direpresentasikan kedalam titik koordinat (x, y, dan z) yang mana garis tersebut dihasilkan dari kumpulan titik-titik persamaan berbentuk parametrik dan non parametrik.
3. Sebutkan Pengelompokan warna

– Warna primer yaitu warna-warna pokok yang tidak dapat dibuat dengan mencampurkan beberapa warna lain. Warna itu adalah merah , kuning, dan biru.

– Warna sekunder yaitu warna yang dapat diperoleh dengan campuran 2 warna primer/pokok. contoh :
Jingga/orange, adalah hasil pencampuran warna merah dan kuning.
Ungu/violet, adalah hasil pencampuran warna merah dan biru.
Hijau, adalah hasil pencampuran warna kuning dan biru.

– Warna tersier adalah warna yang didapat dengan mencampurkan 2 warna sekunder atau 1 warna pimer dengan warna sekunder. Hasil warna akan cenderung ke warna gelap kecoklat-coklatan, contoh :
Coklat kuning, disebut Siena Mentah, Kuning Tersier Yellow Ocrhe, atau Olive, yaitu pencampuran warna jingga dan hijau.
Coklat merah, disebut siena baker, merah tersier, Burnt Siena, atau Red Brown, yaitu pencampuran warna jingga dan ungu.
Coklat biru, disebut juga siena sepia, Biru Tersier, Zaitun, atau navy blue, yaitu pencampuran warna jingga dan ungu.

– Warna kuarter yaitu warna hasil pencampuran dari dua warna tersier. misalnya :
Coklat jinga, atau jingga/orange kuarter, atau semacam Brown, adalah hasil pencampuran kuning tersier dan merah tersier.
Coklat hijau, atau hijau kuarter, atau semacam Moss Green,adalah hasil pencampuran biru tersier dan kuning tersier.
Coklat ungu, atau ungu/violet kuarter, atau semacam deep purple, adalah hasil pencampuran merah tersier dan biru tersier.

4. Berikan 3 contoh objek Transformasi 3D
1. Fungsi Translasi (Translation)
Translasi merupakan bentuk transformasi yang memindahkan posisi suatu objek, baik pada sumbu x, sumbu y, atau sumbu z. Fungsi yang digunakan untuk melakukan translasi adalah :
glTranslatef Tx, Ty, Tz
Parameter Tx digunakan untuk menentukan arah dan seberapa jauh suatu benda akan dipindahkan berdasarkan sumbu x. Parameter Ty digunakan untuk menentukan arah dan seberapa jauh suatu benda akan dipindahkan berdasarkan sumbu y. Sedangkan parameter Tz digunakan untuk menentukan arah dan seberapa jauh suatu benda akan dipindahkan berdasarkan sumbu z.
Contohnya :
glTranslatef 2, 2, 2

2. Fungsi Rotasi (Rotation)
Rotasi merupakan bentuk transformasi yang digunakan untuk memutar posisisuatu benda. Fungsi yang digunakan untuk melakukan rotasi ialah glRotatef(θ, Rx, Ry, Rz)
Parameter yang dibutuhkan pada fungsi tersebut ada 4 macam, yaitu parameter θ untuk besar sudut putaran, parameter Rx untuk putaran berdasarkan sumbu x, parameter Ry untuk putaran berdasarkan sumbu y, dan parameter Rz untuk putaran berdasarkan sumbu z. Jika parameter θ bernilai postif, maka objek akan diputar berlawanan arah jarum jam. Sedangkan jika parameter θ bernilai negatif, maka objek akan diputar searah jarum jam. Contohnya :

glRotatef -30, 2, 2, 1

3. Fungsi Skala (Scalling)
Skalasi merupakan bentuk transformasi yang dapat mengubah ukuran (besar-kecil) suatu objek. Fungsi yang digunakan untuk melakukan skalasi ialah :
glScalef(Sx, Sy, Sz)
Perubahan ukuran suatu objek diperoleh dengan mengalikan semua titik atau atau vertex pada objek dengan faktor skala pada masing-masing sumbu (parameter Sx untuk sumbu x, Sy untuk sumbu y, dan Sz untuk sumbu z). Contohnya :
glScalef(2, 2, 2)

Stemming Bahasa Indonesia

Stemming merupakan bagian yang tidak terpisahkan dalamInformation Retrieval (IR). Tidak banyak algoritma yang dikhususkan untuk stemming bahasa Indonesia dengan berbagai keterbatasan didalamnya. Algoritma Porter salah satunya, Algoritma ini membutuhkan waktu yang lebih singkat dibandingkan denganstemming menggunakan Algoritma Nazief & Adriani, namun prosesstemming menggunakan Algoritma Porter memiliki prosentase keakuratan (presisi) lebih kecil dibandingkan dengan stemming menggunakan Algoritma Nazief & Adriani. Algoritma Nazief & Adriani sebagai algoritma stemming untuk teks berbahasa Indonesia yang memiliki kemampuan prosentase keakuratan (presisi) lebih baik dari algoritma lainnya. Algoritma ini sangat dibutuhkan dan menentukan dalam proses IR dalam dokumen Indonesia.

Stemming adalah salah satu cara yang digunakan untuk meningkatkan performa IR dengan cara mentransformasi kata-kata dalam sebuah dokumen teks ke bentuk kata dasarnya. Algoritmastemming untuk bahasa yang satu berbeda dengan algoritma stemming untuk bahasa lainnya. Sebagai contoh bahasa Inggris memiliki morfologi yang berbeda dengan bahasa Indonesia sehingga algoritma stemming untuk kedua bahasa tersebut juga berbeda. Proses stemming pada teks berbahasa Indonesia lebih rumit/kompleks karena terdapat variasi imbuhan yang harus dibuang untuk mendapatkan root word(kata dasar) dari sebuah kata.. Pada umumnya kata dasar pada bahasa Indonesia terdiri dari kombinasi:

Prefiks 1 + Prefiks 2 + Kata dasar + Sufiks 3 + Sufiks 2 + Sufiks 1

Sehingga dapat digambarkan menggunakan flowchar sebagai berikut:

Algoritma Nazief & Adriani yang dibuat oleh Bobby Nazief dan Mirna Adriani ini memiliki tahap-tahap sebagai berikut:

1. Pertama cari kata yang akan diistem dalam kamus kata dasar. Jika ditemukan maka diasumsikan kata adalah root word. Maka algoritma berhenti.
2. Inflection Suffixes (“-lah”, “-kah”, “-ku”, “-mu”, atau “-nya”) dibuang. Jika berupa particles (“-lah”, “-kah”, “-tah” atau “-pun”) maka langkah ini diulangi lagi untuk menghapus Possesive Pronouns(“-ku”, “-mu”, atau “-nya”), jika ada.
3. Hapus Derivation Suffixes (“-i”, “-an” atau “-kan”). Jika kata ditemukan di kamus, maka algoritma berhenti. Jika tidak maka ke langkah 3a
   1. Jika “-an” telah dihapus dan huruf terakhir dari kata tersebut adalah “-k”, maka “-k” juga ikut dihapus. Jika kata tersebut ditemukan dalam kamus maka algoritma berhenti. Jika tidak ditemukan maka lakukan langkah 3b.
   2. Akhiran yang dihapus (“-i”, “-an” atau “-kan”) dikembalikan, lanjut ke langkah 4.
4. Hapus Derivation Prefix. Jika pada langkah 3 ada sufiks yang dihapus maka pergi ke langkah 4a, jika tidak pergi ke langkah 4b.
   1. Periksa tabel kombinasi awalan-akhiran yang tidak diijinkan. Jika ditemukan maka algoritma berhenti, jika tidak
   2. pergi ke langkah 4b.
   3. For i = 1 to 3, tentukan tipe awalan kemudian hapus awalan. Jika root word belum juga ditemukan lakukan langkah 5, jika sudah maka algoritma berhenti. Catatan: jika awalan kedua sama dengan awalan pertama algoritma berhenti.
5. Melakukan Recoding.
6. Jika semua langkah telah selesai tetapi tidak juga berhasil maka kata awal diasumsikan sebagai root word. Proses selesai.

Tipe awalan ditentukan melalui langkah-langkah berikut:

1. Jika awalannya adalah: “di-”, “ke-”, atau “se-” maka tipe awalannya secara berturut-turut adalah “di-”, “ke-”, atau “se-”.
2. Jika awalannya adalah “te-”, “me-”, “be-”, atau “pe-” maka dibutuhkan sebuah proses tambahan untuk menentukan tipe awalannya.
3. Jika dua karakter pertama bukan “di-”, “ke-”, “se-”, “te-”, “be-”, “me-”, atau “pe-” maka berhenti.
4. Jika tipe awalan adalah “none” maka berhenti. Jika tipe awalan adalah bukan “none” maka awalan dapat dilihat pada Tabel 2. Hapus awalan jika ditemukan.

Tabel 1. Kombinasi Awalan Akhiran Yang Tidak Diijinkan

Awalan	Akhiran yang tidak diizinkan
be-	-i
di-	-an
ke-	-i, -kan
me-	-an
se-	-i, -kan

Tabel 2. Cara Menentukan Tipe Awalan Untuk awalan “te-”

Following Characters				Tipe Awalan
Set 1	Set 2	Set 3	Set 4
“-r-“	“-r-“	–	–	none
“-r-“		–	–	ter-luluh
“-r-“	not (vowel or “-r-”)	“-er-“	vowel	ter
“-r-“	not (vowel or “-r-”)	“-er-“	not vowel	ter-
“-r-“	not (vowel or “-r-”)	not “-er-“	–	ter
not (vowel or “-r-”)	“-er-“	vowel	–	none
not (vowel or “-r-”)	“-er-“	not vowel	–	te

Tabel 3. Jenis Awalan Berdasarkan Tipe Awalannya

Tipe Awalan	Awalan yang harus dihapus
di-	di-
ke-	ke-
se-	se-
te-	te-
ter-	ter-
ter-luluh	ter

Untuk mengatasi keterbatasan pada algoritma di atas, maka ditambahkan aturan-aturan dibawah ini:

1. Aturan untuk reduplikasi.

1. Jika kedua kata yang dihubungkan oleh kata penghubung adalah kata yang sama maka root word adalah bentuk tunggalnya, contoh : “buku-buku” root word-nya adalah “buku”.
2. Kata lain, misalnya “bolak-balik”, “berbalas-balasan, dan ”seolah-olah”. Untuk mendapatkan root word-nya, kedua kata diartikan secara terpisah. Jika keduanya memiliki root word yang sama maka diubah menjadi bentuk tunggal, contoh: kata “berbalas-balasan”, “berbalas” dan “balasan” memiliki root word yang sama yaitu “balas”, maka root word “berbalas-balasan” adalah “balas”. Sebaliknya, pada kata “bolak-balik”, “bolak” dan “balik” memilikiroot word yang berbeda, maka root word-nya adalah “bolak-balik”.

2. Tambahan bentuk awalan dan akhiran serta aturannya.

1. Untuk tipe awalan “mem-“, kata yang diawali dengan awalan “memp-” memiliki tipe awalan “mem-”.

1. Tipe awalan “meng-“, kata yang diawali dengan awalan “mengk-” memiliki tipe awalan “meng-”.

Berikut contoh-contoh aturan yang terdapat pada awalan sebagai pembentuk kata dasar.

1. Awalan SE-

Se + semua konsonan dan vokal tetap tidak berubah

Contoh :

• Se + bungkus   = sebungkus
• Se + nasib   = senasib
• Se + arah    = searah
• Se + ekor    = seekor

2. Awalan ME-

Me + vokal (a,i,u,e,o) menjadi sengau “meng”

Contoh :

• Me + inap = menginap
• Me + asuh = mengasuh
• Me + ubah = mengubah
• Me + ekor  = mengekor
• Me + oplos = mengoplos

Me + konsonan b menjadi “mem”

Contoh :

• Me + beri = member
• Me + besuk = membesuk

Me + konsonan c menjadi “men”

Contoh :

• Me + cinta  = mencinta
• Me + cuci  = mencuci

Me + konsonan d menjadi “men”

Contoh :

• Me + didik  = mendidik
• Me + dengkur = mendengkur

Me + konsonan g dan h menjadi “meng”

Contoh :

• Me + gosok  = menggosok
• Me + hukum  = menghukum

Me + konsonan j menjadi “men”

Contoh :

• Me + jepit = menjepit
• Me + jemput = menjemput

Me + konsonan k menjadi “meng” (luluh)

Contoh :

• Me + kukus = mengukus
• Me + kupas  = mengupas

Me + konsonan p menjadi “mem” (luluh)

Contoh :

• Me + pesona = mempesona
• Me + pukul = memukul

Me + konsonan s menjadi “meny” (luluh)

Contoh :

• Me + sapu = menyapu
• Me + satu = menyatu

Me + konsonan t menjadi “men” (luluh)

Contoh :

• Me + tanama = menanam
• Me + tukar  = menukar

Me + konsonan (l,m,n,r,w) menjadi tetap “me”

Contoh :

• Me + lempar = melempar
• Me + masak = memasak
• Me + naik  = menaik
• Me + rawat = merawat
• Me + warna = mewarna

3. Awalan KE-

Ke + semua konsonan dan vokal tetap tidak berubah

Contoh :

• Ke + bawa = kebawa
• Ke + atas = keatas

4. Awalan PE-

Pe + konsonan (h,g,k) dan vokal menjadi “per”

Contoh :

• Pe + hitung + an = perhitungan
• Pe + gelar + an = pergelaran
• Pe + kantor +   = perkantoran

Pe + konsonan “t” menjadi “pen” (luluh)

Contoh :

• Pe + tukar  = penukar
• Pe + tikam = penikam

Pe + konsonan (j,d,c,z) menjadi “pen”

Contoh :

• Pe + jahit = penjahit
• Pe + didik = pendidik
• Pe + cuci = pencuci
• Pe + zina = penzina

Pe + konsonan (b,f,v) menjadi “pem”

Contoh :

• Pe + beri = pemberi
• Pe + bunuh = pembunuh

Pe + konsonan “p” menjadi “pem” (luluh)

Contoh :

• Pe + pikir  = pemikir
• Pe + potong  = pemotong

Pe + konsonan “s” menjadi “peny” (luluh)

Contoh :

• Pe + siram  = penyiram
• Pe + sabar = penyabar

Pe + konsonan (l,m,n,r,w,y) tetap tidak berubah

Contoh :

• Pe + lamar = pelamar
• Pe + makan = pemakan
• Pe + nanti = penanti
  • Pe + wangi = pewangi

Review 3 Natural Processing Language (Tingkat Analisis NLP)

Macam-macamnya:

1. Fonetik/ Fonologi
2. Morpologi
3. Sintak
4. Semantik
5. Pragmatik
6. Discourse

Fonologi

• Memudahkan seseorang untuk mempelajari dan mengucapkan bunyi yang tidak ada dalam bahasa ibunya.
• Berhubungan dengan suara yang menghasilkan kata yang dapat dikenali.

  Bidang ini dipakai dalam aplikasi-aplikasi speech based system.

Morfologi

• Pengetahuan tentang kata dan bentuknya sehingga bisa dibedakan antara yang satu dengan yang lain
• Unit² tatabahasa yang menjadi unsur perkataan.
• Unit terkecil dalam bahasa

Sintak

• Mempelajari hubungan struktur antara suatu kata dalam kalimat denngan kata lain (SPOK , EYD)
• Aturan penggabungan kata menjadi yang diperkenankan dan pemakai aturan – aturan tersebut untuk membuat suatu kalimat.
• Analisis sintak berkaitan dengan parsing.
• Pengetahuan tentang urutan kata dalam pembentukan kalimat.
  Contoh :

  Kalimat -> Subyek, Predikat

  Subyek -> Determinan, KataBenda

  Predikat -> kataKerja, KataBenda

Semantik

• Analisis semantik adalah ilmu yang menyimak arti kata dan unsur masing-masing kata tersebut dalam suatu kalimat-kalimat
• Mempelajari arti dari suatu kata dan bagaimana arti kata-arti kata tersebut membentuk suatu arti kata dari kallimat yang utuh
• Dalam bahasa Indonesia, punya dua arti dalam satu kata.
  Contoh :
  –  saya mau tahu. (tahu = mengerti)-  saya mau tahu. (tahu = makanan)

Pragmatik

• Analisis pragmatik merupakan langkah terakhir dari tingkat analisis bahasa alami
• Analisis pragmatik yaitu digunakan untuk mengambil kesimpulan atau mencari kata kunci.
• Pengetahuan tentang konteks kata/kalimat yang berhubungan erat keadaan atau situasi kata/kalimat tersebut terpakai.Contoh

  Ayah datang (diucapkan dengan nada datar)

  Ayah datang! (diucapkan dengan nada tinggi)

  Ayah datang? (diucapkan dengan nada tempo cepat)

Discourse

• Melakuakan pengenalan apakah suatau kalimat yang telah dikenali mempengaruhi kalimat selanjutnya.
• Penting untuk identifikasi kata ganti orang, keterangan tempat atau kata ganti orang, keterangan tempat atau aspek sementara dari informasi.

Membuat Node Linked List Menggunakan Borlan c++

#include <iostream.h>
#include <conio.h>

class Node{

public:

int data;
Node *berikut;
};

int main()

{
//proses insert

Node*baru;
baru=new Node;
baru->data=1;
baru->berikut=NULL;
cout<<“isi node : “<<baru->data<<endl;

Node*baru1;
baru1=new Node;
baru1->data=2;
baru->berikut=NULL;
cout<<“isi node : “<<baru1->data<<endl;

Node*baru2;
baru2=new Node;
baru2->data=3;
baru->berikut=NULL;
cout<<“isi node : “<<baru2->data<<endl;

//menyambungkan node
baru->berikut=baru1;
baru1->berikut=baru2;

//menampilkan node pertama
Node *kepala=baru;
cout<<“Menampilkan node kepala : “;
cout<<kepala->data<<endl;

cout<<“cetak linklist menggunakan pointer”<<endl;
cout<<kepala->data<<endl;
cout<<kepala->berikut->data<<endl;
cout<<kepala->berikut->berikut->data<<endl;

getch();
}

Array 1 Dimensi “Statis”

#include <iostream>
using namespace std;
/* run this program using the console pauser or add your own getch, system(“pause”) or input loop */

class Larik1D{
public:
Larik1D(); //Nama overloading
friend istream& operator >> (istream&, const Larik1D&); //operator overloading untuk input
friend ostream& operator << (ostream&, Larik1D&); //operator overloading untuk output
int data[5];

};

Larik1D::Larik1D(){
cout<<“program Larik1D sedang berjalan…”<<endl;

}
istream& operator >> (istream& is, Larik1D& L){
for(int i=0; i<5; i++){
cout <<“Masukan data ke- “<< i << ” = “;
is >> L.data[i];
}
return is;
}

ostream& operator << (ostream& os, Larik1D& L){
for(int i=0; i<5; i++){
os << “data ke- ” << i << ” = ” << L.data[i] << endl;
}
return os;
}

int main(int argc, char** argv) {
Larik1D a;
cout<<endl;
cin >> a;
cout<<endl;
cout << a;

return 0;
}

Praktikum 3 Grafika Lanjut

#include <windows.h>

#include <stdio.h>

#include <stdlib.h>

#include <string.h>

#include <stdarg.h>

#include <glut.h>

static double xVal=0.0;

void drawShape()

{

glClear(GL_COLOR_BUFFER_BIT | GL_DEPTH_BUFFER_BIT);

glColor3f(0.0f, 1.0f, 0.5f); //pendefinisian color

if(xVal<=2)

{

glTranslatef(xVal, 0.0, 0.0); // Translasi melalui xVal arah x

}

else

{

glTranslatef( -2 , -2, 0.0);

}

glutWireTorus(1.0,2.0, 10,20);

glFlush();

}

void display(void)

{

drawShape();

glFlush();

}

void init (void)

{

glClearColor (0.7, 0.0, 0.0, 0.0);

glEnable(GL_DEPTH_TEST);

glMatrixMode (GL_PROJECTION);

glLoadIdentity();

gluPerspective(60.0, 1.0, 1.0, 100.0);

glMatrixMode (GL_MODELVIEW);

glLoadIdentity();

gluLookAt (10.0, 0.0, 10.0, 0.0, .0, 0.0, 0.0, 0.0, 1.0);

}

void keyboard(unsigned char key, int x, int y)

{

switch (key) {

case ‘+’:

exit(0);

break;

case ‘-‘:

if(xVal <=2){

xVal++;

} else {

xVal=0.0;

}

glutPostRedisplay();

break;

}

}

int main(int argc, char** argv)

{

glutInit(&argc, argv);

glutInitDisplayMode (GLUT_SINGLE | GLUT_RGB);

glutInitWindowSize (600, 600);

glutInitWindowPosition (100, 100);

glutCreateWindow (“Translasi Objek 3D”);

init ();

glutDisplayFunc(display);

glutKeyboardFunc(keyboard);

glutMainLoop();

return 0;

}