Membangun Aplikasi Natural Language Processing
Menggunakan Instant Messenger Untuk Informasi Bencana
Herny Februariyanti,1) Eri Zuliarso2)
Abstract— Instant messaging is a communication facility to
the users of internet chat. By using this facility, the user can
communicate by sending a text message to another user. In
addition, Instant Messaging also serves to exchange files in a
peer to peer. Availability of vast resources and varied, as well
as the rapid development of techniques Natural Language
Processing (NLP), Information Extraction (IE) and
Information Retrieval (IR) greatly influenced the development
of QA (Question Answering) system, which used to only be
able to answering the questions are limited to a field (domain)
specific to based on structured information sources such as
databases, up to now can answer different types of questions,
referring to a collection of information from unstructured text.
This research is utilizing receipts Instant Messenger Google
Talk service to provide information to your questions on the
online disaster. The system works by utilizing a database of
various sites on the Internet. The research is fitted with a QA
application system using disaster information crawler results
of some catastrophic news site.
Keywords— disaster information, instant messaging, Question
Answering system
1.
PENDAHULUAN
I
nstant Messaging (IM) saat ini mengalami
perkembangan yang cukup pesat
pada jaringan
user, karena kemampuannya mengirimkan pesan secara
singkat dan cepat antara pengguna telekomunikasi. IM
menjadi perangkat yang sangat penting untuk industri
di seluruh dunia. IM digunakan di dalam penjadwalan
(scheduling meeting), pertukaran informasi bisnis dan
informasi client dan lain-lain. IM telah dikembangkan
pada sektor- sektor private atau antar provider seperti
American Online Instant Messenger (AIM), MSN dan
Yahoo. Pada tahun 1998 muncul protokol IM yang
bersifat open source yang terkenal dengan protokol
Jabber.
Mengantisipasi bencana dalam waktu singkat dapat
dilakukan dengan menerapkan sistem peringatan dini.
Sistem itu bekerja dengan memanfaatkan basis data dari
berbagai situs di Internet. eksistensi TI tidak untuk
menghalau suatu bencana alam yang datang secara tibatiba melainkan untuk menyampaikan informasi sebelum
dan sesudah bencana alam itu terjadi. Teknologi
Herny Februariyanti, Sistem Informasi, Fakultas Teknologi Informasi,
Universitas Stikubank (UNISBANK) Semarang, (hernyfeb@gmail.com)
informasi tersebut tentu tidak berdiri sendiri melainkan
terintegrasi dengan berbagai perangkat teknologi
canggih lainnya yang dapat memberikan peringatan dini
secara sistimatis kepada warga yang berdomisili di
sekitar kawasan rawan bencana alam. Sistem ini yang
kemudian dikenal dengan nama sistem peringatan dini.
Dalam penelitian ini digunakan Instant Messenger
dengan memanfaatkan layanan Google Talk. Untuk
dapat memanfaatkan fasilitas ini pemakai harus
mempunyai account email gmail (xxxx@gmail.com).
Dengan memanfaatkan layanan Google Talk diharapkan
Sistem dapat menyebarkan informasi kepada pengguna.
Sistem dapat menjawab kebutuhan request informasi
bencana dari pengguna.
2. ARSITEKTUR SISTEM QUESTION ANSWERING
QA system merupakan sebuah sistem yang
mengijinkan user menyatakan kebutuhan informasinya
dalam bentuk yang lebih spesifik dan alami, yaitu dalam
bentuk natural language question, dan tidak
mengembalikan daftar dokumen yang harus disaring
oleh user untuk menentukan apakah dokumen-dokumen
tersebut mengandung jawaban atas pertanyaan, tetapi
mengembalikan kutipan teks singkat atau bahkan frase
sebagai jawaban [1].
QA system yang dikembangkan dengan tujuan,
sumber informasi, dan teknik yang berbeda dapat
memiliki arsitektur yang berbeda pula. Gambar 1
menunjukkan arsitektur umum dari QA system yang
tersusun atas lima komponen, yaitu: Piranti antar muka
pemakai adalah Google Talk, Basisdata Pengetahuan
adalah kumpulan masukan dari system QA, Pemroses
Pertanyaan adalah aktor utama Sistem QA yang
memproses masukan dari pemakai, mencari jawaban,
membuat keluaran dan mencatat ke log transaksi,
peramban dan pembaca Twitter digunakan untuk
mendapatkan informasi baru tentang bencana dari situs
berita online dan Twitter. Ekstraksi informasi digunakan
untuk memperoleh informasi atau data yang penting dari
dokumen teks bahasa alami yang tidak terstruktur pada
domain tertentu.
Antarmuka
GoogleTalk
Server
GoogleTalk
pemakai
Sistem Pemroses
Pertanyaan
Basisdata
Pengetahuan
Pembaca twitter
Ekstraksi Informasi
peramban
Gambar 1 Arsitektur Sistem QA
2.1. Instant Messanging
Instant
messaging merupakan
fasilitas
komunikasi chatting untuk para pengguna internet.
Dengan
menggunakan
fasilitas
ini, user dapat
berkomunikasi dengan cara mengirimkan pesan
berupa text dengan user lain. Selain itu, Instan
Messaging juga berfungsi untuk tukar menukar file
secara peer to peer. Saat ini Instan Messaging yang
terkenal adalah Yahoo Messenger dan MSN Messenger.
Namun kita dapat membuat Instan Messanger sendiri
menggunakan protokol Jabber serta aplikasi yang Open
Source dan serta memodifikasi client sesuai dengan
keinginan kita. Bahkan saat ini, Google mengembangkan
Instant Messengernya, Gtalk, yang juga berbasiskan
protokol XMMP (Jabber).
2.2. Protokol Jabber
Jabber adalah sebuah protokol XML yang terbuka
untuk pertukaran message dan presence yang real-time
antara dua user di dalam jaringan Jabber. Banyak
kegunaan teknologi Jabber, pada awalnya teknologi
Jabber bersifat asynchronous, platform IM yang dapat
digunakan secara luas dan jaringan IM berdasarkan
fungsinya hampir sama dengan sistem IM yang resmi
seperti AOL Instant Messaging (AIM) dan Yahoo
Instant Messaging [2].
Sebagai usaha menjadikan Jabber sebagai protokol
standar Instant Messaging, pada Juni 2000 komunitas
Jabber telah mempublikasikan protokol tersebut sebagai
Request for Comment (RFC) pada Internet Engineering
Task Force (IETF) sebagai bagian dari standar Instant
Messaging and Presence Protocol (IMPP), tetapi IMPP
ini tidak berjalan sukses. Pada bulan Mei 2001,
Jabber Community dan Jabber Inc. membuat Jabber
Software Foundation untuk menyediakan asisten
organisasi secara langsung (direct organizational
assistance) dan asisten teknis secara tidak langsung
terhadap komunitas Jabber. Pada tahun 2002, Internet
Engineering Steering Group (IESG) menyetujui formasi
Extensible Messaging and Presence Protocol Working
Group (XMPP)
dengan Internet Engineering Task
Force (IETF).
Ruang lingkup working group adalah
untuk
mengeksplorasi dan dimana protokol tersebut digunakan,
memodifikasi protokol yang sudah ada agar dapat
memenuhi RFC 2799 seperti persyaratan yang
ditentukan dalam spesifikasi Common Presence and
Instant Messaging (CPIM). Fokus utama working group
adalah membuat XML stream termasuk stream pada
level security dan autentikasi, elemen data dan
namespace yang dibutuhkan untuk mencapai dasar IM
dan Presence [3].
XMPP working group menerbitkan XMPP Core
Internet-Draft sebagai dokumen yang menggambarkan
fitur-fitur utama Extensible Messaging dan protokol
Presence. Makalah XMPP ini memuat protokol Jabber
yang bekerja pada sistem keamanan client-server dan
server-server.
2.3. Crawler
Web Crawler, juga sering dikenal sebagai Web Spider
atau Web Robot adalah salah satu komponen penting
dalam sebuah mesin pencari modern. Fungsi utama Web
Crawler adalah untuk melakukan penjelajahan dan
pengambilan halaman-halaman Web yang ada di
Internet. Hasil pengumpulan situs Web selanjutnya akan
diindeks oleh mesin pencari sehingga mempermudah
pencarian informasi di Internet.
Mendesain sebuah crawler yang baik saat ini
menemui banyak tantangan. Secara eksternal, crawler
harus mengatasi besarnya situs Web dan link jaringan.
Secara internal crawler harus mengatasi besarnya
volume data. Sehubungan dengan terbatasnya sumber
daya komputasi dan keterbatasan waktu, maka harus
hati-hati memutuskan URL apa yang harus di scan dan
bagaimana urutannya.
Crawler dapat dengan mudah mengambil ribuan
berita dari situs berita online. Namun volume informasi
terlalu besar untuk menangkap semua informasi yang
dibutuhkan. Untuk itu digunakan teknik pencarian
informasi seperti Topik Deteksi dan Pelacakan unutk
dapat membantu mengatur beritayang berkaitan dengan
bencana alam [4].
2.4. Twitter
Twitter adalah sebuah situs web yang dimiliki dan
dioperasikan oleh Twitter Inc., yang menawarkan
jejaring
sosial
berupa
mikroblog
sehingga
memungkinkan penggunanya untuk mengirim dan
membaca pesan yang disebut kicauan (tweets). Kicauan
adalah teks tulisan hingga 140 karakter yang ditampilkan
pada halaman profil pengguna. Kicauan bisa dilihat
secara luar, namun pengirim dapat membatasi
pengiriman pesan ke daftar teman-teman mereka saja.
Karakteristik penting dari Twitter adalah sifat
real-time. Sebagai contoh, ketika gempa bumi terjadi,
banyak orang membuat posting Twitter (tweet) terkait
gempa, yang memungkinkan deteksi gempa kejadian
segera, hanya dengan mengamati tweet [5].
2.5. Pengolahan Bahasa Alami
Shan Wang, 2000 [6] mengembangkan system query
berbahasa alami Cina untuk mengakses database yang
diberi nama Nchiql. Nchiql didisain sebagai system
query ke system basisdata Cina dan dapat digunakan ke
aplikasi yang berbeda pada DBMS yang berbeda. Ada
tiga sub-sistem dalam Nchiql: intelligent user interface,
domain-knowledge extraction system
dan query
statement processing system. Pemakai memasukkan
kalimat query dalam bahasa alami melalui antarmuka
yang cerdas. Menggunakan teknologi pemrosesan
bahasa alami, Nchiql menterjemahkan kalimat query ke
kalimat SQL sesuai dengan semantic basisdata yang
diekstrak oleh system ekstrak dan disimpan dalam
system kamus. Setelah eksekusi kalimat SQL oleh
DBMS berhasil, hasil query dikirimkan ke antarmuka
pemakai dan ditampilkan dalam cara yang ramah untuk
pemakai (user friendly).
Andayani, 2002 [7], telah melakukan penelitian
Query Bahasa Indonesia untuk basis data akademik.
Database yang digunakan adalah relasional. Aplikasi
pemrosesan bahasa alami untuk query basis data ini
menggunakan input dalam bahasa Indonesia. Input
berkisar pada pertanyaan-pertanyaan untuk mengakses
informasi atau data dari basisdata. Dengan demikian,
meskipun bahasa Indonesia sudah mempunyai grammar
dan aturan produksi, akan tetapi dalam aplikasi ini perlu
ditentukan aturan produksi yang secara khusus
menangani pola-pola pertanyaan pada input.
Yunyao Li, 2005 [8], mengembangkan sebuah
antarmuka bahasa alami untuk mengquery database
XML. NaLIX adalah sebuah antarmuka query bahasa
alami interaktif yang berlaku umum ke basisdata XML.
Sistem NaLIX dapat menerima kalimat bahasa Inggris
sebarang sebagai input query, yang mencakup aggregasi
(aggregation), bersarang (nesting), dan harga gabungan
(join) , among other things. Query ini diterjemahkan,
menjadi ekspresi XQuery sehingga dapat dievaluasi ke
basisdata XML. Penterjemahan dilakukan melalui
pemetaan secara gramatikal dimana bahasa alami
diuraikan menjadi token kemudian dilakukan
pendekatan korespodensi dengan elemen-elemen dalam
XQuery sehingga didapat hasil XML.
2.6. Basisdata XML
Bourret, 2005[9] Basisdata XML adalah sistem
perangkat lunak yang digunakan untuk menyimpan data
yang membolehkan data untuk diimpor, diakses dan
diekspor dalam format XML. Basisdata XML
mempunyai keunggulan lebih baik dibandingkan dengan
system basisdata relasional jika data yang akan disimpan
berupa dokumen. Dengan basisdata XML juga
memungkinkan untuk melakukan penelusuran isi
dokumen.
Ada dua kelas utama basisdata XML yang ada :
XML-enabled. Kelas ini memetakan semua
XML ke basisdata tradisional (seperti basisdata
relasional), menerima XML sebagai input dan
membuat XML sebagai keluaran.
Native XML (NXD). Model internal dari
basisdata
tergantung
pada
XML
dan
menggunakan dokumen XML sebagai dasar unit
penyimpanan.
3. HASIL DAN PEMBAHASAN
3.1.
Struktur Data
Untuk dapat menyimpan data informasi bencana
dalam format XML, maka terlebih dahulu dibuat XML
Schema. XML Schema dibuat untuk menjaga
konsistensi masukan data. XML Schema informasi
bencana untuk data yang disimpan dapat dilihat pada
gambar 2 sebagai berikut :
Gambar 2. XML Schema Informasi Bencana
Contoh data dalam format XML :
<?xml version="1.0" encoding="UTF-8"?>
<Informasi>
<jenis>gempa bumi</jenis>
<tanggal>22 Agustus 2013</tanggal>
<waktu>2.45 WITA</waktu>
<kabkota>Denpasar</kabkota>
<provinsi>Bali</provinsi>
<sumber>BMKG</sumber>
<besaran>5,4 SR</besaran>
</Informasi>
3.2. Sistem Pemrosesan Pertanyaan
Sistem pemroses pertanyaan terdiri dari beberapa
modul program :
1. GoogleTalk.java
Merupakan program utama, untuk mengelola
pembacaan pesan. Program menggunakan thread
yang akan memantau apakah ada pesan yang masuk
Apabila ada pesan yang masuk selanjutnya akan
diproses di ThreadPesan.java.
2. JabberSmackAPI.java
Berisi modul untuk berkomunikasi dengan
GoogleTalk menggunakan pustaka JabberSmackApi.
3. ThreadPesan.java
Digunakan untuk mengelola pesan. Pengelolaan
dilakukan
dengan
melakukan
parsing,
penterjemahan
menjadi
perintah
Xquery,
mengeksekusi perintah XQuery dan mengelola hasil
query.
4. SendMessage.Java
Digunakan untuk mengirim pesan jawaban dari hasil
query.
dilakukan oleh parser. Dalam proses ini parser
melakukan pelacakan terhadap token-token tersebut
untuk dibandingkan dengan daftar token yang telah
ditetapkan. Tanslator akan menterjemahkan hasil parsing
untuk mengecek kesesuaian struktur kalimat dengan pola
atau aturan produksi yang. Selanjutnya, hasil proses
yang sesuai dengan pola kalimat ini akan diteruskan ke
evaluator.
3.4. Penyusunan Aturan Produksi
Aplikasi pemrosesan bahasa alami untuk query basis
data ini menggunakan input dalam bahasa Indonesia.
Input berkisar pada pertanyaan-pertanyaan untuk
mengakses informasi atau data dari basisdata. Dengan
demikian, meskipun bahasa Indonesia sudah mempunyai
grammar dan aturan produksi, akan tetapi dalam aplikasi
ini perlu ditentukan aturan produksi yang secara khusus
menangani pola-pola pertanyaan pada input.
Berdasarkan pola keteraturan pertanyaan-pertanyaan,
maka aturan produksi dengan symbol awal <query>
ditentukan seperti dalam gambar :
<query>
<frase atribut><frase kondisi>
<frase atribut>
<atribut> <ekor atribut>**
<ekor atribut>
<kata sambung> <frase atribut>
| kosong
<frase kondisi>
kosong <frase 1> | <atribut> <ekor
kondisi>**<frase 2>
<ekor kondisi>
3.3. Struktur Pengolah Bahasa Alami
Komponen pengolah bahasa alami untuk Aplikasi
Pengolah Bahasa Alami Untuk Query Basisdata XML
ditunjukkan pada Gambar 3.
<data><frase 3> | <data> <kata
sambung><frase kondisi>** <frase 4>
| <atributkondisi> <data><frase 5>
| <atributkondisi> <data><frase
kondisi>**<frase 6>
Mulai
kalimat
scanner
Daftar
token
parser
<atributkondisi> „bukan‟|‟tidak‟|‟sebelum‟|‟sesudah‟
<kata sambung>„,‟| dan
Jawaba
n akhir
evaluator
Tipe
kalimat
translator
Pohon
sintaks
<atribut>
<data>
jenis|tanggal|waktu|kabkota|
Provinsi|lokasi|korban|meninggal|lukaluka|mengungsi
tergantung dari data yang ada pada query
Selesai
Gambar 3. Komponen pengolah bahasa alami untuk
Aplikasi Pengolah Bahasa Alami Untuk Query
Basisdata XML
Setiap kalimat bahasa alami, berupa kalimat
berbahasa Indonesia, yang dimasukkan akan melewati
proses yang dilakukan oleh scanner, parser, translator
dan evaluator sebelum mendapatkan jawaban akhir.
Scanner akan melakukan pemeriksaan bentuk kalimat
dan mengelompokkannya menjadi daftar token yang
kemudian diteruskan ke proses berikutnya yang
Berdasarkan contoh-contoh pertanyaan input dalam
aplikasi ini, ada 7 tipe query yang diidentifikasi. Setiap
tipe mempunyai notasi dan pola input yang berbeda.
Notasi tipe query akan digunakan lebih lanjut dalam
proses implementasi. Pola input menentukan
penggolongan tipe query berdasarkan input yang sesuai
dengan pola tersebut.
Simbol-simbol yang digunakan dalam penulisan
pola input adalah sebagai berikut :
[T/P]
: adalah kata Tanya atau kata perintah yang
mengawali input, yang dalam proses
selanjutnya dapat diabaikan.
[Plk]
:
<atribut> :
<bukan> :
<opr>
:
<int>
:
Kata tersebut diapit tanda [] yang berarti
bersifat opsi.
satu atau lebih kata-kata pelengkap.
nama atribut yang terdapat dalam daftar
token, atau kata-kata yang merupakan
sinonim atribut.
kata-kata yang mempunyai arti sama
dengan “bukan”
symbol atau kata-kata yang berfungsi
sebagai operator
kata-kata yang menjelaskan tentang
intensitas, yang dibedakan menjadi maks
dan min.
Ketujuh tipe query yang diidentifikasi adalah sbb:
a. Tipe q_a (query-atribut)
Tipe query yang hanya berisi satu atribut yang
akan ditampilkan. Query ini merupakan tipe yang
paling sederhana, yang hanya memuat atribut
yang ditanyakan.
Tipe ini mempunyai pola input, yaitu :
i. [T/P] <atribut> [Plk]
Contoh : Apa bencana yang terjadi
ii. [T/P] [Plk] <atribut>
Contoh : Dimana terjadi gempa bumi
b. Tipe q_aa (query-atribut-atribut)
Tipe query yang berisi beberapa atribut yang akan
ditampilkan. Tipe query ini memuat beberapa
atribut yang ditanyakan. Untuk memisahkan satu
atribut dengan atribut berikutnya digunakan kata
sambung „dan‟ atau tanda baca koma „,‟.
Tipe ini mempunyai pola input, yaitu :
[T/P] <atribut> (<ktsambung> <atribut>)*
Contoh : Tampilkan bencana apa, tanggal dan
provinsi
c. Tipe q_a_opr (query-atribut-atribut-operator)
Tipe query
berisi satu atribut yang akan
ditampilkan dan satu kondisi.
Tipe ini mempunyai pola input, yaitu :
[T/P] <atribut> [Plk] <atribut> <data>
Contoh : Berapa korban gempa bumi Nabire
d. Tipe q_a_opr (query- atribut-atribut-atributoperator- atribut-operator)
Tipe query berisi beberapa atribut yang akan
ditampilkan dan beberapa kondisi.
Tipe query ini memuat beberapa atribut yang
ditanyakan. Untuk memisahkan satu atribut
dengan atribut berikutnya digunakan kata
sambung „dan‟ atau tanda baca komma „,‟.
Demikian juga untuk memisahkan satu atribut
kondisi dengan atribut kondisi berikutnya
digunakan kata sambung „dan‟ atau tanda baca
komma „,‟.
Tipe ini mempunyai pola input, yaitu :
[T/P] <atribut> (<ktsambung> <atribut>)* [Plk]
<atribut> <data> <ktsambung> <atribut><data>
Contoh :
Berapa korban yang meninggal dan korban
yang luka saat tanah longsor di
Kabupaten Aceh Tengah tanggal 2 Juli
2013
e. Tipe q_operator (query-atribut-operator-<data>)
Tipe query berisi beberapa atribut yang akan
ditampilkan dan kondisi operator „sebelum‟ atau
„sesudah‟.
Tipe ini mempunyai pola input, yaitu :
[T/P] <atribut> (<ktsambung> <atribut>)* [Plk]
<atribut><op_tahun><data>
Contoh :
Tampilkan gempa yang terjadi di Provinsi Papua
sebelum tahun 2010
f. Tipe q_bukan (query-atribut-bukan-data)
Tipe query berisi beberapa atribut yang akan
ditampilkan dan kondisi operator “bukan” atau
“tidak” atau “selain”.
Tipe ini mempunyai pola input, yaitu :
[T/P] <atribut> (<ktsambung> <atribut>)* [Plk]
<atribut><op_bukan><data>
Contoh :
Tampilkan gempa yang terjadi bukan di Provinsi
Papua
g. Tipe q_a_bukan (query-atribut-atribut-bukan-data)
Tipe query berisi beberapa atribut yang akan
ditampilkan dan kondisi operator “bukan” atau
“tidak” atau “selain”.
Tipe ini mempunyai pola input, yaitu :
[T/P] <atribut> (<ktsambung> <atribut>)* [Plk]
<atribut><op_bukan><data>
Contoh :
Tampilkan gempa dan tanggal kejadian yang
terjadi bukan di Provinsi Papua
Gambar 4.a. dan 4.b menampilkan contoh tampilan
layar Google Talk saat berinteraksi dengan Sistem. akan
menjawab secara otomatis sesuai dengan pertanyaan
pengguna.
UCAPAN TERIMA KASIH
Penulis mengucapkan terima kasih kepada Direktorat
Penelitian dan Pengabdian Masyarakat Dirjen DIKTI
yang telah memberikan dukungan financial terhadap
penelitian ini. Penelitian ini didanai HIBAH Bersaing
Tahun Anggaran 2013.
DAFTAR PUSTAKA
Gambar 4.a. Contoh 1 Tampilan antarmuka dan
response dari Sistem QA
Gambar 4.b. Contoh 2 Tampilan antarmuka dan
response dari Sistem QA
4. KESIMPULAN
Kontribusi utama dari penelitian ini adalah mengadaptasi
teknik menjawab FAQ ke sistem yang menjawab pertanyaan
menggunakan data yang terstruktur, yakni menggunakan
basisdata XML.
Sistem yang dibuat dapat melakukan query pada basisdata
XML dengan menggunakan kalimat bahasa Indonesia
sederhana.
Pemanfaatan Google Talk sebagai antarmuka memberi
alternative untuk mendapatkan akses informasi secara real
time.
5. SARAN
Dalam penelitian ini setiap pertanyaan akan langsung
dijawab secara real time. Dalam penelitian berikutnya
akan dibuat sistem instant mesenger menggunakan
model dialog. Dengan model ini jawaban atas
pertanyaan akan mempertimbangkan pertanyaan
sebelumnya.
[1] Sneiders, E. “Automated Question Answering:
Template-Based Approach. Ph.D. thesis.”
,
Department of Computer and Systems Sciences,
Stockholm University and the Royal Institute of
Technology, Sweden ,2002.
[2] Shigeoka, Iain, “Instant Messaging in Java The
Jabber Protocols”, Manning Publications Co.,2002.
[3] Cover, Robin, “IETF Charters Extensible Messaging
and Presence Protocol(XMPP) Working Group.,”
WWW page, 2002 ,http://xml.coverpages.org/.
[4] Yang, C, Wei, C., “Tracing the Event Evolution of
Terror Attacks from On-line News”, Lecture Notes
in Computer Science Volume 3975, 2006
[5] Sakaki,T., Okazaki, M., “Earthquake Shakes Twitter
Users: Real-time Event Detection by Social
Sensors”, WWW2010, April 26-30, 2010.
[6] Wang, Shan 2000,,Nchiql: A Chinese Natural
Language Query System to Databases, Proceedings
of the 1999 International Symposium on Database
Applications
in
Non-Traditional
Environments,IEEE.
[7] Andayani, Sri, 2002, Qubin : Query Bahasa
Indonesia untuk basis data akademik, Tesis
magister Komputer, Program Pasca sarjana Ilmu
Komputer, UGM
[8] Yunyao Li, 2005,NaLIX: an Interactive Natural
Language Interface for Querying XML, SIGMOD,
Baltimore, Maryland, USA
[9] Bourret, Ronald ,http://www.rpbourret.com
[10] Loucopoulos, P., Zicari, R. (eds.), “Conceptual
modeling, databases, and CASE: an integrated view
of information systems development.”, John Wiley
& Sons , 1992
[11] Tsopoulos, I, 1995, Natural Language Interface,
Journal of Natural languages Engineering,
Cambridge University Press.
[12] World Wide Web Consortium, “Extensible Markup
Language (XML) 1.0 (Second Edition)”, W3C
Recommendation, October 2000.
[13] World Wide Web Consortium, “XQuery: A Query
Language for XML”, W3C Working Draft,
February 2000.