Text mining puisi menjadi salah satu pendekatan menarik dalam perkembangan kajian sastra digital. Teknologi ini memungkinkan kumpulan puisi yang jumlahnya sangat banyak dianalisis dengan bantuan komputer untuk menemukan pola bahasa, diksi, tema, struktur, serta karakteristik gaya yang mungkin sulit terlihat jika hanya membaca karya satu per satu.
Puisi klasik memiliki kekayaan bahasa yang sangat kompleks. Penggunaan kata-kata tertentu, pengulangan, simbol, majas, rima, panjang baris, hingga pilihan tema dapat membentuk karakter khas suatu karya atau kelompok penyair. Dengan bantuan text mining, berbagai karakteristik tersebut dapat diubah menjadi data yang dapat dihitung dan dibandingkan.
Pendekatan ini bukan berarti menggantikan pembacaan sastra secara manual. Sebaliknya, analisis komputasional dapat menjadi alat bantu untuk memperluas cara memahami karya sastra. Penelitian mengenai analisis puisi otomatis menunjukkan bahwa teknologi Natural Language Processing (NLP) dapat digunakan untuk mengkaji berbagai aspek puisi, termasuk struktur, metrum, rima, pengenalan puisi, dan visualisasi karakteristik teks.
Kajian mengenai teks digital juga semakin memperlihatkan bahwa teknologi dapat mengubah cara pembaca melihat karya sastra. Untuk memahami hubungan antara analisis digital dan pembacaan karya sastra, pembaca dapat melihat pembahasan mengenai analisis teks digital.
Apa Itu Text Mining Puisi?
Secara sederhana, text mining adalah proses mengolah kumpulan teks menggunakan metode komputasi untuk menemukan informasi, pola, hubungan, atau karakteristik tertentu. Jika diterapkan pada puisi, metode tersebut dapat digunakan untuk mengidentifikasi berbagai unsur yang muncul secara berulang.
Text mining puisi dapat mencakup penghitungan frekuensi kata, analisis kemunculan istilah tertentu, pengelompokan dokumen, pengukuran kemiripan teks, hingga klasifikasi berdasarkan gaya.
Misalnya, seorang peneliti mempunyai ratusan puisi klasik dari beberapa penyair. Seluruh puisi tersebut dapat dimasukkan ke dalam sebuah korpus digital. Komputer kemudian dapat membantu menghitung kata yang paling sering digunakan, pola panjang kalimat, jenis kata, kemunculan tema, serta karakteristik linguistik lainnya.
Hasil tersebut kemudian dapat digunakan sebagai dasar untuk membandingkan gaya puisi.
Penelitian tentang analisis gaya puisi berbasis klasifikasi teks menunjukkan bahwa puisi dapat direpresentasikan ke dalam bentuk data atau ruang vektor sehingga karakteristiknya dapat diproses oleh algoritma komputer.
Mengapa Gaya Puisi Klasik Bisa Dianalisis dengan Text Mining?
Gaya puisi tidak hanya terbentuk dari makna secara keseluruhan. Gaya juga tercermin melalui pola penggunaan bahasa.
Seorang penyair mungkin memiliki kecenderungan menggunakan kata alam seperti “bulan”, “angin”, “laut”, dan “bunga”. Penyair lain mungkin lebih sering menggunakan kata yang berkaitan dengan perjuangan, kehidupan sosial, kematian, atau spiritualitas.
Jika pola tersebut muncul secara konsisten dalam banyak karya, komputer dapat membantu mendeteksi kecenderungan tersebut.
Beberapa karakteristik yang dapat dianalisis antara lain:
- frekuensi kata;
- panjang puisi;
- jumlah baris dan bait;
- penggunaan kata tertentu;
- pola pengulangan;
- struktur kalimat;
- jenis kata;
- tema dominan;
- sentimen atau nuansa emosional;
- pola bunyi;
- rima dan ritme;
- kemiripan antarkarya.
Penelitian mengenai analisis kuantitatif gaya puisi juga menunjukkan bahwa karakteristik leksikal, morfologis, semantis, dan emosional dapat dipelajari menggunakan metode komputasional.
Tahapan Text Mining Puisi Klasik
Penerapan text mining tidak langsung dimulai dari algoritma. Data puisi perlu dipersiapkan terlebih dahulu agar hasil analisis tidak bias.
1. Mengumpulkan Korpus Puisi
Tahap pertama adalah menentukan kumpulan puisi yang akan dianalisis.
Misalnya, penelitian ingin membandingkan gaya puisi klasik dari tiga kelompok penyair. Peneliti perlu mengumpulkan karya yang relevan dalam format digital.
Korpus harus memiliki kriteria yang jelas. Tahun penerbitan, periode sastra, bahasa, penyair, dan jenis puisi dapat menjadi batasan penelitian.
Kualitas korpus sangat penting karena algoritma hanya dapat memberikan hasil yang baik jika data yang digunakan juga sesuai dengan tujuan penelitian.
2. Membersihkan Data
Puisi klasik yang berasal dari dokumen digital mungkin mengandung berbagai gangguan, seperti nomor halaman, tanda pemformatan, karakter yang salah, atau informasi yang tidak berkaitan dengan isi puisi.
Data tersebut perlu dibersihkan.
Tahap ini biasanya disebut preprocessing. Beberapa proses yang dapat dilakukan adalah menghapus karakter yang tidak diperlukan, menyeragamkan format teks, dan memisahkan bagian puisi dari informasi tambahan.
Namun, preprocessing untuk puisi harus dilakukan secara hati-hati.
Berbeda dari artikel biasa, tanda baca, pergantian baris, dan struktur bait dapat mempunyai nilai sastra. Menghapus semuanya secara otomatis justru dapat menghilangkan informasi penting.
3. Tokenisasi
Setelah teks dibersihkan, puisi dapat dipecah menjadi unit-unit yang lebih kecil.
Unit tersebut dapat berupa kata, frasa, kalimat, atau bahkan karakter.
Sebagai contoh, kalimat:
“Angin malam membawa kenangan”
dapat dipecah menjadi beberapa token seperti “angin”, “malam”, “membawa”, dan “kenangan”.
Tokenisasi memungkinkan komputer menghitung kemunculan setiap kata dan membandingkannya dengan puisi lainnya.
4. Menghitung Frekuensi Kata
Frekuensi kata merupakan salah satu teknik sederhana dalam text mining.
Jika kata tertentu muncul berkali-kali dalam karya seorang penyair, hal tersebut dapat menjadi petunjuk mengenai kecenderungan diksi.
Namun, frekuensi saja belum cukup untuk menentukan gaya. Kata yang sering muncul mungkin merupakan kata umum yang tidak memiliki nilai pembeda.
Karena itu, analisis dapat dikombinasikan dengan teknik lain seperti TF-IDF.
TF-IDF untuk Menganalisis Diksi
TF-IDF atau Term Frequency-Inverse Document Frequency dapat digunakan untuk mengetahui kata yang relatif penting dalam suatu dokumen dibandingkan dengan kumpulan dokumen lainnya.
Dalam konteks puisi, metode ini dapat membantu menemukan kata yang menjadi ciri khas kelompok karya tertentu.
Misalnya terdapat 100 puisi. Kata “malam” muncul dalam sebagian besar karya sehingga mungkin tidak terlalu membedakan satu penyair dengan penyair lain.
Sebaliknya, sebuah kata yang jarang muncul secara keseluruhan tetapi sangat sering digunakan oleh kelompok penyair tertentu dapat memiliki nilai pembeda lebih tinggi.
Dengan demikian, text mining puisi dapat membantu peneliti menemukan karakteristik diksi yang lebih spesifik.
Analisis Tema dalam Puisi Klasik
Selain kata, tema merupakan bagian penting dalam membedakan gaya puisi.
Teknik seperti topic modeling dapat digunakan untuk menemukan kelompok kata yang sering muncul bersama. Dari kelompok tersebut, peneliti dapat menafsirkan kemungkinan tema yang mendominasi suatu kumpulan puisi.
Sebagai contoh, sebuah kelompok puisi mungkin banyak memunculkan kata yang berkaitan dengan alam. Kelompok lainnya mungkin lebih banyak menampilkan istilah mengenai cinta, perjuangan, agama, atau kehidupan sosial.
Hasil komputasi tersebut tidak secara otomatis menjadi interpretasi sastra. Peneliti tetap perlu membaca konteks dan memahami latar budaya dari puisi yang dianalisis.
Analisis Struktur dan Bentuk Puisi
Gaya puisi klasik juga dapat dilihat melalui bentuknya.
Jumlah baris, jumlah bait, panjang baris, pola rima, dan karakteristik ritme dapat menjadi fitur dalam analisis.
Survei tentang teknologi analisis puisi menunjukkan bahwa perangkat komputasional telah dikembangkan untuk menganalisis aspek seperti tekanan, panjang baris, rima, ritme, dan karakteristik struktural lainnya.
Data tersebut dapat digunakan untuk melihat apakah dua kelompok puisi memiliki struktur yang serupa atau berbeda.
Misalnya, kelompok pertama cenderung menggunakan baris pendek dengan pola tertentu, sementara kelompok kedua lebih sering menggunakan baris panjang dan struktur yang lebih bebas.
Perbedaan tersebut dapat menjadi salah satu indikator gaya.
Menggunakan NLP untuk Membandingkan Gaya
Natural Language Processing atau NLP memungkinkan analisis dilakukan lebih mendalam.
Sistem dapat memanfaatkan berbagai fitur linguistik untuk menggambarkan karakter sebuah teks. Beberapa fitur tersebut meliputi:
- frekuensi kata;
- kelas kata;
- struktur sintaksis;
- panjang kalimat;
- pola frasa;
- penggunaan kata sifat;
- penggunaan kata kerja;
- pola semantik;
- sentimen;
- pola bunyi.
Penelitian tentang deteksi gaya dalam puisi menunjukkan bahwa karakteristik linguistik dan prosodik dapat digunakan untuk membedakan kecenderungan gaya puisi.
Dalam konteks puisi klasik, pendekatan tersebut dapat dikembangkan dengan menyesuaikan karakter bahasa dan tradisi sastra yang digunakan.
Klasifikasi Gaya Puisi Klasik
Setelah fitur diperoleh, tahap berikutnya adalah klasifikasi.
Misalnya peneliti ingin mengelompokkan puisi berdasarkan dua atau lebih karakter gaya. Data yang sudah diproses kemudian digunakan untuk melatih model klasifikasi.
Algoritma machine learning dapat belajar dari contoh puisi yang sudah diberi label. Setelah model mendapatkan pola yang cukup, sistem dapat digunakan untuk memprediksi kategori karya yang belum diketahui.
Penelitian mengenai klasifikasi gaya puisi telah menggunakan pendekatan text classification untuk membangun model analisis gaya. Dalam proses tersebut, dokumen puisi diproses dan direpresentasikan dalam bentuk yang dapat digunakan oleh komputer.
Namun, hasil klasifikasi tetap perlu diperiksa oleh peneliti. Kategori sastra sering kali memiliki batas yang tidak sepenuhnya tegas.
Mengapa Kombinasi Komputer dan Pembacaan Sastra Penting?
Salah satu kesalahan dalam penggunaan text mining adalah menganggap hasil angka sebagai jawaban akhir.
Padahal, sastra mempunyai konteks yang sangat luas.
Sebuah kata dapat mempunyai arti berbeda tergantung zaman, budaya, konteks sosial, dan posisi kata tersebut dalam puisi.
Karena itu, metode terbaik adalah menggabungkan distant reading dengan close reading.
Distant reading membantu melihat pola dalam jumlah teks yang besar. Close reading kemudian digunakan untuk memahami teks secara mendalam.
Pendekatan gabungan semacam ini juga telah diterapkan dalam penelitian puisi Indonesia. Sebuah studi tahun 2026 menggunakan analisis komputasional dan stilistika dengan menggabungkan distant reading dan close reading untuk mengkaji diksi, emosi, simbolisme, serta makna sosial sebuah puisi.
Kelebihan Text Mining untuk Kajian Puisi
Ada beberapa keuntungan yang membuat text mining menarik bagi penelitian sastra.
Analisis Data dalam Jumlah Besar
Manusia akan membutuhkan waktu sangat lama untuk membaca dan mencatat pola dari ribuan puisi.
Komputer dapat membantu melakukan penghitungan awal secara lebih cepat.
Menemukan Pola yang Tidak Langsung Terlihat
Pembaca mungkin tidak menyadari bahwa kata tertentu muncul dengan frekuensi sangat tinggi dalam sebuah kelompok karya.
Analisis statistik dapat mengungkap pola tersebut.
Membantu Perbandingan
Text mining memudahkan perbandingan antara penyair, periode, genre, atau kelompok karya.
Mendukung Penelitian Sastra Digital
Teknologi ini memperluas ruang penelitian sastra ke arah humaniora digital.
Penelitian terbaru mengenai NLP dan puisi juga menunjukkan perkembangan pada analisis struktur, metafora, simbol, sentimen, gaya pengarang, dan klasifikasi genre.
Keterbatasan Text Mining Puisi
Meskipun memiliki banyak manfaat, text mining tidak sempurna.
Puisi sering menggunakan metafora, simbol, ironi, ambiguitas, dan permainan bahasa. Makna sebuah kata tidak selalu dapat ditentukan hanya berdasarkan frekuensi kemunculannya.
Masalah lain muncul pada puisi klasik yang menggunakan bahasa lama. Kosakata yang sudah tidak umum digunakan dapat membuat sistem NLP modern kesulitan mengenali makna atau hubungan antarkata.
Karena itu, korpus khusus, kamus historis, anotasi manual, dan model bahasa yang sesuai dapat meningkatkan kualitas analisis.
Penelitian terbaru juga menegaskan bahwa puisi merupakan tantangan bagi NLP karena memiliki bahasa metaforis, ambiguitas emosional, simbolisme kompleks, serta struktur linguistik yang tidak selalu teratur.
Penerapan untuk Penelitian Sastra Indonesia
Di Indonesia, pendekatan text mining dapat digunakan untuk mengkaji berbagai periode dan tradisi sastra.
Peneliti dapat membangun korpus puisi dari periode tertentu, kemudian membandingkan karakteristik diksi dan struktur antara penyair atau kelompok sastra.
Contohnya, penelitian dapat diarahkan untuk menjawab pertanyaan seperti:
- Apakah kosakata penyair A berbeda secara signifikan dari penyair B?
- Tema apa yang paling dominan dalam suatu periode?
- Bagaimana penggunaan kata alam dalam puisi klasik?
- Apakah struktur bait berubah antara satu periode dan periode berikutnya?
- Seberapa mirip gaya dua kelompok puisi?
- Apakah terdapat pola bahasa yang menjadi ciri khas seorang penyair?
Pertanyaan tersebut dapat menghasilkan penelitian yang menggabungkan ilmu sastra, linguistik, statistik, dan teknologi informasi.
Masa Depan Text Mining Puisi
Perkembangan kecerdasan buatan dan NLP membuat kemungkinan penelitian puisi semakin luas.
Analisis di masa mendatang dapat menggabungkan teks dengan informasi fonetik, struktur metrum, jaringan kata, sentimen, dan konteks sejarah.
Sistem juga dapat membantu peneliti menemukan hubungan antara karya yang jumlahnya sangat besar.
Namun, perkembangan teknologi sebaiknya tetap ditempatkan sebagai alat bantu penelitian. Nilai sastra sebuah puisi tidak hanya terletak pada jumlah kata atau pola statistiknya.
Komputer dapat menemukan pola, tetapi manusia tetap memiliki peran penting dalam memberikan interpretasi, konteks, dan makna.
Kesimpulan
Text mining puisi menawarkan pendekatan baru untuk memahami perbedaan gaya puisi klasik. Dengan mengolah korpus digital, peneliti dapat mempelajari frekuensi kata, karakteristik diksi, tema, struktur bait, rima, ritme, pola linguistik, hingga kemiripan antarkarya.
Prosesnya dapat dimulai dari pengumpulan korpus, preprocessing, tokenisasi, ekstraksi fitur, analisis statistik, hingga klasifikasi menggunakan machine learning. Hasil komputasi kemudian dapat dibandingkan dengan pembacaan sastra secara mendalam.
Pendekatan tersebut membuat penelitian puisi tidak lagi hanya bergantung pada pembacaan karya secara individual. Peneliti dapat melihat gambaran yang lebih luas mengenai kecenderungan bahasa dan gaya dalam ratusan bahkan ribuan teks.
Meski demikian, teknologi tidak seharusnya menggantikan interpretasi manusia. Puisi klasik memiliki konteks sejarah, budaya, simbol, dan lapisan makna yang membutuhkan pemahaman manusia.
Karena itu, penerapan text mining puisi paling efektif ketika teknologi dan metode sastra tradisional digunakan secara berdampingan. Komputer membantu menemukan pola, sementara peneliti menjelaskan mengapa pola tersebut penting dalam memahami gaya dan perkembangan puisi klasik.