Natural Language Processing di Kehidupan Sehari-hari

Natural Language Processing dan Contohnya di Kehidupan Sehari-hari

By Wahyu Kwan | 16 Februari 2021

Tanpa kita sadari, Natural Language Processing sering sekali kita temui di kehidupan sehari-hari lho. Misalnya ketika kamu memesan ojek online, kamu harus memilih titik di peta sesuai lokasi kamu. Dengan bantuan Natural Language Processing (NLP), pemilihan titik lokasi menjadi lebih sesuai dan tepat. Awal mula aplikasi tersebut berdiri, kamu harus ribet-ribet menjelaskan posisi kamu dimana.

Lalu, apa itu NLP dan Apa saja contohnya? Simak blog post ini biar kamu tidak kebingungan lagi!

APA ITU NATURAL LANGUAGE PROCESSING?

NLP adalah cabang dari Artificial Intelligence yang berhubungan dengan interaksi antara mesin dan manusia menggunakan bahasa natural. Apa yang dimaksud dengan bahasa natural? Contohnya, ketika kamu sedang jalan-jalan di mall dan kamu menelpon temanmu untuk menanyakan lokasi mereka, mereka menjawab “di sebelah Starbucks” atau “di depan McD”. Jawaban-jawaban tersebut mendeskripsikan lokasinya dengan bahasa natural, alias bahasa yang kita sering gunakan sehari-hari. NLP menggunakan data yang bersifat tidak terstruktur / tidak berupa tabel, yakni data teks. Data teks dan bahasa dapat memiliki isi dan ukuran yang sangat beragam sehingga lebih menantang dibandingkan data tabular biasa.

TAHAPAN APA SAJA YANG DIPAKAI UNTUK MEMODELKAN DATA TEKS?

Analisis sintaksis adalah teknik utama yang digunakan untuk menyelesaikan tugas Natural Language Processing. Sintaksis mengacu pada susunan kata-kata dalam sebuah kalimat sehingga membuat pengertian gramatikal. Dalam NLP, analisis sintaksis digunakan untuk menilai bagaimana bahasa natural sejajar dengan aturan tata bahasa. Ada beberapa algoritma yang digunakan untuk menerapkan aturan gramatikal ke sekelompok kata dan memperoleh makna darinya. Berikut adalah beberapa tahapan dari analisis sintaksis yang sering dipakai:

Stemming – Proses yang melibatkan pemotongan akhir atau awal kata yang diubah ke bentuk akarnya dengan tujuan menghilangkan imbuhan. e.g. “bi” di awal kata “bicycle”, “er” di akhir kata “lighter”.
Lemmatization – Proses pengurangan berbagai bentuk kata yang berubah menjadi satu bentuk untuk memudahkan analisis. e.g. kata dari “swim”, “swimming”, “swims”, “swam”, adalah semua bentuk dari “swim”. Nah jadi lemma dari semua kata-kata tersebut adalah “swim”.
Tokenization – Proses pembagian sebagian besar teks berkelanjutan menjadi unit-unit yang berbeda. e.g. “Kalimat ini adalah sebuah contoh tokenization”. Setiap katanya akan dipisah menjadi 1 unit masing-masing. “Kalimat”, “ini”, “adalah”, “sebuah”, “contoh”, “tokenization”. Unit-unit ini biasanya disebut sebagai token.
Parsing – Proses analisis teks menjadi komponen sintaksis logis, biasanya untuk menguji kesesuaian dengan tata bahasa. Contoh dari parsing adalah memecah kalimat untuk menjelaskan setiap elemen kepada seseorang. Atau seperti yang kita sering dengar sebagai contoh, “Budi”. Ketika kita ingin mengajar anak kecil, kita sering kali memecahkan kalimat atau kata per elemennya. “B, U, BU”. “D, I, DI”, “Budi”.

CONTOH NATURAL LANGUAGE PROCESSING

Beberapa AI mengandalkan NLP agar bisa berfungsi. Contohnya seperti:

“Hey siri, tolong setel lagu hits 2020”. Personal Assistant Online seperti OK Google, Siri, Cortana, dan Alexa menggunakan NLP untuk merespon petunjuk-petunjuk vokal.
Penamaan lokasi. Aplikasi seperti Gojek dan Grab sudah menguasai NLP sehingga dapat memberi nama yang terdengar sangat natural di telinga manusia untuk sebuah lokasi. Misalnya saat kamu memesan Gojek di Menara Standard Chartered, akan muncul lagi pilihan titik jemput yang lebih mendetail, seperti lobby atas atau parkir motor.
Aplikasi terjemahan bahasa seperti Google Translate juga menggunakan NLP untuk menerjemahkan bukan lagi kata per kata tetapi sesuai konteks dan grammar bahasa.
Aplikasi Email seperti Gmail, Hotmail, Ymail memfilter dan mengklasifikasikan email kamu dengan NLP sebelum ada email masuk ke dalam inbox sehingga bisa mendeteksi spam dan memindahkannya ke folder spam agar kamu tidak perlu membacanya.
Aplikasi Interactive Voice Response (IVR) yang digunakan di call center untuk menanggapi permintaan user tertentu. Contohnya ketika kita menelpon customer service Telkomsel, kita akan diberi petunjuk dari awal seperti “Tekan 1 untuk menggunakan Bahasa Inggris,” dan nanti akan terputar recorder untuk bahasa inggris.

Kesimpulan

Natural Language Processing berperan penting untuk interaksi manusia dan AI. Dengan semakin berkembangnya teknologi dan penelitian yang dilakukan di bidang ini, kita bisa melihat lebih banyak lagi inovasi yang akan membuat mesin lebih pintar dalam memahami bahasa manusia.

Gimana? Kamu sudah paham tentang Natural Language Processing kan? Sekarang saatnya kamu untuk share juga ke temanmu karena topik ini sangat menarik untuk dibahas! Semoga dapat bermanfaat dan menambah ilmu. Sampai jumpa sampai blog post selanjutnya~

Yuk belajar data science di Algoritma Data Science Education Center! Kamu bisa ikut berbagai kelas data science untuk pemula, salah satunya di program Academy kami.

PELAJARI LEBIH LANJUT

Related Blog

Pentingnya Visualisasi Data untuk Kemajuan Bisnis

Lulusan dengan Gaji Minimum 25 Juta

Menjadi Data Scientist dalam 3 Bulan!

Tanpa kita sadari, Natural Language Processing sering sekali kita temui di kehidupan sehari-hari lho. Misalnya ketika kamu memesan ojek online, kamu harus memilih titik di peta sesuai lokasi kamu. Dengan bantuan Natural Language Processing (NLP), pemilihan titik lokasi menjadi lebih sesuai dan tepat. Awal mula aplikasi tersebut berdiri, kamu harus ribet-ribet menjelaskan posisi kamu dimana.

Lalu, apa itu NLP dan Apa saja contohnya? Simak blog post ini biar kamu tidak kebingungan lagi!

APA ITU NATURAL LANGUAGE PROCESSING?

NLP adalah cabang dari Artificial Intelligence yang berhubungan dengan interaksi antara mesin dan manusia menggunakan bahasa natural. Apa yang dimaksud dengan bahasa natural? Contohnya, ketika kamu sedang jalan-jalan di mall dan kamu menelpon temanmu untuk menanyakan lokasi mereka, mereka menjawab “di sebelah Starbucks” atau “di depan McD”. Jawaban-jawaban tersebut mendeskripsikan lokasinya dengan bahasa natural, alias bahasa yang kita sering gunakan sehari-hari. NLP menggunakan data yang bersifat tidak terstruktur / tidak berupa tabel, yakni data teks. Data teks dan bahasa dapat memiliki isi dan ukuran yang sangat beragam sehingga lebih menantang dibandingkan data tabular biasa.

TAHAPAN APA SAJA YANG DIPAKAI UNTUK MEMODELKAN DATA TEKS?

Analisis sintaksis adalah teknik utama yang digunakan untuk menyelesaikan tugas Natural Language Processing. Sintaksis mengacu pada susunan kata-kata dalam sebuah kalimat sehingga membuat pengertian gramatikal. Dalam NLP, analisis sintaksis digunakan untuk menilai bagaimana bahasa natural sejajar dengan aturan tata bahasa. Ada beberapa algoritma yang digunakan untuk menerapkan aturan gramatikal ke sekelompok kata dan memperoleh makna darinya. Berikut adalah beberapa tahapan dari analisis sintaksis yang sering dipakai:

Stemming – Proses yang melibatkan pemotongan akhir atau awal kata yang diubah ke bentuk akarnya dengan tujuan menghilangkan imbuhan. e.g. “bi” di awal kata “bicycle”, “er” di akhir kata “lighter”.
Lemmatization – Proses pengurangan berbagai bentuk kata yang berubah menjadi satu bentuk untuk memudahkan analisis. e.g. kata dari “swim”, “swimming”, “swims”, “swam”, adalah semua bentuk dari “swim”. Nah jadi lemma dari semua kata-kata tersebut adalah “swim”.
Tokenization – Proses pembagian sebagian besar teks berkelanjutan menjadi unit-unit yang berbeda. e.g. “Kalimat ini adalah sebuah contoh tokenization”. Setiap katanya akan dipisah menjadi 1 unit masing-masing. “Kalimat”, “ini”, “adalah”, “sebuah”, “contoh”, “tokenization”. Unit-unit ini biasanya disebut sebagai token.
Parsing – Proses analisis teks menjadi komponen sintaksis logis, biasanya untuk menguji kesesuaian dengan tata bahasa. Contoh dari parsing adalah memecah kalimat untuk menjelaskan setiap elemen kepada seseorang. Atau seperti yang kita sering dengar sebagai contoh, “Budi”. Ketika kita ingin mengajar anak kecil, kita sering kali memecahkan kalimat atau kata per elemennya. “B, U, BU”. “D, I, DI”, “Budi”.

CONTOH NATURAL LANGUAGE PROCESSING

Beberapa AI mengandalkan NLP agar bisa berfungsi. Contohnya seperti:

“Hey siri, tolong setel lagu hits 2020”. Personal Assistant Online seperti OK Google, Siri, Cortana, dan Alexa menggunakan NLP untuk merespon petunjuk-petunjuk vokal.
Penamaan lokasi. Aplikasi seperti Gojek dan Grab sudah menguasai NLP sehingga dapat memberi nama yang terdengar sangat natural di telinga manusia untuk sebuah lokasi. Misalnya saat kamu memesan Gojek di Menara Standard Chartered, akan muncul lagi pilihan titik jemput yang lebih mendetail, seperti lobby atas atau parkir motor.
Aplikasi terjemahan bahasa seperti Google Translate juga menggunakan NLP untuk menerjemahkan bukan lagi kata per kata tetapi sesuai konteks dan grammar bahasa.
Aplikasi Email seperti Gmail, Hotmail, Ymail memfilter dan mengklasifikasikan email kamu dengan NLP sebelum ada email masuk ke dalam inbox sehingga bisa mendeteksi spam dan memindahkannya ke folder spam agar kamu tidak perlu membacanya.
Aplikasi Interactive Voice Response (IVR) yang digunakan di call center untuk menanggapi permintaan user tertentu. Contohnya ketika kita menelpon customer service Telkomsel, kita akan diberi petunjuk dari awal seperti “Tekan 1 untuk menggunakan Bahasa Inggris,” dan nanti akan terputar recorder untuk bahasa inggris.

Kesimpulan

Natural Language Processing berperan penting untuk interaksi manusia dan AI. Dengan semakin berkembangnya teknologi dan penelitian yang dilakukan di bidang ini, kita bisa melihat lebih banyak lagi inovasi yang akan membuat mesin lebih pintar dalam memahami bahasa manusia.

Gimana? Kamu sudah paham tentang Natural Language Processing kan? Sekarang saatnya kamu untuk share juga ke temanmu karena topik ini sangat menarik untuk dibahas! Semoga dapat bermanfaat dan menambah ilmu. Sampai jumpa sampai blog post selanjutnya~

Yuk belajar data science di Algoritma Data Science Education Center! Kamu bisa ikut berbagai kelas data science untuk pemula, salah satunya di program Academy kami.

PELAJARI LEBIH LANJUT