Apa itu Natural Language Processing ?
Natural Language Processing adalah salah satu bagian dari artificial intelligence (AI) yang fokus memberikan komputer kemampuan untuk memahami teks dan kata-kata lisan layaknya manusia. Natural Language Processing mengombinasikan komputasi linguistik dengan model statistika, machine learning, dan deep learning. Ketika dijalankan bersama, teknologi-teknologi ini akan membuat komputer mampu memproses bahasa manusia dalam bentuk data suara atau teks, lalu ‘memahami’ artinya sesuai dengan apa yang dikehendaki oleh penulis atau pembicara.
 
Sejarah Natural Language Processing
Pada tahun 1906 hingga 1911, Profesor Saussure menawarkan tiga mata kuliah di Universitas Jenewa, di mana ia mengembangkan pendekatan yang menggambarkan bahasa sebagai “sistem.” Di dalam bahasa, suara mewakili sebuah konsep-sebuah konsep yang mengubah makna seiring dengan perubahan konteks.
 
Saussure meninggal pada tahun 1913, tetapi dua rekannya, Albert Sechehaye dan Charles Bally, menyadari pentingnya konsep dan bertanya-tanya bagaimana caranya agar penemuannya tidak hilang selamanya). Keduanya mengambil langkah yang tidak biasa dalam mengumpulkan “catatannya untuk sebuah manuskrip”, dan catatan siswanya dari kursus. Dari ini, mereka menulis Kursus Linguistik Umum, diterbitkan pada tahun 1916. Buku itu meletakkan dasar untuk apa yang kemudian disebut pendekatan strukturalis, dimulai dengan linguistik, dan kemudian berkembang ke bidang lain, termasuk komputer.
 
Pada tahun 1950, Alan Turing menulis makalah yang menjelaskan tes untuk mesin “berpikir”. Dia menyatakan bahwa jika mesin dapat menjadi bagian dari percakapan melalui penggunaan teleprinter, dan meniru manusia sehingga tidak ada perbedaan yang mencolok, maka mesin tersebut dapat dianggap mampu berpikir. Tak lama setelah itu, pada tahun 1952, model Hodgkin-Huxleymenunjukkan bagaimana otak menggunakan neuron dalam membentuk jaringan listrik. Peristiwa ini membantu menginspirasi ide Artificial Intelligence (AI),Natural Language Processingi (NLP), dan evolusi komputer.
 
Jenis Komponen Sitem Language  Processing
Pada dasarnya ada 2 komponen utama yang terdapat dalam Natural Language Processing ini, yaitu sebagai berikut:
 

1. Natural Language Understanding (NLU)

Jenis komponen sistem utama Natural Language Processing yang pertama adalah Natural Language Understanding. Tugas dasar mereka pada intinya, yaitu memetakan input yang diberikan dalam bahasa alami ke representasi yang berguna. Natural Language Understanding memiliki bentuk dan struktur yang sangat kaya, dan seringkali sangat ambigu seperti beberapa hal sebagai berikut:
 

• Ambiguitas leksikal (lexical ambiguity); Ini adalah tingkat yang sangat primitif seperti tingkat kata, sebagai contoh misalnya, dalam hal memperlakukan kata “board” sebagai kata benda atau kata kerja.
• Ambiguitas tingkat sintaks (syntax level ambiguity); Ini adalah keadaan dimana sebuah kalimat dapat diuraikan dengan cara yang berbeda, sebagai contoh misalnya “He lifted the beetle with the red cap” yang bermakna apakah dia menggunakan topi untuk mengangkat kumbang atau dia mengangkat kumbang yang memiliki topi merah?
• Ambiguitas referensial (referential ambiguity); Ini mengacu pada sesuatu menggunakan kata ganti, sebagai contoh misalnya, Rifqi berbicara ke Nanda dan berkata, “I am strong”, dimana komputer akan bingung dalam mengartikan siapa yang kuat.

 

2. Natural Language Generation (NLG)

Jenis berikutnya yaitu adalah Natural Language Generation atau yang disingkat dengan NLG. Dalam komponen sistem ini, kita harus menghasilkan frasa dan kalimat yang bermakna, yakni berupa bahasa alami dari representasi internal. Proses dalam Natural Language Generation (NLU) ini seringkali melibatkan beberapa hal termasuk:
 

• Perencanaan teks (text planning); Ini termasuk mengambil konten yang relevan dari basis pengetahuan.
• Perencanaan kalimat (sentence planning); Ini adalah pemilihan kata-kata yang diperlukan, membentuk frase yang bermakna dan juga mengatur nada kalimat.
• Realisasi teks (text realization); Merupakan mapping (pemetaan) rencana kalimat ke dalam struktur kalimat.

 
NLG seringkali diterapkan dalam sistem chatbot, text generation, voice assistants dan image captioning.
 
Cara Kerja Natural Language Processing
Terkait cara kerjanya, perlu diketahui bahwa ada 2 fase utama dalam Natural Language Processing ini, yakni:

• Pemrosesan data, melibatkan persiapan dan pembersihan data teks agar mesin dapat menganalisisnya.
• Pengembangan algoritma, Prepocessing dalam Natural Language Processing menempatkan data dalam bentuk yang bisa diterapkan dan menyoroti fitur dalam teks yang dapat dikerjakan oleh suatu algoritme.

 
Teknik yang Digunakan dalam Natural Language Processing
Natural Language Processsing menggunakan dua teknik untuk menyelesaikan tugasnya.
 

1. Syntax

Syntax mengacu pada susunan kata-kata dalam sebuah kalimat sehingga tampak masuk akal secara tata bahasa. Natural Language Processing menggunakan analisis syntax untuk menerapkan aturan tata bahasa pada kumpulan kata yang ditemukannya. Ada beberapa teknik syntax yang bisa digunakan:
 

• Lemmatization, melakukan pengurangan berbagai bentuk kata yang berubah menjadi satu bentuk untuk memudahkan analisis.
• Segmentasi morfologis, melibatkan pembagian kata menjadi unit-unit individu atau morfem.
• Segmentasi kata, membagi sebagian besar teks berkelanjutan menjadi unit-unit berbeda.
• Penandaan part-of-speech, dengan mengidentifikasi bagian dari ucapan untuk setiap kata.
• Parsing, dengan melakukan analisis tata bahasa untuk kalimat yang disediakan.
• Pemutusan kalimat, dengan menempatkan batas kalimat pada sepotong teks besar.
• Stemming, memotong kata-kata yang diubah ke bentuk akarnya.

 

2. Semantics

Semantics mengacu pada makna yang disampaikan oleh sebuah teks. Ini merupakan aspek yang paling sulit dianalisis dalam natural language processing dan belum sepenuhnya dipelajari. Analisis ini melibatkan penerapan algoritma komputer untuk memahami arti dan interpretasi kata-kata dan bagaimana kalimat disusun. Berikut beberapa teknik semantics yang umum digunakan dalam Natural Language Processing:
 

• Named entity recognition (NER), melibatkan penentuan bagian-bagian teks yang dapat diidentifikasi dan dikategorikan ke dalam grup tertentu. Contohnya nama orang dan nama tempat.
• Disambiguasi arti kata, melibatkan pemberian makna pada kata berdasarkan konteksnya.
• Natural language generation, melibatkan penggunaan database untuk mendapatkan maksud semantik dari teks dan mengubahnya menjadi bahasa manusia.

 
Cara Sistem Natural Language Processing Menginterpretasikan Bahasa
Natural Language Processing ini menginterpretasikan bahasa dalam 6 level, yaitu:
 

1. Morphological Level

Level ini berkaitan dengan morfem yang berperan sebagai bagian yang menyusun kata. Morfem sendiri merupakan unit makna terkecil dari sebuah kata
 

2. Lexical Level

Sistem akan berfokus pada bagaimana morfem bergabung untuk membuat kata-kata. Kemudian, sistem akan mengidentifikasi perbedaan-perbedaan untuk menemukan arti dari setiap kata.
 

3. Syntactic Level

Level ini berfokus pada anggapan bahwa dalam kebanyakan bahasa, arti kalimat bergantung pada urutan kata dan tata bahasanya.
 

4. Semantic Level

Sistem berfokus pada bagaimana konteks kata dalam kalimat dapat menentukan arti kata pada tingkat individu.
 

5. Discourse Level

Level ini berfokus pada bagaimana kalimat berhubungan satu sama lain dalam satu teks.
 

6. Pragmatic Level

Di level ini, sistem akan mengidentifikasi apa arti yang paling mungkin dan paling masuk akal dari teks tersebut.
 
Manfaat Natural Laguage Processing
Berikut adalah beberapa contoh manfaat natural language processing yang bisa kamu rasakan secara langsung:
 

• Menyimpulkan teks kompleks secara otomatis
• Memahami sekaligus menerjemahkan pesan suara menggunakan teknologi AI
• Lebih mudah dan praktis dalam melaksanakan analisis sentiment
• Meningkatkan efisiensi dokumentasi serta tingkat akurasi
• Berfungsi selayaknya asisten pribadi
• Menambah wawasan atau masukan lanjutan dari hasil analisis yang sebelumnya tak terjangkau, karena terlalu banyak data

 
Contoh Pemanfaatan Natural Language Processing
Di bawah ini adalah beberapa implementasi natural language processing yang diterapkan oleh data scientist dalam kehidupan seharai-hari.
 

1. Ojek online

Meski terkesan sederhana, ternyata aplikasi pada ojek online sudah menggunakan teknologi NLP. Maka dari itu, mereka bisa memberikan nama pada suatu lokasi dengan bahasa yang lebih familier. Misalnya, ketika kamu memesan ojek dengan titik penjemputan di “Gedung Kesenian”. Selain menunjukkan tempat, NLP juga akan memunculkan lokasi secara lebih mendetail, seperti parkir mobil, lobby, dan lain-lain.
 

2. Peralatan berbasis smart home

Saat ini, minat masyarakat terhadap peralatan berbasis smart home semakin meningkat, terutama di kalangan generasi milenial. Selain unik dan mendukung multi-tasking, teknologi ini juga membuat cara pemakaiannya semakin mudah. Cukup berikan perintah suara melalui smartphone atau sistem khusus, maka peralatan akan langsung meresponnya. Pada teknologi AI, NLP mempunyai tugas untuk mengenali perintah melalui suara, sehingga bisa menjalankannya dengan benar.
 

3. Peramban atau browser

Mesin pencari seperti Google juga menyematkan teknologi NLP pada sistemnya. Penelitian NLP di Google berfokus pada algoritma skala besar, lintas bahasa, dan lintas domain. NLP juga digunakan dalam berbagai cara di seluruh produk Google, mempengaruhi banyak aspek mulai dari user experience saat melakukan pencarian, aplikasi, terjemahan, dll.
 

4. Penerjemah

Alat ini bisa bekerja secara optimal, salah satunya berkat NLP. Teknologi ini bertugas untuk memahami frasa atau kalimat yang kamu tuliskan, kemudian menerjemahkannya sesuai permintaan. Bahkan, Google kini sudah meluncurkan Imagen dimana mampu menerjemahkan teks menjadi gambar.
 

5. Chatbot

Kamu bisa menggunakan chatbot yang akan otomatis membalas pesan masuk secara otomatis. Chatbot sendiri merupakan program berbasis artificial intelligence yang mampu menyimulasikan percakapan dalam berbagai format. Meski belum begitu sempurna, tetapi keberadaan chatbot sangat membantu tugas manusia. ChatGPT dapat dikategorikan sebagai chatbot.
 

6. Koreksi chat

Kini smartphone sudah memiliki fitur untuk mengoreksi teks yang kamu masukkan. Caranya yaitu dengan melakukan identifikasi teks yang sekiranya sesuai atau mendekati mirip seperti perintah. Tinggal klik pada salah satu masukan yang mesin berikan, maka chat akan berubah secara otomatis.
 

7. Memantau media sosial

Seseorang yang memanfaatkan media sosial untuk promosi, sebaiknya lakukan pemantauan secara berkala. Hal ini bertujuan untuk meminimalkan dampak dari komplain pelanggan. Sebab, ulasan negatif di media sosial yang viral bisa memicu kehancuran merek dalam waktu sekejap. Tools seperti Buffer atau Hootsuite sangat penting di sini, karena berfungsi sebagai pemantau. Nah, teknologi NLP di dalamnya akan mengirim notifikasi secara otomatis, saat ada pelanggan yang menyebutkan atau membicarakan produkmu. Dengan begitu, kamu bisa langsung meluncur ke TKP untuk memastikan kondisinya tetap terkendali.
 

8. Kolom informasi di rumah sakit

Dulu, Rumah sakit atau klinik menyimpan identitas pasien dan daftar riwayatnya secara manual, baik di buku maupun sheet yang berbeda. Hal ini tentu memakan banyak waktu karena tim medis harus mencarinya satu per satu. Oleh karena itu, banyak rumah sakit yang menggunakan suatu alat berbasis NLP untuk menyimpan informasi tersebut. Pasien yang datang untuk berobat, petugas bisa langsung mencarinya pada sistem terpadu.