Mengenal Natural Language Processing (NLP) atau Pengolahan Bahasa Alami (PBA)
Natural language processing (NLP) atau pengolahan bahasa alami (PBA) adalah cabang dari kecerdasan buatan yang berhubungan dengan interaksi antara komputer dan manusia menggunakan bahasa alami. Menurut Textmetrics, NLP ini digunakan untuk mengukur sentimen dan menentukan bagian mana dari bahasa manusia yang penting.
Teknologi NLP berkaitan dengan kemampuan komputer dalam memahami, menafsirkan, serta memanipulasi bahasa atau perintah manusia, dengan memadukan berbagai teknologi seperti computational linguistics, statistik, machine learning, serta deep learning.
Teknologi inilah yang membuat komputer mampu mengerti bahasa dalam bentuk teks maupun pesan suara dan untuk “mengerti, memahami, dan mengetahui” makna sepenuhnya, lengkap dengan maksud dan sentimen dari pembicara atau penulisnya.
Cara kerja
Terdapat 2 fase utama dari NLP ini yaitu:
1. Persiapan data (data preprocessing)
Pada fase persiapan, teks perlu “dibersihkan “layaknya pada proses data cleaning pada umumnya agar komputer mampu melakukan analisis. TechTarget menjabarkan beberapa cara atau task NLP yang umum dilakukan dalam proses persiapan data ini di antaranya,
a. Tokenization: fase pemecahan teks menjadi kata-kata yang lebih simpel
b. Stop word removal: tahap menghilangkan kata-kata yang umum dan menyisakan kata khusus yang mengandung suatu informas
c. Lemmatization and stemming: proses pemotongan atau penghilangan kata imbuhan, agar kembali ke bentuk asal
d. Part of speech tagging: proses untuk membubuhkan tanda pada tulisan sesuai bagiannya, seperti kata sifat, kata kerja, kata benda, dan lain-lain
2. Pengembangan algoritma NLP
Setelah melewati tahap persiapan, sistem akan mengembangkan algoritma baru. Algoritma ini biasanya menerapkan rules-based system atau machine learning-based system.
a. Rules-based system menggunakan aturan linguistik yang dirancang dengan hati-hati dan komprehensif. Pendekatan ini telah digunakan sejak awal pengembangan NLP dan masih digunakan sampai sekarang.
b. Machine learning-based system menggunakan metode statistika sampai dengan modelling.
Komponen sistem
Pada dasarnya, ada 2 (dua) komponen utama yang terdapat dalam Natural Language Processing (NLP) ini di antaranya,
1. Natural Language Understanding (NLU)
Jenis komponen sistem utama Natural Language Processing (NLP) yang pertama adalah Natural Language Understanding (NLU). Dalam hal ini (NLU), kita harus memahami tugas dasar mereka pada intinya, yaitu memetakan input yang diberikan dalam bahasa alami ke representasi yang berguna.
NLU memiliki bentuk dan struktur yang sangat kaya, dan seringkali sangat ambigu seperti beberapa hal sebagai berikut:
a. 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.
b. Ambiguitas tingkat sintaks (syntax level ambiguity); Ini adalah keadaan di mana 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?
c. Ambiguitas referensial (referential ambiguity); Ini mengacu pada sesuatu menggunakan kata ganti, sebagai contoh misalnya, Rifqi berbicara ke Nanda dan berkata, “I am strong”, di mana komputer akan bingung dalam mengartikan siapa yang kuat.
Seperti yang kalian lihat di atas, NLU dapat berupa satu atau banyak input (masukan) yang berarti (memiliki arti) hal yang sama, di mana mereka seringkali diaplikasikan ke analisis sentimen, penyaringan kata yang tidak senonoh, pengenalan suara, chatbot dan text summarization.
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:
a. Perencanaan teks (text planning); Ini termasuk mengambil konten yang relevan dari basis pengetahuan.
b. Perencanaan kalimat (sentence planning); Ini adalah pemilihan kata-kata yang diperlukan, membentuk frase yang bermakna dan juga mengatur nada kalimat.
c. 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.
Manfaat
Jika algoritma baru sudah tersusun, maka komputer akan melakukan tugas sesuai dengan yang perintahkan. Inilah kelebihan NLP yang mampu bekerja sepersekian detik untuk memproses bahasa manusia atau prompt.
Dengan kemampuan tersebut, NLP mampu memberikan berbagai manfaat berikut:
a. Menyimpulkan teks kompleks secara otomatis
b. Memahami sekaligus menerjemahkan pesan suara
c. Melaksanakan sentiment analysis
d. Meningkatkan efisiensi dokumentasi serta akurasinya
e. Berfungsi selayaknya asisten pribadi
f. Menggali insight lebih mudah dari banyaknya data teks
Contoh penggunaan
Terdapat banyak contoh penggunaan dari teknologi NLP dewasa ini, berikut beberapa contohnya:
1. Perangkat Smart Home
Perangkat smart home seperti Alexa dan Google Home menjadi semakin populer, terutama di kalangan generasi muda. Dikutip dari Digitized House, 58% milenial saat ini memiliki perangkat smart home dengan kemampuan kontrol suara.
Perangkat smart home ini sangat bagus untuk keperluan multi-tasking — jika Anda ingin memutar musik, tetapi Anda juga sibuk memasak makan malam misalnya, Anda cukup menginstruksikan Google Home untuk mengaktifkan daftar putar music favorit Anda, dan perangkat itu akan melakukannya segera.
Ketika melakukan perintah Anda, sesungguhnya perangkat smart home Anda menggunakan NLP untuk mengenali perintah suara Anda dan melakukan tindakan yang tepat.
2. Chatbot
Bayangkan suatu perusahaan besar yang memproduksi banyak produk setiap harinya. Dalam hal ini, biasanya tidak semua pelanggan akan merasa puas dengan hasil produk yang diterima. Perusahaan tentunya harus menyediakan sarana tempat pengaduan.
Semakin tinggi tingkat produksi, maka sarana tempat pengaduan harus meningkat juga. Jika kita kembali ke zaman dahulu di mana penggunaan internet dan teknologi belum semasif sekarang, maka biasanya perusahaan akan meng-hire customer Service yang khusus untuk melayani keluhan pelanggan.
Namun seiring dengan perkembangan zaman, tuntutan pelanggan tentunya semakin tinggi. Pelanggan ingin segera dilayani, dan tentunya seorang customer aervice memiliki keterbatasan energi dalam bekerja.
Saat ini perusahaan bisa mengandalkan chatbot, di mana sebuah Chatbot dapat merespons setiap keluhan pelanggan dengan baik 24 jam di setiap harinya. Saat ini, mungkin chatbot belum sempurna dan belum dapat menggantikan manusia sepenuhnya, tapi
3. Mesin Pencari
Teknologi NLP juga berperan saat kita menggunakan mesin pencari seperti di Google, Yahoo, Opera dan lainnya. Contohnya ketika kita sedang mencari “drum elektrik” di Google Search, maka secara otomatis Google Search akan menampilkan beberapa kalimat yang relevan dengan apa yang sedang Anda cari tersebut.
Baca Juga: Search Engine: Pengertian, Fungsi, Cara Kerja, dan Contohnya
4. Alat Terjemahan
Jika Anda bepergian ke suatu tempat di mana bahasa Inggris (atau bahasa ibu Anda) tidak umum digunakan atau dipahami, maka Anda pasti akan memanfaatkan alat terjemahan di smartphone Anda untuk berkomunikasi.
Sejauh ini alat yang paling populer adalah Google Translate, yang digunakan oleh 500 juta orang setiap hari untuk memahami lebih dari 100 bahasa dunia.
Google Translate bekerja bergantung pada NLP untuk memahami frasa atau istilah yang coba diterjemahkan oleh penggunanya, dan hal yang sama berlaku untuk semua alat terjemahan alternatif lain di luar sana.
5. Koreksi Isi Chat Otomatis
Jika Anda sering mengirim chat saat bepergian atau Anda memiliki jempol berukuran agak besar yang menyulitkan Anda untuk menekan tombol pada keyboard, maka fitur koreksi isi chat otomatis sangat membantu.
Nah, fitur koreksi isi chat otomatis ini bergantung pada teknologi NLP. Dalam hal ini, NLP mengidentifikasi kemungkinan istilah terdekat dari kata salah eja yang Anda ketik, dan secara otomatis mengubah istilah yang salah eja tersebut menjadi yang akurat.
6. Filter Pesan Spam di Email
Menurut laporan Propeller, pesan spam menyumbang 45% dari semua email yang dikirim dan sekitar 14,5 miliar email spam dikirim setiap hari.
Melihat data di atas, Anda mungkin bertanya-tanya mengapa Anda tidak mendapatkan lebih banyak pesan Spam. Ya, itu karena layanan email saat ini, seperti Gmail dan Yahoo Mail, telah memiliki filter spam yang sangat baik yang menandai sebuah email sebagai spam, dan mencegahnya mencapai kotak masuk utama Anda.
Baca Juga: Spam Email: Pengertian, Sejarah, Penyebab, Jenis, dan Cara Mencegahnya
Bagaimana cara kerja filter spam ini? Di antara faktor-faktor lain (deliverability, email domain, dan lainnya), filter ini menggunakan teknologi NLP untuk menganalisis subjek email dan konten isinya.
Dari sini, cukup mudah bagi layanan email untuk memastikan mana yang spam dan mana yang bukan — email yang berisi banyak teks dan kata-kata berhuruf besar seperti “gratis”, “promosi”, “beli sekarang”, dan lainnya, berpeluang besar menjadi spam.
7. Pemantauan Media Sosial
Jika Anda pernah menggunakan alat pemantauan media sosial seperti Hootsuite atau Buffer, ini pada dasarnya dibuat menggunakan teknologi NLP. Alat ini membantu Anda memantau saluran media sosial untuk penyebutan merek Anda, dan mengingatkan Anda saat pelanggan membicarakan merek Anda.
Seperti yang diketahui oleh banyak pemasar dan pemilik bisnis, memiliki ulasan negatif yang menjadi viral di media sosial dapat menghancurkan reputasi merek dalam semalam. Mengingat hal ini, penting bagi perusahaan untuk terlibat dalam pemantauan atau mendengarkan media sosial, dan memastikan bahwa mereka mengatasi potensi krisis dengan segera.
8. Perawatan Pesawat
Bagaimana NLP membantu dalam perawatan pesawat? Pertama dan terpenting, dengan memanfaatkan teknologi NLP, mekanik dapat lebih mudah mensintesis informasi dari manual pesawat yang biasanya sangat bertele-tele.
Selain itu, perusahaan pesawat juga dapat menggunakan NLP untuk menganalisis laporan yang disampaikan oleh pilot atau personel pesawat lainnya, dan meningkatkan proses dan sistem mereka dari sana.
9. Memperlancar Informasi Pasien di Rumah Sakit
Di sebagian besar rumah sakit atau klinik, pasien akan memberikan informasi gejala sakit yang dirasakan kepada perawat atau staf di counter, dan mereka akan membuat catatan untuk dibagikan dengan dokter.
Faktanya, banyak rumah sakit atau klinik sekarang yang menggunakan NLP untuk merampingkan informasi pasien dan mengotomatisasi proses memahami kondisi pasien. Untuk melakukan ini, solusi 98point6 merupakan alat bertenaga NLP yang bisa digunakan rumah sakit atau klinik agar pasiennya dapat berbagi informasinya dengan mudah.
Sebelum berkonsultasi dengan dokter mereka, pasien dapat mengirim teks riwayat kesehatan dan kondisi mereka ke aplikasi, dan aplikasi kemudian akan menyederhanakan informasi yang relevan dan menyajikannya kepada dokter.
Sumber:
https://pacmann.io/blog/natural-language-processing
https://infokomputer.grid.id/read/122845367/apa-itu-natural-language-processing-nlp-dan-apa-saja-contohnya?page=all
https://www.dewaweb.com/blog/nlp-adalah/
Post a Comment for "Mengenal Natural Language Processing (NLP) atau Pengolahan Bahasa Alami (PBA)"