DAFTAR ISI

Kata Pengantar.

1. Pendahuluan . . 3 3

Latar Belakang.
2. Isi. 5 1. Pengertian. 2. Bahasa Alami. 2.1 Komponen 2.2 Sistem 2.2.1 Sistem Speech 6 5

Utama Pemrosesan

Pengolahan
6

Bahasa Bahasa

Alami Alami

..

Recognition
7 2.2.2 Sistem Text to

Speech.
9 2.2.3 Natural Language

Processing
2.3 Aplikasi 3. Bidang

11

Pengolahan Pengetahuan

Bahasa
12

Alami Natural
15

Dalam

Language
3.1 Proses

Sintaksis
17 1

3.2 Gramatika

. 17

3.3 Chomsky

Hierarchy

Of
19

Generative

Grammar

3.4 Parsing 20

3.5 Semantik 21 3.6 Semantik

Grammar
22

3.7 Automated Transition Networks (ATN) . 24

3. Penutup. 1. Kesimpulan. 2. Daftar Pustaka. 29 27 27

KATA PENGANTAR

Puji syukur penulis panjatkan kehadirat Allah SWT yang telah memberikan rahmat serta hidayah-Nya kepada penulis sehingga dapat menyelesaikan makalah ini dengan baik dan tepat waktu. Makalah ini merupakan tugas mata kuliah Kecerdasan Buatan dengan materi Natural Language Processing atau Pemrosesan Bahasa Alami. Yang didalamnya membahas secara menyeluruh tentang Natural Language Processing. Makalah ini dibuat untuk memenuhi tugas kelompok pada mata kuliah Kecerdasan Buatan. Terima kasih kami sampaikan kepada Bapak Victor Amrizal selaku dosen mata kuliah Kecerdasan Buatan yang telah memberikan kuliah demi lancarnya tugas ini. Serta rekanrekan yang memeberikan masukkan dan motivasinya kepada kelompok kami. Penulis menyadari akan kekurangan dan ketidak-sempurnaan dalam penulisan ini, karenanya kritik dan saran yang membangun sangat kami butuhkan untuk kemajuan kita bersama. Demikianlah tugas ini kami susun semoga bermanfaat untuk kita semua.

Jakarta, 29 Maret 2011

Penulis

Bab I PENDAHULUAN
1.1 Latar Belakang Teknologi berkembang semakin cepat dari waktu ke waktu karena penemuan satu teknologi baru dapat mempercepat penemuan teknologi berikutnya. Dalam sejarah peradaban
3

manusia, terdapat banyak penemuan yang dapat menghasilkan teknologi yang berpengaruh besar terhadap kehidupan manusia. Sebagai contoh, penemuan teknologi mesin uap oleh Thomas Savery (1689) yang selanjutnya disempurnakan oleh James Watt menjadi bentuk yang lebih memungkinkan digunakan pada berbagai aplikasi, penemuan teknologi telpon oleh Alexander Graham Bell (1876), atau penemuan teknologi komputer. Sebagai contoh perkembangan komputer saat ini adalah munculnya PDA (Personal Digital Asistant). PDA pada awalnya hanya dirancang untuk menjalankan fungsi-fungsi praktis seperti pencatatan serta pencarian daftar alamat dan telpon, pencatatan jadual kegiatan, atau catatan singkat. Namun, sesuai dengan kebutuhan yang berkembang, disertai dengan tersedianya prosesor mikro yang semakin tinggi kemampuannya, PDA mulai mampu menjalankan berbagai aplikasi yang tadinya hanya dapat dijalankan di atas PC. Bahkan, kini telah terjadi perkawinan antara PDA dengan telepon selular menjadi PDA-phone atau smart phone. Kini, peradaban manusia telah sampai pada suatu keadaan dimana kita tidak mungkin melepaskan diri dari teknologi komputer digital. Pertanyaan yang menarik untuk dipikirkan adalah akan seperti apa bentuk komputer pada akhir abad ini?. Berbagai film fiksi ilmiah mencoba menggambarkan bentuk komputer masa depan tersebut. Salah satunya mengggambarkan sebuah computer berbentuk kartu kredit yang dilengkapi dengan : prosesor yang sangat kuat dan memori yang sangat besar, berbagai sensor untuk menerima masukan dan mendeteksi keadaan di sekitarnya, perangkat untuk menghasilkan suara dan memproyeksikan gambar, serta teknologi telekomunikasi nirkabel untuk mengakses jaringan nirkabel yang berada disekitarnya, batere yang tahan lama dan manajemen energi yang baik, serta kemampuan untuk berinteraksi secara lisan dengan pemakaianya menggunakan ucapan menggunakan bahasa sehari-hari, bukan bahasa khusus yang rumit. Melihat keadaan teknologi yang sudah dicapai saat ini serta kesadaran bahwa teknologi yang ada sekarang berkembang terus dengan cepat, tidak berlebihan jika berharap computer yang mendekati komputer masa depan tersebut akan tersedia sebelum abad ini berakhir. Tentunya, komputer tersebut juga tetap harus dilengkapi dengan perangkat lunak untuk mengedalikan semua sistem serta menjalankan fungsi-fungsinya. Perangkat keras serta sebagian perangkat lunak akan bersifat generik, tetapi sebagian komponen perangkat lunaknya akan bersifat language dependent, yaitu perangkat lunak yang melakukan
4

pemrosesan bahasa alami secara lisan. Bagian berikutnya dari tulisan ini akan difokuskan pada pembahasan teknologi yang berkaitan dengan pemrosesan bahasa alami tersebut. Dewasa ini aplikasi konsep AI terus berkembang. Salah satunya adalah bagaimana membuat komputer memahami perintah yang diberikan pengguna dalam bahasa sehari-hari (natural language), dan merespon perintah tersebut dalam bahasa sehari-hari. Untuk itulah penulis mencoba mengangkat tema Natural Language Processing dalam makalah ini.

Bab II ISI
1. Pengertian NLP adalah proses pembuatan model komputasi bahasa sehingga memungkinkan Natual Language Processing (NLP) atau Pengolahan Bahasa Alami (PBA) merupakan salah satu bidang ilmu kecerdasan buatan (Artificial Intelligence) yang mempelajari komunikasi antara manusia dengan komputer. Sandi Setiawan [1993:3]. terjadinya interaksi antara manusia dan komputer dengan perantara bahasa alami yang dipakai oleh manusia. NLP memodelkan pengetahuan terhadap bahasa, baik dari segi kata, bagaimana kata-kata bergabung menjadi satu kalimat dan konteks kata dalam kalimat.
5

Agar komputer bisa memahami pertanyaan dalam bahasa alami, komputer harus mempunyai pengetahuan analisis dan interpretasi input dalam mengakuisisi data knowledgenya. Komputer harus mengerti gramatika dan definisi kata-kata. Dalam hubungan ini teknik AI digunakan untuk menampilkan pengetahuan internal dan mengolah input. Pelacakan klasik dan teknik penyocokan pola (pattern matching) digunakan bersama dengan basis pengetahuan agar komputer bisa mengerti apa yang kita masukkan dalam bahasa alami. Bila komputer sudah mengerti input kita, maka ia bisa melakukan hal-hal yang kita harapkan/output. Kita harapkan agar outputnya pun akan dinyatakan atau diekspresikan dalam bahasa alami juga. Untuk alasan-alasan inilah maka komputer harus bisa mengoutputkan bahasa alami yang memadai dengan cara yang paling mudah. Untuk bisa mencapai keinginan di atas maka perlu adanya teknik-teknik pengemasan kalimat, frase dan output lainnya. Pada prinsipnya bahasa alami adalah suatu bentuk representasi dari suatu pesan yang ingin dikomunikasikan antar manusia. Bentuk utama representasinya adalah berupa suara/ucapan (spoken language), tetapi sering pula dinyatakan dalam bentuk tulisan. Inti dari pemrosesan bahasa alami adalah penguraian kalimat atau sering disebut dengan parser. Parser berfungsi untuk membaca kalimat, kata demi kata dan menentukan jenis kata apa saja yang boleh mengikuti kata tersebut. Dalam pemahaman suatu bahasa ada beberapa bidang yang harus disertakan yaitu morfologi, sintaksis, semantik, pragmatik, fonologi,dan pengetuhuan tentang dunia sekitar. 2. Bahasa Alami Bahasa adalah suatu sistem untuk komunikasi yang tardiri atas simbol dan aturan yang digunakan untuk mengekspresikan ide, pikiran dan perasaan. Bahasa alami adalah bahasa yang dipakai manusia dalam kehidupan sehari-hari misalnya Bahasa Indonesia, Bahasa Inggris dan sebagainya. Bahasa merupakan fenomena yang rumit yang melibatkan proses pengenalan bunyi atau huruf, sintaksis, kalimat, inferensi semantik tingkat tinggi bahkan komunikasi emosi lewat irama bicara. Untuk mengelola kerumitan ini, para ahli bahasa telah mendefinisikan tingkat analisis yang berbeda untuk bahasa alami yaitu persanjakan, fonologi, morfologi, sintaksis, semantik, pragmatik, dan pengetahuan tentang dunia sekitar. 2.1 Komponen Utama Pengolahan Bahasa Alami
6

Pengolahan bahasa alami terdiri dari tiga bagian utama yaitu: a. Parser Yaitu suatu system yang mengambil kalimat input dan menguraikannya kedalam beberapa bagian gramatika (kata benda kerja, kata sifat dll) b. System Representasi Pengetahuan Suatu system yang menganalisis output parser untuk menentukan maknanya. c. Output Translator Suatu terjemahan yang merepresentasikan system pengetahuan dan melakukan langkah-langkah yang bisa berupa jawaban atas bahasa alami atau output khusus dengan program computer lainnya.

2.2 Sistem Pemrosesan Bahasa Alami Suatu sistem pemrosesan bahasa alami secara lisan dapat dibentuk dari tiga subsistem, yaitu sebagai berikut. 1) Sub-Sistem Natural Language Processing (NLP), berfungsi untuk melakukan pemrosesan secara simbolik terhadap bahasa tulisan. Beberapa bentuk aplikasi sub sistem ini adalah translator bahasa alami (misalnya dari Bahasa Inggris ke Bahasa Indonesia), sistem pemeriksa sintaks bahasa, sistem yang dapat menyimpulkan suatu narasi, dan sebagainya. 2) Sub-sistem Text to Speech (TTS), berfungsi untuk mengubah text (bahasa tulisan) menjadi ucapan (bahasa lisan). 3) Sub-Sistem Speech Recognition (SR), merupakan kebalikan teknologi Text to Speech, yaitu sistem yang berfungsi untuk mengubah atau mengenali suatu ucapan (bahasa lisan) menjadi text (bahasa tulisan). Berbeda dengan kebanyakan sistem lain yang bersifat generik, teknik-teknik yang digunakan dalam pemrosesan bahasa alami bersifat sangat language dependent. Suatu sistem atau teknik yang berlaku untuk suatu bahasa tidak mudah diterapkan untuk bahasa lainnya. 2.2.1 Sistem Speech Recognition
7

Sistem Speech Recognition atau Sistem Pengenalan Ucapan adalah sistem yang berfungsi untuk mengubah bahasa lisan menjadi bahasa tulisan. Masukan sistem adalah ucapan manusia, selanjutnya sistem akan mengidentifikasikan kata atau kalimat yang diucapkan dan menghasilkan teks yang sesuai dengan apa yang diucapkan. Pada gambar 1. diperlihatkan konfigurasi tipikal suatu system Pengenalan Ucapan. Sinyal ucapan (s(n)) pertama kali akan dilewatkan pada bagian Penganalisis Ucapan untuk mendapatlan besaran-besaran atau ciriciri yang mudah diolah pada tahap berikutnya. Untuk setiap ucapan yang berbeda akan dihasilkan pola ciri yang berbeda.

Gambar 1. Diagram Blok Sistem Pengenal Ucapan Penganalisis sintaks biasanya melakukan transformasi sinyal ucapan dari domain waktu ke domain frekuensi. Pada domain frekuensi, untuk kurun waktu yang singkat, setiap sinyal dapat terlihat memiliki ciri-ciri yang unik. Namun demikian, pengucapan suatu unit bunyi ucapan (fonem) seringkali bervariasi antar orang yang berbeda, juga terpengaruh oleh fonem-fonem disekitarnya, kondisi emosi, noise, dan faktor-faktor lainnya. Sistem Speech Recognition yang dapat mengenali seluruh kata dalam suatu bahasa melakukan pengenalan untuk setiap unit bunyi pembentuk ucapan (fonem), selanjutnya mencoba mencari kemungkinan kombinasi hasil ucapan yang paling dapat diterima. Sistem yang lebih sederhana adalah sistem yang hanya dapat mengenal sejumlah kata yang jumlahnya terbatas. Sistem ini biasanya lebih akurat dan lebih mudah dilatih, tetapi tidak dapat mengenal kata yang berada di luar kosa kata yang pernah diajarkan.

Sistem Speech Recognition biasanya dapat dioperasikan pada dua mode yang berbeda. Pertama adalah mode belajar. Pada mode ini, sistem akan dilatih menggunakan sejumlah kata atau kalimat yang memenuhi suatu kriteria tertentu. Setiap contoh kata atau kalimat ajar tersebut akan menghasilkan pola tertentu yang akan dipelajari oleh sistem dan disimpan sebagai template atau referensi. Kedua adalah mode produksi atau pengenalan ucapan. Pada mode ini, setiap kalimat yang ingin dikenali akan dianalisis polanya. Berdasarkan hasil perbandingan dengan template atau referensi, modul klasifikasi pola serta pengambil keputusan akan mengidentifikasikan kata atau kalimat yang diucapkan tersebut. Pada prinsipnya, teknik-teknik atau algoritma yang digunakan pada sistem Pengenal Ucapan tidak bersifat sensitif terhadap bahasa. Artinya, sistem yang sama dapat digunakan untuk bahasa apapun. Namun demikian, kemampuan sistem untuk mengenali ucapan pada bahasa tertentu sangat tergantung dari template atau referensi yang diperoleh melalui proses belajar di dalam sistemnya itu sendiri. Untuk melatih sistem Pengenal Ucapan agar dapat digunakan untuk suatu bahasa yang baru, maka diperlukan korpus untuk melatih sistem tersebut. Korpus yang dimaksud adalah berupa rekaman ucapan yang heterogen dalam volume yang sangat besar serta memenuhi kriteria teknis tertentu. Semakin besar korpus yang digunakan untuk melatih sistem, akan dihasilkan sistem Speech Recognition yang cenderung lebih handal. Sistem yang handal, paling tidak harus dilatih dengan ratusan rekaman pembicara. 2.2.2 Sistem Text to Speech

Secara fungsional, Text to Speech atau TTS melakukan proses pendekatan implementasinya sama sekali berbeda. Artinya, komponen-komponen pembentuk kedua sistem tersebut sama sekali berbeda. Pada dasarnya TTS adalah suatu sistem yang dapat mengubah text menjadi ucapan. Suatu sistem pensintesa ucapan atau Text to Speech pada prinsipnya terdiri dari dua sub sistem, yaitu : 1) bagian Konverter Teks ke Fonem (Text to Phoneme), serta 2) bagian Konverter Fonem ke Ucapan (Phoneme to Speech).

Bagian Konverter Teks ke Fonem berfungsi untuk mengolah kalimat masukan dalam suatu bahasa tertentu yang berbentuk teks menjadi urutan kode-kode bunyi yang direpresentasikan dengan kode fonem, durasi serta pitch-nya. Kode-kode fonem adalah kode yang merepresentasikan unit bunyi yang ingin diucapkan. Pengucapan kata atau kalimat pada prinsipnya adalah urutan bunyi atau secara simbolik adalah urutan kode fonem.

10

Setiap fonem harus dilengkapi dengan informasi durasi dan pitch. Informasi durasi diperlukan untuk menentukan berapa lama suatu fonem diucapkan, sedangkan informasi pitch diperlukan untuk menentukan tinggi rendahnya nada pengucapan suatu fonem. Durasi dan pitch bersama-sama akan membentuk intonasi suatu ucapan. Kedua informasi ini dalam suatu sistem TTS biasanya dibangkitkan oleh modul pembangkit/model intonasi. Setiap bahasa memiliki aturan cara pembacaan dan cara pengucapan teks yang sangat spesifik. Hal ini menyebabkan implementasi unit konverter teks ke fonem menjadi sangat spesifik terhadap suatu bahasa (language dependent). Bagian Konverter Fonem ke Ucapan akan menerima masukan kode-kode fonem serta pitch dan durasi yang telah dihasilkan oleh bagian sebelumnya. Berdasarkan kode-kode tersebut, bagian ini akan menghasilkan bunyi atau sinyal ucapan yang sesuai dengan kalimat yang ingin diucapkan. Ada beberapa alternatif teknik yang dapat digunakan untuk implementasi bagian konverter fonem ke ucapan. Dua teknik yang paling banyak digunakan adalah formant synthesizer, serta diphone concatenation. Saat ini, teknik kedua lebih banyak digunakan karena dapat menghasilkan ucapan dengan kualitas yang lebih alami. Teknik diphone concatenation melakukan pembangkitan ucapan dengan cara menggabung-gabungkan segmen-segmen bunyi yang berupa diphone (dua fonem). Untuk mencapai kualitas yang lebih tinggi, beberapa TTS menggunakan penggabungan segmen bunyi yang berupa multi-phone. 2.2.3 Sistem Natural Language Processing Teknologi Natural Language Processing (NLP) atau Pemrosesan Bahasa Alami adalah teknologi yang memungkinkan untuk melakukan berbagai macam pemrosesan terhadap bahasa alami yang biasa digunakan oleh manusia. Sistem ini biasanya mempunyai masukan dan keluaram berupa bahasa tulisan (teks). NLP mempunyai aplikasi yang sangat luas. Beberapa diantara berbagai kategori aplikasi NLP adlah sebagai berikut :
1. Natural Language Translator, yaitu translator dari satu bahasa alami ke bahasa alami

lainnya, misalnya translator bahasa Inggris ke bahasa Indonesia, Bahasa Indonesia ke Bahasa Jawa dan sebagainya. Translator bahasa alami bukan hanya kamus yang menerjemahkan kata per kata, tetapi harus juga mentranslasikan sintaks dari bahasa asal ke bahasa tujuannya.

11

2. Translator bahasa alami ke bahasa buatan, yaitu translator yang mengubah perintah-

perintah dalam bahasa alami menjadi bahasa buatan yang dapat dieksekusi oleh mesin atau komputer. Sebagai contoh, translator yang memungkinkan kita memberikan perintah bahasa alami kepada komputer. Dengan sistem seperti ini, pengguna sistem dapat memberikan perintah dengan bahasa sehari-hari, misalnya, untuk menghapus semua file, pengguna cukup memberikan perintah komputer, tolong hapus semua file ! Translator akan mentranslasikan perintah bahasa alami tersebut menjadi perintah bahasa formal yang dipahami oleh computer, yaitu dir *.*.
3. Text Summarization, yaitu suatu sistem yang dapat membuat ringkasan hal-hal yang

penting dari suatu wacana yang diberikan.

2.3

Aplikasi Pengolahan Bahasa Alami

1. Text based application Aplikasi yang melakukan pemrosesan terhadap teks tertulis. Contoh Mencari topic tertentu dari buku di perpustakaan Mencari isi dari suatu berita atau artikel Mencari isi dari email Menterjemahkan dokumen dari suatu bahasa ke bahasa lain

2. Speech based application Aplikasi yang melakukan pemrosesan dari bahasa lisan atau pengenalan suara. Contoh : System otomatis pelayanan melalui telepon Control suara pada peralatan elektronik Aplikasi peningkatan kemampuan berbahasa
12

Banyak manfaat yang dapat dicapai dari ketersediaan Aplikasi Teknologi Bahasa, khususnya untuk Bahasa Indonesia. Berikut Alat bantu membaca untuk tunanetra. Alat bantu membaca bagi tunanetra mempunyai masukan berupa teks tercetak (misalnya buku) dan mempunyai keluaran berupa ucapan dari teks tercetak yang diberikan. Pada prinsipnya ada dua komponen utamanya, yaitu bagian pengenal karakter yang menggunakan teknologi OCR (Optical Character Recognition), serta bagian TTS. Dengan alat bantu ini, orang tunanetra dapat membaca suatu buku atau dokumen. Bahkan, jika teks yang ingin dibacakan sudah tersedia di dalam komputer, dengan teknologi Text to Speech dapat langsung diucapkan.

Gambar 4. Aplikasi Alat Bantu Baca Alat bantu bicara untuk tunawicara. Alat bantu membaca bagi tunawicara mempunyai masukan posisi tangan yang dideteksi oleh suatu sensor dan unit identifikasi. Rangkaian huruf yang diidentifikasikan akan disusun membentuk suatu kata yang pada akhirnya akan diumpankan pada bagian TTS.

13

 Online translator. Online translator yang dimaksud disini adalah translator yang secara otomatis dapat menerjemahkan kalimat lisan dari suatu bahasa alami (misalnya Bahasa Inggris) menjadi ucapan hasil terjemahannya dalam bahasa alami lainnya (misalnya Bahasa Indonesia). Online translator terdiri dari 3 bagian. Bagian pertama, speech recognition, berfungsi untuk mengenali rangkaian kata dari bahasa sumber menjadi teks dalam bahasa sumber. Bagian berikutnya adalah translator teks ke teks. Hasil bagian kedua ini adalah kalimat bahasa tujuan yang masih berupa teks. Bagian ketiga berupa sistem TTS dalam bahasa tujuan. Aplikasi seperti ini mungkin untuk dikembangkan, karena teknologi speech recognition sudah banyak dikembangkan. Translator bahasa pun sudah banyak dikembangkan, termasuk translator Bahasa Inggris ke Indonesia .

Talking email atau aplikasi lainnya. TTS juga memungkinkan diintegrasikan dengan berbagai program aplikasi, seperti email, web browser, aplikasi-aplikasi multimedia atau aplikasi-aplikasi lainnya. Aplikasi Telephony. TTS dapat digunakan pada aplikasi telephony, seperti sistem informasi billing atau sistem informasi lainnya yang diucapkan secara lisan. TTS juga dapat
14

digunakan untuk konversi dari SMS (Short Message System) ke ucapan sehingga pesan SMS dapat didengar. Dengan demikian memungkinkan untuk mendengar pesan SMS sambil melakukan aktivitas yang menyulitkan untuk membacanya, seperti sedang mengendarai mobil. Dengan TTS tersebut, memungkinkan pula untuk meneruskan pesan SMS ke system telepon biasa (PSTN). Speech Recognition memungkinkan pencarian informasi secara lisan.

Contoh aplikasi NLP lainnya : Eliza yang dibelkali pengetahuan psikologi, sehingga beberapa orang terdorong untuk mampu merubah sikap dan perilakunya.
Jupiter yang mampu memberikan informasi cuaca melalui telepon.

Alvin yang mampu menjawab pertanyaan mengenai DOS SEXPERT yang dirancang untuk perbincangan mengenai pendidikan seksual. Email translator : alat yang akan menjawab masalah perbedaan bahasa, karena email translator mampu menterjemahkan bahasa, seperti yang kita inginkan. Email translator akan menterjemahkan kaimat- kalimat didalam mail box, jika email yang kita terima tidak sesuai dengan bahasa kita sehari-hari. Web translator : suatu mesin aplikasi berbasis World Wide Web yang dapat menterjemahkan bahasa dalam suatu web site. Web translator akan menterjemahkan bahasa didalam semua link-link, page per page menjadi bahasa seperti yang kita inginkan. World translator : suatu pengembangan dari word translator yang sudah ada, diharapkan dengan teknis ini hasil terjemahan bahasa akan menjadi lebih sempurna, mengikuti kaidah tata bahasa. Terjemahan akan lebih cepat, akurat bukan lagi dengan system menterjemahkan per kata, tapi perkalimatdengan melihat Subjek-PrediketObjek.

15

Dalam dunia kecerdasan buatan pengolahan bahasa alami merupakan aplikasi terbesar setelah sistem pakar. Banyak para ahli Artificial Intelligence berpendapat bahwa bidang yang penting yang dapat dipecahkan oleh Artificial Intelligence adalah Natural Language Processing (Pengolahan Bahasa Alami).

3. Bidang Pengetahuan Dalam Natural Language

Secara singkat pengolahan bahasa alami (natural language processing) mengenal beberapa tingkat pengolahan yaitu :
1. Fonetik dan Fonologi : berhubiungan dengan suara yang menghasilkan kata yang

dapat dikenali. Bidang ini menjadi penting dalam proses aplikasi yang memakai metoda speech system.
2. Morfologi : yaitu pengetahuan tentang kata dan bentuknya dimanfaaatkan untuk

membedakan satu kata dengan lainnya. Pada tingkat ini juga dapat dipisahkan antara kata dan elemen lain seperti tanda baca. Sebagai contoh kata membangunkan : Bangun (kata dasar) Mem (prefix) Kan (suffix)
3. Sintaksis : yaitu pemahaman tentang urutan kata dalam pembentukan kalimat dan

hubungan antar kata tersebut dalam proses perubahan bentuk darikalimat menjadi bentuk yang sistematis. Meliputi proses pengaturan letak suatu kata dalam kalimat yangdapat dikenali. Selain itu dapat pula dikenali bagian-bagian kalimat dalam sutu kalimat yang lebih besar. Sebagai contoh : Kalimat subjek, predikat Subjek determinan, kataBenda Predikat kataKerja, kataBanda

16

4. Semantik : mempelajari ari suatu kata dan bagaimana arti kata-arti kata tersebut membentuk suatu arti kata dari kalimat yang utuh. Contoh : Ayahku datang membawa buah tangan. 5. Pragmatik : pengetahuan pada tingkatan ini berkaitan dengan masing-masing konteks yang berbeda tergantung pada situasi dan tujuan pembuatan system. Contoh : Ayah datang (diucapkan dengan nada datar) Ayah datar! (diucapkan dengan nada tinggi) Ayah datang ? (diucapkan dengan tempo cepat)
6. Discourse knowledge : melakukan pengenalan apakah suatu kalimat yang telah

dikenali mempengaruhi kalimat selanjutnya. Penting untuk kata ganti orang, keterangan tempat atay aspek sementara dari informasi. Contoh: Ibu pergi ke pasar. Ia membeli makanan disana.

7. World knowledge : mencakup arti sebuah kata secara umum dan apakah ada arti khusus bagi suatu kata dalam suatu percakapan dengan konteks tertentu.

Selain yang sudah disebutkan diatas masih ada lagi satu masalah yang cukup menantang dalam natural language yaitu ambiguitas atau makna ganda dari suatu kata atau kalimat. Dari satu masukan yang sama dapat menjadi beberapa arti yang berbeda dan masing-masing dapat bernilai benar tergantung pada keperluan pemakai. Hal ini dapat terjadi pada hampir semua tingkatan pendekatan di atas.

3.1 Proses Sintaksis

17

Proses sintaksis merupakan langkah dimana kalimat masukan secara flat diubah kedalam struktur hirarkis yang berhubungan dengan unit-unit arti dalam kalimat. Proses sintaksis sangat berperan dalam pemahaman bahasa alami dikarenakan :
Proses semantic harus beroperasi pada pilihan-pilihan kalimat. Jika tidak ada

tahap parsing sintaksis maka sistem semantic harus memutuskan atas pilihannya sendiri. Jika parsing dilakukan, hal ini akan membatasi pilihanpilihan dari semantic Tidak selalu dimungkinkan untuk mengekstrak arti kalimat tanpa menggunakan fakta gramatikal Semua system menggunakan : Representasi deklaratif, disebut grammar, fakta sintaksis tentang bahasa Prosedur, disebut parser, dimana membandingkan grammar dengan kalimatkalimat masukan untuk membentuk struktur yang dianalisis.

3.2 Gramatika Grammar suatu bahasa dapat dilihat sebagai suatu aturan yang menentukan apakah suatu kumpulan kata dapat diterima sebagai kalimat oleh bahasa tersebut. Sebuah kalimat yang dapat dikenali bentuk dengan berdasarkan aturan-aturan yang ada yang biasa disebut grammar.context Free Grammar (CFG) adalah representasi grammar dari chomsky hierarchi yang mudah dipahami dan diolah dalam bentuk program. Sebuah grammar G dapat dibentuk dari 4 tuple yaitu : symbol non terminal, symbol terminal, symbol awal dan aturan penulisan atau (rules). Defininya adalah : G = (Vn,Vt, s, p) Sebagai contoh dapat dilihatdari grammar G sederhana berikut : DictJenis = {Kata_Benda, Kata_Kerja, Frasa_Benda, Frasa_kerja, Keterangan} DictKata = {Orang, Makan, telur, Ayam, Terbang, Tinggi} Dengan aturan : S Frasa_Benda Frasa_Kerja Frasa_Benda Kata_Benda Kata_Benda Frasa_Kerja Kata_Kerja Keterangan
18

Kata_benda {Orang, Telur, Ayam} Kata_Kerja {Makan, Terbang} Keterangan {Tinggi} Dari grammar G dapat dibentuk kalimat : Orang Makan Ayam Ayam Terbang Tinggi Orang Terbang Tinggi Ayam Makan Orang Semua kalimat tersebut apabila dicari pembentukannya melalui grammar G dapat dikatakan benar akan tetapi harus diingat bahwa kalimat dengan grammar yang benar hanya berarti benar secara structural bukan berarti selalu benar dalam makna. Seperti kalimat ketiga yang hanya benar apabila berada dalam konteks orang memakai alat misalnya pesawat terbang. Sedangkan kalimat keempat malah sama sekali tidak mungkin tidak dapat dimengerti maknanya, selain hanya akan menimbulkan tanda Tanya bagi orang yang membaca. Dari grammar kita dapat mempelajari bahasa dari segi struktur dan bukan dari segi makna bahasa itu sendiri. Aturan pertama, Sebuah kalimat terdiri atas kata benda (NP) diikuti kata kerja (VP). I menyatakan atau/or,

menyatakan string kosong

Simbol-simbol yang diperluas oleh aturan-aturan disebut nonterminal symbols, sedangkan simbol-simbol yang berhubungan langsung dengan string yang ditemukan pada kalimat masukan disebut terminal symbols.

19

Gambar 1. Grammar Untuk Bahasa Inggris

3.3 Chomsky Hierarchy Of Generative Grammar Noam Chomsky menyusun grammar dalam urutan yang dia sebut tipe 0, 1, 2 dan 3. Tipe 0 adalah bentuk yang paling bebas dan paling sulit dikenali, biasa disebut recursively enumerable set, untuk mengenali bentuk ini biasa dipakai Turing Machine. Berikutnya adalah tipe 1 yang disebut context sensitive grammar. Type 2 dari grammar yaitu context free grammar dinyatakan dengan aturan umum yaitu : <symbol1> <symbol1> <symbolk> dengan k 1 dan bagian kiri dari rule adalah single non terminal symbol. Grammar tipe 3 bernama finite state atau regular grammar, tipe ini paling sederhana dan mudah dipahami sifatnya. Secara umum dikatakan bahwa pemakaian context free grammar secara murni (tanpa tambahan metoda tertentu) adalah tidak cukup untuk pengolahan bahasa alami. Akan tetapi karena bentuk context free dan regular grammar tersebut yang paling dipahami perilaku dan pengolahannya, maka beberapa cara telah dikembangkan untuk dapat melakukan pengolahan bahasa alami dengan bentuk grammar tersebut. 3.4 Parsing Suatu proses menganalisa suatu kumpulan kata dengan memisahkan kata tsb dan menentukan struktur sintaksis dari tiap kata tsb. Gramatika yang dipakai juga sangat berkaitan dengan proses parsing apa yang digunakan. Bottom-Up Parsing gramatika yang
20

dipakai akan lebih banyak bercabang ke arah simbol non-terminal. Hal lain yang juga berkaitan erat dengan proses parsing adalah kamus atau leksikon yang digunakan. Dalam leksikon disimpan daftar kata yang dapat dikenali sebagai symbol terminal dalam grammar dan informasi yang diperlukan untuk tiap kata tersebut untuk proses parsing yang bersangkutan. Pendekatan dalam mengenali struktur suatu kalimat, proses parsing dapat dibagi menjadi dua bagian besar yaitu Top Down parsing dan Bottom Up parsing. Top Down parser memulai pemeriksaan dari simbol awal s dan mencoba untuk mencari bentuk simbol terminal berikutnya yang sesuai dengan jenis kata dari kalimat masukan. Cara sebaliknya diterapkan untuk Bottom Up parser yaitu mencari dari simbol-simbol terminal menuju ke arah pembentukan simbol awal s.

Gambar 2. Pohon Analisis Untuk Sebuah Kalimat

3.5 Semantik Semantic analyzer mempunyai himpunan rule dalam basis pengetahuan untuk menginterprestasikan sebuah kalimat. Rule 1 : IF determiner adalah bagian pertama dalam kalimat dan diikuti oleh noun THEN noun tersebut dianggap sebagai subyek. Rule 2 :
21

IF verb diikuti subyek THEN verb menjelaskan tentang apa yang dikerjakan oleh subyek. Rule 3 : IF noun diikuti subyek dan verb THEN noun tersebut dianggap sebagai obyek Rule 4 : IF kalimat mempunyai bentuk subyek, ver, obyek THEN subyek mengerjakan (verb) yang ada hubungannya dengan obyek.

Kalimat 'A plane flew home' mentrigger rule 1 yang mengidentifikasi plane sebagai subyek, lalu rule 2 menjelaskan bahwa plan flew. Rule 3 dan 4 mengidentifikasikan home sebagai obyek. Natural Language Processing dapat dipakai sebagai front (bagian depan) pada sistem AI, dimana data dilewatkan secara verbal.

Pendekatan yang dipakai adalah pendekatan Semantic Grammar yang dipadukan dengan Dictionary tambahan dan Template Grammar. Semantic Grammar sebagai grammar utama dipilih dengan alasan dalam grammar ini sudah terkandung unsur semantic yang dapat membantu pembentukan semantic dari kalimat. Selain itu karena format dari kalimat sudah dibatasi pada bentuk tertentu (representasi data tabel) maka grammar ini dapat diandalkan terutama untuk bentuk - bentuk tanya dan perintah. Mendefinisikan semantic dan arti sebenarnya adalah proses yang sulit karena hal ini tergantung pada maksud dalam kalimat dan juga adanya kemungkinan arti lain dalam kalimat. Seperti misalnya makan hati dapat diartikan makan dengan lauk hati atau perasaan sedih yang ada pada hati seseorang, tergantung pada letaknya dalam kalimat. Apabila terdapat pada kalimat; karena baru mendapat rejeki anak itu makan hati di restoran; maka artinya adalah yang pertama tetapi jika pada kalimat; dia makan hati karena ditinggal pergi pacarnya; berarti yang kedua. Pada bagian ini akan diterangkan beberapa pendekatan semantic yang biasa dilakukan pada suatu Natural Language system.

3.6 Semantic Grammar

22

Pada Semantik Grammar, dipakai sekumpulan rule yang bukan hanya bersifat sintaksis tapi juga bersifat semantis dan pragmatis. Hasil dari proses parsing dengan menggunakan grammar tersebut adalah langsung berupa representasi semantis dari kalimat yang diolah. Dapat dilihat pada contoh dengan domainsistem jadwal penerbangan pesawat udara :
the flight to Chicago the 8 oclock flight flight 457 to Chicago

Grammar untuk sistem ini pada umumnya dikenali sebagai :

NP DET CNP CNP N CNP CNP PP CNP PRE-MOD CNP NP N NUMB (the flight) (flight) (flight to Chicago) (8 oclock flight) (flight 457)

Tetapi perlu diingat bahwa grammar tersebut masih bersifat umum, masih memungkinkan terjadi kesalahan karena luasnya jangkauan grammar seperti :
the city to Chicago the 8 oclock city

Untuk itu maka dilakukan pembatasan dengan jalan memberikan kategori leksikal baru pada suatu kata yang berdasar pada keperluan semantis. Dapat kita gambarkan bahwa pada :
NP DET CNP (the flight) FLIGHT-NP DET FLIGHT-CNP CNP N (flight) FLIGHT-CNP FLIGHT-N diubah menjadi diubah menjadi

Dengan demikian kita sudah melakukan pembatasan bahwa yang mungkin dibentuk untuk kata benda dari sistem adalah the flight dan flight tidak untuk yang lain. Perlu diingat perubahan ini juga akan merubah kata yang lain misal Chicago dari NP menjadi misalnya CITY-NAME. Secara lengkap maka grammar di atas tadi berubah menjadi :
23

FLIGHT-NP DET FLIGHT-CNP FLIGHT-CNP FLIGHT-N FLIGHT-CNP FLIGHT-CNP FLIGHT-DEST FLIGHT-CNP FLIGHT-CNP FLIGHT-SOURCE FLIGHT-CNP FLIGHT-N FLIGHT-PART FLIGHT-CNP FLIGHT-PRE-MOD FLIGHT-CNP FLIGHT-NP FLIGHT-N NUMB CITY-NP CITY-NAME CITY-NP DET CITY-CNP CITY-CNP CITY-N CITY-CNP CITY-MOD CITY-CNP CITY-MOD-ARG

Dari grammar dasar di atas dapat dibentuk grammar tambahan misalnya untuk pertanyaan
TIME-QUERY When does FLIGHT-CNP (When does flight to Chicago)

Dengan pendekatan ini, interpretasi dari rule yang bersangkutan menjadi lebih mudah karena sebagian besar dari informasi semantic yang diperlukan dapat dilihat dari rule yang digunakan. Kekurangan dari pendekatan ini adalah domainsistem yang tidak begitu besar, dimana domain yang baru akan memerlukan aturan yang baru yang sesuai. Selain itu terjadi pembengkakan jumlah rule yang diperlukan, hal ini karena dengan langsung mengacu ke semantik maka banyak generalisasi linguistik yang harus diperinci lebih jauh. Seperti pada contoh di atas kita harus memisahkan antara NP untuk flight dan Chicago menjadi FLIGHT-NP dan CITY-NAME.

3.7 Automated Transition Networks (ATN)

Automated Transition Network (ATN) merupakan prosedur top-down parsing dimana bermacam-macam pengetahuan digabungkan ke sistem analisis sehingga dapat beroperasi lebih efisien. ATN (seperti pada gambar 3) menyerupai finite-state machine dimana klas label digabungkan pada garis berarah yang mendefinisikan transisi antara suatu keadaan. Garis berarah ini dapat diberi label (dalam bahasa Inggris) dengan
24

Kata-kata spesifik, seperti in Kategori-kategori kata, seperti noun Didorong ke jaringan lain untuk mengenali komponen lain pada suatu kalimat, seperti jaringan untuk mengenali prepositional phrase (PP) maka pada garis berarah ditanyakan noun phrase (NP)

Prosedur yang menjalankan tes pada input saat itu dan pada komponen kalimat yang telah diidentifikan

Prosedur-prosedur yang membangun struktur yang akan membentuk bagian akhir dari analisis

Gambar 3. : Sebuah Jaringan ATN untuk Fragmen Bahasa Inggris

Cara kerja ATN pada kalimat: The long file has printed 1. 2.
3.

Mulai pada keadaan S Masuk ke NP Kerjakan tes kategori untuk melihat jika the merupakan determiner Tes sukses, maka register DETERMINER diset ke DEFINITE lalu ke keadaan Q6
25

4.

5. 6. 7. 8.

Kerjakan tes kategori untuk melihat jika long merupakan adjective Tes sukses, maka register ADJS ditambahkan long. Tetap tinggal di Q6 Kerjakan tes kategori untuk melihat jika file merupakan adjective. Tes gagal Kerjakan tes kategori untuk melihat jika file merupakan noun. Tes sukses, register NOUN diset ke file dan lalu ke keadaan Q7.

9. 10.

Masuk ke PP Kerjakan tes kategori untuk melihat has merupakan preposition. Tes gagal, sehingga keluar

11.

Tidak ada lagi yang dikerjakan di Q7, lalu keluar dan kembali ke struktur (NP(FILE(LONG)DEFINITE)), sehingga kembali ke keadaan Q1, dengan register SUBJ diset ke struktur yang dikembalikan dan register TYPE diset ke DCL

12.

Kerjakan tes kategori untuk melihat jika has merupakan verb. Tes sukses, sehingga register AUX diset ke NIL dan register V diset ke has. Lanjut Q4

13.

Masuk ke keadaan NP, dikarenakan kata printed bukan determiner ataupun noun murni, maka NP dikeluarkan

14.

Masih tersisa input, berarti analisis belum selesai. Lalu diperlukan backtracking. Pilihan terakhir terdapat pada Q1, sehingga kembali ke Q1. Register AUX dan V tidak diset

15.

16.

Kerjakan tes kategori untuk melihat jika has merupakan auxiliary. Tes sukses sehingga has diset ke register AUX dan lalu ke Q3.

17.

Kerjakan tes kategori untuk melihat jika printed merupakan verb. Tes sukses, maka register V diset ke printed. Lanjut ke Q4.

18.

Karena input telah habis, maka Q4 merupakan keadaan terakhir. Lalu keluar dan kembali ke struktur (S DCL (NP(FILE(LONG)DEFINITE)) HAS (VP PRINTED)) Struktur ini merupakan output dari analisis
26

Bab III PENUTUP

1. Kesimpulan Natual Language Processing (NLP) atau Pengolahan Bahasa Alami (PBA) merupakan salah satu bidang ilmu kecerdasan buatan (Artificial Intelligence) yang mempelajari komunikasi antara manusia dengan komputer. Sandi Setiawan [1993:3]. Pengolahan bahasa alami terdiri dari tiga bagian utama yaitu: a. Parser b. System Representasi Pengetahuan c. Output Translator Kategori Aplikasi Pengolahan Bahasa Alami yaitu:
27

1. Natural Language Translator

2. Translator bahasa alami ke bahasa buatan, yaitu translator yang mengubah

perintah-perintah dalam bahasa alami menjadi bahasa buatan yang dapat dieksekusi oleh mesin atau komputer. Sebagai contoh, translator yang memungkinkan kita memberikan perintah bahasa alami kepada komputer. Dengan sistem seperti ini, pengguna sistem dapat memberikan perintah dengan bahasa sehari-hari, misalnya, untuk menghapus semua file, pengguna cukup memberikan perintah komputer, tolong hapus semua file ! Translator akan mentranslasikan perintah bahasa alami tersebut menjadi perintah bahasa formal yang dipahami oleh computer, yaitu dir *.*.
3. Text Summarization, yaitu suatu sistem yang dapat membuat ringkasan hal-hal

yang penting dari suatu wacana yang diberikan. Aplikasi Pengolahan Bahasa Alami yaitu: 1. Text based application 2. Speech based application Bidang Pengetahuan Dalam Bahasa Alami yaitu: 1. Fonetik dan Fonologi 2. Morfologi 3. Sintaksis 4. Semantik 5. Pragmatik
6. Discourse knowledge

7. World knowledge

2. Daftar Pustaka

28

1. http://lecturer.eepis-its.edu/~kangedi/materi%20kuliah/Kecerdasan%20Buatan/Bab %205%20Natural%20Language%20Processing.pdf 2. http://mtg.upf.edu/files/publications/9d0455-ACM-MM-2005-JPGMahedero-PCanoAMartinez.pdf 3. http://cobian.lib.itb.ac.id/focus/focus_file/Pidato%20Ilmiah%20pada

%20Sidang%20Terbuka%20PMB%202004.pdf

29