UNIVERSITI PUTRA MALAYSIA

Fakulti Pengajian Pendidikan

Jabatan Pendidikan Kaunselor dan Psikologi Kaunseling

Bachelor Pendidikan Bimbingan dan Kaunseling

FCE 3204 : KEMAHIRAN BERFIKIR

Tajuk tugasan: Menganalisis ‘Artificial intelligence’ (Kecerdasan buatan)

“NATIONAL LANGUAGE PROCESSING” (NLP)
KUMPULAN 5

AHLI KUMPULAN :

BIL NAMA AHLI NO MATRIK

1 Nur Aqilah Binti Mydin Kutty 203738

2 Nur Ainee Farhana Binti Hasaini 203145

3 Nurhazimah Amirah Binti Ahmad Shukri 203146

4 Nur Fatin Madihah Binti Mohamad Khoza 202836

5 Muhammad Noh Bin Midaman Munadon 202553

6 Ma Shuwei 201618
ISI KANDUNGAN

NO. TAJUK M/S

1. Kefungsian NLP dalam Membantu Kehidupan Manusia.

3-5
1.1 Aplikasi Terjemahan Bahasa
1.2 Penamaan Lokasi
1.3 Aplikasi Email
1.4 Aplikasi Respon Suara Interaktif (IVR)
1.5 Hasil carian dan analisis data
1.6 Pembantu suara yang bijak

2. Limitasi NLP dalam Menjalankan Fungsinya.

6-7
2.1 Kesamaran dari Segi Leksikal
2.2 Kesamaran Sintatik
2.3 Kesamaran Semantik
2.4 Kesamaran Pragmatik

3. Cadangan dalam mengkolaborasikan antara Penggunaan NLP 7-8

dengan Intelek Manusia.
3.1 Mengintegrasikan Sistem AI dan Teknologi Data dalam
Pelbagai Jenis Aplikasi
3.2 Analisis Kognitif dan Proses Bahasa Semula Jadi

4. Rujukan. 9
LAPORAN MENGENAI ANALISIS ‘NATIONAL LANGUAGE PROCESSING (NLP).

1.0 Kefungsian pemprosesan bahasa kebangsaan dalam membantu kehidupan manusia.

Analisis sintaksis adalah teknik utama yang digunakan untuk menyelesaikan tugas Natural
Language Processing. Sintaksis merujuk kepada susunan kata-kata dalam sebuah ayat sehingga
menghasilkan pengertian yang gramatikal. Dalam NLP, analisis sintaksis digunakan untuk menilai
bagaimana bahasa natural sejajar dengan aturan tatabahasa. Maka terdapat beberapa algoritma
yang digunakan untuk menerapkan susunan gramatikal kepada sekelompok perkataan dan
memperoleh makna darinya. Terdapat 4 tahap dari analisis sintaksis yang sering digunakan iaitu
stemming, lemmatization, tokenization dan parsing.

1.1 Aplikasi Terjemahan Bahasa.

● Aplikasi terjemahan bahasa seperti Google Translate juga menggunakan NLP untuk
diterjemahkan bukan hanya beberapa perkataan sahaja tetapi juga sesuai untuk konteks dan
tatabahasa. Google Translate juga boleh digunakan untuk scan atau mengambil gambar
beberapa potongan ayat daripada buku atau laptop untuk diterjemahkan dalam pelbagai
bahasa. Jadi, fungsi NLP dalam terjemahan bahasa ini dapat membantu dan memudahkan
kehidupan serta urusan seseorang untuk memahami sesuatu bahasa asing yang ingin
mereka pelajari itu.

1.2 Penamaan Lokasi.

● Aplikasi seperti MyCar dan Grab telah menguasai NLP sehingga dapat memberi nama
yang terdengar sangat natural di telinga manusia untuk sebuah lokasi. Contohnya, semasa
memesan Grab, akan muncul lagi beberapa pilihan yang lebih jelas seperti lobby, parkir
motor atau Pintu 1 dan sebagainya. Jadi, fungsi NLP ini dalam penamaan lokasi akan dapat
membantu serta memudahkan seseorang itu dalam mencari lokasi yang tepat agar mereka
tidak tersesat kerana untuk mencari lokasi yang tepat itu agak sukar.
1.3 Aplikasi Email.
● Aplikasi seperti Gmail, Hotmail, Ymail dan lain-lain telah menggunakan NLP untuk
menapis dan mengklasifikasikan e-mel sebelum sebarang atau apa sahaja maklumat email
memasuki peti masuk supaya ia boleh mengesan kemasukan spam dan mengalihkannya ke
folder spam supaya seseorang tidak perlu membacanya. Oleh itu dapat dilihat bahawa
kemudahan email juga telah dapat dilihat dengan adanya NLP memudahkan lagi
maklumat-maklumat yang dihantar oleh orang lain kepada individu tersebut.

1.4 Aplikasi Respon Suara Interaktif (IVR).

● Aplikasi IVR ini yang digunakan oleh sesebuah pusat panggilan untuk bertindak balas
kepada permintaan pengguna tertentu. Sebagai contoh, jika seseorang individu
menghubungi perkhidmatan pelanggan seperti Telkomsel, individu tersebut akan
mendapatkan arahan atau petunjuk untuk “tekan butang 1 bagi menggunakan bahasa
Inggeris" pada mulanya, dan mesin rakaman akan memainkan bahasa Inggeris kemudian.
Hal ini telah memudahkan para pengguna perkhidmatan kerana adanya IVR komunikasi
secara tidak langsung akan bertindak balas dan berhubung dengan lancar. Oleh itu, individu
yang membuat perkhidmatan pelanggan akan dapat mencapai tujuan yang ingin mereka
peroleh.

1.5 Hasil carian dan analisis data

● Enjin carian menggunakan NLP untuk memaparkan hasil yang berkaitan berdasarkan
gelagat carian atau niat pengguna yang serupa, jadi orang biasa tidak perlu menjadi pakar
istilah carian untuk mencari perkara yang mereka perlukan.
Sebagai contoh, Google bukan sahaja akan meramalkan carian popular yang mungkin
digunakan pada pertanyaan anda apabila anda mula menaip, tetapi ia juga akan mengenal
pasti perkara yang anda perlukan berdasarkan global (bukannya istilah carian tepat).
Seseorang mungkin melihat status penerbangan selepas memasukkan nombor penerbangan
 dalam Google, mungkin melihat maklumat stok selepas menaip kod stok, atau melihat
kalkulator apabila memasukkan formula matematik. Anda mungkin melihat perubahan ini
apabila anda melengkapkan carian, kerana NLP dalam carian mengaitkan pertanyaan kabur
dengan entiti berkaitan dan memberikan hasil yang berguna
Mengenai analisis data, kerana semakin banyak vendor BI menyediakan antara muka
bahasa semula jadi untuk visualisasi data, fungsi bahasa semula jadi sedang disepadukan
ke dalam aliran kerja analisis data. Sebagai contoh, pengekodan visual yang lebih bijak
menyediakan visualisasi terbaik untuk tugas yang sesuai berdasarkan semantik data. Ini
memberikan lebih banyak peluang kepada orang ramai untuk meneroka data mereka
menggunakan ayat bahasa semula jadi atau serpihan soalan yang terdiri daripada beberapa
kata kunci.

1.6 Pembantu suara yang bijak

● Pembantu pintar (seperti Siri Apple dan Alexa Amazon) boleh menggunakan pengecaman
suara untuk mengecam corak suara, kemudian membuat kesimpulan makna dan
memberikan respons yang berguna. Kami biasa menyebut "siri Hello" dan kemudian
bertanya soalan. Dia akan memahami perkara yang kita bincangkan dan bertindak balas
dengan sewajarnya berdasarkan konteks. Apabila kita bercakap dengan Siri atau Alexa
tentang termostat, suis lampu, kereta dan topik lain, dia akan menggunakan inframerah
untuk mengawalnya secara automatik. Contohnya, jika saya ingin mendengar lagu, saya
akan memanggil pembantu suara untuk memberikan arahan suara , dan dia akan
memainkan apa yang kita mahu Lagu yang anda mahu. Kita sudah biasa dengannya tiba-
tiba muncul di rumah dan kehidupan seharian kita.
2.0 Limitasi ‘National Language Processing’ (NLP) dalam Menjalankan Fungsinya.

2.1 Kesamaran dari Segi Leksikal.

● Hal ini terjadi apabila terdapat makna lain dalam sesebuah perkataan. Menurut Awang et.al
(2016) mengemukakan bahawa antara faktor persamaan makna perkataan adalah kerana
sesebuah perkataan itu mengandungi makna denotasi (makna sebenar) dan konotasi
(makna konseptual). Sebagai contoh, “Beg adik ringan”. Ayat tersebut menunjukkan
makna denotasi. “ Adik dipuji kerana ringan tulang”.Ayat tersebut membawa makna
konotasi kerana ringan tulang bermaksud rajin. NLP tidak dapat mengesan makna ayat
tersebut dengan mendalam. Seseorang mungkin salah faham terhadap ayat itu dengan
menganggap bahawa tulang adik ringan. Oleh itu, hal ini boleh mendatangkan kekeliruan
terutamanya bagi mereka yang tidak mahir berbahasa Melayu jika mereka menggunakan
aplikasi tertentu bagi tujuan pembelajaran.

2.2 Kesamaran Sintatik.

● Indikator kepada kesamaran sintatik adalah apabila sesuatu ayat mengandungi makna yang
tidak jelas. Sebagai contoh, “Alia menyayangi ibunya begitu juga dengan Sara”. Ayat ini
boleh ditafsir dengan dua makna. Pertamanya, Sara menyayangi ibunya. Penafsiran kedua
ialah Sara menyayangi ibu Alia. Memandangkan NLP hanyalah sistem, maka seseorang
sukar menginterpretasikan makna ayat.

2.3 Kesamaran Semantik.

● Semantik merupakan kajian bahasa berkenaan dengan aspek makna dalam kata dan ayat
menurut Siti Hajar Abdul Aziz (2009). Semantik amat penting bagi memahami sesuatu
bahasa, pengetahuan berkenaan dengan makna kata dan morfem yang membentuknya serta
cara makna kata bergabung menjadi frasa adalah penting. Sebagai contoh, “ saya melihat
budak itu di pantai dengan teropong saya”. Ayat ini boleh membawa makna bahawa saya
melihat seorang budak melalui teropong saya atau budak itu membawa teropong saya
bersamanya. Penginterpretasian makna ujaran berdasarkan konteks ayat yang diujarkan
 penting bagi memastikan seseorang individu dapat memahami makna ujaran dengan lebih
tepat. Ini menunjukkan penginterpretasian oleh NLP sukar untuk ditafsir tanpa konteks teks
sekeliling.

2.4 Kesamaran Pragmatik.

● Pragmatik adalah menghuraikan makna berdasarkan konteks bagi penginteprestasian
makna yang berbentuk abstrak yang memerlukan huraian yang lebih terperinci. Pragmatik
tidak berfokus pada apa yang orang katakan tetapi bagaimana mereka mengatakannya dan
bagaimana NLP menafsirkan ucapan mereka. Kesamaran Pragmatik dalam NLP dapat
dilihat melalui pemeriksaan konteks yang dibaca ke dalam kandungan teks tanpa disebut
secara eksplisit. Perkara ini menerangkan bahawa menggunakan dua contoh perkataan
"mereka" dalam ayat di mana "mereka" merujuk perkara yang berbeza dalam ayat tersebut.
Ini memerlukan pragmatik atau pengetahuan khusus untuk diselesaikan.

3.0 Cadangan bagi Mengkolaborasikan antara Penggunaan Pemprosesan Bahasa

Kebangsaan dengan Intelek Manusia.

Dengan kemunculan pesat Kecerdasan Buatan dan proses kerja automatik, terdapat
kebimbangan bahawa, kerana komputer mengungguli manusia dalam pekerjaan tertentu, mereka
tidak lama lagi boleh "melebihi" kita secara lebih meluas. Sesetengah saintis tidak bersetuju,
mendakwa bahawa kita belum mempunyai teknologi atau algoritma untuk memadankan kuasa
pemprosesan otak manusia. Rangkaian saraf semasa tidak mencukupi untuk menghasilkan AI
tulen. Ia akan mengambil masa sekurang-kurangnya 15 tahun untuk kuasa pengkomputeran untuk
mengejar kuasa otak manusia. Tetapi, walaupun ia mengambil masa 15 tahun atau lebih,
kebimbangan semasa untuk mengatasi prestasi mesin mengalihkan perhatian daripada topik yang
kurang hipotesis yang patut diberi perhatian iaitu cara kecerdasan mesin dan kecerdasan manusia
saling melengkapi. Individu dan komputer yang bekerjasama akan memberikan hasil yang lebih
baik daripada manusia yang paling berbakat atau algoritma paling maju yang beroperasi secara
bersendirian. Berikut adalah dua contoh kerjasama tersebut.
3.1 Mengintegrasikan sistem AI dan teknologi data dalam pelbagai jenis aplikasi
Perkembangan AI terkini membuka peluang baharu untuk mengintegrasikan sistem AI dan
teknologi data dalam pelbagai aplikasi, termasuk pemprosesan bahasa semula jadi (NLP), interaksi
manusia-mesin, perolehan semula maklumat, pemprosesan grafik dan imej, serta robotik, serta
menyediakan peluang baharu kepada perniagaan untuk berinovasi dan memperoleh nilai dengan
cara yang baru. Hasilnya, dapat dilihat ledakan penggunaan AI dalam pelbagai industri sepanjang
dekad yang lalu, termasuk penjagaan kesihatan, perkhidmatan, pendidikan, mobiliti dan
perdagangan, yang menjanjikan untuk merevolusikan industri ini pada masa hadapan dengan
mengautomasikan proses sedia ada dan membolehkan atau mencipta aplikasi baharu sepenuhnya.

3.2 Analisis kognitif dan proses bahasa semulajadi

Ini adalah contoh terbaik teknologi berbeza yang bekerjasama, walaupun kedua-duanya
berada di bawah payung Kepintaran Buatan. Rangka kerja perbualan menggunakan NLP boleh
difikirkan, dan ia boleh mengambil arahan melalui pertuturan atau teks. Operasi teknikal yang
berbeza, seperti pembangunan tiket teknikal yang berkaitan dengan isu teknikal dan rawatan
automatik atau separa automatiknya, kini boleh diautomasikan menggunakan analisis kognitif.
Gabungan strategi ini boleh menghasilkan prosedur automatik untuk menangani masalah teknikal
dalam organisasi, serta menyampaikan penyelesaian automatik kepada beberapa masalah teknikal.
RUJUKAN

Siti Hajar Abdul Aziz. (2009). Bahasa Melayu II. Selangor: Oxford Fajar Sdn. Bhd.

Wahyu,K.(2021). Apa Itu Natural Language Processing. Diakses dari:

https://algorit.ma/blog/natural-language-processing/

Davenport, T. H., & Ronanki, R. (2019). Artificial Intelligence for the Real World. In On AI,
Analytics and the New Machine Age (Harvard, pp. 1–17). Boston, MA.