Menguraikan Komponen
Natural Language Processing
Capaian Pembelajaran
Menguraikan Algoritma
Natural Language Processing
Menjelaskan Riset
Natural Language Processing
Konsep Dasar
Natural Language Processing
Tes Turing adalah sebuah tes yang mengukur kemampuan mesin (dalam
hal ini program computer) untuk menunjukkan prilaku cerdas. Dalam ilustrasi
contoh aslinya, seorang juri manusia akan terlibat percakapan dengan
manusia dan mesin yang akan di tes. Semua peserta dipisahkan satu sama
lain. Jika juri tidak bisa membedakan antara manusia dan mesin, maka mesin
tersebut dikatakan lulus tes.
Komponen
Natural Language Processing
Komponen utama bahasa alami terdiri dari tiga bagian utama, yaitu parsing,
sistem representase pengetahuan, dan Output translator.
1. Parsing
Suatu sistem yang mengambil kalimat input bahasa alami dan
menguraikannya ke dalam beberapa bagian grammatical (kata benda, kata
kerja, kata sifat, dll). Tata bahasanya untuk bahasa alami bersifat ambigu.
Jenis Parsing :
a. Top-Down Parsing
Memulai proses parsing dari symbol start dan menggunakan aturan
grammar sampai symbol-symbol terminal pada tree terhubung ke komponen
kalimat yang di parsing
b. Bottom-Up Parsing
Memulai proses parsing dari kalimat yang akan di parsing dan
menggunakan aturan grammar secara terbalik untuk memproduksi kata
menjadi terminal, terminal menjadi kalimat, sampai tree “pohon” lengkap
dan symbol start tercapai.
Contoh 1 :
Kucing Makan
Kalimat
KataBenda KataKerja
Bottom-up
parsing
kucing makan
Contoh 2 :
Maka Parse Tree untuk kalimat “John ate the apple” akan menjadi:
2. Sistem Representase Pengetahuan
Suatu sistem yang menganalisis output parsing untuk menentukan maknanya.
Bidang pengetahuan yang berhubungan dengan Natural language procesing :
1. Fonetik dan fonologi : Berhubungan dengan suara yang menghasilkan kata yang
dapat dikendali, bidang ini penting dalam proses aplikasi yang memakai metoda
speech based system
2. Morfologi : Pengetahuan tentang kata dan bentuknya dimanfaatkan untuk
membedakan satu kata dengan lainnya. Pada bidang ini dapat dipisahkan antara
kata dan elemen lain seperti tanda baca.
contohnya : kata understand :
under(prefix)
stand (root)
3. Sintaksis : Pemahaman tentang urutan kata dalam pembentukan kalimat dan
hubungan antar kata dalam proses perubahan bentuk dari kalimat menjadi
bentuk yang sistematis. Contoh kalimat S dibrntuk dari noun phrase (NP) dan
verb phrase(VP)
4. Semantik : Pemetaan bentuk struktur sintaksis dengan memanfaatkan tiap kata
kedalam bentuk yang mendasar dan tidak tergantung struktur kalimat.
Semantik suatu kata dan bagaimana dari arti kata membentuk arti dari kalimat
yang utuh.
5. Pragmatik : Pengetahuan pada tingkatan yang berkaitan dengan masing- masing
konteks yang berbeda tergantung pada tujuan pembuatan system.
6. Discourse Knowledge : Melakukan pengenalan apakah suatu kalimat yang sudah
dibaca dan dikenali sebelumnya yang mempengaruhi arti dari kalimat
selanjutnya. Yang kita ketahui untuk melakukan arti terhadap kata ganti orang.
7. World Knowledge : Mencakup arti sebuah kata yang bersifat umum dan apakah
ada arti khusus bagi suatu kata dalam suatu percakapan dengan konteks
tertentu.
3. Output Translator
Suatu terjemahan yang merepresentasikan sistem pengetahuan dan melakukan
langkah-langkah yang dapat berupa jawaban atas bahasa alami atau output khusus
sesuai dengan program komputer lainnya.
=> Translator bahasa alami ke bahasa buatan, 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, 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.
Algoritma
Natural Language Processing
Sifat Algoritma :
• Banyaknya langkah instruksi yang hingga
• Tidak ada keraguan (harus jelas) / tidak ambigu
• Batasan dari rangkaian proses
• Batasan dari input dan output
• Efektivitas
Ciri Algoritma :
• Tepat, benar, sederhana, standar dan efektif
• Logis, terstruktur dan sistematis
• Semua operasi terdefenisi
• Semua proses harus berakhir setelah sejumlah langkah dilakukan
• Ditulis dengan bahasa yang standar dengan format pemrograman
Contoh 1 : Natural Language
1. Inisialisasi
2. Masukkan nilai panjang (p) dan lebar (l)
3. Menyiapkan variable luas dengan rumus p*l
4. Menghitung nilai luas = p*l
5. Cetak luas persegi panjang
6. Selesai
Program Luas_Lingkaran
Deklarasi
∏:3.14 : integer
jari-jari : integer
Luas : integer
Deskripsi
Read(∏:3.14, jari-jari)
Luas = ∏:3.14 * jari-jari
write(luas)
end
Contoh 3 : Penyajian menggunakan Flowchart
Start
Input Semester
End
Pengimplementasian
Natural Language Processing
Teknologi Natural Languange Processing (NLP) yang memungkinkan untuk melakukan pemrosesan terhadap
bahasa alami yang biasa digunakan oleh manusia. Yang sistem tersebut biasanya mempunyai masukan dan keluaran
berupa bahasa tulisan (teks). Dan beberapa sebagai kategori aplikasi NLP :
1. Software Bahasa
Untuk menerjemahkan instruksi-instruksi yang ditulis dalam bahasa pemrograman kedalam bahasa mesin yang
dapat dimengerti komputer ( contoh: Pascal, asembly, dan lain-lain)
3. Chatbot
Chatbot adalah program komputer yang didesain untuk mensimulasikan sebuah percakapan cerdas dengan
satu atau lebih pengguna manusia melalui inputan suara atau teks, dan digunakan untuk percakapaan.
Contoh : Cleverbot, simsimi, dan begobet.