MAKALAH

“ Natural Language Processing ”

DISUSUN OLEH :
1. KALFIANUS TAPPI (2204411615)
2. NELSI (2204411648)
3. NAJMAH PACAWANG (2204411631)
4. NUR UTAMI (2204411034)

Kelompok 3

PRODI TEKNIK INFORMATIKA

FAKULATAS TEKNIK KOMPUTER
UNIVERSITAS COKROAMINOTO PALOPO
TAHUN AJARAN 2022/2023

i
 KATA PENGANTAR

Dengan memanjatkan puji dan syukur kehadirat Tuhan Yang Maha Esa, penulis dapat
menyelesaikan makalah yang berjudul “Natural Language Processing” ini. Shalawat serta salam
penulis limpahkan kepada junjungan Nabi Muhammad SAW., beserta para sahabat-sahabatnya.
Makalah ini disusun untuk memenuhi salah satu tugas mata kuliah : Sistem Operasi Komputer

Saya mengucapkan terima kasih kepada bapak Dr. Edi Wahyono, S.S., M.Hum., selaku
dosen mata kuliah “Kecerdasan Buatan” yang telah memberikan tugas ini sehingga dapat
menambah pengetahuan dan wawasan sesuai dengan bidang studi yang saya tekuni. Saya juga
mengucapkan terima kasih kepada semua pihak yang telah membagi sebagian pengetahuannya
sehingga saya dapat menyelesaikan makalah ini. Saya menyadari, makalah yang saya tulis ini
masih jauh dari kata sempurna. Oleh karena itu, kritik dan saran yang membangun akan saya
nantikan demi kesempurnaan makalah ini.

Palopo, 19 Maret 2023

Penulis

ii
 DAFTAR ISI
KATA PENGANTAR...............................................................................................................................ii
BAB I..........................................................................................................................................................1
PENDAHULUAN......................................................................................................................................1
1.1 Latar Belakang..........................................................................................................................1
1.2 Rumusan Masalah.....................................................................................................................1
1.3 Tujuan........................................................................................................................................1
BAB II........................................................................................................................................................2
PEMBAHASAN.........................................................................................................................................2
1.1 Natural Laguage Processing.....................................................................................................2
1.2 Context Free Grammar (CFG).................................................................................................3
1.3 Parsing........................................................................................................................................3
1.4 Semantik dan Semantic Grammar...........................................................................................4
1.5 Sistem Pemrosesan Bahasa Alami (Natural Language Processing).......................................4
1.6 Aplikasi Pengelolahan Bahasa Alami.......................................................................................5
BAB III.......................................................................................................................................................7
PENUTUP..................................................................................................................................................7
1.1 Kesimpulan................................................................................................................................7
1.2 Saran...........................................................................................................................................7
DAFTAR PUSTAKA................................................................................................................................8

iii
 BAB I
PENDAHULUAN
1.1 Latar Belakang

Seiring perkembangan teknologi, NLP telah banyak digunakan dalam berbagai aplikasi,
termasuk pencarian web, analisis sentimen, chatbot, dan bahkan pengenalan suara. Kemampuan
NLP untuk memahami bahasa manusia juga telah menjadi kunci dalam pengembangan teknologi
seperti asisten virtual, otomasi proses bisnis, dan analisis data.
Dalam beberapa tahun terakhir, kemajuan dalam teknologi deep learning dan pengolahan bahasa
alami telah mempercepat perkembangan NLP dan membuatnya semakin efektif dan luas dalam
penerapannya. Makalah-makalah terbaru dalam bidang NLP terus mengembangkan teknik dan
algoritma baru untuk memperbaiki pemahaman dan pengolahan bahasa manusia oleh komputer.

1.2 Rumusan Masalah

1. Apa pengertian dari Natural Language Processing,Context Free Grammar (CFG),
Parsing, Semantik, Semantic Grammar, Sistem Pemprosesan Bahasa Alami, Aplikasi
Pengelolahan Bahasa Alami?
2. Apa Manfaat dari rumusan masalah diatas?
3. Bagaimana mengimplementasi rumusan masalah yang pertama?

1.3 Tujuan
1. Untuk mengetahui apa yang dimaksud Natural Language Processing,Context Free
Grammar (CFG), Parsing, Semantik, Semantic Grammar, Sistem Pemprosesan Bahasa
Alami, Aplikasi Pengelolahan Bahasa Alami
2. Mengetahui manfaat dari pembahasan di atas
3. Mengetahui bagaimana implementasi pembahasan di atas

1
 BAB II
PEMBAHASAN

1.1 Natural Laguage Processing

Natural Language Processing (NLP), adalah cabang ilmu komputer dan kecerdasan buatan
yang mempelajari interaksi antara bahasa manusia dan komputer. NLP bertujuan untuk
memungkinkan komputer untuk memahami, memproses, dan menghasilkan bahasa manusia
secara alami.
Manfaat NLP sangat banyak dan meliputi banyak bidang, antara lain:
 Peningkatan efisiensi dalam pencarian informasi dengan mengurangi waktu yang
dibutuhkan untuk membaca dan memproses informasi,
 Meningkatkan kecepatan dan akurasi dalam menerjemahkan dokumen dari satu
bahasa ke bahasa lain,
 Meningkatkan interaksi antara manusia dan mesin, seperti dalam chatbot dan
asisten virtual,
 Meningkatkan kualitas layanan pelanggan dengan mengotomatiskan tanggapan
terhadap pertanyaan pelanggan,
 Meningkatkan keamanan dengan mendeteksi dan mencegah penipuan atau
ancaman dengan analisis sentimen.
Untuk mengimplementasikan NLP, beberapa langkah yang dapat diikuti antara lain:
 Menentukan tujuan dan masalah yang ingin diselesaikan dengan menggunakan
NLP,
 Memilih dan mempersiapkan data yang diperlukan untuk melatih model NLP,
 Memilih algoritma dan teknik yang sesuai untuk kasus yang ingin diselesaikan,
 Menguji dan mengevaluasi model NLP untuk memastikan kualitas dan keefektifan
hasil,
 Menerapkan model NLP pada kasus yang sesuai dan melakukan pemeliharaan serta
pengembangan lebih lanjut.
Implementasi NLP dapat dilakukan dengan menggunakan berbagai teknologi dan alat,
seperti Python Natural Language Toolkit (NLTK), spaCy, Gensim, atau menggunakan
layanan cloud seperti Google Cloud Natural Language atau Amazon Comprehend.

2
1.2 Context Free Grammar (CFG)

Context-free grammar adalah suatu cara untuk mendefinisikan bahasa formal dengan
menggunakan aturan gramatikal yang terdiri dari simbol-simbol terminal (huruf, angka,
atau tanda baca) dan simbol-simbol nonterminal (simbol yang merepresentasikan
kumpulan simbol-simbol terminal atau nonterminal). Contoh umum dari context-free
grammar adalah aturan produksi dalam bahasa pemrograman, seperti bahasa C, Python,
dan Java.

Manfaat dari context-free grammar adalah memungkinkan untuk memodelkan bahasa

formal dengan cara yang lebih sistematis dan mudah dipahami. Dengan menggunakan
aturan gramatikal yang terdefinisi dengan baik, kita dapat memvalidasi dan menghasilkan
teks yang masuk akal dalam bahasa formal yang ingin dimodelkan. Selain itu, context-
free grammar juga digunakan dalam pemrosesan bahasa alami, dalam pembuatan
compiler dan parser, serta dalam bidang kecerdasan buatan.

Cara implementasi context-free grammar dilakukan dengan mendefinisikan aturan

produksi yang terdiri dari simbol-simbol terminal dan nonterminal, dan menggunakannya
untuk membangun suatu struktur sintaksis. Aturan produksi harus memenuhi sifat-sifat
tertentu, seperti tidak mengandung siklus dan tidak ambigu.

1.3 Parsing

Parsing adalah proses analisis sintaksis dari teks untuk menentukan struktur gramatikal
atau tata bahasa dari kalimat. Dalam bahasa pemrograman, parsing merujuk pada proses
mengurai kode sumber program dan memetakan elemen-elemen sintaksis ke dalam
struktur data yang dapat dioperasikan oleh program.

Manfaat dari parsing adalah memungkinkan program untuk memahami dan

menginterpretasikan input dari pengguna, baik itu dalam bentuk kalimat bahasa alami
atau dalam bentuk kode sumber. Dengan parsing, program dapat mengambil informasi
yang relevan dari input dan membuat keputusan atau mengambil tindakan yang sesuai.

Cara implementasi parsing bervariasi tergantung pada jenis teks atau kode sumber yang
dianalisis dan bahasa pemrograman yang digunakan. Namun, umumnya parsing
dilakukan dengan menggunakan algoritma sintaksis untuk menganalisis teks dan
membangun pohon sintaksis. Algoritma sintaksis ini dapat diimplementasikan dengan
menggunakan teknik seperti Recursive Descent Parsing, LL Parsing, atau LR Parsing.
Beberapa bahasa pemrograman juga menyediakan library atau modul parsing bawaan
untuk memudahkan proses parsing.

3
1.4 Semantik dan Semantic Grammar

Semantik adalah cabang linguistik yang mempelajari makna kata, frasa, kalimat, dan teks
dalam bahasa. Semantik mencakup bagaimana kata-kata dan simbol-simbol memiliki arti,
bagaimana arti itu dikaitkan dengan konsep, dan bagaimana konsep itu saling berkaitan.

Semantic grammar adalah sebuah pendekatan yang digunakan untuk menganalisis bahasa
dengan mengeksplorasi hubungan antara struktur gramatikal dan arti. Semantic grammar
melihat bahasa sebagai sistem yang terdiri dari unsur-unsur yang terorganisir dengan
aturan-aturan tertentu, dan bahwa arti terkandung dalam struktur tersebut.

Manfaat dari semantik dan semantic grammar adalah membantu memahami makna
bahasa yang digunakan. Dengan mempelajari semantik, seseorang dapat memahami arti
dari kata, frasa, kalimat, dan teks yang digunakan dalam bahasa tertentu. Dalam hal ini,
semantic grammar dapat membantu menganalisis dan memahami arti yang terkandung
dalam struktur gramatikal.

Cara implementasi semantik dan semantic grammar dapat dilakukan dengan cara
mempelajari aturan-aturan gramatikal dan hubungan antara kata-kata yang terkait dengan
makna. Beberapa teknik yang digunakan dalam mempelajari semantik dan semantic
grammar antara lain adalah analisis frasa, analisis sintaksis, penggunaan kamus, dan
penelitian terhadap bahasa yang sedang dipelajari. Implementasi ini dapat dilakukan
dalam konteks pengajaran bahasa, penelitian linguistik, atau pengembangan aplikasi
pemrosesan bahasa alami.

1.5 Sistem Pemrosesan Bahasa Alami (Natural Language Processing)

Sistem pemrosesan bahasa alami (natural language processing) adalah teknologi yang
memungkinkan komputer untuk memahami, menganalisis, dan memproduksi bahasa
manusia secara alami. NLP melibatkan berbagai teknik dan algoritma yang
memungkinkan komputer untuk memproses bahasa manusia, termasuk sintaksis,
semantik, pragmatik, dan diskursus.

a) Sistem Speech Recognition

Speech recognition atau pengenalan pola suara juga dikenal sebagai Automatic
Speech Recognition (ASR) merupakan sistem yang digunakan untuk mengenali
perintah kata dari suara manusia dan kemudian diterjemahkan menjadi suatu data
yang dimengerti oleh komputer.

4
 b) Sistem Text to Speech
Sistem Text to Speech (TTS) merupakan sistem yang dapat mengubah suatu teks
menjadi ucapan secara otomatis melalui fonetisasi (penyusunan fenom-fenom
untuk membentuk ucapan).
c) Sistem Natural Language Processing
Natural Language Processing (NLP) Teknologi inilah yang membuat komputer
mampu mengerti bahasa dalam bentuk teks maupun suara. Seiring dengan
perkembangan yang serba digital, NLP pun kini semakin populer.

Manfaat utama dari NLP adalah kemampuannya untuk memungkinkan komunikasi

antara manusia dan komputer. Beberapa contoh penerapan NLP meliputi:

 Chatbot dan asisten virtual: NLP digunakan untuk membuat aplikasi chatbot dan
asisten virtual yang dapat berinteraksi dengan pengguna melalui bahasa alami.

 Penerjemahan mesin: NLP digunakan untuk memungkinkan penerjemahan mesin

antara bahasa yang berbeda.
 Analisis sentimen: NLP dapat digunakan untuk menganalisis opini atau sentimen
yang dinyatakan dalam teks

Cara implementasi NLP bervariasi tergantung pada aplikasinya. Beberapa alat dan teknik
yang digunakan dalam NLP termasuk:

 Tokenisasi: Memisahkan teks menjadi unit-unit yang lebih kecil, seperti kata-kata
atau kalimat.
 Stemming: Menghilangkan akhiran kata untuk menghasilkan kata dasar.
 Part-of-speech tagging: Menentukan kelas kata, seperti kata benda atau kata kerja,
dalam teks.
 Named entity recognition: Mengidentifikasi entitas yang disebutkan dalam teks,
seperti orang, tempat, atau organisasi.

1.6 Aplikasi Pengelolahan Bahasa Alami

Aplikasi pengelolaan bahasa alami (natural language processing - NLP) adalah

teknologi yang memungkinkan komputer untuk memahami, memproses, dan
menghasilkan bahasa manusia secara otomatis. Beberapa contoh aplikasi NLP yang
umum adalah:

5
 Chatbot: Program yang memungkinkan interaksi manusia dengan mesin melalui
bahasa alami.
 Penerjemah: Program yang dapat menerjemahkan teks dari satu bahasa ke bahasa
lain secara otomatis.
 Pemrosesan Teks: Program yang memproses dan menganalisis teks dalam bahasa
alami untuk mengekstrak informasi penting atau menentukan sentimen yang
terkandung di dalamnya.

Manfaat dari aplikasi pengelolaan bahasa alami adalah meningkatkan efisiensi dan
produktivitas, mengurangi biaya, meningkatkan kepuasan pelanggan, dan menghasilkan
wawasan baru dari data yang dianalisis. Beberapa cara untuk mengimplementasikan
aplikasi NLP adalah:

 Memanfaatkan platform NLP yang sudah ada, seperti Google Cloud Natural
Language API atau IBM Watson Natural Language Understanding.
 Menggunakan framework NLP open-source seperti NLTK atau spaCy untuk
membangun aplikasi NLP sendiri.
 Menggunakan layanan chatbot atau penerjemah yang sudah ada, seperti Facebook
Messenger atau Google Translate API.

6
 BAB III
PENUTUP

1.1 Kesimpulan

Natural Language Processing telah memberikan dampak besar dalam berbagai bidang
seperti pengenalan suara, terjemahan otomatis, analisis data teks, dan banyak lagi.
Teknologi NLP terus berkembang dan semakin penting di masa depan, terutama dengan
adanya peningkatan penggunaan media sosial dan data teks yang semakin besar.

1.2 Saran

Oleh karena itu, saran untuk mengembangkan NLP adala untuk terus memperbaiki
kemampuan komputer dalam memahami bahasa manusia dengan lebih akurat,
meningkatkan kecepatan pemprosesan, dan meningkatkan aplikasi NLP untuk tujuan
praktis seperti penerjemahan otomatis dan analisis sentimen.

7
 DAFTAR PUSTAKA

https://respository.unissula.ac.id/14952/7/Bab%20I.pdf
https://medium.com/@stevanihalim/sistem-text-to-speech-speech -recognition-2693080d8578
https://pacmann.io/blog/natural-language-processing