PENGANTAR TEKNOLOGI SISTEM CERDAS 2.4

Kamis, 17 Oktober 2019
Dosen Pembimbing : DONIE MARGAVIANTO, SKOM., MMSI.








==================================================================



Natural Language Processing



     Familiar dengan mesin penerjemah seperti Google Translate? Jika iya, berarti Anda telah menggunakan salah satu kecanggihan dari teknologi Artificial Intelligence (AI).

       
       Teknologi yang salah satu pengaplikasiannya digunakan untuk menerjemahkan bahasa di Google Translate tersebut, dinamakan Natural Language Processing (NLP). NLP pada dasarnya membuat pembahasaan komputer menjadi lebih bersifat dinamis dan humanis, karena komputer berusaha untuk menyampaikan respon kalimat layaknya manusia. Hal ini tentu bertujuan, agar manusia lebih memahami respon spesifik yang diberikan oleh sistem komputer tersebut.
       Karena berbasis linguistik, NLP dapat disesuaikan dengan bahasa dari masing-masing negara. Kebanyakan NLP yang umum dikembangkan adalah NLP dengan kemampuan Bahasa Inggris. Namun layaknya Google Translate, NLP seiring dengan berkembangnya waktu telah diterjemahkan ke berbagai bahasa di dunia.

       Berbicara tentang sebuah teknologi yang mutakhir seperti NLP, tidak afdol rasanya jika kita tidak menilik sedikit sejarah mengenai bagaimana NLP diciptkana pertama kali. Tonggak sejarah dibuatnya NLP pertama kali, dikembangkan oleh Alan Turing pada tahun 1950. Sebagai bapak ilmu komputer dan terkenal dengan Turing Test-nya, NLP lahir dari bagaimana Turing menciptakan tes yang mengukur kemampuan mesin komputer untuk meniru perilaku cerdas layaknya manusia. Mekanisme dari Turing Test tersebut menunjukkan bahwa komputer memiliki kemampuan berkomunikasi yang mumpuni untuk berbicara dengan manusia. Hal ini tentu menjadi keuntungan positif yang dimanfaatkan seiring dengan perkembangan teknologi dan zaman untuk membantu kehidupan manusia. Dalam pengaplikasiannya, NLP memiliki kemampuan-kemampuan yang membantu kehidupan manusia menjadi lebih efektif.

Mengapa NLP Penting?
  • Volume besar data tekstual
      Pemrosesan bahasa alamiah membantu komputer berkomunikasi dengan manusia dalam bahasanya sendiri dan membuat skala tugas-tugas yang terkait bahasa lainnya. Misalnya, NLP memungkinkan komputer untuk membaca teks, mendengar ucapan, menafsirkannya, mengukur sentimen, dan menentukan bagian mana yang penting. 

       Mesin saat ini dapat menganalisis data berbasis bahasa lebih banyak dibandingkan manusia, tanpa rasa lelah dan dengan cara yang konsisten serta tidak bias. Mengingat banyaknya data tidak terstruktur yang dihasilkan setiap hari, dari rekam medis hingga media sosial, automasi akan sangat penting untuk sepenuhnya menganalisis data teks dan ucapan dengan efisien.
  • Menyusun sumber data yang sangat tidak terstruktur
     Bahasa manusia amat sangat kompleks dan beragam. Kita mengekspresikan diri dengan cara yang tak terbatas, baik secara verbal maupun tertulis. Tidak hanya ada ratusan bahasa dan dialek, namun di dalam setiap bahasa ada juga serangkaian aturan tata bahasa dan sintaksis, istilah, dan kata-kata slang. Saat kita menulis, kita seringkali salah eja atau menyingkat kata, atau menghilangkan tanda baca. Saat kita berbicara, kita memiliki dialek kedaerahan, dan kita terkadang bergumam, gagap, dan meminjam istilah-istilah dari bahasa lain. 

    Meskipun pembelajaran yang disupervisi dan tidak disupervisi, dan khususnya pembelajaran mendalam, sekarang banyak digunakan untuk pemodelan bahasa manusia, ada juga kebutuhan untuk pemahaman sintaksis dan semantik serta keahlian domain yang tidak selalu hadir dalam pendekatan pembelajaran mesin ini. NLP sangat penting karena membantu menyelesaikan ambiguitas dalam bahasa dan menambahkan struktur numerik yang berguna untuk data bagi banyak aplikasi hilir, seperti pengenalan ujaran atau analisis teks.

Bagaimana NLP Bekerja?
        
        Tugas yang mendasari ini sering digunakan dalam kemampuan NLP tingkat yang lebih tinggi, seperti :
  • Kategorisasi konten. Ringkasan dokumen berbasis linguistik, termasuk pencarian dan penyusunan indeks, pemberitahuan konten dan deteksi duplikasi.
  • Penemuan dan pemodelan topik. Tangkap makna dan tema secara akurat dalam kumpulan teks, dan terapkan analitik tingkat lanjut ke teks, seperti pengoptimalan dan perkiraan.
  • Ekstraksi kontekstual. Secara otomatis menarik informasi terstruktur dari sumber berbasis teks.
  • Analisis sentimen. Mengidentifikasi suasana hati atau opini subjektif dalam jumlah besar teks, termasuk sentimen rata-rata dan penambangan opini. 
  • Konversi ujaran-ke-teks dan teks-ke-ujaran. Mentransformasikan perintah suara ke dalam teks tertulis, dan sebaliknya. 
  • Perangkuman dokumen. Secara otomatis menghasilkan sinopsis kumpulan besar teks.
  • Penerjemahan mesin. Penerjemahan otomatis teks atau ujaran dari satu bahasa ke bahasa lainnya.
Contoh NLP
  • Question Answering Systems (QAS)
     Pengaplikasian metode NLP yang terdekat dapat kita lihat dari chatbot bahasa Indonesia milik BOTIKA. Dengan kemampuan ini, NLP menjadi inti penggerak bagaimana sebuah bot dapat membalas pertanyaan, dengan menggunakan bahasa Indonesia.
  • Summarization
    NLP mampu membuat ringkasan dengan mengkonversi dokumen berbasis teks ke dalam sebuah file. Dengan begitu, teknologi ini memungkinkan manusia untuk bekerja lebih efisien ketika harus membaca ratusan dokumen.
  • Machine Translation
     Seperti yang sudah disebutkan di awal tulisan, Google Translate menjadi bentuk aplikasi dari penerapan NLP yang paling familiar dengan warganet zaman sekarang. Sistem ini memungkinkan komputer untuk memahami bahasa dan menerjemahkannya ke dalam bahasa lain.
  • Speech Recognition
    Jika Anda pernah menonton Jarvis dalam film Iron Man, pasti familiar dengan personal assistant yang mampu mengenali suara Tony Stark untuk memberikan instruksi tertentu. Layaknya Jarvis, BOTIKA saat ini juga tengah mengembangi sebuah teknologi yang bernama Widya Smart Speaker, Sobat BOTIKA.
   Speech Recognition di dalam Widya Smart Speaker, memungkinkan speaker untuk melakukan sebuah aktivitas yang diinstruksikan secara lisan oleh pengguna. Contoh terdekat adalah bagaimana jika Anda ingin mematikan lampu? Menyalakan musik? Tak perlu repot lagi berjalan dan memencet tombol, komputer akan mengenali suara manusia dan melakukan instruksi sesuai perintah Anda.
  • Document Classification
    Teknologi klasifikasi dokumen pada NLP menciptakan sebuah sistem dimana manusia akan menjadi lebih mudah untuk melakukan filter atau mengatur sebuah dokumen. NLP disini sangat berperan jika Anda pernah mendengar tentang fitur-fitur seperti Article Classification dan Spam Filtering.
Referensi :
Botika. 2019. BAGAIMANA NATURAL LANGUAGE PROCESSING (NLP) MEMBANTU KEHIDUPAN MANUSIA?. Diambli dari : https://botika.online/bagaimana-natural-languange-processing-nlp-membantu-kehidupan-manusia/. (20 Oktober 2019).
SAS. 2019. PEMROSESAN BAHASA ALAMIAH. Diambli dari : https://www.sas.com/id_id/insights/analytics/what-is-natural-language-processing-nlp.html. (20 Oktober 2019).

Comments

Post a Comment

Popular posts from this blog

MANAJEMEN LAYANAN SISTEM INFORMASI 2.2

Image
Sabtu, 04 April 2020 Dosen Pembimbing :  DONIE MARGAVIANTO, S.KOM., M.MSI. ================================================================== Tujuan Information Technology Infrastructure Library (Pustaka Infrastruktur Teknologi Informasi ) / I.T.I.L         Sebelum-sebelumnya, penamaan ITIL resmi tidak pernah menggunakan nomor versi; hanya “ITIL”. Iterasi ITIL pertama, muncul pada awal 1980-an dan terdiri dari serangkaian buku yang diterbitkan selama satu dekade. ITIL 2 keluar ketika milenium berubah, dirilis di antara tahun 2001, dan menangani 10 core process dan service desk.         Versi berikutnya keluar pada tahun 2007, dan user menyebut rilis baru ini sebagai ITL 3, namun penerbit memilih untuk menyebutnya ITIL 2007. Versi ini memperkenalkan siklus hidup layanan yang dipecah menjadi lima tahap: strategi layanan, desain layanan, transisi layanan, operasi layanan, dan peningkatan layanan...
Read more

Forum VClass Pertemuan 5

Image
     Sabtu, 23 Januari 2021 Dosen Pembimbing :  DONIE MARGAVIANTO, S.KOM., M.MSI. ================================================================== Perangkat Cerdas untuk Kemudahan Transaksi Pembayaran      Point of Sales (POS) yang lazimnya dikenal sebagai tempat kasir dengan dilengkapi dengan mesin kasir (cash register) merupakan titik penjualan (check-out) tempat di mana transaksi dilakukan. Beberapa fungsi utama Point of Sales di antaranya adalah untuk mendata setiap transaksi secara detail dan lengkap, membantu pengecekan stok barang, menganalisis data penjualan, serta menjaga kenyamanan dan keamanan setiap transaksi yang berlangsung.       Dalam perkembangannya untuk meningkatkan penjualan dalam memberikan kemudahan bertransaksi dan manajemennya, PT Cashlez Worldwide Indonesia (Cashlez) sebagai perusahaan pengembang payment gateway menghadirkan inovasi berupa mobile Point of Sale (mPOS) Cashlez, yakni solusi pembayaran no...
Read more

INOVASI SISTEM INFORMASI DAN NEW TEKNOLOGI 8.1

Image
                 Sabtu, 16 Januari 2021 Dosen Pembimbing :  DONIE MARGAVIANTO, S.KOM., M.MSI. ================================================================== Contoh Alat Atau Aplikasi Sistem Cerdas Yang Diterapkan Dalam Bidang Pendidikan      Penerapan AI di berbagai bidang kehidupan melahirkan tantangan tersendiri bagi dunia pendidikan. Perguruan tinggi berkejaran dengan waktu untuk mencetak sebanyak mungkin sarjana dengan kualifikasi di bidang AI demi memenuhi kebutuhan industri.      Penerapan AI, di sisi lain, juga telah merambah sektor pendidikan, mulai dari pendidikan dasar hingga pendidikan tinggi, bahkan pendidikan profesi. AI diyakini dapat membantu manusia untuk belajar dengan lebih baik dan mencapai tujuan pendidikan yang diinginkannya.      Salah satu tantangan terbesar di dunia pendidikan adalah cara dan kecepatan belajar yang berbeda-beda pada tiap individu. Misalnya, ada muri...
Read more