nlp

Apa itu Natural Language Processing (NLP)? Berikut Pengertian dan Contohnya!

Dulu, mengharapkan mesin untuk bisa memahami bahasa manusia rasanya mustahil. Tapi untungnya sekarang tidak lagi, berkat teknologi Natural Language Processing (NLP).

Apa kamu pernah mendengar kata NLP sebelumnya? Yaa, walaupun pamornya tidak setinggi “big data” atau “machine learning”, tapi sebetulnya peran NLP sudah kita rasakan sehari-hari.

Contohnya, fitur translate di media sosial dan chatbot adalah contoh penggunaan teknologi NLP. Selain itu, masih banyak lagi contoh natural language processing yang akan kita bahas di sini.

Tapi, sebelum membahasnya lebih dalam, tentunya kamu harus tahu dulu apa itu Natural Language Processing, manfaatnya, dan juga cara kerjanya. Yuk disimak satu per satu!

Apa itu Natural Language Processing (NLP)?

Natural Language Processing alias NLP adalah salah satu bidang di dalam ilmu Artificial Intelligence (AI) alias kecerdasan buatan. Tujuan utama bidang ini adalah untuk membantu mesin memahami bahasa manusia secara lebih akurat.

Jadi, NLP memanfaatkan ilmu linguistik dan ilmu komputer untuk “mengajarkan” mesin cara menganalisis dan mencari makna dari rantaian kata-kata.

ilustrasi mengetik kata kata menggunakan natural language processing

Contohnya begini, misalkan kamu menemukan kalimat berbahasa inggris yang isinya: “We need to address this issue”, dan kamu ingin menerjemahkannya ke bahasa Indonesia.

Lalu, kamu menggunakan alat terjemahan manual yang tidak didukung NLP. Tanpa memahami konteks dan makna kalimat, alatnya pun menerjemahkan kalimatnya jadi: “Kita butuh ke alamat isu ini”. 

Kacau sekali, bukan?

Kemudian, setelah menerjemahkan kalimatnya lagi dengan menggunakan alat yang didukung NLP, kamu mendapat kalimat: “Kita harus membahas masalah ini”, yang mana berhasil menangkap konteks kalimatnya dengan baik.

Kurang lebih seperti itulah pengertian singkat dan gambaran penggunaan NLP. Selanjutnya, kita akan membahas tentang berbagai manfaat yang ditawarkan teknologi ini.

Apa Manfaat Natural Language Processing?

Sebetulnya manfaat NLP sudah tertera di definisinya, yaitu “membantu mesin memahami bahasa manusia”. Tapi, kalimat ini sepertinya masih terdengar cukup abstrak.

Oleh karena itu, berikut adalah beberapa contoh manfaat natural language processing yang bisa kamu rasakan secara langsung:

1. Melakukan Analisis secara Lebih Akurat

Bayangkan kamu sedang menganalisis ratusan kuesioner yang berisi jawaban essay dari tiap responden. Pasti repot sekali, kan? 

Selain itu, ada pula risiko salah menafsirkan data. Bisa jadi karena kelelahan atau penilaian yang terlalu subjektif.

Untungnya, hal ini bisa diatasi dengan teknologi NLP. Karena, alat yang didukung NLP bisa menganalisis data apa adanya. Mesin juga tidak akan memberikan penilaian yang bias, sehingga hasil analisisnya bisa jadi lebih akurat.

2. Meneliti Banyak Data Sekaligus

Masih dengan skenario yang sama seperti contoh di atas. Jika kamu sedang meneliti ratusan data dalam waktu bersamaan, tentunya ini akan sangat melelahkan.

Sedangkan NLP mampu menganalisis data teks dalam jumlah yang banyak. Mulai dari review konsumen, komentar di akun media sosial, dan lain sebagainya. 

3. Mengurangi Biaya Analisis

Jika kamu ingin merekrut orang untuk melakukan analisis data secara manual, tentu kamu harus menyiapkan budget untuk gaji terlebih dulu. 

Hasilnya pun belum tentu bisa didapat dalam waktu dekat, karena analisisnya mesti dilakukan satu per satu, dan manusia punya batasan berupa jam kerja.

Lain halnya dengan alat analisis teks yang didukung NLP, kamu bisa menggunakannya 24 jam non-stop. Hasil analisisnya pun bisa didapat dalam waktu yang jauh lebih singkat.

4. Memahami Pasar secara Lebih Baik

Apakah tanpa NLP kamu bisa memahami pasar? Tentu bisa. Tapi, NLP menawarkan cara yang lebih mudah.

Kamu bisa mengetahui sentimen pasar secara instan menggunakan NLP. Contohnya, kamu bisa meneliti ratusan review konsumen secara online untuk mencari tahu apakah pandangan konsumen terhadap produkmu positif atau malah sebaliknya.

Dengan begitu, kamu akan tahu apa yang mesti kamu lakukan untuk memuaskan keinginan pasar.

ilustrasi jabat tangan setelah wawancara

5. Meningkatkan Kepuasan Pelanggan

Kamu juga bisa memanfaatkan NLP untuk melayani pelanggan lho. Contohnya, misalkan bisnismu menawarkan layanan support dengan sistem tiket.

Nah, dari berbagai tiket yang masuk, NLP bisa menyortir komplain dan pertanyaan berdasarkan topik dan juga urgensinya.

Jadi, kamu bisa dengan mudah mengetahui tiket mana yang tingkat urgensinya paling tinggi, dan juga mengelompokkan tiket-tiket yang isi masalahnya kurang lebih serupa. Praktis banget, kan?

Baca juga: Tipe Data Pemrograman yang Wajib Diketahui Programmer

Bagaimana Cara Kerja NLP?

Setelah mengetahui berbagai manfaatnya di atas, pastinya kamu penasaran kan dengan cara kerja Natural Language Processing?

Berhubung NLP adalah cabang dari ilmu Artificial Intelligence, cara kerjanya bisa dibilang semi-otomatis. Di awal, kamu mesti “mengajarkan” mesin cara “membaca” dengan benar, lalu mesin akan berusaha memahami sendiri kata-kata yang mereka temukan.

ilustrasi mengetik keyboard di laptop

Setidaknya itu penjelasan gampangnya. Tapi, jika ingin dijelaskan secara lebih detail, kurang lebih alur cara kerja NLP seperti ini:

  1. NLP akan melakukan text vectorization terlebih dulu. Artinya, NLP akan menerjemahkan kata-kata yang ditemukan menjadi sekumpulan angka yang dapat dimengerti mesin. 
  2. Algoritma machine learning NLP perlu diberikan “data percobaan” serta “output yang diharapkan”. Contohnya, misalkan kamu memasukkan teks “saya suka produk ini”, lalu memasukkan output “Ramah”.
  3. Kemudian, NLP secara otomatis akan menggunakan metode analisis statistik untuk membangun wawasan berdasarkan data yang kamu masukkan tadi. Sehingga, alatnya bisa memprediksi output untuk teks selanjutnya.
  4. Semakin banyak data yang dimasukkan, semakin akurat output yang akan dihasilkan. Karena alatnya jadi punya lebih banyak referensi untuk dipelajari.

Lalu hasilnya seperti apa? Contohnya seperti ini:

  • Produk ini sangat membantu saya (Ramah)
  • Produknya bisa berfungsi dengan baik, tapi tidak istimewa (Netral)
  • Saya merasa rugi telah membeli produk ini (Tidak ramah)

Nah, terlepas dari tujuan penggunaannya, cara kerja NLP kurang lebih sama seperti di atas. BIasanya, perbedaannya hanya terletak pada teknik analisis yang digunakan.

Apa Saja Teknik yang Digunakan dalam NLP?

Ada banyak teknik analisis yang digunakan dalam teknologi NLP. Walau begitu, rata-rata tekniknya memiliki dasar yang sama, antara analisis semantik atau analisis syntactic:

  • Analisis Semantik – Jenis analisis yang berfokus pada makna per kata.
  • Analisis Syntactic  – Jenis analisis yang lebih menekankan pada hubungan antar kata atau struktur teks di dalam kalimat.

Jadi, dari kedua jenis analisis tersebut, muncullah berbagai cabang teknik analisis yang digunakan dalam teknologi NLP, di antaranya adalah:

1. Part of Speech (PoS) Tagging

Part of Speech Tagging adalah merupakan salah satu contoh teknik yang menggunakan analisis syntactic. Karena, teknik ini berusaha untuk memperhatikan hubungan antar kata.

Caranya adalah dengan memasang “tag” di masing-masing kata. Nah, tag-nya sendiri mewakili peran masing-masing kata di dalam kalimatnya.

Terdengar cukup membingungkan? Sederhananya begini. Misalkan kamu melihat kalimat: “Kemarin, saya membeli laptop”.

Maka, alat yang menggunakan PoS Tagging akan membaca kalimatnya seperti ini:

  • “Kemarin”: Keterangan waktu 
  • “Saya”: Subjek 
  • “Membeli”: Kata kerja 
  • “Laptop”: Kata benda

Dengan cara ini, mesin atau alatnya dapat memahami konteks kalimatnya secara lebih mudah 

2. Lemmatization

Berbeda dengan PoS Tagging, dasar dari Lemmatization adalah analisis semantik. Karena, teknik ini berusaha untuk mengungkap konteks tulisan dengan melihat bentuk dasar dari masing-masing kata.

Contohnya, misalkan ada sebuah review online yang isinya: “Saya udah beli produknya kemarin, dan saya ngerasa puas banget”.

Jika teknik analisis yang digunakan adalah Lemmatization, maka kalimat yang dibaca mesin adalah sebagai berikut: “Saya”, “Sudah”, “Beli”, “Produk”, “Kemarin”, “Dan”, “Saya”, “Rasa”, “Puas”, “Banget”.

Seperti yang kamu lihat, kata “Ubah” diganti ke bentuk dasarnya, yaitu “Sudah”. Kata “Ngerasa” pun diubah menjadi “Rasa”.

Dengan melihat bentuk dasar dari masing-masing kata, mesin bisa memahami struktur kata secara lebih lengkap, baik yang bentuknya lebih singkat maupun ditambahkan imbuhan.

3. Tokenization

Teknik NLP lainnya yang perlu kamu ketahui adalah tokenization. Pada dasarnya teknik ini sangat simpel, tapi justru teknik ini merupakan salah satu yang cukup sering digunakan.

Cara kerjanya tidak begitu rumit. Teknik ini hanya berusaha untuk membagi elemen di dalam elemen yang lebih besar. 

Contohnya, tokenization yang dilakukan di dalam paragraf akan membagi kalimat-kalimat yang ada di dalamnya. Sedangkan tokenization yang dilakukan di dalam kalimat akan membagi kata-kata yang ada di dalam kalimatnya. 

Jadi, tokenization yang dilakukan pada kalimat “Saya merasa puas dengan produk ini” akan menghasilkan output seperti ini: “Saya” “Merasa” “Puas” “Dengan” “Produk” “Ini”.

Baca juga: 13+ Jenis Database yang Wajib Kamu Ketahui

4. Named Entity Recognition

Selain tokenization, teknik analisis lain yang cukup populer digunakan dalam teknologi NLP adalah Named Entity Recognition.

Sederhananya, teknik ini berusaha untuk mencari tahu hubungan antara subjek dengan objek. Contohnya, seperti nama dengan tempat, nama dengan perusahaan, dan sejenisnya.

Jadi, jika teknik ini digunakan pada kalimat “Budi bekerja di Bitlabs”, maka mesinnya akan menyimpulkan bahwa kata “Budi” dan “Bitlabs” saling berhubungan. Sebab, keduanya dihubungkan dengan kata kerja.

5. Text Classification

Text classification merupakan teknik lain yang dibuat berdasarkan analisis semantik. Karena, teknik ini berupaya untuk mencari tahu makna dari sekumpulan teks, lalu menyimpulkannya dalam bentuk “tag”.

Contohnya, penilaian kalimat menggunakan tag “Ramah”, “Netral”, dan “Tidak ramah” merupakan salah satu bentuk implementasi text classification.

Itulah mengapa teknik ini seringkali digunakan untuk menganalisis sentimen. Entah itu di kolom review, kolom komentar, atau wadah feedback lainnya.

Baca juga: Apa itu Dataset? Berikut Pengertian, Contoh, serta Jenis-jenisnya!

5 Contoh Natural Language Processing dalam Kehidupan Sehari-hari

Walau NLP kedengarannya sangat kompleks, tapi sebetulnya teknologi ini sangat dekat dengan aktivitas kita sehari-hari lho.

Tidak percaya? Berikut adalah beberapa contoh fitur dan alat yang didukung teknologi NLP:

1. Autocorrect

Autocorrect memungkinkan perangkat untuk memprediksi kata-kata yang akan diketik oleh penggunanya. Contohnya, jika kamu tidak sengaja menulis “tdiak”, fitur ini pasti akan otomatis membetulkannya menjadi “tidak”.

Nah, dari mana autocorrect tahu kata mana yang perlu diperbaiki? Jawabannya tentu NLP. Karena, fitur ini dapat mempelajari kata-kata yang penulisannya benar dan salah. 

Sehingga, ketika autocorrect menemukan kata yang berada di luar “kamus”-nya, kata tersebut akan langsung dikoreksi. 

2. Filter Email

Pernahkah kamu bertanya-tanya, kok Gmail bisa membedakan pesan yang harus masuk ke Inbox, kotak Promotion, Social, dan juga Spam? 

Lagi-lagi ini karena dukungan Natural Language Processing. Jadi, NLP menganalisis seluruh konten pesannya, mulai dari judul hingga isinya.

Setelah itu, barulah masing-masing pesan diberikan tag sesuai dengan isinya. Contohnya, jika di dalamnya terdeteksi ada pesan dari Facebook atau Instagram, berarti kemungkinan besar pesannya akan dimasukkan ke kotak Social.

Atau, jika pesannya berasal dari alamat email tak dikenal dan isinya pun mengandung kata-kata dan link yang mencurigakan, kemungkinan besar pesannya akan mendapat tag Spam.

3. Mesin Penerjemah

ilustrasi google translate

Jika kamu menggunakan Google Translate di sekitar tahun 2010, mungkin kamu akan merasa kecewa karena hasil terjemahannya sangat tidak terstruktur.

Lain halnya dengan Google Translate saat ini. Walaupun terjemahannya belum sepenuhnya sempurna, tapi setidaknya output yang dihasilkan sudah jauh lebih baik. 

Dengan terus berkembangnya ilmu kecerdasan buatan seperti NLP, mesin tak lagi sekadar menerjemahkan kata per kata. Tapi, juga melihat makna katanya di dalam kalimat.

4. Chatbot

Chatbot merupakan salah satu teknologi yang sangat mengandalkan NLP. Hal ini wajar, mengingat chatbot harus mampu memahami kalimat manusia agar bisa memberikan jawaban yang tepat.

Contohnya, jika ada pengunjung website yang bertanya “bagaimana cara melakukan tracking pembelian?”, tentunya chatbot harus bisa menjelaskan langkah-langkahnya secara akurat.

Hal ini menjadi bukti bahwa NLP memberikan pengaruh positif terhadap perkembangan customer support. Karena, para pembeli jadi bisa mengetahui apa yang mereka inginkan secara akurat dan tanpa harus menunggu lama-lama.

5. Voice Assistant

Saat melihat kata voice assistant mungkin kamu sedikit heran, bukankah NLP hanya berurusan dengan tulisan saja ya?

Nyatanya, NLP sangat berkaitan erat dengan fitur ini. Karena, ketika perangkat voice recognition sedang merekam suara, nanti suaranya akan dikonversi menjadi kata. Lalu, kata yang diperoleh baru diidentifikasi maknanya oleh NLP. 

Contohnya, misalkan kamu menyalakan smartphone lalu berkata “Ok Google, sekarang sudah jam berapa?”. Rekaman suaramu akan dideteksi sebagai teks, lalu setelah perangkatmu memahami maknanya, kamu akan mendapat jawaban dari pertanyaanmu.

ilustrasi mengecek aplikasi di smartphone

Sudah Paham tentang Natural Language Processing?

Oke, sekarang kamu sudah paham apa itu natural language processing. Mulai dari manfaatnya, cara kerjanya, hingga contoh penggunaannya di kehidupan sehari-hari.

Intinya, natural language processing adalah suatu teknologi yang dapat membantu mesin untuk memahami bahasa manusia. Sederhana sekali, bukan?

Karena NLP punya kaitan erat dengan ilmu kecerdasan buatan (AI) dan machine learning, teknologi ini juga cukup populer di kalangan data scientist.

Nah, jika kamu ingin tahu berbagai informasi dan juga perkembangan teknologi di dunia data, kamu bisa gabung ke Komunitas Data Science Bitlabs Academy!

Di sana, kamu bisa mendapat banyak wawasan baru terkait data science. Tidak hanya itu, kamu juga bisa saling berbagi dengan seluruh member yang tergabung di komunitas ini.

Tertarik? Yuk klik banner di bawah untuk join sekarang juga!

banner discord data science bitlabs

Comments

Leave a Reply

Your email address will not be published. Required fields are marked *

Loading…

0
daftar pertanyaan interview kerja

25+ Pertanyaan Interview Kerja dan Cara Menjawabnya

visualisasi data

Apa itu Visualisasi Data? Ini Hal yang Kamu Wajib Tahu!