Kelebihan dan Kekurangan Natural Language Processing (NLP)

Berbicara tentang era digitalisasi saat ini, memang tak terlepas dari sejumlah teknologi serba canggih yang menggunakan artificial intelligence–terutama ChatGPT yag merupakan contoh dari NLP language model (LM).

NLP adalah kemampuan suatu alat atau komputer untuk mengerti bahasa manusia. Dengan kemampuan tersebut, komputer bisa memperoleh makna atau maksud dari input yang masuk.

Teknik Natural Language Processing (NLP)

Natural Language Processing (NLP) mengacu pada cabang ilmu komputer khususnya kecerdasan buatan atau AI yang berkaitan dengan kemampuan komputer untuk memahami teks dan kata-kata yang diucapkan dengan cara yang sama seperti manusia.

Berkat NLP, kita punya teknologi seperti navigasi pada ojek online, chatbot, dsb.

Pada dasarnya, ada dua teknik utama pada NLP dalam menjalankan tugasnya tersebut, yakni:

• Semantic analysis: teknik untuk menganalisis yang fokus utamanya ada pada arti per kata
• Syntactic analysis: suatu teknik analisis yang menekankan struktur maupun hubungan antar kata

Dari kedua metode utama tersebut, kemudian teknik NLP terbagi lagi menjadi beberapa cabang, di antaranya:

PoS tagging

Part of Speech ini termasuk salah satu teknik analisis syntactic, karena lebih fokus pada hubungan antarkata. Adapun caranya ialah dengan memberikan tag pada setiap kata dan berfungsi sebagai wakil dari peranannya di dalam kalimat tersebut.

Agar tidak bingung, kamu bisa memperhatikan contoh kalimat “Saya menjual mobil kemarin”. Pada kalimat tersebut, teknik PoS Tagging menjabarkannya menjadi sebagai berikut:

• Saya – Subjek
• Menjual – Kata kerja
• Mobil – Kata benda
• Kemarin – Keterangan yang menunjukkan waktu

Tokenization

Teknik kedua ini membagi elemen besar menjadi komponen yang lebih kecil. Oleh karena itu, banyak yang menggunakan teknik tokenization ini ke dalam produknya.

Jika berada di dalam sebuah kalimat, NLP akan membaginya menjadi per suku kata.

Contoh pada kalimat “Saya akan berangkat nanti sore”, maka teknik Tokenization akan mengubahnya menjadi:

 “Saya – akan – berangkat – nanti – sore”

Lemmatization and stemming

Beberapa orang mengartikan kedua teknik ini secara terpisah, tetapi pada dasarnya metode yang digunakan adalah sama.

Cara kerjanya adalah dengan mengembalikan kata-kata ke bentuk dasar.

Setelah kembali ke kata dasar, sistem akan lebih mudah untuk memahami dan mengenali maksud dari kalimat tersebut.

Misalnya pada kata-kata seperti di bawah ini:

• Mengubah – Ubah
• Memanggil – Panggil
• Melihat – Lihat

Text classification

Teknik terakhir ini menerapkan metode semantik, karena cara kerjanya dengan mencari arti dari sekumpulan kalimat atau teks.

Setelah mengetahui maknanya, sistem akan membuat kesimpulan berupa tag.

Kamu bisa menemukan teknik ini misalnya pada sarana feedback dari pelanggan, seperti review, kolom komentar di media sosial, dan lain-lain.

Caranya yaitu mengklasifikasikan kalimat dengan tag “Memuaskan, Kecewa, Barang Bagus”.

Dengan membuat klasifikasi seperti ini, kamu tidak perlu bersusah-payah untuk membaca ratusan review yang masuk. Namun, kamu tetap bisa memperoleh manfaat yang sama, seperti cara manual.

Named Entity Recognition (NER)

Teknik NLP satu ini adalah yang paling populer, karena sangat menguntungkan dan sederhana.

Kinerja NER ini adalah dengan mendeteksi hubungan antara objek dengan subjek, maupun sebaliknya.

Contohnya hubungan antara nama dengan suatu perusahaan atau nama dengan sebuah tempat, dan lainnya.

Jadi, seandainya NER ada pada sebuah kalimat “Santo belajar di Pacmann”, maka sistem akan mendeteksi bahwa Santo dan Pacmann saling berkaitan.

Hal ini dikarenakan kedua poin tersebut terhubung dengan verba atau kata kerja.

Pacmann pernah beberapa kali merilis hasil analisis menggunakan NER ini:

• 10 Pemain dan Tim Piala Dunia 2022 Terpopuler di Twitter
• 9 Kota dengan Keluhan Macet Terbanyak di Twitter

Kelebihan dan kekurangan NLP

Merujuk pada ulasan di atas, wajar jika banyak pihak yang memanfaatkan NLP untuk berbagai keperluan. 

Namun, kamu perlu mengetahui kelebihan dan kekurangan NLP.

Kelebihan NLP

Secara umum, ada banyak kelebihan NLP yang bisa kamu manfaatkan, yaitu:

• Hemat biaya, karena tidak perlu mempekerjakan karyawan untuk menangani tugas tersebut
• Efisiensi waktu, karena program NLP mampu bekerja sangat cepat daripada manusia
• Meningkatkan respons pada layanan pelanggan, seperti chatbot
• Fleksibel, kamu bisa menerapkannya untuk berbagai kepentingan
• NLP menyuguhkan jawaban atau data yang lebih akurat
• Mendukung lintas bahasa
• Memudahkan proses dokumentasi
• Accessible atau mudah diakses
• Membantu untuk proses identifikasi dalam big data

Kekurangan NLP

Selain kelebihan di atas, ada juga beberapa kekurangan NLP yang wajib kamu pertimbangkan:

• Proses pemrograman yang lebih ribet dan sulit untuk mempelajarinya secara otodidak.
• Biaya awal memerlukan budget yang lumayan besar
• Fungsi NLP yang terkadang cukup terbatas
• Tugas NLP bersifat tunggal serta spesifik

Bagaimana cara NLP menginterpretasikan bahasa?

Merujuk daftar kelebihan dan kekurangannya, bisa terlihat bahwa kehadiran NLP lebih banyak menguntungkan pengguna.

Ini sebabnya, sekarang sudah banyak perusahaan yang memanfaatkan NLP dalam teknologi AI.

Menurut Databoks, tahun 2017 lalu saja banyak yang sudah mengadopsi teknologi AI untuk mendukung kegiatan operasionalnya.

Pengguna terbesar ialah industri teknologi yang menyentuh angka 32%.

Pencapaian ini tidak terlepas dari kecanggihannya dalam menginterpretasikan bahasa atau perintah yang masuk. Dalam proses penerjemahan tersebut, NLP mempunyai beberapa tahapan, yakni:

Morphological level

Morfem sendiri ialah bagian terkecil dari makna suatu kata. Level pertama ini tentang peranan morfem sebagai komponen terkecil dalam susunan kata.

Lexical level

Di level ini, NLP lebih fokus untuk mencari tahu tentang bagaimana cara morfem tersebut bergabung dan membentuk kata. Selanjutnya, sistem akan melaksanakan proses identifikasi setiap perbedaan dan menemukan makna dari kata tersebut.

Syntactic level

Dalam level ketiga ini, fokus sistem sudah berpindah ke susunan kalimat. Kinerjanya berkutat pada gagasan bahwa makna suatu kalimat tergantung pada tata bahasa dan urutan per kata.

Semantic level

Pada level semantik, sistem berupaya untuk memahami tentang keterkaitan konteks kata yang ada di dalam kalimat. Sebab, setiap konteks yang ada akan memengaruhi makna kata itu sendiri di tingkat individu.

Discourse level

Level lanjutan ini mencari tahu tentang teknis antarkalimat bisa berkaitan satu sama lain pada suatu teks. Teknologi NLP akan melakukan identifikasi, baik dalam pengaturan maupun urutan kalimat, karena turut menentukan maknanya.

Pragmatic level

Tahapan terakhir dari kinerja NLP ialah pragmatic level. Di sini, sistem berusaha untuk membuat kesimpulan berdasarkan makna yang paling mungkin dan masuk akal.

Caranya adalah dengan menempatkan kata ataupun kalimat, sesuai pengetahuan dunia serta kesadaran situasional.

Dalam tahapan ini, biasanya komputer sudah mampu mengerjakan perintah dari pengguna.

Hebatnya, sistem pada NLP ini mampu bekerja sangat cepat, sehingga kamu tidak perlu menunggu terlalu lama untuk memperoleh manfaat.

Tidak heran, jika di masa depan, teknologi NLP pada artificial intelligence semakin populer.

Kamu bisa begabung di program AI and ML Engineering Pacmann untuk belajar NLP dan machine learning untuk unstructured data lebih lanjut.

Further reading:

What is natural language processing?

Memanfaatkan NLP untuk Menamai Titik Penjemputan