Kecanggihan perangkat elektronik terus berkembang terutama jika dilihat dari aspek fungsionalitas yang telah mengadopsi teknologi kecerdasan buatan. Perangkat tersebut di antaranya memiliki kemampuan untuk berinteraksi dengan manusia sehingga dapat dikatakan hal ini merupakan interaksi antara mesin dan manusia. Mesin-mesin yang semakin canggih ini telah menjadi bagian yang tidak terpisahkan dari kehidupan kita, mulai dari search engine, virtual assistant, autocorrect, translate, filtering email, dan lain-lain. Banyak aspek dalam kehidupan kita yang telah dibantu dengan adanya teknologi yang mengandalkan artificial intelligence pada perangkat yang kita gunakan sehari-hari. 

Lalu bagaimana proses interaksi antara manusia dan mesin ini dapat terjadi. Dalam proses interaksi ini, Natural Language Processing memainkan peran penting sehingga mesin dapat memahami bahasa manusia. Natural Language Processing yang biasa disingkat NLP sendiri merupakan salah satu cabang dari Artificial Intelligence (AI) yang berfokus pada pengolahan bahasa yang secara umum digunakan oleh manusia dalam berkomunikasi. Dengan NLP, memungkinkan komputer untuk melakukan analisis dan pemrosesan bahasa manusia dalam bentuk lisan maupun tulisan.

 Natural Language Processing yang merupakan salah satu dalam bidang computer science memiliki tantangan tersendiri dalam pengembangannya. Hal tersebut karena potensi ambiguitas dalam bahasa manusia dan juga kompleksitas bahasa manusia. Sehingga dapat kita ketahui bahwa Natural Language Processing menggabungkan dua bidang ilmu besar yakni ilmu komputer dan ilmu linguistik.

Kemudian jika ditinjau dari pembagian jenis data, maka data yang tidak terstruktur saat ini jumlahnya sangat besar bahkan mendominasi dibandingkan dengan data terstruktur. Beberapa contoh data tidak terstruktur tersebut adalah teks dan suara yang merupakan di antara data yang diolah oleh Natural Language Processing (NLP). Jenis data tidak terstruktur ini merupakan data dengan bentuk yang tidak dikenal sehingga harus disimpan dengan format khusus karena tidak memiliki struktur yang spesifik seperti halnya jenis data yang terstruktur. Dan raw data dari jenis data ini hanya dapat menghasilkan nilai setelah diproses dan dianalisis. Untuk memproses raw data dengan jenis data tidak terstruktur ini, terdapat langkah-langkah yang dapat dilakukan seperti tokenization, stemming, lemmatization dan lain-lain.

Pada zaman sekarang, data berupa teks sangat melimpah dan akan menjadi tantangan bagi yang ingin mengolah dan menganalisis karena akan jarang ditemukan data yang sudah bersih artinya data tersebut seringkali mengandung kesalahan, ketidakkonsistenan, dan format yang tidak seragam. Hal ini bisa terjadi karena misalnya kesalahan ketik, penggunaan istilah yang berbeda untuk hal yang sama, variasi ejaan, dan lain-lain. Sehingga seperti halnya jenis data yang lain, data berupa teks juga akan melalui tahap pre-processing.

Kemudian jika diamati pada zaman sekarang, akan sering ditemui interaksi antara manusia dan mesin. Pada interaksi tersebut, dapat kita lihat banyak yang merupakan contoh aplikatif Natural Language Processing yang sering kita gunakan tapi mungkin tidak kita sadari. Penerapan Natural Language Processing ini juga dapat dimanfaatkan bagi dunia perkantoran seperti memanfaatkan text extraction dan NLP terhadap dokumen hasil scan yang biasanya dalam bentuk gambar. Dengan menggabungkan teknik text extraction yang menggunakan teknologi OCR (Optical Character Recognition) dan model NLP, maka dapat dilakukan untuk analisis teks untuk berbagai tujuan seperti otomatisasi tugas-tugas administrasi, analisis sentimen, pencarian informasi dari dokumen yang besar.

Natural Language Processing (NLP) sebagai cabang ilmu komputer yang berfokus pada interaksi antara komputer dan bahasa membutuhkan kerja sama dengan algoritma-algoritma yang terdapat pada teknik Machine Learning seperti Naive Bayes, Support Vector Machine (SVM) ataupun teknik Deep Learning seperti Recurrent Neural Networks, long short-term Memory, Convolutional Neural Networks. Sehingga pada dasarnya Natural Language Processing, Machine Learning, dan Deep Learning saling terkait dan bergantung satu sama lain. Algoritma dari Machine Learning dan Deep Learning membantu NLP dalam memahami makna teks, mengidentifikasi pola, dan membuat prediksi.

Kemudian dalam NLP untuk menentukan teknik dan algoritma apa yang digunakan dalam memproses data tergantung dari tujuan dan jenis data yang dikerjakan. Sebagai contoh adalah penggunaan algoritma naive bayes atau support vector machine untuk tujuan klasifikasi dengan data berupa teks terstruktur. Adapun untuk contoh dari algoritma Deep Learning adalah seperti Transformer yang saat ini sangat populer untuk berbagai tugas NLP. Transformers yang diperkenalkan pada tahun 2017 dalam paper "Attention is All You Need" oleh Vaswani dkk. diterapkan oleh google translate. Dengan menggunakan transformers, google translate mampu menghasilkan terjemahan yang lebih akurat, cepat dan berkualitas. Mekanisme “self-attention” yang digunakan transformers memungkinkan model melihat seluruh kata dalam kalimat secara bersamaan sehingga seperti memberikan model banyak perspektif sekaligus dan dapat memahami hubungan antar kata meskipun terpisah jauh.

Penelitian dan pengembangan di bidang Natural Language Processing (NLP) terus berkembang. Hal ini tidak terlepas dari turut berkembang juga teknologi komputer dan jumlah data yang selalu meningkat. Selain itu manfaat NLP dalam kehidupan sehari-hari yang mungkin sering kita rasakan seperti spam detection, chatbot, machine translation dan lain-lain menjadikan NLP memiliki peran sangat penting sehingga data yang tersedia dapat dioptimalkan untuk tujuan membantu manusia.  

Penulis : Satria Rahman (Pelaksana Seksi Hukum dan Informasi)

Reviewer : Dian Muhammad Gufron (Pusintek)

sumber :

https://socs.binus.ac.id/2013/06/22/natural-language-processing/

Vajjala,Sowmya et. all. (2020). Practical Natural Language Processing : A Comprehensive Guide to Building.

Swastiko, Lugas., & Achmad Fauzi. (2023). Implementasi Teknologi Chatbot Pada Contact Center Kring Pajak 1500200: Dampak Terhadap Kapasitas Layanan

https://medium.com/what-is-artificial-intelligence/introduction-to-transformer-networks-how-google-translate-works-attention-is-all-you-need-309827c9b942

https://www.youtube.com/watch?v=CMrHM8a3hqw&ab_channel=Simplilearn

https://www.youtube.com/watch?v=fLvJ8VdHLA0&ab_channel=IBMTechnology

https://gemini.google.com/

https://chat.openai.com/