TUGAS PENGANTAR TEKNOLOGI SISTEM CERDAS KE- 2.4
JUM'AT, 18 OKTOBER 2019
DOSEN PEMBIMBING : DONIE MARGAVIANTO, SKOM.,MMSI
_________________________________________________________________________________
1. Text-based application adalah segala macam aplikasi yang melakukan proses terhadap teks tertulis seperti misalnya dokumen, e-mail, buku dan sebagainya. Contoh jenis aplikasi NLP yang berbasis teks :
Machine Translation
Program yang mampu mentranslasi kalimat baik berupa teks maupun suara dari satu bahasa alami ke bahasa lainnya. Contoh : Google Translate.
2. Dialogue-based application idealnya melibatkan bahasa lisan atau pengenalan suara, akan tetapi bisa juga memasukan interaksi dialog dengan mengetikkan teks pertanyaan melalui keyboard. Contoh :
Chatbot
Chatbot adalah program komputer yang didesain untuk mensimulasikan sebuah percakapan cerdas dengan satu atau lebih pengguna manusia melalui inputan suara atau teks, utamanya digunakan untuk percakapan kecil. Contoh : Cleverbot, SimSimi, dan begobet.
Contoh:
Arini Islahul Ni'mah
1B119879 - 3KA20
Sistem Informasi
Fakultas Ilmu Komputer dan Teknologi Informasi
Universitas Gunadarma
1B119879 - 3KA20
Sistem Informasi
Fakultas Ilmu Komputer dan Teknologi Informasi
Universitas Gunadarma
_________________________________________________________________________________
Pengolahan Bahasa Alami
Disingkat PBA atau NLP (natural language processing), adalah cabang ilmu komputer dan linguistik yang mengkaji interaksi antara komputer dengan bahasa (alami) manusia. NLP sering dianggap sebagai cabang dari kecerdasan buatan dan bidang kajiannya bersinggungan dengan linguistik komputasional.
Kajian NLP (natural language processing) antara lain mencakup :
1. Segmentasi Tuturan (speech segmentation) : proses identifikasi batas antara kata, suku kata, atau fonem pada bahasa alami lisan. Istilah ini digunakan baik bagi proses mental yang dilakukan oleh manusia, maupun proses buatan oleh pemrosesan bahasa alami.
2. Segmentasi Teks (text segmentation) : proses pemisahan teks tertulis menjadi unit makna seperti kata, kalimat, atau topik.
3. Penandaan Kelas Kata (part-of-speech tagging) : proses penandaan kata pada suatu teks dalam kaitannya dengan suatu kelas kata tertentu berdasarkan definisi dan maknanya hubungannya dengan kata yang mendampingi atau yang terkait dengannya pada suatu frasa, kalimat, atau paragraf.
4. Pengawataksaan Makna (word sense disambiguation) : masalah terbuka pemrosesan bahasa alami berupa proses identifikasi makna kata polisemi yang digunakan pada suatu kalimat
Meskipun kajiannya dapat mencakup teks dan tuturan, pemerosesan tuturan (speech processing) telah berkembang menjadi suatu bidang kajian terpisah.
Kategori Aplikasi Bahasa Alami
Beberapa diantara berbagai kategori aplikasi NLP adalah sebagai berikut:
1. Natural Language Translator, yaitu translator dari satu bahasa alami ke bahasa alami lainnya, misalnya translator bahasa Inggris ke bahasa Indonesia, dsb.
2. Translator bahasa alami ke bahasa buatan, yaitu translator yang mengubah perintah-perintah dalam bahasa alami menjadi bahasa buatan yang dapat dieksekusi oleh mesin atau komputer. Contohnya untuk menghapus semua file, pengguna cukup memberikan perintah ”komputer, tolong hapus semua file !” Translator akan mentranslasikan perintah bahasa alami tersebut menjadi perintah bahasa formal yang dipahami oleh komputer, yaitu ”dir *.* ”.
3. Text Summarization, yaitu suatu sistem yang dapat ”membuat ringkasan” hal-hal yang penting dari suatu wacana yang diberikan.
Kajian NLP (natural language processing) antara lain mencakup :
1. Segmentasi Tuturan (speech segmentation) : proses identifikasi batas antara kata, suku kata, atau fonem pada bahasa alami lisan. Istilah ini digunakan baik bagi proses mental yang dilakukan oleh manusia, maupun proses buatan oleh pemrosesan bahasa alami.
2. Segmentasi Teks (text segmentation) : proses pemisahan teks tertulis menjadi unit makna seperti kata, kalimat, atau topik.
3. Penandaan Kelas Kata (part-of-speech tagging) : proses penandaan kata pada suatu teks dalam kaitannya dengan suatu kelas kata tertentu berdasarkan definisi dan maknanya hubungannya dengan kata yang mendampingi atau yang terkait dengannya pada suatu frasa, kalimat, atau paragraf.
4. Pengawataksaan Makna (word sense disambiguation) : masalah terbuka pemrosesan bahasa alami berupa proses identifikasi makna kata polisemi yang digunakan pada suatu kalimat
Meskipun kajiannya dapat mencakup teks dan tuturan, pemerosesan tuturan (speech processing) telah berkembang menjadi suatu bidang kajian terpisah.
Kategori Aplikasi Bahasa Alami
Beberapa diantara berbagai kategori aplikasi NLP adalah sebagai berikut:
1. Natural Language Translator, yaitu translator dari satu bahasa alami ke bahasa alami lainnya, misalnya translator bahasa Inggris ke bahasa Indonesia, dsb.
2. Translator bahasa alami ke bahasa buatan, yaitu translator yang mengubah perintah-perintah dalam bahasa alami menjadi bahasa buatan yang dapat dieksekusi oleh mesin atau komputer. Contohnya untuk menghapus semua file, pengguna cukup memberikan perintah ”komputer, tolong hapus semua file !” Translator akan mentranslasikan perintah bahasa alami tersebut menjadi perintah bahasa formal yang dipahami oleh komputer, yaitu ”dir *.* ”.
3. Text Summarization, yaitu suatu sistem yang dapat ”membuat ringkasan” hal-hal yang penting dari suatu wacana yang diberikan.
Contoh :
Aplikasi Pengolahan Bahasa Alami
1. Text-based application adalah segala macam aplikasi yang melakukan proses terhadap teks tertulis seperti misalnya dokumen, e-mail, buku dan sebagainya. Contoh jenis aplikasi NLP yang berbasis teks :
Machine Translation
Program yang mampu mentranslasi kalimat baik berupa teks maupun suara dari satu bahasa alami ke bahasa lainnya. Contoh : Google Translate.
2. Dialogue-based application idealnya melibatkan bahasa lisan atau pengenalan suara, akan tetapi bisa juga memasukan interaksi dialog dengan mengetikkan teks pertanyaan melalui keyboard. Contoh :
Chatbot
Chatbot adalah program komputer yang didesain untuk mensimulasikan sebuah percakapan cerdas dengan satu atau lebih pengguna manusia melalui inputan suara atau teks, utamanya digunakan untuk percakapan kecil. Contoh : Cleverbot, SimSimi, dan begobet.
Contoh:
Aplikasi Pengolah Bahasa Alami untuk Query Basisdata Akademik dengan Format Data Xml
1. Aplikasi ini mampu memberikan informasi akademik dengan format data XML dari sebuah permintaan berupa masukan dalam bahasa Indonesia.
2. Terdapat 7 aturan produksi yang dapat diimplementasikan dalam query bahasa Indonesia yang mampu dijawab oleh aplikasi ini.
3. Jika terdapat kesalahan dalam memberikan masukan query, maka aplikasi ini mampu memberikan peringatan terhadap kesalahan masukan query. Tetapi aplikasi ini belum mampu memberikan koreksi otomatis sebagai alternatif perbaikan kesalahan.
4. Aplikasi ini mampu memberikan keluaran berupa tabel yang berisi data. Aplikasi ini juga mampu menampilkan XQuery hasil translasi dari kalimat masukan, dalam hal ini berupa pernyataan SQL dalam format XML.
Sumber :
http://eprints.dinus.ac.id/13151/1/jurnal_13588.pdf, diakses pada 20 Oktober 2019 20:00 WIB
http://staff.uny.ac.id/system/files/pengabdian/abdurrohman-drs-st/spk3.pdf, diakses pada 20 Oktober 2019 20:31 WIB
http://eprints.ums.ac.id/30915/22/NASKAH_PUBLIKASI.pdf, diakses pada 20 Oktober 2019 20:37 WIB
https://er2c.pens.ac.id/adroit/, diakses pada 21 Oktober 2019 09:46 WIB
http://bundet.com/pub/detail/komputer-vision-implementasinya-1538535812, diakses pada 21 Oktober 2019 10:50 WIB
http://ardiwinahyu.blogspot.com/2015/04/pengertian-computer-vision-dan.html, diakses pada 21 Oktober 2019 10:51 WIB
http://thyamersita.blogspot.com/2016/10/penerapan-aplikasi-computer-vision.html, diakses pada 21 Oktober 2019 11:04 WIB
http://taratri.blogspot.com/2016/12/pengolahan-bahasa-alami-natural_10.html, diakses pada 21 Oktober 2019 11:54 WIB
https://media.neliti.com/media/publications/245639-aplikasi-pengolah-bahasa-alami-untuk-que-73326e63.pdf, diakses pada 21 Oktober 2019 11:55 WIB
http://apranolo.tif.uad.ac.id/wp-content/uploads/2014/12/Bab-5-Natural-Language-Processing.pdf, diakses pada 21 Oktober 2019 11:55 WIB
http://eprints.ums.ac.id/30915/22/NASKAH_PUBLIKASI.pdf, diakses pada 20 Oktober 2019 20:37 WIB
https://er2c.pens.ac.id/adroit/, diakses pada 21 Oktober 2019 09:46 WIB
http://bundet.com/pub/detail/komputer-vision-implementasinya-1538535812, diakses pada 21 Oktober 2019 10:50 WIB
http://ardiwinahyu.blogspot.com/2015/04/pengertian-computer-vision-dan.html, diakses pada 21 Oktober 2019 10:51 WIB
http://thyamersita.blogspot.com/2016/10/penerapan-aplikasi-computer-vision.html, diakses pada 21 Oktober 2019 11:04 WIB
http://taratri.blogspot.com/2016/12/pengolahan-bahasa-alami-natural_10.html, diakses pada 21 Oktober 2019 11:54 WIB
https://media.neliti.com/media/publications/245639-aplikasi-pengolah-bahasa-alami-untuk-que-73326e63.pdf, diakses pada 21 Oktober 2019 11:55 WIB
http://apranolo.tif.uad.ac.id/wp-content/uploads/2014/12/Bab-5-Natural-Language-Processing.pdf, diakses pada 21 Oktober 2019 11:55 WIB
Comments
Post a Comment