DAFTAR ISI

Kata Pengantar…………………….

…………………………………………………………………………
1. Pendahuluan ………………………………. ………………………………………………………………………………………. 3 3

2

Latar Belakang……………………………….
…………………………………………………………………………………… 2. Isi………………………………. ……………………………………………………………………………………………………… … 5 1. Pengertian………………………………. ……………………………………………………………………………………… 2. Bahasa Alami………………………………. ……………………………………………………………………………… 2.1 Komponen 2.2 Sistem 2.2.1 Sistem Speech 6 5

Utama Pemrosesan

Pengolahan
6

Bahasa Bahasa

Alami Alami

…………………………………………………..

……………………………………………………………………… 6

Recognition……………………………………………………………………
7 2.2.2 Sistem Text to

Speech…………………………………………………………………………….
9 2.2.3 Natural Language

Processing…………………………………………………………………
2.3 Aplikasi 3. Bidang

11

Pengolahan Pengetahuan

Bahasa
12

Alami Natural
15

……………………………………………………………………

Dalam

Language…………………………………………………………
3.1 Proses

Sintaksis……………………………………………………………………………………
………………… 17 1

3.2 Gramatika

………………………………. 17

……………………………………………………………………………… 3.3 Chomsky

Hierarchy

Of
19

Generative

Grammar………………………………………………………

3.4 Parsing…………………………………………………………………………………… ………………………………… 20

3.5 Semantik………………………………………………………………………………… …………………………………21 3.6 Semantik

Grammar…………………………………………………………………………………
……………… 22

3.7 Automated Transition Networks (ATN) ………………………………. …………………………… 24

3. Penutup………………………………. ……………………………………………………………………………………………… 1. Kesimpulan………………………………. …………………………………………………………………………… 2. Daftar Pustaka………………………………. ……………………………………………………………………… 29 27 27

KATA PENGANTAR

2

Penulis menyadari akan kekurangan dan ketidak-sempurnaan dalam penulisan ini. Serta rekanrekan yang memeberikan masukkan dan motivasinya kepada kelompok kami. Yang didalamnya membahas secara menyeluruh tentang Natural Language Processing. Demikianlah tugas ini kami susun semoga bermanfaat untuk kita semua.1 Latar Belakang Teknologi berkembang semakin cepat dari waktu ke waktu karena penemuan satu teknologi baru dapat mempercepat penemuan teknologi berikutnya. Terima kasih kami sampaikan kepada Bapak Victor Amrizal selaku dosen mata kuliah Kecerdasan Buatan yang telah memberikan kuliah demi lancarnya tugas ini. Dalam sejarah peradaban 3 . Makalah ini merupakan tugas mata kuliah Kecerdasan Buatan dengan materi “Natural Language Processing” atau Pemrosesan Bahasa Alami. karenanya kritik dan saran yang membangun sangat kami butuhkan untuk kemajuan kita bersama. Jakarta.Puji syukur penulis panjatkan kehadirat Allah SWT yang telah memberikan rahmat serta hidayah-Nya kepada penulis sehingga dapat menyelesaikan makalah ini dengan baik dan tepat waktu. Makalah ini dibuat untuk memenuhi tugas kelompok pada mata kuliah Kecerdasan Buatan. 29 Maret 2011 Penulis Bab I PENDAHULUAN 1.

komputer tersebut juga tetap harus dilengkapi dengan perangkat lunak untuk mengedalikan semua sistem serta menjalankan fungsi-fungsinya. tidak berlebihan jika berharap computer yang mendekati ’komputer masa depan’ tersebut akan tersedia sebelum abad ini berakhir. serta • kemampuan untuk berinteraksi secara lisan dengan pemakaianya menggunakan ucapan menggunakan bahasa sehari-hari. • berbagai sensor untuk menerima masukan dan mendeteksi keadaan di sekitarnya. Salah satunya mengggambarkan sebuah computer berbentuk kartu kredit yang dilengkapi dengan : • prosesor yang sangat kuat dan memori yang sangat besar. sesuai dengan kebutuhan yang berkembang. Bahkan. atau penemuan teknologi komputer. Tentunya. Kini. kini telah terjadi perkawinan antara PDA dengan telepon selular menjadi PDA-phone atau smart phone. Namun. Sebagai contoh perkembangan komputer saat ini adalah munculnya PDA (Personal Digital Asistant). Sebagai contoh. Berbagai film fiksi ilmiah mencoba menggambarkan bentuk komputer masa depan tersebut. penemuan teknologi mesin uap oleh Thomas Savery (1689) yang selanjutnya disempurnakan oleh James Watt menjadi bentuk yang lebih memungkinkan digunakan pada berbagai aplikasi. bukan bahasa khusus yang rumit. atau catatan singkat. Perangkat keras serta sebagian perangkat lunak akan bersifat generik. Pertanyaan yang menarik untuk dipikirkan adalah ‘akan seperti apa bentuk komputer pada akhir abad ini?’. serta teknologi telekomunikasi nirkabel untuk mengakses jaringan nirkabel yang berada disekitarnya. pencatatan jadual kegiatan. Melihat keadaan teknologi yang sudah dicapai saat ini serta kesadaran bahwa teknologi yang ada sekarang berkembang terus dengan cepat. penemuan teknologi telpon oleh Alexander Graham Bell (1876). terdapat banyak penemuan yang dapat menghasilkan teknologi yang berpengaruh besar terhadap kehidupan manusia. tetapi sebagian komponen perangkat lunaknya akan bersifat ’language dependent’. • batere yang tahan lama dan manajemen energi yang baik. disertai dengan tersedianya prosesor mikro yang semakin tinggi kemampuannya. peradaban manusia telah sampai pada suatu keadaan dimana kita tidak mungkin melepaskan diri dari teknologi komputer digital. yaitu perangkat lunak yang melakukan 4 . • perangkat untuk menghasilkan suara dan memproyeksikan gambar. PDA pada awalnya hanya dirancang untuk menjalankan fungsi-fungsi praktis seperti pencatatan serta pencarian daftar alamat dan telpon. PDA mulai mampu menjalankan berbagai aplikasi yang tadinya hanya dapat dijalankan di atas PC.manusia.

pemrosesan bahasa alami secara lisan. Pengertian NLP adalah proses pembuatan model komputasi bahasa sehingga memungkinkan “Natual Language Processing (NLP) atau Pengolahan Bahasa Alami (PBA) merupakan salah satu bidang ilmu kecerdasan buatan (Artificial Intelligence) yang mempelajari komunikasi antara manusia dengan komputer”. Dewasa ini aplikasi konsep AI terus berkembang. bagaimana kata-kata bergabung menjadi satu kalimat dan konteks kata dalam kalimat. Salah satunya adalah bagaimana membuat komputer memahami perintah yang diberikan pengguna dalam bahasa sehari-hari (natural language). Untuk itulah penulis mencoba mengangkat tema Natural Language Processing dalam makalah ini. Bab II ISI 1. terjadinya interaksi antara manusia dan komputer dengan perantara bahasa alami yang dipakai oleh manusia. Bagian berikutnya dari tulisan ini akan difokuskan pada pembahasan teknologi yang berkaitan dengan pemrosesan bahasa alami tersebut. Sandi Setiawan [1993:3]. baik dari segi kata. dan merespon perintah tersebut dalam bahasa sehari-hari. NLP memodelkan pengetahuan terhadap bahasa. 5 .

Inti dari pemrosesan bahasa alami adalah penguraian kalimat atau sering disebut dengan parser. Dalam hubungan ini teknik AI digunakan untuk menampilkan pengetahuan internal dan mengolah input. 2. Untuk mengelola kerumitan ini. komputer harus mempunyai pengetahuan analisis dan interpretasi input dalam mengakuisisi data knowledgenya. pragmatik. fonologi. sintaksis. dan pengetahuan tentang dunia sekitar.dan pengetuhuan tentang dunia sekitar. Komputer harus mengerti gramatika dan definisi kata-kata. 2. semantik. Parser berfungsi untuk membaca kalimat. Bahasa Inggris dan sebagainya.1 Komponen Utama Pengolahan Bahasa Alami 6 . kata demi kata dan menentukan jenis kata apa saja yang boleh mengikuti kata tersebut. semantik. kalimat. sintaksis. pragmatik. fonologi. Bentuk utama representasinya adalah berupa suara/ucapan (spoken language). Untuk alasan-alasan inilah maka komputer harus bisa mengoutputkan bahasa alami yang memadai dengan cara yang paling mudah. inferensi semantik tingkat tinggi bahkan komunikasi emosi lewat irama bicara. tetapi sering pula dinyatakan dalam bentuk tulisan. sintaksis. Kita harapkan agar outputnya pun akan dinyatakan atau diekspresikan dalam bahasa alami juga. Pelacakan klasik dan teknik penyocokan pola (pattern matching) digunakan bersama dengan basis pengetahuan agar komputer bisa mengerti apa yang kita masukkan dalam bahasa alami. Bahasa alami adalah bahasa yang dipakai manusia dalam kehidupan sehari-hari misalnya Bahasa Indonesia. Untuk bisa mencapai keinginan di atas maka perlu adanya teknik-teknik “pengemasan” kalimat. Pada prinsipnya bahasa alami adalah suatu bentuk representasi dari suatu pesan yang ingin dikomunikasikan antar manusia. pikiran dan perasaan. morfologi. Bahasa Alami “Bahasa adalah suatu sistem untuk komunikasi yang tardiri atas simbol dan aturan yang digunakan untuk mengekspresikan ide. para ahli bahasa telah mendefinisikan tingkat analisis yang berbeda untuk bahasa alami yaitu persanjakan. Dalam pemahaman suatu bahasa ada beberapa bidang yang harus disertakan yaitu morfologi. frase dan output lainnya. maka ia bisa melakukan hal-hal yang kita harapkan/output. Bila komputer sudah mengerti input kita.Agar komputer bisa memahami pertanyaan dalam bahasa alami. Bahasa merupakan fenomena yang rumit yang melibatkan proses pengenalan bunyi atau huruf.

Beberapa bentuk aplikasi sub sistem ini adalah translator bahasa alami (misalnya dari Bahasa Inggris ke Bahasa Indonesia). berfungsi untuk mengubah text (bahasa tulisan) menjadi ucapan (bahasa lisan). kata sifat dll) b. dan sebagainya. sistem pemeriksa sintaks bahasa.1 Sistem Speech Recognition 7 .2. 3) Sub-Sistem Speech Recognition (SR). berfungsi untuk melakukan pemrosesan secara simbolik terhadap bahasa tulisan. System Representasi Pengetahuan Suatu system yang menganalisis output parser untuk menentukan maknanya. Parser Yaitu suatu system yang mengambil kalimat input dan menguraikannya kedalam beberapa bagian gramatika (kata benda kerja. merupakan kebalikan teknologi Text to Speech. 1) Sub-Sistem Natural Language Processing (NLP). 2) Sub-sistem Text to Speech (TTS). 2. yaitu sebagai berikut. sistem yang dapat ”menyimpulkan” suatu narasi. Output Translator Suatu terjemahan yang merepresentasikan system pengetahuan dan melakukan langkah-langkah yang bisa berupa jawaban atas bahasa alami atau output khusus dengan program computer lainnya. yaitu sistem yang berfungsi untuk mengubah atau mengenali suatu ucapan (bahasa lisan) menjadi text (bahasa tulisan). c.2 Sistem Pemrosesan Bahasa Alami Suatu sistem pemrosesan bahasa alami secara lisan dapat dibentuk dari tiga subsistem. teknik-teknik yang digunakan dalam pemrosesan bahasa alami bersifat sangat ‘language dependent’. Suatu sistem atau teknik yang berlaku untuk suatu bahasa tidak mudah diterapkan untuk bahasa lainnya.Pengolahan bahasa alami terdiri dari tiga bagian utama yaitu: a. Berbeda dengan kebanyakan sistem lain yang bersifat generik. 2.

tetapi tidak dapat mengenal kata yang berada di luar kosa kata yang pernah diajarkan. diperlihatkan konfigurasi tipikal suatu system Pengenalan Ucapan. Sistem Speech Recognition yang dapat mengenali seluruh kata dalam suatu bahasa melakukan pengenalan untuk setiap unit bunyi pembentuk ucapan (fonem). pengucapan suatu unit bunyi ucapan (fonem) seringkali bervariasi antar orang yang berbeda.Sistem Speech Recognition atau Sistem Pengenalan Ucapan adalah sistem yang berfungsi untuk mengubah bahasa lisan menjadi bahasa tulisan. Namun demikian. untuk kurun waktu yang singkat. Sistem ini biasanya lebih akurat dan lebih mudah dilatih. noise. Sistem yang lebih sederhana adalah sistem yang hanya dapat mengenal sejumlah kata yang jumlahnya terbatas. Masukan sistem adalah ucapan manusia. Gambar 1. Pada gambar 1. Sinyal ucapan (s(n)) pertama kali akan dilewatkan pada bagian Penganalisis Ucapan untuk mendapatlan besaran-besaran atau ciriciri yang mudah diolah pada tahap berikutnya. selanjutnya mencoba mencari kemungkinan kombinasi hasil ucapan yang paling dapat diterima. 8 . setiap sinyal dapat terlihat memiliki ciri-ciri yang unik. Diagram Blok Sistem Pengenal Ucapan Penganalisis sintaks biasanya melakukan transformasi sinyal ucapan dari domain waktu ke domain frekuensi. dan faktor-faktor lainnya. Pada domain frekuensi. selanjutnya sistem akan mengidentifikasikan kata atau kalimat yang diucapkan dan menghasilkan teks yang sesuai dengan apa yang diucapkan. juga terpengaruh oleh fonem-fonem disekitarnya. Untuk setiap ucapan yang berbeda akan dihasilkan pola ciri yang berbeda. kondisi emosi.

teknik-teknik atau algoritma yang digunakan pada sistem Pengenal Ucapan tidak bersifat sensitif terhadap bahasa. modul klasifikasi pola serta pengambil keputusan akan mengidentifikasikan kata atau kalimat yang diucapkan tersebut. sistem akan dilatih menggunakan sejumlah kata atau kalimat yang memenuhi suatu kriteria tertentu. Untuk melatih sistem Pengenal Ucapan agar dapat digunakan untuk suatu bahasa yang baru. Artinya.2 Sistem Text to Speech 9 .2. Berdasarkan hasil perbandingan dengan template atau referensi. Sistem yang handal. Pertama adalah mode belajar. paling tidak harus dilatih dengan ratusan rekaman pembicara. Pada mode ini. Pada mode ini. kemampuan sistem untuk mengenali ucapan pada bahasa tertentu sangat tergantung dari template atau referensi yang diperoleh melalui proses belajar di dalam sistemnya itu sendiri. Kedua adalah mode produksi atau pengenalan ucapan. Semakin besar korpus yang digunakan untuk melatih sistem. Pada prinsipnya. Namun demikian. 2. maka diperlukan korpus untuk melatih sistem tersebut. setiap kalimat yang ingin dikenali akan dianalisis polanya. Setiap contoh kata atau kalimat ajar tersebut akan menghasilkan pola tertentu yang akan dipelajari oleh sistem dan disimpan sebagai template atau referensi. Korpus yang dimaksud adalah berupa rekaman ucapan yang heterogen dalam volume yang sangat besar serta memenuhi kriteria teknis tertentu. akan dihasilkan sistem Speech Recognition yang cenderung lebih handal. sistem yang sama dapat digunakan untuk bahasa apapun.Sistem Speech Recognition biasanya dapat dioperasikan pada dua mode yang berbeda.

Artinya. serta 2) bagian Konverter Fonem ke Ucapan (Phoneme to Speech). Pengucapan kata atau kalimat pada prinsipnya adalah urutan bunyi atau secara simbolik adalah urutan kode fonem. Bagian Konverter Teks ke Fonem berfungsi untuk mengolah kalimat masukan dalam suatu bahasa tertentu yang berbentuk teks menjadi urutan kode-kode bunyi yang direpresentasikan dengan kode fonem.Secara fungsional. Pada dasarnya TTS adalah suatu sistem yang dapat mengubah text menjadi ucapan. 10 . durasi serta pitch-nya. komponen-komponen pembentuk kedua sistem tersebut sama sekali berbeda. yaitu : 1) bagian Konverter Teks ke Fonem (Text to Phoneme). Kode-kode fonem adalah kode yang merepresentasikan unit bunyi yang ingin diucapkan. Suatu sistem pensintesa ucapan atau Text to Speech pada prinsipnya terdiri dari dua sub sistem. Text to Speech atau TTS melakukan proses pendekatan implementasinya sama sekali berbeda.

misalnya translator bahasa Inggris ke bahasa Indonesia. Teknik diphone concatenation melakukan pembangkitan ucapan dengan cara menggabung-gabungkan segmen-segmen bunyi yang berupa diphone (dua fonem). Hal ini menyebabkan implementasi unit konverter teks ke fonem menjadi sangat spesifik terhadap suatu bahasa (language dependent). Natural Language Translator. yaitu translator dari satu bahasa alami ke bahasa alami lainnya. tetapi harus juga mentranslasikan sintaks dari bahasa asal ke bahasa tujuannya. bagian ini akan menghasilkan bunyi atau sinyal ucapan yang sesuai dengan kalimat yang ingin diucapkan. Bagian Konverter Fonem ke Ucapan akan menerima masukan kode-kode fonem serta pitch dan durasi yang telah dihasilkan oleh bagian sebelumnya. 2. Informasi durasi diperlukan untuk menentukan berapa lama suatu fonem diucapkan.2. teknik kedua lebih banyak digunakan karena dapat menghasilkan ucapan dengan kualitas yang lebih alami. NLP mempunyai aplikasi yang sangat luas.3 Sistem Natural Language Processing Teknologi Natural Language Processing (NLP) atau Pemrosesan Bahasa Alami adalah teknologi yang memungkinkan untuk melakukan berbagai macam pemrosesan terhadap bahasa alami yang biasa digunakan oleh manusia. Untuk mencapai kualitas yang lebih tinggi.Setiap fonem harus dilengkapi dengan informasi durasi dan pitch. Berdasarkan kode-kode tersebut. Dua teknik yang paling banyak digunakan adalah formant synthesizer. Beberapa diantara berbagai kategori aplikasi NLP adlah sebagai berikut : 1. Durasi dan pitch bersama-sama akan membentuk intonasi suatu ucapan. Sistem ini biasanya mempunyai masukan dan keluaram berupa bahasa tulisan (teks). beberapa TTS menggunakan penggabungan segmen bunyi yang berupa multi-phone. sedangkan informasi pitch diperlukan untuk menentukan tinggi rendahnya nada pengucapan suatu fonem. Setiap bahasa memiliki aturan cara pembacaan dan cara pengucapan teks yang sangat spesifik. Kedua informasi ini dalam suatu sistem TTS biasanya dibangkitkan oleh modul pembangkit/model intonasi. Ada beberapa alternatif teknik yang dapat digunakan untuk implementasi bagian konverter fonem ke ucapan. Saat ini. serta diphone concatenation. Bahasa Indonesia ke Bahasa Jawa dan sebagainya. 11 . Translator bahasa alami bukan hanya kamus yang menerjemahkan kata per kata.

yaitu “dir *. Speech based application Aplikasi yang melakukan pemrosesan dari bahasa lisan atau pengenalan suara. pengguna cukup memberikan perintah ”komputer. Contoh : • • • System otomatis pelayanan melalui telepon Control suara pada peralatan elektronik Aplikasi peningkatan kemampuan berbahasa 12 . Text based application Aplikasi yang melakukan pemrosesan terhadap teks tertulis. 3. untuk menghapus semua file. yaitu translator yang mengubah perintah- perintah dalam bahasa alami menjadi bahasa buatan yang dapat dieksekusi oleh mesin atau komputer. misalnya. tolong hapus semua file !” Translator akan mentranslasikan perintah bahasa alami tersebut menjadi perintah bahasa formal yang dipahami oleh computer.*”.3 Aplikasi Pengolahan Bahasa Alami 1. translator yang memungkinkan kita memberikan perintah bahasa alami kepada komputer. Text Summarization. yaitu suatu sistem yang dapat ”membuat ringkasan” hal-hal yang penting dari suatu wacana yang diberikan. Translator bahasa alami ke bahasa buatan.2. 2. Contoh • • • • Mencari topic tertentu dari buku di perpustakaan Mencari isi dari suatu berita atau artikel Mencari isi dari email Menterjemahkan dokumen dari suatu bahasa ke bahasa lain 2. Dengan sistem seperti ini. Sebagai contoh. pengguna sistem dapat memberikan perintah dengan bahasa sehari-hari.

Bahkan. Aplikasi Alat Bantu Baca • Alat bantu bicara untuk tunawicara. dengan teknologi Text to Speech dapat langsung diucapkan.Banyak manfaat yang dapat dicapai dari ketersediaan Aplikasi Teknologi Bahasa. orang tunanetra dapat membaca suatu buku atau dokumen. yaitu bagian “pengenal karakter” yang menggunakan teknologi OCR (Optical Character Recognition). Gambar 4. serta bagian TTS. Alat bantu membaca bagi tunanetra mempunyai masukan berupa teks tercetak (misalnya buku) dan mempunyai keluaran berupa ucapan dari teks tercetak yang diberikan. Alat bantu membaca bagi tunawicara mempunyai masukan posisi tangan yang dideteksi oleh suatu sensor dan unit identifikasi. jika teks yang ingin dibacakan sudah tersedia di dalam komputer. khususnya untuk Bahasa Indonesia. Pada prinsipnya ada dua komponen utamanya. 13 . Berikut • Alat bantu membaca untuk tunanetra. Rangkaian huruf yang diidentifikasikan akan disusun membentuk suatu kata yang pada akhirnya akan diumpankan pada bagian TTS. Dengan alat bantu ini.

Aplikasi seperti ini mungkin untuk dikembangkan. web browser. Talking email atau aplikasi lainnya. TTS juga memungkinkan diintegrasikan dengan berbagai program aplikasi. speech recognition. termasuk translator Bahasa Inggris ke Indonesia . Bagian ketiga berupa sistem TTS dalam bahasa tujuan. seperti email. • Aplikasi Telephony. aplikasi-aplikasi multimedia atau aplikasi-aplikasi lainnya. Online translator terdiri dari 3 bagian. Online translator yang dimaksud disini adalah translator yang secara otomatis dapat menerjemahkan kalimat lisan dari suatu bahasa alami (misalnya Bahasa Inggris) menjadi ucapan hasil terjemahannya dalam bahasa alami lainnya (misalnya Bahasa Indonesia). TTS dapat digunakan pada aplikasi telephony. berfungsi untuk mengenali rangkaian kata dari bahasa sumber menjadi teks dalam bahasa sumber. karena teknologi speech recognition sudah banyak dikembangkan. Translator bahasa pun sudah banyak dikembangkan. TTS juga dapat 14 . Bagian berikutnya adalah translator teks ke teks. Hasil bagian kedua ini adalah kalimat bahasa tujuan yang masih berupa teks.• Online translator. seperti sistem informasi billing atau sistem informasi lainnya yang diucapkan secara lisan. Bagian pertama.

memungkinkan pula untuk meneruskan pesan SMS ke system telepon biasa (PSTN). Speech Recognition memungkinkan pencarian informasi secara lisan. Contoh aplikasi NLP lainnya :  Eliza yang dibelkali pengetahuan psikologi. Web translator akan menterjemahkan  bahasa didalam semua link-link. akurat bukan lagi dengan system menterjemahkan per kata. Email translator akan menterjemahkan kaimat.  Email translator : alat yang akan menjawab masalah perbedaan bahasa. tapi perkalimatdengan melihat Subjek-PrediketObjek. Dengan TTS tersebut. sehingga beberapa orang terdorong untuk mampu merubah sikap dan perilakunya. seperti sedang mengendarai mobil. page per page menjadi bahasa seperti yang kita inginkan.kalimat didalam mail box. diharapkan dengan teknis ini hasil terjemahan bahasa akan menjadi lebih sempurna.digunakan untuk konversi dari SMS (Short Message System) ke ucapan sehingga pesan SMS dapat didengar. seperti yang kita inginkan.  Alvin yang mampu menjawab pertanyaan mengenai DOS  SEXPERT yang dirancang untuk perbincangan mengenai pendidikan seksual. Terjemahan akan lebih cepat.  Jupiter yang mampu memberikan informasi cuaca melalui telepon.  Web translator : suatu mesin aplikasi berbasis World Wide Web yang dapat menterjemahkan bahasa dalam suatu web site. jika email yang kita terima tidak sesuai dengan bahasa kita sehari-hari. Dengan demikian memungkinkan untuk mendengar pesan SMS sambil melakukan aktivitas yang menyulitkan untuk membacanya.  World translator : suatu pengembangan dari word translator yang sudah ada. karena email translator mampu menterjemahkan bahasa. 15 . mengikuti kaidah tata bahasa.

predikat Subjek  determinan. Morfologi : yaitu pengetahuan tentang kata dan bentuknya dimanfaaatkan untuk membedakan satu kata dengan lainnya. kataBanda 16 . 2. Sebagai contoh kata membangunkan : Bangun (kata dasar) Mem (prefix) Kan (suffix) 3.Dalam dunia kecerdasan buatan pengolahan bahasa alami merupakan aplikasi terbesar setelah sistem pakar. Bidang Pengetahuan Dalam Natural Language Secara singkat pengolahan bahasa alami (natural language processing) mengenal beberapa tingkat pengolahan yaitu : 1. kataBenda Predikat  kataKerja. 3. Sebagai contoh : Kalimat  subjek. Banyak para ahli Artificial Intelligence berpendapat bahwa bidang yang penting yang dapat dipecahkan oleh Artificial Intelligence adalah Natural Language Processing (Pengolahan Bahasa Alami). Pada tingkat ini juga dapat dipisahkan antara kata dan elemen lain seperti tanda baca. Sintaksis : yaitu pemahaman tentang urutan kata dalam pembentukan kalimat dan hubungan antar kata tersebut dalam proses perubahan bentuk darikalimat menjadi bentuk yang sistematis. Fonetik dan Fonologi : berhubiungan dengan suara yang menghasilkan kata yang dapat dikenali. Selain itu dapat pula dikenali bagian-bagian kalimat dalam sutu kalimat yang lebih besar. Bidang ini menjadi penting dalam proses aplikasi yang memakai metoda speech system. Meliputi proses pengaturan letak suatu kata dalam kalimat yangdapat dikenali.

Contoh : Ayah datang (diucapkan dengan nada datar) Ayah datar! (diucapkan dengan nada tinggi) Ayah datang ? (diucapkan dengan tempo cepat) 6. Selain yang sudah disebutkan diatas masih ada lagi satu masalah yang cukup menantang dalam natural language yaitu ambiguitas atau makna ganda dari suatu kata atau kalimat. Contoh: Ibu pergi ke pasar. Dari satu masukan yang sama dapat menjadi beberapa arti yang berbeda dan masing-masing dapat bernilai benar tergantung pada keperluan pemakai. Ia membeli makanan disana.4. 3. Pragmatik : pengetahuan pada tingkatan ini berkaitan dengan masing-masing konteks yang berbeda tergantung pada situasi dan tujuan pembuatan system. Penting untuk kata ganti orang. Semantik : mempelajari ari suatu kata dan bagaimana arti kata-arti kata tersebut membentuk suatu arti kata dari kalimat yang utuh. 5. 7. World knowledge : mencakup arti sebuah kata secara umum dan apakah ada arti khusus bagi suatu kata dalam suatu percakapan dengan konteks tertentu. keterangan tempat atay aspek sementara dari informasi. Hal ini dapat terjadi pada hampir semua tingkatan pendekatan di atas. Discourse knowledge : melakukan pengenalan apakah suatu kalimat yang telah dikenali mempengaruhi kalimat selanjutnya. Contoh : Ayahku datang membawa buah tangan.1 Proses Sintaksis 17 .

Vt. Ayam. Frasa_kerja. Defininya adalah : G = (Vn. symbol awal dan aturan penulisan atau (rules). Sebuah grammar G dapat dibentuk dari 4 tuple yaitu : symbol non terminal. Frasa_Benda. Tinggi} Dengan aturan : S  Frasa_Benda Frasa_Kerja Frasa_Benda  Kata_Benda Kata_Benda Frasa_Kerja  Kata_Kerja Keterangan 18 .Proses sintaksis merupakan langkah dimana kalimat masukan secara flat diubah kedalam struktur hirarkis yang berhubungan dengan unit-unit arti dalam kalimat. Makan. Keterangan} DictKata = {Orang. Terbang.2 Gramatika Grammar suatu bahasa dapat dilihat sebagai suatu aturan yang menentukan apakah suatu kumpulan kata dapat diterima sebagai kalimat oleh bahasa tersebut. p) Sebagai contoh dapat dilihatdari grammar G sederhana berikut : DictJenis = {Kata_Benda. 3.context Free Grammar (CFG) adalah representasi grammar dari chomsky hierarchi yang mudah dipahami dan diolah dalam bentuk program. Jika parsing dilakukan. Jika tidak ada tahap parsing sintaksis maka sistem semantic harus memutuskan atas pilihannya sendiri. fakta sintaksis tentang bahasa  Prosedur. telur. Sebuah kalimat yang dapat dikenali bentuk dengan berdasarkan aturan-aturan yang ada yang biasa disebut grammar. disebut parser. Proses sintaksis sangat berperan dalam pemahaman bahasa alami dikarenakan :  Proses semantic harus beroperasi pada pilihan-pilihan kalimat. disebut grammar. Kata_Kerja. dimana membandingkan grammar dengan kalimatkalimat masukan untuk membentuk struktur yang dianalisis. symbol terminal. s. hal ini akan membatasi pilihanpilihan dari semantic  Tidak selalu dimungkinkan untuk mengekstrak arti kalimat tanpa menggunakan fakta gramatikal Semua system menggunakan :  Representasi deklaratif.

selain hanya akan menimbulkan tanda Tanya bagi orang yang membaca. Seperti kalimat ketiga yang hanya benar apabila berada dalam konteks ‘orang memakai alat’ misalnya pesawat terbang. Ayam} Kata_Kerja  {Makan. Telur.Kata_benda  {Orang. Dari grammar kita dapat mempelajari bahasa dari segi struktur dan bukan dari segi makna bahasa itu sendiri. 19 . sedangkan simbol-simbol yang berhubungan langsung dengan string yang ditemukan pada kalimat masukan disebut terminal symbols. Terbang} Keterangan  {Tinggi} Dari grammar G dapat dibentuk kalimat : Orang Makan Ayam Ayam Terbang Tinggi Orang Terbang Tinggi Ayam Makan Orang Semua kalimat tersebut apabila dicari pembentukannya melalui grammar G dapat dikatakan benar akan tetapi harus diingat bahwa kalimat dengan grammar yang benar hanya berarti benar secara structural bukan berarti selalu benar dalam makna. Aturan pertama.  I menyatakan “atau/or’. Sedangkan kalimat keempat malah sama sekali tidak mungkin tidak dapat dimengerti maknanya. ‘Sebuah kalimat terdiri atas kata benda (NP) diikuti kata kerja (VP)’.  ε menyatakan string kosong Simbol-simbol yang diperluas oleh aturan-aturan disebut nonterminal symbols.

tipe ini paling sederhana dan mudah dipahami sifatnya. 3. Akan tetapi karena bentuk context free dan regular grammar tersebut yang paling dipahami perilaku dan pengolahannya.Gambar 1. maka beberapa cara telah dikembangkan untuk dapat melakukan pengolahan bahasa alami dengan bentuk grammar tersebut. biasa disebut recursively enumerable set. Berikutnya adalah tipe 1 yang disebut context sensitive grammar. Tipe 0 adalah bentuk yang paling bebas dan paling sulit dikenali. 2 dan 3. untuk mengenali bentuk ini biasa dipakai Turing Machine. Type 2 dari grammar yaitu context free grammar dinyatakan dengan aturan umum yaitu : <symbol1> → <symbol1>… <symbolk> dengan k ≥ 1 dan bagian kiri dari rule adalah single non terminal symbol. 1. Secara umum dikatakan bahwa pemakaian context free grammar secara murni (tanpa tambahan metoda tertentu) adalah tidak cukup untuk pengolahan bahasa alami. Grammar tipe 3 bernama finite state atau regular grammar.4 Parsing Suatu proses menganalisa suatu kumpulan kata dengan memisahkan kata tsb dan menentukan struktur sintaksis dari tiap kata tsb. Grammar Untuk Bahasa Inggris 3. Bottom-Up Parsing gramatika yang 20 . Gramatika yang dipakai juga sangat berkaitan dengan proses parsing apa yang digunakan.3 Chomsky Hierarchy Of Generative Grammar Noam Chomsky menyusun grammar dalam urutan yang dia sebut tipe 0.

Rule 1 : IF determiner adalah bagian pertama dalam kalimat dan diikuti oleh noun THEN noun tersebut dianggap sebagai subyek. Dalam leksikon disimpan daftar kata yang dapat dikenali sebagai symbol terminal dalam grammar dan informasi yang diperlukan untuk tiap kata tersebut untuk proses parsing yang bersangkutan. proses parsing dapat dibagi menjadi dua bagian besar yaitu Top Down parsing dan Bottom Up parsing. Hal lain yang juga berkaitan erat dengan proses parsing adalah kamus atau leksikon yang digunakan. Cara sebaliknya diterapkan untuk Bottom Up parser yaitu mencari dari simbol-simbol terminal menuju ke arah pembentukan simbol awal s. Top Down parser memulai pemeriksaan dari simbol awal s dan mencoba untuk mencari bentuk simbol terminal berikutnya yang sesuai dengan jenis kata dari kalimat masukan. Pohon Analisis Untuk Sebuah Kalimat 3. Pendekatan dalam mengenali struktur suatu kalimat. Gambar 2. Rule 2 : 21 .dipakai akan lebih banyak bercabang ke arah simbol non-terminal.5 Semantik Semantic analyzer mempunyai himpunan rule dalam basis pengetahuan untuk menginterprestasikan sebuah kalimat.

Rule 3 : IF noun diikuti subyek dan verb THEN noun tersebut dianggap sebagai obyek Rule 4 : IF kalimat mempunyai bentuk subyek. dimana data dilewatkan secara verbal.6 Semantic Grammar 22 . Kalimat 'A plane flew home' mentrigger rule 1 yang mengidentifikasi plane sebagai subyek. Pada bagian ini akan diterangkan beberapa pendekatan semantic yang biasa dilakukan pada suatu Natural Language system. berarti yang kedua. lalu rule 2 menjelaskan bahwa plan flew. Seperti misalnya ‘makan hati ‘dapat diartikan makan dengan lauk hati atau perasaan sedih yang ada pada hati seseorang. karena baru mendapat rejeki anak itu makan hati di restoran. ver. 3. Rule 3 dan 4 mengidentifikasikan home sebagai obyek. Mendefinisikan semantic dan arti sebenarnya adalah proses yang sulit karena hal ini tergantung pada maksud dalam kalimat dan juga adanya kemungkinan arti lain dalam kalimat. Selain itu karena format dari kalimat sudah dibatasi pada bentuk tertentu (representasi data tabel) maka grammar ini dapat diandalkan terutama untuk bentuk . Natural Language Processing dapat dipakai sebagai front (bagian depan) pada sistem AI. Apabila terdapat pada kalimat. tergantung pada letaknya dalam kalimat. obyek THEN subyek mengerjakan (verb) yang ada hubungannya dengan obyek.IF verb diikuti subyek THEN verb menjelaskan tentang apa yang dikerjakan oleh subyek. maka artinya adalah yang pertama tetapi jika pada kalimat. Semantic Grammar sebagai grammar utama dipilih dengan alasan dalam grammar ini sudah terkandung unsur semantic yang dapat membantu pembentukan semantic dari kalimat.bentuk tanya dan perintah. Pendekatan yang dipakai adalah pendekatan Semantic Grammar yang dipadukan dengan Dictionary tambahan dan Template Grammar. dia makan hati karena ditinggal pergi pacarnya.

Hasil dari proses parsing dengan menggunakan grammar tersebut adalah langsung berupa representasi semantis dari kalimat yang diolah. masih memungkinkan terjadi kesalahan karena luasnya jangkauan grammar seperti : the city to Chicago the 8 o’clock city Untuk itu maka dilakukan pembatasan dengan jalan memberikan kategori leksikal baru pada suatu kata yang berdasar pada keperluan semantis.Pada Semantik Grammar. Dapat kita gambarkan bahwa pada : NP → DET CNP (the flight) FLIGHT-NP → DET FLIGHT-CNP CNP → N (flight) FLIGHT-CNP → FLIGHT-N diubah menjadi diubah menjadi Dengan demikian kita sudah melakukan pembatasan bahwa yang mungkin dibentuk untuk kata benda dari sistem adalah ‘the flight’ dan ‘flight’ tidak untuk yang lain. dipakai sekumpulan rule yang bukan hanya bersifat sintaksis tapi juga bersifat semantis dan pragmatis. Dapat dilihat pada contoh dengan domainsistem jadwal penerbangan pesawat udara : the flight to Chicago the 8 o’clock flight flight 457 to Chicago Grammar untuk sistem ini pada umumnya dikenali sebagai : NP → DET CNP CNP → N CNP → CNP PP CNP → PRE-MOD CNP NP → N NUMB (the flight) (flight) (flight to Chicago) (8 o’clock flight) (flight 457) Tetapi perlu diingat bahwa grammar tersebut masih bersifat umum. Perlu diingat perubahan ini juga akan merubah kata yang lain misal ‘Chicago’ dari NP menjadi misalnya CITY-NAME. Secara lengkap maka grammar di atas tadi berubah menjadi : 23 .

ATN (seperti pada gambar 3) menyerupai finite-state machine dimana klas label digabungkan pada garis berarah yang mendefinisikan transisi antara suatu keadaan. 3.FLIGHT-NP → DET FLIGHT-CNP FLIGHT-CNP → FLIGHT-N FLIGHT-CNP → FLIGHT-CNP FLIGHT-DEST FLIGHT-CNP → FLIGHT-CNP FLIGHT-SOURCE FLIGHT-CNP → FLIGHT-N FLIGHT-PART FLIGHT-CNP → FLIGHT-PRE-MOD FLIGHT-CNP FLIGHT-NP → FLIGHT-N NUMB CITY-NP → CITY-NAME CITY-NP → DET CITY-CNP CITY-CNP → CITY-N CITY-CNP → CITY-MOD CITY-CNP CITY-MOD-ARG Dari grammar dasar di atas dapat dibentuk grammar tambahan misalnya untuk pertanyaan TIME-QUERY → When does FLIGHT-CNP (When does flight to Chicago) Dengan pendekatan ini. dimana domain yang baru akan memerlukan aturan yang baru yang sesuai. interpretasi dari rule yang bersangkutan menjadi lebih mudah karena sebagian besar dari informasi semantic yang diperlukan dapat dilihat dari rule yang digunakan. Seperti pada contoh di atas kita harus memisahkan antara NP untuk ‘flight’ dan ‘Chicago’ menjadi FLIGHT-NP dan CITY-NAME. Garis berarah ini dapat diberi label (dalam bahasa Inggris) dengan 24 .7 Automated Transition Networks (ATN) Automated Transition Network (ATN) merupakan prosedur top-down parsing dimana bermacam-macam pengetahuan digabungkan ke sistem analisis sehingga dapat beroperasi lebih efisien. Selain itu terjadi pembengkakan jumlah rule yang diperlukan. Kekurangan dari pendekatan ini adalah domainsistem yang tidak begitu besar. hal ini karena dengan langsung mengacu ke semantik maka banyak generalisasi linguistik yang harus diperinci lebih jauh.

: Sebuah Jaringan ATN untuk Fragmen Bahasa Inggris Cara kerja ATN pada kalimat: ‘The long file has printed’ 1. 3. maka register DETERMINER diset ke DEFINITE lalu ke keadaan Q6 25 4. . seperti jaringan untuk mengenali prepositional phrase (PP) maka pada garis berarah ditanyakan noun phrase (NP) - Prosedur yang menjalankan tes pada input saat itu dan pada komponen kalimat yang telah diidentifikan - Prosedur-prosedur yang membangun struktur yang akan membentuk bagian akhir dari analisis Gambar 3.- Kata-kata spesifik. seperti ‘noun’ Didorong ke jaringan lain untuk mengenali komponen lain pada suatu kalimat. Mulai pada keadaan S Masuk ke NP Kerjakan tes kategori untuk melihat jika ‘the’ merupakan determiner Tes sukses. seperti ‘in’ Kategori-kategori kata. 2.

Register AUX dan V tidak diset 15. sehingga kembali ke keadaan Q1. Masuk ke keadaan NP. lalu keluar dan kembali ke struktur (NP(FILE(LONG)DEFINITE)). 7. register NOUN diset ke ‘file’ dan lalu ke keadaan Q7. Pilihan terakhir terdapat pada Q1. 8. Lalu keluar dan kembali ke struktur (S DCL (NP(FILE(LONG)DEFINITE)) HAS (VP PRINTED)) Struktur ini merupakan output dari analisis 26 . maka Q4 merupakan keadaan terakhir. Lalu diperlukan backtracking. Masuk ke PP Kerjakan tes kategori untuk melihat ‘has’ merupakan preposition. Tes sukses. Tes gagal. Masih tersisa input. Karena input telah habis.5. 6. dikarenakan kata ‘printed’ bukan determiner ataupun noun murni. maka register ADJS ditambahkan ‘long’. Tidak ada lagi yang dikerjakan di Q7. Tes sukses. Kerjakan tes kategori untuk melihat jika ‘long’ merupakan adjective Tes sukses. sehingga register AUX diset ke NIL dan register V diset ke ‘has’. 9. Kerjakan tes kategori untuk melihat jika ‘has’ merupakan verb. maka NP dikeluarkan 14. berarti analisis belum selesai. 17. 10. Kerjakan tes kategori untuk melihat jika ‘printed’ merupakan verb. 18. Kerjakan tes kategori untuk melihat jika ‘has’ merupakan auxiliary. Lanjut ke Q4. dengan register SUBJ diset ke struktur yang dikembalikan dan register TYPE diset ke DCL 12. Lanjut Q4 13. sehingga keluar 11. Tes gagal Kerjakan tes kategori untuk melihat jika ‘file’ merupakan noun. Tetap tinggal di Q6 Kerjakan tes kategori untuk melihat jika ‘file’ merupakan adjective. 16. Tes sukses. Tes sukses sehingga ‘has’ diset ke register AUX dan lalu ke Q3. sehingga kembali ke Q1. maka register V diset ke ‘printed’.

Sandi Setiawan [1993:3]. Output Translator Kategori Aplikasi Pengolahan Bahasa Alami yaitu: 27 . Pengolahan bahasa alami terdiri dari tiga bagian utama yaitu: a. Kesimpulan “Natual Language Processing (NLP) atau Pengolahan Bahasa Alami (PBA) merupakan salah satu bidang ilmu kecerdasan buatan (Artificial Intelligence) yang mempelajari komunikasi antara manusia dengan komputer”. Parser b. System Representasi Pengetahuan c.Bab III PENUTUP 1.

Discourse knowledge 7. yaitu translator yang mengubah perintah-perintah dalam bahasa alami menjadi bahasa buatan yang dapat dieksekusi oleh mesin atau komputer. Sintaksis 4. pengguna cukup memberikan perintah ”komputer. yaitu suatu sistem yang dapat ”membuat ringkasan” hal-hal yang penting dari suatu wacana yang diberikan. Translator bahasa alami ke bahasa buatan. Text based application 2.1. Semantik 5. misalnya. Text Summarization. Daftar Pustaka 28 . Morfologi 3. World knowledge 2. Sebagai contoh. 3. tolong hapus semua file !” Translator akan mentranslasikan perintah bahasa alami tersebut menjadi perintah bahasa formal yang dipahami oleh computer. yaitu “dir *. Aplikasi Pengolahan Bahasa Alami yaitu: 1. Pragmatik 6. Natural Language Translator 2. translator yang memungkinkan kita memberikan perintah bahasa alami kepada komputer. Fonetik dan Fonologi 2. pengguna sistem dapat memberikan perintah dengan bahasa sehari-hari.*”. untuk menghapus semua file. Dengan sistem seperti ini. Speech based application Bidang Pengetahuan Dalam Bahasa Alami yaitu: 1.

ac. http://cobian. http://mtg.lib.edu/files/publications/9d0455-ACM-MM-2005-JPGMahedero-PCanoAMartinez. http://lecturer.eepis-its.edu/~kangedi/materi%20kuliah/Kecerdasan%20Buatan/Bab %205%20Natural%20Language%20Processing.pdf 2.itb.id/focus/focus_file/Pidato%20Ilmiah%20pada %20Sidang%20Terbuka%20PMB%202004.1.pdf 3.upf. 29 .pdf .

Sign up to vote on this title
UsefulNot useful