Natural Language Processing (NLP)

---

1. 📌 Pengertian NLP

7

🔎 Definisi

Natural Language Processing (NLP) adalah cabang AI yang mempelajari bagaimana komputer dapat memahami, mengolah, dan menghasilkan bahasa manusia (teks maupun suara).

📖 Narasi

NLP memungkinkan komputer:

• Berkomunikasi dengan manusia
• Memahami teks dan suara
• Menghasilkan bahasa alami

Contoh:

• Chatbot
• Google Translate
• Voice assistant

---

2. 🧠 Tujuan NLP

📊 Tujuan Utama

Tujuan	Penjelasan
Understanding	Memahami makna bahasa
Generation	Menghasilkan teks
Translation	Menerjemahkan bahasa
Interaction	Interaksi manusia-komputer

---

📖 Narasi

NLP berusaha menjembatani komunikasi antara manusia dan mesin.

---

3. 🔄 Tahapan NLP

7

📌 Tahapan

1. Text Preprocessing
2. Tokenization
3. Stopword Removal
4. Stemming/Lemmatization
5. Feature Extraction
6. Modeling

---

📖 Penjelasan

• Preprocessing membersihkan teks
• Tokenization memecah kata
• Modeling menghasilkan output

---

4. 🔤 Text Preprocessing

📊 Teknik

Teknik	Penjelasan
Lowercasing	Huruf kecil semua
Cleaning	Hapus tanda baca
Normalization	Standarisasi teks

---

📖 Narasi

Preprocessing penting untuk meningkatkan kualitas data.

---

5. 🔠 Tokenization

7

🔎 Konsep

Memecah teks menjadi unit kecil (kata/kalimat).

📖 Contoh

“Saya belajar AI” → [Saya, belajar, AI]

---

6. 🚫 Stopword Removal

📊 Contoh Stopword

• dan
• yang
• di

📖 Narasi

Stopword dihapus karena tidak memiliki makna penting.

---

7. 🌱 Stemming dan Lemmatization

8

📊 Perbandingan

Metode	Contoh
Stemming	“berlari” → “lari”
Lemmatization	“better” → “good”

---

📖 Narasi

Keduanya digunakan untuk menyederhanakan kata.

---

8. 📊 Representasi Teks

📊 Metode

Metode	Penjelasan
Bag of Words	Hitung frekuensi kata
TF-IDF	Bobot kata
Word Embedding	Representasi vektor

---

📖 Narasi

Teks harus diubah menjadi angka agar bisa diproses oleh mesin.

---

9. 🤖 Model NLP

8

📊 Model

Model	Fungsi
Naive Bayes	Klasifikasi teks
RNN	Data berurutan
Transformer	NLP modern

---

10. 💡 Aplikasi NLP

6

📊 Contoh Aplikasi

Aplikasi	Fungsi
Chatbot	Interaksi otomatis
Sentiment Analysis	Analisis opini
Machine Translation	Terjemahan
Speech Recognition	Pengenalan suara

---

11. ⚠️ Tantangan NLP

🔍 Permasalahan

• Ambiguitas bahasa
• Bahasa informal
• Konteks kalimat
• Multibahasa

---

12. 🎯 Kesimpulan

• NLP memungkinkan komputer memahami bahasa manusia
• Terdiri dari berbagai tahap pemrosesan
• Digunakan dalam banyak aplikasi modern
• Tantangan utama adalah kompleksitas bahasa

---

📚 Aktivitas Pembelajaran

• Latihan: Preprocessing teks sederhana
• Diskusi: “Mengapa bahasa sulit dipahami mesin?”
• Praktikum: Sentiment analysis Python