Institut Teknologi Bandung

BANDUNG, itb.ac.id - Manusia sebagai makhluk sosial melakukan satu hal yang mendasar yaitu berkomunikasi secara verbal maupun nonverbal (tulisan). Adanya internet di kehidupan kita sehari-hari membuat berkomunikasi menjadi lebih mudah sehingga kita dapat menerima informasi atau berita dengan cepat terutama saat pandemi COVID-19 yang terjadi di Indonesia sejak Maret 2020 lalu.

Salah satu teknologi yang memproses teks atau suara yang ditulis dengan bahasa manusia disebut juga (NLP). Pusat Artificial Intelligence ITB membuat webinar series 3 yang berjudul "AI-NLP untuk Komunikasi pada Masa Pandemik" yang dipaparkan oleh dosen Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika (STEI) ITB, Dr. Eng. Ayu Purwarianti, S.T., M.T., pada 5 Juni 2020 di kanal YouTube Pusat Artificial Intelligence ITB.

Secara singkat, Ayu menjelaskan pada proses NLP terdapat input, proses, serta output. Ketika manusia berbicara maka speech recognition akan mengenali suara tersebut lalu akan diproses NLP. Begitu pula dengan dokumen, website, media sosial. Dalam prosesnya, NLP memiliki 3 komponen utama yaitu natural language understanding (mengubah teks atau suara menjadi bentuk yang dipahami oleh komputer), natural language generation (mengeluarkan teks dalam bahasa alami seperti respons chatbot), atau text analytics (memproses data dengan output berupa dashboard atau scoring).

“Manfaat teknologi NLP adalah meningkatkan user experience dalam hal spelling checker, word or text recommendation, menjadi automate support (berupa chatbot), serta menjadi search engine dan text translation yang kita sering gunakan,” jelas Ayu.

Dalam webinarnya, Ayu membahas mengenai chatbot dan media monitoring. Ayu menjelaskan bahwa pengembangan chatbot dilakukan karena masyarakat telah terbiasa menggunakan chat application (WhatsApp, LINE, Telegram, dan lainnya). “Posisi chatbot sangat strategis dan memiliki banyak keunggulan seperti 24/7 availability, dan berguna bagi instansi untuk menyebar informasi (promotif),” tuturnya.

Dijelaskanya, saat ini chatbot masih memiliki beberapa kelemahan seperti kemampuan memahami pernyataan yang kompleks, perlu basis data pasangan pertanyaan-jawaban yang banyak, serta kurang naturalnya interaksi chatbot. Penelitian ini mengusulkan beberapa solusi untuk mengatasi kelemahan tersebut.

Untuk kelemahan pertama, Ayu melanjutkan, solusi yang diusulkan adalah dengan pendekatan hybrid, yaitu ketika chatbot dapat mengalihkan pertanyaan secara otomatis ke agen manusia ketika chatbot menyadari bahwa dia tidak memiliki knowledge atas pertanyaan user. Untuk kelemahan kedua, solusi yang diusulkan adalah dengan mekanisme “belajar” dari agen manusia dalam pendekatan hybrid tersebut serta input basis data yang berupa dokumen, bukan berupa daftar pertanyaan-jawaban. Sedangkan untuk kelemahan ketiga, solusi yang diusulkan adalah menambahkan kemampuan chatbot dengan teknologi pengenalan ucapan serta penambahan modul word normalization untuk menangani kata-kata slank. 

Pusat Artificial Intelligence ITB sendiri telah mengembangkan Chatbot Frequently Asked Questions (FAQs) mengenai COVID-19 dengan menyajikan infomasi yang benar dan valid tentang perkembangan COVID-19 di Indonesia maupun dunia. Selain itu, ITB bekerja sama dengan Fakultas Kedokteran UI mengembangkan chatbot triase COVID-19. Chatbot ini berguna sebagai pengecekan kesehatan awal pasien di rumah sakit sehingga dapat meminimalkan petugas medis terpapar COVID-19 dari pasien. Chatbot akan menggolongkan kegawatdaruratan pasien menjadi kelompok ringan, sedang, dan berat sehingga dapat ditangani secara langsung sesuai dengan golongannya.

Riset ITB yang kedua adalah COVID-19 Social Media Monitoring yang dapat diakses di https://covid19-socmed.id/. Platform ini bertujuan untuk memantau perkembangan isu COVID-19 diambil dari media sosial (Twitter dan Instagram) dengan analisis menggunakan kata kunci terkait, sentimen, dan klasifikasi hoax yang beredar di Indonesia. Dalam prosesnya, NLP Engine pada platform ini merupakan text analytics yang memiliki tiga komponen utama yaitu concept extraction, sentiment classification, dan hoax classification. Hasil luaran dari platform ini merupakan data yang disajikan dalam bentuk dashboard. 

Dengan menggunakan kata kunci tertentu, COVID-19 Social Media Monitoring dapat menentukan tren pembicaraan masyarakat Indonesia. “Kami menganalisis penggunaan keyword yang sering dipakai oleh masyarakat Indonesia sebelum dan saat Pembatasan Sosial Berskala Besar (PSBB) diberlakukan. Setelah itu dengan menggunakan sentiment analysis maka kita dapat mengetahui topik tersebut memiliki respons negatif, positif, maupun netral berdasarkan tanggapan masyarakat. Selain itu, kita juga dapat mengetahui tingkat probabilitas hoax pada suatu topik,” papar Ayu. 

Riset ITB lainnya adalah Hoax Classification. Klasifikasi hoax memerlukan basis data hoax dan fakta sebagai modal awal pengecekan suatu teks dapat digolongkan ke dalam hoax atau fakta. Jika dibandingkan dengan NLP untuk bahasa Inggris, Ayu menjelaskan bahwa tantangan dalam mengembangkan NLP untuk bahasa Indonesia adalah grammar dan mixing language dalam satu kalimat. “Orang Indonesia terbiasa menggunakan lebih dari satu bahasa dalam berkomunikasi termasuk dalam satu kalimat. Selain itu, secara grammar kita dapat mengerti arti suatu pernyataan yang ditulis tidak sesuai urutan SPOK,” ujarnya.

Reporter: Billy Akbar Prabowo (Teknik Metalurgi, 2016)