Jl. Letjend. S. Parman No. 1 Jakarta 1140 Telp. (021) 5663124, 5672548, 5638335 Fax.

5663277

Website: www.untar.ac.id

RENCANA PEMBELAJARAN SEMESTER (RPS)

Fakultas Teknologi Informasi Nama Dosen Koordinator 10805002 - Viny Christanti M.
Pengembang RPS
Program Studi 531 - Teknik Informatika Ketua Program Studi 10805001 - Desi Arisandi

Kode Mata Kuliah/SKS TK34018 / 4 sks Nama Mata Kuliah Natural Language Processing
Semester 20201-Gasal 2020 Mata Kuliah Prasyarat Artificial Intelligence
Atau
Pengenalan Intelegensia Buatan

CPL-PRODI (Capaian Pembelajaran Lulusan Program Studi) yang dibebankan pada Mata Kuliah

S8 Menunjukkan sikap bertanggung jawab atas pekerjaan di bidang keahliannya secara mandiri

P3 Menguasai konsep dan prinsip-prinsip sistem cerdas untuk pengembangan aplikasi sistem cerdas di berbagai bidang

P7 Memiliki pengetahuan akan perkembangan teknologi terkini dan cara pemanfaatannya di berbagai bidang

KU2 Mampu menunjukkan kinerja mandiri, bermutu, dan terukur

KU5 Mampu mengambil keputusan secara tepat dalam konteks penyelesaian masalah di bidang keahliannya berdasarkan hasil analisis
informasi dan data
KU7 Mampu bertanggung jawab atas pencapaian hasil kerja kelompok dan melakukan supervisi dan evaluasi terhadap penyelesaian
pekerjaan yang ditugaskan kepada pekerja yang berada di bawah tanggung jawabnya
KU8 Mampu melakukan proses evaluasi diri kelompok kerja yang berada di bawah tanggung jawabnya dan mampu mengelola
pembelajaran secara mandiri
KU10 Memiliki kemampuan (pengelolaan) manajerial tim dan kerja sama (team work), manajemen diri, mampu berkomunikasi baik lisan
maupun tertulis dengan baik dan mampu melakukan presentasi

1
 Jl. Letjend. S. Parman No. 1 Jakarta 1140 Telp. (021) 5663124, 5672548, 5638335 Fax. 5663277

Website: www.untar.ac.id

KK1 Mampu membuat dan mengintegrasikan aplikasi berbasis desktop, web, atau mobile yang berestetika, komunikatif, dinamis, dan
interaktif
KK2 Mampu membangun intelligent systems dan aplikasinya untuk mempermudah kehidupan manusia serta menciptakan peluang
wirausaha
CPMK (Capaian Pembelajaran Mata Kuliah)

CPMK 1 Mahasiswa dapat memahami makna dari bahasa alami manusia

CPMK 2 Mahasiswa dapat mengerti bagaimana membuat mesin yang mengerti bahasa alami manusia
CPMK 3 Mahasiswa dapat mengimplementasikan bahasa alami pada mesin

CPMK 4 Mahasiswa dapat mengerti bagaimana komputer dapat memperoleh informasi dari berbagai macam bentuk data

CPMK 5 Mahasiswa dapat membangun sistem yang mampu memberikan informasi sesuai kebutuhan manusia

Deskrispsi Matakuliah Mata kuliah ini merupakan cabang dari Artificial Intelligence yang membahas mengenai pengolahan Bahasa alami untuk
memproses informasi teks dalam information retrieval. Matakuliah ini menyajikan pengenalan mengenai ilmu dalam computer
linguistic dan natural language processing. Matakuliah ini akan memaparkan mengenai NLP dengan pendekatan statistik dan
pendekatan knowledge based. Pada matakuliah ini juga dipaparkan mengenai aplikasi yang menggunakan NLP seperti information
extraction, machine translation, automatic summarization, question-answering, and interactive dialogue systems.
Referensi
Utama Pendukung
Jurafsky and Martin. Speech and Language Processing Witten, Moffat & Bell. Managing Gigabytes
Manning and Schuetze. Foundations of Statistical Natural Language Processing Brants. Thorsten, Natural Language Processing in Information Retrieval, Google
Jelinek. Statistical Methods for Speech Recognition Inc.
Smeaton. Alan F., Natural Language Processing & Information Retrieval, School of
Computer Applications, Dublin City University, Glasnevin, Dublin 9
Perangkat Keras Perangkat Lunak
Laptop PERL
PC NLTK
Infocus PYTHON

2
 Jl. Letjend. S. Parman No. 1 Jakarta 1140 Telp. (021) 5663124, 5672548, 5638335 Fax. 5663277

Website: www.untar.ac.id

Papan Tulis WEKA

UiPath

Pertemuan Kemampuan Akhir Bahan Kajian Bentuk dan Waktu Pengalaman Belajar Penilaian
Ke yang Diharapkan (Materi Pembelajaran) Metode Mahasiswa
(Sub-CPMK) Pembelajaran Kriteria dan Indikator Bobot
Bentuk
1 Mahasiswa dapat Pengenalan Natural BP: Kuliah PB: Mendengarkan Kriteria: Menjawab 2%
mengerti tujuan dan Language Processing MP: 1x(2x50’) ceramah oleh dosen, ketepatan min 50%
kegunaan NLP (NLP) Pembelajaran TS: menjawab pertanyaan menjawab
- Apa itu Natural kooperatif, 1x(2x60’) jika ditanya,
Mahasiswa mengerti Language pembelajaran KM: mengerjakan soal Bentuk:
tingkatan pada NLP Processing masalah 1x(2x60’) Observasi, tes
- Level in Natural teori
Mahasiswa mengerti Language
hubungan NLP dan IR Processing BP: Kuliah
- Aplikasi Natural MP:
Language Pembelajaran
Processing kooperatif,
- Natural Language pembelajaran
Processing dan masalah
Information
Retrieval (IR)
2 Mahasiswa dapat Natural Language and BP: Kuliah PB: Memperhatikan Observasi, tes Menjawab 2%
memahami dan Formal Language: MP: 1x(2x50’) penjelasan, menjawab tertulis dan tes min 50%,
menjelaskan - Regular Pembelajaran TS: pertanyaan secara lisan nilai tes
hubungan formal Expressions kooperatif, 1x(2x60’) lisan pada saat tertulis >=
language dan 60%

3
 Jl. Letjend. S. Parman No. 1 Jakarta 1140 Telp. (021) 5663124, 5672548, 5638335 Fax. 5663277

Website: www.untar.ac.id

implementasi dengan - Finite State pembelajaran KM: ditanya, mengerjakan

regular expression Automata masalah 1x(2x60’) latihan yang diberikan
serta memahami - Konversi dalam
konsep Finite tata Bahasa
Automata BP: Kuliah
MP:
Pembelajaran
kooperatif,
pembelajaran
masalah
3 Mahasiswa mengerti Data Pre-Processing BP: Kuliah PB: Memperhatikan Tes tertulis, Nilai >= 2%
dan dapat - Lexical analysis MP: 1x(2x50’) penjelasan, menjawab tugas kelompok 50%
mengimplementasikan - Stopwords Pembelajaran TS: pertanyaan secara
teknik-teknik data pre- removal kooperatif, 1x(2x60’) lisan pada saat
processing - Stemming pembelajaran KM: ditanya, mengerjakan
menggunakan - Part-of-speech masalah 1x(2x60’) latihan yang diberikan
berbagai program tagging
(PERL) - Construction of
word BP: Kuliah
MP:
Pembelajaran
kooperatif,
pembelajaran
masalah
4 Mahasiswa mampu N-gram Language BP: Kuliah PB: Memperhatikan Tes tertulis, Nilai >= 2%
memahami konsep n- Models MP: 1x(2x50’) penjelasan, menjawab tugas kelompok 50%
gram dan - Aturan language Pembelajaran TS: pertanyaan secara
penggunaan. models kooperatif, 1x(2x60’) lisan pada saat
Mahasiswa dapat

4
 Jl. Letjend. S. Parman No. 1 Jakarta 1140 Telp. (021) 5663124, 5672548, 5638335 Fax. 5663277

Website: www.untar.ac.id

mengerti bagaimana - Simple N-gram pembelajaran KM: ditanya, mengerjakan

cara mengevaluasi n- models masalah 1x(2x60’) latihan yang diberikan
gram language models - Estimating
parameters and
smoothing. BP: Kuliah
- Evaluasi language MP:
models Pembelajaran
- Evaluasi kooperatif,
Precision, Recall, pembelajaran
Mean Reciprocal masalah
Rank
5 Mahasiswa dapat Strategi Information BP: Kuliah PB: Menghitung Retrieval Tes tertulis Nilai >= 60 2%
memahami teknik apa Retrieval (Text MP: 1x(2x50’) dengan berbagai
saja yang dapat Retrieval Methods) Pembelajaran TS: strategi, menjawab
dipakai dalam - Boolean Model kooperatif, 1x(2x60’) pertanyaan secara
mengimplemetasikan - Probabilistic pembelajaran KM: lisan pada saat
strategi IR Model masalah 1x(2x60’) ditanya, mengerjakan
(Excel, Lucene, Lemur) - Vector Space latihan yang diberikan
Model
- Language Model BP: Kuliah
MP:
Pembelajaran
kooperatif,
pembelajaran
masalah
6 Mahasiswa mampu Part Of Speech Tagging BP: Kuliah PB: Mahasiswa dapat Tes tertulis, Nilai >= 2%
memahami and Sequence Labeling MP: 1x(2x50’) menghitung dan tugas kelompok 50%
pengertian, tujuan - Rule Based Pembelajaran TS: menggunakan salah
dan kegunaan POS- kooperatif, 1x(2x60’)

5
 Jl. Letjend. S. Parman No. 1 Jakarta 1140 Telp. (021) 5663124, 5672548, 5638335 Fax. 5663277

Website: www.untar.ac.id

tagging. Mahasiswa - Maximum pembelajaran KM: satu metode POS

mengenal berbagai Entropy Models. masalah 1x(2x60’) tagging.
macam metode yang - Conditional
digunakan dalam Random Fields
membangun POS- BP: Kuliah
tagging (Stanford) MP:
Pembelajaran
kooperatif,
pembelajaran
masalah
7 Mahasiswa dapat String Edit Distance BP: Kuliah PB: Melakukan string dan Kuis Nilai >= 60 3%
memahami and Alignment MP: 1x(2x50’) pattern matching
proses pencocokan - Brute force Pembelajaran TS: dengan salah satu
pola pada - Rabin Karp kooperatif, 1x(2x60’) algoritma
data teks - Knuth-Morris- pembelajaran KM:
Pratt masalah 1x(2x60’)
- Booyer Moore
- Levenhstein
Distance BP: Kuliah
MP:
Pembelajaran
kooperatif,
pembelajaran
masalah
8 Mahasiswa mampu - UTS Mengumpulkan Nilai >= 56 30%
membuat proposal laporan
perancangan proposal
9 Mahasiswa dapat Syntax Analyser BP: Kuliah PB: Mengerjakan soal Tes tertulis Nilai >= 60 2%
- Parser 1x(2x50’) graph coloring,

6
 Jl. Letjend. S. Parman No. 1 Jakarta 1140 Telp. (021) 5663124, 5672548, 5638335 Fax. 5663277

Website: www.untar.ac.id

memahami dan - Top down parser MP: TS: menjawab pertanyaan

menjelaskan macam- - Bottom Up Parser Pembelajaran 1x(2x60’) secara lisan pada saat
macam parser, serta - Parsing dengan kooperatif, KM: ditanya, mengerjakan
membuat parser dari Context Free pembelajaran 1x(2x60’) latihan yang diberikan
kasus yang ada Grammars masalah (NLTK)

BP: Kuliah
MP:
Pembelajaran
kooperatif,
pembelajaran
masalah
10 Mahasiswa Syntactic parsing BP: Kuliah PB: Memperhatikan Tes tertulis, Nilai >= 2%
memahami aturan - Aturan Grammar MP: 1x(2x50’) penjelasan, menjawab tugas kelompok 50%
grammar dalam dan treebanks. Pembelajaran TS: pertanyaan secara
Bahasa Indonesia. - Statistical parsing kooperatif, 1x(2x60’) lisan pada saat
Mahasiswa mengerti and probabilistic pembelajaran KM: ditanya, mengerjakan
cara penerapan PCFG CFGs (PCFGs). masalah 1x(2x60’) latihan yang diberikan
- Lexicalized PCFGs. (Stanford)

BP: Kuliah
MP:
Pembelajaran
kooperatif,
pembelajaran
masalah
11 Mahasiswa Semantic Analysis BP: Kuliah PB: Memperhatikan Tes tertulis Nilai >= 2%
memahami aturan 1x(2x50’) penjelasan, menjawab 50%

7
 Jl. Letjend. S. Parman No. 1 Jakarta 1140 Telp. (021) 5663124, 5672548, 5638335 Fax. 5663277

Website: www.untar.ac.id

grammar dalam - Lexical semantics MP: TS: pertanyaan secara

Bahasa Indonesia dan dan word-sense Pembelajaran 1x(2x60’) lisan pada saat
mengetahui disambiguation. kooperatif, KM: ditanya, mengerjakan
keambiguan apa saja - Semantic Role pembelajaran 1x(2x60’) latihan yang diberikan
yang terjadi dalam Labeling masalah
Bahasa Indonesia - Semantic Parsing
- (Sentiment
Analysis) BP: Kuliah
MP:
Pembelajaran
kooperatif,
pembelajaran
masalah
12 Mahasiswa mampu Topik dalam NLP BP: Kuliah PB: Mahasiswa Tes lisan Menjawab 2%
memahami konsep - Machine MP: 1x(2x50’) mengimplementasikan min 50%
kerja MT dan masalah Translation Pembelajaran TS: salah satu MT sistem
apa saja yang dihadapi - Masalah dalam kooperatif, 1x(2x60’) (MOSES)
dalam membangun membangun MT pembelajaran KM:
MT - Statistical masalah 1x(2x60’)
translation, word
alignment,
phrase-based BP: Kuliah
translation, and MP:
synchronous Pembelajaran
grammars. kooperatif,
- Implementasi NLP pembelajaran
dalam RPA masalah
13 Mahasiswa mengerti Topik dalam NLP BP: Kuliah PB: Memperhatikan Tes tertulis Nilai >= 2%
teknik-teknik yang Summarization 1x(2x50’) penjelasan, menjawab 50%

8
 Jl. Letjend. S. Parman No. 1 Jakarta 1140 Telp. (021) 5663124, 5672548, 5638335 Fax. 5663277

Website: www.untar.ac.id

digunakan dalam • Weight of MP: TS: pertanyaan secara

membuat automatic sentence Pembelajaran 1x(2x60’) lisan pada saat
text summarization • Weight of feature kooperatif, KM: ditanya, mengerjakan
• Classification and pembelajaran 1x(2x60’) latihan yang diberikan
Clustering masalah

BP: Kuliah
MP:
Pembelajaran
kooperatif,
pembelajaran
masalah
14 Mahasiswa Topik dalam NLP BP: Kuliah PB: Mahasiswa dapat Tes lisan Menjawab 2%
mengetehaui cara - Information MP: 1x(2x50’) menjalankan salah min 50%
kerja IE dan named Extraction (IE) Pembelajaran TS: satu program IE dan
entity recognition (Named Entity kooperatif, 1x(2x60’) NER (Stanford)
Recognation) pembelajaran KM:
- Question masalah 1x(2x60’)
Answering System

BP: Kuliah
MP:
Pembelajaran
kooperatif,
pembelajaran
masalah

9
 Jl. Letjend. S. Parman No. 1 Jakarta 1140 Telp. (021) 5663124, 5672548, 5638335 Fax. 5663277

Website: www.untar.ac.id

15 Mahasiswa Natural Language BP: Kuliah PB: Berdiskusi, Kuis Nilai >= 60 3%
mengetahui dan Processing dengan MP: 1x(2x50’) mengerjakan kuis
memahami konsep Machine Learning Pembelajaran TS:
NLP dengan Machine - Recurrence kooperatif, 1x(2x60’)
Learning Neural Network pembelajaran KM:
(Python) masalah 1x(2x60’)

BP: Kuliah
MP:
Pembelajaran
kooperatif,
pembelajaran
masalah
* Mampu UAS Tes Tertulis Nilai >= 56 40%
menyelesaikan soal
UAS dan
mengumpulkan
laporan akhir

Keterangan:
- CPL diambil dari Kurikulum Operasional, menunjukkan komponen Sikap (S), Pengetahuan (P), Keterampilan Umum (KU), dan
Keterampilan Khusus (KK) yang mana yang ingin dicapai oleh mata kuliah. Ditulis dengan S1 artinya komponen Sikap Nomor 1.
- Referensi bisa berupa free ebooks aatau buku cetak yang digunakan sebagai acuan bahan pembelajaran
- Bahan Kajian: materi pembelajaran untuk setiap pertemuan
- Bentuk dan metode pembelajaran merupakan metode yang digunakan untuk memfasilitasi pembelajaran mahasiswa, dapat berupa
diskusi kelompok, simulasi, studi kasus, pembelajaran kolaboratif, pembelajaran berbasis proyek.
- Pengalaman belajar mahasiswa: tatap muka, diskusi, seminar, praktik, studi lapangan, dll

10
 Jl. Letjend. S. Parman No. 1 Jakarta 1140 Telp. (021) 5663124, 5672548, 5638335 Fax. 5663277

Website: www.untar.ac.id

- Kriteria dan Bentuk Penilaian dapat berupa Teknik penilaian yang digunakan untuk mengukur capaian tujuan pembelajaran, dapat berupa
observasi, partisipasi, unjuk kerja, tes tertulis, tes lisan.
- Indikator penilaian merupakan kemampuan/kesesuaian/kelengkapan pada sebuah kegiatan penilaian
Contoh: Kelengkapan tugas, kemampuan mengerjakan Quiz dengan nilai >= 70, dll
- Bobot Nilai merupakan prosentase bobot sebuah materi terhadap keseluruhan materi

11