LKPD Koding dan Kecerdasan Artifisial Kelas 11: Menerapkan Tahapan Prapemrosesan Teks Tokenisasi dan Stopword Removal Berbasis Python

INFORMASI UMUM

TUJUAN PEMBELAJARAN

1. Menerapkan dasar-dasar Natural Language Processing melalui tahapan prapemrosesan teks

PETUNJUK UMUM

• Bacalah instruksi pada setiap kegiatan dengan seksama sebelum mengetikkan kode program atau menuliskan jawaban.
• Gunakan lingkungan pemrograman Python (IDLE, Jupyter Notebook, VS Code, atau Google Colab) yang telah disiapkan di lab komputer.
• Bekerjalah secara kolaboratif bersama teman sebangku/kelompok, namun setiap murid tetap mencatatkan hasil penerapannya pada lembar kerja masing-masing.
• Fokuskan penerapan pada dua tahapan utama prapemrosesan teks: tokenisasi (pemecahan teks) dan stopword removal (pemfilteran kata umum tanpa makna penting).

KEGIATAN

Kegiatan 1: Aktivitas 1: Menerapkan Tokenisasi pada Teks Ulasan dengan Python

Estimasi: 25 menit

Alat & Bahan:

• Komputer/laptop dengan Python 3 terinstal
• Teks ulasan sampel pada LKPD

Petunjuk Pengerjaan:

1. Perhatikan kalimat ulasan berikut: 'Pelayanan di toko ini sangat ramah, tetapi proses pengiriman pesanannya cukup lambat!'
2. Terapkan teknik tokenisasi kata menggunakan fungsi bawaan Python `.split()` atau pustaka NLP (`nltk.tokenize.word_tokenize`) pada teks ulasan tersebut.
3. Lakukan normalisasi huruf kecil (lowercase) terlebih dahulu sebelum memecah teks menjadi daftar token.
4. Tuliskan potongan kode Python yang kamu gunakan beserta daftar token keluaran yang dihasilkan pada ruang jawaban.

Pertanyaan:

1. Tuliskan kode program Python sederhana untuk mengubah kalimat teks ulasan di atas menjadi huruf kecil dan memecahnya menjadi daftar token kata!

2. Berdasarkan eksekusi kode programmu, tuliskan daftar token kata yang dihasilkan dalam bentuk list Python!

Tuliskan kode Python pada blok kode teks dan tuliskan list hasil output tokenisasi pada baris bertanda kurung siku [ ].

Kegiatan 2: Aktivitas 2: Menerapkan Stopword Removal untuk Memfilter Token Kata

Estimasi: 30 menit

Alat & Bahan:

• Komputer/laptop dengan Python 3 terinstal
• Daftar stopword acuan pada petunjuk

Petunjuk Pengerjaan:

1. Ambil daftar token kata yang telah kamu hasilkan dari Aktivitas 1.
2. Diberikan daftar stopword Bahasa Indonesia sederhana: stopwords = ['di', 'ini', 'sangat', 'tetapi', 'cukup'].
3. Terapkan pemfilteran stopword removal menggunakan perulangan (`for loop`) atau `list comprehension` di Python untuk menyaring token yang masuk dalam daftar stopword.
4. Bandingkan daftar token sebelum dan sesudah tahap stopword removal diterapkan.

Pertanyaan:

1. Tuliskan kode Python stopword removal yang menerapkan seleksi kondisi untuk menyaring kata-kata dari daftar token pada Aktivitas 1!

2. Isilah tabel perbandingan token berikut untuk menunjukkan hasil penerapan tahapan stopword removal terhadap token yang diproses:

Sediakan kotak kode program Python dan tabel 3 kolom: [Token Awal] | [Status: Stopword / Bukan] | [Tersimpan / Terhapus].

Kegiatan 3: Aktivitas 3: Menerapkan Pipeline Prapemrosesan Teks Lengkap pada Kalimat Baru

Estimasi: 35 menit

Alat & Bahan:

• Komputer/laptop dengan compiler Python
• Teks uji ulasan Kalimat A dan Kalimat B

Petunjuk Pengerjaan:

1. Diberikan dua kalimat baru dari dataset ulasan layanan: Kalimat A: 'Aplikasi ini sangat mudah digunakan dan tampilannya keren' Kalimat B: 'Sistem sering eror sehingga saya merasa kecewa sekali'
2. Gunakan daftar stopwords tambahan: ['ini', 'sangat', 'dan', 'sering', 'sehingga', 'saya', 'sekali'].
3. Buat sebuah fungsi Python bernama `praproses_teks(kalimat)` yang langsung menjalankan tahapan: (1) normalisasi lowercase, (2) tokenisasi, dan (3) stopword removal.
4. Terapkan fungsi tersebut pada Kalimat A dan Kalimat B, lalu dokumentasikan hasilnya pada tabel hasil uji.
5. Aktivitas ini sudah mencakup sesi penutup dan pengisian refleksi pembelajaran.

Pertanyaan:

1. Tuliskan implementasi fungsi Python `praproses_teks(kalimat)` yang menggabungkan tahapan lowercase, tokenisasi, dan stopword removal!

2. Tuliskan hasil akhir token yang didapatkan setelah fungsi `praproses_teks` diterapkan pada Kalimat A dan Kalimat B!

Format jawaban: 1 blok fungsi Python utuh, diikuti baris output list token hasil eksekusi untuk Kalimat A dan Kalimat B.

REFLEKSI

1. Setelah mempraktikkan kode prapemrosesan teks, mengapa tahapan tokenisasi wajib dilakukan terlebih dahulu sebelum kita bisa menerapkan penghapusan stopword?

2. Bagaimana perbedaan ukuran dan keterbacaan data kata kunci sebelum dan sesudah kamu menerapkan stopword removal menggunakan skrip Python?

3. Bagian penulisan kode prapemrosesan teks mana (tokenisasi atau pemfilteran stopword) yang paling menantang bagimu, dan bagaimana kamu menyelesaikannya?