Sejak Natural Language Processing mengalami perkembangan signifikan, persoalan seputar analisis teks turut mengemuka. Salah satu jenis analisis teks yang mempelajari bagaimana teks dapat dikategorikan ke dalam label atau kelas tertentu adalah Topic Classification. 

Topic Classification memiliki jangkauan penerapan yang luas, antara lain meliputi Deteksi Spam, Analisis Sentimen, Kategorisasi Berita, dan lain sebagainya. Teks yang dianalisis bisa datang dari berbagai sumber. Misalnya situs web, email, chat, media sosial, klaim asuransi, atau ulasan pengguna pada suatu aplikasi. 

Kendati teks sangat kaya akan informasi, menggali informasi yang tepat boleh jadi memakan waktu lama karena sifat teks pada dasarnya tidak terstruktur. Diperkirakan pada tahun 2025 setidaknya 80% data di seluruh dunia adalah data tidak terstruktur.

Sebelum era Machine Learning, Topic Classification dilakukan secara manual, yakni dengan mengklasifikasikan teks ke dalam kategori-kategori berbeda yang telah ditentukan sebelumnya. Selain memakan waktu lama, akurasi klasifikasi secara manual relatif rendah karena bisa dipengaruhi oleh faktor-faktor subjektif manusia, seperti bias, kapabilitas, atau bahkan kelelahan.

Barulah setelah Machine Learning berkembang, Topic Classification dapat dilakukan secara otomatis dan lebih efisien karena algoritma Machine Learning mampu mempelajari keterkaitan antara teks dan label berdasarkan kumpulan data latih yang ada sebelumnya.

Pembahasan

Karena hampir semua data yang ada mengandung teks, Topic Classification dapat diaplikasikan di berbagai bidang, seperti menandai (tagging) kategori pada lokapasar eCommerce, blog, atau situs berita; mengautomatisasi alur kerja Customer Relationship Management (CRM); atau digunakan pada konten situs web untuk meningkatkan SEO.

Ada empat fase yang harus ditempuh dalam Topic Classification untuk mendapat hasil sesuai ekspektasi, yaitu: feature extraction, dimension reductions, classification techniques, dan evaluation.

Feature extraction 

Pada fase ini, teks tak terstruktur diubah menjadi teks terstruktur menggunakan model matematis.

Dimensionality reductions

Karena teks sering kali mengandung banyak kata unik, sehingga pemrosesan memerlukan banyak waktu dan kapasitas memori, maka digunakan dimensionality reductions untuk meringankan beban tersebut.

Classification techniques 

Ada beberapa teknik klasifikasi yang dapat digunakan sesuai kebutuhan dengan kelebihan serta kekurangannya masing-masing, seperti Logistic Regression, Naïve Bayes, Support Vector Machine, atau Deep Learning.

Evaluation

Pada fase akhir ini, kinerja topic classification akan ditinjau ulang menggunakan model evaluasi, seperti Receiver Operating Characteristics.

Jika Anda adalah seorang pebisnis atau baru merintis bisnis, topic classification menggunakan machine learning sangat dapat sangat berguna. Dari sejumlah kelebihan yang bisa Anda dapatkan, setidaknya ada tiga yang utama, yakni:

Jangkauan

Machine learning memungkinkan analisis teks berskala besar dalam hitungan menit dengan lebih akurat ketimbang analisis secara manual. Jangkauan yang besar atas teks yang berasal dari berbagai sumber ini cocok untuk bisnis skala kecil maupun besar.

Analisis real-time

Ada kalanya Anda harus berhadapan dengan situasi mendesak di mana dibutuhkan pengambilan keputusan yang cepat. Machine learning dapat membantu Anda dalam mengambil keputusan tersebut karena analisisnya dilakukan secara real-time.

Konsistensi

Tanpa campur tangan manusia sepenuhnya, Machine Learning meminimalisasi kesalahan yang disebabkan oleh faktor-faktor manusia, seperti kelelahan atau distraksi. Tidak demikian dengan Machine Learning yang dapat terus beroperasi secara konsisten, sehingga memungkinkan akurasi sesuai dengan ekspektasi.

Meskipun Topic Classification dengan menggunakan Machine Learning tidak mungkin bisa mencapai hasil sempurna, pembaruan dan perbaikan terus dilakukan untuk mencapai hasil maksimal, atau setidaknya sesuai dengan apa yang diinginkan. 

Penutup

Topic Classification menggunakan Machine Learning sangat memudahkan kerja analisis teks yang sebelumnya dilakukan secara manual. Dalam kaitannya dengan proses bisnis, Topic Classification juga meminimalisasi faktor-faktor subjektif manusia yang dapat menurunkan tingkat akurasi klasifikasi.

Penulis: Arlandy Ghifari

Editor: M. Wahyu Hidayat