Inspiration, MICE

Perangkat Lunak Deteksi Data Rusak, Hati-Hati Mainkan Fakta Dinas Luar Kota

ShareKemampuan perangkat lunak deteksi data rusak membantu perusahaan atau organisasi untuk menyingkap kebebenaran dan ketidakjujuran pembuat data. Bagi karyarwan atau pejabat yang...

Written by Rayendra L. Toruan · 2 min read >
Deteksi Data Rusak

Kemampuan perangkat lunak deteksi data rusak membantu perusahaan atau organisasi untuk menyingkap kebebenaran dan ketidakjujuran pembuat data. Bagi karyarwan atau pejabat yang sering bertugas di luar kota atau dinas luar negeri, hati-hati memainkan data. 

Deteksi Data Rusak
Contoh analisis tata letak berbasis AI dan pengenalan tabel dokumen digital. (Foto/©: Fraunhofer IAIS)

Kertas yang telah menguning karena lama dan bahkan retak atau tidak utuh lagi sobek, dan background kertas yang berpola misalnya pada tiket, tak bermasalah dilacak kebenarannya.

Perangkat Lunak Deteksi Data Rusak

Solusi ciptaan para ahli Fraunhofer IAIS bertujuan untuk analisis dokumen dan memungkinkan akses cepat dari dokumen versi digital atau sudah terdigitalisasi. 

Misalnya, ingin mengklasifikasikan keaslian dokumen sebagai faktur, tanda terima perjalanan, tiket pesawat, atau e-mail—seorang petugas di luar kota atau luar negeri, maka dokumen yang dilampirkan dalam lembaran suret pertanggungjawabannya dapat dilacak teknologi. 

Data tadi mengekstrak informasi dasar seperti nama, data, atau angka. Bahkan dokumen yang lebih panjang seperti surat atau pendapat ahli dapat dikembangkan dan dihubungkan bersama atas keterkaitannya. 

Di mana pun ada banyak dokumen, ini akan menghemat banyak waktu. Misalnya, perangkat lunak dapat menyortir surat-surat masuk dan secara otomatis meneruskannya ke pihak yang menanganinya sebagai penanggung jawab.

Dr. Nicolas Flores-Herr, Kepala Analisis Dokumen di Fraunhofer IAIS, mengatakan, “Tujuan kami adalah mengotomatiskan pemrosesan informasi secara luas dengan bantuan kecerdasan buatan atau artificial intelligence. Ini mempercepat semua proses kerja berbasis dokumen bagi pelanggan.” 

Sedangkan perusahaan yang telah menginstal perangkat lunak misalnya untuk manajemen dokumen atau manajemen konten perusahaan, solusi perangkat lunak buatah Fraunhofer IAIS ini melengkapi system yang sudah digunakan sehingga manfaat dan sistem makin ideal. 

Aplikasi buatan tim ahli Fraunhofer IAIS siap masuk ke pasar, ditetapkan dan digunakan oleh perusahaan. Keandalannya pun masih terus dikembangkan lebih dalam dan akurat oleh para peneliti Fraunhofer.

The Natural Language Understanding (NLU) merupakan solusi untuk mengakses dokumen yang kompleks dan tidak terstruktur dalam hal konten. Untuk analisis teks semantik, tim NLU  mengembangkan model bahasa yang dilatih menggunakan teknik deep learning

Model bahasa dilengkapi dengan ribuan teks dari bidang subjek yang berbeda—termasuk  artikel surat kabar, postingan media sosial, email. Modul AI membangun model statistik. Pada langkah kedua, manusia mengintervensi dan menetapkan aturan untuk evaluasi yang ditargetkan. 

“Dengan menggabungkan statistik dan aturan, perangkat lunak membutuhkan lebih sedikit data, sementara pada saat yang sama bekerja lebih cepat dan lebih tepat,” kata Sven Giesselbach, Ketua Tim Pemahaman Bahasa Alami di Fraunhofer IAIS.

NLU suite menganalisis dokumen, mengekstrak data kunci, dan bahkan membuat ringkasan terstruktur sesuai kebutuhan. Dengan hasil ini, juga pada konten dokumen itu sendiri, dokumen dapat dibandingkan atau teks dengan informasi serupa dapat ditemukan. Perangkat lunak deteksi data rusak.

Misalnya, jika istilah “pencurian” dan “rantai” ada di teks A, dan di teks B istilah “perhiasan” dan “dicuri”, model bahasanya mengenali kekerabatan tematik.

Dan perangkat lunak juga memahami bahwa frasa “Tarif harus dibayar di muka pada awal bulan” memiliki arti yang sama di dokumen A sebagai “Tarif harus dibayar setiap bulan” dalam dokumen B.

Model bahasa berbasis AI buatan Fraunhofer jauh lebih unggul dari pada kata kunci atau key words tradisional. Karena perangkat tidak hanya menemukan teks dengan kata kunci yang telah ditentukan sebelumnya.

Akan tetapi,  perangkat secara cerdas mencari istilah yang muncul dalam konteks yang mirip atau digunakan sebagai sinonim.  Selain itu, software juga bereaksi terhadap kemiripan morfologi, jelas Sven Giesselbach. 

Contoh penerapan konkrit misalnya putusan pengadilan. Pakar Fraunhofer IAIS bekerja sama dengan Fakultas Hukum University of Cologne. Di sini misalnya, pihak NLU suite secara independen memilih penilaian yang menonjol karena karakteristik seperti hukuman serupa atau peristiwa serupa. 

Dengan cara ini, kecocokan konten antara dokumen yang berbeda menjadi terlihat secara jelas.

Di rumah sakit, solusi NLU dapat mengevaluasi diagnosa medis atau surat dokter. Dengan istilah teknis yang baru muncul seperti COVID-19, perangkat lunak AI akan mengenali bahwa kata “paru-paru” berada di atas rata-rata dalam konteksnya.

Oleh karena itu, perangkat dapat menemukan dokumen yang berhubungan dengan penyakit pernapasan. Perlindungan data dijamin setiap saat. 

Semua data pribadi dianonimkan meski server berlokasi di Jerman. Pada saat yang sama, ketentuan Peraturan Perlindungan Data Umum (GDPR) dipatuhi.

Bagaiamana dengan dokumen bahasa asing misalnya teks dalam Bahasa Indonesia? Model bahasa NLU juga menguasai teks bahasa asing dan menganalisis dokumen bahasa Inggris dan Jerman dalam satu operasi. 

Sven Giesselbach dan timnya terus mengembangkan model bahasa pembelajaran mendalam. Dengan demikian, sistem mengenali ulasan positif atau negatif dalam teks dan juga mampu mengenali emosi penulis di beberapa domain seperti industri otomotif.

Struktur kompleks NLU suite tidak terlihat oleh pengguna. Aplikasi ini berjalan pada satu desktop normal. Perangkat keras yang kuat diperlukan untuk membuat dan melatih model bahasa saja. 

Aplikasi NLU yang sudah operasional adalah evaluasi putusan pengadilan, dokumen perjalanan dan kontrak leasing. 

Di sektor perawatan kesehatan, aplikasi seperti evaluasi literatur medis dan analisis dokumen klinis siap digunakan.

Leave a Reply

Your email address will not be published. Required fields are marked *