Jurnal ICT : Information Communication & Technology Vol.
N0.
Desember 2025, pp.
p-ISSN: 2302-0261, e-ISSN: 2303-3363.
DOI: https://doi.
org/10.
36054/jict-ikmi.
Dari Sintaksis ke Pemahaman : Natural Language Processing (NLP) dalam Filsafat Ilmu Komputer Parasian D.
P Silitonga1,2.
Mahyuddin K.
Nasution1 Program Studi (S.
Sains Komputer.
Fasilkom-TI Universitas Sumatera Utara.
Medan, 20155.
Sumatera Utara.
Indonesia Program Studi Teknik Informatika.
Fakultas Ilmu Komputer Universitas Katolik Santo Thomas.
Medan, 20132.
Sumatera Utara.
Indonesia Email : parasianirene@gmail.
com, mahyuddin@usu.
INFORMASI ARTIKEL
Histori artikel:
Naskah masuk, 16 Desember 2025 Direvisi, 29 Desember 2025 Diiterima, 31 Desember 2025 Kata Kunci:
Natural Language Processing .
Filsafat Ilmu Komputer .
Filsafat Bahasa .
Ontologi .
Epistemologi ABSTRAK Abstract- The development of Natural Language Processing (NLP) as a branch of artificial intelligence has opened up new avenues for understanding the relationship between language, knowledge, and computational thinking.
This study aims to examine NLP from the perspective of the philosophy of computer science, emphasizing the interrelationship between ontological, epistemological, and philosophical aspects of language in the development of NLP systems.
From the perspective of the philosophy of language, the NLP approach seeks to connect linguistic symbols with cognitive reality, while from the perspective of the philosophy of computer science.
NLP reflects a computational epistemology that seeks to understand how machines can know and understand through learning algorithms.
The results of this study indicate that the development of modern NLP, such as Word2Vec.
GloVe, and BERT, implicitly contains philosophical dimensions about meaning, representation, and understanding.
Therefore, the integration of the philosophy of language and the philosophy of computer science is important to ensure that the direction of artificial intelligence development remains grounded in an ethical and ontological understanding of human meaning and Abstrak- Perkembangan Natural Language Processing (NLP) sebagai cabang dari kecerdasan buatan (Artificial Intelligenc.
telah membuka ruang baru dalam pemahaman hubungan antara bahasa, pengetahuan, dan pemikiran komputasional.
Penelitian ini bertujuan untuk meninjau NLP dari perspektif filsafat ilmu komputer, dengan menekankan keterkaitan antara aspek ontologis, epistemologis, dan filsafat bahasa dalam pembentukan sistem NLP.
Dari sisi filsafat bahasa, pendekatan NLP berupaya menghubungkan simbol linguistik dengan realitas kognitif, sementara dari sisi filsafat ilmu komputer.
NLP mencerminkan epistemologi komputasional yang berusaha memahami bagaimana mesin dapat mengetahui dan memahami melalui algoritma pembelajaran.
Hasil kajian ini menunjukkan bahwa pengembangan NLP modern, seperti Word2Vec.
GloVe, dan BERT, secara implisit mengandung dimensi filosofis tentang makna, representasi, dan pemahaman.
Oleh karena itu, integrasi antara filsafat bahasa dan filsafat ilmu komputer menjadi penting untuk memastikan bahwa arah perkembangan kecerdasan buatan tetap berpijak pada pemahaman etis dan ontologis tentang makna dan pengetahuan manusia.
Penulis Korespondensi:
Parasian D.
P Silitonga Program Studi (S.
Sains Komputer.
Fasilkom-TI.
Universitas Sumatera Utara.
Medan Program Studi Teknik Informatika.
Universitas Katolik Santo Thomas Jl.
Setia Budi No.
479-F Tanjung Sari.
Medan.
Indonesia Email: parasianirene@gmail.
https://ejournal.
id/index.
php/jict-ikmi Jurnal ICT : Information Communication & Technology Vol.
N0.
Desember 2025, pp.
p-ISSN: 2302-0261, e-ISSN: 2303-3363.
DOI: https://doi.
org/10.
36054/jict-ikmi.
Pendahuluan Perkembangan pesat kecerdasan buatan (Artificial Intelligence/AI) telah menghadirkan tantangan baru dalam memahami relasi antara manusia, bahasa, dan mesin.
Salah satu cabang penting dalam AI adalah Natural Language Processing (NLP), yang memungkinkan mesin untuk memahami, menafsirkan, dan menghasilkan bahasa alami secara bermakna, sehingga menjembatani kesenjangan antara sintaksis dan semantik dalam komunikasi manusia dengan mesin .
Di balik kemajuan teknis tersebut, terdapat dimensi filosofis yang mendalam, yakni bagaimana mesin dapat merepresentasikan pengetahuan, memahami makna, dan meniru proses berpikir Filsafat ilmu komputer tidak hanya mempertanyakan bagaimana algoritma bekerja, tetapi juga bagaimana konsep-konsep seperti makna, niat, dan representasi kognitif dapat dimodelkan secara komputasional .
NLP tidak hanya merevolusi cara manusia berinteraksi dengan komputer seperti melalui chatbot, machine translation, dan voice assistants tetapi juga menimbulkan pertanyaan mendalam mengenai hakikat pemahaman dalam konteks Dalam ranah filsafat ilmu komputer, pertanyaan tersebut bersinggungan dengan isu klasik tentang hubungan antara syntax, semantics, dan Komputer secara fundamental beroperasi pada level sintaksis manipulasi simbolsimbol tanpa makna intrinsik .
Namun, dengan munculnya model bahasa besar (Large Language Models / LLM.
seperti GPT dan BERT, batas antara sintaksis dan pemahaman semakin kabur.
Modelmodel ini menunjukkan kemampuan luar biasa dalam memahami konteks, inferensi, dan bahkan kreativitas linguistik, sehingga menimbulkan pertanyaan filosofis baru apakah pemahaman yang ditunjukkan oleh mesin bersifat nyata atau simulatif semata .
NLP modern dapat dipahami sebagai wujud konkret dari epistemologi komputasional, di mana pengetahuan direpresentasikan melalui struktur data, vektor, dan embedding yang memetakan relasi semantik antar kata dan konteks .
Dalam pandangan ini, bahasa tidak lagi sekadar kumpulan simbol, tetapi juga sistem informasi yang dapat dipelajari melalui pola statistik dan pembelajaran mendalam .
eep learnin.
Dengan demikian.
NLP menjadi jembatan antara sintaksis komputasional dan pemahaman semantik yang sebelumnya dianggap mustahil dalam paradigma klasik AI .
Dari perspektif filsafat ilmu komputer, analisis terhadap NLP membuka ruang refleksi baru mengenai hakikat pengetahuan, kesadaran, dan makna dalam konteks digital.
Filsafat ilmu komputer tidak hanya berbicara tentang bagaimana komputer bekerja, tetapi juga bagaimana pengetahuan ilmiah https://ejournal.
id/index.
php/jict-ikmi dimanifestasikan melalui sistem komputasi.
Melalui kajian ini.
NLP dapat dipandang sebagai eksperimen epistemologis sebuah usaha untuk memahami bagaimana sintaksis dapat bertransformasi menjadi semantik, dan bagaimana pemrosesan simbol dapat mendekati bentuk pemahaman yang menyerupai Latar Belakang Perkembangan teknologi informasi pada abad ke-21 telah menandai pergeseran besar dalam cara merepresentasikan pengetahuan.
Salah satu bidang yang menjadi tonggak dalam perubahan paradigma ini adalah Natural Language Processing (NLP), yaitu cabang Artificial Intelligence (AI) yang berfokus pada pemrosesan, analisis, dan generasi bahasa alami oleh komputer.
NLP memungkinkan komputer memahami konteks, struktur, dan makna bahasa manusia melalui algoritma statistik, model pembelajaran mesin, dan arsitektur pembelajaran mendalam .
eep learnin.
Dari aplikasi seperti machine translation, voice recognition, chatbot, hingga semantic search engines.
NLP kini menjadi tulang punggung berbagai sistem cerdas yang semakin dekat dengan perilaku komunikasi manusia.
Perkembangan NLP modern dengan model bahasa besar (Large Language Models/ LLM.
seperti GPT-4.
PaLM.
Claude, dan LLaMA menantang batasan-batasan yang menyatakan adanya jurang yang dalam antara syntax dan semantics, antara symbol manipulation dan meaning Model-model menggunakan miliaran parameter dan korpus data dalam skala global, serta memungkinkan sistem untuk meniru kompleksitas semantik dan pragmatik manusia.
Melalui mekanisme transformer architecture dan attention mechanism, sistem dapat menangkap konteks dan relasi antar kata dalam dimensi semantik yang tinggi .
Hasilnya, mesin kini dapat menghasilkan teks dengan koherensi, gaya, dan bahkan emosi yang mendekati manusia.
Fenomena ini mengundang refleksi baru dalam filsafat ilmu komputer apakah pemahaman yang ditunjukkan oleh model NLP bersifat genuine .
atau hanya simulatif .
NLP juga menyingkap hubungan erat antara bahasa, logika, dan pikiran, tiga domain yang sejak lama menjadi pusat perhatian filsafat klasik.
Dalam tradisi filsafat bahasa, ditegaskan bahwa makna suatu kata ditentukan oleh penggunaannya dalam konteks kehidupan .
eaning is us.
Hal ini sejajar dengan pendekatan contextual embedding dalam NLP modern, di mana makna kata kemunculannya dalam data pelatihan.
Dengan demikian, teori linguistik secara tidak langsung Jurnal ICT : Information Communication & Technology Vol.
N0.
Juli 2019, pp.
xx-xx komputasional modern yang bersifat distribusional.
Ini menandakan adanya konvergensi antara filsafat bahasa dan teknik NLP, di mana makna dipahami bukan sebagai entitas statis, melainkan sebagai hasil dari interaksi dinamis antar konteks.
Dalam perspektif filsafat ilmu komputer, hubungan ini menunjukkan bahwa NLP bukan sekadar bidang teknis, tetapi juga arena reflektif bagi epistemologi dan ontologi komputasional Selain itu, perkembangan NLP juga memiliki implikasi etis dan epistemologis yang luas.
Penggunaan model bahasa berpotensi melahirkan stochastic parrots, yaitu sistem yang menghasilkan keluaran linguistik yang tampak cerdas, tetapi tanpa pemahaman terhadap realitas atau tanggung jawab etis.
Hal ini menimbulkan tantangan baru bagi filsafat ilmu komputer dalam menilai sejauh mana pemahaman dapat dipisahkan dari kesadaran moral dalam konteks AI.
Memahami AI berarti juga memahami batas-batas epistemologis manusia sendiri, karena model-model ini merefleksikan cara berpikir manusia yang termaterialisasi dalam kode .
Di sisi lain, perkembangan NLP menunjukkan bahwa bahasa bukan hanya media komunikasi, tetapi juga sistem pengetahuan.
Model seperti GPT dan BERT telah mampu merepresentasikan hubungan konseptual antar entitas dalam bentuk semantic space yang dapat dimanipulasi secara matematis.
Representasi vector embeddings dan makna kata dapat direpresentasikan secara kuantitatif sehingga memungkinkan mesin untuk memahami sinonim, asosiasi, dan relasi semantik .
Fenomena ini memperkuat pandangan bahwa abstraction adalah mekanisme fundamental yang menghubungkan realitas empiris dengan dunia simbolik komputer .
Filsafat Bahasa sebagai Dasar Natural Language Processing (NLP) Dari sudut pandang filosofis, timbul pertanyaan tentang apakah sistem NLP benar-benar memahami bahasa, atau sekadar meniru pola statistik atau apakah model bahasa sebagai stochastic parrots, yang hanya meniru bentuk linguistik tanpa makna.
? Dari kajian perspektif functionalism manyatakan bahwa pemahaman tidak perlu bersifat fenomenologis cukup bila sistem menunjukkan perilaku kognitif yang fungsional .
Dengan demikian, fungsi prediksi dalam NLP dapat dipandang sebagai bentuk intentional stance, di mana sistem tampak memahami karena mampu mengonstruksi respons yang koheren dan Secara formal, perilaku sistem NLP dapat dianggap sebagai pemetaan fungsi kognitif .
yce: ya Ie ycA, yce.
c ! , yc " .
A , ycC.
= yco https://ejournal.
id/index.
php/jict-ikmi p-ISSN: 2302-0261 e-ISSN: 2303-3363 di mana ya adalah himpunan input linguistik dan ycA adalah makna atau respon yang dihasilkan.
Pemetaan ini mewakili proses interpretasi simbolik sebagai inti dari kognisi buatan yang beroperasi melalui pemrosesan informasi linguistik.
Filsafat bahasa memandang bahasa sebagai sistem yang memiliki tiga dimensi utama yaotu sintaksis, semantik, dan pragmatik .
Hubungan ini digambarkan sebagai berikut .
Bahasa = Sintaksis.
Semantik.
Pragmatik Dalam NLP, diimplementasikan dalam pipeline pemrosesan bahasa yang meliputi :
Sintaksis, merupakan parsing dan analisis dependency trees atau constituency Semantik, merupakan epresentasi makna menggunakan semantic role labeling atau transformer embeddings.
Pragmatik, merupakan penyesuaian makna berdasarkan konteks percakapan, penutur, dan tujuan komunikasi.
Ketiga lapisan ini merefleksikan, bahwa bahasa bukan hanya sekadar simbol formal, melainkan struktur yang mewakili pikiran dan tindakan sosial.
Selain makna formal, filsafat bahasa menyoroti aspek pragmatik, yaitu bagaimana konteks, niat, dan tindakan ujaran memengaruhi Dalam NLP, konsep ini diterapkan pada model context-aware dan conversational systems, seperti ChatGPT atau sistem dialog berbasis transformer, yang tidak hanya memahami kata secara leksikal, tetapi juga konteks percakapan dan maksud pembicara .
Natural Language Processing (NLP) sebagai Representasi Kognisi Buatan Natural Language Processing (NLP) tidak hanya berfungsi sebagai alat teknis untuk memproses bahasa manusia, tetapi juga dapat dipahami sebagai representasi dari kognisi buatan yaitu upaya untuk meniru, memodelkan, dan memahami proses berpikir manusia melalui bahasa.
Dalam konteks ini.
NLP menjadi jendela epistemologis yang memperlihatkan bagaimana sistem komputasi dapat meniru mekanisme kognitif manusia, terutama dalam hal persepsi, pemahaman, dan produksi bahasa.
Bahasa merupakan manifestasi utama dari pikiran manusia.
Bahasa adalah struktur mental yang mencerminkan tata pikir universal .
niversal Secara komputasional, representasi bahasa dapat diturunkan Jurnal ICT : Information Communication & Technology Vol.
N0.
Juli 2019, pp.
xx-xx menjadi model distribusional yang menyatakan bahwa makna kata ditentukan oleh konteks penggunaannya .
istributional semantic.
Model ini diformulasikan secara matematis sebagai ruang vektor berdimensi-n, di mana setiap kata yc# direpresentasikan sebagai vektor numerik .
c# ) = .
cu! , ycu" .
A , ycu$ ] OO ycI$ Makna semantik antara dua menggunakan kesamaan kosinus :
similarity6yc# , yc% 7 = yc.
c# ) UI yc6yc% 7 .
c# ).
96yc% 79.
Hubungan semantik ini meniru proses asosiasi konseptual dalam otak manusia, sebagaimana dijelaskan dalam teori spreading activation pada psikologi kognitif.
Dengan demikian, sistem NLP modern seperti Word2Vec dapat dianggap sebagai bentuk memori asosiatif buatan, di mana hubungan makna muncul melalui pola distribusi data linguistik .
Selanjutnya NLP modern bergeser dari pendekatan simbolik ke model connectionist yang didasarkan pada neural networks, yang menirukan struktur neuron biologis manusia.
Model jaringan saraf dasar untuk prediksi bahasa dapat dijelaskan secara matematis sebagai fungsi probabilistik.
c& .
c!:&(! ) = ycycuyceycycoycaycu.
cO) A Ea&(! yc.
yc& : kata ke-yc.
Ea&(! : representasi tersembunyi dari konteks sebelumnya, ycO) : matriks bobot jaringan, yca : bias vektor p-ISSN: 2302-0261 e-ISSN: 2303-3363 karena mengimplementasikan proses persepsi selektif dan asosiasi konseptual secara algoritmik.
Keterkaitan Ontologis dan Epistemologis Secara terminologi, ontologi .
adalah ilmu yang mengaji tentang hakikat atau essensi yang ada, yang merupakan ultimate reality, sesuatu yang paling mendasar, yang boleh jadi bersifat fisik .
atau non-fisik .
, sedangkan epistemologi membahas tentang bagaimana pengetahuan diperoleh, diwakili, dan divalidasi.
Dalam filsafat ilmu komputer, kedua dimensi ini berinteraksi erat dimana ontologi berhubungan dengan representasi entitas dalam dunia komputasi, direpresentasikan dalam sistem digital dan epistemologi berhubungan dengan bagaimana komputer mengetahui, mempelajari, dan memahami sesuatu melalui data, algoritma, dan model pembelajaran .
Komputer bukan hanya alat untuk memproses data, tetapi sistem pembentuk realitas informasi, sehingga ontologi informasi dan epistemologi algoritmik saling terkait erat dalam konstruksi makna digital .
Dalam konteks NLP, ontologi digunakan untuk merepresentasikan konsep dunia nyata dan relasinya dalam bentuk struktur formal seperti knowledge graphs, semantic networks, dan ontological hierarchies.
Misalnya.
WordNet adalah sistem ontologi linguistik yang memetakan kata berdasarkan hubungan semantik .
ynonymy, hyponym.
Ontologi memungkinkan sistem NLP memahami bahwa dog adalah jenis dari animal dan animal merupakan makhluk hidup .
iving bein.
Secara formal, ontologi dalam NLP bisa direpresentasikan dengan relasi tripel semantik .
ycC = {.
c, ycy, yc.
O yc, ycu OO ya, ycy OO ycI} Model transformer yang digunakan dalam BERT dan GPT memperluas hal ini dengan mekanisme self-attention, yang meniru kemampuan manusia memfokuskan perhatian pada bagian tertentu dari kalimat .
E : himpunan entitas .
R : himpunan relasi .
, dan setiap tripel .
,p,.
menunjukkan hubungan ontologis seperti subjectAepredicateAeobject.
cE, ya, ycO) = ycycuyceycycoycaycu 3.
cEya ! )/5ycc" 7 ycO Epistemologi dalam NLP berkaitan dengan bagaimana sistem memperoleh pengetahuan linguistik dan semantik dari data.
Dalam paradigma pembelajaran mesin, model bahasa besar (LLM.
seperti GPT belajar melalui representasi vektor dari kata-kata .
di mana:
ycE: query vector .
ata yang sedang diprose.
, ya: key vectors .
ata dalam kontek.
, ycO: value vectors .
nformasi semantik terkai.
Formula ini menggambarkan bagaimana sistem komputasi memilih bagian konteks yang relevan dengan fokus atensi dalam proses kognitif manusia .
Dari perspektif filsafat kognisi, mekanisme ini dapat dianggap sebagai bentuk kognisi buatan https://ejournal.
id/index.
php/jict-ikmi yce O ya Ie EyA di mana fungsi fmemetakan kata dalam bahasa L ke ruang vektor berdimensi tinggi yang menyimpan informasi semantik dan kontekstual.
Jurnal ICT : Information Communication & Technology Vol.
N0.
Juli 2019, pp.
xx-xx p-ISSN: 2302-0261 e-ISSN: 2303-3363 Penutup Perkembangan Natural Language Processing (NLP) telah membawa pemahaman yang lebih mendalam tentang bagaimana bahasa, makna, dan pengetahuan dapat direpresentasikan dalam bentuk Dalam konteks filsafat ilmu komputer.
NLP tidak hanya sekadar bidang teknis yang berfokus pada sintaksis dan algoritma, tetapi juga mencerminkan upaya epistemologis dan ontologis pengetahuan yang menyerupai kognisi manusia.
Dari perspektif filsafat bahasa.
NLP mewujudkan ide dasar bahwa makna tidak hanya berada pada struktur sintaktis, tetapi juga pada konteks penggunaan.
Representasi semantik dalam model word embeddings dan transformer menjadi wujud konkret dari gagasan bahwa bahasa adalah cerminan dari aktivitas kognitif.
Sementara itu, dari sisi ontologi dan epistemologi.
NLP memperlihatkan keterkaitan antara ada-nya informasi dan cara mengetahuinya melalui pembelajaran mesin.
Model seperti Word2Vec.
GloVe, dan BERT tidak hanya memproses kata, tetapi juga memetakan relasi konseptual antar-entitas sebagai bentuk cognition Dengan segala kemajuan tersebut, tantangan ke depan terletak pada bagaimana menjaga keseimbangan antara efisiensi algoritmik dan kedalaman filosofis dalam memahami bahasa.
NLP
bukan hanya alat teknologi, tetapi juga cermin dari usaha manusia untuk memahami dirinya sendiri melalui bahasa dan logika komputasional.
Daftar Pustaka