Penelitian dan penerapan Natural Language Processing dalam dunia
teknologi semakin meningkat dan berkembang. Umumnya pengembangan NLP
terjadi secara pesat dalam pemrosesan Bahasa Inggris. Metode – metode yang
digunakan dalam proses training model NLP umumnya menggunakan algoritma
Machine Learning. Salah satu penyebab berkembangnya NLP adalah
meningkatnya jumlah data linguistik yang tersedia. Namun mayoritas sistem dan
data yang tersedia saat ini adalah bagian dari high-resource language seperti
Bahasa Inggris, Perancis, Jerman, Spanyol dan China.
Dalam pembangunan model Machine Learning ini, model akan digunakan
untuk mengidentifikasi struktur kalimat dalam Bahasa Indonesia. Model akan
dirancang berdasarkan beberapa referensi model NLP yang dipakai untuk
pemrosesan Bahasa Inggris. Pembuatan model akan dirancang dengan Bahasa
pemrograman Python. Data yang digunakan dikumpulkan dari berbagai macam
sumber seperti Kompas, Historia, dan Beritagar. Data dibagi menjadi 2538 data
latih, 725 data validasi dan 364 data tes.
Model terbaik yang dibuat memiliki skor F1 mencapai 81.57% pada data
testing. Model dapat memprediksi struktur kalimat Bahasa Indonesia. Dari proses
pengujian, dapat disimpulkan bahwa model mampu mengidentifikasi struktur
kalimat Bahasa Indonesia dengan cukup baik.