Saka: Pemrosesan Bahasa Indonesia dengan Prompting dan Dukungan AI Agentik v0.3.0

English | Bahasa Indonesia

Saka (Bahasa Jawa/Bahasa Sunda: Pilar) adalah kerangka arsitektural modern untuk pemrosesan bahasa Indonesia dan daerah, dibangun dengan prinsip desain asinkron, modular, dan cerdas.

Daftar Isi

• Saka: Pemrosesan Bahasa Indonesia dengan Prompting dan Dukungan AI Agentik v0.3.0
  • Daftar Isi
  • Fitur Utama
  • Instalasi
  • Penggunaan Dasar
  • Direktori Contoh (Examples)
  • AI Agentik & Prompting
  • Benchmark Saka-Eval
  • Penanganan Kata Majemuk Dinamis
  • Ekosistem Regional
    • 1. Sunda, Jawa, dan Bali
    • 2. Minangkabau
    • 3. Batak
    • Aksara Sunda (Ngalagena)
    • Aksara Jawa (Nglegena)
    • Aksara Bali (Wreastra)
  • CLI & Sitasi
    • Penggunaan CLI
    • Sitasi
  • Sumber & Kredit
  • Dukungan

Fitur Utama

Instalasi

Membutuhkan Python 3.8+.

# Via PyPI (Direkomendasikan)
pip install saka-nlp

# Via Source (Pengembangan)
git clone https://github.com/Muhammad-Ikhwan-Fathulloh/Saka-NLP.git
cd Saka-NLP ; pip install -e .

Penggunaan Dasar

Saka-NLP dirancang agar intuitif. Cukup import saka. Contoh lengkap dapat ditemukan di basic_usage.py.

import saka

# Tokenisasi (Menangani afiks, kata-kata, tanda baca, URL, mention, hashtag, dan emoji)
text = "Belajar NLP di era 5G, seru banget!"
tokens = saka.tokenize(text)
# ['Belajar', 'NLP', 'di', 'era', '5G', ',', 'seru', 'banget', '!']

# Normalisasi Bahasa Gaul (Bahasa Indonesia)
normalized = saka.normalize("klo gimana ntar gw k kampus")
# 'kalau bagaimana nanti saya ke kampus'

import saka

# Analisis Morfologi (Menangani kata majemuk dan fusi afiks)
word = "mempertanggungjawabkan"
analysis = saka.analyze(word)
print(analysis["root"])  # 'tanggung jawab'

# Pencarian Langsung KBBI (Web Scraping Real-time)
res = saka.query_kbbi("ajar")
# {'status': 'found', 'definitions': [...]}

import saka

# Mendukung: 'id', 'en', 'sunda', 'jawa', 'bali', 'minang', 'jaksel', 'batak', 'all'

# Dapatkan stopwords Batak
stops = saka.get_stopwords("batak")
print("do" in stops)  # True

# Dapatkan stopwords Inggris
en_stops = saka.get_stopwords("en")
print("however" in en_stops)  # True

Direktori Contoh (Examples)

Seluruh skrip referensi dapat ditemukan di dalam direktori examples/. Berikut adalah pandangan utuh fungsionalitasnya:

• 1. Penggunaan dan Utilitas Inti

  • basic_usage.py — Pengenalan fitur paling sering dipakai (tokenisasi, normalisasi, pencarian KBBI, dll).
  • full_core_integration_demo.py — Menggabungkan serangkaian modul inti saka sebagai satu alur pemrosesan utuh.
  • async_usage.py — Panduan penggunaan fitur-fitur pustaka dalam basis Asynchronous.
  • transactional_context_demo.py — Cara menggunakan fungsi ekstraksi entitas transaksional.
  • output_demo.py — Fitur formating dari/ke CSV/Markdown HTML luring menggunakan modul OutputFormatter.

• 2. Morfologi dan Analisis

  • morphology_advanced.py — Kasus bedah lanjut dari heuristik internal pada Analyzer afiks saka.
  • stopwords_demo.py — Pengaplikasian canggih mode stopwords per bahasa (termasuk striping punctuation murni).
  • dict_translate_demo.py — Eksekusi penerjemahan kata secara harafiah menuju rumpun-rumpun bahasa daerah kustom.
  • kbbi_demo.py — Panduan mendelegasikan scraping KBBI web ke terminal Anda demi mendapat definisi aktual.

• 3. Ekosistem Plugin Kedaerahan

  • sunda_plugin.py — Demo transliterasi penuh pada skrip aksara huruf Ngalagena serta penarikan situs KBBI basa loka.
  • jawa_plugin.py — Kasus penggunaan transliterasi Latin menuju aksara abjad keraton Nglegena.
  • bali_plugin.py — Skrip pemonstrasian sistem aksara kepulauan Wreastra secara programatik.

• 4. AI Agentik & Parameter LLM

  • multi_agent_edu_demo.py — Konfigurasi environment simulasikan beberapa agen perantara LLM secara padu.
  • tool_calling_edu_demo.py — Asisten AI di balut Function/Tool Calling dari saka secara modular.
  • prompt_optimization_demo.py — Merakit instruksi prompt termanipulasi-cermat pada model-model bahasa modern (LLM).

• 5. Saka-Eval (Evaluasi dan Metrik Cepat)

  • benchmark_stack.py — Fundamental dasar implementasi skema evaluasi Benchmark tumpuk ke mesin NLP lokal.
  • saka_eval_demo.py — Contoh instansiasi Saka Evaluation pipeline secara luring murni.
  • saka_eval_huggingface_demo.py — Pengujian metrik akrual standar menarik set data NLP Bahasa dari Hugging Face Hub.

AI Agentik & Prompting

Bangun aplikasi berbasis LLM dengan kendali penuh. Contoh lengkap: output_demo.py & multi_agent_edu_demo.py.

import saka
from saka import Agent, OutputFormatter

# 1. Pemformatan Output (Hemat Token LLM)
# Format data ke HTML/Markdown/CSV/JSON secara lokal tanpa perlu memanggil LLM
data = [{"word": "horas", "pos": "kata sapaan", "meaning": "halo"}]
markdown_table = OutputFormatter.format(data, "markdown")

# 2. Agent Terstruktur & Pemanggilan Alat
bot = Agent("Asisten", "Ahli Linguistik")
bot.add_tool(name="cek_arti", desc="Cek arti kata di KBBI", func=saka.query_kbbi)

# 3. Pembuat Prompt (Optimasi Token)
# Bangun prompt yang terstruktur untuk LLM dengan opsi optimasi teks
prompt = saka.build_prompt(
    role="Analis",
    task="Klasifikasi teks Bahasa Indonesia",
    input_data="Teks yang akan diklasifikasikan...",
    optimize_text=True
)

Benchmark Saka-Eval

Evaluasi model Anda secara asinkron. Contoh: saka_eval_huggingface_demo.py.

import asyncio
from saka.evaluation.benchmarker import SakaEval

async def run():
    evaluator = SakaEval(task="sentiment")
    # Muat dataset via nama konfigurasi ("sentiment" atau "ner") atau dari Hugging Face Hub
    evaluator.load_hf_dataset("Muhammad-Ikhwan-Fathulloh/Saka-Eval", name="sentiment")

    # Evaluasi model dengan data teks dan label
    results = await evaluator.evaluate(model, text="text", label="label")
    print(f"Akurasi: {results['metrics']['accuracy']:.2%}")

asyncio.run(run())

Penanganan Kata Majemuk Dinamis

Saka-NLP memecah kata majemuk secara otomatis menggunakan aturan yang ditentukan di compounds.json:

Ekosistem Regional

Saka-NLP memberikan dukungan mendalam untuk berbagai rumpun bahasa daerah di Indonesia melalui fitur kamus penerjemahan, pembedahan morfologi, himpunan stopwords, ekstraktor scraping kamus web, hingga transliterasi aksara purba/tradisional.

1. Sunda, Jawa, dan Bali

Ketiga bahasa ini memiliki dukungan pural fitur paling utuh di ekosistem Saka:

• Leksikon & Stopwords Khusus: Mengandung kosa-kata internal dan himpunan konjungsi pelengkap kalimat bahasa masing-masing.
• Transliterasi Aksara Tradisional: Mengonversi untaian teks huruf Latin bolak-balik menuju skrip aksara Ngalagena (Sunda), Nglegena (Jawa), serta Wreastra (Bali).
• Modul Scraper Kamus Berjalan: API ringkas interaktif lewat query_sundadigi(), query_sastra(), dan query_basabali() yang membedah backend langsung dan mengekstraksi parameter tata kalimat dari situs perbendaharaan digital raksasa lokal (SundaDigi, Sastra.org, BASAbali Wiki).

import saka
import asyncio

# 1. Analisis Leksikon & Morfologi
print(saka.analyze("geulis")["regional_matches"])     # ['sunda'] (cantik)
print(saka.analyze("nglegena")["regional_matches"])   # ['jawa']
print(saka.analyze("rahajeng")["regional_matches"])   # ['bali'] (selamat)

# 2. Transliterasi Aksara Latin ↔ Tradisional
print(saka.latin_to_aksara_sunda("sampurasun"))       # ᮞᮙ᮪ᮕᮥᮛᮞᮥᮔ᮪

# 3. Scraping Makna Kamus Aktual
jawa_def = asyncio.run(saka.query_sastra("mangan"))
print(jawa_def["definitions"][0])                     # 'makan; memakan ...'

2. Minangkabau

Dukungan analisis morfologi inti diintergrasikan secara mulus terhadap fungsional teks Minangkabau:

• Leksikon & Penanganan Kata Khas: Pembelahan root-word dengan kata gabungan daerah diproses otomatis. Sistem hibrida mengenali istilah serangkai kebudayaan secara asli.
• Filter Stopwords Minang: Fitur mereduksi kata pengisi bahasa Minangkabau populer (cinto, nan, jo, dll).

import saka

# Analisis kata khusus / serangkai (contoh: bundo kanduang)
print(saka.analyze("bundokanduang")["regional_matches"]) # ['minang']
print(saka.analyze("bundokanduang")["root"])             # 'bundo kanduang'

# Memangkas kata fungsional daerah (Stopwords Minang)
minang_teks = saka.remove_stopwords("rancak bana pado inyo", lang="minang")
print(minang_teks)                                       # 'rancak bana'

3. Batak

Saka-NLP sekarang mendukung Batak lintas tiga dialek — Toba, Karo, dan Mandailing — dengan leksikon 780+ kata bersumber dari tata bahasa akademis dan KamusBatak.com.

import saka
from saka.core.analyzer import _BATAK_DICT

# Kata Batak dalam pipeline morfologi
print(saka.analyze("holong")["regional_matches"])   # ['batak']  ← kasih/cinta (Toba)
print(saka.analyze("mangan")["regional_matches"])   # ['batak']  ← makan (Toba)

# Stopwords Batak
sw = saka.get_stopwords("batak")
print(f"{len(sw)} kata fungsi Batak dimuat")

# Pencarian kamus langsung
print(_BATAK_DICT["horas"]["arti"])      # 'halo, selamat (salam khas Batak Toba)'
print(_BATAK_DICT["denggan"]["arti"])    # 'baik, bagus'

CLI & Sitasi

Penggunaan CLI

saka --help
saka --normalize "ngapain ke kampus klo libur"

Sitasi

@software{Fathulloh_Saka-NLP_2026,
  author = {Fathulloh, Muhammad Ikhwan},
  title = {{Saka-NLP: Indonesian NLP Toolkit for Tokenization, Slang Normalization, and Agentic AI Support}},
  month = {5},
  year = {2026},
  publisher = {Zenodo},
  version = {0.3.0},
  doi = {10.5281/zenodo.20092640},
  url = {https://github.com/Muhammad-Ikhwan-Fathulloh/Saka-NLP}
}

Sumber & Kredit

Saka-NLP dibangun di atas fondasi penelitian dan dataset terbuka berikut. Kami berterima kasih kepada para peneliti dan kontributor:

Dukungan

• Arsitek: Muhammad Ikhwan Fathulloh
• Lisensi: MIT License
• Dukungan: Saweria | Trakteer