saka-nlp 0.2.6

Saka-NLP: Indonesian Language Processing with Prompting and Agentic AI Support

Saka: Pemrosesan Bahasa Indonesia dengan Prompting dan Dukungan AI Agentik 🇮🇩 v0.2.6

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 🇮🇩 v0.2.6
  • 📌 Daftar Isi
  • ✨ Fitur Utama
  • 🚀 Instalasi
  • 📖 Penggunaan Dasar
  • 🤖 AI Agentik & Prompting
  • 📊 Benchmark Saka-Eval
  • 🔗 Penanganan Kata Majemuk Dinamis
  • 🌏 Ekosistem Regional
  • 🛠️ CLI & Sitasi
  • 🗄️ Sumber & Kredit
  • ❤️ Dukungan

---

✨ Fitur Utama

Fitur	Deskripsi
⚡ Pemrosesan Asinkron	Pemrosesan non-blokir untuk dataset berskala besar.
🧩 Desain Modular	Komponen plug-and-play untuk integrasi yang mudah.
🧠 Penganalisis Morfologi	Analisis afiks hibrida dengan Restrukturisasi Morfofonemik.
📖 KBBI Langsung	Ekstraksi arti kata dari kamus resmi Bahasa Indonesia (KBBI).
Stopwords Hibrida	Bahasa Indonesia, Inggris, Sunda, Jawa, Bali, Minangkabau, Batak (Toba · Karo · Mandailing), dan bahasa gaul Jakarta Selatan
🗺️ Leksikon Regional	Kamus kata yang tervalidasi: Sunda, Jawa, Bali, Minang, Batak
🔠 Aksara Regional	Transliterasi Bahasa Sunda, Jawa, dan Bali (Hanacaraka).
🤖 AI Agentik	Orkestrasi prompt LLM, manajemen Multi-Agent, dan Pemanggilan Alat.
📊 Saka-Eval	Benchmark asinkron untuk model NLP Bahasa Indonesia (Sentimen / NER)
🔗 Kata Majemuk Dinamis	Pemecahan kata majemuk secara otomatis via compounds.json

---

🚀 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.

1. Tokenisasi & Normalisasi

import saka

# Tokenisasi (Menangani afiks & tanda baca)
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'

2. Morfologi & KBBI

import saka

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

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

3. Stopwords Regional

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

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

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

---

🤖 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!)
data = [{"word": "horas", "pos": "kata sapaan", "meaning": "halo"}]
# Format ke HTML/Markdown secara lokal
markdown_table = OutputFormatter.format(data, "markdown")

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

# 3. Pembuat Prompt (Optimasi Token)
prompt = saka.build_prompt(
    role="Analis",
    task="Klasifikasi",
    input_data="Teks...",
    optimize_text=True
)

---

📊 Benchmark Saka-Eval

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

from saka.evaluation.benchmarker import SakaEval

evaluator = SakaEval(task="sentiment")
# Muat via nama konfigurasi ("sentiment" atau "ner")
evaluator.load_hf_dataset("Muhammad-Ikhwan-Fathulloh/Saka-Eval", name="sentiment")

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

---

🔗 Penanganan Kata Majemuk Dinamis

Saka-NLP memecah kata majemuk secara otomatis via compounds.json:

Input	Root
menyebarluaskan	sebar luas
kerjasama	kerja sama
hulunagara	hulu nagara (Sunda)
bundokanduang	bundo kanduang (Minang)

---

🌏 Ekosistem Regional

Dukungan mendalam untuk bahasa daerah (Kamus & Aksara).

Batak (Baru di v0.2.6)

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'

Sumber:

• Nababan, P.W.J. (1981). A Grammar of Toba-Batak (D-37). Pacific Linguistics, ANU. DOI:10.15144/PL-D37
• Woollams, G. (1996). A Grammar of Karo Batak, Sumatra (C-130). Pacific Linguistics, ANU. DOI:10.15144/PL-C130
• KamusBatak.Com — Kamus Batak–Indonesia Daring

Klik untuk melihat detail aksara (Bahasa Sunda, Jawa, Bali)

Aksara Sunda (Ngalagena)

Latin	Aksara	Latin	Aksara
ha	ᮠ	na	ᮔ
...	...	...	...

Aksara Jawa (Nglegena)

Latin	Aksara	Latin	Aksara
ha	ꦲ	na	ꦤ
...	...	...	...

Aksara Bali (Wreastra)

Latin	Aksara	Latin	Aksara
...	...	...	...

(Tabel lengkap tersedia di Dokumentasi Web)

---

🛠️ 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 = {0.2.6},
  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:

Kategori	Sumber	Deskripsi
Dataset	Carant-AI	Dataset Sentimen Indonesia
	Kiuyha	Dataset NER Surabaya
	IndoNLU	Standar Benchmark
	Tala Dataset	Stopwords Indonesia
Leksikon	SundaDigi	Kamus Digital Sunda
	Sastra.org	Leksikon Jawa
	BASAbali Wiki	Leksikon Bali
	KamusBatak.Com	Kamus Batak
Tata Bahasa	Nababan (1981). A Grammar of Toba-Batak. DOI:10.15144/PL-D37	Batak Toba
	Woollams (1996). A Grammar of Karo Batak. DOI:10.15144/PL-C130	Batak Karo
	Bird et al. (2009). NLTK. nltk.org	Stopwords Inggris
	Pedregosa et al. (2011). Scikit-learn. JMLR 12.	Stopwords Inggris
Perpustakaan	HuggingFace	Dataset & Hub Ecoystem
	scikit-learn	Metrik Evaluasi
	Emoji/Emot	Penanganan Teks Media Sosial

---

❤️ Dukungan

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