IMPLEMENTASI NEURAL MACHINE TRANSLATION DENGAN MENGGUNAKAN METODE LSTM PADA PROSES PENERJEMAHAN BAHASA INDONESIA KE BAHASA TERNATE

F. Risal, Fiska Nabila F. Risal (2024) IMPLEMENTASI NEURAL MACHINE TRANSLATION DENGAN MENGGUNAKAN METODE LSTM PADA PROSES PENERJEMAHAN BAHASA INDONESIA KE BAHASA TERNATE. Sarjana thesis, Universitan Khairun.

	Text COVER.pdf - Published Version Download (176kB)
	Text ABSTRAK.pdf - Published Version Download (180kB)
	Text BAB I.pdf - Published Version Download (145kB)
	Text DAFTAR PUSTAKA.pdf - Published Version Download (161kB)
	Text SKRIPSI_FISKA NABILA F. RISAL_07352011108.pdf - Published Version Download (3MB)

Abstract

Di Maluku Utara terdapat 19 Bahasa Daerah yang sudah dipetakan daya hidupnya. Namun, daya hidup Bahasa Daerah ini ada yang mengalami kemunduran dan terancam punah. Salah satu Bahasa yang terancam punah adalah Bahasa Ternate, ini disebabkan karena penutur jatinya tidak lagi mewariska Bahasa Daerah Ternate kepada generasi berikutnya. Saat ini, machine translation merupakan salah satu opsi yang dapat digunakan untuk membantu permasalahan terkait dengan Bahasa. Machine translation adalah alat penerjemah otomatis dari sebuah bahasa sumber ke bahasa target. Penelitian ini membangun sebuah penerjemah bahasa Indonesia ke bahasa Ternate dengan menggunakan arsitektur encoder dan decoder Long short-term memory (LSTM). Metode penelitian dimulai dengan pengumpulan dataset, preprocessing data, pemodelan dan pelatihan LSTM, evaluasi sistem menggunakan BLEU, dan implementasi sistem. Dataset yang diperoleh berjumlah 6.925 data dan 1732 data training. Dari hasil evaluasi skor BLEU diperoleh nilai 64,92%. Meskipun skor ini menunjukkan bahwa model mampu menghasilkan terjemahan yang cukup baik, masih terdapat beberapa kekurangan yang perlu diperhatikan. Salah satu kendala utama yang mempengaruhi akurasi hasil terjemahan adalah keterbatasan data paralel Bahasa Indonesia - Bahasa Ternate. Jumlah data yang sedikit menghambat kemampuan model untuk belajar pola dan struktur bahasa secara efektif. Keterbatasan data ini berdampak pada kualitas model karena model tidak memiliki cukup data untuk mempelajari berbagai variasi dan konteks kalimat dalam bahasa Ternate, sehingga hasil terjemahan kurang natural dan kadang-kadang tidak akurat. Kata Kunci: Machine Translation, LSTM, BLEU, Bahasa Ternate.

Actions (login required)

View Item