Text

Mesin Penerjemah Bahasa Inggris-Indonesia Berbasis Syaraf Tiruan Dengan Mekaniasme Attention Menggunakan Arsitektur Transformer

---

ABSTRAK

Bahasa Inggris sebagai bahasa pengantar internasional dan bahasa Indonesia sebagai
bahasa pengantar nasional memiliki peran yang sangat penting bagi bangsa Indonesia.
Sehingga mesin penerjemah (machine translation) dirasa sangat membantu dalam proses
alih bahasa antara keduanya. Beberapa tahun terakhir mesin penerjemah mengalami
perkembangan yang sangat pesat melalui pendekatan mesin penerjemah berbasis jaringan
saraf tiruan (neural machine translation). Transformer merupakan salah satu arsitektur
mesin penerjemah berbasis jaringan saraf tiruan yang mendapatkan hasil state-of-the-art
dalam beberapa penelitian. Arsitektur ini menggunakan mekanisme attention tanpa adanya
lapisan recurrent maupun convolution. Penulis melakukan penelitian untuk mengetahui
kualitas terjemahan bahasa Inggris – Indonesia yang dihasilkan oleh Transformer
berdasarkan metrik penilaian BLEU. Hasil pengujian menggunakan korpus uji dev2010,
tst2010, tst2017plus, dan test.go.id menunjukkan bahwa model mesin penerjemah
mendapatkan skor BLEU 24,83% (dev2010) 24,14% (tst2010), 27,31% (tst2017plus), dan
34,18% (test.go.id) untuk arah terjemahan Inggris – Indonesia. Adapun untuk arah
terjemahan Indonesia – Inggris, model mendapatkan skor BLEU 90,13% (dev2010),
88,68% (tst2010), 90,68% (tst2010), dan 69,14% (test.go.id).
Kata kunci: mesin penerjemah, jaringan saraf tiruan


ABSTRACT

English as an international lingua franca and Bahasa Indonesia as the national lingua
franca have significant role for Indonesian people. Therefore machine translation is
considered to be very helpful in translating the two languages. In recent years, machine
translation is advancing rapidly through neural machine translation approach. Transformer
is one of neural machine translation architectures that achieved state-of-the-art results in
several researches. That architecture uses attention mechanism without recurrent nor
convolution layer. This research was conducted to discover the quality of EnglishIndonesian translation generated by Transformer based on BLEU metrics. The test results
using test corpus dev2010, tst2010, tst2017plus, and test.go.id show that the machine
translation model achieved BLEU scores 24.83% (dev2010) 24.14% (tst2010), 27.31%
(tst2017plus), and 34 , 18% (test.go.id) for the English-Indonesian translation direction. As
for the Indonesian-English translation direction, the model achieved BLEU scores 90.13%
(dev2010), 88.68% (tst2010), 90.68% (tst2010), and 69.14% (test.go.id).
Keywords: machine translation, artificial neural network

---

Ketersediaan

751F19III

751 F 19/ii

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

ILMU KOMPUTER/INFORMATIKA

No. Panggil

751 F 19/ii

Penerbit

: ., 2019

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

530.44

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Prasasto Adi Wismoyo

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar