Penerjemahan Kalimat Bahasa Lampung-Indonesia dengan Pendekatan Neural Machine Translation Berbasis Attention

Penulis

  • Zaenal Abidin Fakultas Teknik dan Ilmu Komputer, Universitas Teknokrat Indonesia

DOI:

https://doi.org/10.35450/jip.v6i02.97

Kata Kunci:

Decoder, Encoder, Neural machine translation, Out-of-Vocabulary, Recurrent neural network

Abstrak

Pada penelitian ini, penerjemahan secara otomatis pada bahasa Lampung ke bahasa Indonesia dilakukan dengan pendekatan neural machine translation (NMT) berbasis attention. NMT, sebuah pendekatan baru dalam teknologi mesin penerjemah, bekerja dengan memadukan encoder dan decoder. Encoder adalah komponen berupa recurrent neural network yang mengkodekan bahasa sumber menjadi vektor-vektor yang panjangnya tetap, dan decoder adalah sebuah komponen berupa recurrent neural networks yang membangkitkan hasil terjemahan secara komprehensif. Penelitian NMT diawali dengan pembuatan 3000 kalimat paralel bahasa Lampung (dialek api) – Indonesia kemudian dilanjutkan dengan penentuan parameter model NMT untuk proses training data, tahap selanjutnya adalah membangun model NMT dan menguji model NMT. Pengujian dengan pendekatan NMT menggunakan 25 kalimat tunggal tanpa out-of-vocabulary (OOV), 25 kalimat tunggal dengan OOV, 25 kalimat majemuk tanpa OOV dan 25 kalimat majemuk dengan OOV. Hasil pengujian penerjemahan kalimat bahasa Lampung ke bahasa Indonesia menunjukan nilai rata-rata bilingual evaluation understudy (BLEU) yang diperoleh dengan pendekatan NMT adalah 51.96 %.

Unduhan

Data unduhan belum tersedia.

Referensi

Adiputra, C.K. dan Arase, Y. (2017) : Performance of Japanese-to-Indonesian Machine Translation on Different Models. Retrieved from http://www.anlp.jp/ proceedings/annual_meeting/2017/pdf_dir/A5-5.pdf.

Bhattacharyya, P. (2015). Machine Translation. CRC Press, Mumbai, India, 25-27.

Goodfellow, I. Bengio, Y. dan Courville, (2016): Deep Learning, MIT Press, London, 462-464.

Hermanto, A., Adji, T. B., & Setiawan, N. (2015) . Recurrent Neural Network Language Model for English-Indonesian Machine Translation: Experimental Study. Proceeding of International Conference on Science in Information Technology. Yogyakarta, Indonesia. 27 – 28 October 2015.

Junczys-Dowmunt, M., Dwojak, T., & Hoang, H. (2016). Is Neural Machine Translation Ready for Deployment ? A Case Study on 30 Translation Directions. Retrieved from https://workshop 2016.iwslt.org/downloads/IWSLT _2016_paper_4.pdf

Zhang, J., Ding, Y., Shen, S., Cheng, Y., Sun, M., Luan, H., dan Liu, Y. (2017): THUMT-theano: An Open Source Toolkit for Neural Machine Translation. Retrieved from https://arxiv.org/abs/1706.06 415.

Anonim, 2017. Nestapa Guru Bahasa Lampung. Retrieved from http://www.lampost.co/berita-nestapa-guru-bahasa-lampung.

Anonim, 2016. 139 Bahasa Daerah di Indonesia Terancam Punah. Retrieved from http://nasional.republika.co.id/berita/nasional/umum/16/08/02/ob9t2h383-139-bahasa-daerah-di-indonesia-terancam-punah.

Diterbitkan

2018-08-01

Cara Mengutip

Abidin, Z. (2018). Penerjemahan Kalimat Bahasa Lampung-Indonesia dengan Pendekatan Neural Machine Translation Berbasis Attention. Inovasi Pembangunan : Jurnal Kelitbangan, 6(02), 191-206. https://doi.org/10.35450/jip.v6i02.97

Terbitan

Vol 6 No 02 (2018): Agustus 2018

Bagian

Articles

Penulis yang mengirimkan jurnal harus mengerti  bahwa jurnal yang diterima dan dipublikasikan, hak cipta jurnal tersebut diberikan kepada Inovasi Pembangunan: Jurnal Kelitbangan (JIP), Balitbangda Provinsi Lampung sebagai penerbit jurnal.


Hak cipta mencakup hak eksklusif untuk mereproduksi dan mengirimkan jurnal ini dalam semua bentuk dan media, termasuk mencetak ulang, memotret, mikrofilm dan reproduksi sejenis lainnya, serta terjemahan, reproduksi sebagian / bagian dari jurnal ini, penyimpanannya di basis data dan penularannya oleh bentuk atau media apapun seperti salinan elektronik, elektrostatik dan mekanis, fotokopi, rekaman, media magnetik, dll.