Penerapan Neural Machine Translation untuk Eksperimen Penerjemahan secara Otomatis pada Bahasa Lampung – Indonesia

Zaenal Abidin

Abstract


Bahasa Lampung adalah bahasa asli masyarakat provinsi Lampung.Siswa-siswi di sekolah mempelajari bahasaLampung, sebagai muatan lokal, guna pelestarian bahasa tersebut.Salah satu aktifitas pembelajaran bahasaLampung adalah penerjemahan bahasa Lampung.Penerjemahan dilakukan secara manual karena hanyatersedia kamus bahasa Lampung. Dalam menerjemahkan bahasa Lampung ke bahasa Indonesia secara manualatau kata per kata berpotensi menimbulkan persepsi salah makna karena meniadakan faktor tata bahasa dankonteks kalimat. Neural machine translation (NMT) adalah sebuah pendekatan baru dalam teknologi mesinpenerjemah yang bekerja dengan memadukan encoder, sebuah komponen berupa recurrent neuralnetwork(RNN) yang mengkodekan bahasa sumber menjadi vektor-vektor yang panjangnya tetap, dan decoder,sebuah komponen berupa recurrent neural network(RNN) yang membangkitkan hasil terjemahan, secaraterpadu. Penelitian diawali dengan pembuatan 3000 kalimat paralel bahasa Lampung (dialek api) – Indonesiakemudian dilanjutkan dengan penentuan parameter model NMT untuk proses training data, tahap selanjutnyaadalah membangun model NMT dan menguji model NMT. Pengujian model NMT menggunakan 25 kalimattunggal dan 25 kalimat majemuk tanpa out-of-vocabulary (OOV). Hasil eksperimen menunjukan bahwapenerjemahan bahasa Lampung-Indonesia pada 25 kalimat tunggal tanpa OOV diperoleh nilai BilingualEvaluation Under Study (BLEU) sebesar 41.79 dan 25 kalimat majemuk tanpa OOV diperoleh nilai BilingualEvaluation Under Study (BLEU) sebesar 37.5.

Article Metrics

Abstract view : 1828 times
PDF - 1851 times

Full Text:

PDF

References


Anonymous. (2017). Nestapa Guru Bahasa Lampung [diakses 1Agutus 2017].Tersedia dari http://www.lampost.co/berita-nestapa-guru-bahasa-lampung

Zhang, J., & Zong, C. (2015). Deep Neural Networks in Machine Translation: An Overview. IEEE Intelligent Systems.Vol.30, Issue: 5, pp. 16 – 25.

Junczys-Dowmunt, M., Dwojak, T., & Hoang, H. (2016). Is Neural Machine Translation Ready for Deployment ?A Case Study on 30 Translation Directions [diakses 1Agutus 2017].Tersedia dari https://workshop2016.iwslt.org/downloads/IWSLT_2016_paper_4.pdf

Bahdanau, D., Cho, K., & Bengio, Y. (2015). Neural Machine Translation by Jointly Learning to Align and Translate. Proceeding of the 3rdInternational Conference on Learning Represetntation. San Diego, CA.7 -9 Mei 2015.

Bhattacharyya, P. (2015). Machine Translation. Mumbai, India.

Kelleher, J. D. (2016), Fundamental of Machine Learning for Neural Machine Translation, Translationg Europe Forum 2016: Focusing on Translation Technologies.European Commision Directorate-General for

Translation.

Hermanto, A., Adji, T. B., & Setiawan, N. A. (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.

Papineni, K., Roukos, S., Ward, T., & Zhu, W.J. (2002). BLEU: a method for automatic evaluation of machine translation. Proceeding of the 40th annual meeting on association or computational linguistics. Philadelphia, Pennsylvania. 7 - 12July 2002.

Zhang, J., Ding, Y., Shen, S., Cheng, Y., Sun, M., Luan, H., dan Liu, Y. (2017). THUMT: An Open Source Toolkit for Neural Machine ranslation[diakses 1 Agustus 2017].Tersedia dari https://arxiv.org/abs/1706.06415


Refbacks

  • There are currently no refbacks.