Pendekatan Pivot Language Terhadap Nilai Akurasi Mesin Penerjemah Statistik

Authors

  • Syarifah Nurbaiti Universitas Tanjungpura
  • Herry Sujaini Universitas Tanjungpura
  • Tursina Tursina

DOI:

https://doi.org/10.26418/jari.v1i1.53228

Keywords:

Pivot Language, Triangulation, BLUE Score

Abstract

Perbedaan bahasa dapat menjadi penghalang pertukaran informasi, maka saat ini sedang dikembangkan teknologi mesin penerjemah. Untuk mengatasi kelangkaan korpora dwi bahasa untuk beberapa pasangan bahasa, salah satunya menggunakan  pivot  sebagai "jembatan"  yang digunakan sebagai bahasa perantara terjemahan antara bahasa yang berbeda. Salah satu metode yang dapat digunakan adalah  triangulation pivoting, tabel frase  triangulation  menggabungkan dua tabel frase, yaitu  source pivot  dan  pivot target  menjadi frase buatan korpus sumber dan target. Tujuan yang ingin dicapai dalam penelitian ini adalah untuk melihat pengaruh  pivot language  dengan metode  triangulation  terhadap nilai akurasi mesin penerjemah Bahasa Melayu Pontianak ke Bahasa Melayu Sambas dan Bahasa Indonesia sebagai  pivot language. Pada penelitian yang dilakukan, penggunaan  pivot language  dengan metode  triangulation  dapat mempengaruhi nilai akurasi mesin penerjemah. Terlihat peningkatan nilai akurasi sebesar 4,147% dari nilai yang didapatkan pada mesin penerjemah tanpa  pivot language.  Penelitan ini dilakukan pengujian pada decoder moses, pengujian mesin penerjemah dengan bahasa Indonesia sebagai  pivot language  menghasilkan BLEU  score  sebesar 32,17%, sedangkan mesin penerjemah tanpa  pivot language  menghasilkan BLEU  score  sebesar 22,74%. Berdasarkan data tersebut penggunaan  pivot language  dengan metode  triangulation  pada mesin penerjemah statistik Bahasa Melayu Pontianak ke Bahasa Melayu Sambas dapat meningkatkan nilai akurasi.

References

Harimurti Kridalaksana, 2001. Kamus Linguistik. Jakarta: Gramedia Pustaka Utama. Abdul Chaer, 1994. Linguistik Umum. Jakarta: Rineka Cipta.

Akuntono, Indra. 2012. Mau Tahu Junlah Ragam Bahasa di Indonesia?.Kompas.com. http://edukasi.kompas.com/read/2012/09/01/12030360/Mau.TahuJumlah.Ragam.Bahasa.di.Indonesia.

Novianti, Evi. 2011. Menilik Nasib Bahasa Melayu Pontianak. International Seminar Language Maintenance and Shiff. Pp. 70-74.

Hadi, Ibu. 2014. Uji Akurasi Mesin Penerjemah Statistik Bahasa Indonesia ke Bahasa Melayu Sambas dan Mesin Penerjemah Statistik Bahasa Melayu Sambas ke Bahasa Indonesia. Pontianak, JUSTIN Vol 3 No 1.

Ginting, Adres, dan Nazarozi AZ. 2012. Penerjemahan Dua Arah Bahasa Indonesia Ke Bahasa Daerah (Karo) Menggunakan Teknik Statistical Machine Translation (SMT) Sebagai Fitur pada Situs Web Untuk Meningkatkan Web Traffic. Jurnal Telematika MKOM. Vol. 4 No. 1. Hlm. 61-64.

Ningtyas, Della Widya. 2018. Penggunaan Pivot Language Pada Mesin Penerjemah Statistik Bahasa Inggris ke Bahasa Melayu Sambas. Pontianak, JEPIN Vol 4 No 2.

Wu, Hua., Wang, Haifeng. 2007. Pivot language Approach for Phrase-Based Statistical Machine Translation. Proceedings of 45th Annual Meeting of the Association for Computational Linguistics, pages 856-863.

Costa-jussa. Marta R., Henriquez, Carlos., Banchs, Rafael E. 2011. Encharcing Scarce-Resource Language Translation Through Pivot Combinations. Proceeding of the 5th International Joint Conference on Natural Language Processing, pages 1361-1265.

Hoang, Duc Tam., Ondřej, Bojar. 2015. A tool for phrase table triangulation.

Papineni, Kishore., et al. 2002. BLEU: a Method for Automatic Evaluation of Machine Translation. USA: Proceedings of the 40th Annual Meeting of the Association for Computational Linguistics (ACL),Philadelphia: pp.311-318.

Tanuwijaya, H. 2009. Penerjemahan Inggris-Indonesia Menggunakan Mesin Penerjemah Statistik Dengan Word Reordering dan Phrase Reordering. Jakarta, Jurnal ilmu Komputer dan Informasi Vol 2 No 1.

Downloads

Published

2022-12-20

Issue

Vol. 1 No. 1 (2022)

Section

Articles

License

Copyright (c) 2022 JUARA (Jurnal Aplikasi dan Riset Informatika)

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

The author owns the copyright in his paper and agrees to publish his paper to JUARA by giving the rights to the first publication of his paper which is simultaneously licensed under the Creative Commons Attribution License, namely the Similar International 4.0 license (CC BY-NC-SA 4.0).  

                             

This is a human-readable summary of (and not a substitute for) the license. Disclaimer.

You are free to:
Share  "” copy and redistribute the material in any medium or format
Adapt  "” remix, transform, and build upon the material
The licensor cannot revoke these freedoms as long as you follow the license terms.

Under the following terms:
Attribution  "” You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
NonCommercial  "” You may not use the material for commercial purposes.
ShareAlike  "” If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
No additional restrictions  "” You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.

Notices:
You do not have to comply with the license for elements of the material in the public domain or where your use is permitted by an applicable exception or limitation.
No warranties are given. The license may not give you all of the permissions necessary for your intended use. For example, other rights such as publicity, privacy, or moral rights may limit how you use the material.