TUNING FOR QUALITY UNTUK UJI AKURASI MESIN PENERJEMAH STATISTIK (MPS) BAHASA INDONESIA - BAHASA DAYAK KANAYATN

Authors

  • Muhammad Hasbiansyah Universitas Tanjungpura
  • Herry Sujaini Universitas Tanjungpura
  • Novi Safriadi Universitas Tanjungpura

Keywords:

Tuning for quality, mesin penerjemah statistik, BLEU, bahasa Indonesia, bahasa Dayak Kanayatn

Abstract

Bahasa merupakan alat komunikasi yang penting bagi manusia, karena dengan menggunakan bahasa kita dapat mengetahui dan mengetahui informasi yang dibutuhkan, dengan bahasa juga manusia dapat mengekspresikan diri, menyampaikan kritik dan pendapat, pikiran serta keinginannya. Namun tidak semua orang memiliki bahasa yang sama, sehingga hal ini dapat menghalangi dalam melakukan pertukaran informasi. Oleh karena itu, saat ini salah satu teknologi yang sedang dikembangkan yaitu mesin penerjemah untuk mengatasi masalah penerjemahan bahasa. Namun kualitas dari hasil terjemahan yang dihasilkan masih mengandung keterbatasan. Hasil terjemahan yang optimal dapat diperoleh dengan menggunakan konsep penerjemahan statistik. Mesin Penerjemah Statistik (Statistical Machine Translation) merupakan sebuah pendekatan mesin penerjemah dengan hasil terjemahan yang dihasilkan atas dasar model statistik yang parameter-parameternya diambil dari hasil analisis korpus paralel. Tujuan yang ingin dicapai dalam penelitian ini adalah melakukan proses tuning pada mesin penerjemah statistik bahasa Indonesia ke bahasa Dayak Kanayatn untuk mengetahui pengaruh proses tuning terhadap hasil terjemahan. Pengujian dilakukan dengan membandingkan skor akurasi hasil terjemahan sebelum dan setelah proses tuning. Penelitian menggunakan korpus paralel sebanyak 3667. Pengujian dilakukan secara otomatis menggunakan Bilingual Evaluation Understudy (BLEU). Hasil dari pengujian adalah terdapat peningkatan skor BLEU sebesar 3,04%. Berdasarkan hasil pengujian, tingkat akurasi terjemahan setelah proses tuning pada mesin penerjemah statistik bahasa Indonesia ke bahasa Dayak Kanayatn dengan mengubah bobot parameter-parameter phrase translation, language model, distortion dan word penalty dapat meningkatkan nilai akurasi hasil terjemahan.

References

]Akuntono, Indra. 2012. Jumlah Ragam Bahasa di Indonesia. Jakarta :

Dikti

Triyono, Sulis. 2006. Pembahasan Hasil Penelitian: Pergeseran Bahasa

Daerah Akibat Kontak Bahasa Melalui Pembauran. Yogyakarta,

LITERA Vol 5 No 1.

Manning, Christopher D., Schutze, Hinrich. 2000. Foundations Of

Statistical Natural Language Processing. London : The MIT Press

Cambridge Massachusetts.

Sujaini, Herry., Negara, Arif Bijaksana Putra. 2015. Analysis of

Extended Word Similarity Clustering based Algorithm on Cognate

Language. Gujarat: ESRSA Publications Pvt. Ltd.

Koehn, Philipp. 2007. Moses: Open Source Toolkit for Statistical

Machine Translation. Annual Meeting of the Association for

Computational Linguistics (ACL), demonstration session, Prague,

Czech Republic.

McEnery, T., et al. 2006. Corpus

-Based Language Studies: An

Advanced Resource Book. Oxon: Routledge.

Tanuwijaya, Hansel., Manurung, Hisar Maruli. 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

2016-01-11

Issue

Vol. 4 No. 1 (2016)

Section

Articles

License

The author owns the copyright in his paper and agrees to publish his paper to JUSTIN 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.