SALSABILA MAHDI Primary Author mixed material bibliography Banda Aceh Fakultas MIPA (S1) 2021 id Indonesia

Skripsi

Penerjemahan mesin dapat mengatasi berbagai permasalahan dengan memudahkan komunikasi antara pengguna bahasa yang berbeda. Manfaat ini semakin penting di saat genting seperti dalam situasi bencana. Namun hanya beberapa puluh bahasa yang sering menjadi objek penelitian penerjemahan mesin. Puluhan bahasa tersebut merupakan bahasa yang terdata dengan baik sehingga dapat diterapkan metode penerjemahan mesin dengan mudah. Metode-metode penerjemahan mesin terus berkembang untuk mengatasi permasalahan kekurangan data untuk ribuan bahasa lainnya. Salah satunya adalah jaringan saraf tiruan (artificial neural network) dengan transfer learning yang dapat mengatasi permasalahan kekurangan data dengan penggunaan parent language. Parent language yang baik adalah bahasa yang mirip tetapi terdata dengan lebih baik dibanding bahasa yang ingin diteliti. Bahasa Aceh termasuk bahasa yang tidak banyak datanya dan hampir tidak pernah diteliti secara komputatif sebelumnya. Pada penelitian ini dibangun dataset bahasa Aceh – bahasa Inggris berupa 10.000 kalimat sejajar yang dapat digunakan untuk penerjemahan mesin. Data untuk dataset tersebut didapatkan dari 9 sumber berbeda namun 80% dari data diperoleh dari satu sumber yaitu John Hopkins University Bible Corpus. Bahasa Indonesia cukup mirip dengan bahasa Aceh sehingga dikumpulkan pula datanya agar metode transfer learning dapat diterapkan. Terdapat 1.189 (4,25%) kata yang sama persis dalam kosakata bahasa Aceh dan kosakata bahasa Indonesia pada dataset yang digunakan. Penelitian ini menemukan bahwa terjemahan yang dihasilkan jaringan saraf tiruan dengan transfer learning lebih baik dibandingkan terjemahan yang dihasilkan jaringan saraf tiruan tanpa transfer learning. Perbedaan terbesar, yaitu 7 nilai BLEU, terdapat pada model yang dilatih dengan hyperparameterization iterasi maksimum 1.000 dan learning rate 2. NEURAL NETWORKS (COMPUTER SCIENCE) MACHINE LANGUAGES 006.32 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 95098 2021-11-05 08:34:43 2021-11-08 16:07:02 machine generated