Electronic Theses and Dissertation

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.

Machine translation can solve many problems by facilitating communication between users of different languages. This benefit is even more important in critical times such as during a time of a disaster. However, only a few tens of languages often become the object of machine translation research. These tens of languages are well-recorded languages so machine translation methods can be applied easily to them. Machine translation methods are constantly evolving to address the problem of data scarcity for the other thousands of languages. One such method is the artificial neural network with transfer learning that can overcome the problem of data scarcity by using a parent language. A good parent language is one that is similar but recorded better in comparison to the language of interest. Acehnese is one of the languages that has little data and has almost never been studied computationally before. In this study, an Acehnese – English dataset was built in the form of 10,000 parallel sentences that can be used for machine translation. The data for the dataset was obtained from 9 different sources, although 80% of the data was obtained from only one source of the religious domain, that is John Hopkins University Bible Corpus. Indonesian is quite similar to Acehnese so its data was also collected to be used in the application of transfer learning. The Acehnese and Bahasa Indonesia vocabularies built from the dataset share 1,189 (4.25%) words that are exactly the same. Results show that translations produced by an artificial neural network with transfer learning is better than those produced by an artificial neural network without transfer learning. The biggest difference, which is 7 BLEU points, is obtained from a model hyperparameterization of 1,000 iterations and a learning rate of 2.