Logo UNTAN Universitas
Tanjungpura
Pontianak

Penggunaan Teknik Data Augmentation untuk Meningkatkan Kinerja Neural Machine Translation pada Terjemahan Bahasa Indonesia ke Bahasa Dayak Banjur

Natalia, Artika (2025) Penggunaan Teknik Data Augmentation untuk Meningkatkan Kinerja Neural Machine Translation pada Terjemahan Bahasa Indonesia ke Bahasa Dayak Banjur. Skripsi thesis, Universitas Tanjungpura.

[img] PDF (Cover-Bab1)
Cover-Bab1_D1041211008.pdf - Published Version

Download (827kB)
[img] PDF (D1041211008_NATALIA_ARTIKA)
D1041211008_NATALIA_ARTIKA.pdf - Accepted Version
Restricted to Repository staff only

Download (7MB)

Abstract

Penelitian ini dilatarbelakangi oleh kurangnya ketersediaan data korpus paralel bahasa daerah dan kajian penerjemahan otomatis untuk bahasa daerah, khususnya Bahasa Dayak Banjur. Untuk menjawab permasalahan tersebut, penelitian ini bertujuan untuk membangun model Neural Machine Translation (NMT) berbasis attention dengan menerapkan berbagai teknik augmentasi data teks guna meningkatkan kinerja penerjemahan dari Bahasa Indonesia ke Bahasa Dayak Banjur. Sebanyak lima teknik augmentasi diterapkan, yaitu synonym replacement, stemming + synonym replacement, random insertion, random swap, dan random deletion. Data awal terdiri atas 5000 pasangan kalimat paralel, yang kemudian di augmentasi menjadi masing-masing 5000 pasangan kalimat baru. 5000 pasangan kalimat baru ini kemudian ditambahkan dengan data awal sehingga menjadi 10000 pasang kalimat untuk setiap data teknik augmentasi. Model dibangun menggunakan arsitektur Encoder- Decoder berbasis Recurrent Neural Network (RNN) dengan mekanisme Bahdanau Attention. Proses pelatihan dilakukan secara terpisah untuk setiap dataset hasil augmentasi, dan evaluasi dilakukan menggunakan metrik BLEU untuk mengukur akurasi hasil terjemahan. Hasil evaluasi menunjukkan bahwa teknik synonym replacement menghasilkan skor BLEU tertinggi sebesar 48,19%, diikuti oleh stemming + synonym replacement dengan skor 46%, dan baseline tanpa augmentasi sebesar 42,17%. Sebaliknya, tiga teknik lainnya justru menunjukkan penurunan performa, di mana random deletion memperoleh skor terendah sebesar 33,27%. Temuan ini menunjukkan bahwa augmentasi berbasis semantik lebih efektif dibandingkan teknik yang mengganggu struktur kalimat. Penelitian ini memberikan kontribusi terhadap pengembangan NMT untuk bahasa daerah dengan sumber daya terbatas dan menegaskan pentingnya pemilihan teknik augmentasi yang sesuai untuk meningkatkan performa sistem penerjemahan otomatis.

Item Type: Thesis (Skripsi)
Creators:
CreatorsNomor Induk Mahasiswa (NIM)Email
Natalia, ArtikaNIMD1041211008UNSPECIFIED
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data
Divisions: Fakultas Teknik > Teknik Informatika S1
SWORD Depositor: Rudiarti Rudiarti
Depositing User: Rudiarti Rudiarti
Date Deposited: 07 Aug 2026 01:27
Last Modified: 07 Aug 2026 01:27
URI: https://repository.untan.ac.id/id/eprint/7245

Actions (login required)

View Item View Item