MARIANMT BERBASIS TRANSFORMER UNTUK PENERJEMAHAN BAHASA INGGRIS-INDONESIA DENGAN FINE-TUNING DATA TECHNOLOGY, EDUCATION, AND DESIGN(TED)TALKS

ADINDA , PUTRI HERMAWAN (2025) MARIANMT BERBASIS TRANSFORMER UNTUK PENERJEMAHAN BAHASA INGGRIS-INDONESIA DENGAN FINE-TUNING DATA TECHNOLOGY, EDUCATION, AND DESIGN(TED)TALKS. FAKULTAS MATEMATIKA ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

[img]
Preview
File PDF
ABSTRAK.pdf

Download (47Kb) | Preview
[img] File PDF
SKRIPSI FULL.pdf
Restricted to Hanya staf

Download (3139Kb) | Minta salinan
[img]
Preview
File PDF
SKRIPSI FULL TANPA BAB PEMBAHASAN.pdf

Download (2937Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Pada era globalisasi, kebutuhan akan penerjemah otomatis yang akurat semakin meningkat untuk mendukung komunikasi lintas bahasa, khususnya dari bahasa Inggris ke bahasa Indonesia. Penelitian ini bertujuan untuk mengevaluasi efektivitas ne-tuningpada model MarianMT berbasistransformermenggunakan data TEDTalks yang bersifat formal, serta menganalisis pengaruh tanda tanya dalam kalimat tanya terhadap kualitas terjemahan. Metode yang digunakan meliputi pre-processingdata, pembagian dataset ke dalam lima skenario proporsi pelatihan dan validasi, penyesuaianhyperparametermodel, serta penerapan teknikne-tuning denganearly-stoppingdandropoutuntuk menghindariovertting. Evaluasi dilakukan menggunakan BLEUscorepada data uji. Hasil penelitian menunjukkan bahwane-tuningdengan datain-domaindapat meningkatkan akurasi terjemahan, ditunjukkan oleh perolehan BLEU tertinggi sebesar 32,14. Penelitian ini juga menunjukkan bahwa penghapusan tanda tanya memengaruhi makna terjemahan, khususnya pada kalimat pendek dan sedang. Skenario proporsi data 90:10 (pelatihan:validasi) menghasilkan kinerja terbaik dengan stabilitas nilai loss yang baik. Dengan demikian, kombinasine-tuningdan pengaturanpre-processingyang tepat dapat menghasilkan terjemahan yang lebih akurat dan sesuai konteks. Kata-kata kunci:Neural Machine Translation,Transformer, MarianMT, Fine-Tuning, TEDTalks, Keformalan Bahasa, BLEUScore.

Jenis Karya Akhir: Skripsi
Subyek: 500 ilmu pengetahuan alam dan matematika
500 ilmu pengetahuan alam dan matematika > 510 Matematika
Program Studi: FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) > Prodi S1 Matematika
Pengguna Deposit: 2506434398 Digilib
Date Deposited: 27 Jun 2025 09:51
Terakhir diubah: 27 Jun 2025 09:51
URI: http://digilib.unila.ac.id/id/eprint/89823

Actions (login required)

Lihat Karya Akhir Lihat Karya Akhir