PENERJEMAH BAHASA BALI MADYA KE BAHASA INGGRIS DENGAN NATURAL LANGUAGE PROCESSING (NLP)

I K. Surya Negara

1108605055

LATAR BELAKANG

• Bahasa sebagai alat komunikasi antar mahluk

• Di Indonesia, banyak suku, bahasa dan kebudayaan

• Bali merupakan destinasi wisata mancanegara

• Bahasa bali merupakan bahasa ibu masyarakat bali

• Dibutuhkan penerjemah bahasa bali – bahasa inggris yang baik

Rumusan Masalah

• Mengetahui sinonim kata maupun frasa kedua bahasa

• Tata aturan bahasa target agar sesuai dengan bahasa sumber

Tujuan

• Membangun penerjemah mesin statistic bahasa bali ke bahasa inggris

• Mengetahui kualitas Statistical Machine Translation sebagai penerjemah bahasa pada NLP

• Mengetahui pengaruh N-Gram pada Language Model

Manfaat

• Melestarikan bahasa bali sebagai kebudayaan Indonesia

• Penulis dapat mengetahui rancangan penerjemah bahasa dengan NLP

• Dapat mengetahui penerapan NLP dalam sistem penerjemah

Natural Language Processing (NLP)

• Kemampuan computer untuk melakukan proses bahasa

• agar dapat interaksi antara manusia dan computer dengan bahasa.

• Sebuah sistem harus mengetahui pengetahuan dari bahasa

Bidang pengetahuan NLP

• Fonetik/fonologi

• Morfologi

• Sintaksis

• Semantik

• Pragmatik

• Discourse knowledge

• Word knowledge

Machine Translation

• Salah satu penerapan NLP

• Penerjemah otomatis pada teks dari bahasa sumber ke bahasa target

Pendekatan Machine Translation

• Rule-based MT

• Example-based MT

• Statistical Machine Translation (SMT)

Statistical Machine Translation (SMT)

• Mesin penerjemah yang menggunakan pendekatan statistik

• Model translasi dihasilkan dari teks parallel corpora

• Penerjemah menghasilkan e dalam hasil terjemahan jika diberikan f dalam bahasa sumber

Keunggulan SMT

• Tidak diperlukan pengetahuan bahasa mendalam

• Tidak dirancang secara khusus untuk pasangan bahasa tertentu

• Rule-based MT memerlukan pengembangan aturan bahasa secara manual, sehingga tidak bias digunakan pada pasangan bahasa lain

• Banyak tersedia dokumen elektronik yang digunakan sebagai teks corpus

Komponen SMT

• Language model

• Translation model

• Decoder

Language Model

• Elemen kuncinya adalah propabilitas rangkaian kata-kata 𝑃 (𝑤1, 𝑤2, … , 𝑤𝑛) atau singkatnya 𝑃 (𝑤1,𝑛)

• Pendekatan Language Model adalah n-gram model

• Beberapa contoh model bahasa n-gram adalah:

Unigram (1-gram) :

Bigram (2-gram) :

Trigram (3-gram) :

Translation Model

• Terdapat dua model translation :

Word-based translation

Phrased based translation

Word-based translationPhrased based translation

Simbol P(f|e) keterangan• = distribusi propabilitas

• = distance-based

reordering

Decoder

• Fungsinya mencari teks propabilitas paling besar dengan pertinbangan language model dan translation model

• mencari nilai propabilitas e yang terbesar

Automatic Evaluation

• Akurasi dan kualitas dari SMT ditentukan dari hasil terjemahan yang dihasilkan

• IBM memperkenalkan evaluasi otomatis bernama BLEU (Bilingual Evaluation Understudy)

Cont…

• BP = brevity penalty

• C = jumlah kata dari hasil terjemahan otomatis

• r = jumlah kata dari rujukan

• Pn = precision score

• Nilai wn adalah 1/N. Standar nilai N untuk BLEU adalah 4, karena nilai presisi BLEU pada umumnya dihitung sampai 4-gram saja. Pada penelitian ini BLEU dihitung sampai 4-gram.

Desain Penelitian

• Penulis mengumpulkan dataset korpus bahasa bali dan bahasa inggris yang berasal dari cerita dan pidato bahasa bali

• Akan dilakukan pengaturan ulang urutan kata dan frase, language modeling, translation modeling, dan decoding

Pengumpulan Data

• Mengumpulkan data dokumen teks cerita dan pidato bahasa bali serta terjemahannya dalam bahasa inggris.

• Dokumen ini akan didapat dari dosen sastra bali dan sastra inggris

• Penelitian ini dibatasi hanya 10000 – 12000 kata

• Penggunaan bahasa bali adalah menggunakan bahasa bali madya atau bahasa bali umum

Sekian dan Terima Kasih