Sistem mesin penerjemahan saat digunakan dakam konteks komersial harus melalui proses post-editing. Post-editing adalah kegiatan yang harus dilakukan untuk memaksimalkan penggunaan sistem mesin penerjemahan. Post-editing yang dilakukan oleh manusia bertujuan untuk membuat teks terjemahan mesin memiliki kualitas yang sama seperti teks hasil penerjemahan manusia. Penelitian ini bertujuan untuk meninjau teks hasil post-editing dan menganalisis kesepadanan dan ketidaksepadanan yang dihasilkan oleh mesin penerjemahan, serta melihat strategi post-editing yang digunakan selama kegiatan post-editing. Metode yang digunakan adalah kualitatif untuk menganalisis data dan memperoleh hasil dari kegiatan post-editing. Kualitas mesin penerjemaan dan tipe kesalahan yang berbeda dan ketidaksepadanan akan memengaruhi kegiatan post-editing. Masalah ketidaksepadanan, pembalikan makna, dan struktur menjadi dasar dari kegiatan post-editing. Hasil penelitian menunjukkan bahwa beberapa faktor seperti struktur kalimat, penggunaan istilah khusus, dan kesalahan mesin penerjemahan berdampak dalam kegiatan post-editing. Temuan dari penelitian ini akan berkontribusi dalam pengembangan sistem mesin penerjemahan yang lebih baik dalam industri penerjemahan dan juga pengembangan kemampuan dan strategi post-editor.

---

Machine translation systems, when they are used in a commercial context for publishing purposes, are usually used in combination with human post editing. Post editing is crucial to maximize the benefit of machine translation systems. When the post editing behavior is conducted, there should be no difference in quality between human translation and post edited translation. This study observes the post editor rsquo s work and examines the effect of the post editing strategies made during post editing. A method approach was employed to qualitatively analyze the data and gain detailed into the post editing activity. Post editing effort are influenced by machine translation quality, but that different error types affect different post editing effort and confirming that a more fine grained MT quality analysis is needed to correctly estimate actual post editing effort. Non equivalence, meaning shifts, and structural issues are shown to be good indicators of post editing effort. The results indicate that a number of factor such as sentence structure, use of product specific terms, and the impact of machine translation errors, have effect on the amount of post editing effort. The findings will contribute to a better use of machine translation systems in the industry as well as the development of the skills and strategies of the post editors.