Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"ABSTRAKPenelitian ini mengkaji pola hasil terjemahan frasa nominal posesif Bahasa Inggris BI ke BJ pada GT. Penelitian ini menggunakan metode deskriptif-kualitatif. Data pada penelitian ini adalah frasa nominal posesif BJ yang merupakan hasil terjemahan dari BI pada GT. Langkah awal yang dilakukan adalah mengumpulkan bahan berupa nomina BI, kemudian membentuknya menjadi frasa nominal posesif BI, lalu dilakukan uji coba penerjemahan pada mesin. Frasa nominal BI tersebut merupakan hasil penggabungan dari penentu posesif BI deteriminer dan nomina inti head . Hasil terjemahan tersebut kemudian dianalisis berdasarkan perbandingan dengan kaidah baku BJ. Analisis difokuskan pada dua hal, yakni pola konstruksi dan hasil terjemahan pronomina posesif BI. Dilihat dari bentuk konstruksi, hasil terjemahan frasa nominal posesif BI ke BJ dapat berupa kata monomorfemis, kata polimorfemis dan frasa. Berdasarkan data, hasil terjemahan pronomina posesif BI ke BJ dalam GT yang tidak sesuai dengan kaidah BJ dapat berupa: a pronomina persona bahasa Indonesia, b pronomina demonstratif BJ, c kata sandang BJ, dan d bentuk lain.

---

ABSTRACTThis research aims to discuss the translation pattern of possessive nouns phrases from English EN into Javanese JV generated by Google Translate GT . This research employs qualitative descriptive method. The data used in the research are the phrases of Javanese possessive nouns that are translated from EN using GT. The research is initialized by gathering EN nouns, then converting the nouns into EN possessive nouns phrases, and then put the phrases on the machine to test the translation result. The EN noun phrases are constructed from the combination of an EN possessive determiner and a noun head. The result of the translation is analyzed by comparing it with the general linguistic rules of JV. The analysis focuses on two things the pattern construction and the translation of EN possessive pronouns. Identified from its forms of construction, the translation of possessive noun phrases from EN into JV can appear in the form of monomorpheme, polymorpheme, and phrase. Based on the data, the translation results of possessive pronouns from EN into JV using GT that do not comply the JV linguistic rules comprise the errors in the production of a Indonesian personal pronouns, b JV demonstrative pronouns, c JV article, and d other forms. "

"Ketepatan transfer makna dalam penerjemahan teks hukum sangatlah penting. Karya tulis ini bertujuan untuk menganalisis penerjemahan teks hukum berdasarkan teori Koponen (2010). Metode penelitian ini merupakan metode kualitatif dengan membandingkan terjemahan teks hukum dari bahasa Belanda ke dalam bahasa Indonesia yang dilakukan oleh 2 mesin penerjemah dan 1 model bahasa kecerdasan buatan dengan arsitektur GPT (Generative Pre-Trained Transformer) dengan terjemahan manusia sebagai pembanding. Hasil terjemahan dianalisis berdasarkan klasifikasi kesalahan penerjemahan mesin Maarit Koponen, dengan fokus pada aspek kebahasaan dan kontekstual. Klasifikasi kesalahan yang paling banyak ditemukan adalah konsep yang salah diterjemahkan (55,3%) disusul dengan penggantian konsep (30,3%). Kesalahan-kesalahan yang terjadi disebabkan oleh kompleksitas transfer makna, terutama yang menuntut ketelitian ekstra dalam proses penerjemahan. Temuan ini menegaskan pentingnya peran manusia dalam proses penerjemahan, terutama penerjemahan teks yang memerlukan ketelitian dan pemahaman mendalam terhadap terminologi dan konteks khusus, di antaranya teks hukum.

---

Accuracy in meaning transfer in legal text translation is crucial. This paper aims to analyze the translation of legal texts based on Koponen's (2010) theory. The research method is qualitative, comparing translations of legal texts from Dutch to Indonesian performed by 2 translation machines and 1 artificial intelligence language model with a Generative Pre-Trained Transformer (GPT) architecture, using human translation as a benchmark. The translations are analyzed based on Maarit Koponen's machine translation error classification, focusing on linguistic and contextual aspects. The most frequently found error classification is mistranslation of concepts (55.3%), followed by concept substitution (30.3%). The errors occur due to the complexity of meaning transfer, particularly requiring extra precision in the translation process. These findings emphasize the important role of humans in the translation process, especially for texts that require meticulousness and deep understanding of specific terminology and context, including legal texts."

"Ketepatan transfer makna dalam penerjemahan teks hukum sangatlah penting. Karya tulis ini bertujuan untuk menganalisis penerjemahan teks hukum berdasarkan teori Koponen (2010). Metode penelitian ini merupakan metode kualitatif dengan membandingkan terjemahan teks hukum dari bahasa Belanda ke dalam bahasa Indonesia yang dilakukan oleh 2 mesin penerjemah dan 1 model bahasa kecerdasan buatan dengan arsitektur GPT (Generative Pre-Trained Transformer) dengan terjemahan manusia sebagai pembanding. Hasil terjemahan dianalisis berdasarkan klasifikasi kesalahan penerjemahan mesin Maarit Koponen, dengan fokus pada aspek kebahasaan dan kontekstual. Klasifikasi kesalahan yang paling banyak ditemukan adalah konsep yang salah diterjemahkan (55,3%) disusul dengan penggantian konsep (30,3%). Kesalahan-kesalahan yang terjadi disebabkan oleh kompleksitas transfer makna, terutama yang menuntut ketelitian ekstra dalam proses penerjemahan. Temuan ini menegaskan pentingnya peran manusia dalam proses penerjemahan, terutama penerjemahan teks yang memerlukan ketelitian dan pemahaman mendalam terhadap terminologi dan konteks khusus, di antaranya teks hukum.

---

Accuracy in meaning transfer in legal text translation is crucial. This paper aims to analyze the translation of legal texts based on Koponen's (2010) theory. The research method is qualitative, comparing translations of legal texts from Dutch to Indonesian performed by 2 translation machines and 1 artificial intelligence language model with a Generative Pre-Trained Transformer (GPT) architecture, using human translation as a benchmark. The translations are analyzed based on Maarit Koponen's machine translation error classification, focusing on linguistic and contextual aspects. The most frequently found error classification is mistranslation of concepts (55.3%), followed by concept substitution (30.3%). The errors occur due to the complexity of meaning transfer, particularly requiring extra precision in the translation process. These findings emphasize the important role of humans in the translation process, especially for texts that require meticulousness and deep understanding of specific terminology and context, including legal texts."

"Ketepatan transfer makna dalam penerjemahan teks hukum sangatlah penting. Karya tulis ini bertujuan untuk menganalisis penerjemahan teks hukum berdasarkan teori Koponen (2010). Metode penelitian ini merupakan metode kualitatif dengan membandingkan terjemahan teks hukum dari bahasa Belanda ke dalam bahasa Indonesia yang dilakukan oleh 2 mesin penerjemah dan 1 model bahasa kecerdasan buatan dengan arsitektur GPT (Generative Pre-Trained Transformer) dengan terjemahan manusia sebagai pembanding. Hasil terjemahan dianalisis berdasarkan klasifikasi kesalahan penerjemahan mesin Maarit Koponen, dengan fokus pada aspek kebahasaan dan kontekstual. Klasifikasi kesalahan yang paling banyak ditemukan adalah konsep yang salah diterjemahkan (55,3%) disusul dengan penggantian konsep (30,3%). Kesalahan-kesalahan yang terjadi disebabkan oleh kompleksitas transfer makna, terutama yang menuntut ketelitian ekstra dalam proses penerjemahan. Temuan ini menegaskan pentingnya peran manusia dalam proses penerjemahan, terutama penerjemahan teks yang memerlukan ketelitian dan pemahaman mendalam terhadap terminologi dan konteks khusus, di antaranya teks hukum.

---

Accuracy in meaning transfer in legal text translation is crucial. This paper aims to analyze the translation of legal texts based on Koponen's (2010) theory. The research method is qualitative, comparing translations of legal texts from Dutch to Indonesian performed by 2 translation machines and 1 artificial intelligence language model with a Generative Pre-Trained Transformer (GPT) architecture, using human translation as a benchmark. The translations are analyzed based on Maarit Koponen's machine translation error classification, focusing on linguistic and contextual aspects. The most frequently found error classification is mistranslation of concepts (55.3%), followed by concept substitution (30.3%). The errors occur due to the complexity of meaning transfer, particularly requiring extra precision in the translation process. These findings emphasize the important role of humans in the translation process, especially for texts that require meticulousness and deep understanding of specific terminology and context, including legal texts."

"Dalam tahun-tahun terakhir, berbagai parameter tipologi telah dipakai untuk mengklasifikasikan konstruksi klausa relatif pada bahasa-bahasa di dunia, termasuk, misalnya, urutan kata dan cara-cara di mana elemen nominal (seperti pronominal resumtif) dipakai untuk menyatakan peran sintaktik/semantik dari nomina induk nasonal dalam kalimat relatif. Parameter klasifikatori seperti ini penting untuk memahami variasi Kros-linguistik pada pembentukan klausa relatif dan kendala-kendala yang ada pada variasi tersebut. Makalah ini mengkaji parameter yang terkait lebiih jauh, yakni apakah verba dapat menyatakan peran sintaktik/semantic seperti ini. Contoh-contoh yang solid dari strategi ini disajikan baik dari bahasa-bahasa Austronesia (Kambera, Tukang Besi, Nias) maupun bahasa-bahasa non-Austronesian (Turki, Lhasa Tibet, Dolakha Newari, Ute, Cuszco Quechua, Macushi, dan Apurna). Akan tetapi, sejumlah bahasa yang semula-mula tampak memiliki strategi permarkkahan verba ternyata tidaklah demikian halnya. Bahasa-bahasa ini mencerminkan interaksi dari sistem Vois yang luas dengan kendala-kendala yang kuat pada asesibilitas terhadap relativisasi. Hal ini digambarkan dengan contoh-contoh dari bahasa Austronesia seperti bahasa Indonesia, Malagasi, Tagalog, dan Seediq"