Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Salah satu kendala terbesar manusia untuk memahami suatu informasi adalah bahasa. Informasi yang ada saat ini berjumlah sangat banyak dan telah dapat disediakan dalam bermacam-macam bentuk mulai dari yang paling sederhana yaitu teks hingga yang lebih canggih dengan menggunakan berkas suara. Informasi yang disediakan dalam berkas suara akan lebih mudah dimengerti oleh manusia, tetapi tetap saja informasi ini tidak lepas dari permasalahan utama yaitu bahasa. Dengan adanya permasalahan diatas, dilakukanlah pengembangan sistem penerjemahan suara ke suara untuk bahasa Indonesia ke bahasa Inggris yang memungkinkan penerjemahkan berkas suara berbahasa Indonesia menjadi suara dalam bahasa Inggris sehingga kendala pemahaman untuk kedua bahasa tersebut dapat dikurangi. Pengembangan sistem penerjemahan suara ke suara ini melibatkan sistem pengenalan suara yang memungkinkan pengubahan data suara menjadi teks, mesin penerjemah yang memungkinkan komputer untuk melakukan penerjemahan teks dari satu bahasa ke bahasa lain dan sistem sintesis suara yang memungkinkan komputer untuk menghasilkan suara dari teks. Pada penelitian ini, terdapat tiga macam data yang digunakan yaitu rekaman percakapan, rekaman novel dan rekaman menggunakan telepon. Akurasi tertinggi dari hasil yang dikeluarkan oleh sistem pengenalan suara adalah pengenalan kata sebesar 96.10% untuk rekaman percakapan dan pengenalan kalimat sebesar 83.70% untuk rekaman percakapan. Untuk mesin penerjemah, akurasi tertinggi yang diperoleh adalah sebesar 0.38 pada rekaman percakapan, sedangkan akurasi sistem sintesis suara adalah 34% untuk rekaman menggunakan telepon.

---

The biggest challenge for human to understand information is language barrier. Nowadays, the number of information has grown rapidly and the information is available from text to multimedia such as audio or speech. The information presented in a speech document can be understood more easily by human; however, this information is difficult to be translated into another language. The development of Indonesia - English speech to speech translation system enables the translation of Indonesian speech into English speech. The development of speech to speech translation system involves the speech recognition system which enables the conversion of speech data into text, machine translation system which enables the computer to translate texts form one language to another and a speech synthesis system which enables the computer to produce speech form texts. There are three kinds of speech data that are used on this research: conversation and novel sentences recorded using a speech recorder and conversation sentences recorded using mobile telephone. The highest accuracy for speech recognition system`s output is 96.10% for the word recognition and 83.70% for the sentence recognition on conversation speech. For the machine translation, the highest accuracy is 0.38 for conversation recorded using a speech recorder, while the speech synthesis system achieves the highest accuracy of 34% for the conversation recorded using mobile telephone.

Abstrak :
Mesin Penerjemah digunakan untuk menerjemahkan teks dari suatu bahasa ke bahasa lain secara otomatis. Mesin Penerjemah Statistik adalah Mesin Penerjemah yang menggunakan pendekatan statistik dalam proses menerjemahkan teks. Penelitian dilakukan dengan menggunakan Mesin Penerjemah Statistik berdasarkan frase yang memanfaatkan korpus dwibahasa paralel sebagai data pelatihannya. Korpus dwibahasa Indonesia - Jepang yang digunakan berupa koleksi dokumen Kitab Suci, artikel berita, dan percakapan sehari-hari dengan jumlah keseluruhan kalimat sebanyak 24.365 kalimat. Koleksi dokumen dalam bahasa Jepang tersedia dalam dua macam bentuk tulisan, yaitu Kanji atau Romaji. Penelitian dilakukan pada korpus dwibahasa tanpa faktor tambahan dan korpus yang menggunakan perangkat bahasa tambahan, yaitu lema. Dari hasil penelitian, didapati bahwa kinerja penerjemahan teks Indonesia - Jepang menggunakan Mesin Penerjemah Statistik berdasarkan frase pada penelitian ini, nilai akurasi tertinggi berdasarkan BLEU score mencapai 0,2027. Nilai akurasi tertinggi tersebut didapatkan pada jenis dokumen artikel berita tanpa faktor tambahan dengan model bahasa 5-gram. Sedangkan penambahan perangkat bahasa lema pada korpus pelatihan menurunkan kinerja dari Mesin Penerjemah Statistik berdasarkan frase.

---

Machine Translation translates text from one language to another automatically. Statistical Machine Translation uses statistical approach to translate text. This research uses phrase-based Statistical Machine Translation system. We use Indonesian ? Japanese bilingual corpora as the training data which consist of holy writings, news article, and daily conversation with total of 24.365 sentences. Japanese document collections are written in Kanji and Romaji. This research uses unfactored training corpora and factored training corpora (lemma). The highest accuracy based on evaluation of the translation result is 0.2027 in BLEU score which is the score of news article document written in Romaji using 5-gram language model. Factored training corpora (lemma) decreases the performance of the machine translation system.

Abstrak :
Tujuan penelitian tugas akhir ini adalah membangun sistem yang menghasilkan bahasa alami dari representasi semantik leksikal dengan menggunakan pendekatan chart generation. Penelitian tugas akhir ini dibatasi pada bahasa alami yang dihasilkan berupa kalimat deklaratif dalam bahasa Indonesia. Pendekatan chart generation secara mudahnya merupakan kebalikan dari chart parsing, metode yang digunakan untuk membentuk representasi semantik dari sebuah bahasa alami. Aturan tata bahasa dan semantik leksikal yang digunakan dalam penelitian ini adalah penyesuaian dari aturan tata bahasa dan semantik leksikal yang dirancang oleh Mahendra dalam penelitian sebelumnya (Mahendra, 2008). Perancangan konsep chart generation dan implementasinya merupakan penyesuaian dari rancangan konsep poetry generator yang dirancang oleh Manurung dalam penelitiannya (Manurung, 1999). Implementasi penelitian tugas akhir ini menggunakan bahasa pemrograman Prolog dikarenakan banyaknya penelitian terkait yang menggunakan bahasa pemrograman tersebut. Evaluasi penelitian tugas akhir ini dilakukan dengan pengujian terhadap performa sistem NLG, baik sebagai sebuah sistem tunggal, maupun sebagai bagian dari sistem tanya jawab yang dikembangkan sebelumnya (Larasati, 2007) (Mahendra, 2008). Pengujian dilakukan dengan cara memberikan beragam masukan semantik leksikal kepada sistem. Hasil penelitian tugas akhir ini baru bisa menghasilkan bahasa alami yang sah berdasar semantik leksikal yang bersesuaian. Diharapkan pada penelitian-penelitian berikutnya, dapat dikembangkan banyak hal dari hasil penelitian ini.

Abstrak :
Scrabble adalah permainan papan yang sangat terkenal di dunia. Akan tetapi tidak ada konfigurasi untuk bahasa Indonesia. Hal ini mendorong penulis untuk merancang suatu konfigurasi Scrabble bahasa Indonesia. Rancangan konfigurasi ini didasarkan pada distribusi huruf kata-kata yang diekstrak dari Kamus Besar Bahasa Indonesia versi Elekronik. Rancangan-rancangan yang dihasilkan kemudian dinilai kinerja gameplaynya secara empiris dan kualitatif melalui eksperimen simulasi dan survey. Setelah penilaian ini, ditentukan konfigurasi yang merupakan kombinasi dari distribusi huruf dan skema penilaian yang didasarkan pada distribusi huruf bahasa Indonesia, yaitu indosublemma3, merupakan yang paling cocok untuk digunakan dalam permainan Scrabble bahasa Indonesia.

---

Scrabble is a worldwide known board game, yet there is no Indonesian version of this game. This encourage the writer to design an Indonesian language Scrabble game configuration. The designs are based on letter distribution of words extracted from Kamus Besar Bahasa Indonesia electronic version. The designs made then undergo gameplay performance evaluation by empirical dan qualitative means through simulation experiment and survey. The configuration fully based on Indonesian language letter distribution which was named indosublemma3 was evaluated as the most compatible with Indonesian language Scrabble game.