Neural Machine Translation Sunda Halus - Loma Menggunakan Algoritma LSTM Dengan Opimizer ADAM

Abstract

Penelitian ini mengimplementasikan Neural Machine Translation (NMT) dengan algoritma Long Short Term Memory (LSTM) untuk meningkatkan kualitas terjemahan Bahasa Sunda Halus ke Bahasa Sunda Loma. Bahasa Sunda merupakan bagian penting dari budaya masyarakat Sunda dengan konsep undak usuk basa yang khas. Meskipun Bahasa Sunda terancam punah, NMT diharapkan dapat membantu melestarikannya. Model NMT berbasis LSTM dilatih dengan optimizer ADAM dan dievaluasi dengan BLEU score. Hasil menunjukkan tingkat kesesuaian yang tinggi antara terjemahan model dengan referensi manusia pada data pelatihan dan data testing. Skor BLEU pada dataset menunjukkan kemampuan model dalam menangkap struktur dan konteks kalimat dengan baik, Bleu skor yang diperolah sebesar 96,975%. Penelitian ini tidak hanya bertujuan untuk meningkatkan akurasi terjemahan, tetapi juga memperkenalkan kontribusi teknologi NMT dalam pelestarian budaya bahasa daerah. Hasilnya diharapkan dapat menjadi dasar bagi pengembangan teknologi terjemahan otomatis dan pelestarian budaya bahasa daerah di Indonesia.