Mesin Penerjemah Bahasa Madura Bahasa Indonesia Berbasis Attention pada Model Long Short Term Memory (LSTM)

Indonesia memiliki bahasa yang beragam di tiap daerahnya, salah satunya adalah bahasa Madura. Mayoritas masyarakat Madura menggunakan bahasa Madura sebagai bahasa utamanya. Sementara untuk kemampuan menggunakan bahasa nasionalnya sendiri, pada umumnya hanya didominasi oleh beberapa kalangan saja, hal ini tentunya akan membuat mereka mengalami kesulitan melakukan komunikasi dengan masyarkat daerah lainnya. Untuk mengatasi permasalah tersebut, maka dibutuhkan suatu sarana yang dapat membantu masyarakat Madura dalam belajar bahasa Indonesia, salah satunya adalah mesin penerjemah. Dalam ruang lingkup mesin penerjemah, terdapat satu pendekatan yaitu Neural Machine Translation (NMT) dengan arsitektur encoder-decoder, pendekatan ini digunakan guna mengatasi permasaalahan berubahnya susunan frase dari hasil terjemahan pada penggunaan mesin dengan penerjemahan perkata (leksikal). Dalam implementasinya, model yang cukup populer digunakan adalah Long Short Term Memory (LSTM). Arsitektur encoder-decoder memiliki kelemahan yaitu hilangnya informasi yang diterima decoder karena hanya menerima inputan dari output terakhir encoder. Oleh karena itu maka dibuat suatu metode yang disebut Attention guna menyelaraskan seluruh output encoder terhadap decoder. Berdasarkan penelitian ini, arsitektur encoder-decoder dengan Attention efektif digunakan saat menggunakan korpus yang cukup panjang (3-37 kata), dengan perolehan score BLEU 1-4 gram tertinggi rata-rata 0.0767 (merupakan score BLEU tertinggi pada penelitian ini), meskipun dengan jumlah data yang relatif sedikit (3.734 pasangan korpus). Namun pada saat korpus yang digunakan hanya memiliki panjang kalimat maksimal 2 kata, arsitektur encoder-decoder dengan Attention justru menjadi tidak efektif untuk digunakan, hal ini karena score BLEU 1-4 gram tertinggi rata-rata yang diperoleh turun menjadi hanya 0.0344 meskipun dengan jumlah jumlah data yang relatif jauh lebih banyak (28.247 pasangan korpus).