Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPenelitian ini bertujuan untuk untuk memperlihatkan hasil penerjemahan pidato politik karya penerjemah penutur jati bahasa Indonesia dan penerjemah penutur jati bahasa Inggris. Berdasarkan tujuan ini, ada tiga sasaran penelitian, yaitu mendeskripsikan penerapan metode penerjemahan yang diterapkan oleh kedua penerjemah dalam menerjemahkan lima pidato politik dan pengaruhnya pada hasilnya, menemukan teknik penerjemahan yang digunakan oleh kedua penerjemah dalam menerjemahkan pidato politik dan pengaruh pada hasilnya, dan mendeskripsikan teknik penerjemahan yang cenderung digunakan oleh kedua penerjemah dalam menerjemahkan tiap bagian pidato politik. Kajian dilakukan dengan menggunakan pendekatan berbasis korpus, model komparatif, serta teori strategi penerjemahan. Metode kualitatif berupa analisis teks sebagai sebuah studi kasus digunakan dalam penelitian ini. Analisis terjemahan sebagai sebuah produk didasarkan pada strategi yang diterapkan kedua penerjemah dalam menerjemahkan pidato politik. Penelitian ini menunjukkan bahwa kedua penerjemah menerapkan metode dan teknik penerjemahan yang sama. Empat metode penerjemahan yang diterapkan kedua penerjemah adalah metode penerjemahan harfiah, metode penerjemahan setia, metode penerjemahan semantis, dan metode penerjemahan komunikatif. Penerapan empat metode itu menunjukkan adanya dua ideologi penerjemahan dalam terjemahan keduanya. Adapun sembilan teknik terjemahan diterapkan oleh kedua penerjemah yakni transferensi, kalke, teknik literal, padanan budaya, padanan lazim, transposisi, modulasi, reduksi, dan eksplisitasi. Temuan lain dalam penelitian ini adalah bahwa meskipun kedua penerjemah menguasai dua bahasa jati yang berbeda, strategi penerjemahan yang diterapkan sama dan hal ini menggambarkan kualitas terjemahan keduanya. Penelitian ini juga menunjukkan kecenderungan penerapan sejumlah teknik penerjemahan dalam lima bagian pidato politik.

---

ABSTRACTThis research aims to demonstrate the result of the translation of political speeches done by an Indonesian native speaker translator and an English native speaker translator. Based on this objective, there are three research goals to be met, namely to describe the application of translation methods applied by the two translators in translating those speeches and the impacts to the translation, to find translation techniques applied by the two translators in translating political speeches and the impacts to the translation, and describing translation techniques that tend to be used by the two translators in translating five parts of a political speech. The research is one by using corpus-based approach, a comparative mode, and translation strategy theories. A qualitative method in the form of a text analysis as a case study is adopted in this research. Analysis of a translation as a product is based on the translation strategies adopted by the the two translators in translating political speeches. The research shows that the two translators apply the same translation methods and techniques. Those four methods are literal translation method, faithful translation method, semantic translation method, and communicative translation method. The adoption of these four methods also signify two translation ideologies in their translations. In the meantime, nine translation techniques adopted by the two translators are transferensi, calque, literal, cultural equivalence, established equivalence, transposition, modulation, reduction and addition. The research also shows that although the two translators have two different native languages, translation strategies adopted by them are the same and this can describe the quality of their translations. The research also shows a tendency of the application of certain translation techniques by the two translators in translating five parts of a political speech."

"This book examines use of the voice as a biometric measure for personal authentication, offering an overview of advances in speaker authentication, and including useful algorithms and techniques for improving overall system robustness and performance."

"Pengembangan NLP di Indonesia terbilang lambat, terutama penelitian terkait bahasa daerah Indonesia. Alasannya adalah sumber data bahasa daerah tidak terdokumentasikan dengan baik sehingga sumber daya NLP yang ditemukan juga sedikit. Penelitian ini membahas metode ekstraksi kamus-kamus bahasa daerah di Indonesia untuk menghasilkan suatu sumber daya NLP yang dapat dibaca oleh mesin. Tahap penelitian dimulai dari pengumpulan data kamus, perancangan dan eksperimen metode ekstraksi, serta evaluasi hasil ekstraksi. Hasil penelitian berupa korpus paralel, leksikon bilingual, dan pasangan kata dasar-kata berimbuhan dalam format CSV dari beberapa kamus dwibahasa di Indonesia. Beberapa bahasa di antaranya adalah bahasa Minangkabau, Sunda, Mooi, Jambi, Bugis, Bali, dan Aceh. Perancangan metode ekstraksi berfokus pada kamus Minangkabau yang kemudian dilakukan eksperimen pada kamus-kamus bahasa daerah lainnya. Evaluasi dilakukan terhadap hasil ekstraksi kamus Minangkabau dengan melakukan anotasi data. Perhitungan akurasi dilakukan terhadap penempatan kelompok kata dari hasil anotasi. Hasil perhitungan menunjukkan 99% hasil ekstraksi sudah tepat untuk penentuan kelompok kata pada leksikon bilingual dan 88% untuk korpus paralel. Tim peneliti menemukan bahwa struktur dalam kamus bahasa daerah Indonesia sangat beragam, sehingga menuntut perlakuan yang berbeda pada setiap kamus, seperti perihal penomoran halaman. Selain itu, tim peneliti menemukan banyak kamus bahasa daerah Indonesia dengan kualitas yang kurang baik. Kualitas yang kurang baik ditunjukan dengan banyaknya kesalahan baca akibat noise yang terdapat pada tampilan berkas kamus.

---

The development of NLP in Indonesia is relatively slow, especially for Indonesian local languages. Indonesian local language data sources are not well-documented so that there are only few NLP resources found. This study discusses the extraction method of Indonesian local language dictionaries to produce a machine-readable NLP resource. Starting from collecting dictionary data, designing and experimentation of the extraction method, and evaluating the extraction results. The extraction results are parallel corpus, bilingual lexicon, and words’ morphological form in CSV format from several Indonesian Local Language bilingual dictionaries that are Baso Minangkabau, Sundanese, Moi, Jambinese, Buginese, Balinese, and Acehnese. The designed method is also applied to some other local language dictionaries. Data annotation has been done to evaluate the extraction results so that we can calculate its accuracy of word classification for parallel corpus and bilingual lexicon. Extraction method design focuses on the Minangkabau dictionary which is then applied to other dictionaries. Data annotation has been done to evaluate the extraction results.The evaluation results show that 99% of the extraction results are correct for word classifying in the bilingual lexicon and 88% correct for parallel corpus. We found that the structure of dictionaries varies, so it requires different approaches for each dictionary, for example regarding page numbering. We also found many dictionaries with poor quality. The poor quality is indicated by the number of reading errors due to noise contained in the original dictionary file."

"Pengembangan NLP di Indonesia terbilang lambat, terutama penelitian terkait bahasa daerah Indonesia. Alasannya adalah sumber data bahasa daerah tidak terdokumentasikan dengan baik sehingga sumber daya NLP yang ditemukan juga sedikit. Penelitian ini membahas metode ekstraksi kamus-kamus bahasa daerah di Indonesia untuk menghasilkan suatu sumber daya NLP yang dapat dibaca oleh mesin. Tahap penelitian dimulai dari pengumpulan data kamus, perancangan dan eksperimen metode ekstraksi, serta evaluasi hasil ekstraksi. Hasil penelitian berupa korpus paralel, leksikon bilingual, dan pasangan kata dasar-kata berimbuhan dalam format CSV dari beberapa kamus dwibahasa di Indonesia. Beberapa bahasa di antaranya adalah bahasa Minangkabau, Sunda, Mooi, Jambi, Bugis, Bali, dan Aceh. Perancangan metode ekstraksi berfokus pada kamus Minangkabau yang kemudian dilakukan eksperimen pada kamus-kamus bahasa daerah lainnya. Evaluasi dilakukan terhadap hasil ekstraksi kamus Minangkabau dengan melakukan anotasi data. Perhitungan akurasi dilakukan terhadap penempatan kelompok kata dari hasil anotasi. Hasil perhitungan menunjukkan 99% hasil ekstraksi sudah tepat untuk penentuan kelompok kata pada leksikon bilingual dan 88% untuk korpus paralel. Tim peneliti menemukan bahwa struktur dalam kamus bahasa daerah Indonesia sangat beragam, sehingga menuntut perlakuan yang berbeda pada setiap kamus, seperti perihal penomoran halaman. Selain itu, tim peneliti menemukan banyak kamus bahasa daerah Indonesia dengan kualitas yang kurang baik. Kualitas yang kurang baik ditunjukan dengan banyaknya kesalahan baca akibat noise yang terdapat pada tampilan berkas kamus.

---

The development of NLP in Indonesia is relatively slow, especially for Indonesian local languages. Indonesian local language data sources are not well-documented so that there are only few NLP resources found. This study discusses the extraction method of Indonesian local language dictionaries to produce a machine-readable NLP resource. Starting from collecting dictionary data, designing and experimentation of the extraction method, and evaluating the extraction results. The extraction results are parallel corpus, bilingual lexicon, and words’ morphological form in CSV format from several Indonesian Local Language bilingual dictionaries that are Baso Minangkabau, Sundanese, Moi, Jambinese, Buginese, Balinese, and Acehnese. The designed method is also applied to some other local language dictionaries. Data annotation has been done to evaluate the extraction results so that we can calculate its accuracy of word classification for parallel corpus and bilingual lexicon. Extraction method design focuses on the Minangkabau dictionary which is then applied to other dictionaries. Data annotation has been done to evaluate the extraction results.The evaluation results show that 99% of the extraction results are correct for word classifying in the bilingual lexicon and 88% correct for parallel corpus. We found that the structure of dictionaries varies, so it requires different approaches for each dictionary, for example regarding page numbering. We also found many dictionaries with poor quality. The poor quality is indicated by the number of reading errors due to noise contained in the original dictionary file."