Hasil Pencarian  ::  Simpan CSV :: Kembali

"Artikel ini membahas dan menganalisis hasil terjemahan yang dihasilkan oleh mesin penerjemah otomatis yang terdapat pada media sosial Twitter. Twitter adalah salah satu media sosial yang sangat populer dan masih sering digunakan di seluruh dunia. Media awam dan para selebritis menampilkan cuitan-cuitan mereka lewat media sosial ini. Dewasa ini, Twitter juga sudah memiliki mesin penerjemah otomatis yang berfungsi untuk menerjemahkan cuitan-cuitan ke dalam berbagai bahasa antara lain bahasa Rusia dan bahasa Indonesia. Beberapa penelitian sebelumnya yang berkaitan dengan hasil terjemahan mesin menyebutkan bahwa, mesin penerjemah otomatis masih sering melakukan kesalahan. Dalam artikel ini, akan menganalisis hasil terjemahan cuitan twitter yang dilakukan oleh mesin penerjemahan dari bahasa Rusia ke bahasa Indonesia. Setiap hasil terjemahan cuitan yang diteliti diambil dari akun twitter «ТАСС» TASS yang merupakan akun resmi kantor berita Rusia. Cuitan dari akun ini akan diterjemahkan dari bahasa Rusia ke bahasa Indonesia oleh mesin penerjemah. Setelah itu, semua hasil penerjemahan akan dilihat dan dikelompokkan ke dalam beberapa kesalahan penerjemahan yang didasarkan pada teori Newmark dan Koponen.

---

This article discusses and analyses the translation results generated by automatic translation machines on Twitter social media. Twitter is a social media that is very popular and still frequently used around the world. The news agency and celebrities display their tweets through this social media. Nowadays, Twitter also has been equipped with an automatic translation machine that functions to translate tweets into various languages, including Russian and Indonesian. Some previous research related to machine translation results mentioned that automatic machine translators still often make mistakes. This article the author will analyse the translation of tweets on twitter produced by machine translation from Russian to Indonesian. Every tweet from the researched twitter were taken from the Russian news media account «ТАСС» TASS, which is the official account of the Russian news agency. Tweets from this account will be translated from Russian to Indonesian by a machine translator. After that, all translation results will be viewed and grouped into several translation errors based on the Newmark and Koponen translation theories."

"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."