Implementasi teknologi Text-to-Text transfer transformer dalam pembelajaran lirik lagu berbahasa Inggris

Nazwansyah, Evandika (2025) Implementasi teknologi Text-to-Text transfer transformer dalam pembelajaran lirik lagu berbahasa Inggris. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

[img]
Preview
Text
1_cover.pdf

Download (168kB) | Preview
[img]
Preview
Text
2_abstrak.pdf

Download (234kB) | Preview
[img]
Preview
Text
3_skbebasplagiarism.pdf

Download (118kB) | Preview
[img]
Preview
Text
4_daftarisi.pdf

Download (166kB) | Preview
[img]
Preview
Text
5_bab1.pdf

Download (363kB) | Preview
[img] Text
6_bab2.pdf
Restricted to Registered users only

Download (555kB) | Request a copy
[img] Text
7_bab3.pdf
Restricted to Registered users only

Download (238kB) | Request a copy
[img] Text
8_bab4.pdf
Restricted to Registered users only

Download (782kB) | Request a copy
[img] Text
9_bab5.pdf
Restricted to Registered users only

Download (229kB) | Request a copy
[img] Text
10_daftarpustaka.pdf
Restricted to Registered users only

Download (204kB) | Request a copy
[img] Text
11-lampiran.pdf
Restricted to Repository staff only

Download (1MB) | Request a copy

Abstract

Penelitian ini mengimplementasikan teknologi Text-to-Text Transfer Transformer (T5) untuk mengatasi kurangnya motivasi siswa dalam pembelajaran Bahasa Inggris. Metodologi yang digunakan adalah Knowledge Discovery in Databases (KDD) yang terdiri dari lima tahap: selection, preprocessing, transformation, data mining, dan interpretation. Data lirik lagu dalam Bahasa Inggris dan terjemahannya dalam Bahasa Indonesia dikumpulkan dari berbagai sumber legal, seperti kapanlagi.com dan sonora.id. Penelitian ini menggunakan model T5-small yang di-fine-tune untuk tugas evaluasi fill-in-the-blank dan terjemahan lirik. Tiga skenario pembagian data (80/20, 85/15, dan 90/10) digunakan, dengan skenario 85/15 menunjukkan hasil paling optimal berdasarkan nilai training loss, validation loss, dan BLEU score terendah. Evaluasi kinerja model menunjukkan hasil yang bervariasi. Dalam tugas terjemahan, skor BLEU dan ROUGE masih rendah, mengindikasikan bahwa terjemahan model perlu ditingkatkan. Hal ini disebabkan oleh keterbatasan data dan fokus pada terjemahan makna per kalimat, bukan kata per kata. Sebaliknya, model menunjukkan kinerja yang sangat baik dalam mengevaluasi jawaban isian kosong, dengan Levenshtein Similarity mencapai 92,64% dan T5 Correct Accuracy 100%. Selain itu, integrasi dengan LanguageTool berhasil mengidentifikasi ketidaksesuaian tata bahasa atau ejaan dalam input simulasi. Secara keseluruhan, model T5 yang di-fine-tune berpotensi besar sebagai alat bantu edukasi yang efektif untuk meningkatkan pemahaman kosakata dan konteks melalui lirik lagu.

Item Type: Thesis (Sarjana)
Uncontrolled Keywords: T5 (Text-to-Text Transfer Transformer); Pembelajaran Bahasa Inggris; Metodologi KDD (Knowledge Discovery in Databases)
Subjects: Data Processing, Computer Science
English
Numerical Analysis > Algorithms
Language > lyric
Divisions: Fakultas Sains dan Teknologi > Program Studi Teknik Informatika
Depositing User: Evandika Nazwansyah
Date Deposited: 28 Aug 2025 07:55
Last Modified: 28 Aug 2025 07:55
URI: https://digilib.uinsgd.ac.id/id/eprint/116482

Actions (login required)

View Item View Item