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.

Preview	Text 1_cover.pdf Download (168kB) | Preview
Preview	Text 2_abstrak.pdf Download (234kB) | Preview
Preview	Text 3_skbebasplagiarism.pdf Download (118kB) | Preview
Preview	Text 4_daftarisi.pdf Download (166kB) | Preview
Preview	Text 5_bab1.pdf Download (363kB) | Preview
	Text 6_bab2.pdf Restricted to Registered users only Download (555kB) | Request a copy
	Text 7_bab3.pdf Restricted to Registered users only Download (238kB) | Request a copy
	Text 8_bab4.pdf Restricted to Registered users only Download (782kB) | Request a copy
	Text 9_bab5.pdf Restricted to Registered users only Download (229kB) | Request a copy
	Text 10_daftarpustaka.pdf Restricted to Registered users only Download (204kB) | Request a copy
	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.

Actions (login required)

View Item