<![CDATA[Penelitian ini mengeksplorasi penerjemahan bahasa Lampung dialek Api ke bahasa Indonesia menggunakan Long Short-Term Memory (LSTM). Bahasa Lampung, salah satu bahasa daerah di Indonesia, terancam punah sehingga penting untuk dilestarikan dan dimanfaatkan. Penelitian ini bertujuan mengembangkan model penerjemahan otomatis untuk memfasilitasi pembelajaran dan penggunaan bahasa Lampung. Dataset terdiri dari kalimat paralel bahasa Lampung dan bahasa Indonesia yang dibagi menjadi data pelatihan dan pengujian. Model LSTM memiliki lapisan embedding, LSTM, dan dense, dilatih dengan optimizer Adam dan fungsi loss categorical crossentropy. Evaluasi model menggunakan metrik BLEU menunjukkan kualitas terjemahan yang baik dengan skor BLEU tertinggi sekitar 0.8 untuk 1-grams, 0.75 untuk 1-2-grams, 0.65 untuk 1-3-grams, dan 0.55 untuk 1-4-grams pada set latih. Pada set uji, skor BLEU tercatat 0.5 untuk 1-grams, 0.35 untuk 1-2-grams, 0.25 untuk 1-3-grams, dan 0.2 untuk 1-4-grams. Hasil ini menunjukkan bahwa model mampu menangkap konteks bahasa dengan baik pada data pelatihan dan masih mempertahankan performa yang memadai pada data uji. Selama pelatihan, loss model tercatat mengalami penurunan yang konsisten, menandakan peningkatan kemampuan model dalam memprediksi terjemahan yang benar. Hasil penelitian menunjukkan bahwa LSTM dapat diterapkan untuk penerjemahan bahasa Lampung-Indonesia, dan pendekatan ini memiliki potensi besar untuk diterapkan pada bahasa daerah lainnya yang juga terancam punah. Dapat dilakukan perbaikan dan peningkatan pada penelitian ini, seperti penggunaan arsitektur model yang lebih kompleks, pemanfaatan dataset yang lebih besar dan bervariasi, serta penerapan teknik augmentasi data untuk meningkatkan kinerja model. Hasil penelitian ini diharapkan menjadi referensi untuk penelitian lebih lanjut di bidang penerjemahan mesin dan pelestarian bahasa.]]>
