THE COMPREHENSIBILITY OF MACHINE-TRANSLATED MEDICAL LITERATURE BASED ON PROPOSITION RENDITIONS

AULIA ADDINILLAH A., Dr. B.R. Suryo Baskoro, M.S.

2022 | Tesis | MAGISTER LINGUISTIK

Penelitian ini bertujuan untuk mengungkapkan tingkat keterpahaman teks ilmiah di bidang medis yang diterjemahkan oleh mesin (Google Translate). Di dalam penelitian ini, keterpahaman terjemahan mesin dinilai dengan membandingkan jumlah proposisi yang terkandung di dalam teks berbahasa Inggris sebagai bahasa sumber (BSu) dan teks di dalam bahasa Indonesia sebagai bahasa sasaran (BSa). Penelitian ini menggunakan proposisi sebagai satuan analisis utama dalam mengevaluasi kualitas terjemahan karena kesepadanan bentuk dalam terjemahan tidak menjamin penyampaian makna secara tepat di dalam BSa. Berdasarkan skor penyampaian proposisi, teks terjemahan kemudian dikategorikan ke dalam empat kategori keterpahaman, Low Comprehensibility, Fair Comprehensibility, Advanced Comprehensibility, dan Full Comprehensibility. Temuan yang dihasilkan dari akumulasi skor penyampaian proposisi mendapatkan validasi melalui evaluasi tenaga ahli. Analisis lanjutan juga dilaksanakna untuk mengidentifikasi eror yang memengaruhi penyampaian proposisi. Analisis ini dilakukan dengan merujuk pada taxonomy of error yang dikembangkan American Translators Association. Faktor-faktor kebahasaan dan non kebahasaan yang memengaruhi penyampaian proposisi juga diidentifikasi dan dijelaskan di dalam penelitian ini. Penelitian ini berhasil mengungkap bahwa mesin penerjemah (MT) telah berhasil mereplikasi 77% proposisi yang terkandung di seluruh teks sumber. Temuan ini juga didukung oleh hasil evaluasi tenaga ahli yang menunjukkan bahwa MT berhasil mereplikasi 80% proposisi dari teks sumber. Meskipun demikian, penelitian ini juga mengungkap bahwa MT masik menunjukkan kelemahan dalam penyampaian makna karena error yang berasal dari kategori Meaning Transfer masih menunjukkan frekuensi yang tinggi.

This study aims to reveal the comprehensibility of machine-translated medical literature by comparing the proposition renditions from English as the source language (SL) to Indonesian as the target language (TL). The medical literature examined in this study comprises twenty introduction sections of twenty academic articles which were translated by Google Translate (GT). This study uses proposition as the currency of translation quality evaluation due to the fact that the replication of surface structure does not guarantee the preservation of meaning in the TL. Based on the total proposition transfer score, the translated texts were categorized into four comprehensibility categories, namely Low Comprehensibility, Fair Comprehensibility, Advanced Comprehensibility, and Full Comprehensibility. To validate the result of the proposition transfer score, experts' assessments were also carried out. Further analysis was carried out to identify error occurrences impacting proposition renditions by adopting the American Translators Association's taxonomy of error. The linguistic and extra-linguistic factors that affect proposition rendition were also identified and explained. This study has revealed that MT has successfully rendered 77% of propositions across the twenty translated texts. This finding is also supported by experts' assessment which suggests that MT is able to render 80% of propositions of the source text. However, this study also revealed that the ultimate shortcoming of MT is related to meaning transfer which is proven by the frequent occurrences of errors of the meaning transfer category.

Kata Kunci : machine translation, proposition, comprehensibility, translation quality, medical text