ANALISIS KINERJA MODEL MT5 DAN NLLB-200 DENGAN OPTIMASI OPTUNA UNTUK PENERJEMAHAN BAHASA ANGKOLA-INDONESIAAwal RidhoHarahapauthorPenelitian berjudul "Analisis Kinerja Model mT5 dan NLLB-200 dengan Optimasi Optuna untuk Penerjemahan Bahasa Angkola-Indonesia" ini dilaksanakan untuk mengatasi tantangan kelangkaan data (low-resource) dalam pelestarian digital Bahasa Angkola. Tujuan utama penelitian adalah membangun sistem Neural Machine Translation (NMT) yang akurat dengan membandingkan efektivitas arsitektur Google Multilingual T5 (mT5) dan No Language Left Behind (NLLB-200). Penelitian eksperimental ini menggunakan dataset hasil digitalisasi kamus sebanyak 31.656 pasang kalimat, dengan metode analisis berbasis evaluasi otomatis BLEU Score dan chrF Score serta penerapan optimasi hyperparameter otomatis menggunakan algoritma Tree-structured Parzen Estimator (TPE) via Optuna. Hasil pengujian menunjukkan bahwa model NLLB-200 memiliki superioritas signifikan dibandingkan mT5, dengan selisih baseline mencapai 45.59 poin. Proses optimasi Optuna terbukti krusial dalam meningkatkan performa model, di mana konfigurasi parameter terbaik berhasil menaikkan akurasi NLLB-200 dari BLEU Score 69.55 menjadi 83.94 serta chrF Score 86.56. Dapat disimpulkan bahwa arsitektur berbasis Mixture-of-Experts pada NLLB yang dipadukan dengan strategi optimasi otomatis merupakan solusi teknis terbaik untuk penerjemahan Bahasa Angkola, dan penelitian lebih lanjut direkomendasikan untuk memperluas cakupan dataset guna menangani variasi dialek yang lebih kompleks.000 Ilmu komputer, informasi dan pekerjaan umum2026-03-04Universitas AMIKOM Yogyakarta;PJJ Magister InformatikaThesis