Perpustakaan Digital ITB
Transformermerupakansuatumodeljaringansaraftiruanyangsemakinluas
pemanfaatannya,termasukuntukpenerjemahanmesin.Upayameningkatkan
kinerja penerjemahanmesinberbasistransformerdapatdikajidariberbagai
aspek. Padapenelitianiniperbaikankualitaspenerjemahanmesinditinjaudari
2 (dua)pendekatanyaknipenggantiantipe/jenismatriksbobotdanpenambahan
konteksglobal.Berkenaandenganpemanfaatanmatriksbobot,dalampenelitian
ini dipilihmatriksbobotyangberasaldarikelasmatriksterstruktursirkulan
yang terdiridarimatriksbloksirkulan, g-sirkulan, danblok g-sirkulan. Lebih
jauh, padaperkaliannyadengansembarangvektordigunakanalgoritmaTrans-
formasi Kosinus-SinusDiskrit(TKD-TSD).Padaimplementasinyadiperlukan
pengkajian secarateoritikberkenaandengandekomposisiSchurbagiketigamatriks
termasuk eksplorasinilai-nilaieigenpembentuknya.Berkaitandenganpenam-
bahan konteksglobalpadaprosespenerjemahan,dimanfaatkankonsepjaringan
atensi grafdanlanskappersisten(suatualatpadaanalisisdatatopologis)berbasis
kohomologidenganpendekatanarsitekturtertentu.Berdasarkanhasileksperimen
melalui duapendekatantersebutdiperolehbahwapenggunaanmatriksbobotblok
sirkulan denganalgoritmaTKD-TSD,memberikanpengaruhyangpalingsignifikan
terhadap peningkatanskorBLEU (Bilingual EvaluationStudy) dan efisiensiukuran
memori model.SedangkanpadapemanfaatanJaringanAtensiGrafdanLanskap
Persisten, masihdiperlukanmodifikasidanpengembanganyanglebihtepatdan
relevan.