Jurnal Komputer Antartika Volume 4 Nomor 2 2026 Halaman 43-53 ISSN (Onlin.
2988-5272 DOI: https://doi.
org/10.
70052/jka.
Rancang Bangun Sistem Penerjemah Multibahasa Daerah Maluku Utara dengan Integrasi GPT Sebagai Pelestarian Budaya Lokal Anggiah Salim1*.
Abdul Haris Muhammad2.
Sakina Sudin3
1,2,3
Universitas Muhammadiyah Maluku Utara Jl.
KH.
Ahmad Dahlan No.
Kel.
Sasa.
Kec.
Ternate Selatan.
Kota Ternate.
Indonesia.
e-mail korespondensi: anggiahsalim1@gmail.
Submit: 20-05-2026 | Revisi: 03-06-2026 | Terima: 09-06-2026 | Terbit online: 20-06-2026 Abstrak - Penelitian ini membahas pengembangan sistem penerjemah multibahasa daerah berbasis web yang mengintegrasikan metode Rule-Based Machine Translation (RBMT) dan GPT untuk menerjemahkan Bahasa Indonesia dengan Bahasa Ternate.
Makian Dalam, dan Galela menggunakan 5.
572 kosakata berbasis kamus digital, dimana RBMT digunakan untuk pencocokan kata berdasarkan aturan dan GPT digunakan untuk memperbaiki struktur kalimat agar lebih natural sesuai konteks, dengan sistem yang dikembangkan menggunakan HTML.
CSS.
JavaScript, serta integrasi API GPT melalui Vercel, kemudian diuji menggunakan 468 kalimat yang menghasilkan kategori hasil berupa terjemahan sesuai target, berbeda bentuk namun bermakna sama, tidak sesuai akibat keterbatasan kosakata, serta ketidaktepatan karena ambiguitas makna .
atu kata yang memiliki banyak art.
, sehingga hasil penelitian menunjukkan bahwa kombinasi RBMT dan GPT mampu meningkatkan kualitas terjemahan meskipun masih dipengaruhi oleh ambiguitas kata, kelengkapan kamus, serta penggunaan tanda baca dan pemisahan kata yang dapat mempengaruhi makna dan akurasi hasil terjemahan.
Kata Kunci : Penerjemah Bahasa Daerah.
RBMT.
GPT.
Multibahasa.
Kamus Digital Abstract - This research discusses the development of a web-based regional multilingual translation system that integrates the Rule-Based Machine Translation (RBMT) method and GPT to translate Indonesian into Ternate.
Makian Dalam, and Galela languages using 5,572 vocabulary entries based on a digital dictionary, where RBMT is used for rule-based word matching and GPT is used to improve sentence structure to make the translations more natural and contextually appropriate.
The system was developed using HTML.
CSS.
JavaScript, and GPT API integration through Vercel, and was tested using 468 sentences that produced several categories of results, including translations that matched the target exactly, translations with different sentence forms but the same meaning, inaccurate translations due to limited vocabulary, and inaccuracies caused by semantic ambiguity .
single word having multiple meaning.
The results of the study indicate that the combination of RBMT and GPT is capable of improving translation quality, although it is still influenced by word ambiguity, dictionary completeness, and the use of punctuation and word separation, which can affect the meaning and accuracy of the translation results.
Keywords : Regional Language Translator.
RBMT.
GPT.
Multilingual.
Digital Dictionary Pendahuluan Menurut berbagai sumber, di Provinsi Maluku Utara terdapat 36 bahasa daerah yang tersebar di sembilan Kabupaten dan KotaAy.
Pelestarian bahasa daerah adalah amanat Undang-Undang Dasar 1945.
Pasal 32 .
bahwa negara menghormati dan memelihara bahasa daerah sebagai kekayaan budaya nasional.
Undang-Undang Nomor 24 Tahun 2009 tentang Bendera.
Bahasa, dan Lambang Negara, serta Lagu Kebangsaan.
dan Peraturan Daerah Provinsi Maluku Utara Nomor 9 Tahun 2009 tentang Pemeliharaan Bahasa dan Sastra Daerah.
Menurut perda tersebut, setiap bahasa daerah harus diajarkan agar tetap terpelihara dan lestari.
Bahasa Ternate sebagai salah satu dari 36 bahasa yang dituturkan di propinsi Maluku Utara juga mengalami permasalahan yang terkait pergeseran bahasa yang mengarah pada kematian bahasa.
Kenyataan ini terlihat dari semakin merendahnya tingkat penggunaan bahasa ini dalam komunikasi antar penuturnya.
Hal ini karena tingkat mobilitas masyarakat yang sangat tinggi terjadi di Ternate.
Selain Bahasa Ternate, terdapat bahasa Melayu dialek Ternate yang sangat produktif, yang mana sebagian besar masyarakat tutur di sepuluh kabupaten dan kota yang ada di provinsi Maluku Utara dalam komunikasi sehari-hari menggunakan Bahasa Melayu dialek Ternate .
Copyright .
2026 Anggiah Salim.
Abdul Haris Muhammad.
Sakina Sudin This work is licensed under a Creative Commons Attribution-ShareAlike 4.
0 International License.
Published under licence by Antartika Media Indonesia.
Jurnal Komputer Antartika Volume 4 Nomor 2 2026 Badan Bahasa terus melakukan upaya pelestarian bahasa yang salah satunya melalui kegiatan penyusunan kamus sebagai kodifikasi bahasa-bahasa yang hampir punah.
Dengan menyusun kamus, setidaknya ada produk yang dihasilkan dari konservasi bahasa daerah atau bahasa dialek yang sudah atau akan punah.
Kamus sebagai hasil kodifikasi kosakata yang disertai batasan makna kata serta contoh pemakaiannya dalam kalimat memberikan tuntunan bagi pemakainya dalam memahami makna kata serta bagaimana menggunakan kata itu secara tepat di dalam kalimat.
Di samping itu, kamus dapat membantu memberikan keluasan wawasan serta pengembangan daya Dengan demikian, kamus itu dapat dijadikan sebagai sarana untuk mencerdaskan seseorang atau dalam jangkauan yang lebih luas sebagai sarana untuk mencerdaskan bangsa serta menjadi acuan bagi penutur yang akan belajar menggunakan suatu Bahasa.
Upaya pelestarian bahasa daerah yang relevan di era digital dapat dilakukan melalui pembangunan website penerjemah multibahasa berbasis kamus digital, dengan memilih perwakilan tiga bahasa daerah dari wilayah Maluku Utara, yaitu Bahasa Ternate.
Bahasa Makian Dalam, dan Bahasa Galela.
Sistem ini menyajikan kosakata ketiga bahasa tersebut yang dilengkapi dengan gambar, suara, serta padanan makna dalam Bahasa Indonesia, sehingga berfungsi sebagai media edukasi yang interaktif dan mudah diakses oleh masyarakat.
Pengembangan sistem ini menggunakan metode dan algoritma modern yang saling terintegrasi untuk mendukung penerjemahan dan pembelajaran bahasa.
Sistem ini memanfaatkan Rule-Based Machine Translation (RBMT) untuk menerjemahkan teks berdasarkan aturan dan pemetaan kamus.
Longest Phrase Matching untuk akurasi terjemahan multikata.
Hash Map Lookup untuk pencarian kosakata cepat, serta GPT-based Post Editing untuk memperbaiki struktur kalimat.
Selain itu, sistem juga mendukung Text-to-Speech melalui SpeechSynthesisUtterance().
Parsing & JSON Mapping.
Full-Text Search.
Prefix Matching untuk bahasa Indonesia dan multibahasa, serta Lexicographic Sorting untuk menampilkan daftar kata secara abjad.
Semua metode ini dibangun berdasarkan kontribusi tokoh dan penelitian terdahulu, seperti Douglas Crockford (JSON & Ma.
John Larry Kelly Jr.
& Louis Gerstman (Speech Synthesi.
Vaswani et al.
& Alec Radford dkk.
(GPT),
serta Georgetown-IBM Experiment (RBMT).
Pengembangan website dilakukan menggunakan Waterfall Development Model, sementara proses pengumpulan kosakata mengikuti pendekatan kualitatif deskriptif melalui penelusuran arsip bahasa daerah di Kantor Bahasa Maluku Utara, studi literatur dari buku Cerita Anak Maluku Utara dan kamus Bahasa Daerah (Ternate.
Makian Dalam.
Galela Ae Indonesi.
, serta wawancara dengan penutur asli bahasa daerah.
Dengan demikian, sistem ini tidak hanya berfungsi sebagai alat penerjemah, tetapi juga sebagai media edukasi adaptif yang dapat diperluas dan digunakan untuk pelestarian bahasa daerah lain di masa mendatang.
Metode Penelitian Analisis Sistem Arsitektur sistem dibangun menggunakan aplikasi web dengan pemrosesan utama di sisi frontend dan integrasi API untuk fitur kecerdasan buatan ditampilkan pada Gambar 1.
Gambar 1 Diagram Arsitektur Sistem Dari Gambar 1.
Frontend (HTML.
CSS.
JavaScrip.
: digunakan sebagai tampilan sistem sekaligus menjalankan proses penerjemahan.
Seluruh kode frontend disimpan dan dikelola melalui GitHub.
Backend (API Prox.
Backend berupa API proxy yang dijalankan menggunakan Vercel untuk menghubungkan sistem dengan OpenAI serta mengamankan API key.
Database (RBMT - DICT JavaScrip.
: Database berupa kamus yang disimpan dalam JavaScript dan digunakan sebagai dasar penerjemahan berbasis RBMT.
Machine Learning (RBMT AI GPT):
Sistem menggunakan RBMT untuk menerjemahkan kata dan GPT untuk memperbaiki struktur kalimat agar lebih sesuai konteks.
Latih Model (Prompt pada callOpenAI di JavaScrip.
: Proses pembelajaran dilakukan dengan memberikan instruksi .
pada fungsi callOpenAIcorrect, dimana model GPT diakses melalui layanan OpenAI API.
Kebutuhan Sistem dan Perancangan Sistem Flowchart ini menggambarkan proses interaksi antara pengguna .
, sistem website (Translator Multibahasa Daera.
, dan pengembang/admin.
Jurnal Komputer Antartika Volume 4 Nomor 2 2026 Gambar 2 Flowchart Analisis Kebutuhan Sistem Dari Gambar 2, penjelasan alurnya adalah:
Pengguna (Use.
masuk ke sistem website dan memasukkan teks yang ingin diterjemahkan.
Sistem menerima input dan mengecek mode penerjemahan .
ktifkan GPT atau gunakan kamus digital loka.
Jika GPT aktif, sistem melakukan koreksi kalimat terlebih dahulu agar struktur bahasa lebih alami.
Jika GPT nonaktif/gagal, sistem langsung menerjemahkan menggunakan kamus digital.
Hasil terjemahan kemudian ditampilkan, disertai dengan berbagai fitur tambahan:
A Fitur pilih bahasa (Indonesia Ii Ternate/Makian Dalam/Galel.
A Tombol on/off GPT.
A Fitur Salin.
Bersihkan.
Audio, ejaan .
dan Kategori Kosakata.
A Pencarian kata dengan tampilan gambar dan suara.
Proses berakhir setelah hasil ditampilkan.
Pengembang .
dmin/develope.
melakukan pemeliharaan berkala seperti update kosakata dan pengembangan fitur baru.
Penelitian ini dilakukan di Kota Ternate.
Maluku Utara, selama A8 bulan mulai Oktober hingga Mei yang mencakup tahap perencanaan penelitian dan pengumpulan referensi dari jurnal ilmiah, kamus bahasa daerah, serta cerita rakyat/CEMARA yang bersumber dari Balai Bahasa Provinsi Maluku Utara .
, tahap pengumpulan data dan validasi bahasa daerah melalui wawancara, observasi, dan komunikasi langsung maupun melalui WhatsApp dan telepon dengan penutur asli Bahasa Ternate.
Makian Dalam, dan Galela dari Ternate.
Morotai.
Desa Tagalaya, dan Pulau Makian Dalam, tahap pengembangan website penerjemah multibahasa berbasis RBMT dan GPT menggunakan HTML.
CSS.
JavaScript.
Bootstrap.
GitHub.
Vercel, dan GPT API melalui OpenAI Platform, tahap pengujian fungsi sistem dan akurasi terjemahan di Laboratorium Pemrograman Program Studi Teknik Informatika Universitas Muhammadiyah Maluku Utara yang melibatkan mahasiswa Teknik Informatika dan masyarakat pengguna bahasa daerah Maluku Utara, serta tahap evaluasi hasil sistem berdasarkan pengujian dan kuesioner terbuka.
Metode Pengembangan Sistem Berikut dua metode sistem yang digunakan dalam pembangunan website:
Rule-Based Machine Translation (RBMT) Rule-Based Machine Translation (RBMT) adalah metode penerjemahan berbasis aturan dan kamus pasangan kata yang dibuat secara manual tanpa menggunakan pelatihan data atau pembelajaran mesin.
Pada penelitian ini.
RBMT diimplementasikan menggunakan JavaScript dengan mencocokkan input pengguna ke dalam kamus bilingual Bahasa IndonesiaAeBahasa Daerah.
Sistem hanya menerjemahkan kata atau frasa yang tersedia di dalam kamus, sedangkan kata yang tidak ditemukan akan menampilkan pesan default seperti AuTidak ditemukanAy.
Contoh sederhana: "saya" Ie "ngori".
Implementasi inti RBMT: output = dictionary.
|| "Tidak ditemukan".
Metode ini bekerja berdasarkan aturan dan kosakata lokal yang telah disusun sebelumnya tanpa memahami konteks makna seperti AI.
Pendekatan RBMT pertama kali diperkenalkan melalui Georgetown-IBM Machine Jurnal Komputer Antartika Volume 4 Nomor 2 2026 Translation Experiment .
dan sejalan dengan penelitian Wan Muhammad Hanif et al.
yang menerapkan kamus bilingual dan aturan linguistik untuk penerjemahan bahasa daerah tanpa pembelajaran mesin.
GPT-based Post Editing (AI Koreksi Kalima.
Diterjemahkan oleh kamus kemudian sistem dapat memperbaiki struktur kalimat bahasa Indonesia menggunakan GPT.
async function callOpenAIcorrect .
riginalText, dictResult, directio.
{ if(!dictResul.
return dictResult.
Contoh prompt:role: 'system',content: `Kamu adalah korektor tata bahasa Indonesia.
Perbaiki ejaan dan tata bahasa tanpa mengubah makna.
Sumber: Model GPT (Generative Pre-trained Transforme.
dikembangkan oleh OpenAI, dengan pionir utama seperti Alec Radford.
Sam Altman.
Ilya Sutskever, dkk.
Transformer sendiri pertama diperkenalkan oleh Vaswani et al.
(Attention is All You Nee.
yang menjadi dasar GPT.
Metode GPTbased Post-Editing (AI Koreksi Kalima.
pada sistem ini sejalan dengan penelitian yang dilakukan oleh Vikas Raunak.
,et al.
dalam jurnal Leveraging GPT-4 for Automatic Translation Post-Editing, yang menunjukkan bahwa GPT-4 efektif digunakan untuk memperbaiki struktur, tata bahasa, dan kelancaran kalimat hasil terjemahan tanpa mengubah makna aslinya, sehingga meningkatkan kualitas dan naturalitas teks terjemahan secara signifikan.
Algoritma Longest Phrase Matching Algorithm: Digunakan untuk mencari pasangan kata/frasa terpanjang agar terjemahan lebih akurat.
Program: for.
et len = maxLen.
len > 0.
len--){.
Konsep: Jika input = "hira sebira" = AysaudaraAy maka sistem memeriksa frasa 2 kata Ie 1 kata.
Metode Longest Phrase Matching digunakan untuk meningkatkan akurasi penerjemahan dengan cara mencocokkan frasa terpanjang terlebih dahulu sebelum memecahnya menjadi kata-kata yang lebih kecil.
Pendekatan ini memastikan bahwa frasa yang memiliki makna sebagai satu kesatuan, seperti ungkapan atau idiom, dapat dikenali dan diterjemahkan secara utuh, sehingga mengurangi kesalahan terjemahan akibat pemotongan kata secara individual.
Hash Map Lookup (O.
Searc.
: Hash Map Lookup adalah metode pencarian data berbasis pasangan keyAe value, di mana data dapat diakses langsung melalui kunci .
tanpa harus menelusuri seluruh data satu per satu, sehingga waktu pencariannya sangat cepat .
ompleksitas rata-rata O.
Contoh sederhana: Key = "saya" Ie Value = "ngori".
Dalam konteks website kamus digital: Key = kata atau frasa bahasa indonesia dan Value = arti kata, gambar, audio, ejaan, atau terjemahan bahasa daerah.
Speech Synthesis (Text-to-Speec.
: Fitur audio pada sistem menggunakan SpeechSynthesis API untuk membacakan kosakata dan hasil terjemahan secara otomatis, misalnya kata AungoriAy dapat langsung diperdengarkan kepada pengguna.
Pendekatan ini membantu pelafalan bahasa daerah dan sejalan dengan penelitian Tacotron oleh Yuxuan Wang et al.
dapat dibacakan dengan fitur text-to-speech.
Program:
let utter = new SpeechSynthesisUtterance.
speechSynthesis.
Parsing & JSON Mapping: Metode ini digunakan untuk memetakan dan mengelompokkan data kosakata per kategori menggunakan struktur JSON agar data kamus dapat diproses dan ditampilkan secara responsif pada .
Contoh program:const DICT= {"Kata Benda":{"Keluarga":[{"ind":"ibu","ter":"yaya","makian":"ma","galela":"awa","img":"http.
"},.
Full-Text Search (Substring Matchin.
: Metode ini digunakan untuk melakukan pencarian kosakata berdasarkan kemunculan kata di seluruh isi data, tanpa memperhatikan posisi awal kata.
Implementasi dilakukan menggunakan fungsi includes() pada JavaScript, sehingga sistem dapat menemukan kosakata meskipun kata kunci berada di tengah atau akhir teks.
Contohnya pencarian AuyahAy tetap dapat menemukan kata AuayahAy.
Prefix Matching Algorithm (Bahasa Indonesi.
: Metode ini digunakan untuk melakukan pencarian kosakata berdasarkan awalan kata .
dalam Bahasa Indonesia Lebih cepat dan terstruktur dibanding full-text search serta mengurangi hasil yang tidak relevan.
Pengguna cukup mengetik beberapa huruf awal, lalu sistem akan menampilkan kosakata yang dimulai dengan awalan tersebut.
Misal AumakAy=AymakanAy .
AumakananAy.
Metode ini mendukung fitur autocomplete dan pencarian terarah.
Multilingual Prefix Search (Bahasa Daera.
: Metode ini merupakan pengembangan dari prefix matching yang diterapkan pada bahasa daerah, dengan menyesuaikan pilihan bahasa yang dipilih pengguna.
Metode ini memungkinkan pencarian kosakata lokal berdasarkan awalan kata dalam berbagai bahasa daerah .
isalnya Ternate.
Makian Dalam.
Galel.
Contoh kode: matchPrefixDaerah.
t, prefixLoc, chose.
Lexicographic (Alphabetica.
Sorting: Metode ini digunakan untuk mengurutkan daftar kosakata berdasarkan urutan alfabet agar pengguna lebih mudah menemukan kata dalam kamus digital.
Contoh Implementasi Program (JavaScrip.
: // Data kata kamus: const words = [/"ibu","ayah","nenek","kakek","adik","kakak"].
Sorting AAeZ .
:const sortedWords = words.
, .
=>a.
localeCompare.
, 'id', { sensitivity:
'base' })).
ortedWord.
Hasil output: ["adik", "ayah", "ibu", "kakak", "kakek", "nenek"] Phonics-Based Spelling dengan Text-to-Speech (TTS): Metode ini menerapkan pendekatan fonik .
, yaitu metode pembelajaran membaca yang menekankan hubungan antara huruf .
dan bunyi .
melalui proses ejaan huruf demi huruf.
Dalam metode ini, sebuah kata dipecah menjadi unit huruf tunggal yang kemudian dieja dan dibacakan secara berurutan sebelum akhirnya dibacakan sebagai satu kata utuh.
Jurnal Komputer Antartika Volume 4 Nomor 2 2026 Pendekatan fonik bertujuan untuk membantu pembelajar awal, khususnya anak usia dini, dalam memahami struktur bunyi bahasa serta meningkatkan kemampuan membaca dasar secara bertahap.
Dalam konteks aplikasi kamus digital berbasis web, metode fonik ini diimplementasikan dengan menggabungkan visualisasi huruf dan audio Text-to-Speech (TTS).
Setiap huruf ditampilkan secara individual dan dibacakan satu per satu dengan penekanan visual .
, sehingga pengguna dapat mengasosiasikan bentuk huruf dengan bunyinya.
Setelah seluruh huruf selesai dieja, sistem membacakan kata secara utuh untuk memperkuat proses blending bunyi.
Berikut contoh penerapan metode fonik pada satu kata:const word = "makan".
const letters = split("").
forEach.
etter => .
}).
Hasil ejaan fonik: m Ae a Ae k Ae a Ae n Ie makan.
Metode Pengujian Metode pengujian dilakukan dengan menerapkan pola perintah .
pada fungsi callOpenAI yang dipisahkan menjadi dua halaman, yaitu Bahasa Indonesia Ie Bahasa Daerah dan Bahasa Daerah Ie Bahasa Indonesia.
Alasan Pemisahan Dua Sistem AI karena berdasarkan hasil pengujian penggunaan satu sistem AI untuk dua arah terjemahan menyebabkan perintah menjadi terlalu panjang.
AI tidak mengikuti aturan yang diberikan dan hasil terjemahan menjadi tidak konsisten.
Sehingga sistem dipisahkan menjadi dua halaman dan dua callOpenAI agar Instruksi lebih focus.
Berdasarkan hasil analisis, ketiga bahasa daerah memiliki pola yang lebih fleksibel dibanding Bahasa Indonesia yang umumnya menggunakan struktur SubjekAePredikatAeObjek (SPO).
Perbedaan utama meliputi posisi angka yang berada di belakang benda, negasi yang berpindah ke belakang kata kerja, pembalikan beberapa frasa, serta struktur kalimat yang lebih bergantung pada konteks.
Oleh karena itu, sistem menerapkan dua tahap proses, yaitu RBMT untuk menerjemahkan kata berdasarkan kamus, kemudian GPT untuk menyusun ulang struktur kalimat agar lebih natural.
Alur Sistem: Input Ie hasil kamus (RBMT)Ie AI memperbaiki struktur kalimat Ie OUTPUT.
AuPola Bahasa Indonesia Ie Bahasa Daerah difokuskan pada penyusunan ulang struktur kalimat berdasarkan aturan posisi kata seperti pembalikan angka dan benda (Au2 rumahAy Ie Aurumah 2A.
, perubahan posisi negasi (Autidak makan nasiAy Ie Aunasi makan tidakA.
, pembalikan frasa dua kata (Aurumah sayaAy Ie Ausaya rumahA.
, perubahan keterangan tempat (Audi belakang rumahAy Ie Audi rumah belakangA.
, serta penyesuaian pola kalimat tanya (Ausiapa kamuAy Ie Aukamu siapaA.
agar sesuai dengan struktur bahasa daerah, sehingga aturan tersebut diterapkan pada fungsi callOpenAIcorrect() melalui prompt AI untuk memperbaiki hasil terjemahan kamus menjadi kalimat yang lebih natural dan kontekstual.
Ay Gambar 3 Pemanggilan fungsi callOpenAI Pola Bahasa Daerah Ie Bahasa Indonesia.
Sedangkan pada pola Bahasa Daerah Ie Bahasa Indonesia.
AI lebih difokuskan pada pemilihan makna yang sesuai konteks, menghasilkan kalimat yang alami, menangani ambiguitas makna kata serta mengabaikan imbuhan yang tidak dikenali dan fokus pada kata dasar.
HASIL:<kalimat terbaik> ALTERNATIF:- <kalimat alternatif 1>, - <kalimat alternatif 2>- dst .
rutkan dari paling masuk aka.
Berdasarkan pola tersebut, maka disusun perintah pada fungsi callOpenAI sebagai berikut:
Dalam proses pengujian ditemukan bahwa setiap bahasa memiliki imbuhan dengan fungsi yang berbeda dan dapat melekat langsung pada kata dasar.
Pada Bahasa Makian, imbuhan seperti AukAy digunakan sebagai penanda orang pertama .
dan AunAy sebagai penanda orang ketiga .
, sehingga kata dasar attiam .
dapat berubah menjadi kattiam .
aya pusin.
dan nattiam .
ia pusin.
Pada Bahasa Ternate, imbuhan seperti AuoAy dan AuiAy digunakan untuk menunjukkan waktu atau aspek, misalnya o pake .
kan mengenaka.
dan i pake .
edang/terjadi mengenaka.
Sedangkan pada Bahasa Galela, terdapat imbuhan seperti AuoAy.
AumaAy.
AuiAy, dan lainnya yang dapat membentuk kata kerja atau penanda makna, dimana AuoAy juga dapat muncul di awal kata sebagai penanda tertentu dalam struktur kalimat.
Selain itu, terdapat bentuk seperti AuseAy.
AuloAy, dan AudeAy yang dalam penggunaan sehari-hari dapat berfungsi sebagai penghubung seperti AudanAy atau AudenganAy, namun dalam konteks tertentu seperti bilangan, bentuk tersebut menjadi satu kesatuan dan tidak dapat dipisahkan.
Karena perbedaan imbuhan yang cukup kompleks pada ketiga bahasa, sistem menerapkan pendekatan penyederhanaan dengan, menghilangkan imbuhan dan memfokuskan pada kata dasar agar mudah dikenali oleh sistem, menginstruksikan AI untuk memahami makna berdasarkan kata dasar yang tersedia.
Jika imbuhan merupakan satu kesatuan makna dalam kamus, maka diproses sebagai satu unit dan jika tidak ditemukan, maka kata dikembalikan ke bentuk dasar Jurnal Komputer Antartika Volume 4 Nomor 2 2026 untuk dicocokkan dengan kamus.
Contoh: AumengikutiAy Ie dicari sebagai AuikutAy atau AudiikutiAy Ie dicari sebagai AuikutAy.
Pendekatan ini membantu sistem dalam meningkatkan akurasi pencarian kosakata dan mengurangi kesalahan terjemahan akibat perbedaan bentuk kata.
Hasil dan Pembahasan Tampilan Antarmuka Antarmuka sistem penerjemah multibahasa daerah Maluku Utara dirancang sederhana, responsif, dan mudah digunakan baik oleh admin maupun pengguna umum.
Tampilan sistem terdiri dari halaman admin untuk pengelolaan database dan halaman user untuk proses penerjemahan.
Gambar 4 Tampilan Antarmuka Halaman Admin Gambar 4.
Halaman Admin: Halaman admin digunakan untuk mengelola database kosakata dan source code sistem yang tersimpan pada GitHub serta deployment website melalui Vercel.
Admin harus memiliki akun email yang terhubung dengan akun GitHub dan Vercel agar dapat melakukan pengeditan database, perbaikan source code, dan upload ulang sistem.
Pada halaman GitHub terlihat file utama seperti HTML.
CSS.
JavaScript.
API proxy, serta database kamus yang tersimpan pada file script.
js dengan ribuan baris data kosakata yang digunakan dalam sistem penerjemahan.
Halaman ini hanya dapat diakses oleh admin yang memiliki hak akses terhadap repository sistem.
Gambar 5.
Tampilan Antarmuka Halaman User Gambar 5.
Halaman User: Halaman user merupakan halaman utama website penerjemah yang dapat diakses secara umum melalui domain bahasamalut-rho.
Pada halaman ini pengguna dapat memilih arah bahasa, memasukkan kalimat, menjalankan terjemahan menggunakan AI maupun kamus langsung, melihat hasil terjemahan dan log koreksi GPT, serta menggunakan fitur tambahan seperti suara, salin, dan input bicara.
Tampilan dirancang agar pengguna dapat menggunakan sistem secara langsung tanpa perlu login atau konfigurasi tambahan.
Jurnal Komputer Antartika Volume 4 Nomor 2 2026 Gambar 6.
Halaman Utama Input dan Output Komponen Utama Halaman Input dan Output pada Gambar 6 terdiri dari input kalimat berisi kotak teks untuk menulis kalimat dalam bahasa daerah .
isalnya Ternate.
Makian.
Galel.
, output terjemahan berisi kotak hasil terjemahan ke Bahasa Indonesia.
Log koreksi: Area catatan koreksi otomatis (GPT), tombol periksa dan terjemahkan: Tombol untuk menjalankan terjemahan dengan AI, tombol terjemah perkata: tombol untuk terjemahan langsung per kata dari kamus.
Dropdown bahasa: pilihan arah terjemahan: Ternate Ie Indonesia.
Makian Ie Indonesia.
Galela Ie Indonesia.
Gambar 7 Halaman Utama Kamus Per Kategori Komponen Utama Halaman Kamus Per Kategori Gambar 7.
Halaman ini menyediakan fitur pemilihan bahasa daerah, kategori, dan tema kosakata, dilengkapi kolom pencarian kata dalam Bahasa Indonesia maupun bahasa daerah, ringkasan statistik kosakata, tombol untuk melihat data duplikat, serta kartu kosakata yang menampilkan gambar, terjemahan, dan fitur ejaan kata.
Komponen Utama Halaman Tabel Daftar Semua Kata.
Halaman ini menyediakan pilihan kategori kata, tabel yang menampilkan jenis, tema, serta terjemahan kata dalam Bahasa Indonesia.
Ternate.
Makian, dan Galela, dilengkapi fitur gulir vertikal, tombol kembali ke bagian atas tabel, dan navigasi untuk berpindah antarhalaman Pengujian Sistem Hasil uji fungsional (Black Box Testin.
ditunjukkan pada tabel 1.
Tabel 1 Uji Fungsional (Black Box Testin.
Deskripsi Uji
Hasil yang Diharapkan Fitur yang Diuji Penerjemahan Bahasa
Daerah Ie Indonesia
Pengguna memasukkan kalimat bahasa daerah
Penerjemahan Indonesia Ie Bahasa
Daerah
Koreksi Kalimat AI
(GPT)
Tombol Terjemah Langsung Kamus Log Koreksi GPT Pengguna memasukkan kalimat Bahasa Indonesia AI memperbaiki struktur Terjemahan tanpa AI Menampilkan hasil utama dan alternatif Sistem menampilkan hasil terjemahan Bahasa Indonesia Sistem menampilkan hasil terjemahan bahasa daerah Kalimat lebih natural dan sesuai konteks Sistem menerjemahkan berdasarkan kamus RBMT Alternatif kalimat tampil sesuai konteks Hasil Aktual Sesuai Status Sesuai Sesuai Sesuai Sesuai Jurnal Komputer Antartika Volume 4 Nomor 2 2026 Fitur yang Diuji Fitur Pilih Bahasa Fitur Bicara dan Suara Fitur Salin dan Bersihkan Penanganan Angka Halaman Kosakata Fitur Eja Akses Domain Website Deskripsi Uji Hasil yang Diharapkan Mengubah arah bahasa Input suara dan pembacaan hasil Menyalin dan menghapus teks Input angka dalam Menampilkan data kategori kata Membaca huruf per Website diakses beberapa pengguna Arah bahasa berubah sesuai Sistem dapat membaca dan menerima suara Teks berhasil disalin dan Sistem membaca angka sesuai aturan Data tampil sesuai kategori dan tema Huruf dibacakan sesuai teks Sistem tetap berjalan tanpa gangguan utama Hasil Aktual Sesuai Status Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Analisis Uji Fungsional yang ditampilkan pada Tabel 2 menunjukkan seluruh fitur utama seperti penerjemahan RBMT dan GPT, suara, ejaan, pencarian kata, serta pengelolaan angka dapat berjalan dengan baik.
Website juga tetap stabil saat diakses beberapa pengguna melalui domain gratis Vercel pada bahasamalutrho.
Tabel 2 Kategori Penilaian Kategori Penilaian Keterangan Nilai Persis Kalimat sama 100% dengan target .
ermasuk pada alternati.
Bentuk Berbeda tapi Susunan berbeda namun memiliki arti yang sama .
ermasuk pada Makna Sama Bentuk dan Makna Hasil tidak sesuai atau salah arti .
ermasuk pada alternati.
- Karena kosa 3 Berbeda kata yang belum di masukkan atau adanya kata yang memiliki banyak arti sehingga AI keliru Uji Coba Pengguna (Usability Tes.
Uji coba pengguna dilakukan untuk mengevaluasi hasil penerjemahan sistem berdasarkan kesesuaian makna dan struktur kalimat pada tiga bahasa daerah yaitu Ternate.
Makian, dan Galela.
Pengujian dilakukan menggunakan kalimat uji yang dibandingkan dengan target terjemahan asli dari kamus.
CEMARA, dan penutur Bahasa.
Penilaian kesesuaian hasil terjemahan dilakukan dengan kategori yang ditampilkan pada Tabel 3.
Tabel 3 Uji Coba Pengguna (Usability Tes.
Userna Respond Arah Bahasa Indonesia Ie Ternate Target Hasil Sistem AI Saya melihat 21 ikan merah di sungai ngori hida nyao roriha nyagi romdidi se rimoi toma ake lamo ngori hida nyao roriha nyagi romdidi toma ake Respond Ternate Ie Indonesia Ana fodi namo kokotu kara piara toma fala Mereka membeli ayam hitam untuk dipelihara di rumah.
Respond Indonesia Ie Makian n lutin suat ni liko yang n lutin suat ni liko yang tabalai Respond Indonesia Ie Makian mereka mengumpulkan cangkang kerang yang wom umli la bersih ni liko Alternatif: Mereka membeli ayam hitam untuk dipelihara di n lutin suat ni liko yang Sampai di rumah, cangkangnya dibersihkan.
Respond Indonesia Ie Galela Kami tidak bisa pergi karena jalan rusak Sampai di rumah, to ngomi tagi dadi hiwa sababu ngeko biau to ngomi tagi dadi hiwa sababu ngeko biau Respond Galela Ie Indonesia Seekor anak kucing hitam mengikuti aku.
Seekor anak kucing hitam mengikuti aku.
Respond Respond Respond Indonesia Ie Makian Ternate Ie Indonesia Ternate Ie Indonesia o boki mangopa dha tataro ngaimoi I motemote ngohi adik duduk di kursi paling toma ternate bank dofu ternate bank dofu ma thani nbatalon kurusi soda li diternate sudah banyak ternate sudah banyak thano batalon ni kurusi sodali paling sodali Kepada Bank Ternate, banyak yang datang.
Banyak bank di Ternate.
sampai rumah la to ngomi dadi wa tagi sababu ngeko anak kucing hitam seekor mengikuti thano batalon ni kurusi paling sodali kepada ternate bank banyak ma ternate bank banyak Kalimat Uji Kesesua Hasil Kamus ngori hida nyagi romdidi se rimoi nyao roriha toma ake lamo Mereka membeli ayam hitam usik asuh kepada rumah Jurnal Komputer Antartika Volume 4 Nomor 2 2026 Analisis Usability Test.
Berdasarkan hasil uji coba, sistem mampu menghasilkan terjemahan yang sesuai ketika kosakata tersedia lengkap dalam kamus dan konteks kalimat dapat dikenali AI.
Pada beberapa kasus, hasil terjemahan memiliki bentuk berbeda tetapi tetap memiliki makna yang sama karena AI melakukan penyusunan ulang kalimat agar lebih natural.
Namun, beberapa kesalahan masih terjadi akibat kosakata yang belum tersedia atau ambiguitas makna pada kata tertentu.
Secara keseluruhan, kombinasi RBMT dan GPT mampu menghasilkan terjemahan yang lebih fleksibel dibanding kamus biasa karena mempertimbangkan struktur dan konteks kalimat.
Pembahasan Pada Pengujian Penerjemah Bahasa Daerah Ae Bahasa Indonesia pada Gambar 8 terlihat bahwa sistem mampu menangani kata yang memiliki lebih dari satu arti melalui bantuan konteks kalimat.
Pada data kamus ditemukan bahwa satu kata dapat memiliki beberapa makna, seperti kata AutegoAy yang dapat diartikan sebagai AuhuniAy.
AutinggalAy, atau AududukAy.
Pada pengujian pertama, ketika diberikan input dengan konteks Autego kursiAy, sistem cenderung menghasilkan makna AududukAy karena kata AukursiAy mengarah pada aktivitas duduk.
Namun, pada beberapa alternatif masih terdapat kemungkinan makna lain seperti Autinggal di kursiAy yang secara struktur masih terbentuk tetapi kurang tepat secara konteks.
Sedangkan, pengujian kedua, ketika diberikan kalimat yang lebih lengkap seperti Aufajaru tego toma ma fala fira manyiraAy .
engan AufalaAy berarti ruma.
, sistem secara konsisten memilih makna AutinggalAy karena konteks kalimat mengarah pada tempat tinggal.
Hal ini menunjukkan bahwa semakin lengkap konteks kalimat yang diberikan, maka semakin tepat pula AI dalam menentukan makna kata yang ambigu.
Dengan demikian, sistem tidak hanya menerjemahkan berdasarkan kamus, tetapi juga memanfaatkan konteks kalimat untuk memilih arti yang paling sesuai, meskipun dalam beberapa kondisi masih dapat menghasilkan alternatif yang kurang tepat akibat ambiguitas makna kata.
Gambar 8.
Pengujian (Kelengkapan Konteks Kalimat yang Diberika.
Sedangkan pada proses penerjemahan Bahasa Indonesia ke Bahasa Daerah yang ditampilkan pada Gambar 9, sistem menerapkan aturan khusus agar struktur kalimat Bahasa Indonesia menyesuaikan dengan pola Bahasa Daerah.
Hal ini dilakukan karena setiap bahasa daerah memiliki susunan kalimat yang berbeda, sehingga diperlukan penyesuaian posisi kata melalui bantuan AI.
Gambar 9.
Pengulangan Output Kata Hasil pengujian menunjukkan bahwa sistem mampu menghasilkan terjemahan yang sesuai dengan aturan yang telah ditentukan, khususnya pada penempatan angka di belakang benda, seperti pada kalimat Au20 ikan merahAy yang diubah menjadi Auikan merah 20Ay.
Hal ini menandakan bahwa aturan RBMT yang dikombinasikan dengan AI Jurnal Komputer Antartika Volume 4 Nomor 2 2026 berjalan dengan baik dalam menyusun ulang struktur kalimat sesuai pola bahasa daerah.
Namun, berdasarkan hasil pengujian lain, ditemukan bahwa ketika aturan yang diberikan terlalu banyak, sistem terkadang menghasilkan kalimat yang berulang atau tidak stabil, seperti munculnya pengulangan kata.
Contohnya pada kata AupagiAy yang dalam kamus diterjemahkan menjadi AunitaikaAy, namun pada beberapa hasil terjemahan dapat muncul dua kali menjadi Aunitaika nitaikaAy, meskipun input hanya satu kata.
Untuk mengatasi hal tersebut, solusinya dengan menggunakan tombol Auterjemah langsung kamusAy terlebih dahulu, kemudian dilanjutkan dengan proses AI.
Pendekatan ini membantu menstabilkan hasil karena AI akan memproses ulang berdasarkan hasil kamus yang sudah lebih terstruktur.
Kondisi ini terjadi karena alur sistem bekerja secara bertahap yaitu input Ie hasil kamus (RBMT) Ie perbaikan struktur oleh AI Ie output, sehingga jika hasil awal dari kamus sudah jelas, maka AI dapat menghasilkan kalimat yang lebih sesuai dengan aturan yang telah ditentukan.
Pengujian sistem juga dilakukan dengan menguji kecocokan sebanyak 468 kalimat pada tiga bahasa daerah yaitu Ternate.
Makian, dan Galela, dimana data kalimat tersebut berasal dari kamus.
CEMARA, dan penutur asli.
Pada Gambar 8 hasil pengujian menunjukkan bahwa sistem mampu menghasilkan kalimat yang sama persis dengan target, menghasilkan kalimat yang berbeda bentuk namun masih memiliki makna yang sama, serta menghasilkan kalimat yang tidak sesuai ketika kosakata belum tersedia dalam kamus atau ketika AI tidak memilih makna yang tepat sesuai konteks kalimat.
Selain itu, hasil juga menunjukkan bahwa sistem dapat menampilkan alternatif kalimat yang memiliki kesamaan makna, baik dalam bentuk yang sama maupun berbeda, serta tidak menampilkan hasil yang sesuai apabila kosakata yang digunakan belum dimasukkan ke dalam sistem atau terjadi ketidaktepatan dalam pemilihan makna oleh AI.
Gambar 10.
Pengujian Kecocokan Kalimat Dari pengujian yang telah dilakukan menunjukkan bahwa hasil sistem terbagi menjadi empat kemungkinan utama yaitu hasil yang sesuai dengan target, hasil dengan bentuk berbeda namun memiliki makna yang sama, hasil yang tidak sesuai karena kosakata belum tersedia dalam kamus, serta hasil yang tidak tepat akibat AI tidak memilih makna yang paling sesuai dengan konteks kalimat.
Kesimpulan Berdasarkan hasil penelitian dan implementasi sistem penerjemah bahasa daerah berbasis web dengan pendekatan Rule-Based Machine Translation (RBMT) dan model GPT, maka dapat disimpulkan sistem penerjemah bahasa daerah yang dibangun mampu melakukan proses penerjemahan dua arah, yaitu Bahasa Indonesia ke Bahasa Daerah (Ternate.
Makian Dalam.
Galel.
dan Bahasa Daerah ke Bahasa Indonesia dengan memanfaatkan kombinasi RBMT sebagai dasar pencocokan 5.
572 kosakata dalam kamus, sedangkan GPT berfungsi menyusun ulang struktur kalimat agar hasil terjemahan lebih natural dan sesuai konteks bahasa tujuan.
Hasil pengujian terhadap 468 kalimat menunjukkan bahwa sistem menghasilkan empat kategori hasil utama, yaitu:
hasil sesuai dengan target, hasil berbeda bentuk namun memiliki makna yang sama, hasil tidak sesuai karena kosakata belum tersedia dalam kamus, serta hasil tidak tepat akibat kesalahan pemilihan makna oleh model GPT pada kata yang memiliki lebih dari satu arti.
Sistem mampu menangani variasi struktur bahasa daerah yang berbeda dengan Bahasa Indonesia, seperti perbedaan posisi angka, negasi, serta struktur frasa, namun penggunaan tanda baca dan pemisahan kata sangat berpengaruh terhadap hasil terjemahan, karena perbedaan struktur penulisan dapat menghasilkan makna yang berbeda, terutama pada kata yang memiliki bentuk serupa namun makna berbeda.
Oleh karena itu, apabila model GPT belum mampu menentukan makna yang tepat pada kata yang memiliki ambiguitas, maka pengembang perlu melakukan penyesuaian pada struktur penulisan dan tanda baca dalam basis data agar sistem dapat menghasilkan output yang lebih akurat dan sesuai konteks.
Sebagai contoh, kata AuhateAy dapat diberi penanda berbeda, seperti Jurnal Komputer Antartika Volume 4 Nomor 2 2026 hateAoAo=AubatangAy, hateAo=AukayuAy, dan hateAoAoAo=AupohonAy, dengan perbedaan tanda kutip, sehingga AI dapat mengenali perbedaan makna berdasarkan struktur penulisannya.
Berdasarkan proses implementasi dan pengujian, sistem mampu mengelola 5.
572 kosakata dengan kapasitas script mencapai A7.
000 baris per file tanpa mengalami Proses deployment melalui GitHub dan Vercel juga berjalan stabil, serta website dapat diakses menggunakan domain gratis Vercel pada bahasamalut-rho.
Selain itu, ketika token API AI habis, sistem tetap dapat digunakan dalam mode kamus (RBMT), sehingga fitur pencarian kata, suara, ejaan, dan tampilan tetap berjalan normal meskipun koreksi kalimat berbasis AI tidak aktif.
Secara keseluruhan, sistem yang dibangun termasuk dalam kategori hybrid translation system, karena menggabungkan pendekatan berbasis aturan (RBMT) dan kecerdasan buatan (GPT) untuk meningkatkan kualitas hasil terjemahan.
Pengembangan penelitian selanjutnya disarankan untuk memperluas jumlah kosakata pada kamus Bahasa Ternate.
Makian, dan Galela agar cakupan terjemahan menjadi lebih lengkap dan akurat, serta meningkatkan kemampuan model AI melalui fine-tuning atau optimasi prompt untuk mengurangi kesalahan pada kata ambigu dan struktur kalimat yang kompleks.
Sistem juga dapat dikembangkan dalam bentuk aplikasi mobile agar lebih mudah diakses oleh masyarakat, terutama di daerah dengan keterbatasan perangkat komputer.
Selain itu, penelitian berikutnya dapat menambahkan metode Natural Language Processing (NLP) yang lebih kompleks seperti Named Entity Recognition (NER) atau sequence-to-sequence model untuk meningkatkan kualitas struktur bahasa dan konteks terjemahan.
Pengujian sistem dengan jumlah responden, variasi kalimat, dan data bahasa yang lebih luas juga diperlukan agar evaluasi akurasi dan performa sistem menjadi lebih mendalam.
Referensi