Baru Jelajahi project AI & Machine Learning siap pakai lengkap dengan full source code dan tutorial instalasi!
Beranda Katalog Project Tentang Kami Kontak Kami
Silakan masuk ke akun Anda terlebih dahulu untuk membaca dokumentasi project ini.
Sistem Penerjemah Bahasa Indonesia ke Bahasa Jawa Menggunakan Model Multilingual Transformer (mT5) Berbasis Web
Sistem Penerjemah Bahasa Indonesia ke Bahasa Jawa Menggunakan Model Multilingual Transformer (mT5) Berbasis Web
Natural Language Processing Tingkat: Advanced Versi 1.0.0 71 Dilihat
5.0 (0 ulasan)

Sistem Penerjemah Bahasa Indonesia ke Bahasa Jawa Menggunakan Model Multilingual Transformer (mT5) Berbasis Web

Teknologi: Python Flask PyTorch HTML CSS JavaScript Tailwind CSS Transformers
Video Demonstrasi Project TikTok Demo

Demo & Pengujian Sistem: Sistem Penerjemah Bahasa Indonesia ke Bahasa Jawa Menggunakan Model Multilingual Transformer (mT5) Berbasis Web

Tonton di TikTok

Video di atas mendemonstrasikan implementasi antarmuka, inference model, dan workflow end-to-end dari project Sistem Penerjemah Bahasa Indonesia ke Bahasa Jawa Menggunakan Model Multilingual Transformer (mT5) Berbasis Web via TikTok.

Overview & Cara Kerja

JawaNMT merupakan platform kecerdasan buatan (Artificial Intelligence) berbasis Natural Language Processing (NLP) dan Neural Machine Translation (NMT) yang memanfaatkan arsitektur state-of-the-art Multilingual Text-to-Text Transfer Transformer (mT5-small) untuk menerjemahkan teks Bahasa Indonesia ke dalam 3 ragam tingkatan tutur bahasa Jawa (Unggah-Ungguh Basa) secara simultan: Jawa Ngoko (informal/santai), Jawa Kromo (formal/sopan/halus), dan Jawa Umum (standar universal).

Fitur Utama Project

Source Code Lengkap & Terstruktur (Clean Architecture)
Dokumentasi Teknis & Pembahasan Lengkap
Backend Service & RESTful API Siap Pakai
Antarmuka Web Modern, Responsif, & Interaktif
Training Notebook Pipeline & Dependency Setup
Pretrained Model Weights & Paket Berkas ZIP Lengkap

Arsitektur & Pipeline Sistem

Alur data interaktif dari input request hingga hasil pemrosesan sistem:

5 Tahap Pipeline
1 PARALLEL CORPUS INGESTION

12.059 Bilingual Sentence Pair Ingestion

Ingesti dan pra-pemrosesan 12.059 pasangan kalimat paralel Indonesia-Jawa, mencakup pembersihan duplikasi, penanganan nilai kosong, dan penambahan prompt-prefix pengontrol ragam tutur (Ngoko, Kromo, Umum).

80:10:10 Data Partitioning
2 SUBWORD TOKENIZATION

SentencePiece Subword Vocabulary Processing

Tokenisasi teks masukan menggunakan SentencePiece multilingual vocabulary bawaan mT5-small dengan representasi 250.100 token unik, menghasilkan tensor input_ids dan attention_mask terpadding 64 token.

SentencePiece & 250K Vocabulary
3 TRANSFORMER FINE-TUNING

20-Epoch Training with Adafactor Optimization

Pelatihan model encoder-decoder mT5-small selama 20 epoch menggunakan Adafactor optimizer (LR 1e-3) dengan gradient accumulation dan gradient clipping (max norm 1.0) untuk konvergensi Cross-Entropy loss yang stabil.

Adafactor Optimizer & mT5-small
4 EVALUATION & INFERENCE

SacreBLEU Benchmark & Beam Search Decoding

Evaluasi performa translasi menggunakan metrik SacreBLEU pada data uji independen, disempurnakan dengan Beam Search (3 beams, repetition penalty 1.3, no repeat n-gram 2) untuk menghasilkan teks target yang gramatikal.

SacreBLEU Metric & Beam Search
5 DEPLOYMENT & INTERFACE

JawaNMT Web Studio & Flask RESTful API

Deployment pipeline model ke aplikasi web interaktif Flask dan Tailwind CSS, dilengkapi fitur translasi multi-ragam simultan, komparasi kosakata unggah-ungguh, preset sampel, dan endpoint API `/api/translate`.

Flask 3.0 & Cultural Indigo SPA
Source Repository

Struktur Berkas & Repositori

Hierarki folder dan berkas yang disertakan dalam paket proyek ini:

8 Berkas Proyek 2 Folder Utama
jawa kromo.csv 1.21 MB
Dataset Pratinjau
jawa ngoko.csv 843.37 KB
Dataset Pratinjau
jawa.csv 199.57 KB
Dataset Pratinjau
index.html 85.75 KB
app.py 8.45 KB
link full project.txt 82 B
requirements.txt 757 B
Translator_Indonesia_ke_Bahasa_Jawa.ipynb 37.02 KB
Notebook Pratinjau

Kebutuhan Sistem & Spesifikasi

Spesifikasi minimum perangkat untuk menjalankan project ini dengan lancar:

Spesifikasi Rekomendasi
Sistem Operasi
Windows 10/11 (64-bit), macOS Monterey ke atas, atau Linux (Ubuntu 20.04+ LTS)

Cross-platform compatible

Runtime & Bahasa
Python 3.10 atau Python 3.11 (Direkomendasikan)

Lingkungan kerja teruji

Memori (RAM)
Min. 8 GB (Rekomendasi 16 GB untuk proses fine-tuning notebook; inferensi web berjalan lancar di RAM 8 GB)

Optimal untuk running service

Penyimpanan
Min. 3 GB ruang kosong untuk dependensi PyTorch, Transformers, dataset, dan direktori model

Untuk berkas & dependensi

Database & Layanan
Tidak memerlukan database SQL eksternal (Model transformer dan dataset CSV terintegrasi mandiri / self-contained)

Pertanyaan yang Sering Diajukan (FAQ)

Jawaban ringkas terkait lisensi, akses file unduhan, dan panduan instalasi:

Bagaimana cara mendapatkan source code setelah pembayaran?

Segera setelah pembayaran lunas (PAID), berkas ZIP project dapat langsung diunduh secara instan dari halaman ini atau menu Dashboard > Pembelian & Unduhan. Salinan bukti invoice transaksi dan tautan akses juga dikirim otomatis ke alamat email Anda.

Apakah ada panduan instalasi dan dokumentasi teknis?

Ya! Setiap project di Devilda Projects menyertakan dokumentasi teknis komprehensif, arsitektur sistem, struktur database, serta instruksi langkah demi langkah cara setup environment lokal hingga siap di-run.

Bolehkah source code ini dimodifikasi untuk tugas akhir/skripsi/komersial?

Tentu saja. Pembelian lisensi memberikan Anda hak penuh untuk memodifikasi, mengkustomisasi, dan mengembangkan source code ini untuk keperluan tugas akhir, skripsi, portfolio kerja, maupun proyek komersial klien Anda.

Bagaimana jika saya mengalami kendala teknis saat instalasi?

Tim teknis Devilda siap membantu asistensi. Anda dapat berkonsultasi langsung dengan tim kami via WhatsApp CS Devilda (0878-2851-5500). Kami siap membantu kendala instalasi.

Ulasan Pembeli

Ulasan terverifikasi dari pengguna yang telah membeli project ini.

5.0 (0)

Belum ada ulasan untuk project ini.

Harga Lisensi Source Code
Rp 350.000 / sekali bayar
Tayangan: 71 kali dilihat
Populer
Tonton Demo TikTok
Lihat
Beli Source Code Sekarang

Pembayaran aman via QRIS (Semua E-Wallet) & Virtual Account.

Yang Anda Dapatkan:

  • Full Source Code Lengkap & Aset Project
  • Teknologi: Python, Flask, PyTorch, HTML
  • Panduan Instalasi & Konfigurasi Lingkungan
  • Seluruh Bab Dokumentasi Teknis Langkah demi Langkah
  • Hak Lisensi Tugas Akhir, Skripsi & Komersial
  • Akses Unduhan Berkas ZIP & Code Explorer Langsung
Download link instan dan akses dokumentasi dikirim otomatis ke akun Anda.