PENGARUH PENGGUNAAN TEKNOLOGI PENERJEMAHAN DAN TES PENEMPATAN TERHADAP HASIL BELAJAR PENERJEMAHAN TEKS HUKUM

ANN MARGARETH, . (2025) PENGARUH PENGGUNAAN TEKNOLOGI PENERJEMAHAN DAN TES PENEMPATAN TERHADAP HASIL BELAJAR PENERJEMAHAN TEKS HUKUM. Doktor thesis, UNIVERSITAS NEGERI JAKARTA.

	Text COVER.pdf Download (2MB)
	Text BAB I.pdf Download (473kB)
	Text BAB II.pdf Restricted to Registered users only Download (574kB) | Request a copy
	Text BAB III.pdf Restricted to Registered users only Download (489kB) | Request a copy
	Text BAB IV.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text BAB V.pdf Restricted to Registered users only Download (239kB) | Request a copy
	Text DAFTAR PUSTAKA.pdf Download (353kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Download (3MB) | Request a copy

Abstract

Penelitian ini bertujuan untuk mengetahui pengaruh variabel penggunaan teknologi penerjemahan (A) dan variabel tes penempatan (B) terhadap variabel hasil belajar penerjemahan teks hukum (Y) yang ada di Indonesia. Penelitian ini merupakan penelitian eksperimen dengan disain treatment by level 3x2 yang menganalisis penggunaan teknologi penerjemahan Machine Learning (A1), Google Translate (A2) dan Online Dictionary (A3) sebagai variabel bebas, dan tes penempatan yang terdiri dari tinggi (B1) dan rendah (B2) sebagai variabel moderator. Variabel terikat pada penelitian ini adalah hasil belajar penerjemahan teks hukum. Penelitian eksperimen dilakukan pada peserta Pelatihan Penerjemahan Teks Hukum Tingkat Dasar. Hasil penelitian ini menyatakan bahwa 1) Hipotesis pertama yaitu H1: Ditemukan bahwa terdapat perbedaan hasil belajar penerjemahan pada setiap teknologi yang digunakan (Fhitung=104,70 > Ftabel=3,26); 2) Hipotesis kedua yaitu H1: A x B ≠ 0 teruji (Fhitung=12,02 > Ftabel=3,26); 3) Hipotesis ketiga yaitu H1: rata-rata hasil belajar dengan menggunakan A1 (µA1) lebih tinggi dibandingkan dengan µA2 teruji (Qhitung=15,38 > Qtabel=3,45); 4) Hipotesis keempat yaitu H1: µA1 > µA3 teruji (Qhitung=19,38 > Qtabel=3,45); 5) Hipotesis kelima yaitu H1: µA2 > µA3 teruji (Qhitung=4.01 > Qtabel=3,45); 6) Hipotesis keenam yaitu H1: µA1B1 > µA2B1 teruji(Qhitung=6.26 > Qtabel=3,45); 7) Hipotesis ketujuh yaitu H1: µA1B1 > µA3B1 teruji (Qhitung=12,83 > Qtabel=3,45); 8) Hipotesis kedelapan yaitu H1: µA2B1 > µA3B1 teruji (Qhitung=6,57 > Qtabel=3,45); 9) Hipotesis kesembilan yaitu H1: µA1B2 < µA2B2 tidak teruji; 10) Hipotesis kesepuluh yaitu H1: µA1B2 < µA3B2 tidak teruji; dan 11) Hipotesis kesebelas yaitu H1:µA2B2 < µA3B2 teruji (Qhitung=0,91 < Qtabel=3,45). Berdasarkan hasil penelitian ini, saran keseluruhan adalah penerapan lebih cepat atas penggunaan teknologi terbaru yaitu Machine Learning pada industri penerjemahan di Indonesia.*****This study investigates the impact of translation technology use (A) and placement test results (B) on legal text translation learning outcomes (Y) in Indonesia. Employing a 3x2 treatment by level experimental design, the research analyzes the use of Machine Learning (A1), Google Translate (A2), and Online Dictionaries (A3) as independent variables, with placement test scores (high - B1 and low - B2) serving as a moderating variable. The dependent variable is the learning outcomes in legal text translation. The experiment was conducted with participants in a Basic Legal Text Translation Training program. The results indicate the following: 1) Hypothesis one (H1), distinct variations in translation learning outcomes associated with each technology used, is supported (Fhitung=104,70 > Ftabel=3,26); 2) Hypothesis two (H1: A x B ≠ 0), an interaction effect between independent and moderating variables, is supported (Fhitung=12,02 > Ftabel=3,26); 3) Hypothesis three (H1: µA1 > µA2), higher average learning outcomes with A1 compared to A2, is supported; 4) Hypothesis four (H1: µA1 > µA3) is supported (Qhitung=15,38 > Qtabel=3,45); 5) Hypothesis five (H1: µA2 > µA3) is supported (Qhitung=4.01 > Qtabel=3,45); 6) Hypothesis six (H1: µA1B1 > µA2B1) is supported (Qhitung=6.26 > Qtabel=3,45); 7) Hypothesis seven (H1: µA1B1 > µA3B1) is supported (Qhitung=12,83 > Qtabel=3,45); 8) Hypothesis eight (H1: µA2B1 > µA3B1) is supported (Qhitung=6,57 > Qtabel=3,45); 9) Hypothesis nine (H1: µA1B2 < µA2B2) is not supported; 10) Hypothesis ten (H1: µA1B2 < µA3B2) is not supported; and 11) Hypothesis eleven (H1: µA2B2 < µA3B2) is supported (Qhitung=0,91 < Qtabel=3,45). The findings of this study support the accelerated implementation of machine learning technology within the Indonesian translation industry.

Item Type:	Thesis (Doktor)
Additional Information:	1. Prof. Dr. Moch. Sukardjo, M.Pd. 2. Prof. Dr. Robinson Situmorang, M.Pd.
Subjects:	Hukum > Hukum (Umum) Pendidikan > Teori, Penelitian Pendidikan Pendidikan > Penelitian Tindakan Kelas > Pendidikan Tinggi, Universitas Bahasa dan Kesusastraan > Semiotik dan Semantik > Bilingual Bahasa dan Kesusastraan > Bahasa Inggris Teknologi dan Ilmu Terapan > Teknologi (umum) Teknologi dan Ilmu Terapan > Teknologi (umum) > Teknologi Pendidikan
Divisions:	PASCASARJANA > S3 Teknologi Pendidikan
Depositing User:	Ann Margareth .
Date Deposited:	27 Feb 2025 06:29
Last Modified:	27 Feb 2025 06:29
URI:	http://repository.unj.ac.id/id/eprint/53725

Actions (login required)

View Item