Hasil Pencarian  ::  Simpan CSV :: Kembali

"Mesin Penerjemah digunakan untuk menerjemahkan teks dari suatu bahasa ke bahasa lain secara otomatis. Mesin Penerjemah Statistik adalah Mesin Penerjemah yang menggunakan pendekatan statistik dalam proses menerjemahkan teks. Penelitian dilakukan dengan menggunakan Mesin Penerjemah Statistik berdasarkan frase yang memanfaatkan korpus dwibahasa paralel sebagai data pelatihannya.Korpus dwibahasa Indonesia - Jepang yang digunakan berupa koleksi dokumen Kitab Suci, artikel berita, dan percakapan sehari-hari dengan jumlah keseluruhan kalimat sebanyak 24.365 kalimat. Koleksi dokumen dalam bahasa Jepang tersedia dalam dua macam bentuk tulisan, yaitu Kanji atau Romaji. Penelitian dilakukan pada korpus dwibahasa tanpa faktor tambahan dan korpus yang menggunakan perangkat bahasa tambahan, yaitu lema.Dari hasil penelitian, didapati bahwa kinerja penerjemahan teks Indonesia - Jepang menggunakan Mesin Penerjemah Statistik berdasarkan frase pada penelitian ini, nilai akurasi tertinggi berdasarkan BLEU score mencapai 0,2027. Nilai akurasi tertinggi tersebut didapatkan pada jenis dokumen artikel berita tanpa faktor tambahan dengan model bahasa 5-gram. Sedangkan penambahan perangkat bahasa lema pada korpus pelatihan menurunkan kinerja dari Mesin Penerjemah Statistik berdasarkan frase.

---

Machine Translation translates text from one language to another automatically. Statistical Machine Translation uses statistical approach to translate text. This research uses phrase-based Statistical Machine Translation system. We use Indonesian ? Japanese bilingual corpora as the training data which consist of holy writings, news article, and daily conversation with total of 24.365 sentences. Japanese document collections are written in Kanji and Romaji.This research uses unfactored training corpora and factored training corpora (lemma). The highest accuracy based on evaluation of the translation result is 0.2027 in BLEU score which is the score of news article document written in Romaji using 5-gram language model. Factored training corpora (lemma) decreases the performance of the machine translation system."

"Mesin Penerjemah (MP) adalah sebuah sub-bagian dari computational linguistics yang menggunakan komputer untuk menerjemahkan teks dari sebuah bahasa ke bahasa yang lain. Sementara Mesin Penerjemah Statistik (MPS) adalah sebuah pendekatan MP dimana hasil terjemahan dihasilkan atas dasar model statistik yang parameter-parameternya diambil dari hasil analisis korpus teks dwibahasa (yang paralel). Pada tugas akhir ini, penerjemahan teks Indonesia-Inggris dilakukan dengan menggunakan MPS berdasarkan frase dimana penerjemahan dilakukan dengan menggunakan prinsip penerjemahan berdasarkan frase. Korpus dwibahasa Indonesia-Inggris yang digunakan terdiri dari kategori berita, kitab suci, novel dan percakapan. Jumlah korpus pelatihan yang digunakan adalah 40779 kalimat, yaitu 704 berita, 4025 percakapan, 16050 novel dan 20000 kitab suci. Sementara korpus pengujian yang digunakan adalah 20300 kalimat, yaitu 300 berita, 2000 percakapan, 8000 novel dan 10000 kitab suci. Percobaan penerjemahan ini dilakukan, dievaluasi dan dianalisis dari dua aspek yaitu penggunaan perangkat bahasa tambahan (yang meliputi Part-of-Speech Tagging dan lema) dan n-gram yang digunakan dalam membentuk model bahasa. Hasil percobaan yang didapat adalah nilai akurasi tertinggi dicapai oleh penerjemahan korpus dwibahasa biasa (tidak menggunakan Part-of-Speech Tagging maupun lema) pada kategori novel dengan menggunakan model bahasa 5-gram, yaitu 0,2696.

---

Machine Translation (MT) is a sub-field of computational linguistics that uses a computer to translate text or speech from one natural language to another. Meanwhile Statistical Machine Translation (SMT) is a paradigm of MT where translations are generated on the basis of statistical models whose parameters are derived from the analysis of bilingual text corpora (parallel). The Indonesian-English text translation is done using a phrase-based SMT in which the translation is carried out using phrase-based Translation. We use Indonesian and English bilingual corpora which consists of news, holy writings, fiction and daily conversation categories. We use training corpus of 40779 sentences which are 704 for news, 4025 for conversation, 16050 for fiction and 20000 for holy writings. Meanwhile the testing corpus consists of 20300 sentences which are 300 for news, 2000 for conversation, 8000 for fiction and 10000 for holy writings. Experiments have been done, evaluated and analyzed regarding two aspects, namely the use of factored-models (Part-of-Speech Tagging and lemma) and number of n-gram for generating the language model. In this thesis, we found that the translations of default bilingual corpora (without Part-of-Speech Tagging and lemma) for fiction category using 5-gram language model yield the highest accuracy of 0.2696."

"Mesin penerjemah merupakan alat penerjemah otomatis pada sebuah teks dari satu bahasa ke bahasa lainnya. Tujuan dari mesin penerjemah adalah dapat membuat orang ? orang yang berasal dari berbagai budaya, yang memiliki bahasa yang berbeda, dapat berkomunikasi satu sama lain dengan mudah. Mesin penerjemah statistik adalah sebuah pendekatan mesin penerjemah dimana hasil terjemahan dihasilkan atas dasar model statistik yang parameter-parameternya diambil dari hasil analisis korpus teks bilingual (atau paralel). Penelitian di bidang mesin penerjemah statistik untuk Bahasa Inggris ? Bahasa Indonesia belum terlalu mendapat perhatian. Kualitas hasil terjemahan Bahasa Inggris ? Bahasa Indonesia tersebut masih jauh dari sempurna dan memiliki nilai akurasi yang rendah. Diawali dari permasalahan ini, munculah sebuah ide untuk membuat aturan-aturan restrukturisasi teks pada Bahasa Inggris sesuai dengan struktur Bahasa Indonesia dengan tujuan untuk meningkatkan kualitas dan nilai akurasi hasil terjemahan mesin penerjemah statistik. Aturan restrukturisasi teks tersebut bisa berupa word reordering, phrase reordering, ataupun keduanya. Dalam penelitian ini penulis merancang 7 buah aturan word reordering, 7 buah aturan phrase reordering dan 2 buah aturan gabungan phrase reordering dan word reordering.Penelitian dilakukan dengan menggunakan Stanford POS Tagger, Stanford Parser, dan MOSES. Stanford POS Tagger digunakan dalam tahap word reordering, Stanford Parser dalam tahap phrase reordering, dan MOSES dalam tahap penerjemahan. Hasil eksperimen menunjukkan peningkatan akurasi dan kualitas penerjemahan yang efektif diperoleh dengan word reordering. Word reordering dapat memberikan peningkatan nilai BLEU sebesar 1.3896% (dari 0.1871 menjadi 0.1897) dan nilai NIST sebesar 0.6218% (dari 5.3876 menjadi 5.4211). Pada korpus bible, rata ? rata nilai peningkatan nilai BLEU yang diperoleh dengan restrukturisasi teks adalah 0.5871% dan untuk nilai NIST terjadi penurunan sebesar 0.0144%. Pada korpus novel, rata ? rata nilai peningkatan nilai BLEU yang diperoleh dengan restrukturisasi teks adalah 0.8751% dan untuk nilai NIST terjadi peningkatan sebesar 0.3170%. Besarnya peningkatan dan penurunan yang terjadi pada penelitian ini cenderung kecil (masih di bawah 1%). Hal ini dikarenakan aturan penerjemahan Bahasa Inggris-Indonesia menggunakan aturan MD-DM yang melibatkan penukaran kata yang jaraknya dekat sudah tercakup dalam distortion model pada mesin penerjemah statistik berdasarkan frase.

---

Machine translation is an automatic translation tool for a text from one language to another language. The goal of machine translation is to allow people with different cultures and languages to communicate with each other easily. Statistical machine translation is an approach to machine translation in which the results produced on the basis of statistical model that its parameters taken from the bilingual corpus (or parallel) text analysis. The research on statistical machine translation from English to Indonesian has not been received much attention. The English - Indonesian translation quality is still far from perfect and has low accuracy. Based on this issue, come out an idea to make some text restructuring rules on English according to Indonesian languange structure, with the purpose of improvement the quality and accuracy of the statistical machine translation. Text restructuring rules can be word reordering or phrase reordering or both. In this research, the authors design 7 word reordering rules, 7 phrase reordering rules and 2 combined phrase reordering and word reordering rules.This research uses Stanford POS Tagger, Stanford Parser, and MOSES. Stanford POS Tagger is used in word reordering process, Stanford parser used in phrase reordering process, and MOSES in translation process. The results from experiments show that the most effective improvement is word reordering. The improvement with word reordering in BLEU score is 1.3896% (from 0.1871 become 0.1897) and for NIST score is 0.6218% (from 5.3876 become 5.4211). On bible corpus, the average of all text restructuring rules score are increased 0.5871% (BLEU) and decreased 0.0144% (NIST). On novel corpus, the average of all text restructuring rules score are increased 0.8751% (BLEU) and increased 0.3170% (NIST). The amount of increase and decrease that occurred in this study is considered as a small occurence (which is still under 1%). This is caused by the MD-DM rules that involve exchanging words that have small distances between their range which have already been accounted for by the distortion model in phrase based statistical machine translation."

"Mesin penerjemah merupakan alat penerjemah otomatis pada sebuah teks dari satu bahasa ke bahasa lainnya. Mesin penerjemah statistik adalah sebuah pendekatan mesin penerjemah dengan hasil terjemahan dihasilkan atas dasar model statistik yang parameter-parameternya diambil dari hasil analisis korpus teks bilingual (atau paralel). Kualitas hasil terjemahan Bahasa Inggris - Bahasa Indonesia tersebut masih jauh dari sempurna dan memiliki nilai akurasi yang rendah.Diawali dari permasalahan ini, muncullah sebuah ide untuk membuat aturan-aturan restrukturisasi teks pada Bahasa Inggris sesuai dengan struktur Bahasa Indonesia dengan tujuan untuk meningkatkan kualitas dan nilai akurasi hasil terjemahan mesin penerjemah statistik. Aturan restrukturisasi teks tersebut bisa berupa word reordering, phrase reordering, ataupun keduanya. Dalam penelitian ini, penulis merancang 7 buah aturan word reordering, 7 buah aturan phrase reordering, dan 2 buah aturan gabungan phrase reordering dan word reordering.Hasil eksperimen menunjukkan peningkatan akurasi dan kualitas penerjemahan yang efektif diperoleh dengan word reordering. Word reordering dapat memberikan peningkatan nilai BLEU sebesar 1.3896% (dari 0.1871 menjadi 0.1897) dan nilai NIST sebesar 0.6218% (dari 5.3876 menjadi 5.4211). Pada korpus bible, rata-rata nilai peningkatan nilai BLEU yang diperoleh dengan restrukturisasi teks adalah 0.5871% dan untuk nilai NIST terjadi penurunan sebesar 0.0144%. Pada korpus novel, rata-rata nilai peningkatan nilai BLEU yang diperoleh dengan restrukturisasi teks adalah 0.8751% dan untuk nilai NIST terjadi peningkatan sebesar 0.3170%. Besarnya peningkatan dan penurunan yang terjadi pada penelitian ini cenderung kecil (masih di bawah 1%). Hal ini disebabkan aturan penerjemahan Bahasa Inggris-Indonesia menggunakan aturan MD-DM yang melibatkan penukaran kata yang jaraknya dekat sudah tercakup dalam distortion model pada mesin penerjemah statistik berdasarkan frase."

"Menerjemahkan adalah mengalihkan isi pesan yang terdapat dalam Bahasa Sumber (BSu) ke datum Bahasa Sasaran (BSa) demikian rupa sehingga arang yang membaca (atau mendengar) pesan itu dalam BSa kesannya sama dengan kesan orang yang membaca (atau mendengar) pesan itu dalam BSu atau bahasa aslinya. Pesan yang terdapat didalam BSu itu harus diungkapkan sewajar mungkin dalam BSa. Demikianlah pendapat Nida dalam buku Enam Makalah Tentang Terjemahan oleh Maurits Simatupang. Oleh maka itu, dalam skripsi yang bertema Masalah Penerjemahan Kata Yang Bahasa Indonesia-Jepang ini, penulis berusaha menerjemahkan kata yang sewajar mungkin. Kata yang merupakan kata tugas yang khusus dipakai untuk menyatakan hubungan nomina dengan atribut sehingga kata yang disebut sebagai konjungtor atributif. Namun dalam Kamus Lengkap Bahasa Indonesia-Jepang (Tim Kashiko), kata yang hanya diterjemahkan dengan kata dore. Padahal pada praktisnya kata dore memiliki makna yang mana. Padahal sebenarnya masih banyak lagi fungsi dan makna kata yang, apalagi bila dikaitkan pada penggunaannya dalam bahasa Jepang. Berdasarkan sumber teori yang didapat, penulis menemukan bahwa kata yang memiliki fungsi yaitu sebagai konjungtor antar pewatas nomina yang jumlahnya lebih dari satu, konjungtor antara inti kalimat dengan pewatasnya, sebagai pronominal relatif. Tujuan penelitian dalam skripsi ini adalah untuk mengetahui, memahami dan memaparkan makna dan terjemahan kata yang kedalam Bahasa Jepang berdasarkan buku acuan dan hasil tes penelitian. Metode penelitian yang digunakan penulis yaitu metode analisis sebagai Cara untuk mendapatkan teori_-teori dasar yang berhubungan dengan kata yang, metode kepustakaan dan metode lapangan sebagai cara untuk mengumpulkan data. Pada metode analisis, penulis mendapatkan teori-teori dasar tentang prinsip dasar terjemahan umum, terjemahan kata yang Bahasa Indonesia-Jepang, penggunaan kata yang, pronominal relative dan modifier. Pada metode kepustakaan, penulis mendapatkan sumber-sumber data tertulis atau bacaan-bacaan yang menggunakan kata yang. Pada metode lapangan, penulis mendapatkan terjemahan bacaan-bacaan yang menggunakan kata yang Bahasa Indonesia kedalam bahasa Jepang. Setelah menganalisa dan melakukan perbandingan antara BSu dengan BSa, didukung oleh sumber-sumber teori yang didapat, penulis mendapatkan terjemahan kata yang dalam Bahasa Jepang sebagai berikut: Padanan kata yang sebagai konjungtor rangkaian pewatas nomina yang berjumlah lebih satu; Padanan kata yang sebagai konjungtor nomina inti dengan; Padanan kata yang sebagai pronominal."

"Beberapa kesalahan masih dapat ditemukan dalam hasil terjemahan mesin, meskipun mesin penerjemahan didesain untuk menyetarai kemampuan penerjemah profesional. Dengan peluang penggunaan mesin penerjemahan yang besar dalam bidang pariwisata, turis dapat memilih mesin penerjemah berbasis tulisan maupun gambar. Penelitian ini bertujuan menentukan yang mana yang lebih baik di antara mesin penerjemah berbasis tulisan, Google Translate dan berbasis gambar, Google Lens Translate untuk teks pariwisata. Dengan menerapkan metode kualitatif, kajian ini didasari oleh konsep kesalahan penerjemahan Koponen (2010) dan konsep metode penerjemahan Newmark (1988) untuk menyelidiki kualitas akurasi mesin penerjemah melalui tingkat keberterimaan makna dinilai dari cara mesin menerjemahkan dan kecenderungan jenis kesalahan. Berdasarkan analisis, ditemukan bahwa Google Translate lebih akurat dan lebih aman untuk pariwisata atas dominasi hasil terjemahan dengan metode penerjemahan setia (faithful). Sejalan dengan Newmark (1988), penerapan metode penerjemahan tersebut menghasilkan terjemahan yang lebih berterima dari segi semantik khususnya dalam hal konteks. Sementara itu, kerumitan proses bahasa ilmiah penerjemahan Google Lens Translate yang berbasis gambar mengurangi akurasinya jika dibandingkan dengan Google Translate yang berbasis tulisan.

---

Some errors can still be found in Machine Translation results, even though Machine Translation is designed to match the capabilities of professional translators. With great opportunities for use of machine translation in the tourism sector, tourists can select text- based or image-based Machine Translation. This study aims to determine which one is better between the text-based Machine Translation (Google Translate) and the image- based one (Google Lens Translate) for tourism purposes. Applying a qualitative method, this study is based on Koponen's (2010) concept of translation errors and the Newmark's (1988) translation method concept to investigate the quality of machine translation accuracy through the level of translation acceptability assessed from the way the machine translates and the types of errors. Based on the analysis, it was found that Google Translate is more accurate and appropriate for tourism, shown from the majority of translation results using faithful translation methods. In line with Newmark (1988), the application of the translation method results in a translation that is more acceptable from a semantic perspective, especially in terms of context. Meanwhile, the complexity of the image-based Google Lens Translate's natural language process reduces its accuracy when compared to text-based Google Translate."

"Penerjemahan merupakan ilmu yang sudah ada sejak dahulu. Namun dalam pengerjaannya masih banyak ditemui kendala. Salah satu kendalanya adalah dalam penerjemahan idiom. Dalam penerjemahan idiom tidak hanya melibatkan dua bahasa yang berbeda tetapi melibatkan dua budaya juga yang berbeda. Dalam penerjemahan idiom bahasa Jepang ke dalam bahasa Indonesia, idiom yang terasa sulit untuk diterjemahkan adalah idiom ki karena begitu banyak makna ki dan padanannya dengan berbagai partikel membentuk idiom. Oleh karena itu skripsi ini membahas mengenai cara penerjemahan yang tepat dan untuk mengetahui korelasi makna idiom dan pembentuknya khususnya untuk idiom frase verbal ki ga- dalam novel Densha Otoko. Metode penerjemahan yang dikemukakan oleh Newmark, Teknik penerjemahan yang dikemukakan Hoed serta Strategi yang dikemukakan oleh Baker dalam penerjemahan terutama dalam penerjemahan idiom menjadi landasan untuk melakukan analisis dalam penerjemahan idiom frase verbal ki ga-. Data yang didapatkan dari novel Densha Otoko kemudian dianalisis dan diterjemahkan setelah itu dikelompokkan. Kemudian didapatlah hasil bahwa ternyata dari 27 idiom frase verbal ki ga- yang dianalisis diketahui 18 idiom dapat diterjemahkan menjadi bentuk non-idiom, 2 idiom dapat mengalami omission dalam penerjemahannya, dan 7 idiom dapat ditentukan maknanya oleh makna pembentuknya. Langkah-langkah analisis penerjemahan yang dilakukan mencakup analisis konteks cerita, kemudian terjemahan kata perkata lalu menerjemahkan idiom secara harfiah untuk melihat hubungan makna idiom dengan makna pembentuknya. Setelah itu dilakukan penyerasian dengan memilih metode,teknik, dan strategi yang tepat untuk menerjemahkan TSu. Pada tahap akhir dilakukan penyerasian dengan mengecek makna TSa apakah sudah sepadan atau belum dan jika didapatkan lebih dari 1 TSa dilakukan pemilihan salah satu TSa berdasarkan argumen yang tepat."

"Penelitian ini berfokus pada penentuan aspek pada penerjemahan kalimat-kalimat dari bahasa Indonesia ke dalam bahasa Jepang. Penelitian ini merupakan penelitian kualitatif dengan menggunakan metode deskriptif. Selain itu, penulis juga menggunakan metode kepustakaan, yakni memakai buku-buku sebagai acuan dalam penulisan skripsi ini. Dalam skripsi ini, penulis membatasi data pada verba majemuk bermakna bentuk た. Dari batasan tersebut, penulis menemukan 52 kalimat dalam novel sebagai data analisis. Novel yang digunakan untuk skripsi ini berjudul Kubah dan novel terjemahnya yang berjudul Shinsei (新生しんせい). Dari hasil analisis data-data tersebut, penulis menyimpulkan bahwa : 1)Dalam bahasa Jepang aspek sudah bisa ditandai dengan morfem pada verbanya. Namun, dalam bahasa Indonesia aspek sering kali ditandai secara leksikal. Dalam hal ini, karena korpus yang digunakan berupa sebuah novel, maka aspek dilihat dari segi konteks cerita; 2) Dalam sebuah kalimat, aspek yang muncul bisa lebih dari satu; 3)Dalam penerjemahan, aspek yang muncul pada kalimat BSu dan Bsa bisa berbeda; 4)Dalam proses penerjemahan, pesan yang terdapat didalam BSu itu harus diungkapkan sewajar mungkin di dalam BSa, sehingga berbagai kemungkinan bisa terjadi. Contohnya, verba pasif pada kalimat BSu diterjemahkan menjadi verba aktif pada BSa, atau sebuah verba pada BSu diterjemahkan menjadi adverbia pada BSa; 5)Terbatas pada bentuk た, aspek yang muncul adalah: Aspek perfektif, aspek perfektif bermakna kebiasaan, aspek perfektif bermakna perulangan, dan aspek inkoatif.The study focus on aspect stipulation of translation from Indonesian to Japanese language. This research is qualitative descriptive interpretive. In addition, the author also using literature method. In this thesis, The data was collected only on the compound verb with た form meaning works. From the limitation, 52 sentences were collected from the novel used as analysis data. The novel that used in this thesis called Kubah and its translation called Shinsei 新生しんせい. The following are the research results : 1) in Japanese language, aspect has defined with morfem on the verb. However, in Indonesian, aspect usually defined lexically from the sentence. 2) it is possible to find more than one aspect from a sentence. 3) In translation, it is possible to have different aspect on the original sentence and the translated sentence. 4) in translation process, message on the original sentence must naturally expressed on the translated sentence. Therefore, many possibility might happen. For example, an adverb could be translated as a verb, or a passive verb could be translated as an active verb. 5) the kind of aspect restricted on た form are: perfective, perfective with habitual meaning, perfective with repetitive meaning, and incoative."

"Seiring dengan perkembangan teknologi di dunia industri, peralatan dan sistem produksi juga mengalami perkembangan pesat. Salah satu faktor yang sangat menentukan kualitas produk adalah sistem kontrol peralatan produksi. Salah satu proses produksi yang sering dilakukan pada perusahaan manufaktur adalah proses pensolderan. Hasil yang ingin dicapai dalam tulisan ini adalah merancang suatu kontrol untuk mesin solder otomatis dengan menggunakan PLC yang tertuang dalam diagram tangga (ladder diagram). Kemudian hasil kontrol ini akan dianalisis berdasarkan deskripsi kerja yang diharapkan. Penulisan tugas akhir menggunakan beberapa metode antara lain: metode kepustakaan, metode wawancara dan metode penelitian. Dengan menggunakan mesin solder otomatis, proses diatas dapat dilakukan mesin sehingga tenaga manusia hanya diperlukan sebagai operator mesin, dengan demikian penggunaan operator bisa diminimalkan atau dialokasikan pada pekerjaan lain."

"Tesis ini membahas kritik terhadap terjemahan buku Mother Teresa: Come Be my Light dalam bahasa Indonesia. Kritik disusun dengan menggunakan model analisis teks yang berorientasi pada penerjemahan dengan menggunakan pencapaian skopos sebagai kriteria utama keberhasilan penerapan strategi penerjemahan. Pertama, dilakukan analisis faktor ekstratekstual dan intratekstual teks sumber (TSu) ataupun teks sasaran (TSa), kemudian penilaian pencapaian skopos dilakukan dengan melihat strategi penerjemahan yang digunakan. Dalam penelitian ini ditemukan bahwa TSu ditulis untuk pembaca yang berlatar belakang berbeda dengan pembaca TSa sehingga metode penerjemahan semantis yang dominan dalam penerjemahannya tidak berhasil mencapai skopos penerjemahan. Juga, prosedur pemberian catatan dalam TSa tidak dilakukan secara optimal karena hanya memindahkan sebagian catatan akhir TSu menjadi catatan kaki TSa. Penelitian ini menyimpulkan bahwa penerjemahan merupakan proses yang melibatkan banyak aktor dengan kepentingan berbeda dan skopos hanya dapat dicapai jika kompromi mengenai strategi penerjemahan dapat dilakukan oleh semua aktor itu di bawah panduan penerjemah sebagai pakar komunikasi antar budaya. Penulis tesis ini menyarankan antara lain pembuatan suatu catatan khusus oleh penerjemah di awal buku untuk menjelaskan berbagai konsep penting yang mendasari isi buku agar lebih mudah dipahami oleh pembaca non-Katolik dan catatan akhir ataupun catatan kaki harus disempurnakan untuk meningkatkan keterbacaan TSa.

---

This thesis presents a piece of criticism toward the Indonesian translation of Mother Teresa: Come Be my Light. The criticism is built on reference to and application of the Translation-Based Text Analysis, using the fulfillment of skopos as the main criterion to rate successful selection of translation strategies. First, analysis of extratextual as well as that of intratextual factors of both the source text (ST) and the target text (TT) was conducted at the initial step of this research. Then fulfillment of skopos was assessed by identifying translation strategies and measuring their success in helping to achieve skopos.

The findings of this research indicate -among others- the gap between the receipients of the ST and those of the TT, toward which the dominantly used semantic translation method failed to minimize, resulting in the unfulfillment of skopos. Application of notes was not done optimally either, as translators/editors mainly only moved endnotes of ST to become footnotes of TT.

It was concluded that translation was a multi-actor process involving many different interests and skopos could only be achieved should there be a good understanding and agreement among those actors done under the guidance of the translator as the expert in the intercultural communication. It is then recommended that a special translator's note 'among others' should be complemented to this book to provide the non Catholic readers with basic knowledge about Catholicism which can make it easier for them to understand the book. Notes should also be rearranged and added 'whenever necessary' to upscale the readability of TT by its receipients."