Ambiguitas Kata Ganti Inggris, Ini Biang Bias Gendernya

Ambiguitas kata ganti Inggris muncul karena gender dalam bahasa ini cuma termanifestasi eksplisit pada kata ganti orang ketiga seperti he dan she, sehingga mesin sering salah tebak subjek.

Saya pernah lihat teman coba terjemahkan CV ke bahasa Inggris pakai Google Translate. Profesinya perempuan, tapi hasil terjemahannya malah pakai kata ganti laki-laki. Ternyata ini bukan kejadian langka.

 

Kenapa Bahasa Inggris Disebut Notional Gender Language?

Bahasa Inggris disebut notional gender language karena gendernya sangat minim dan hanya muncul jelas pada kata ganti orang ketiga tunggal serta sebagian kecil kata benda.

Ada dua sisi jebakan semantik yang lahir dari sini:

• Ambiguitas melalui penghilangan, di mana kata "I" dan "you" sama sekali tidak menunjukkan gender
• Ambiguitas aktif, di mana kata ganti tunggal "they" dipakai untuk menjaga netralitas gender

Masalahnya, saat diterjemahkan ke bahasa dengan gender gramatikal kuat seperti Spanyol atau Jerman, mesin terpaksa menebak. Dan yang paling sering dipilih adalah bentuk maskulin sebagai setelan standar.

 

Seberapa Besar Bias Maskulin di Google Translate?

Bias maskulin di Google Translate ternyata sangat dominan, dengan 59 persen nama pekerjaan diterjemahkan ke bentuk maskulin dalam bahasa Inggris.

Penelitian dari Universitas Sebelas Maret menganalisis 22 nama pekerjaan asli bahasa Indonesia yang diterjemahkan ke bahasa Inggris dan Jerman. Hasilnya cukup mencolok:

• Bahasa Inggris: 59% maskulin, 36% netral, hanya 5% feminin
• Bahasa Jerman: 86% maskulin, 14% feminin, 0% netral

Bahasa Jerman jauh lebih parah karena memang tidak menyediakan kosakata pekerjaan bergender netral sebanyak bahasa Inggris.

 Baca Juga: Terjemahan Humor Bahasa Inggris, Kenapa Selalu Garing?

Apakah GPT-4 Juga Bias Gender Seperti Google Translate?

GPT-4 juga terbukti bias gender, meski levelnya sedikit lebih rendah dibanding Google Translate pada konteks kepemimpinan dan kesuksesan.

Uji coba dengan dataset Translate-with-Care yang berisi 3.950 skenario penerjemahan menunjukkan hal ini secara gamblang. Pada konteks leadership, kecenderungan memilih kata ganti laki-laki melonjak berikut ini:

• Google Translate: naik 5 sampai 6 kali lipat
• GPT-4: naik 4 sampai 5 kali lipat

Sebaliknya, kata ganti perempuan cuma dominan dipilih saat mendeskripsikan sifat yang stereotipnya feminin, misalnya empati atau pekerjaan pelayanan.

 

Kenapa Mesin Suka Menghapus Teks daripada Menebak Gender?

Mesin sering menghapus teks daripada repot menebak gender, dengan tingkat penghilangan bisa mencapai 32 persen bagian teks yang butuh penalaran.

Ini jalan pintas ekstrem yang dipakai model seperti NLLB-200 dan SeamlessM4T. Daripada salah tebak, bagian kalimat yang rumit soal gender langsung dibuang begitu saja.

 

Menulis email tanpa terjebak ambiguitas kata ganti Inggris

Sudah Ada Solusi untuk Bias Gender di Google Translate?

Google sudah mengembangkan metode rewriting sejak akhir 2018 untuk menampilkan alternatif terjemahan maskulin dan feminin secara adil pada beberapa pasangan bahasa.

Melvin Johnson, Senior Software Engineer di Google Research, memimpin langsung pengembangan ini. Metode tersebut berhasil mengurangi bias hingga 95 persen khusus pada pasangan bahasa Turki-Inggris.

Tapi bukan berarti masalah selesai total. Peneliti dari Universitas Sebelas Maret mencatat, meski bahasa Inggris sudah melahirkan kosakata netral baru seperti firefighter menggantikan fireman, Google Translate masih kerap menampilkan pilihan kata maskulin usang untuk pekerjaan profesional.

Riset lain dari National Research Council Canada juga menemukan bahwa mayoritas mesin penerjemah nyaris tidak peka terhadap ambiguitas gender tidak disengaja, dengan respons netral gender yang cuma berubah sekitar 3 persen saja.

Kabar baiknya, strategi Chain-of-Thought prompting pada LLM modern seperti Claude terbukti efektif memaksa mesin mendeteksi ambiguitas ini tanpa merusak tata bahasa.

Masalah gender ini sebenarnya cuma satu potongan kecil dari masalah besar bias mesin penerjemah yang lebih luas, mencakup juga soal budaya dan agama sekaligus.

Ambiguitas kata ganti Inggris bakal terus jadi celah bias gender selama data latih mesin masih condong ke stereotip lama. Solusinya bukan berhenti pakai mesin, tapi lebih kritis mengecek ulang hasil terjemahan yang menyangkut subjek dan profesi.

 

DAFTAR SUMBER

1. Susanti, M. M. P., & Yulianti, W. (2023). Bias Gender terhadap Pekerjaan dalam Bahasa Inggris dan Bahasa Jerman dalam Google Translate. Transling, 3(1), 49-59. Universitas Sebelas Maret.
2. Johnson, M. (2021). Pendekatan yang Skalabel untuk Mengurangi Bias Gender pada Google Translate. Blog Resmi Google di Indonesia.
3. Dawkins, H., Nejadgholi, I., & Lo, C. K. (2025). Gender-Neutral Machine Translation Strategies in Practice. Proceedings of the Association for Computational Linguistics (ACL).

Penulis: Rachel Wijayani (cel)