Sella Novy Anggreni (2014) AUTOMATIC DOCUMENT SUMMARIZATION MENGGUNAKAN METODE MAXIMUM MARGINAL RELEVANCE DENGAN TOP-N TF-IDF TOKEN QUERY EXPANSION PADA DOKUMEN PENDEK. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text fm.pdf Download (400kB) | Preview
Preview	Text BAB 1.pdf Download (31kB) | Preview
Preview	Text bab 2.pdf Download (165kB) | Preview
Preview	Text BAB 3.pdf Download (96kB) | Preview
Preview	Text bab 4.pdf Download (3MB) | Preview
	Text bab 5.pdf Restricted to Registered users only Download (118kB)
Preview	Text BAB 6.pdf Download (5kB) | Preview
Preview	Text em.pdf Download (15kB) | Preview

Abstract

Peringkasan teks otomatis (Automatic Text Summarization) adalah pembuatan versi yang lebih singkat dari sebuah teks dengan memanfaatkan aplikasi yang dijalankan pada komputer. Peringkasan teks otomatis berguna untuk membantu manusia dalam mendapatkan ringkasan dari suatu bacaan tanpa harus membaca semua isi dari bacaan. Metode yang digunakan dalam Automatic document summarization ini adalah metode TF-IDF dan MMR. Penelitian ini diawali dengan lima tahap text preprocessing: pemecahan kalimat,case folding, tokenizing, filtering, dan stemming. Proses selanjutnya menghitung bobot tf-idf, bobot query relevance dan bobot similarity. Ringkasan dihasilkan dari ekstraksi kalimat dengan menggunakan metode maximum marginal relevance. Metode ekstraksi maximum marginal relevance merupakan metode yang digunakan untuk mengurangi redudansi dalam perangkingan kalimat. Data uji coba diambil dari berita berbahasa Indonesia online sejumlah 3 berita. Hasil pengujian dibandingkan dengan ringkasan manual menghasilkan akurasi pada compression 25% adalah 64 % sedangkan pada compression 50% sebesar 76%. Kata Kunci : Automatic document summarization, Maximum Marginal Relevance, Query Expansion, Text Processing,TF-IDF.

Actions (login required)

View Item