ZAKY IDHAFI, - (2023) ERINGKAS TEKS OTOMATIS PADA ARTIKEL BERBAHASA INDONESIA MENGGUNAKAN METODE MAXIMUM MARGINAL RELEVANCE. Jurnal Computer Science and Information Technology (CoSciTech), 4 (03). pp. 609-618. ISSN 2723-567X

Preview

Text cover2-digabungkan.pdf Download (1MB) | Preview

Abstract

Peringkas teks otomatis atau automated text summarization adalah suatu metode untuk mengambil inti dari satu atau lebih dokumen teks. Peringkas Teks otomatis diperlukan untuk proses pembacaan, pencarian, dan pemahaman informasi menjadi lebih cepat dan efisien. Penelitian ini mengusulkan metode Maximum Marginal Relevance untuk mengerjakan proses peringkasan teks dengan otomatis. Metode dikembangkan dan diuji pada masing-masing 150 dokumen artikel berbahasa Indonesia. Ringkasan dihasilkan dari skor kemiripan antar kalimat yang dihitung menggunakan cosine similarity. Performa MMR dalam menghasilkan ringkasan dievaluasi menggunakan ROUGE(Recall-Oriented Understudy for Gisting Evaluation), digunakan untuk membandingkannya dengan ringkasan yang dibuat oleh manusia (gold standard). Hasil pengujian untuk tingkat kompresi 50%, memberikan nilai F1-score pada ROUGE-1, ROUGE-2, dan ROUGE-L masing-masing sebesar 71.86%, 64.18%, dan 71.56%. Sedangkan hasil pengujian dengan tingkat kompresi 30% menghasilkan F1-score untuk ROUGE-1, ROUGE-2, dan ROUGE-L masing-masing 62.95%, 53.61%, dan 62.47%. Dibandingkan penelitian terdahulu, penelitian ini menghasilkan skor yang lebih baik. Kata kunci: peringkas otomatis, cosine similarity, MMR, maximum marginal relevance, ROUGE

Actions (login required)

View Item