Implementasi Text Summarization Menggunakan Metode Vector Space Model Pada Artikel Berita Berbahasa Indonesia

Auliaguntary Arif Putra, Agung (2016) Implementasi Text Summarization Menggunakan Metode Vector Space Model Pada Artikel Berita Berbahasa Indonesia.

Full text not available from this repository.
Official URL: http://elib.unikom.ac.id/gdl.php?mod=browse&op=rea...

Abstract

Ringkasan adalah suatu pokok permasalahan dari suatu paragraf ataupun suatu dokumen. Dengan melihat sebuah ringkasan saja seorang pembaca dapat memahami garis besar dari suatu berita tanpa perlu membaca keseluruhan berita tersebut. Penggunaan peringkasan teks dapat membantu pembaca dengan cepat dan mudah memahami makna dari sebuah artikel berita tanpa harus membaca keseluruhan teks. Pada penelitian ini terdapat permasalahan untuk melakukan peringkasan dibutuhkan suatu metode untuk mengatasi masalah redudansi kalimat menggunakan metode Vektor Space Model yang nantinya akan terbentuk sebuah ringkasan dari artikel berita berbahasa Indonesia. Metode VSM bermanfaat untuk mengurangi redudansi kalimat pada hasil TF-IDF yang akan diringkas. Analisis sistem peringkas teks otomatis yang dibangun memiliki 3 tahapan yaitu praproses, hitung bobot kata , penentuan ringkasan. Praproses yang dilakukan dalam tahap ini antara lain: pemecahan kalimat, case folding, tokenizing, hapus stopword dan stemming. Tahap kedua adalah melakukan perhitungan bobot menggunakan metode tf-idf dengan menghitung TF(Term Frequency), DF(Document Frequency), dan dihitung weight (W) dari masing-masing term. Tahap ketiga adalah menentukan hasil ringkasan dengan menggunakan metode Vector Space Model. Hasil ringkasan adalah kumpulan dari kalimat-kalimat hasil persentase yang paling tinggi Pengujian dari penelitian ini adalah membuat ringkasan yang dibuat secara manual oleh 3 orang ahli. Ringkasan manual ini digunakan untuk membandingkan hasil ringkasan yang dihasilkan oleh sistem dengan rasio compression 35%.. Untuk menentukan kalimat hasil ringkasan yang relevan ditentukan dengan metode suara terbanyak (majority opinion), artinya bila suatu kalimat dipilih oleh minimal 2 orang peringkas maka kalimat itu relevan untuk dijadikan hasil ringkasan. Hasil ringkasan memiliki akurasi rata-rata nilai precision 72%, recall 65%,dan F-measures adalah sebesar 68% antara hasil ringkasan manual dengan hasil ringkasan oleh sistem.

Item Type: Article
Uncontrolled Keywords: Ringkasan Teks, Peringkas Teks Otomatis, TF-IDF, Vector Space Model.
Subjects: S1-Final Project > Fakultas Teknik Dan Ilmu Komputer > Teknik Informatika > 2015
Divisions: Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer
Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer > Teknik Informatika (S1)
Depositing User: M.Kom Taryana Suryana
Date Deposited: 16 Nov 2016 07:57
Last Modified: 16 Nov 2016 07:57
URI: https://repository.unikom.ac.id/id/eprint/19221

Actions (login required)

View Item View Item