Implementasi Metode Support Vector machine Dan Metode Maximum Marginal Relevance Untuk Menghasilkan Rangkuman Dari Kumpulan Dokumen Berita Dengan Topik Sejenis

Syukuran, Ginanjar (2016) Implementasi Metode Support Vector machine Dan Metode Maximum Marginal Relevance Untuk Menghasilkan Rangkuman Dari Kumpulan Dokumen Berita Dengan Topik Sejenis. Diploma thesis, Universitas Komputer Indonesia.

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

Abstract

Informasi yang ada pada saat ini tidak hanya bersumber dari satu dokumen saja, melainkan dari beberapa dokumen. Selain itu beberapa informasi dapat mempunyai pandangan yang berbeda tentang suatu topik yang sama. Salah satu informasi yang terdapat dalam dokumen adalah berita. Dokumen berita bisa bersumber dari beberapa media. Saat ini banyak sekali media yang memuat berita serta dipublikasikan memiliki pembahasan yang sama dalam satu topik sejenis, tetapi hanya ditulis dengan tata bahasa dan cara penyampaiannya yang berbeda. Ringkasan merupakan teks singkat dan padat yang dapat dianggap pengganti dari keseluruhan dokumen, karena tetap mempertahankan kandungan informasi penting yang dimiliki dari sumber dokumennya. Ringkasan dapat membantu menghasilkan rangkuman singkat yang diambil dari beberapa dokumen berita. Diperlukan suatu proses untuk menghasilkan ringkasan multi-document melalui lima tahap utama, yaitu: proses preprocessing, pembobotan tf-idf perhitungan cosine similarity, klasifikasi kalimat menggunakan metode suppport vector machine dan pembentukan ringkasan menggunakan metode maximum marginal relevance. Berdasarkan hasil pengujian menggunakan metode evaluasi intrinstik terhadap hasil ringkasan yang dihasilkan. Dapat disimpulkan bahwa penggunaan metode svm dan mmr dapat diimplementasikan untuk menghasilkan sebuah ringkasan multi-document, dengan nilai performansi recall 64%, precision 90% dan f-measure 75%.

Item Type: Thesis (Diploma)
Uncontrolled Keywords: ringkasan multi-document, preprocessing, tf-idf, cosine similarity, suppport vector machine, maximum marginal relevance, recall, precision, f-measure
Subjects: S1-Final Project > Fakultas Teknik Dan Ilmu Komputer > Teknik Informatika > 2016
Divisions: Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer
Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer > Teknik Informatika (S1)
Depositing User: Admin Repository
Date Deposited: 16 Nov 2016 07:34
Last Modified: 16 Nov 2016 07:34
URI: http://repository.unikom.ac.id/id/eprint/87

Actions (login required)

View Item View Item