Automatic Text Summarization Artikel Berita Menggunakan Metode Maximum Marginal Relevance
| Autor: | Siti Tuhpatussania, Lalu Moh Nurkholis |
|---|---|
| Rok vydání: | 2022 |
| Zdroj: | EXPLORE. 12:18 |
| ISSN: | 2656-615X 2087-894X |
| Popis: | Sejak tahun 2000, di Indonesia media online berkembang dengan pesat, terlihat dari jumlah portal berita online yang meningkat. Berdasarkan konten berita, portal berita online ada yang berskala nasional dan lokal. Struktur kalimat pada portal berskala nasional lebih dominan menggunakan kalimat yang panjang, sedangkan berita pada portal berskala lokal lebih banyak menggunakan kalimat yang lebih ringkas. Kalimat yang panjang memiliki informasi yang lebih lengkap jika dibandingkan dengan kalimat yang ringkas. Meningkatnya jumlah portal berita online menimbulkan tingginya jumlah berita yang disuguhkan kepada masyarakat, sehingga kebutuhan peringkasan teks semakin diperlukan untuk kemudahan dan kehematan waktu manusia mengetahui inti berita. Oleh karena itu dibuatlah sistem peringkasan teks otomatis dengan metode Maximum Marginal Relevance dan pembobotan kata dengan algoritma TF-IDF-DF untuk melihat keefektifan dalam menghasilkan ringkasan. Dokumen uji coba diambil dari grafikanews.com untuk portal online berskala nasional, sedangkan untuk portal online berskala lokal dari suarantb.com dan radarlombok.co,id. Proses peringkasan melalui tahap text preprocessing, yang terdiri dari segmentasi kalimat, case folding, tokenizing filtering dan stemming. Tahap selanjutnya perhitungan TF-IDF-DF untuk menentukan bobot kata dan menentukan ringkasan dengan MMR. Hasil pengujian dibandingkan dengan ringkasan manual yang menghasil nilai precision 76, 39 %, recall 65,28 %, dan f-measure 70,4 % untuk dokumen berita dari portal online berskala nasional, sedangkan peringkasan artikel berita dari portal berita online lokal menghasilkan nilai precision 45,83 %, recall 45,83 %, dan f-measure 45,83%. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|