Nusamba, Gustio (2023) PENERAPAN METODE MAXIMUM MARGINAL RELEVANCE DALAM PERINGKASAN TEKS OTOMATIS PADA PORTAL BERITA BERBAHASA INDONESIA. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (723kB) |
|
Text (BAB I)
BAB I.pdf Download (193kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (856kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (586kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (1MB) |
|
Text (BAB V)
BAB V.pdf Download (47kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (270kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/other.png) |
Other (SOURCE CODE)
Source Code 19.11.3179 Gustio Nusamba.rar Restricted to Repository staff only Download (5kB) |
|
Text (PUBLIKASI)
Publikasi 19.11.3179 Gustio Nusamba.pdf Restricted to Repository staff only Download (491kB) |
Abstract
Berita adalah kumpulan informasi yang menyampaikan peristiwa yang sedang terjadi. Berita memuat fakta atau opini yang membuat tertarik untuk mengetahuinya. Berita dapat diperoleh dari berbagai media seperti koran, surat kabar, internet dan lain-lain. Seiring perkembangan teknologi berdampak pada bertambahnya jumlah portal berita berbahasa Indonesia. Hal ini menuntut semua informasi bisa diakses dengan cepat dan tidak membutuhkan waktu membaca yang lama. Demi meminimalkan waktu dalam membaca, maka perlu dilakukan ringkasan teks berita secara otomatis. Teknologi peringkas teks otomatis menawarkan solusi untuk membantu memperoleh informasi dari suatu berita secara efisien dan efektif. Penelitian diawali dengan lima tahap text preprocessing yaitu pemecahan kalimat, case folding, tokenizing, filtering, dan stemming. Proses selanjutnya adalah menghitung bobot TF-IDF, bobot query relevance, dan bobot similarity. Ringkasan yang dihasilkan diperoleh dari extractive summarization yang digunakan untuk meringkas single document. Metode extractive summarization yang digunakan dalam penelitian ini adalah Maximum Marginal Relevance (MMR). MMR meringkas dokumen dengan menghitung kesamaan (similarity) antara kalimat dengan kalimat lain dan antara query dengan kalimat. Dokumen berita yang digunakan dalam penelitian ini diambil 35 berita dari 4 situs berita online yaitu viva.co.id, detik.com, merdeka.com, dan kompas.com. Hasil pengujian dari 35 berita menggunakan metode MMR dibandingkan dengan ringkasan manual diperoleh rata-rata recall 71%, precision 79%, f-measure 73%, dan akurasi 81%.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | MMR, Peringkas Teks Otomatis, TF-IDF, Cosine Similarity, Extractive Summarization | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data | ||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 13 Apr 2023 04:41 | ||
| Last Modified: | 26 Jul 2023 04:22 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/18524 |
Actions (login required)
 |
View Item |