PERINGKASAN TEKS OTOMATIS PADA MODUL PEMBELAJARAN DI UNIVERSITAS TEKNOLOGI MATARAM MENGGUNAKAN METODE LATENT SEMANTIC ANALYSIS (LSA)

Tuhpatussania, ST (2023) PERINGKASAN TEKS OTOMATIS PADA MODUL PEMBELAJARAN DI UNIVERSITAS TEKNOLOGI MATARAM MENGGUNAKAN METODE LATENT SEMANTIC ANALYSIS (LSA). S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS) 21.55.1026 Siti Tuhpatussanta.pdf Download (3MB)

Abstract

Peringkasan teks otomatis berbahasa Indonesia umumnya lebih rumit dibandingkan bahasa inggris karena untuk melakukan peringkasan teks otomatis dibutuhkan bobot dari setiap kata yang muncul dalam sebuah dokumen untuk dicari hubungan kontekstual antarkata dalam sebuah kalimat sehingga kata yang muncul dalam sebuah dokumen perlu di ubah ke asal katanya (root word) agar tidak terjadi redudansi. Tujuan melakukan peringkasan teks otomatis adalah untuk membantu seseorang membaca suatu teks secara ringkas dengan menghasilkan ringkasan secara otomatis dari suatu teks tanpa adanya proses penyuntingan manusia terhadap ringkasan tersebut. Pada penelitian ini penulis meringkas modul pembelejaran teori pada Universitas Teknologi Mataram sejumlah 25 modul pembelajaran berbahasa Indonesia menggunakan metode LSA (Latent Semantic Analysis) untuk tahapan peringkasan teks dan metode TF-IDF (Term frequency-Inverse document frequency) pada tahapan pembobotan kata serta membandingkan metode stemming Nazief-Adriani dan stemming Porter dalam menentukan kata asal (root word). Modul pembelajaran yang digunakan hanya modul pembelajaran untuk matakuliah teori dengan tahapan peringkasan yaitu Preprocessing, pembobotan kata, peringkasan teks otomatis lalu evaluasi hasil menggunakan metode ROUGE1, ROUGE-2 dan ROUGE-L dan dibandingkan dengan hasil peringkasan oleh tiga pakar yaitu dua pakar dibidang ilmu sesuai dengan modul pembelajaran yang diringkas dan satu pakar dibidang Bahasa. Hasil perbandingan metode stemming Nazief-Adriani dan stemming Porter selisih 13 detik lebih lama menggunakan stemming Nazief-Adriani dalam waktu pemrosesan data sedangkan akurasi hasil stemming lebih tinggi menggunakan metode Nazief-Adriani. Dalam peringkasan teks otomatis menggunakan LSA memiliki tingkat akurasi rata-rata 83,49% dengan Akurasi yang di hasilkan dapat lebih tinggi jika dibandingkan dengan penelitian terdahulu yaitu diatas 70%.

Actions (login required)

View Item