Peringkasan Teks Dokumen Berbahasa Indonesia Menggunakan Hidden Markov Model (HMM)
| Main Author: | Ramdan, Fahreza |
|---|---|
| Format: | Thesis PeerReviewed |
| Terbitan: |
Universitas Komputer Indonesia
, 2017
|
| Subjects: | |
| Online Access: |
http://repository.unikom.ac.id/53537/ http://elib.unikom.ac.id/gdl.php?mod=browse&op=read&id=jbptunikompp-gdl-fahrezaram-36867 |
Daftar Isi:
- Dengan adanya ringkasan, maka dapat menghemat waktu pembaca juga dapat menghindari pembacaan teks yang tidak relevan dengan informasi yang diharapkan oleh pembaca, terutama ketika sangat banyak informasi yang tersedia diinternet. Peringkasan teks otomatis merupakan solusi yang tepat untuk mengatasi permasalahan tersebut. Peringkasan teks otomatis adalah suatu proses pembentukan yang lebih singkat dari sebuah teks dengan memanfaatkan aplikasi yang dijalanakan dan dioperasikan pada komputer. Pada penelitian ini menggunakan metode hidden markov model untuk membangun aplikasi peringkasan teks otomatis. Proses kerjanya yaitu mencari nilai probabilitas pada barisan suatu state observasi yang paling optimal yang nantinya akan dipilih menjadi kalimat penting dan akhirnya menjadi sebuah ringkasan. Proses pertama yaitu menentukan varibel barisan state observasi yang dapat diamati secara langsung (barisan kalimat awal hingga akhir) dan variabel barisan state observasi yang tak dapat diamati secara langsung (pilihan ��Kalimat Relevan�� dan ��Kalimat Tidak Relevan��). Ekstraksi fitur digunakan pada proses ini untuk memperoleh nilai-nilai yang akan digunakan pada proses peringkasan. Berdasarkan hasil pengujian pada penelitian ini disimpulkan bahwa metode hidden markov model dapat diimplementasikan pada kasus peringkasan teks dengan rata-rata hasil uji sebesar 62.37% untuk precession, 72.22% untuk recall, dan 66.67% untuk f-measure. Namun hasil ringksan yang dihasilkan oleh sistem belum dapat dikatakan akurat berdasarkan kebutuhan pembaca menurut seorang ahli bahasa.