Peringkasan Teks Menggunakan Metode Maximum Marginal Relevance Terhadap Artikel Berita Terkait COVID-19
| Main Author: | Ananda Kresna, Yudha |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2021
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/185037/1/YUDHA%20ANANDA%20KRESNA.pdf http://repository.ub.ac.id/185037/ |
Daftar Isi:
- Pada saat ini, sangat mudah bagi masyarakat untuk memperoleh informasi atau berita, baik berita melalui televisi maupun berita dari media online. Banyaknya fasilitas yang mendukung masyarakat untuk membaca berita menyebabkan jumlah pembaca berita di Indonesia makin meningkat. Akan tetapi banyak ditemukan artikel berita yang jumlah kata dan penggunaan katanya kurang efektif sehingga akan sangat membuang waktu apabila membaca keseluruhan isi berita tersebut. Dari permasalahan tersebut, dibutuhkan sebuah sistem yang mampu melakukan peringkasan terhadap isi berita agar isi berita menjadi padat. Untuk melakukan peringkasan terhadap isi berita, pada penelitian ini menggunakan sebuah metode yaitu Maximum Marginal Relevance untuk menghasilkan sebuah ringkasan. Dalam metode tersebut diperlukan beberapa tahapan diantaranya, preprocessing, pembobotan TF-IDF, pembobotan cosine similarity dan metode Maximum Marginal Relevance itu sendiri. Penelitian ini dilakukan dengan mengambil 30 sampel data artikel berita dengan tema COVID-19 dari website penyedia berita online kompas.com. Diperoleh hasil pengujian sebagai berikut, koefisien pengatur nilai terbaik adalah α=0,5 dengan hasil precission = 0,684333, recall = 0,772 dan f-measure = 0,7. Sedangkan berdasarkan jumlah kata, jumlah kata dibaah 300 menghasilkan nilai f-measure terbaik dengan nilai 0,726923. Serta juga diuji sistem dengan dan tanpa stemming dan hasilnya sistem dengan menggunakan stemming menghasilkan ringkasan yang lebih baik dari pada sistem tanpa stemming.