Implementasi Metode Particle Swarm Optimization Dan Support Vector Machine Dalam Pemilihan Fitur Peringkasan Teks Otomatis
Daftar Isi:
- Peringkasan teks merupakan proses pengambilan informasi penting yang berasal dari satu atau beberapa sumber yang kemudian menghasilkan sebuah ringkasan dengan panjang teks kurang dari 50% dari teks aslinya. Tujuan yang ingin dicapai dari penelitian ini adalah mengetahui fitur yang tepat untuk peringkasan teks otomatis menggunakan metode Support Vector Machine. Metode seleksi fitur Particel Swarm Optimization juga digunakan untuk mendapatkan fitur yang tepat dalam peringkasan teks. Pada tahapan Preprocessing dilakukan proses Case Folding, Split Sentence, Filtering, Tokenization dan Stopword Removal. Pengujian dilakukan dengan metode Support Vector Machine dengan kernel linear, dengan menggunakan data latih sebanyak 678 kalimat dan untuk data uji sebanyak 291 kalimat. Pengujian dilakukan dengan dibangkitkan 10 dan 20 partikel awal. Hasil nilai gBest tertinggi yang diperoleh dari kedua pengujian adalah 63.6% dengan fitur panjang kalimat, posisi kalimat, koneksi antar kalimat dan tf-idf yang selalu muncul dikedua pengujian tersebut. Berdasarkan hasil tersebut maka dapat disimpulkan bahwa metode pemilihan fitur Particel Swarm Optimization dapat digunakan dalam pemilihan fitur peringkasan teks otomatis.