IMPLEMENTASI ALGORITMA MAXIMAL MARGINAL RELEVANCE UNTUK MERINGKAS TEKS BERITA BERBAHASA INDONESIA

22104992, Stefani Dessy Rahmawaty (2014) IMPLEMENTASI ALGORITMA MAXIMAL MARGINAL RELEVANCE UNTUK MERINGKAS TEKS BERITA BERBAHASA INDONESIA. Final Year Projects (S1) thesis, Universitas Kristen Duta Wacana.

	Text (Skripsi Informatika) 22104992_bab1_bab5_daftarpustaka.pdf Download (539kB)
	Text (Skripsi Informatika) 22104992_bab2-sd-bab4_lampiran.pdf Restricted to Registered users only Download (2MB) | Request a copy

Abstract

Berita merupakan informasi yang dibutuhkan oleh masyarakat. Semakin berkembangnya teknologi, jumlah berita yang dapat diakses melalui internet berkembang pesat. Banyaknya berita mengakibatkan pembaca membutuhkan waktu yang cukup untuk membaca. Maka dari itu dapat dikembangkan peringkasan teks otomatis berita yang membantu pembaca untuk mempersingkat waktu membaca. Algoritma Maximum Marginal Relevance (MMR) merupakan salah satu metode extractive summary yang dapat digunakan untuk meringkas dokumen. Tahap menghasilkan ringkasan adalah Text preprocessing, penghitungan TF-ISF, Cosine Similarity dan penghitungan MMR.Text Preprocessing terdiri dari pembentukan kalimat, case folding, tokenisasi, filtering dan stemming.Data yang diuji berupa 40 berita dengan topik ekonomi. Pengujian sistem dilakukan menggunakan proses stemming dan tanpa proses stemming. Hasil ringkasan sistem menggunakan proses stemming dibandingkan dengan ringkasan manual menghasilkan rata-rata Precision 56,13%, Recall 66,36%, dan F-measure 59,56% . Sedangkan untuk sistem tanpa menggunakan proses stemming menghasilkan rata-rata Precision 56, 10%, Recall 64,83%, Fmeasure 58,81%. Berdasarkan hasil tersebut, dapat diindikasikan bahwa MMR dapat membantu dalam menghasilkan ringkasan sebuah teks. Selain itu proses stemming dapat membantu meningkatkan nilai F-measure..

Actions (login required)

View Item