Peringkasan Multidokumen Otomatis dengan Menggunakan Log-Likelihood Ratio (LLR) dan Maximal Marginal Relevance (MMR) untuk Artikel dengan Topik Penyakit Menular Bahasa Indonesia

AKHMAD, IKHWAN NIZWAR (2018) Peringkasan Multidokumen Otomatis dengan Menggunakan Log-Likelihood Ratio (LLR) dan Maximal Marginal Relevance (MMR) untuk Artikel dengan Topik Penyakit Menular Bahasa Indonesia. Other thesis, Universitas Sebelas Maret.

[img] PDF - Published Version
Download (132Kb)

    Abstract

    Peningkatan jumlah informasi yang tersedia di internet disamping memberikan manfaat, juga memunculkan masalah tersendiri. Mesin pencarian modern sudah cukup baik untuk mendapatkan informasi tertentu. Namun jumlah informasi yang sangat banyak terkadang menyebabkan pencari informasi kesulitan mendapatkan intisari dari informasi yang dicari. Kondisi yang disebabkan oleh terlalu banyaknya informasi yang tersedia dikenal sebagai information overload. Peringkasan multidokumen otomatis merupakan salah satu solusi untuk masalah ini. Meskipun metode peringkasan multidokumen otomatis sudah dikembangkan sejak 20 tahun lalu, penerapannya dalam Bahasa indonesia masih terbatas. Artikel dengan topik penyakit menular merupakan salah satu studi kasus yang menarik untuk peringkasan multidokumen Bahasa Indonesia. Informasi mengenai penyakit menular dibutuhkan oleh masyarakat sehingga terdapat banyak informasi mengenai topik ini di internet. Kondisi ini menyebabkan kemungkinan information overload untuk pencarian dalam topik ini. Dalam penelitian ini, akan diterapkan metode peringkasan multidokumen otomatis dengan menggunakan Log-Likelihood Ratio (LLR) untuk mendapatkan topic signature, dan Maximal Marginal Relevance pada artikel dengan topik penyakit menular untuk mendapatkan ringkasan dengan sedikit perulangan informasi. Penelitian ini menghasilkan ringkasan dengan nilai akurasi sebesar 0,4 (dengan menggunakan ROUGE-S9). Selain itu, dalam penelitian ini didapatkan bahwa topic signature (beserta akurasinya) memegang peran penting dalam proses peringkasan dokumen otomatis.

    Item Type: Thesis (Other)
    Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
    Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam
    Fakultas Matematika dan Ilmu Pengetahuan Alam > Informatika
    Depositing User: faizah sarah yasarah
    Date Deposited: 26 Mar 2018 20:16
    Last Modified: 26 Mar 2018 20:16
    URI: https://eprints.uns.ac.id/id/eprint/40162

    Actions (login required)

    View Item