INDONESIAN ABSTRACTIVE NEWS SUMMARIZATION BERBASIS DEEP LEARNING DENGAN METODE SEQUENCE-TO-SEQUENCE LONG SHORT-TERM MEMORY


Moh Minhajul Mubarok, 4611416009 (2021) INDONESIAN ABSTRACTIVE NEWS SUMMARIZATION BERBASIS DEEP LEARNING DENGAN METODE SEQUENCE-TO-SEQUENCE LONG SHORT-TERM MEMORY. Under Graduates thesis, Universitas Negeri Semarang.

[thumbnail of INDONESIAN ABSTRACTIVE NEWS SUMMARIZATION BERBASIS DEEP LEARNING DENGAN METODE SEQUENCE-TO-SEQUENCE LONG SHORT-TERM MEMORY] PDF (INDONESIAN ABSTRACTIVE NEWS SUMMARIZATION BERBASIS DEEP LEARNING DENGAN METODE SEQUENCE-TO-SEQUENCE LONG SHORT-TERM MEMORY) - Published Version
Download (1MB)

Abstract

Perkembangan teknologi yang sangat cepat di era globalisasi sekarang ini menuntut setiap orang untuk dapat selalu update informasi terbaru. Namun disisi lain ledakan informasi yang sangat besar membuat kita semakin kesulitan untuk memahami semua berita sekaligus. Teknologi automatic text summarization menjadi salah satu teknologi alternatif untuk menyelesaikan masalah di atas. Automatic text summarization adalah cabang penting dalam ilmu Natural Language Processing (NLP) yang bertujuan untuk merepresentasikan dokumen yang panjang dengan cara mengkompres informasi sehingga dapat dengan cepat dipahami dan dibaca oleh pengguna. Berbagai metode telah dilakukan untuk mengatasi masalah automatic text summarization khususnya untuk objek berbahasa Indonesia diantaranya ada metode yang berbasis extractive menggunakan metode term frequency, latent semantic analysis dan naive Bayes. Untuk metode yang berbasis abstractive masih sedikit sekali penelitian yang menggunakan bahasa Indonesia sebagai objeknya. Hal tersebut menjadi masalah karena selain masih sedikitnya penelitian pada bidang tersebut juga hasil evaluasi yang dihasilkan menunjukkan hasil yang tidak terlalu tinggi. Dataset yang digunakanpun sebagian dari mereka masih menggunakan dataset lokal sehingga susah untuk menjadi pembanding terhadap penelitian-penelitian sejenis. Untuk mengatasi masalah abstractive text summarization berbahasa Indonesia, pada penelitian ini digunakan automatic text summarization dengan metode berbasis deep learning yaitu sequence-to-sequence. Pada penelitian ini juga digunakan dataset publik agar bisa dilakukan benchmarking untuk penelitian-penelitian selanjutnya. Metode yang digunakan untuk evaluasi adalah ROUGE, yaitu metode yang sering digunakan dalam penelitian automatic text summarization. Dalam penelitian ini didapatkan hasil yang lebih baik dibandingkan dengan penelitian sejenis yaitu pada ROUGE-1 memiliki hasil 0.5371 dan pada ROUGE-2 0.3757.

Item Type: Thesis (Under Graduates)
Uncontrolled Keywords: automatic text summarization, deep learning, abstractive, natural language processing
Subjects: T Technology > Information and Computer
Fakultas: Fakultas Matematika dan Ilmu Pengetahuan Alam > Ilmu Komputer, S1
Depositing User: indah tri pujiati
Date Deposited: 07 Sep 2021 04:21
Last Modified: 10 Nov 2021 03:25
URI: http://lib.unnes.ac.id/id/eprint/45621

Actions (login required)

View Item View Item