IMPLEMENTASI METODE MAXIMUM MARGINAL RELEVANCE PADA PERINGKASAN TEKS OTOMATIS ARTIKEL BERITA


Winda Yulita, 5302411139 (2015) IMPLEMENTASI METODE MAXIMUM MARGINAL RELEVANCE PADA PERINGKASAN TEKS OTOMATIS ARTIKEL BERITA. Under Graduates thesis, Universitas Negeri Semarang.

[thumbnail of 5302411139.pdf]
Preview
PDF
Download (2MB) | Preview

Abstract

Yulita, Winda. 2015. Implementasi Metode Maximum Marginal Relevance pada Peringkasan Teks Otomatis Artikel Berita. Dibimbing oleh Feddy Setio Pribadi, S.Pd., M.T. Program studi Pendidikan Teknik Informatika dan Komputer. Sejak tahun 2000, di Indonesia media online berkembang dengan pesat, terlihat dari jumlah portal berita online yang meningkat. Berdasarkan konten berita, portal berita online ada yang berskala nasional dan lokal. Struktur kalimat pada portal berskala nasional lebih dominan menggunakan kalimat yang panjang, sedangkan berita pada portal berskala lokal lebih banyak menggunakan kalimat yang lebih ringkas. Kalimat yang panjang memiliki informasi yang lebih lengkap jika dibandingkan dengan kalimat yang ringkas. Meningkatnya jumlah portal berita online menimbulkan tingginya jumlah berita yang disuguhkan kepada masyarakat, sehingga kebutuhan peringkasan teks semakin diperlukan untuk kemudahan dan kehematan waktu manusia mengetahui inti berita. Oleh karena itu dibuatlah sistem peringkasan teks otomatis dengan metode Maximum Marginal Relevance dan pembobotan kata dengan algoritma TF-IDF-DF untuk melihat keefektifan dalam menghasilkan ringkasan. Dokumen uji coba diambil dari antaranews.com untuk portal online berskala nasional, sedangkan untuk portal online berskala lokal dari tribunjateng.com dan radarmagelang.com. Proses peringkasan melalui tahap text preprocessing, yang terdiri dari segmentasi kalimat, case folding, tokenizing filtering dan stemming. Tahap selanjutnya perhitungan TF-IDF-DF untuk menentukan bobot kata dan menentukan ringkasan dengan MMR. Hasil pengujian dibandingkan dengan ringkasan manual yang menghasil nilai precision 76, 39 %, recall 65,28 %, dan f-measure 70,4 % untuk dokumen berita dari portal online berskala nasional, sedangkan peringkasan artikel berita dari portal berita online lokal menghasilkan nilai precision 45,83 %, recall 45,83 %, dan f-measure 45,83%.

Item Type: Thesis (Under Graduates)
Uncontrolled Keywords: peringkasan teks, artikel berita, portal online berskala nasional dan lokal, Maximum Marginal Relevance, TF-IDF-DF
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Fakultas: Fakultas Teknik > Pendidikan Teknik Elektro, S1
Depositing User: khrisna pci perpustakaan
Date Deposited: 23 Nov 2015 17:47
Last Modified: 23 Nov 2015 17:47
URI: http://lib.unnes.ac.id/id/eprint/22690

Actions (login required)

View Item View Item