Sentence Fusion pada Peringkas Teks Otomatis untuk Multidokumen Berita Berbahasa Indonesia

Afrinita Heidyanti

Informasi Umum

Kode

113050253

Klasifikasi

005.1 - Computer programming

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Rekayasa Perangkat Lunak

Dilihat

296 kali

Informasi Lainnya

Abstraksi

ABSTRAKSI: Pada Tugas Akhir (TA) ini diimplementasikan sebuah teknik Automatic Text Summarization untuk multi dokumen berita dengan menerapkan Sentence Fusion untuk menghasilkan keluaran berupa ringkasan abstraksi yang terdiri dari kalimat-kalimat. Strategi utama dari Sentence Fusion adalah, membentuk sebuah tree untuk masing-masing kalimat inputan, menghitung dan menentukan nilai kemiripan dari struktur tree masing-masing kalimat yang telah terbentuk. Atas nilai kemiripan tersebut dibentuk sebuah fusion tree yang berisi informasi-informasi umum yang ditemukan dari setiap tree kalimat-kalimat tersebut. Kemudian akan dibangun seluruh kalimat yang mungkin muncul dari fusion tree, yang kemudian untuk setiap kalimat yang berhasil dibangun akan diberi bobot entropi menggunakan Trigram Language Model dengan Good Turing. Hasil ringkasan dipilih berdasarkan nilai entropi terendah dan nilai entropi tertinggi. Pengujian dilakukan menggunakan PIRAMIDA evaluation toolkit, yang mana hasil pengujian menunjukkan bahwa Sentence Fusion yang diaplikasikan pada TA ini sudah memiliki akurasi yang cukup baik.Kata Kunci : peringkas teks otomatis, Sentence fusion, text-to-text generation, tree, tree fusion, Trigram Language Model, Good Turing.ABSTRACT: This Final Project implements the automatic text summarization technique for multiple news documents. The implemented ATS uses a sentence fusion technique to produce an output of abstraction summary in the form of multiple sentences. The sentence fusion technique itself is done by creating a tree structure for all input sentences and counting similarity values for each formed structure. The values will then be used to create a fusion tree structure, containing general informations found in each sentence’s tree structure. All possible sentences that can be made from the fusion tree are then generated, with entropy values calculated for each sentence using a Trigram Language Model with Good Turing. The final text summary is then chosen by evaluating the highest and lowest entropy values. Application testing is done by using a PIRAMIDA evaluation tool kit. The test indicates that the sentenced fusion technique applied in this final project has an acceptable value of accuracy.Keyword: automatic text summarization, Sentence fusion, text-to-text generation, tree, tree fusion, Trigram Language Model, Good Turing.