Information Overload adalah suatu keadaan dimana terlalu banyak infomasi yang didapatkan dan mengakibatkan beberapa kesulitan dalam pemahaman pada suatu permasalahan dan informasi yang didapatkan. Salah satu contoh yang dapat terlihat adalah pada berita yang saat ini disebarkan secara online yang dapat diterbitkan oleh berbagai sumber yang berbeda, sehingga dokumen berita tersebut dapat berjumlah sangat banyak. Untuk mempermudah pemahaman informasi pada berita yang banyak dapat diatasi dengan melakukan peringkasan dokumen untuk mengambil informasi berita tersebut. Peringkasan dokumen diartikan pengambilan kalimat penting/utama yang ada pada dokumen tanpa menghilangkan makna yang terkandung di dalamnya. Conditional Random Fields (CRF) merupakan salah satu model probabilistik untuk mengatasi segmentasi dan pemberian label pada data sekuens, yang dipengaruhi oleh kondisi yang ada pada kalimat sebelumnya dan nilai dari kalimat itu sendiri yang didapatkan dari nilai feature, baik complex feature ataupun basic feature dari masing-masing kalimat. Peringkasan yang dilakukan adalah peringkasan dengan kategori extract-summary, dimana hasil peringkasannya menggunakan kalimat-kalimat yang telah diekstraksi dari sebuah dokumen. Sistem akan dinilai akurasinya menggunakan ROUGE-2 (Recall-Oriented Understudy for Gisting Evaluation), dengan membandingkan ringkasan yang dibuat oleh sistem dan ringkasan yang dibuat oleh manusia. Information Overload, Conditional Random Fields, feature, extract-summary, basic feature, complex feature, ROUGE-2