Peringkasan Teks Berita Otomatis Menggunakan Metode Latent Semantic Analysis (LSA) dan Metode Pembobotan TF-IDF-DF
Pada perkembangan era teknologi saat ini, semakin banyak informasi berita pada berbagai situs media online yang disajikan dalam bentuk dokumen. Banyaknya informasi yang tersedia di dalam dokumen membuat pembaca membutuhkan waktu yang lama dan relatif sulit untuk dapat memahami inti dari berita tersebut. Peringkasan teks otomatis merupakan proses menghasilkan ringkasan teks dengan versi yang lebih singkat tanpa menghilangkan pokok pikiran dari teks asli. Salah satu metode peringkasan teks otomatis yaitu Latent Semantic Analysis (LSA) merupakan suatu metode untuk mengekstrak struktur semantik atau menganalisis makna yang masih tersembunyi pada sebuah kalimat. Beberapa tahapan pada LSA yaitu pembobotan kata, Singular Value Decomposition (SVD), dan menghitung nilai length pada matriks yang didapatkan dari metode SVD. Pengujian pada penelitian ini membandingkan tingkat performansi dengan menggunakan dua pembobotan kata yang berbeda, yaitu TF-IDF dan TF-IDF-DF. Hasil pengujian terhadap 50 dokumen diperoleh nilai rata-rata precision, recall, dan f-measure terbaik dengan menggunakan pembobotan TF-IDF-DF. Nilai precision terbaik dihasilkan pada compression rate 10
URI
https://repo.itera.ac.id/depan/submission/SB2208100014
Keyword