PERINGKASAN TEKS BERITA OTOMATIS DENGAN METODE MAXIMUM MARGINAL RELEVANCE (MMR) DENGAN PENERAPAN PART-OF-SPEECH (POS) TAGGING
Penggunaan internet membuat akses berita menjadi jauh lebih mudah sehingga menyebabkan ledakan informasi yang menuntut informasi tersebut untuk dibaca dengan cepat dengan waktu seminimal mungkin. Sehingga perlu suatu model peringkasan teks otomatis pada berita berbahasa Indonesia untuk mempermudah pembaca mendapatkan informasi yang diperlukan dengan cepat. Penelitian ini memanfaatkan Maximum Marginal Relevance (MMR), sebuah metode peringkasan ekstraktif yang unggul terkait dengan efisiensi, kesederhanaan, dan kemampuannya dalam meminimalkan pengulangan informasi. Hasil ringkasan yang disajikan minim redundansi dan strukturnya menyerupai abstrak makalah. Namun metode ini belum dapat mengatasi masalah ambiguitas atau kata yang memiliki makna ganda. Oleh karena itu, pada penelitian ini diterapkan juga Part-of-Speech (POS) Tagging untuk mengatasi hal tersebut. Setelah melakukan penelitian Peringkasan Teks Berita Otomatis Menggunakan Metode MMR dengan Penerapan POS Tagging untuk 100 teks berita berbahasa Indonesia dengan tiga jenis panjang hasil ringkasan (10%, 20%, dan 30%) dan dievaluasi menggunakan precision, recall, dan f-measure didapatkan hasil: untuk panjang 10% secara beruntun adalah 0.65, 0.58, dan 0.60; untuk panjang 20
URI
https://repo.itera.ac.id/depan/submission/SB2505230032
Keyword
Peringkasan Teks Part-of-Speech (POS) Tagging Maximum Marginal Relevance Berita