UPT Perpustakaan Unitama

  • Beranda
  • Informasi
  • Berita
  • Bantuan
  • Pustakawan
  • Area Anggota
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
Image of Implementasi Algoritma Pegasus Untuk Peringkasan Abstraktif Pada Dokumen Berita Online Berbahasa Indonesia
Penanda Bagikan

Skripsi

Implementasi Algoritma Pegasus Untuk Peringkasan Abstraktif Pada Dokumen Berita Online Berbahasa Indonesia

Nazaruddin - Nama Orang;

ABSTRAK
NAZARUDDIN, Implementasi Algoritma Pegasus Untuk Peringkasan Abstraktif Pada Dokumen Berita Online Berbahasa Indonesia (dibimbing oleh Pasnur dan Ratnawati)
Peningkatan kebutuhan akan informasi ringkas mendorong pengembangan sistem peringkasan otomatis untuk berita online berbahasa Indonesia agar pembaca dapat memahami inti berita secara efisien tanpa kehilangan informasi penting. Masalah utama adalah rendahnya kualitas ringkasan pada metode ekstraktif yang hanya menyalin kalimat penting tanpa pemrosesan semantik, sehingga kurang relevan dan koheren. Tujuan Penelitian adalah mengevaluasi performa model Pegasus dalam menghasilkan ringkasan abstraktif, menganalisis pengaruh tuning hyperparameter, serta membandingkannya dengan metode ekstraktif Maximal Marginal Relevance dan TextRank untuk menentukan pendekatan yang optimal. Dataset penelitian terdiri dari 3.500 data dokumen berita yang diambil dari korpus Indosum yang merupakan salah satu sumber data terbuka untuk pengembangan dan evaluasi model peringkasan otomatis berbahasa Indonesia. Metode yang digunakan
meliputi penerapan Pegasus dengan hyperparameter seperti num beams, max length, dan length penalty, dievaluasi menggunakan metrik BERTScore dan ROUGE-L pada data berita dengan pembagian 70:30, 80:20, dan 90:10 serta beberapa nilai random state. Hasil pengujian Pegasus dengan tuning hyperparameter menunjukkan BERTScore dengan precision, recall, dan F1-score masing-masing sebesar 0.93, serta ROUGE-L dengan precision 0.62, recall 0.65, dan F1-score 0.63, sistem ini dinyatakan efektif dalam menghasilkan ringkasan yang lebih relevan, koheren, dan representatif, dengan performa yang unggul dibandingkan metode peringkasan ekstraktif.
Kata Kunci : Maximal Marginal Relevance, Pegasus, Peringkasan Dokumen
Berita, Peringkasan Ekstraktif, TextRank.


Ketersediaan
#
Perpustakaan STMIK AKBA (A / 901) SKR/TI/2025 REF NAZ i
2901/SKR-Ti/AKBA/25
Tersedia namun tidak untuk dipinjamkan - No Loan
Informasi Detail
Judul Seri
-
No. Panggil
SKR NAZ i
Penerbit
Makassar : UNITAMA., 2025
Deskripsi Fisik
xi + 103 hlm., 28,5 cm
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
REF NAZ i
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
-
Subjek
-
Info Detail Spesifik
Pembimbing I: Pasnur dan Pembimbing II: Ratnawati Penguji: First Wanita, A. Sumardin dan Fitriana M. Sabir
Pernyataan Tanggungjawab
-
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Tidak Ada Data
Komentar

Anda harus masuk sebelum memberikan komentar

UPT Perpustakaan Unitama
  • Informasi
  • Layanan
  • Pustakawan
  • Area Anggota

Tentang Kami

As a complete Library Management System, SLiMS (Senayan Library Management System) has many features that will help libraries and librarians to do their job easily and quickly. Follow this link to show some features provided by SLiMS.

Cari

masukkan satu atau lebih kata kunci dari judul, pengarang, atau subjek

Donasi untuk SLiMS Kontribusi untuk SLiMS?

© 2026 — Senayan Developer Community

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik
Kemana ingin Anda bagikan?