CD Skripsi
Implementasi Algoritma Pegasus Untuk Peringkasan Abstraktif Pada Dokumen Berita Online Berbahasa Indonesia
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.
Tidak tersedia versi lain