PERINGKASAN TEKS OTOMATIS MENGGUNAKAN METODE BIDRECTIONAL ENCODER REPRESENTATIONS FROM TRANSFORMERS (BERT) PADA ARTIKEL BERITA POLITIK BERBAHASA INDONESIA

Sebayang, Elma Margaretha Br (2024) PERINGKASAN TEKS OTOMATIS MENGGUNAKAN METODE BIDRECTIONAL ENCODER REPRESENTATIONS FROM TRANSFORMERS (BERT) PADA ARTIKEL BERITA POLITIK BERBAHASA INDONESIA. Undergraduate thesis, Universitas Pendidikan Ganesha.

[img] Text (cover)
2015101018-COVER (1).pdf
Download (922kB)
[img] Text (ABSTRAK)
2015101018-ABSTRAK.pdf
Download (304kB)
[img] Text (BAB 1 PENDAHULUAN)
2015101018-BAB I PENDAHULUAN.pdf
Download (273kB)
[img] Text (BAB 2 KAJIAN TEORI)
2015101018-BAB II KAJIAN TEORI.pdf
Restricted to Repository staff only
Download (686kB) | Request a copy
[img] Text (BAB 3 METODELOGI PENELITIAN)
2015101018-BAB III METODELOGI PENELITIAN.pdf
Restricted to Repository staff only
Download (399kB) | Request a copy
[img] Text (BAB 4 HASIL DAN PEMBAHASAN)
2015101018-BAB IV HASIL DAN PEMBAHASAN.pdf
Restricted to Repository staff only
Download (445kB) | Request a copy
[img] Text (BAB 5 PENUTUP)
2015101018-BAB V PENUTUP.pdf
Restricted to Repository staff only
Download (262kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
2015101018-DAFTAR PUSTAKA.pdf
Download (267kB)
[img] Text (LAMPIRAN)
2015101018-LAMPIRAN.pdf
Download (1MB)

Abstract

Penelitian ini bertujuan untuk mengevaluasi performa model BERT-SUM dan DISTILBERT , dalam menghasilkan ringkasan yang relevan dari artikel berita Politik berbahasa Indonesia. Penelitian ini berfokus pada tantangan peringkasan konten berita yang panjang dan kompleks, khususnya dalam bahasa Indonesia, menggunakan peringkasan ekstraktif otomatis, dan mengukur kualitas ringkasan menggunakan metrik evaluasi ROUGE. Dalam era digital, jumlah berita Politik yang tersedia secara daring semakin meningkat, menyebabkan tantangan bagi pembaca dalam memilah informasi yang relevan dan memahami inti dari suatu berita. Penelitian ini menggunakan pendekatan peringkasan ekstraktif dengan model BERT-SUM dan DISTILBERT untuk menghasilkan ringkasan dari artikel berita Politik Indonesia. Model-model ini dilatih pada dataset berita Indonesia, dan performanya dievaluasi menggunakan metrik ROUGE. Studi ini membandingkan kualitas dan relevansi ringkasan yang dihasilkan dengan ringkasan yang dibuat oleh manusia sebagai ground truth. Hasil evaluasi menunjukkan bahwa BERT-SUM unggul dibandingkan DISTILBERT pada semua metrik ROUGE di dataset Politik, dengan nilai F1-Score yang lebih tinggi pada ROUGE-1, ROUGE-2, dan ROUGE-L. BERT-SUM lebih efektif untuk peringkasan otomatis ekstraktif berita Politik Indonesia, sedangkan DISTILBERT dapat dipertimbangkan untuk lingkungan yang terbatas sumber daya komputasi.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: BERT-SUM, DISTILBERT , Peringkasan Teks Otomatis, Berita Politik Indonesia, ROUGE, Peringkasan Ekstraktif.
Subjects: T Technology > T Technology (General)
T Technology > TP Chemical technology
Divisions: Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Ilmu Komputer (S1)
Depositing User: Elma Margaretha Br Sebayang
Date Deposited: 11 Feb 2025 04:15
Last Modified: 11 Feb 2025 04:15
URI: http://repo.undiksha.ac.id/id/eprint/23197

Actions (login required)

View Item View Item