Skripsi
AUTOMATIC TEXT SUMMARIZATION PADA SINOPSIS LAPORAN KECELAKAAN LALU LINTAS PERNERBANGAN DI INDONESIA MENGGUNAKAN ALGORITMA TERM FREQUENCY-INVERSE DOCUMENT FREQUENCY (TF-IDF)
Automatic text summarizzation merupakan salah satu cabang dalam ilmu natural language processing (NLP) yang memiliki tujuan untuk merepresentasikan suatu teks yang panjang kemudian dikompresi sehingga dapat dibaca dan dipahami dengan mudah oleh pengguna. Penerapan algoritma Term Frequency - Inverse Document Frequency (TF-IDF) dalam automatic text summarization dapat menghitung skor dan bobot dari setiap kalimat dalam dokumen sehingga dapat menemukan kalimat penting dalam suatu teks. Dalam penelitian ini, dilakukan penerapan automatic text summarization menggunakan algoritma TF-IDF pada dataset kumpulan sinopsis final report KNKT kecelakaan lalu lintas penerbangan di Indonesia. Percobaan dilakukan pada 142 data sinopsis kemudian hasil ringkasan dari algoritma TF-IDF dilakukan analisis perbandingan ROUGE yang dibandingkan dengan hasil ringkasan manusia dan hasil ringkasan website (https://www.scribbr.com/text-summarizer/). Hasil terbaik skor ROUGE dari perbandingan antara ringkasan TF-IDF dan ringkasan manusia adalah ROUGE-1 0.746, ROUGE-2 0.727 dan ROUGE-L 0.746 dengan rata-rata skor ROUGE-1 0.475, ROUGE-2 0.265 dan ROUGE-L 0.453. Sedangkan hasil terbaik skor ROUGE perbandingan antara ringkasan TF-IDF dan ringkasan website adalah ROUGE-1 0.719, ROUGE-2 0.6 dan ROUGE-L 0.719 dengan rata-rata skor ROUGE-1 0.499, ROUGE-2 0.279 dan ROUGE-L 0.478.
Inventory Code | Barcode | Call Number | Location | Status |
---|---|---|---|---|
2307006393 | T130867 | T1308672023 | Central Library (Referens) | Available |
No other version available