No image available for this title

Text

Extractive Text Summerization Pada Berita Berbahasa Indonesia Menggunakan Algoritma Support Vector Machine



Menurut Programme for Internasional Student Assessment (PISA) untuk survei tahun 2018 dari 61 negara yang mengikuti PISA, minat baca masyarakat indonesia masih mendapatkan score rendah yaitu 358 dari nilai rata-rata keseluruhan 472. Salah satu akibat dari rendahnya membaca adalah sulitnya memahami isi bacaan terutama untuk teks yang panjang dan banyak, sehingga akan lebih mudah jika membaca ringkasannya. Dengan kemajuan teknologi peringkasan teks dapat dilakukan dengan menggunakan metode text mining. text mining akan mengambil informasi pada data besar dari dokumen berbasis teks, proses peringkasan akan mengambil poin utama berita atau kalimat penting tanpa mengubah isi bacaan atau disebut juga dengan teknik ekstraksi. Untuk mendapatkan hasil yang maksimal pembobotan dilakukan dengan ekstraksi fitur kalimat berdasarkan data numerik, kutipan, panjang kalimat, posisi kalimat dalam paragraf, posisi keseluruhan kalimat. Metodologi penelitian menggunakan knowledge discovery in database (KDD) dan pemodelan menggunakan algoiritma support vector machine. Pengujian atau evaluasi menggunakan recall, precision dan F-measure. Hasil penelitan yang terbaik adalah dengan skenario perbandingan data uji dan data latih 7:3, menggunakan kernel Linear, dengan hasil accuracy 72,4%, precision 63,49%, recall 51,9%, dan F-measure 57,1%.


Availability

No copy data


Detail Information

Series Title
-
Call Number
-
Publisher Jurnal Sains Komputer & Informatika (J-SAKTI) : Indonesia.,
Collation
006.3
Language
Indonesia
ISBN/ISSN
2548-9771
Classification
NONE
Content Type
-
Media Type
-
Carrier Type
-
Edition
-
Subject(s)
Specific Detail Info
-
Statement of Responsibility

Other Information

Accreditation
-

Other version/related

No other version available


File Attachment

  • Extractive Text Summerization Pada Berita Berbahasa Indonesia Menggunakan Algoritma Support Vector Machine
    Menurut Programme for Internasional Student Assessment (PISA) untuk survei tahun 2018 dari 61 negara yang mengikuti PISA, minat baca masyarakat indonesia masih mendapatkan score rendah yaitu 358 dari nilai rata-rata keseluruhan 472. Salah satu akibat dari rendahnya membaca adalah sulitnya memahami isi bacaan terutama untuk teks yang panjang dan banyak, sehingga akan lebih mudah jika membaca ringkasannya. Dengan kemajuan teknologi peringkasan teks dapat dilakukan dengan menggunakan metode text mining. text mining akan mengambil informasi pada data besar dari dokumen berbasis teks, proses peringkasan akan mengambil poin utama berita atau kalimat penting tanpa mengubah isi bacaan atau disebut juga dengan teknik ekstraksi. Untuk mendapatkan hasil yang maksimal pembobotan dilakukan dengan ekstraksi fitur kalimat berdasarkan data numerik, kutipan, panjang kalimat, posisi kalimat dalam paragraf, posisi keseluruhan kalimat. Metodologi penelitian menggunakan knowledge discovery in database (KDD) dan pemodelan menggunakan algoiritma support vector machine. Pengujian atau evaluasi menggunakan recall, precision dan F-measure. Hasil penelitan yang terbaik adalah dengan skenario perbandingan data uji dan data latih 7:3, menggunakan kernel Linear, dengan hasil accuracy 72,4%, precision 63,49%, recall 51,9%, dan F-measure 57,1%.


Information


Web Online Public Access Catalog - Use the search options to find documents quickly