Al-Fattah, Muhammad Alif (2025) PERBANDINGAN METODE PERINGKAS TEKS OTOMATIS MAXIMAL MARGINAL RELEVANCE (MMR) DAN TEXTRANK DALAM JURNAL. S1 thesis, Universitas Malikussaleh.

	Text Cover.pdf Download (30kB)
	Text Abstrak.pdf Download (6kB)
	Text Bab 1.pdf Download (130kB)
	Text Daftar Pustaka.pdf Download (132kB)
	Text Full-text.pdf Restricted to Registered users only Download (2MB)

Abstract

Dalam dunia akademik, jurnal ilmiah sering kali memiliki konten yang panjang dan kompleks, sehingga memerlukan waktu signifikan untuk membaca dan memahami. Penelitian ini bertujuan untuk mengatasi masalah tersebut dengan membandingkan dua metode peringkasan teks otomatis, yaitu Maximal Marginal Relevance (MMR) dan TextRank, untuk menghasilkan ringkasan yang relevan dan informatif. Data yang digunakan berupa dokumen jurnal berbahasa Indonesia dalam format PDF dan DOCX, diambil dari berbagai sumber akademik, termasuk platform Sinta. Metode penelitian melibatkan tahapan pengumpulan data, pre-processing teks, implementasi algoritma MMR dan TextRank, serta pengujian sistem menggunakan metrik evaluasi ROUGE. Algoritma MMR memprioritaskan relevansi dan keberagaman dalam pemilihan kalimat, sementara TextRank menggunakan pendekatan berbasis graf untuk menentukan peringkat kalimat. Hasil penelitian menunjukkan bahwa kedua metode memiliki kelebihan masing-masing. MMR unggul dalam memastikan ringkasan tetap relevan dengan topik dan menghindari redundansi, sedangkan TextRank menghasilkan ringkasan yang lebih cepat dengan mempertimbangkan hubungan antar kalimat. Evaluasi dengan metrik ROUGE menunjukkan bahwa MMR memiliki skor lebih tinggi dalam hal recall, sedangkan TextRank unggul pada aspek precision.Kesimpulannya, MMR lebih cocok untuk peringkasan teks dengan kebutuhan informasi yang mendalam, sementara TextRank lebih efektif untuk teks dengan struktur sederhana. Penelitian ini diharapkan memberikan kontribusi pada pengembangan metode peringkasan teks otomatis yang lebih baik dan efisien. Kata kunci: Peringkasan teks otomatis, Maximal Marginal Relevance, TextRank, ROUGE, jurnal ilmiah.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Muhammad Alif Al-Fattah
Date Deposited:	27 Feb 2025 08:43
Last Modified:	27 Feb 2025 08:43
URI:	https://rama.unimal.ac.id/id/eprint/10456

Actions (login required)

View Item