DEEP REINFORCED MODEL DAN RULES-BASED UNTUK PERINGKASAN KALIMAT BAHASA INDONESIA

Yuniarti Musa'adah, - (2020) DEEP REINFORCED MODEL DAN RULES-BASED UNTUK PERINGKASAN KALIMAT BAHASA INDONESIA. S1 thesis, Universitas Pendidikan Indonesia.

[img] Text
S_KOM_1504215_Title.pdf

Download (1MB)
[img] Text
S_KOM_1504215_Chapter1.pdf

Download (504kB)
[img] Text
S_KOM_1504215_Chapter2.pdf
Restricted to Staf Perpustakaan

Download (7MB)
[img] Text
S_KOM_1504215_Chapter3.pdf

Download (801kB)
[img] Text
S_KOM_1504215_Chapter4.pdf
Restricted to Staf Perpustakaan

Download (3MB)
[img] Text
S_KOM_1504215_Chapter5.pdf

Download (370kB)
Official URL: http://repository.upi.edu

Abstract

Berkembangnya teknologi berdampak terhadap bertambahnya jumlah informasi yang mengakibatkan sulitnya mendapatkan informasi secara efisien. Hal tersebut dikuatkan oleh media online Kapanlagi yang menyatakan membuat sekitar 500 artikel berita perhari. Oleh karena itu, penelitian ini diharapkan dapat menghasilkan ringkasan dan menyajikan informasi dalam bentuk yang lebih singkat sehingga waktu yang diperlukan untuk mengetahui informasi yang terkandung lebih sedikit. Penelitian ini difokuskan pada peringkasan kalimat menggunakan Deep Reinfoced Model dan Rules-Based. Deep Reinforced Model menerapkan algoritma Encoder Decoder dan Long Short Term Memory (LSTM) sedangkan Rules-Based adalah metode untuk memecahkan masalah dengan aturan yang dibuat berdasarkan pengetahuan. Data yang digunakan dalam penelitian ini berjumlah 1200 kalimat dengan 3300 token. Hasil yang didapatkan dari penelitian ini adalah peringkasan kalimat menggunakan metode Rules-Based menghasilkan ringkasan yang lebih bagus dilihat dari nilai Rouge yaitu Rouge-1 sebesar 49.71, Rouge-2 sebesar 33.27, dan Rouge-L sebesar 54.33 daripada ringkasan yang dihasilkan oleh Deep Reinfoced Model dengan nilai Rouge-1 sebesar 14.44, Rouge-2 sebesar 2.82, dan Rouge-L sebesar 18.23. Selain itu penelitian ini juga menghasilkan dataset peringkasan kalimat yang dapat digunakan untuk penelitian selanjutnya. The development of technology has an impact on increasing the amount of information released the difficulty of getting information efficiently. This was strengthened by the online media Kapanlagi who claimed to make about 500 news articles per day. Therefore, this study is expected to be able to produce more and provide information in a shorter form so that it requires less time to understand information contained. This study is focused on sentences compression using Deep Reinfoced Model and Rules-Based. Deep Reinforced Model implements the Encoder Decoder algorithm and Long Short Term Memory while Rules-Based is a method for solving problems with rules that are based on knowledge. The data used in this study amounted to 1200 sentences with 3300 tokens. The results obtained from this study are sentence compression using Rules-Based method is produce a better summary seen from the value of Rouge, Rouge-1 of 49.71, Rouge-2 of 33.27, and Rouge-L of 54.33 than the summary produced by Deep Reinfoced Model with a value of Rouge-1 of 14.44, Rouge-2 of 2.82, and Rouge-L of 18.23. In addition, this study also produced a sentences compression dataset that can be used for further study.

Item Type: Tugas Akhir,Skripsi,Tesis,Disertasi (S1)
Uncontrolled Keywords: Sentences Compression, Long-short Term Memory, Rules-Based, Dependency Parser, Rouge
Subjects: L Education > L Education (General)
P Language and Literature > PN Literature (General)
Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Ilmu Komputer
Depositing User: Yuniarti Musa'adah
Date Deposited: 14 Feb 2020 06:58
Last Modified: 14 Feb 2020 06:58
URI: http://repository.upi.edu/id/eprint/46730

Actions (login required)

View Item View Item