PERINGKASAN BERITA SECARA OTOMATIS MENGGUNAKAN METODE TRANSFORMER

Alifia Isti Fadhila, - (2024) PERINGKASAN BERITA SECARA OTOMATIS MENGGUNAKAN METODE TRANSFORMER. S1 thesis, Universitas Pendidikan Indonesia.

	Text S_KOM_2000049_Title.pdf Download (3MB)
	Text S_KOM_2000049_Chapter1.pdf Download (1MB)
	Text S_KOM_2000049_Chapter2.pdf Restricted to Staf Perpustakaan Download (13MB)
	Text S_KOM_2000049_Chapter3.pdf Download (1MB)
	Text S_KOM_2000049_Chapter4.pdf Restricted to Staf Perpustakaan Download (7MB)
	Text S_KOM_2000049_Chapter5.pdf Download (440kB)

Abstract

Perkembangan internet yang semakin pesat membuat data dan informasi yang tersedia di internet terus menerus mengalami peningkatan, sehingga memunculkan beberapa portal penyedia berita online yang digunakan untuk menampung informasi yang masuk. Banyaknya portal berita online membuat jumlah artikel berita mengenai suatu topik memiliki beberapa versi yang berbeda-beda, sehingga membuat proses pembacaan artikel memerlukan waktu yang lebih lama. Untuk membuat proses pembacaan artikel berita menjadi lebih singkat dan menghemat waktu, diperlukan suatu sistem yang dapat meringkas artikel berita secara otomatis. Salah satu metode yang dapat digunakan dalam peringkasan berita otomatis adalah Transformer. Penelitian ini menggunakan dua buah model Transformer berupa fine-tuning pada pre-trained model T5 dan PEGASUS untuk peringkasan berita pada dataset Liputan6 dan XL-Sum yang menggunakan praproses dan yang tidak menggunakan praproses. Evaluasi hasil ringkasan dilakukan menggunakan metrik ROUGE untuk menilai kualitas ringkasan yang dihasilkan. Berdasarkan hasil eksperimen, fine-tuning model PEGASUS menunjukkan performa terbaik pada dataset Liputan6 tanpa praproses, dengan skor ROUGE-1 sebesar 43.48, ROUGE-2 sebesar 28.88, dan ROUGE-L sebesar 37.21. Hasil ini menunjukkan bahwa model PEGASUS lebih unggul dalam menangkap informasi dari teks asli dan menyajikannya dalam bentuk ringkasan yang lebih akurat. The growth of the internet has made the data and information available on the internet continue to increase, giving rise to several online news provider portals that are used to accommodate incoming information. The large number of online news portals means that the number of news articles on a topic has several different versions, making the process of reading articles take longer. To make the process of reading news articles shorter and more time-efficient, a system is needed that can summarize news articles automatically. One method that can be used in automatic news summarization is Transformer. This study uses two Transformer models, specifically fine-tuning the pre-trained T5 and PEGASUS models, for news summarization on the Liputan6 and XL-Sum datasets, with and without preprocessing. Evaluation of the summary results is carried out using the ROUGE metric to assess the quality of the resulting summary. Based on the experiments, the fine-tuning PEGASUS showed the best performance on the Liputan6 dataset without preprocessing, with a ROUGE-1 score of 43.48, ROUGE-2 of 28.88, and ROUGE-L of 37.21. These results show that the PEGASUS model is superior in capturing information from the original text and presenting it in a more accurate summary.

Item Type:	Thesis (S1)
Additional Information:	ID SINTA Dosen Pembimbing: Yudi Wibisono: 260167 Asep Wahyudin: 5991982
Uncontrolled Keywords:	Berita, Deep Learning, PEGASUS, Peringkasan Berita Otomatis, ROUGE, Transformer, T5. Automatic News Summarization, Deep Learning, News, PEGASUS, ROUGE, Transformer, T5.
Subjects:	L Education > L Education (General) Q Science > Q Science (General) Q Science > QA Mathematics Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Ilmu Komputer
Depositing User:	Alifia Isti Fadhila
Date Deposited:	03 Sep 2024 07:41
Last Modified:	03 Sep 2024 07:41
URI:	http://repository.upi.edu/id/eprint/122369

Actions (login required)

View Item