PERINGKAS TEKS ABSTRAKTIF MENGGUNAKAN METODE HYBRID (BIDIRECTIONAL LONG SHORT TERM MEMORY (BiLSTM) DAN LONG SHORT TERM MEMORY (LSTM)) PADA ARTIKEL BERITA BERBAHASA INDONESIA

HABIBILLAH, MUHAMMAD RAVI (2024) PERINGKAS TEKS ABSTRAKTIF MENGGUNAKAN METODE HYBRID (BIDIRECTIONAL LONG SHORT TERM MEMORY (BiLSTM) DAN LONG SHORT TERM MEMORY (LSTM)) PADA ARTIKEL BERITA BERBAHASA INDONESIA. Other thesis, UPN Veteran Yogyakarta.

	Text SKRIPSI FULL_MUHAMMAD RAVI HABIBILLAH_123170039.pdf Restricted to Repository staff only Download (5MB)
	Text COVER.pdf Download (332kB)
	Text ABSTRAK.pdf Download (86kB)
	Text PENGESAHAN PEMBIMBING.pdf Download (491kB)
	Text PENGESAHAN PENGUJI.pdf Download (467kB)
	Text DAFTAR ISI.pdf Download (176kB)
	Text DAFTAR PUSTAKA.pdf Download (249kB)

Abstract

Peringkas teks abstraktif adalah sebuah ringkasan yang terlihat sebagaimana manusia
mengambil sebuah inti sari dari dokumen yang dibaca, sehingga kalimat ringkasan yang
dihasilkan tidak hanya singkat, padat dan jelas, tetapi juga tidak kaku.
Pada penelitian ini menggunakan metode deep learning yang hybrid dengan
menggabungkan Bidirectional Long Short Term Memory (BiLSTM) dan Long Short Term
Memory (LSTM) pada prosesnya. Dua metode tersebut dipilih karena LSTM dapat
menangani masalah vanishing gradient yang tidak bisa ditangani oleh Recurrent Neural
Network (RNN) dan Bidirectional LSTM memiliki dua layer yaitu forward dan backward
layer yang membuat proses pembelajarannya lebih kompleks.
Dari hasil pengujian, tingkat peforma dari model Hybrid BiLSTM dan LSTM yang telah
dibangun menunjukkan kinerja tertinggi pada 256 neuron dengan rata-rata ROUGE-1
sebesar 0.1513 dan rata-rata ROUGE-2 sebesar 0.038, sementara nilai ROUGE-1
maksimum adalah 0.5. Kemudian untuk nilai maksimum yang ditemukan memiliki nilai
Precision sebesar 0.5714, Recall sebesar 0.4444 dan F1-score sebesar 0.5. Model dapat
meringkas teks artikel berita dengan konteks yang sama, akan tetapi akurasi kemiripan hasil
ringkasan dari sistem dengan hasil ringkasan referensi masih kurang bagus dan kadang
mengulang kata yang sama. Model juga masih memiliki kekurangan yaitu terkadang tidak
dapat menghasilkan kata yang tidak ada dalam kamus kata (out of vocabulary).
Kata Kunci: Peringkas Teks Abstraktif, Peringkas Teks, Deep Learning, Hybrid,
Bidirectional Long Short Term Memory, Long Short Term Memory, ROUGE score

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Peringkas Teks Abstraktif, Peringkas Teks, Deep Learning, Hybrid, Bidirectional Long Short Term Memory, Long Short Term Memory, ROUGE score
Subjects:	H Social Sciences > H Social Sciences (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	A.Md.SI Indah Lestari Wulan Aji
Date Deposited:	30 Jul 2024 01:01
Last Modified:	30 Jul 2024 01:01
URI:	http://eprints.upnyk.ac.id/id/eprint/40496

Actions (login required)

View Item