Perkembangan dokumen akademik digital meningkatkan kebutuhan akan sistem automatic text summarization yang mampu menyajikan informasi secara ringkas tanpa menghilangkan makna utama. Penelitian ini mengimplementasikan Natural Language Processing (NLP) pada sistem summarization dokumen akademik berbahasa Indonesia berbasis web menggunakan metode TextRank dan Transformer mT5. Dataset terdiri atas dua dokumen akademik yang dievaluasi menggunakan gold summary. Tahapan penelitian meliputi ekstraksi teks, preprocessing, pembangkitan ringkasan, dan evaluasi menggunakan ROUGE-1, ROUGE-2, dan ROUGE-L. Model Transformer mT5 diimplementasikan dengan konfigurasi maksimum input 512 token, output 256 token, beam search 4, length penalty 1,0, dan repetition penalty 1,2. Hasil pengujian menunjukkan bahwa performa kedua metode dipengaruhi oleh karakteristik dokumen. TextRank memperoleh rata-rata ROUGE-1 F1-score sebesar 0,4363, sedangkan Transformer mT5 memperoleh 0,4329. TextRank menghasilkan kesesuaian leksikal yang lebih tinggi terhadap gold summary, sedangkan Transformer mT5 mampu menghasilkan ringkasan yang lebih ringkas berdasarkan hasil observasi. Penelitian ini menunjukkan bahwa kedua pendekatan memiliki karakteristik yang saling melengkapi dalam automatic text summarization dokumen akademik berbahasa Indonesia.