<![CDATA[bstrak Salah satu topik dalam bidang Natural Language Processing (NLP) yang cukup menantang adalah peringkas teks otomatis. Dalam praktiknya peringkas teks otomatis terbagi menjadi dua pendekatan, yaitu ekstraktif dan abstraktif. Pendekatan abstraktif dinilai lebih baik karena cara kerjanya mendekati cara kerja manusia ketika meringkas teks atau yang disebut parafrase. Metode yang digunakan pada penelitian ini adalah Long Short-Term Memory (LSTM) yang mana metode tersebut telah sukses melakukan peringkasan dalam Bahasa Inggris. Dataset yang digunakan adalah kumpulan artikel berita media daring Bahasa Indonesia. Hasil terbaik yang didapatkan pada pengujian dengan metode LSTM menggunakan metode evaluasi ROUGE-1 adalah 0.13846. Kata kunci: peringkas teks otomatis, abstraktif, Bahasa Indonesia, long short-term memory, ROUGE Abstract One topic about natural language processing that is quite challenging is automatic text summarization. Automatic-text-summarization is practically divided into two kinds of approach, namely extractive and abstractive. Abstractive-approach is considered better since it resembles how humans work in terms of text summarizing or paraphrasing. A method used in this study is Long Short-Term Memory (LSTM) which has succeeded to summarize texts in English. Datasets that have been used are a number of online news articles in Bahasa Indonesia. The best result gained using LSTM based on the ROUGE-1 evaluation is 0.13846. Keywords: automatic text summarization, Bahasa Indonesia, long short-term memory, ROUGE]]>
Copyrights © 2021
