<![CDATA[Teks artikel berita merupakan dokumen yang memuat berbagai macam informasi yang memiliki ragam topik salah satunya ekonomi. Teks artikel berita umumnya terdiri atas banyak paragraf sehingga dibutuhkan sebuah sistem untuk mengekstrak informasi untuk menyajikan ide-ide pokok atau informasi-informasi penting dari sebuah artikel berita kepada pembaca. Peringkasan dokumen secara otomatis merupakan solusi untuk membantu mendapatkan intisari dari dokumen. Pada penelitian ini memaparkan peringkasan artikel berita ekonomi berbahasa Indonesia menggunakan metode Latent Semantic Analysis yang menggunakan pendekatan aljabar linear singular value decomposition (SVD) dengan membentuk matriks representasi dari asosiasi term yang merupakan kata-kata pada dokumen yang berhubungan erat dari proses perhitungan TF-IDF. Pengujian penelitian ini memperoleh nilai rata-rata precission, recall, f-measure dan akurasi pada nilai compression rate sebesar 10% secara berurutan adalah 0.791667, 0.148054, 0.242747 dan 0.90152, pada nilai compression rate sebesar 30% secara berurutan adalah 0.475, 0.171828, 0.2264444 dan 0.787366 dan pada nilai compression rate sebesar 50% secara berurutan adalah 0.357857, 0.268677, 0.293111, 0.628009. Pada evaluasi pengujian yang dilakukan menghasilkan precison dan akurasi terbaik pada saat compression rate 10% dengan nilai 0.7416 dan akurasi 0.909853. Sedangkan untuk recall, dan f-measure terbaik dihasilkan pada saat compression rate 50% dengan nilai 0.25201 dan 0.284788.]]>
Copyrights © 2023
