<![CDATA[Berita mengandung fakta atau opini yang mungkin memiliki kecenderungan tertentu. Berita dapat mengakses berbagai media seperti koran, televisi, internet, dan lain-lain. Internet adalah yang terkenal digunakan untuk mengakses berita. Untuk mencari informasi utama tentang berita mungkin membutuhkan waktu. Ini membutuhkan akses yang rapi dan meminimalkan waktu untuk membaca. Oleh karena itu perlu dilakukan rangkuman berita agar perolehan dari berita tersebut lebih efisien dan efektif. Penelitian dimulai dengan lima tahap preprocessing teks: pemecahan kalimat, pelipatan kasus, tokenizing, filtering, dan stemming. Proses selanjutnya adalah menghitung bobot tf-idf-df, bobot relevansi kueri dan bobot kesamaan. Ringkasan dihasilkan dari ekstraksi kalimat menggunakan metode relevansi marginal maksimum. Metode ini digunakan untuk mengurangi redundansi dalam memeringkat kalimat pada banyak dokumen. Pengaruh Maximum Marginal Relevance terhadap hasil akurasi ringkasan sistem yaitu pengujian diambil dari 5 sampel berita berita online menggunakan lamda 0.7 yang kemudian hasil ringkasan tersebut digunakan untuk dibandingkan dengan ringkasan sistem dan ringkasan oleh ahli termasuk. Maya Rahma, setelah itu dicari benar kemudian dicari salah dan luput, bila hasil tersebut diperoleh maka dicari ketelitian, recall, f-measure masing-masing responden dan dicari hasil tes dari mencari rata-rata presisi, recall, f-measure, sehingga efek lamda 0,7 menghasilkan akurasi rata-rata 57,7% Precision. , Ingat 48,5% dan F - Ukur 50,3%.]]>
Copyrights © 2022
