<![CDATA[Peningkatan volume publikasi ilmiah menuntut sistem pengindeksan yang efisien, di mana kata kunci memegang peran krusial. Penelitian ini membandingkan efektivitas dua pendekatan berbasis model transformer—T5 dan kombinasi BART+BERT—dalam membangkitkan kata kunci secara otomatis dari abstrak artikel ilmiah. Eksperimen dilakukan menggunakan 100 artikel jurnal multidisipliner dengan evaluasi berbasis ROUGE (kesamaan leksikal) dan Semantic Similarity (kesamaan makna). Hasil menunjukkan bahwa T5 unggul dalam menghasilkan kata kunci eksplisit yang presisi dan cocok untuk pengindeksan teknis, dengan skor Semantic F1 0,5233 terhadap ground truth. Sebaliknya, BART lebih efektif menangkap tema keseluruhan abstrak, menghasilkan kata kunci yang representatif secara semantik dengan Semantic F1 0,7517, sehingga ideal untuk sistem rekomendasi atau klasifikasi topik. Filter BERT terbukti meningkatkan kualitas semantik, sementara Jaccard lebih baik dalam pencocokan leksikal. Temuan ini menekankan pentingnya pemilihan model dan strategi filtering yang disesuaikan dengan tujuan aplikasi sistem pembangkitan kata kunci otomatis.]]>
Copyrights © 2025
