Peningkatan volume informasi digital menuntut teknologi ringkasan otomatis yang efektif. Penelitian ini mengimplementasikan model Text-to-Text Transfer Transformer (T5) untuk ringkasan otomatis artikel berbahasa Indonesia. Metode meliputi preprocessing, tokenisasi, fine-tuning T5-base pada dataset INDOSUM, dan evaluasi menggunakan metrik ROUGE serta analisis kualitatif. Hasil menunjukkan T5-base mencapai skor tertinggi (ROUGE-1: 0,428; ROUGE-2: 0,245; ROUGE-L: 0,392) dibandingkan baseline BART-base dan TextRank. Ringkasan yang dihasilkan koheren, informatif, dan natural, meski terdapat keterbatasan pada kebutuhan komputasi dan potensi hallucination. Disimpulkan bahwa T5 merupakan pendekatan efektif untuk ringkasan otomatis teks bahasa Indonesia.
Copyrights © 2025