<![CDATA[Pesatnya pertumbuhan informasi berita digital menuntut efisiensi dalam proses konsumsi informasi melalui ringkasan teks otomatis. Penelitian ini bertujuan untuk mengimplementasikan metode peringkasan teks ekstraktif menggunakan integrasi model bahasa IndoBERT dan algoritma TextRank untuk menghasilkan ringkasan berita berbahasa Indonesia yang akurat. Metodologi yang digunakan meliputi tahapan pra-pemrosesan data yang komprehensif untuk mengeliminasi noise jurnalistik, dilanjutkan dengan representasi semantik kalimat menggunakan embedding dari model praterlatih IndoBERT. Hubungan semantik antar kalimat tersebut kemudian dimodelkan ke dalam struktur graf, di mana tingkat kepentingan setiap kalimat dihitung menggunakan algoritma PageRank. Pengujian dilakukan terhadap 3.000 sampel data dari dataset IndoSum. Hasil evaluasi menggunakan metrik ROUGE menunjukkan performa yang menjanjikan dengan nilai rata-rata ROUGE-1 sebesar 0,412, ROUGE-2 sebesar 0,276, dan ROUGE-L sebesar 0,334. Temuan ini mengindikasikan bahwa penggunaan contextual embedding IndoBERT mampu menangkap esensi informasi dan keterkaitan makna antar kalimat secara lebih mendalam dibandingkan metode konvensional. Simpulan dari penelitian ini menunjukkan bahwa integrasi IndoBERT dengan TextRank efektif dalam menghasilkan ringkasan berita yang koheren dan representatif, sehingga layak diaplikasikan sebagai solusi otomasi pengolahan informasi berita di Indonesia.]]>
Copyrights © 2026
