<![CDATA[Ulasan produk pada platform e-commerce merupakan sumber informasi penting bagi konsumen dalam mengevaluasi kualitas produk. Namun, jumlah ulasan yang sangat banyak menyebabkan pengguna kesulitan memperoleh informasi secara cepat dan efisien. Penelitian ini bertujuan membangun sistem peringkasan teks otomatis untuk menghasilkan ringkasan ulasan produk berbahasa Indonesia yang mampu merepresentasikan informasi utama. Metode yang digunakan adalah Latent Semantic Analysis (LSA) dengan pembobotan keyword utama berbasis Term Frequency–Inverse Document Frequency (TF-IDF). Tahapan penelitian meliputi text preprocessing, pembobotan TF-IDF, ekstraksi 20 keyword utama, reduksi dimensi menggunakan Singular Value Decomposition (SVD), perhitungan skor LSA menggunakan metode Steinberger–Jezek, pembentukan ringkasan dengan compression rate 30%, 50%, dan 70%, serta evaluasi menggunakan Cosine Similarity terhadap Expert Summary, GPT Summary, dan Claude Summary. Pengujian dilakukan pada enam kategori produk perawatan dengan total 129.095 ulasan. Hasil menunjukkan sistem berhasil menghasilkan ringkasan pada seluruh kategori dan variasi compression rate. Nilai Cosine Similarity tertinggi diperoleh pada GPT Summary, sedangkan compression rate 50% memberikan keseimbangan terbaik antara tingkat keringkasan dan kelengkapan informasi. Kombinasi LSA dan pembobotan keyword terbukti menghasilkan ringkasan yang representatif untuk membantu pengguna memahami ulasan produk dalam jumlah besar.]]>
Copyrights © 2026
