Perkembangan teknologi informasi menyebabkan jumlah dokumen berita yang tersedia di media digital semakin meningkat. Kondisi tersebut membuat pembaca membutuhkan waktu yang cukup lama untuk memahami keseluruhan isi berita, terutama karena dokumen berita umumnya memiliki teks yang panjang dan terdiri dari banyak paragraf. Proses peringkasan secara manual juga kurang efektif apabila jumlah berita yang harus dibaca cukup banyak. Selain itu, metode peringkasan yang hanya mempertimbangkan kata atau kalimat tertentu dapat menyebabkan informasi penting terlewat serta menghasilkan ringkasan yang kurang sesuai dengan konteks berita. Penelitian ini bertujuan untuk membangun sistem Automatic Text Summarization yang dapat menghasilkan ringkasan dokumen berita secara otomatis dengan mempertahankan informasi utama dari teks asli. Metode yang digunakan adalah pendekatan berbasis Transformer yang memiliki kemampuan dalam memahami hubungan antar kata, kalimat, dan konteks dalam suatu dokumen. Tahapan penelitian meliputi pengumpulan data berita, preprocessing teks, penerapan model Transformer, proses peringkasan, serta evaluasi terhadap hasil ringkasan menggunakan metrik ROUGE dan BLEU. Hasil pengujian menunjukkan nilai ROUGE-1 F1 sebesar 43,48%, ROUGE-2 F1 sebesar 41,79%, ROUGE-L F1 sebesar 43,48%, serta BLEU-4 sebesar 7,43%. Sistem mampu mereduksi dokumen berita sebesar 71,38% dari panjang teks asli. Dengan demikian, penerapan Automatic Text Summarization berbasis Transformer dapat membantu pembaca memperoleh inti informasi berita secara lebih cepat dan efisien tanpa harus membaca keseluruhan dokumen.
Copyrights © 2026