Saraswati, Nirmala Fa’izah (2018) Peringkasan Teks Otomatis Menggunakan Metode Maximum Marginal Relevance Pada Hasil Pencarian Sistem Temu Kembali Informasi Untuk Artikel Berbahasa Indonesia. Sarjana thesis, Universitas Brawijaya.
Abstract
Mesin pencarian informasi merupakan sistem yang menampilkan dokumen sesuai dengan query masukan dari user. Namun, mesin pencari memberikan hasil perolehan pencarian yang sangat banyak, sehingga untuk mencari sebuah dokumen yang diinginkan tidak mungkin untuk membuka satu persatu dokumen yang dihasilkan oleh mesin pencari. Peringkasan teks dapat dilakukan untuk mendapatkan sebuah gambaran informasi dari sebuah dokumen, sehingga pengguna memperoleh dokumen yang tepat. Salah satu metode untuk meringkas teks adalah Maximum Marginal Relevance (MMR). Maximum Marginal Relevance (MMR) merupakan salah satu metode ekstraksi ringkasan (extractive summary) yang digunakan untuk meringkas dokumen tunggal atau multi dokumen. MMR meringkas dokumen dengan menghitung kesamaan (similarity) antara kalimat dengan kalimat dan antara kalimat dengan query. Berdasarkan hasil pengujian didapatkan hasil rata-rata Precision at k terbaik pada peringkat ke lima sebesar 0,96 untuk hasil sistem temu kembali informasi. Hasil pengujian terbaik dari rata-rata precision, recall, f-measure dan akurasi masing-masing sebesar 0,70, 0,75, 0,70 dan 74,17. Metode yang digunakan sudah cukup baik untuk mendapatkan dokumen yang relevan dengan query dan memperoleh ringkasan berdasarkan judul yang sesuai dengan isi dari dokumen.
English Abstract
Information retrieval is a system that displays documents according to the query given by user. However, the information retrieval system provide a lot of search results, when we are looking for a desired information is not possible to open one by one documents generated by system. Text Summarization can be done to get an overview of information from a document, so that user get the right documents. One method to summarize text is Maximum Marginal Relevance (MMR). Maximum Marginal Relevance (MMR) is one of the extractive summary methods used to summarize single or multi document documents. MMR summarizes documents by computing the similarity between sentences and sentences, and between sentences and queries. Based on the test results, it obtain best Precision at k in the fifth rank of 0.96 for information retrieval system results. The best test results from an average precision, recall, f-measure and accuracy respectively 0.70, 0.75, 0.70 and 74.17. The used method is good enough to get the relevant documents and obtain summaries based on the title corresponding to the contents of the document.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/428/051807588 |
| Uncontrolled Keywords: | peringkasan teks, maximum marginal relevance, MMR, sistem temu kembali informasi, STKI text summarization, maximum marginal relevance, MMR, information retrieval, IR |
| Subjects: | 000 Computer science, information and general works > 025 Operations of libraries, archives, information centers > 025.5 Services for users > 025.52 Reference and information services > 025.524 Information search and retrieval |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 29 Mar 2019 02:30 |
| Last Modified: | 29 Mar 2019 02:30 |
| URI: | http://repository.ub.ac.id/id/eprint/14007 |
Actions (login required)
 |
View Item |