Abstrak
PUBLIC karya
COVER Verena Severina
Terbatas  karya
» Gedung UPT Perpustakaan
Terbatas  karya
» Gedung UPT Perpustakaan
BAB 1 Verena Severina
Terbatas  karya
» Gedung UPT Perpustakaan
Terbatas  karya
» Gedung UPT Perpustakaan
BAB 2 Verena Severina
Terbatas  karya
» Gedung UPT Perpustakaan
Terbatas  karya
» Gedung UPT Perpustakaan
BAB 3 Verena Severina
Terbatas  karya
» Gedung UPT Perpustakaan
Terbatas  karya
» Gedung UPT Perpustakaan
BAB 4 Verena Severina
Terbatas  karya
» Gedung UPT Perpustakaan
Terbatas  karya
» Gedung UPT Perpustakaan
BAB 5 Verena Severina
Terbatas  karya
» Gedung UPT Perpustakaan
Terbatas  karya
» Gedung UPT Perpustakaan
BAB 6 Verena Severina
Terbatas  karya
» Gedung UPT Perpustakaan
Terbatas  karya
» Gedung UPT Perpustakaan
PUSTAKA Verena Severina
Terbatas  karya
» Gedung UPT Perpustakaan
Terbatas  karya
» Gedung UPT Perpustakaan
Peringkasan otomatis diperlukan untuk mempermudah persebaran informasi yang ada.
Peringkasan abstraktif untuk Bahasa Inggris dengan menggunakan graf Abstract Meaning
Representation (AMR) dapat menangkap struktur predikat-argumen dalam penggabungan
informasi sehingga menyebabkan peringkasan yang lebih koheren. Namun, metode
peringkasan yang ini dirancang untuk meringkas satu dokumen berbahasa Inggris. Pada tugas
akhir ini diimplementasikan peringkasan berbasis AMR untuk multidokumen berbahasa
Indonesia.
Terdapat dua tantangan dalam tugas akhir ini, yaitu merepresentasikan dokumen sumber ke
graf AMR Bahasa Indonesia dan adaptasi untuk multidokumen. Untuk representasi graf
Abstract Meaning Representation Bahasa Indonesia dirancang sekumpulan aturan dan kamus.
Graf Abstract Meaning Representation diseleksi menjadi graf ringkasan dengan melakukan
ekstraksi fitur, penerapan Integer Linear Programming (ILP), dan penentuan parameter dengan
perceptron. Peringkasan multidokumen dibuat dengan melakukan seleksi kalimat yang akan
diringkas dengan Agglomerative Hierarchical Clustering yang memilih satu kalimat dari setiap
kluster.
Eksperimen dilakukan untuk penentuan jumlah epoch yang dilakukan untuk pembelajaran
bobot yang digunakan untuk seleksi graf, dan menentukan threshold dari jarak antar anggota
kluster yang dihasilkan Agglomerative Hierarchical Clustering. Hasil pengujian yang
dilakukan adalah ROUGE-1 dan ROUGE-2. Dari pengujian yang dilakukan maka hasil
peringkasan paling tinggi dengan menggunakan threshold clustering 5% dan epoch 1 kali.