Perpustakaan Digital ITB

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.