Perpustakaan Digital ITB

Pesatnya pertumbuhan informasi digital menyebabkan jumlah berita yang tersedia di internet diperkirakan telah mencapai lebih dari 4,5 miliar halaman. Kondisi tersebut menyulitkan individu maupun organisasi dalam memperoleh informasi yang relevan secara cepat, sehingga proses pengambilan keputusan menjadi kurang efisien. Salah satu solusi untuk mengatasi permasalahan tersebut adalah penerapan peringkasan teks otomatis yang mampu menghasilkan ringkasan secara koheren dengan tetap mempertahankan informasi penting dari dokumen sumber. Untuk menghasilkan ringkasan yang lebih alami, pendekatan yang digunakan adalah peringkasan abstraktif. Namun, model peringkasan abstraktif masih menghadapi tantangan dalam menangkap hubungan semantik yang kompleks antarbagian teks sehingga kualitas ringkasan yang dihasilkan belum optimal. Penelitian sebelumnya telah memanfaatkan Semantic Role Labeling (SRL) untuk membangun Predicate-Argument Structure (PAS) yang kemudian diringkas menggunakan aturan heuristik dan SimpleNLG. Meskipun demikian, pendekatan tersebut menghasilkan ringkasan melalui penggabungan kalimat sehingga kosakata yang digunakan tetap terbatas pada kata-kata yang terdapat dalam dokumen sumber. Di sisi lain, penerapan hierarchical attention dengan representasi graf berbasis similaritas TF-IDF telah menunjukkan kinerja yang baik dalam tugas peringkasan abstraktif. Oleh karena itu, penelitian ini bertujuan mengembangkan model peringkasan berita berbahasa Indonesia secara abstraktif dengan mengintegrasikan arsitektur hierarchical attention dan representasi graf semantik berbasis Semantic Role Labeling (SRL). Penelitian sebelumnya menunjukkan bahwa penggunaan graf semantik dapat membantu model memahami konteks dokumen dengan lebih baik dibanding menggunakan graf similaritas seperti TF-IDF dan cosine similarity. Oleh karena itu, penelitian ini menggunakan SRL sebagai dasar pembentukan graf semantik. Penggunaan SRL memungkinkan identifikasi peran entitas terhadap predikat, seperti agent, theme, dan result, yang kemudian dipetakan ke dalam struktur graf. Pembangunan graf semantik dilakukan dengan menghitung similaritas antar Predicate-Argument Structures (PAS) menggunakan word embedding Word2Vec yang dilatih khusus pada data berita Indonesia. Graf semantik ini kemudian diintegrasikan ke dalam arsitektur encoder-decoder yang mengadopsi mekanisme hierarchical attention untuk memberikan bobot pada kalimat-kalimat yang memiliki kepentingan informasi yang lebih tinggi. Penggunaan hierarchical attention untuk peringkasan telah digunakan sebelumnya dan memiliki hasil yang cukup baik. Namun, pada penelitian tersebut, hierarchical attention masih menggunakan graf similaritas TF-IDF. Penelitian ini membandingkan kinerja model berbasis graf similaritas TF-IDF (sebagai baseline) dengan graf semantik berbasis SRL, serta melakukan eksperimen integrasi model bahasa pra-latih IndoBERT. Untuk menguji efektivitas metode yang diusulkan, penelitian ini menggunakan dataset Liputan6 yang terdiri dari pasangan dokumen berita dan ringkasan yang berjumlah 215,827 pasangan. Proses eksperimen dilakukan dengan skenario one-factor-at-a-time untuk menemukan konfigurasi hyperparameter terbaik, termasuk variasi hidden dimension, jumlah attention heads, dan lapisan transformer. Hasil eksperimen menunjukkan bahwa penggunaan SRL sebagai representasi graf semantik tidak adanya perbedaan yang signifikan dengan representasi graf TF-IDF pada uji statistik. Performa tertinggi dicapai melalui integrasi model IndoBERT sebagai lapisan embedding, yang menghasilkan skor ROUGE-1 0,3447, ROUGE-2 0,1674, dan ROUGE-L 0,2879 pada data uji. Penelitian ini menyimpulkan bahwa kombinasi graf semantik SRL dan model bahasa pra-latih efektif dalam meningkatkan kualitas serta koherensi hasil peringkasan teks berita berbahasa Indonesia.