Perpustakaan Digital ITB

Dalam era komunikasi digital, kebutuhan akan efisiensi dalam pengelolaan informasi rapat semakin mendesak. Karyawan dalam proyek global rata-rata menghabiskan lebih dari 16 jam per minggu dalam rapat, sehingga rekaman dan transkrip menjadi sumber penting bagi pengambilan keputusan. Namun, analisis manual terhadap transkrip rapat sering kali tidak efisien. Penelitian ini mengusulkan pendekatan cascading system yang mengintegrasikan Automatic Speech Recognition (ASR) Whisper dengan Large Language Model (LLM) Deepseek untuk menghasilkan ringkasan abstraktif. Proses ini diperkuat dengan Voice Activity Detection (VAD) serta fine-tuning Sentence Transformer (MiniLM). Metodologi penelitian meliputi persiapan data, pembangunan sistem, dan evaluasi. Dataset yang digunakan berasal dari MeetingBank dan AMI Corpus dengan sebagai data uji pertemuan. Evaluasi dilakukan menggunakan metrik Word Error Rate (WER) untuk transkripsi dan ROUGE Score untuk ringkasan. Hasil eksperimen menunjukkan bahwa penerapan VAD mampu menurunkan WER dari 11,75% menjadi 6,07%. Fine-tuning MiniLM meningkatkan F1-score dari 0,72 menjadi 0,84 dengan akurasi 0,87. Pada tahap peringkasan, kombinasi VAD + MiniLM (fine-tuned) + Deepseek few-shot prompting menghasilkan skor ROUGE-1 sebesar 0,71, ROUGE-2 sebesar 0,53, dan ROUGE-L sebesar 0,57, mendekati ringkasan manual (0,65/0,49/0,55). Dengan demikian, sistem cascading terbukti meningkatkan akurasi transkripsi sekaligus kualitas ringkasan abstraktif.