Pembangkitan keterangan gambar berita merupakan persoalan yang sulit. Hal ini
dikarenakan pertama, keterangan gambar yang dibangkitkan harus sejalan dengan
isi berita atau artikel yang memuat gambar tersebut, kemudian, berbeda dengan
keterangan gambar pada umumnya, banyak keterangan gambar berita yang
memiliki entitas bernama seperti nama orang di dalam keterangan gambarnya.
Kedua hal ini membuat persoalan pembangkitan keterangan gambar berita menjadi
lebih sulit dari pembangkitan keterangan gambar umum.
Saat ini, teknik pembelajaran mesin yang digunakan untuk pembangkitan
keterangan gambar berita adalah supervised learning dimana proses pembelajaran
menggunakan data yang berpasangan antara gambar, keterangan, dan artikel
beritanya. Kebergantungan antara gambar dan keterangan ini membuat dataset
keterangan gambar berita cukup sulit untuk didapati. Pada penelititan ini penulis
mencoba untuk memutuskan kebergantungan tersebut dengan melatih pembangkit
keterangan gambar berita menggunakan teknik unsupervised learning.
Pada tugas akhir ini dilakukan pemodifikasiaan terhadap model GAN (generative
adversarial network) untuk image captioning oleh Feng dkk. (2019) dengan
menambahkan modul named entity insertion oleh Biten dkk (2019). Sehingga
model GAN yang dibangun dapat membangkitkan keterangan untuk gambar berita
seperti halnya dengan keterangan untuk gambar umum.
v
Berdasarkan hasil yang diperoleh didapati bahwa penggunaan teknik unsupervised
learning untuk pembangkit keterangan gambar berita dapat dilakukan dan dapat
menghasilkan keterangan gambar yang cukup baik dengan skor pada metrik BLEU-
4, ROUGE, CIDEr, Precission, dan Recall: 0.4249%, 11.8680%, 9.2483%, 4.49,
dan 3.37.