PERINGKASAN TEKS OTOMATIS UNTUK BAHASA INDONESIA BERBASIS NATURAL LANGUAGE PROCESSING DAN JARINGAN SYARAF TIRUAN

Peringkasan Teks Otomatis adalah salah satu bidang Information Retrieval (IR) yang menawarkan solusi untuk mencari informasi penting dalam suatu dokumen, dengan adanya peringkasan teks maka dokumen yang tersimpan didalam database tidak akan overload, waktu retrieval akan semakin cepat. Sejauh ini banyak implementasi tentang Peringkasan Teks Otomatis tetapi hasil nilai akurasinya rendah. Sehingga dalam penelitian ini dikembangkan aplikasi Peringkasan Teks Otomatis Berbahasa Indonesia Berbasis Natural Language Processing dan Jaringan Syaraf Tiruan. Metode Single Layer Perceptron (SLP ) merupakan metode pembelajaran terbimbing pertama dalam JST. SLP ini dipilih karena salah satu bentuk JST yang sederhana. Nilai threshold SLP bisa dilatih sehingga sistem secara otomatis menentukan kalimat penting mana yang akan dijadikan ringkasan. Perhitungan bobot term berdasar prinsip Tf*Idf kemudian dilakukan 6 klasifikasi NLP yakni Bias, Nominal, Verbal, Adjectiv, Adverb dan Numerik. Hasilnya diklasifikasikan menjadi kalimat penting dan tidak penting. Proses evaluasi dihitung berdasarkan teks yang diringkas oleh ahli Tata Bahasa Indonesia menggunakan Majority Opinion. Dari hasil penelitian menunjukkan nilai rata-rata Precision sebesar 70.4 % , nilai rata-rata Recall sebesar 91,5 % , nilai rata-rata F-Measures sebesar 78,8 % dan nilai Accuracy sebesar 68,3 %.