PERINGKASAN TEKS OTOMATIS PADA BERITA ONLINE DENGAN METODE RESTRICTED BOLTZMANN MACHINE

Artikel berita ialah suatu ide atau fakta atau opini secara aktual yang menarik dan akurat serta dibilang penting untuk sejumlah besar pendengar, pembaca atau penonton. Membaca sebuah berita dengan waktu yang terlalu cepat dan terburu- buru dapat mengakibatkan informasi yang di dapat kurang relevan atau bukan sesuai dengan yang di inginkan. Peringkasan teks dengan penelitian ini dikembangkan dengan metode Restricted Boltzmann Machine (RBM) yang meningkatkan nilai fitur dapat dapat menghasilkan ringkasan yang lebih akurat apabila dibandingkan dengan peringkasan tanpa dengan RBM. Pada penelitian ini digunakan metode Restricted Boltzmann Machin (RBM) untuk melakukan proses peringkasan teks otomatis pada teks berita online sebanyak 100 teks berita dengan pembandingnya adalah ringkasan manual oleh mahasiswa informatika. Dengan percobaan 3 learning rate dan 3 compression rate. Sehingga didapatkan hasil untuk berita dengan kompresi 20% hasil tertinggi teletak pada berita ke-57 dengan learning rate 0,1 dengan tingkat presisi 97%. Kemudian untuk kompresi 30% hasil tertinggi teletak pada berita ke-76 dengan learning rate 0,1 dengan tingkat presisi 97% dan kompresi 50% hasil tertinggi teletak pada berita ke-87 dengan learning rate 0,01 dengan tingkat presisi 86% dan nilai rata rata presisi secara keseluruhan adalah 57%.