PERINGKASAN TEKS PADA ARTIKEL BERITA BAHASA INDONESIA MENGGUNAKAN ALGORITMA TEXTRANK

Teks berita merupakan suatu teks yang bertujuan menginformasikan mengenai suatu hal atau peristiwa yang masih terjadi serta diperbincangkan oleh banyak orang. Semakin banyak situs berita online bermunculan menggantikan koran konvensional mengakibatkan banyaknya berita yang muncul setiap harinya, sehingga mengharuskan pembaca meluangkan banyak waktu untuk membaca begitu banyak berita dengan teks panjang. Permasalahan ini dapat diselesaikan secara otomatis dengan menggunakan peringkasan teks otomatis. Penelitian ini mengimplementasikan algoritma TextRank, yaitu algoritma pemeringkatan yang berbasiskan grafik untuk memproses teks. Keunggulan algoritma ini adalah tidak memperlukan pelatihan menggunakan data training pada algoritma yang digunakan. Penelitian ini melakukan modifikasi pada algoritma TextRank, yaitu dengan menambahkan tahap feature extraction menggunakan metode TF-IDF. Peringkasan teks otomatis pada penelitian ini terdiri dari beberapa proses, yaitu prapemrosesan, pembobotan kalimat, mengitung kesamaan kalimat menggunakan cosine similarity, membuat grafik, dan menghitung nilai TextRank. Evaluasi pada sistem ini menggunakan rata-rata skor recall dari matrik ROUGE. Dari pengujian tersebut, hasil dari penelitian ini didapatkan peringkasan teks artikel berita dengan skor rata-rata hasil evaluasi dimana recall pada ROUGE-1, ROUGE-2, dan ROUGE-L secara berturut-trut sebesar 0.450, 0.176, dan 0,440 dengan top_n yaitu 5 kalimat.