OTOMATISASI MULTI DOKUMEN BERITA DAN SUMMARIZATION BERBASIS SENTENCE-BERT DAN KOMBINASI FITUR

Perkembangan media online menyebabkan meningkatnya jumlah berita yang membahas peristiwa serupa dari berbagai sudut pandang. Kondisi ini menimbulkan informasi yang tumpang tindih dan redundan sehingga pembaca harus membaca banyak artikel untuk memahami satu topik secara utuh. Penelitian ini bertujuan mengembangkan sistem otomatis yang mampu mengelompokkan berita berdasarkan kesamaan topik serta menghasilkan ringkasan multi-dokumen yang informatif dan minim redundansi. Proses pengelompokan dilakukan menggunakan Sentence-BERT (SBERT) untuk menghasilkan representasi embedding dokumen, kemudian tingkat kemiripan dihitung menggunakan Cosine Similarity dan dikelompokkan menggunakan Graph Clustering. Setelah terbentuk klaster berita dengan topik serupa, dilakukan proses extractive summarization menggunakan kombinasi empat fitur, yaitu relevansi berbasis centroid, novelty, posisi kalimat, dan keyword berbasis YAKE. Dataset penelitian diperoleh melalui web scraping portal berita CNN Indonesia dan Detik.com. Kualitas ringkasan dievaluasi menggunakan metrik ROUGE dan BERTScore. Hasil penelitian menunjukkan bahwa sistem utama yang mengombinasikan keempat fitur menghasilkan nilai ROUGE-1 sebesar 0,4980, ROUGE-2 sebesar 0,2630, dan ROUGE-L sebesar 0,4710, dengan rata-rata F1 sebesar 0,4107. Nilai ROUGE-1 yang melebihi ambang batas 0,48 menunjukkan bahwa kualitas ringkasan termasuk kategori A+. Selain itu, evaluasi semantik menggunakan BERTScore menunjukkan bahwa penerapan pendekatan greedy sequential novelty dengan penurunan novelty threshold dari τ 0,95 menjadi τ 0,70 meningkatkan kualitas ringkasan, dengan BERTScore F1 tertinggi sebesar 0,8067. Hasil tersebut menunjukkan bahwa kombinasi pengelompokan berbasis SBERT dengan fitur centroid, novelty, posisi kalimat, dan keyword berbasis YAKE mampu menghasilkan ringkasan multi-dokumen berita berbahasa Indonesia yang lebih akurat, informatif, dan minim redundansi.