Implementasi Pendekatan Abstraktif Pada Peringkasan Teks Bahasa Indonesia Menggunakan Metode Recurrent Neural Network
Total View This Week0

Institusion

Universitas Komputer Indonesia

Author

Bonovan, Reyhan

Subject

004_Data Processing & Computer Science 

Datestamp

2022-01-18 03:35:20 

Abstract :
Penelitian ini bertujuan untuk mengetahui seberapa besar performa Gated Recurrent Unit, dalam pembuatan peringkasan teks abstraktif. Peringkasan merupakan sebuah proses untuk menghasilkan ringkasan dari sebuah dokumen atau makalah yang digunakan untuk mendapatkan sebuah informasi. Peringkasan sendiri mempunya dua tipe yaitu ekstraktif dan abstraktif. Penelitian yang dilakukan untuk meringkas teks ini menggunakan metode Gated Recurrent Unit (GRU) dengan word embedding untuk melakukan peringkasan teks. Berdasarkan hasil penelitian dan pengujian yang telah dilakukan dapat diketahui dengan menggunakan metode Gated Recurrent Unit, Nilai rata-rata uji coba pertama yang menggunakan stopword removal didapatkan nilai Rouge-1 sebesar 0.4841, Rouge-2 sebesar 0.2387 dan Rouge-L sebesar 0.4827, sedangkan uji coba kedua dengan dilakukannya uji coba tanpa menggunakan stopword removal mendapatkan nilai rata-rata Rouge-1 sebesar 0.4466, Rouge-2 sebesar 0.2063, dan Rouge-L sebesar 0.4417. Kata kunci: Peringkasan Teks Abstraktif, Gated Recurrent Unit, Recurrent Neural Network, Deep Learning, Word embedding. 

File :
UNIKOM_REYHAN BONOVAN_COVER.pdf
UNIKOM_REYHAN BONOVAN_LEMBAR PENGESAHAN.pdf
UNIKOM_REYHAN BONOVAN_BAB 5.pdf
UNIKOM_REYHAN BONOVAN_DAFTAR PUSTAKA.pdf
UNIKOM_REYHAN BONOVAN_KONTAK PENULIS DAN KONTRIBUTOR.pdf
UNIKOM_REYHAN BONOVAN_SURAT KETERANGAN PUBLIKASI.pdf
UNIKOM_REYHAN BONOVAN_PERNYATAAN ORISINALITAS.pdf
UNIKOM_REYHAN BONOVAN_KATA PENGANTAR.pdf
UNIKOM_REYHAN BONOVAN_DAFTAR ISI.pdf
UNIKOM_REYHAN BONOVAN_BAB 1.pdf
UNIKOM_REYHAN BONOVAN_BAB 2.pdf
UNIKOM_REYHAN BONOVAN_BAB 3.pdf
UNIKOM_REYHAN BONOVAN_BAB 4.pdf