Melola Discovery

← Melola Discovery

Jurnal SINTA 2

PEMBOBOTAN KALIMAT BERDASARKAN FITUR BERITA DAN TRENDING ISSUE UNTUK PERINGKASAN MULTI DOKUMEN BERITA

JUTI: Jurnal Ilmiah Teknologi Informasi · Vol. 13 No. 1 (2015) · pp. 38–44

DOI
10.12962/j24068535.v13i1.a386
ISSN
2406-8535, 1412-6389
Published
2015-01-01
Publisher
Institut Teknologi Sepuluh Nopember
Language
eng

Abstract

Ringkasan berita diartikan sebagai teks yang dihasilkan dari satu atau lebih kalimat yang menyampaikan informasi penting dari berita. Salah satu fase penting dalam peringkasan adalah pembobotan kalimat (sentence scoring). Dimana pada peringkasan berita, metode pembobotannya sebagian besar menggunakan fitur dari berita sendiri. Padahal dalam satu topik berita dimungkinkan adanya multiple issue. Dari multiple issue biasanya hanya ada satu isu yang menjadi pokok pembicaraan yang disebut dengan Trending Issue. Trending Issue inilah yang harusnya dipertimbangkan pada proses peringkasan berita sehingga ringkasan yang dihasilkan lebih koheren. Penelitian ini bertujuan untuk meringkas multi berita menggunakan metode pembobotan berdasarkan Trending Issue dengan tetap mempertimbangkan fitur penting berita, yaitu word frequency, TF-IDF, posisi kalimat, dan kemiripan kalimat terhadap judul (NeFTIS). Dimana Trending Issue didapatkan dari data Twitter dengan cara mengelompokkan tweets kemudian melakukan ekstraksi isu pada tiap kelompok yang terbentuk. Selanjutnya tiap isu diberikan bobot menggunakan konsep Cluster Importance (CI). Isu dengan bobot terbesar yang akan dipilih sebagai Trending Issue. Ada 5 tahap yang dilakukan untuk menghasilkan ringkasan multi berita dengan menggunakan NeFTIS, yaitu ekstraksi Trending Issue, seleksi berita, ekstraksi fitur berita, penghitungan total bobot kalimat, dan penyusunan ringkasan. Untuk mengukur kualitas sistem digunakan metode evaluasi ROUGE-1 dengan menganalisa performa dari hasil ringkasan dengan menggunakan metode pembobotan NeFTIS dibandingkan dengan hasil ringkasan dengan hanya menggunakan fitur berita (NeFS). Hasil rata-rata max-ROUGE-1 untuk seluruh variasi jumlah kalimat yang menyusun ringkasan (n) menunjukan bahwa metode pembobotan NeFTIS lebih akurat dibanding dengan metode pembobotan NeFS dengan nilai rata-rata max-ROUGE-1 terbesar 0.8201 untuk n=30.

Collaboration network of the authors

40 authors · 85 co-authorship links · 7 across different organisations · showing the 40 most connected

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Institut Teknologi Sepuluh Nopember
  • University of Brawijaya
  • Universitas Muhammadiyah Malang
  • University of Indonesia
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Nanik SuciatiInstitut Teknologi Sepuluh Nopember11
Agus Zainal ArifinInstitut Teknologi Sepuluh Nopember6
Handayani TjandrasaInstitut Teknologi Sepuluh Nopember4
Agus Budi RaharjoInstitut Teknologi Sepuluh Nopember4
Hilya TsaniyaInstitut Teknologi Sepuluh Nopember4
Siti RochimahInstitut Teknologi Sepuluh Nopember3
Anny YuniartiInstitut Teknologi Sepuluh Nopember3
Rizka Wakhidatus SholikahInstitut Teknologi Sepuluh Nopember3
Yudhi PurwanantoInstitut Teknologi Sepuluh Nopember3
Fahrur RoziInstitut Teknologi Sepuluh Nopember3
Hari GinardiInstitut Teknologi Sepuluh Nopember2
Ahmad SaikhuInstitut Teknologi Sepuluh Nopember2
Apriantoni ApriantoniInstitut Teknologi Sepuluh Nopember2
Bilqis AmaliahInstitut Teknologi Sepuluh Nopember1
M. Rahmat WidyantoUniversity of Indonesia1
Khoirul UmamInstitut Teknologi Sepuluh Nopember1
Fidi Wincoko PutroInstitut Teknologi Sepuluh Nopember1
Gulpi Qorik Oktagalu PratamasunuAffiliation unknown1
Khadijah Fahmi Hayati HolleInstitut Teknologi Sepuluh Nopember1
Jayanti Yusmah SariInstitut Teknologi Sepuluh Nopember1
Arif FadllullahInstitut Teknologi Sepuluh Nopember1
Dasrit Debora KamudiInstitut Teknologi Sepuluh Nopember1
Muhamad NasirInstitut Teknologi Sepuluh Nopember1
Mutmainnah MuchtarInstitut Teknologi Sepuluh Nopember1
Dhian KartikaAffiliation unknown1
Evan TanuwijayaInstitut Teknologi Sepuluh Nopember1
Yuita Arum SariUniversity of Brawijaya1
Ratih Kartika DewiUniversity of Brawijaya1
Umi Laili YuhanaInstitut Teknologi Sepuluh Nopember1
Daniel SiahaanInstitut Teknologi Sepuluh Nopember1
Dian SaputraAffiliation unknown1
Esti YuniarAffiliation unknown1
Junaidi JunaidiAffiliation unknown1
Febriliyan SamopaInstitut Teknologi Sepuluh Nopember1
Ade AfrianAffiliation unknown1
Faida RoyaniAffiliation unknown1
Yos NugrohoAffiliation unknown1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://juti.if.its.ac.id/index.php/juti/oai, first harvested 26 Okt 2026, last seen 26 Okt 2026.
Original metadata (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en">PEMBOBOTAN KALIMAT BERDASARKAN FITUR BERITA DAN TRENDING ISSUE UNTUK PERINGKASAN MULTI DOKUMEN BERITA</dc:title>
	<dc:creator xml:lang="en">Hayatin, Nur</dc:creator>
	<dc:creator xml:lang="en">Fatichah, Chastine</dc:creator>
	<dc:creator xml:lang="en">Purwitasari, Diana</dc:creator>
	<dc:description xml:lang="en">Ringkasan berita diartikan sebagai teks yang dihasilkan dari satu atau lebih kalimat yang menyampaikan informasi penting dari berita. Salah satu fase penting dalam peringkasan adalah pembobotan kalimat (sentence scoring). Dimana pada peringkasan berita, metode pembobotannya sebagian besar menggunakan fitur dari berita sendiri. Padahal dalam satu topik berita dimungkinkan adanya multiple issue. Dari multiple issue biasanya hanya ada satu isu yang menjadi pokok pembicaraan yang disebut dengan Trending Issue. Trending Issue inilah yang harusnya dipertimbangkan pada proses peringkasan berita sehingga ringkasan yang dihasilkan lebih koheren.
         Penelitian ini bertujuan untuk meringkas multi berita menggunakan metode pembobotan berdasarkan Trending Issue dengan tetap mempertimbangkan fitur penting berita, yaitu word frequency, TF-IDF, posisi kalimat, dan kemiripan kalimat terhadap judul (NeFTIS). Dimana Trending Issue didapatkan dari data Twitter dengan cara mengelompokkan tweets kemudian melakukan ekstraksi isu pada tiap kelompok yang terbentuk. Selanjutnya tiap isu diberikan bobot menggunakan konsep Cluster Importance (CI). Isu dengan bobot terbesar yang akan dipilih sebagai Trending Issue.
         Ada 5 tahap yang dilakukan untuk menghasilkan ringkasan multi berita dengan menggunakan NeFTIS, yaitu ekstraksi Trending Issue, seleksi berita, ekstraksi fitur berita, penghitungan total bobot kalimat, dan penyusunan ringkasan. Untuk mengukur kualitas sistem digunakan metode evaluasi ROUGE-1 dengan menganalisa performa dari hasil ringkasan dengan menggunakan metode pembobotan NeFTIS dibandingkan dengan hasil ringkasan dengan hanya menggunakan fitur berita (NeFS). Hasil rata-rata max-ROUGE-1 untuk seluruh variasi jumlah kalimat yang menyusun ringkasan (n) menunjukan bahwa metode pembobotan NeFTIS lebih akurat dibanding dengan metode pembobotan NeFS dengan nilai rata-rata max-ROUGE-1 terbesar 0.8201 untuk n=30.</dc:description>
	<dc:publisher xml:lang="en">Institut Teknologi Sepuluh Nopember</dc:publisher>
	<dc:date>2015-01-01</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://juti.if.its.ac.id/index.php/juti/article/view/386</dc:identifier>
	<dc:identifier>10.12962/j24068535.v13i1.a386</dc:identifier>
	<dc:source xml:lang="en">JUTI: Jurnal Ilmiah Teknologi Informasi; Vol 13, No 1, Januari 2015; 38-44</dc:source>
	<dc:source>2406-8535</dc:source>
	<dc:source>1412-6389</dc:source>
	<dc:source>10.12962/j24068535.v13i1</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://juti.if.its.ac.id/index.php/juti/article/view/386/275</dc:relation>
</oai_dc:dc>