Melola Discovery

← Melola Discovery

Jurnal SINTA 2

EKSTRAKSI TRENDING ISSUE DENGAN PENDEKATAN DISTRIBUSI KATA PADA PEMBOBOTAN TERM UNTUK PERINGKASAN MULTI-DOKUMEN BERITA

JUTI: Jurnal Ilmiah Teknologi Informasi · Vol. 14 No. 2 (2016) · pp. 180–189

DOI
10.12962/j24068535.v14i2.a570
ISSN
2406-8535, 1412-6389
Published
2016-07-01
Publisher
Institut Teknologi Sepuluh Nopember
Language
eng

Abstract

Penggunaan trending issue dari media sosial Twitter sebagai kalimat penting efektif dalam proses peringkasan dokumen dikarenakan trending issue memiliki kedekatan kata kunci terhadap sebuah kejadian berita yang sedang berlangsung. Pembobotan term dengan TFIDF yang hanya berbasis pada dokumen itu tidak cukup untuk menentukan in-deks dari suatu dokumen. Penentuan indeks yang akurat juga bergantung pada nilai informatif suatu term terhadap kelas atau cluster. Term yang sering muncul di banyak kelas atau cluster seharusnya tidak menjadi term yang penting meskipun nilai TFIDF-nya tinggi. Penelitian ini bertujuan untuk melakukan peringkasan multi dokumen berita menggunakan ekstraksi trending issue dengan pendekatan term distribution on centroid based (TDCB) pada pembobotan fitur dan mengintegrasikannya dengan query expansion sebagai kata kunci dalam peringkasan dokumen. Metode TDCB dilakukan dengan mempertimbangkan adanya kemunculan sub topic dari cluster hasil pengelompokan tweets yang dapat dijadikan nilai informatif tambahan dalam penentuan pembobotan kalimat penting penyusunan ringkasan. Tahapan yang dilakukan untuk menghasilkan ringkasan multi dokumen berita antara lain ekstraksi trending issue, query expansion, auto labelling, seleksi berita, ekstraksi fitur berita, pembobotan kalimat penting dan penyusunan ringkasan. Hasil percobaan menunjukan metode peringkasan dokumen dengan menambahkan nilai informatif sub topic trending issue NeFTIS-TDCB menunjukan nilai rata-rata max-ROUGE-1 terbesar 0.8615 untuk n=30 dari seluruh varian topik berita.

Collaboration network of the authors

40 authors · 87 co-authorship links · 5 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
  • 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 Nopember7
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
Aryo HartoInstitut Teknologi Sepuluh Nopember2
Wempy Aditya WiryawanAffiliation unknown1
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
Mamluatul Hani`ahInstitut 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

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">EKSTRAKSI TRENDING ISSUE DENGAN PENDEKATAN DISTRIBUSI KATA PADA PEMBOBOTAN TERM UNTUK PERINGKASAN MULTI-DOKUMEN BERITA</dc:title>
	<dc:creator xml:lang="en">Aditya, Christian Sri Kusuma</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">Penggunaan trending issue dari media sosial Twitter sebagai kalimat penting efektif dalam proses peringkasan dokumen dikarenakan trending issue memiliki kedekatan kata kunci terhadap sebuah kejadian berita yang sedang berlangsung. Pembobotan term dengan TFIDF yang hanya berbasis pada dokumen itu tidak cukup untuk menentukan in-deks dari suatu dokumen. Penentuan indeks yang akurat juga bergantung pada nilai informatif suatu term terhadap kelas atau cluster. Term yang sering muncul di banyak kelas atau cluster seharusnya tidak menjadi term yang penting meskipun nilai TFIDF-nya tinggi. Penelitian ini bertujuan untuk melakukan peringkasan multi dokumen berita menggunakan ekstraksi trending issue dengan pendekatan term distribution on centroid based (TDCB) pada pembobotan fitur dan mengintegrasikannya dengan query expansion sebagai kata kunci dalam peringkasan dokumen. Metode TDCB dilakukan dengan mempertimbangkan adanya kemunculan sub topic dari cluster hasil pengelompokan tweets yang dapat dijadikan nilai informatif tambahan dalam penentuan pembobotan kalimat penting penyusunan ringkasan. Tahapan yang dilakukan untuk menghasilkan ringkasan multi dokumen berita antara lain ekstraksi trending issue, query expansion, auto labelling, seleksi berita, ekstraksi fitur berita, pembobotan kalimat penting dan penyusunan ringkasan. Hasil percobaan menunjukan metode peringkasan dokumen dengan menambahkan nilai informatif sub topic trending issue NeFTIS-TDCB menunjukan nilai rata-rata max-ROUGE-1 terbesar 0.8615 untuk n=30 dari seluruh varian topik berita.</dc:description>
	<dc:publisher xml:lang="en">Institut Teknologi Sepuluh Nopember</dc:publisher>
	<dc:date>2016-07-01</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/570</dc:identifier>
	<dc:identifier>10.12962/j24068535.v14i2.a570</dc:identifier>
	<dc:source xml:lang="en">JUTI: Jurnal Ilmiah Teknologi Informasi; Vol 14, No. 2, Juli 2016; 180-189</dc:source>
	<dc:source>2406-8535</dc:source>
	<dc:source>1412-6389</dc:source>
	<dc:source>10.12962/j24068535.v14i2</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://juti.if.its.ac.id/index.php/juti/article/view/570/321</dc:relation>
</oai_dc:dc>