Peringkasan Teks Otomatis

foto gambar buku, foto sendiri

Perkembangan teknologi dan pertumbuhan informasi yang eksponensial secara tidak langsung membutuhkan peringkasan teks otomatis untuk mengurangi waktu dan tenaga untuk menemukan informasi yang ringkas dan relevan berdasarkan query. Meringkas sendiri adalah mereduksi isi teks dengan tetap menjaga makna teks. Ringkasan yang baik memberikan ringkasan singkat tentang poin-poin penting dalam bagian tertentu.

Dalam membuat sebuah artikel yang mengenai perkembangan teknologi dalam bidang membuat konsep tentang teknologi yang sedang di buat, yang pertama harus membuat struktur dan konsepnya terlebih dahulu. Untuk membuat konsep tentunya menggunakan sebuah referensi catatan yang sangat banyak, untuk itu tidak semua referensi catatan yang dibutuhkan bermanfaat untuk konsep yang sedang di buat. Tentu membutuhkan peringkasan teks otomatis untuk mencari hal yang penting yang bisa di tarik dalam membuat sebuah konsep.

Peringkasan teks telah banyak digunakan dalam berbagai bidang seperti sains, pendidikan, hukum, kedokteran, teknik dan sebagainya. Para peneliti berfokus pada penulisan ringkasan resep dokter, yang terbukti sangat berguna bagi pasien. Demikian pula, artikel berita berbentuk panjang diringkas sehingga pembaca bisa mendapatkan banyak informasi tentang beberapa informasi dalam waktu singkat.

Berdasarkan penelitian sebelumnya oleh Siddhant Upasani et al. (2020), dengan menggunakan rendah dari F1-Score. Sedangkan menurut penelitian J.N. Madhuri Ganesh kumar. R (2019), dengan menggunakan metode ekstraksi dan metode Sentence Ranking, yang menyatakan bahwa nilai MS word dari abstrak sistem yang dihasilkan lebih rendah dari pada dokumen. Sementara itu, dalam penelitian lain, menurut Hans Christian dkk (2016), penggunaan metode TF-IDF menunjukkan bahwa penekanan dokumen tunggal menggunakan TF-IDF akurat 67%.

Dalam penelitian yang dikembangkan oleh anak ittp "Institute Teknologi Telkom Purwokerto", ini peneliti menggunakan metode TF-IDF dan Sentence Ranking untuk dibandingkan dengan Online Summarization dengan Rouge Evaluation. Tujuan dari penelitian ini adalah untuk mengetahui implementasi algoritma TF-IDF dan peringkasan teks otomatis untuk peringkat kalimat. Penelitian ini merupakan penelitian yang membandingkan hasil peringkasan menggunakan peringkasan teks otomatis dengan TF-IDF, pemeringkatan kalimat, aplikasi peringkasan online.

Manfaat dari penelitian ini diharapkan dapat mempermudah dan mempersingkat waktu yang dibutuhkan pengguna untuk memperoleh informasi umum dari teks/dokumen, dan memberikan pengetahuan baru kepada pembaca tentang cara mengimplementasikan algoritma TF-IDF dan pengurutan kalimat dalam peringkasan teks otomatis..