Lexical Chain dan Word Sense Disambiguation Untuk Peringkasan Artikel Berbahasa Indonesia

Abstract

Text Summarization adalah sebuah proses untuk menghasilkan ringkasan suatu dokumen dengan tidak menghilangkan informasi utama dari artikel. Ada beberapa metode untuk melakukan peringkasan, seperti metode rantai leksikal atau lexical chain yang memiliki kinerja yang baik untuk dokumen peringkasan dokumen tunggal. Meskipun demikian penggunaan metode lexical chain ini masih memiliki kelemahan yaitu tidak dapat mengidentifikasi kata yang berambigu dalam pembentukan lexical chain. Dalam penelitian ini, untuk memperbaiki kekurangan tersebut metode lexical chain dilengkapi dengan word sense disambiguation. Metode lexical chain dengan word sense disambiguation adalah metode pengembangan metode dari lexical chain. Dalam penelitian ini, setiap kata diperiksa ambiguitasnya. Pemeriksaan ini dilakukan untuk mendapatkan akurasi dalam menentukan lexical chain yang sesuai dengan konteks kalimat. Perbedaan mendasar dari metode lexical chain dengan word sense disambiguation dibandingkan dengan lexical chain, yaitu metode lexical chain dengan pengecekan word sense disambiguation sebelum menentukan rantai ambiguitas leksikal sedangan metode asli lexical chain ambiguitas tidak diperiksa. Metode lexical chain dengan word sense disambiguation diterapkan pada peringkasan artikel kesehatan. Dari hasil penelitian ini disimpulkan bahwa metode lexical chain dengan word sense disambiguation dapat memperbaiki kelemahan dalam metode sebelumnya karena metode lexical chain dengan word sense disambiguation dapat mengidentifikasi ambiguitas dan menghasilkan akurasi ringkasan yang lebih baik.

Peringkasan Berita Online Corona Virus dengan Metode Lexical Chain dan Word Sense Disambiguation

“…Peringkas teks otomatis adalah mengambil inti dari berita tanpa mengurangi konten dan makna penting dari berita [5]. Metode ekstraksi dan metode abstraksi merupakan dua metode yang digunakan untuk meringkas teks [6]. Metode ekstraksi (shallower approaches) merupakan pendekatan yang digunakan untuk menyalin informasi penting dan mengubahnya menjadi ringkasan.…”

“…Selanjutnya, subset dari kalimatkalimat dengan skor teratas dipertahankan untuk meminimalkan redundansi. Metode abstraksi (deeper approaches) menyajikan informasi penting dari teks asli dengan bahasa yang berbeda tetapi tidak mengubah makna dari teks asli [7]. Peringkasan abstraksi membuat ringkasan yang berisi kalimatkalimat baru yang tidak tersedia dalam dokumen asli, metode ini menggunakan frasa dan klausa dari representasi asli meskipun keseluruhan teks masih dianggap baru.…”

“…Sentence Detector: tahap pemisah kalimat berita menjadi kumpulan kalimat-kalimat dengan tanda titik (.) sebagai delimeter untuk memotong string dokumen [7]. 2.…”

“…3. Cleaning: proses untuk menghilangkan karakterkarakter tidak penting pada berita seperti tanda baca, dan sebagainya [7]. 4.…”

“…Pada proses ini, setiap hasil dari tahap cleaning dicek berdasarkan stoplist kata, dan jika ada kata yang memiliki kesamaan kata maka kata tersebut akan hilang. Kata tidak penting merupakan kata yang tidak memiliki makna seperti "yang", "di", "untuk", "dari", dan sebagainya [6]. 5.…”