Shadiq, Raihan Aidiyasa (2026) Analisis komparatif model Bert2gpt dan BERT2BERT pada Abstractive Summarization bahasa Indonesia. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text
1_cover.pdf Download (281kB) | Preview |
|
|
Text
2_abstrak.pdf Download (305kB) | Preview |
|
|
Text
3_skbebasplagiarism.pdf Download (237kB) | Preview |
|
|
Text
4_daftarisi.pdf Download (363kB) | Preview |
|
|
Text
5_bab1.pdf Download (369kB) | Preview |
|
![[img]](https://digilib.uinsgd.ac.id/style/images/fileicons/text.png) |
Text
6_bab2.pdf Restricted to Registered users only Download (628kB) | Request a copy |
|
|
Text
7_bab3.pdf Restricted to Registered users only Download (408kB) | Request a copy |
|
|
Text
8_bab4.pdf Restricted to Registered users only Download (542kB) | Request a copy |
|
|
Text
9_bab5.pdf Restricted to Registered users only Download (290kB) | Request a copy |
|
|
Text
10_daftarpustaka.pdf Restricted to Registered users only Download (277kB) | Request a copy |
|
|
Text
11_lampiran.pdf Restricted to Repository staff only Download (568kB) | Request a copy |
Abstract
Perkembangan model Transformer telah mendorong kemajuan pada tugas abstractive text summarization, yaitu menghasilkan ringkasan dengan menyusun kembali informasi penting menggunakan kalimat yang lebih ringkas dan alami. Meskipun berbagai arsitektur encoder-decoder telah dikembangkan, penelitian yang membandingkan penggunaan decoder non-generatif dan decoder generatif pada tugas abstractive summarization Bahasa Indonesia masih terbatas. Oleh karena itu, penelitian ini bertujuan untuk menganalisis dan membandingkan performa model BERT2BERT dan BERT2GPT dari aspek kualitas konten, keterbacaan, dan konsistensi faktual (faithfulness). Penelitian ini mengadaptasi kerangka kerja Cross-Industry Standard Process for Data Mining (CRISP-DM) yang meliputi tahapan business understanding, data understanding, data preparation, modelling, dan evaluation. Penelitian menggunakan Liputan6 Indonesian Summarization Dataset sebagai data pelatihan dan pengujian model. Evaluasi dilakukan menggunakan metrik ROUGE, BERTScore, Flesch-Kincaid Grade Level (FKGL), Gunning Fog Index (GFI), Formula Dwiyanto Djoko Pranowo, serta pendekatan LLM-as-a-Judge yang diadaptasi dari HaluEval untuk mengevaluasi konsistensi faktual. Hasil penelitian menunjukkan bahwa model BERT2BERT memperoleh performa yang lebih baik dibandingkan BERT2GPT, dengan nilai ROUGE-1 sebesar 0,3964, ROUGE-2 sebesar 0,2206, dan ROUGE-L sebesar 0,3302, serta menghasilkan tingkat konsistensi faktual yang lebih baik berdasarkan pendekatan evaluasi yang digunakan. Penelitian ini memberikan kontribusi berupa analisis komparatif terhadap dua arsitektur encoder-decoder pada tugas abstractive summarization Bahasa Indonesia serta memberikan gambaran mengenai karakteristik masing-masing arsitektur.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Uncontrolled Keywords: | Abstractive Text Summarization; BERT2BERT; BERT2GPT; Transformer; LLM-as-a-Judge |
| Subjects: | Data Processing, Computer Science Data Processing, Computer Science > Computer Architecture Special Computer Methods > Artificial Intelligence Applied Physics > Transformers Applied Physics > Computer Engineering |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
| Depositing User: | Raihan Aidiyasa Shadiq |
| Date Deposited: | 11 Aug 2026 07:35 |
| Last Modified: | 11 Aug 2026 07:35 |
| URI: | https://digilib.uinsgd.ac.id/id/eprint/138076 |
Actions (login required)
 |
View Item |
