Kinan, Dani Ali (2026) Perbandingan performa model transformer dalam text Summarization berita abstraktif berbahasa Indonesia. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
1_cover.pdf Download (207kB) | Preview |
|
|
Text (ABSTRAK)
2_abstrak.pdf Download (172kB) | Preview |
|
|
Text (SK BEBAS PLAGIARISM)
3_skbebasplagiarism.pdf Download (13MB) | Preview |
|
|
Text (DAFTAR ISI)
4_daftarisi.pdf Download (236kB) | Preview |
|
|
Text (BAB I)
5_bab1.pdf Download (346kB) | Preview |
|
![[img]](https://digilib.uinsgd.ac.id/style/images/fileicons/text.png) |
Text (BAB II)
6_bab2.pdf Restricted to Registered users only Download (425kB) | Request a copy |
|
|
Text (BAB III)
7_bab3.pdf Restricted to Registered users only Download (289kB) | Request a copy |
|
|
Text (BAB IV)
8_bab4.pdf Restricted to Registered users only Download (1MB) | Request a copy |
|
|
Text (BAB V)
9_bab5.pdf Restricted to Registered users only Download (156kB) | Request a copy |
|
|
Text (DAFTAR PUSTAKA)
10_daftarpustaka.pdf Restricted to Registered users only Download (176kB) | Request a copy |
Abstract
Perkembangan teknologi Natural Language Processing (NLP) berbasis Transformer telah mendorong kemajuan signifikan dalam tugas peringkasan teks otomatis (text summarization). Model-model seperti BERT, BART, dan mBART banyak diadopsi dalam penelitian modern karena kemampuannya menangkap fitur semantik secara mendalam. Namun, kajian yang secara komprehensif membandingkan performa ketiga model tersebut berdasarkan perbedaan pendekatan arsitektur masih terbatas, khususnya untuk peringkasan teks abstraktif berbahasa Indonesia. Hal ini menjadi tantangan bagi peneliti dan pengembang sistem NLP dalam menentukan model yang paling sesuai untuk kebutuhan tersebut. Penelitian ini bertujuan untuk membandingkan performa BERT dengan pendekatan ekstraktif, serta BART dan mBART dengan pendekatan abstraktif, dalam menghasilkan ringkasan berita berbahasa Indonesia. Dataset yang digunakan bersumber dari berita berbahasa Indonesia yang dikumpulkan dari CNN Indonesia, Liputan6, dan Kompas, kemudian dibagi menjadi data latih, validasi, dan pengujian dengan rasio 80:10:10. Evaluasi performa dilakukan menggunakan metrik ROUGE (ROUGE-1, ROUGE-2, ROUGE-L) dan BERTScore (Precision, Recall, F1) untuk menghasilkan penilaian yang objektif dan komprehensif. Hasil evaluasi pada 200 data uji menunjukkan bahwa BART memperoleh performa paling seimbang dengan ROUGE-L sebesar 0,2698, BERTScore-Precision sebesar 0,7790, dan BERTScore-F1 sebesar 0,7495, serta ROUGE-2 sebesar 0,1659 yang selisihnya terhadap BERT tidak signifikan secara statistik. BERT unggul pada ROUGE-1 (0,3845) dan BERTScore-Recall (0,7389), sedangkan mBART menunjukkan performa paling rendah di seluruh metrik (ROUGE-1 0,1973; ROUGE-2 0,0580; ROUGE-L 0,1462; BERTScore-F1 0,6943). Kesimpulannya, BART merupakan model yang paling sesuai untuk peringkasan berita berbahasa Indonesia pada kondisi penelitian ini, yaitu model pre-trained tanpa fine-tuning.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Uncontrolled Keywords: | Text Summarization;Abstractive Summarization;BERT;BART;mBART;ROUGE;BERTScore;Natural Language Processing. |
| Subjects: | Educational Institutions, Schools and Their Activities Analysis, Theory of Functions |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
| Depositing User: | DANI ALI KINAN |
| Date Deposited: | 22 Oct 2026 02:37 |
| Last Modified: | 22 Oct 2026 02:37 |
| URI: | https://digilib.uinsgd.ac.id/id/eprint/144446 |
Actions (login required)
 |
View Item |
