Peringkasan Multidokumen Otomatis dengan Menggunakan Log-Likelihood Ratio (LLR) dan Maximal Marginal Relevance (MMR) untuk Artikel dengan Topik Penyakit Menular Bahasa Indonesia

Abstract

Peningkatan jumlah informasi yang tersedia di internet disamping memberikan manfaat, juga memunculkan masalah tersendiri. Mesin pencarian modern sudah cukup baik untuk mendapatkan informasi tertentu. Namun jumlah informasi yang banyak terkadang menyebabkan pencari informasi kesulitan mendapatkan intisari dari informasi yang dicari. Kondisi ini dikenal sebagai information overload. Peringkasan multidokumen otomatis adalah salah satu solusi untuk masalah ini. Meskipun metode peringkasan multidokumen otomatis sudah dikembangkan sejak 20 tahun lalu, penerapannya dalam Bahasa Indonesia masih terbatas. Dalam tulisan ini, kami melaporkan hasil penelitian yang dilakukan pada peringkasan multidokumen berbahasa Indonesia. Artikel dengan topik penyakit menular merupakan salah satu studi kasus yang menarik untuk peringkasan multidokumen Bahasa Indonesia. Informasi mengenai penyakit menular dibutuhkan oleh masyarakat sehingga tersedia banyak informasi mengenai topik ini di internet. Kondisi ini menyebabkan kemungkinan information overload untuk pencarian dalam topik ini.
 Dalam penelitian ini, diterapkan peringkasan multidokumen otomatis dengan menggunakan Log-Likelihood Ratio (LLR) untuk mendapatkan topic signature, dan Maximal Marginal Relevance pada artikel dengan topik penyakit menular untuk mendapatkan ringkasan dengan sedikit perulangan informasi. Penelitian ini menghasilkan ringkasan dengan nilai akurasi sebesar 0,4 (dengan menggunakan ROUGE-S9). Selain itu, dalam penelitian ini didapatkan bahwa topic signature (beserta akurasinya) memegang peran penting dalam proses peringkasan dokumen otomatis.

Literatur Review Terhadap Metode, Aplikasi dan Dataset Peringkasan Dokumen Teks Otomatis untuk Teks Berbahasa Indonesia

“…• Maximal Marginal Relevance (MMR) [27]: MMR pada awalnya dikembakan untuk queryfocused summarization [5,7], yaitu dengan cara menghitung similarity antara kalimat dan kalimat, lalu kalimat dan kueri user. Namun, pada implementasinya MMR juga diterapkan pada peringkasan teks tanpa kueri [25]. MMR juga sering diterapkan dalam perangkingan untuk menentukan kalimat untuk ringkasan akhir.…”

“…Lalu, topik yang didapatkan tersebut digunakan untuk memberikan bobot kepada masing-masing kalimat. Akhmad, et.al [25], mengkombinasikan LLR dan MMR dalam studinya untuk peringkasan artikel berbahasa Indonesia. • Latent Dirichlet Allocation (LDA): Sama seperti LLR, LDA juga digunakan sebagai topic modeling atau ekstraksi topik tersembunyi dari sebuah dokumen.…”

“…Peringkasan artikel berita merupakan riset yang di bidang text summarization yang paling banyak dikembangkan untuk artikel berita berbahasa Indonesia [5,8,20]. Peringkasan artikel dapat berdasarkan pada fakta-fakta tertentu (guided summarization) [8], berdasarkan pada kueri user [5], atau hanya berdasarkan pemilihan informasi-informasi yang dianggap penting [25].…”

“…Peringkasan dokumen teks merupakan salah satu cabang ilmu dalam pemrosesan Bahasa alami manusia (Natural Languange Processing). Berbagai Teknik atau metode telah dikembangkan untuk menghasilkan sebuah ringkasan yang padat dan informatif, mulai dari metode unsupervised [4,6,12,18,25] hingga metode supervised seperti machine learning dan deep learning [19][20][21][22][23][24]. Berbagai dataset atau corpus juga dibangun untuk kepentingan riset di bidang text summarization, seperti dataset Document Understanding Conference (DUC) dan WikiHow [26].…”