Implementasi Metode Support Vector machine Dan Metode Maximum Marginal Relevance Untuk Menghasilkan Rangkuman Dari Kumpulan Dokumen Berita Dengan Topik Sejenis

Informasi yang ada pada saat ini tidak hanya bersumber dari satu dokumen saja, melainkan dari beberapa dokumen. Selain itu beberapa informasi dapat mempunyai pandangan yang berbeda tentang suatu topik yang sama. Salah satu informasi yang terdapat dalam dokumen adalah berita. Dokumen berita bisa bersumber dari beberapa media. Saat ini banyak sekali media yang memuat berita serta dipublikasikan memiliki pembahasan yang sama dalam satu topik sejenis, tetapi hanya ditulis dengan tata bahasa dan cara penyampaiannya yang berbeda. Ringkasan merupakan teks singkat dan padat yang dapat dianggap pengganti dari keseluruhan dokumen, karena tetap mempertahankan kandungan informasi penting yang dimiliki dari sumber dokumennya. Ringkasan dapat membantu menghasilkan rangkuman singkat yang diambil dari beberapa dokumen berita. Diperlukan suatu proses untuk menghasilkan ringkasan multi-document melalui lima tahap utama, yaitu: proses preprocessing, pembobotan tf-idf perhitungan cosine similarity, klasifikasi kalimat menggunakan metode suppport vector machine dan pembentukan ringkasan menggunakan metode maximum marginal relevance. Berdasarkan hasil pengujian menggunakan metode evaluasi intrinstik terhadap hasil ringkasan yang dihasilkan. Dapat disimpulkan bahwa penggunaan metode svm dan mmr dapat diimplementasikan untuk menghasilkan sebuah ringkasan multi-document, dengan nilai performansi recall 64%, precision 90% dan f-measure 75%.

The information available at this time not only from one document only, but of several documents. In addition, some information may have different views on the same topic. One of the information contained here it is news. News documents can be sourced from several media. Currently, many media carried stories and published had the same discussion in a similar topics, but only written with grammar and different ways of delivery. Summary is a short and concise text that can be considered a replacement of the entire document, because it retains important information content owned from the source documents. The summary can help produce a brief summary taken from some news documents. It takes a process to produce multi-document summaries through five main stages, namely: the process of preprocessing, tf-idf weighting, cosine similarity calculation, classification sentences using methods suppport vector machine and the formation of a summary using maximum marginal relevance. Based on test results using intrinstik evaluation of the results generated summaries. It can be concluded that the use SVM and MMR methods can be implemented to generate a multi-document summary, with a value of 64% recall performance, 90% precision and 75% f-measure.