Peringkas Berita Otomatis Berbasis Website dengan Metode Text Rank

Abstract

Rangkuman berita otomatis menjadi semakin penting dalam era informasi saat ini yang dipenuhi oleh banyak artikel berita online. Tujuannya adalah untuk menyajikan informasi yang relevan secara ringkas dari data teks yang besar. Metode seperti TextRank menjadi sebuah metode yang efisien dalam mengatasi tugas seperti ini dengan bantuan perpustakaan seperti Summa dan BeautifulSoup. Penelitian ini bertujuan untuk menguji kinerja metode TextRank dalam menghasilkan rangkuman berita, dengan fokus pada akurasi, efisiensi, dan aplikabilitasnya di berbagai sumber berita dan topik. Dengan mengumpulkan artikel dari berbagai platform online, peringkas berita otomatis pada penelitian ini termasuk peringkasan ekstraktif, program ini hanya dapat membaca dokumen tunggal. Akurasi program diuji dengan membandingkan hasil rangkuman dengan artikel aslinya melalui tautan URL. Dengan kata lain, program mampu merangkum sekitar 80% dari konten artikel, dengan panjang rata-rata 75 kata dari total 387 kata. Telah dilakukan pengujian untuk melihat berapa persentase akurasi hasil ringkasan dengan artikel asli dengan metode MMR Accuracy dengan menyebarkan responden, dari hasil tes yang menunjukkan akurasi sekitar 71%. Secara kesimpulan, pendekatan ini menggabungkan berbagai metode untuk menyajikan versi ringkas dari artikel berita, dengan TextRank untuk mengidentifikasi informasi kunci, Summa untuk merangkum, dan BeautifulSoup untuk pengambilan data web. Hasilnya adalah rangkuman singkat yang mencakup inti dari artikel-artikel tersebut.