Please take a moment to complete this survey below
Library's collection Library's IT development CancelPerkembangan teknologi dan internet menyebabkan banyaknya informasi yang dapat
diakses pada setiap waktu. Artikel jurnal merupakan salah satu dari banyaknya informasi yang
tersedia yang membutuhkan waktu untuk dibaca sehingga diperlukan ringkasan secara
otomatis. Automatic Text Summarization (ATS) pada dasarnya adalah pembuatan kalimat baru
yang lebih pendek dari pada kalimat aslinya tanpa menghilangkan makna keseluruhan dari
sebuah kalimat. Pembuatan ringkasan secara otomatis tersebut dapat dilakukan secara ektraktif
maupun abstratif. Ringkasan yang dibuat secara ektraktif hanya dapat menggunakan kata yang
ada pada bagian masukan, sedangkan ringkasan yang dibuat secara abstratif dapat
menghasilkan ringkasan yang memiliki kata di luar dari kata yang ada pada bagian masukan.
Penelitian sebelumnya dalam abstractive summarization masih belum optimal sehingga perlu
ditingkatkan.
Metode yang digunakan dalam penelitian ini adalah abstractive summarization dengan
Adaptive Sparse Transformer. Hal-hal yang akan dilakukan pada penelitian adalah scraping
dataset arxiv machine learning, pembuatan data, pengolahan data dan percobaan terhadap
pengaturan hyperparameter pada model terhadap performa ROUGE-1 precision score. Dataset
yang digunakan adalah dataset Arxiv Scientific Paper dan Arxiv Scientific Paper+Arxiv Machine
Learning.
Hasil penelitian ini menunjukkan bahwa metode yang digunakan mampu bersaing
dengan metode-metode terunggul dengan model nilai average R-1 precision score 39.4 untuk
Arxiv Scientific Paper+Arxiv Machine Learning dan 42.5 untuk Arxiv Scientific Paper.