IMPLEMENTASI ATTENTIVE RECURRENT NEURAL NETWORK DALAM PEMBUATAN HEADLINE DENGAN PENDEKATAN ABSTRAKTIF

SENSA GUDYA SAUMA SYAHRA, Azhari SN, Drs., M. T., Dr.

2018 | Skripsi | S1 ILMU KOMPUTER

Pertumbuhan informasi yang sangat pesat menyebabkan kebutuhan untuk menemukan informasi yang relevan dengan cepat. Pencarian informasi yang relevan dari judul berita sudah dilakukan oleh banyak orang. Namun, hasilnya tidak selalu sesuai harapan. Hal ini karena headline tidak selalu merepresentasikan informasi dengan baik. Oleh karena itu, dibutuhkan pembangunan headline yang baik dalam merepresentasikan informasi berita. Penelitian ini membangun model summarization untuk menghasilkan headline berita yang baik. Penelitian ini berfokus pada pengembangan model summarization abstraktif dengan menggunakan kombinasi RNN dan mekanisme attention. Data yang digunakan dalam penelitian ini adalah berita dalam bahasa Indonesia dan diambil dari detik.com dengan total 17.862. Untuk mendapatkan model terbaik, pengujian dilakukan dengan memvariasikan nilai parameter. Kualitas ringkasan diukur dengan menggunakan ROUGE-N. Berdasarkan pengujian dan pengukuran yang dilakukan, disimpulkan bahwa model summarization terbaik adalah model dengan 128 unit tersembunyi, 32 masukan vektor, dan ukuran beam 1. Model ini menghasilkan ringkasan utama dengan nilai rata-rata F-score yaitu 0,27022.

The very rapid growth of information leads to the need to find the relevant information quickly. Searching the relevant information from title of the news has already been done by many people. However, the result isn't always as they as expect. This is because headlines do not always represent information well. Therefore, it is required a good headline construction representing information of the news. This study constructed a summarization model to produce a good news headline. It focuses on the development of abstractive summarization model using the combination of RNN and attention mechanism. The data used in this study is the news in Indonesian language and was taken from detik.com with the total of 17.862. In order to obtain the best model, the testing was performed by variating of parameters values. The quality of summary was measured by means of ROUGE-N. Based on the testing and the measurement performed, it was concluded that the best summarization model was one with 128 hidden units, 32 vector inputs, and beam size 1. This model produced a headline summary with average value of F-Score was 0,27022.

Kata Kunci : Attention, RNN, summarization, abstractive, headline, Rouge