Ringkasan Otomatis Dokumen Berita Menggunakan Metode Automatic Text Summarization Berbasis Transformer

Novia Ramadani; Mahardika Abdi Prawira Tanjung

doi:10.33151/ijomss.v4i5.1110

Novia Ramadani Universitas Muhammadiyah Sumatera Utara
Mahardika Abdi Prawira Tanjung Universitas Muhammadiyah Sumatera Utara

DOI: https://doi.org/10.33151/ijomss.v4i5.1110

Keywords: Automatic Text Summarization, Transformer, Ringkasan Otomatis, Dokumen Berita, Pemrosesan Bahasa Alami

Abstract

Perkembangan teknologi informasi menyebabkan jumlah dokumen berita yang tersedia di media digital semakin meningkat. Kondisi tersebut membuat pembaca membutuhkan waktu yang cukup lama untuk memahami keseluruhan isi berita, terutama karena dokumen berita umumnya memiliki teks yang panjang dan terdiri dari banyak paragraf. Proses peringkasan secara manual juga kurang efektif apabila jumlah berita yang harus dibaca cukup banyak. Selain itu, metode peringkasan yang hanya mempertimbangkan kata atau kalimat tertentu dapat menyebabkan informasi penting terlewat serta menghasilkan ringkasan yang kurang sesuai dengan konteks berita. Penelitian ini bertujuan untuk membangun sistem Automatic Text Summarization yang dapat menghasilkan ringkasan dokumen berita secara otomatis dengan mempertahankan informasi utama dari teks asli. Metode yang digunakan adalah pendekatan berbasis Transformer yang memiliki kemampuan dalam memahami hubungan antar kata, kalimat, dan konteks dalam suatu dokumen. Tahapan penelitian meliputi pengumpulan data berita, preprocessing teks, penerapan model Transformer, proses peringkasan, serta evaluasi terhadap hasil ringkasan menggunakan metrik ROUGE dan BLEU. Hasil pengujian menunjukkan nilai ROUGE-1 F1 sebesar 43,48%, ROUGE-2 F1 sebesar 41,79%, ROUGE-L F1 sebesar 43,48%, serta BLEU-4 sebesar 7,43%. Sistem mampu mereduksi dokumen berita sebesar 71,38% dari panjang teks asli. Dengan demikian, penerapan Automatic Text Summarization berbasis Transformer dapat membantu pembaca memperoleh inti informasi berita secara lebih cepat dan efisien tanpa harus membaca keseluruhan dokumen.

Author Biographies

Novia Ramadani, Universitas Muhammadiyah Sumatera Utara

Program Studi Sistem Informasi, Fakultas Ilmu Komputer dan Teknologi Informasi

Mahardika Abdi Prawira Tanjung, Universitas Muhammadiyah Sumatera Utara

Program Studi Sistem Informasi, Fakultas Ilmu Komputer dan Teknologi Informasi

References

Agung, I. G. I. U. P., Trisna, I. N. P., & Kadek, N. (2025). Abstractive text summarization to generate Indonesian news highlight using Transformers model. Indonesian Journal of Information Systems, 7(2), 1248–1263. https://doi.org/10.51519/journalisi.v7i2.1082

Bahari, A., & Dewi, K. E. (2024). Peringkasan teks otomatis abstraktif menggunakan Transformer pada teks bahasa Indonesia. KOMPUTA: Jurnal Ilmiah Komputer dan Informatika, 13(1).

Dewi, K. E., & Widiastuti, N. I. (2022). Automatic summarization of Indonesian texts using a hybrid approach. Jurnal Nasional Teknologi dan Sistem Informasi, 15(1). https://doi.org/10.25077/TEKNOSI.v8i1.2022.33-41

Itsnaini, Q. A., Sholihati, I., & Putri, F. A. (2023). Abstractive text summarization using pre-trained language model “Text-to-Text Transfer Transformer (T5)”. Jurnal Ilmiah Ilmu Komputer, 15(1), 124–131.

Lin, C.-Y. (2004). ROUGE: A package for automatic evaluation of summaries. In Text Summarization Branches Out (pp. 74–81). Association for Computational Linguistics. https://aclanthology.org/W04-1013/

Maylawati, D. S., Kumar, Y. J., & Kasmin, F. (2023). Feature-based approach and sequential pattern mining to enhance quality of Indonesian automatic text summarization. Indonesian Journal of Electrical Engineering and Computer Science, 30(3), 1795–1804. https://doi.org/10.11591/ijeecs.v30.i3.pp1795-1804

Monica, S., Girsang, A. S., Aurelia, M., & Lee, S. (2025). Category-aware abstractive text summarization. arXiv preprint arXiv:2501.XXXXX, 1–10.

Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, L., & Polosukhin, I. (2017). Attention is all you need. Advances in Neural Information Processing Systems, 30, 5998–6008. https://doi.org/10.48550/arXiv.1706.03762

Winarko, E., Tanoto, L., & Reza, M. H. (2025). Indonesian abstractive text summarization using stacked embeddings and Transformer decoder. Jurnal Ilmu Komputer dan Informasi, 52(4), 1051–1061.

Yadav, A. K., Ranvijay, Yadav, R. S., & Maurya, A. K. (2023). State-of-the-art approach to extractive text summarization: A comprehensive review. Multimedia Tools and Applications, 82(19), 29135–29197. https://doi.org/10.1007/s11042-023-14613-9

Yanuarti, R., & Azizah, H. (2022). Implementasi text summarization pada reading comprehension menggunakan library Python. Jurnal Informatika dan Sistem Informasi, 2(1), 43–51.