ABSTRAKSI: Pada Tugas Akhir ini diimplementasikan suatu teknik Automatic Text summarization berdasarkan pendekatan graf yaitu Timestamped Graph Model untuk multi dokumen berita. Aplikasi ini dilakukan terhadap multidokumen berita berbahasa Indonesia atau Inggris yang memiliki topik yang sama. Terdapat 9 parameter dalam metode ini dan sulit untk menentukan hasil ringkasan yang terbaik. Pada tugas akir ini metode yang digunakan menggunakan parameter Skew degree yang berfungsi mengatur jumlah simpul atau kalimat yang masuk kedalam graph. Dan juga menerapakan parameter Number of edges yang berfungsi untuk mengatur jumlah sisi yang keluar dari tiap simpul atau kalimat dalam graph. Pada tugas akir ini juga dilakukan pencarian untuk menentukan pola dari hasil ringkasan dengan menggunakan kedua parameter ini. Hasil yang diperoleh menggunakan parameter skew degree dimana jika data uji yang digunakan memiliki variansi rendah maka menggunakan nilai skew degree yang kecil. Sedangkan menggunakan parameter number of edges hasil yang paling baik yaitu number of edges yang bernilai 1.
Pengujian dilakukan dengan menggunakan ROUGE evaluation toolkit dengan membandingkan hasil antara Timestamped Graph Model yang default dengan Timesatmped Graph Model yang menggunakan parameter skew degree, number of edges dan penggunaan Stemming. Hasil pengujian menunjukkan bahwa metode Timestamped Graph Model dengan menggunakan parameter skew degree, number of edges dan penggunaan Stemming mempengaruhi hasil akurasi ringkasan yang dihasilkan.Kata Kunci : peringkas teks otomatis, Timestamped Graph Model, skew degree, number of edges, Stemming.ABSTRACT: This Final Project implemented an Automatic Text summarization technique based on the graph approach that is Timestamped Graph Model for multi-document news. This application is made for multi-document Indonesian or English news which have the same topic. There are 9 parameters in this method and its hard for determine the best summary. In this final project the timestamped graph model method using skew degree parameter, the function of skew degree paramater is for setting the value of the node or the sentence taken and also apply the number of the sides that came out from every nodes or sentences on the graph. This final project carried out the search for deciding the pattern of summary with using both of parameter. The result using skew degree parameter, if the test data has low varian then using the low score skew degree. While using number of edges parameter,the best result if the score the number of edges is 1.
Evaluation carried out by using the Rouge evaluation toolkit by comparing between the timestamped Graph Model results which have the default parameter value of skew degree and number of edges parameters and with stemming process as the prepocessing with Timesatmped Graph Model that use the best skew degree and number of edges parameters value and using Stemming process for prepocessing. Evaluation results show that the method Graph Model timestamped method using the skew degree, number of edges parameter and using Stemming process affect the accuracy of the summary generated.Keyword: automatic text summarization, Timestamped Graph Model, skew degree, number of edges, Stemming.