Detail Cantuman

Jumlah artikel berita daring terus meningkat signifikan setiap harinya, menyebabkan kebutuhan akan alat yang dapat menyajikan informasi secara cepat dan ringkas. Penelitian ini bertujuan untuk melakukan peringkasan teks secara abstraktif pada artikel berita berbahasa Indonesia menggunakan model Bidirectional and Auto-Regressive Transformers (BART) serta mengevaluasi performanya dengan metrik ROUGE, BERTScore, dan METEOR. Penelitian ini menggunakan dataset Liputan6, dengan teknik fine-tuning model BART yang dioptimalkan melalui penyesuaian hyperparameter. Hasil penelitian menunjukkan bahwa model BART mampu menghasilkan ringkasan abstraktif dengan performa yang meningkat pada pengujian kedua, di mana validation loss menurun menjadi 0,6213. Pada metrik ROUGE-1, ROUGE-2, dan ROUGE-L, masing-masing mencapai nilai 0,342, 0,144, dan 0,266. Metrik BERTScore Precision, Recall, dan F1-Score masing-masing memperoleh skor 0,752, 0,765, dan 0,758, sedangkan skor METEOR memiliki nilai 0,320. Hasil ini menunjukkan kemampuan model dalam menangkap esensi informasi dan kesamaan semantik dengan referensi, meskipun performanya masih dipengaruhi oleh kompleksitas data input. Penelitian ini memberikan kontribusi pada penerapan abstractive summarization dalam bahasa Indonesia, namun juga menggarisbawahi pentingnya pengembangan lebih lanjut untuk meningkatkan konsistensi dan kualitas ringkasan.
Kata kunci: BART, Metrik evaluasi, Ringkasan abstraktif, Ringkasan teks, Transformers