120160503 - Nur Fitrianti Fahrudin, S.Kom., M.T. Dosen Pembimbing 1 RAHMAT HIDAYATULLAH ALL-RASID / 162019026 Penulis

Peningkatan pesat volume data teks di era digital menimbulkan kebutuhan akan sistem peringkasan otomatis yang efektif. Dua pendekatan utama yang ada saat ini—ekstraktif dan abstraktif—masih menghadapi keterbatasan: metode ekstraktif seperti TextRank menjaga keakuratan informasi, tetapi sering menghasilkan ringkasan yang kurang mengalir, sedangkan metode abstraktif seperti T5 lebih fasih namun berisiko kehilangan fakta dan memerlukan komputasi tinggi. Selain itu, model bahasa besar (LLM) modern bersifat probabilistik, menghasilkan ringkasan yang tidak konsisten. Penelitian ini bertujuan mengatasi tantangan tersebut dengan merancang arsitektur hibrida extract-then-abstract yang deterministik untuk menghasilkan ringkasan yang akurat, koheren, dan dapat direproduksi. Untuk mengatasi dilema tersebut, penelitian ini mengusulkan arsitektur hibrida extract-then-abstract dengan mengintegrasikan TextRank berbasis BERT untuk menyaring kalimat penting dan T5 untuk menghasilkan ringkasan yang lebih ringkas serta natural. Penelitian menggunakan dataset hasil generasi teks dengan tiga test case, melalui tahapan CRISP-DM yang mencakup data understanding, preprocessing, modeling, hingga evaluasi menggunakan metrik ROUGE-1, ROUGE-2, dan ROUGE-L. Hasil evaluasi menunjukkan bahwa TextRank unggul pada skor recall dan F1 karena mampu mempertahankan informasi inti, sedangkan T5 lebih baik dalam menyusun ringkasan padat dan orisinal meskipun skor recall lebih rendah. Pada kasus tertentu, T5 mampu melampaui TextRank dalam ROUGE-1, namun secara keseluruhan TextRank lebih konsisten dalam menjaga kesamaan dengan ringkasan referensi. The rapid growth of textual data in the digital era has created an urgent need for effective automatic summarization systems. The two main approaches currently available—extractive and abstractive—still face limitations: extractive methods such as TextRank preserve factual accuracy but often produce less coherent summaries, while abstractive methods such as T5 generate more fluent summaries but risk losing factual consistency and require high computational resources. Moreover, modern large language models (LLMs) are probabilistic in nature, producing inconsistent summaries even with identical inputs. This study aims to address these challenges by proposing a deterministic extract-then-abstract hybrid architecture designed to generate accurate, coherent, and reproducible summaries. The proposed approach integrates BERT-based TextRank to filter the most important sentences and T5 to produce more concise and natural summaries. The study employs a text-generated dataset with three test cases, following the CRISP-DM framework that includes data understanding, preprocessing, modeling, and evaluation using ROUGE-1, ROUGE-2, and ROUGE-L metrics. The evaluation results show that TextRank outperforms in recall and F1 scores by preserving essential information, while T5 excels in producing concise and original summaries despite lower recall. In certain cases, T5 surpasses TextRank in ROUGE-1, but overall, TextRank remains more consistent in maintaining similarity with reference summaries.