Detail Cantuman

Banyaknya informasi atau data yang tersimpan dalam bentuk dokumen bisa mencapai puluhan bahkan ratusan halaman. Membaca semua halaman satu persatu bisa dikatakan kurang efesien. Membaca banyak halaman dengan waktu yang singkat dan terburu-buru akan memungkinkan data yang didapat kurang relevan. Untuk mengatasi permasalahan tersebut, pada penelitian ini dibuat sebuah aplikasi peringkas dokumen. Ada beberapa macam algoritma yang dapat digunakan dalam peringkasan dokumen antara lain Latent Semantic Analysis (LSA), Hybrid Hidden Markov Model Extraction dan Genetic algorithm. Pada penelitian ini algoritma yang digunakan adalah Genetic Algorithm. Hasil ringkasan didapat dari nilai individu terbaik. Satu individu terdiri dari beberapa kromosom (kalimat). Kalimat-kalimat dari individu terbaik akan diambil sebagai kalimat ringkasan. Dari kalimat ringkasan akan dilakukan pemapatan (compression rate) sebesar 50%. Dari hasil penelitian, di dapat bahwa dengan algoritma genetika mampu mencari nilai terbaik dalam individu sebesar 11326.16. dari hasil compression rate nilai individu terbaik didapat kalimat kalimat dengan nilai terbaik antara lain : 4408.3720, 2131.226, 1612.671.