Peringkasan paper dengan metode Sparse Nonnegative Matrix Factorization untuk Pemeriksaan Kesesuaian dengan Abstrak Tugas Akhir

Abstract

Salah satu jurusan yang terdapat di Universitas Madura adalah teknik informatika dimana ketika mahasiswa sebelum yudisium maka harus mengumpulkan paper terlebih dahulu sebagai salah satu syarat untuk yudisium. Isi dari paper yang tulis oleh mahasiswa terkadang tidak sesuai dengan abstrak paper tersebut. Sehingga diperlukan sebuah sistem yang dapat memeriksa kesesuaian isi dari paper dengan abstrak paper yang ditulis.

Metode yang digunakan dalam meringkas dokumen/paper adalah dengan menggunakan model graph. Model graph ini digunakan untuk menentukan bobot masing-masing kalimat supaya dapat di cluster. Cluster yang digunakan adalah dengan menggunakan metode SNMF (Sparse Non Negative Matrix Faktorization) kemudian dari hasil cluster diambil 2 kalimat tertinggi dari hasil masing-masing cluster untuk menentukan hasil ringkasan, dan sebagai pembandingnya adalah hasil ringkasan yang dibuat oleh pakar.

Untuk membuktikan seberapa efektif metode SNMF dalam menyelesaikan permasalahan, penulis melakukan beberapa uji coba. Setelah melewati beberapa uji coba, penulis menyimpulkan bahwa algoritma SNMF mampu menyelesaikan dengan baik untuk permasalahan pada peringkasan paper dan mampu memeriksa kesesuaian abstrak terhadap tugas akhir mahasiswa Universitas Madura dengan hasil akurasi recall 54.63.

Kata Kunci—Perangkuman Otomatis, SNMF, Bobot Graf, Recall.