<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="2483">
 <titleInfo>
  <title>Peringkasan Teks Ekstraktif Bahasa Indonesia</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Jovi Rengga Salira 1108074</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Bandung</placeTerm>
   <publisher>ITHB</publisher>
   <dateIssued>2012</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd"></form>
  <extent></extent>
 </physicalDescription>
 <note>ABSTRAK&#13;
Peringkasan teks memungkinkan proses pengolahan informasi menjadi lebih cepat dan usaha yang diperlukan lebih sedikit. Selain itu peringkasan teks ekstraktif merupakan salah satu bentuk peringkasan teks dengan hasil ringkasan yang merupakan bagian dari teks tersebut, sehingga peringkasan teks lebih mencerminkan keberadaan informasi dalam teks.&#13;
Penggunaan metoda peringkasan teks dalam penelitian ini berdasarkan jurnal Automate Text Summarization oleh Mohamed Abdel Fattah dan Fuji Ren yang merepresentasikan keberadaan informasi dalam teks dengan 10 feature dalam teks yaitu: keberadaan kalimat dalam paragraph, kata kunci positif, kata kunci negatif, keterpusatan kalimat, kesamaan kata kunci dengan judul, keberadaan entitas, keberadaan data numerik, panjangnya kalimat, busy path kalimat dan jumlah kesamaan antar kalimat&#13;
Peringkasan teks diawali dengan pembentukan feature kalimat yang akan sangat bergantung pada korpus yang dimiliki sistem peringkasan teks. Peringkasan teks dimulai dengan score kalimat yang akan dijumlahkan dan membentuk bobot kalimat. Dengan mengkombinasikan algoritma genetika untuk mencari bobot optimal dari setiap feature, scoreakhir kalimat diharapkan mampu merepresentasikan seberapa penting keberadaan kalimat tersebut dalam dokumen.&#13;
Pengujian dilakukan dengan membandingkan hasil peringkasan sistem dengan hasil peringkasan manual terhadap dokumen yang sama, Dari proses pengujian tersebut diperoleh nilai presisi yang cukup baik untuk peringkasan yang berdasarkan metode yang digunakan penulis. Penggunaan algoritma genetika dalam proses peringkasan juga dapat meningkatkan nilai presisi sehingga pengidentifikasian feature kalimat dapat disesuaikan dengan model peringkasan yang dilakukan manusia/korpus.&#13;
Kata Kunci:Automate Text Summarization,busy path, feature, score, weight&#13;
</note>
 <classification></classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>Perpustakaan ITHB Senayan Open Source Library Management System</physicalLocation>
  <shelfLocator>TA/IF 218</shelfLocator>
  <holdingSimple>
   <copyInformation>
    <numerationAndChronology type="1">TA/IF 218</numerationAndChronology>
    <sublocation>My Library</sublocation>
    <shelfLocator>TA/IF 218</shelfLocator>
   </copyInformation>
  </holdingSimple>
 </location>
 <slims:image>TA_IF_218.jpg.jpg</slims:image>
 <recordInfo>
  <recordIdentifier>2483</recordIdentifier>
  <recordCreationDate encoding="w3cdtf">2012-09-11 13:58:35</recordCreationDate>
  <recordChangeDate encoding="w3cdtf">2012-09-12 15:51:02</recordChangeDate>
  <recordOrigin>machine generated</recordOrigin>
 </recordInfo>
</mods>
</modsCollection>