IMPLEMENTASI METODE TF-IDF UNTUK APLIKASI PERINGKAS DOCUMENT BASE

Sejak terjadinya revolusi digital, informasi berbasis elektronik lebih dibutuhkan dari pada informasi berbentuk padat/kertas. Padahal, informasi yang ada dalam internet tidak sepenuhnya benar. Dibutuhkan waktu yang lama untuk mencermati informasi yang kita dapatkan, apakah informasi yang dicari adalah akurat atau palsu. Karena itulah metode TF-IDF diambil sebagai inti dari penelitian ini. Peringkasan Teks Otomatis (Automatic Text Summarization) merupakan pembuatan rangkuman dari sebuah sumber teks secara otomatis dengan menggunakan serta memanfaatkan sistem peringkasan teks yang dijalankan pada komputer. Sebuah sistem peringkasan teks diberi masukan berupa teks, kemudian sistem melaikukan proses peringkasan, dan system menghasilkan keluaran berupa teks yang lebih singkat dari sumber teks aslinya. Hasil peringkasan mengandung poin-poin penting atau informasi utama dari teks sumber asli. Metode Term Frequency-Inverse Document Frequency (TF-IDF) adalah cara pemberian bobot hubungan suatu kata terhadap dokumen. Metode ini menggabungkan dua konsep untuk perhitungan bobot, yaitu Term frequency (TF) merupakan frekuensi kemunculan kata (t) pada kalimat (d). Document frequency (DF) adalah banyaknya kalimat dimana suatu kata (t) muncul. Metode ini dirasa tepat dalam menggunakan prinsip peringkasan teks. Hasil dari penelitian ini menunjukan bahwa nilai yang didapat dalam vektorisasi TF-IDF sangat berguna dalam peringkasan teks yang menampilan kata-kata penting yang terdapat dalam berita. Hasil dari penelitian ini menyimpulkan bahwa berdasarkan dari n ilai vektorisasi TF-IDF, teks berita yang diringkas rata-rata memiliki kurang lebih 56,97% kata dari jumlah kata yang ada dalam teks berita yang belum diolah. Kata kunci: TF-IDF, informasi, kata, peringkasa