Pemilihan Kalimat Representatif Dengan Pengintegrasian Fuzzy C-Means Clustering Dan Topsis (FCM-TOPSIS) Untuk Peringkasan Dokumen

Dokumen teks merupakan salah satu dari sekian banyak sumber informasi yang dibutuhkan, akan tetapi begitu banyaknya jumlah koleksi dokumen teks dapat memberikan efek negatif bagi pengguna yang mana menghabiskan waktu relatif lama untuk menyeleksi informasi yang dikehendaki mereka. Diperlukannya sebuah sistem peringkasan dokumen otomatis yang mampu meringankan pengguna untuk mendapatkan sebuah hasil ringkasan dari koleksi dokumen teks. Pada penelitian ini diusulkan sebuah rancangan metode baru peringkasan dengan pendekatan clustering yang dilanjutkan dengan pemilihan kalimat representatif sebagai perwakilan atau ringkasan dari sebuah dokumen. Algoritma clustering Fuzzy C-Means (FCM) digunakan untuk mengelompokkan sejumlah kalimat kedalam beberapa cluster. Tiap data atau kalimat memiliki derajat keanggotaan pada masing-masing cluster antara 0-1 yang diukur melalui fungsi objektif. Pada FCM ini fungsi objektif diminimumkan menggunakan iterasi yang biasanya terjebak dalam optimum lokal. Selanjutnya proses pemilihan kalimat representatif sebagai kandidat ringkasan dalam suatu cluster menggunakan metode Technique For Others Reference by Similarity to Ideal Solution (TOPSIS) untuk mendapatkan kalimat yang memiliki kedekatan relatif dari suatu alternatif dengan solusi optimal. Pengukuran hasil peringkasan otomatis yang digunakan pada penelitian ini menggunakan metode ROUGE. Semakin banyak jumlah kalimat yang terambil oleh sistem dalam menyusun ringkasan, semakin besar kemungkinan term atau kata yang muncul bersama pada groundtruth. Hal ini dibuktikan dengan meningkatnya nilai rata-rata ROUGE, nilai rata-rata ROUGE tertinggi didapatkan pada n = 20 dengan nilai 0.640