Vol. 6, No. 2, September 2013 ISSN

Transkripsi

1 Vol. 6, No. 2, September 2013 ISSN PENDEKATAN POSITIONAL TEXT GRAPH UNTUK PEMILIHAN KALIMAT REPRESENTATIF CLUSTER PADA PERINGKASAN MULTI-DOKUMEN I Putu Gede Hendra Suputra, Agus Zanal Arfn, Anny Yunart Jurusan Teknk Informatka, Fakultas Teknolog Informas, Insttut Teknolog Sepuluh Nopember (ITS) Kampus ITS, Sukollo, Surabaya 60111, Indonesa Emal: hendra.suputra@gmal.com ABSTRAK Coverage and salency are maor problems n Automatc Text Summarzaton. Sentence clusterng approaches are methods able to provde good coverage on all topcs, but the pont to be consdered s the selecton of mportant sentence that can represent the cluster s topc. The salent sentences selected as consttuent to the fnal summary should have nformaton densty so that can convey mportant nformaton contaned n the cluster. Informaton densty from the sentence can be mned by extractng the sentence nformaton densty (SID) feature that bult from postonal text graph approach of every sentence n the cluster. Ths paper proposed a cluster representatve sentence selecton strategy that used the postonal text graph approach n mult-document summarzaton. There are three concepts that used n ths paper: (1) sentence clusterng based on smlarty based hstogram clusterng, (2) cluster orderng based on cluster mportance and (3) representatve sentence selecton based on sentence nformaton densty feature score. The canddate summary sentence s a sentence that has greatest sentence nformaton densty feature score of a cluster. Trals conducted on task 2 DUC 2004 dataset. ROUGE-1 measurement was used as performance metrc to compare the use of SID feature wth other method namely Local Importance and Global Importance (LIGI). Test result showed that the use of SID feature was successfully outperform LIGI method based on ROUGE-1 values where the greatest average value of ROUGE-1 that acheved by SID features s Kata kunc: mult-document summarzaton, sentence clusterng, smlarty based hstogram clusterng, sentence nformaton densty, postonal text graph. ABSTRAK Coverage dan salency adalah masalah utama dalam perngkasan teks otomats. Pendekatan clusterng kalmat merupakan metode yang mampu memberkan cakupan yang bak (good coverage) terhadap semua topk, namun yang perlu dperhatkan adalah pemlhan kalmat pentng (salent setence) yang mampu merepresentaskan topk cluster. Kalmat-kalmat pentng yang terplh menad penyusun rngkasan akhr harus memlk kepadatan nformas sehngga mampu menyampakan nformas pentng yang terkandung d dalam cluster. Kepadatan nformas dar kalmat dapat dgal dengan mengekstraks ftur sentence nformaton densty (SID) yang dbangun dar pendekatan postonal text graph setap kalmat d dalam cluster. Pada paper n daukan sebuah strateg pemlhan kalmat representatf cluster menggunakan pendekatan postonal text graph pada perngkasan mult-dokumen. Terdapat tga konsep yang dgunakan pada paper n yatu: (1) clusterng kalmat dengan smlarty based hstogram clusterng, (2) pengurutan cluster berdasarkan cluster mportance dan (3) pemlhan kalmat representatf berdasarkan skor ftur sentence nformaton densty. Kalmat yang menad kalmat kanddat rngkasan adalah kalmat yang memlk skor ftur sentence nformaton densty terbesar dar suatu cluster. U coba dlakukan terhadap dataset task 2 DUC Pengukuran ROUGE-1 dgunakan sebaga pengukuran performa untuk membandngkan penggunaan ftur SID dengan metode lan yatu local mportance dan global mportance (LIGI). Dar hasl ucoba ddapatkan bahwa penggunaan ftur SID berhasl mengunggul metode LIGI berdasarkan nla ROUGE-1 dmana nla rata-rata ROUGE-1 terbesar yang mampu drah ftur SID Kata kunc: perngkasan mult-dokumen, clusterng kalmat, Smlarty based Hstogram Clusterng, sentence nformaton densty, postonal text graph. 1. PENDAHULUAN Sstem perngkasan mult-dokumen (Multdocument Summarzaton) berdasarkan metode extractve tengah menad perhatan para penelt dalam beberapa tahun terakhr (Randev dkk, 2004; He dkk, 2008; Wan dan Yang, 2008; Sarkar, 2009; Koglavan dan Balasubraman, 2010; Ge dkk, 2011; Ouyang dkk, 2013). Perngkasan berdasarkan metode 18

2 Suputra et al., Pendekatan Postonal 19 extractve terdr dar proses pemlhan kalmatkalmat pentng dar dokumen sumber dan proses penyusunan kalmat-kalmat tersebut menad bentuk yang lebh sngkat (Gupta, 2010). Kalmat-kalmat yang dekstraks dar dokumen sumber dplh dengan suatu krtera tertentu. Walaupun cara ekstraks kalmat pada metode perngkasan extractve bukan merupakan cara yang umum dgunakan manusa, namun metode perngkasan extractve mash banyak dgunakan untuk perngkasan multdokumen. Oleh karena tu rngkasan yang dhaslkan dar metode perngkasan extractve dtuntut harus mampu menyampakan konten-konten pentng dar dokumen-dokumen sumber. Rngkasan yang bak adalah rngkasan yang mampu mencakup (coverage) sebanyak mungkn konsep-konsep pentng (salency) yang ada pada dokumen sumber (Ouyang dkk, 2013). Coverage dan salency adalah masalah utama dalam metode perngkasan dmana strateg pemlhan kalmat pada metode extractve menad sangat pentng karena harus mampu memlh kalmat-kalmat utama (pentng) dan terhndar dar redundans (redundancy) sehngga mampu mencakup banyak konsep. Clusterng kalmat adalah suatu metode alternatf yang mampu memberkan good coverage pada rngkasan (Boros dkk, 2001; Sarkar, 2009;). Pencapaan good coverage pada rngkasan tdak terlepas dar koherens cluster yang bak. Salah satu metode yang dapat menamn koherens cluster adalah Smlarty Based Hstogram Clusterng (SHC) (Hammouda dan Kamel, 2003; Sarkar, 2009). SHC pertama kal daukan oleh Hammouda dan Kamel pada tahun Metode SHC terbukt lebh bak ka dbandngkan dengan Herarchcal Agglomeratve Clusterng (HAC), Sngle-Pass Clusterng dan K-Nearest Neghbor Clusterng. Sarkar (2009) menggunakan pendekatan clusterng kalmat dengan SHC untuk perngkasan multdokumen. Cluster-cluster kalmat yang terbentuk selanutnya durutkan berdasarkan cluster mportance dan kemudan dlakukan pemlhan sebuah kalmat representatf pada setap cluster berdasarkan bobot kalmat terbesar yang dhaslkan dar fungs kombnas antara ftur local mportance dan ftur global mportance. Kalmat representatf tersebut adalah kalmat pentng yang menad kalmat penyusun rngkasan. Strateg pemlhan kalmat representatf menad sangat pentng untuk memecahkan masalah salency. Kalmat yang terplh harus mampu mewakl topk dar suatu cluster tertentu (Sarkar, 2009). Kalmat pentng penyusun rngkasan harus memlk kepadatan nformas yatu mengandung nformas sebanyak mungkn dar dokumen sumber (He dkk, 2008). Menurut He dkk (2008) ftur kepadatan nformas kalmat (sentence nformaton densty) dapat dgal dengan pendekatan postonal text graph yang memperhatkan bobot smlarty suatu kalmat dengan kalmat-kalmat lan. Pendekatan tersebut uga bak untuk menentukan kalmat-kalmat yang nformatf karena kalmat tersebut salng berbag nformas dengan kalmat-kalmat lan (Gupta, 2010). He dkk (2008) mengunakan pendekatan postonal text graph sebaga salah satu ftur yang dgunakan untuk memlh kalmat-kalmat rngkasan. Pada peneltan tersebut dlaporkan bahwa pendekatan postonal text graph mampu bekera efektf untuk memlh kalmat rngkasan yang memlk kepadatan nformas mampu merah performa terbak pada sstem perngkasan mult-dokumen. Jka daplkaskan pada pendekatan clusterng kalmat, dar pernyataan-pernyataan datas dapat dsmpulkan bahwa kalmat representatf yang terplh sebaga penyusun rngkasan harus memlk kepadatan nformas dan mampu mencermnkan topk dar suatu cluster kalmat. Oleh karena tu, pada paper n dusulkan sebuah ftur sentence nformaton densty yang dbangun dengan pendekatan postonal text graph sebaga suatu strateg baru untuk memlh kalmat rngkasan pada sstem perngkasan mult-dokumen berdasarkan metode clusterng kalmat. 2. METODE Pada bagan n delaskan secara detal berbaga yang dlalu pada sstem perngkasan mult dokumen otomats yang dgunakan pada paper n. Proses-proses yang dlalu dalam sstem tersebut dsusun sesua framework pada Gambar 1. Cluster dar dokumen Text Preprocessng Clusterng Kalmat Pengurutan Cluster Pemlhan Kalmat Representatf Penyusunan Rngkasan Gambar 1. Framework Perngkasan Mult-Dokumen Berdasarkan Metode Clusterng Kalmat 2.1 Text Preprocessng Text preprocessng adalah yang pertama dlakukan sebelum nput dokumen dolah lebh lanut menad cluster-cluster kalmat. Adapun prosesproses yang dlalu dalam text preprocessng adalah segmentaton (segementas), stopword removal dan stemmng. Pada paper n segmentaton dlakukan

3 20 Jurnal Ilmu Komputer Vol.VI, No. 2, September 2013, hlm terhadap kata dan kalmat. Setap kata-kata yang dperoleh dar hasl segmentas nput melalu proses stopword removal. Selanutnya menalan proses stemmng dengan algortma Porter Stemmer. 2.2 Clusterng Kalmat Clusterng kalmat adalah bagan yang pentng dalam sstem perngkasan otomats karena setap topk dalam set dokumen harus ddentfkas secara tepat untuk menemukan smlarty dan dssmlarty yang ada dalam dokumen sehngga menamn good coverage (Sarkar, 2009). Jka kalmat-kalmat dkelompokkan ke dalam seumlah cluster yang telah dtentukan, cluster mungkn tdak koheren karena beberapa kalmat bsa saa terpaksa menad salah satu anggota cluster meskpun seharusnya tdak. Cluster-cluster tdak koheren mungkn mengandung unt-unt teks yang terduplkas pada cluster yang berbeda dan menyebabkan pemlhan kalmat menad redundan untuk rngkasan. Sebalknya, ka cluster sangat ketat, sebagan besar cluster menad sngletons. Dengan demkan, harus dplh metode clusterng yang menamn koherens cluster. Pada paper n dgunakan algortma (Smlarty Based Hstogram Rato) SHC yang dadops dar (Hammouda dan Kamel, 2003). SHC dplh karena SHC menggunakan pendekatan cluster smlarty hstogram yang berguna untuk memontor dan menaga koherens dar cluster Pengukuran Smlarty Metode pengukuran smlarty kalmat yang dgunakan pada paper n adalah metode un-gram matchng-based smlarty measure sesua Persamaan 1. Metode tersebut daukan oleh Sarkar (2009) karena penggunaan cosne smlarty memlk kelemahan ka dgunakan untuk mengukur smlarty kalmat. Metode Un-gram matchng-based smlarty measure dplh mengngat kalmat-kalmat adalah unt yang sangat pendek dan smlarty akan bernla sangat kecl ketka dhtung dengan pengukuran cosne smlarty. sm( s, s (2* s s ) ), (1) s s dmana s dan s adalah kalmat s ke- dan ke-. s s merepresentaskan umlah dar kata-kata yang sesua (match) antara kalmat s ke- dan kalmat s ke. s adalah panang kalmat s ke- yatu umlah kata yang menyusun kalmat tersebut Clusterng Kalmat dengan SHC Konsep utama dar SHC adalah menaga setap cluster sedapat mungkn berada dalam konds koheren pada tngkat yang bak. Hal tersebut dapat dmontor pada kecenderungan anggota bn yang terlhat dar cluster smlarty hstogram pada Gambar 2. Masng-masng bn terdr dar umlah smlarty dar masng-masng pasangan anggota cluster yang memenuh nterval pada bn. Cluster yang bak memlk smlarty hstogram dengan nla smlarty dmana untuk setap pasangan kalmatnya berada pada bn maksmum, sedangkan ka cenderung berada pada bn mnmum maka kualtas cluster tersebut cenderung buruk. Terdapat 10 bn pada Gambar 2. Setap tngg bn merepresentaskan total umlah dar nla pasangan smlarty sesua dengan nterval dar bn tersebut. Koherens antar anggota cluster adalah hal yang doptmalkan pada SHC. Sebuah nla threshold dgunakan untuk menentukan tngkat tolerans sebuah cluster menerma anggota cluster baru. Jka SHC dgunakan untuk kasus clusterng kalmat maka setap kalmat yang menad kanddat anggota cluster harus mampu menngkatkan koherens cluster tersebut atau memenuh nla threshold yang telah dtentukan sebelumnya. Gambar 2. Cluster Smlarty Hstogram (Sarkar, 2009) Salah satu cara untuk mendapatkan deraat koherens yang tngg dalam cluster adalah mempertahankan deraat smlarty antar anggota tetap tngg. Dalam smlarty hstogram, n berart menaga dstrbus smlarty agar cenderung ke kanan (ke arah nla smlarty 1). Koherens yang bak pada setap cluster sangat pentng untuk daga. Hal tersebut untuk mencegah adanya kalmat-kalmat yang redundan pada pemlhan kalmat penyusun rngkasan. Kualtas dar suatu smlarty hstogram yang merepresentaskan koherens cluster dtentukan dengan menghtung raso smlarty yang berada datas threshold dengan total umlah smlarty yang ada. Raso dar hstogram yang tngg mencermnkan koherens yang tngg pula. Jka n adalah umlah dar kalmat pada suatu cluster, maka umlah dar pasangan kalmat yang ada pada cluster tersebut adalah n(n+1)/2. Sm={sm 1, sm 2, sm 3,, sm m} adalah kumpulan dar pasangan smlarty antar kalmat, dmana m=n(n+1)/2. Smlarty hstogram dar cluster dnotaskan dengan H={h 1, h 2, h 3,..., h nb}. Jumlah dar bn yang ada pada suatu hstogram dnotaskan dengan nb sedangkan umlah smlarty kalmat yang ada pada bn ke- dnotaskan dengan h. Fungs untuk menghtung nla h dtunukkan pada Persamaan 2.

4 Suputra et al., Pendekatan Postonal 21 h count( sm ) untuk sml sm sm, (2) u dmana sm l alah batas bawah smlarty pada bn ke- sedangkan sm u alah batas atas smlarty pada bn ke-. Hstogram rato (HR) dar suatu cluster dapat dhtung dengan Persamaan 3. HR n b T n b h h 1 (3) T S T * n b, (4) S T adalah smlarty threshold. Persamaan 4 menunukkan umlah bn yang sesua dengan smlarty threshold yang dnotaskan dengan T. Penyertaan elemen yang buruk pada suatu cluster pada setap tahap mungkn dapat mempengaruh kualtas cluster dan hal tersebut mungkn menurunkan nla HR menad nol. Untuk mencegah masalah tersebut maka dtetapkan sebuah threshold mnmum untuk hstogram rato yatu HR mn. Setap cluster harus berpedoman kepada HR mn. Langkah-langkah dar algortma SHC dperlhatkan pada pseudocode pada Gambar 3. 1: N Empty Lst {Cluster Lst} 2: for each sentence s do 3: for each cluster c n N do 4: HR old = HR C 5: Smulate addng s to c 6: HR new = HR C 7: f (HR new HR old) OR ((HR new > HR mn) AND (HR old-hr new < ɛ)) then 8: Add s to c 9: ext 10: end f 11: end for 12: f s was not added to any cluster then 13: Create a new cluster c 14: ADD s to c 15: ADD c to L 16: end f 17: end for Gambar 3. Pseudocode Clusterng Kalmat Menggunakan SHC Mengacu pada Gambar 3, metode SHC beralan secara bertahap dengan mengu setap kalmat dmana cluster slmlarty hstogram dar setap cluster dhtung sebelum dan sesudah melakukan smulas penambahan kalmat baru pada suatu cluster (bars 4-6). Pada saat membentuk cluster baru nla hstogram rato dsmpan pada HR c yang dhtung menggunakan Persamaan 3. HR old adalah nla hstogram rato pada suatu cluster sedangkan HR new adalah hstogram rato yang dperoleh setelah sebuah kalmat dadkan anggota dar suatu cluster yang dukan. Nla mnmum dar hstogram rato dnotaskan dengan HR mn. Parameter ɛ (epslon) adalah sebuah threshold sebaga ambang batas selesh antara HR old dengan HR new. Pada proses pembentukan cluster, nla (HR old) dan nla (HR new) dbandngkan. Jka nla HR new lebh atau sama dengan nla HR old, maka kalmat tersebut dtambahkan ke dalam suatu cluster. Atau ka nla HR new lebh rendah dar nla HR old namun nla HR new mash berada datas HR mn dan selsh antara HR old dengan HR new tdak lebh dar ɛ maka kalmat uga dtambahkan sedangkan selan tu kalmat tdak dtambahkan,(bars 7-10). Jka suatu kalmat tdak mendapatkan cluster setelah du dengan semua cluster, maka sebuah cluster baru dbentuk dan kalmat tersebut menad anggotanya (bars 12-16). 2.3 Pengurutan Clusterng Orderng Pengurutan cluster dlakukan karena pada proses clusterng menggunakan algortma SHC tdak pernah ada pengetahuan khusus berapa umlah cluster yang akan terbentuk. Sehngga sangat pentng untuk mengetahu cluster-cluster mana saa yang terplh menad kanddat rngkasan akhr (Sarkar, 2009). Cluster mportance adalah sebuah metode yang melakukan pengurutan cluster berdasarkan nla penumlahan bobot dar kata-kata yang merupakan kata frequent (serng muncul) yang terkandung dalam cluster. Sebuah threshold (θ) dtetapkan untuk menentukan apakah suatu kata tersebut termasuk kata frequent atau tdak terhadap seluruh dokumen nput. Jka frekuens suatu kata memenuh threshold θ maka kata tersebut danggap sebaga kata yang memlk bobot. Pendekatan cluster mportance bertuuan mengukur pentngnya suatu cluster berdasarkan umlah kata-kata frequent yang ada pada suatu cluster. Msal dar hasl clusterng kalmat terbentuk N buah cluster sehngga C={c 1, c 2, c 3,, c N}. Pengurutan dlakukan dengan mencar bobot dar cluster ke-1 sampa ke-n yang durutkan berdasarkan bobot cluster mportance. Pengurutan cluster berdasarkan bobot cluster mportance dhtung dengan Persamaan 5. Weght ( c ) log(1 count( w)), (5) wc dmana bobot dar cluster c ke- dnotaskan dengan Weght(c), count (w) adalah umlah dar kata w pada koleks nput dan count (w) lebh dar threshold θ. Bobot dar cluster merepresentaskan kekayaan nformas yang dkandung dalam cluster tersebut. Sebelum menghtung bobot suatu cluster terlebh dahulu dlakukan stopwords removal yatu menghlangkan kata-kata yang tdak pentng yang terdapat pada kumpulan dokumen nput.

5 22 Jurnal Ilmu Komputer Vol.VI, No. 2, September 2013, hlm Pemlhan Kalmat Representatf Pemlhan kalmat yang menad kalmat rngkasan dalam paper n ddasarkan pada tnggnya skor suatu kalmat ddalam suatu cluster tertentu. Penentuan skor kalmat dhtung berdasarkan skor ftur sentence nformaton densty. Ftur sentence nformaton densty adalah ftur yang mampu mencermnkan banyaknya kandungan nformas dar suatu kalmat sehngga dapat mewakl kalmatkalmat lanya. Proses pemlhan kalmat representatf cluster berdasarkan skor ftur sentence nformaton densty selanutnya dsebut dengan metode SID. Metode SID menggunakan pendekatan postonal text graph yang dadops dar He dkk (2008). Dalam paper n dgunakan pendekatan clusterng kalmat sehngga sentence nformaton densty dhtung mengacu pada pasangan-pasangan smlarty kalmat yang ada dalam suatu cluster kalmat. Nla smlarty untuk setap kalmat yang ada pada cluster dhtung dengan kalmat lannya kemudan dbentuk smlatry matrx yang dgunakan untuk membentuk graph kalmat yang merepresentaskan poston nformaton. Graph dgambarkan sebaga P = (V, E), dmana P merepresentaskan graph, V = {s 1, s 2,, s n} adalah vertex pada graph yang merepresentaskan kalmatkalmat dalam suatu cluster, dan E={(s, s )} adalah kumpulan dar suatu edge pada graph dmana bobot edge tersebut dhtung berdasarkan smlarty antar dua kalmat dalam cluster. Graph P dbangun berdasarkan kalmat-kalmat dalam cluster. Saat pertama graph P kosong, setelah tu semua kalmat dalam suatu cluster dmasukan sebaga vertex. Langkah kedua htung nla smlarty untuk setap pasangan kalmat dalam P, ka nla smlarty suatu pasangan kalmat memenuh threshold α maka edge dbentuk dan bobot pasangan kalmat tersebut adalah nla smlarty yang dmlknya. Ketka graph telah dbangun, ftur sentence nformaton densty dhtung dengan Persamaan 6. F sd ( s ) k W sk (6) max W l{1,2,.. n} sl,, dmana umlah kalmat s pada cluster ke- dtunukkan dengan n, adalah penumlahan bobot dar semua edge yang datang dar kalmat s ke-k pada cluster ke-, sedangkan adalah penumlahan bobot edge maksmum dantara semua pasangan smlarty kalmat yang ada pada cluster ke Penyusunan Rngkasan Setelah clusterng kalmat, cluster-cluster yang terbentuk durutkan berdasarkan cluster mportance. Sebuah kalmat representatf dplh dar setap cluster. Pemlhan kalmat dmula dar cluster yang memlk bobot cluster mportance palng tngg. Kemudan pemlhan dlanutkan pada cluster berkutnya sesua dengan daftar urutan cluster berdasarkan bobot cluster mportance secara descendng. Pemlhan kalmat tersebut terus dlakukan hngga panang rngkasan yang dharapkan terpenuh. 3. EVALUASI RINGKASAN Memang sult untuk menla apakah rngkasan yang dhaslkan bak atau buruk. Evaluas manual basanya bersfat subektf dan umumnya membutuhkan banyak usaha dar manusa (ahl). Dewasa n pengukuran evaluas rngkasan secara otomats tengah populer. Salah satu pengukuran otomats yang terkenal adalah ROUGE (Recall- Orented Understudy for Gstng Evaluaton). ROUGE adalah metode evaluas hasl rngkasan yang mengkukur kualtas hasl rngkasan berdasarkan kesesuaan antara unt-unt rngkasan hasl sstem dengan unt-unt rngkasan referens yang dbuat secara manual. Pada paper n dgunakan metode ROUGE-N. Pengukuran ROUGE-N mengukur perbandngan N-gram dar dua rngkasan, dan menghtung berapa umlah yang sesua. Perhtungan ROUGE-N yang dadops dar perhtungan Ln (2004) dtunukkan pada Persamaan 7. ROUGE N S Summ Count ( N gram) ref N grams match, (7) Count( N gram) SSummref N grams dmana N menunukkan panang dar N-gram, Count match(n-gram) adalah umlah maksmum dar N- gram yang muncul pada rngkasan kanddat dan rngkasan sebaga referens. Count(N-gram) adalah umlah dar N-gram pada rngkasan sebaga referens. Pada paper n fungs ROUGE-N yang dgunakan adalah ROUGE dengan nla N = 1. Sesua dengan karakterstk dataset task 2 DUC 2004 yang menggunakan multple references summares (banyak referens rngkasan) yatu empat referens per cluster dokumen, maka perhtungan nla ROUGE-N akhr dhtung berdasarkan Persamaan 8. Nla akhr dar ROUGE-N akhr adalah nla ROUGE-N terbesar yang dhaslkan dar pasangan rngkasan hasl sstem dan rngkasan referens. Nla ROUGE-N dhtung pada setap pasangan rngkasan kanddat sc dan rngkasan referens rs. Perhtungan ROUGE-N tersebut dadops dar Ln (2004) yang dtunukkan pada Persamaan 8. ROUGE N argmax ROUGE N( sc, rs ) (8) mult 4. HASIL UJI COBA DAN PEMBAHASAN Pada bagan n dpaparkan hasl testng metode usulan SID dengan metode pembandng yatu metode local mportance dan global mportance (selanutnya

6 Suputra et al., Pendekatan Postonal 23 dsebut LIGI). Kedua metode bak SID dan LIGI dalankan pada framework sstem perngkasan yang sama sesua Gambar 1. Pada paper n dataset yang dgunakan adalah task 2 DUC Dataset task 2 DUC 2004 merupakan kumpulan dokumen berta dalam bahasa Inggrs dar Assocated Press dan New York Tmes. Dokumen-dokumen tersebut telah terkelompokkelompok menad 50 cluster dokumen. Setap cluster dokumen terdr dar rata-rata 10 dokumen berta. Pengukuran performa dar masng-masng metode (SID dan LIGI) dlhat dar nla ROUGE-1. Nla ROUGE-1 yang lebh besar menunukkan performa metode yang lebh bak dar seg korelas rngkasan yang dhaslkan sstem dengan rngkasan secara manual. 4.1 Insalsa Nla-nla Parameter Sstem Terdapat lma buah parameter yang dgunakan dalam paper n yatu HR mn, ɛ, S T, θ, dan α. Parameter HR mn, ɛ, dan S T adalah parameter yang dgunakan pada proses clusterng kalmat dengan algortma SHC. Parameter θ adalah parameter yang dgunakan pada proses pengurutan cluster berdasarkan cluster mportance. Sedangkan parameter α adalah parameter yang dgunakan pada proses pemlhan kalmat representatf. Semua parameter tersebut dkombnaskan kecual nla HRmn dan ɛ yang sengaa dbuat berpasangan sesua dengan kolom yatu: [HRmn, ɛ] menad [0.8, 0.2], [0.7, 0.3], [0.6, 0.4], dan [0.5, 0.5]. Sesua dengan nsalsas nla parameter yang terdapat pada Tabel 1, sehngga dar semua kemungknan kombnas akhrnya dperoleh 72 buah kombnas nla parameter untuk metode SID. Metode Pembandng LIGI dalankan pada framework yang sama dengan metode SID. Sehngga akan terdapat empat buah parameter yang dkombnaskan yatu HR mn, ɛ, S T, dan θ. Parameter α tdak dgunakan karena parameter tersebut hanya dgunakan pada perhtungan metode SID. Bobot untuk ftur LI dan ftur GI yang dgunakan adalah 0.5 sesua rekomendas Sarkar (2009). Sehngga sesua dengan nsalsas nla parameter pada Tabel 1, akhrnya dperoleh 24 buah kombnas nla parameter untuk metode LIGI. Tabel 1. Insalsas Nla Parameter Sstem Parameter Insalsas Nla Parameter HRmn {0.8, 0.7, 0.6, 0.5} ɛ {0.2, 0.3, 0.4, 0.5} ST {0.4, 0.5, 0.6} θ {10, 20} α {0.4, 0.5, 0.6} 4.2 Testng Metode SID dengan metode LIGI Berkut hasl testng metode SID dan LIGI terhadap seluruh dataset task 2 DUC Metode SID dan LIGI sama-sama beralan pada framework perngkasan yang sama yatu: text preprocessng, clusterng kalmat dengan SHC, dan pengurutan cluster yang dlakukan berdasarkan cluster mportance. Namun untuk metode LIGI pada text preprocessng tdak dgunakan proses stemmng sesua dengan Sarkar (2009). Tabel 2. Hasl Testng Metode SID vs LIGI Metode Sstem Perngkasan Sentence clusterng (SHC) + cluster orderng (cluster mportance) + SID Sentence clusterng (SHC) + cluster orderng (cluster mportance) + LIGI ROUGE Tabel 2 menunukkan perbandngan nla ratarata ROUGE-1 yang mampu drah oleh metode SID dan LIGI yang dalankan pada framework sstem perngkasan yang sama. Nla rata-rata ROUGE-1 terbesar drah oleh metode SID yatu dengan kombnas nla parameter HR mn = 0.6, ɛ = 0.4, S T = 0.4, θ = 10 dan α = 0.4 sedangkan nla rata-rata ROUGE-1 terbesar yang mampu drah oleh metode LIGI adalah dengan kombnas nla parameter HR mn = 0.8, ɛ = 0.4, S T = 0.2, dan θ = 10. Nla ROUGE-1 yang lebh besar menunukkan performa sstem perngkasan yang dbangun dengan pendekatan sentence clusterng (SHC) + cluster orderng (cluster mportance) + SID lebh bak dar seg korelas hasl rngkasan sstem dengan rngkasan secara manual dbandngkan dengan sstem perngkasan yang dbangun dengan pendekatan sentence clusterng (SHC) + cluster orderng (cluster mportance) + LIGI. 5. KESIMPULAN Pada paper n telah dusulkan sebuah strateg pemlhan kalmat representatf cluster sebaga kalmat rngkasan dengan menggunakan konsep sentence nformaton densty (metode SID) yang dbangun menggunakan pendekatan postonal text graph. Pemlhan kalmat representatf cluster menggunakan pendekatan postonal text graph mampu menghaslkan nla rata-rata ROUGE-1 sebesar dan berhasl mengunggul metode LIGI dmana nla rata-rata ROUGE-1 yang dhaslkan adalah Hal tersebut mengndkaskan bahwa metode SID mampu memlh kalmat rngkasan lebh bak dan memberkan hasl yang lebh bak berdasarkan korelas hasl rngkasan sstem dengan rngkasan secara manual dar seg kesesuaan ungram dbandngkan dengan metode LIGI.

7 24 Jurnal Ilmu Komputer Vol.VI, No. 2, September 2013, hlm DAFTAR PUSTAKA Boros, E. Kantor, P. B. dan Neu, D. J. (2001), A Clusterng Based Approach to Creatng Mult- Document Summares. In Proceedngs of the 24th ACM SIGIR Conference, Eds: Kraft, D. H. et al., ACM, New Orleans, Los Angeles, hal Ge, S. S., Zhang Z., dan He, H. (2011), Weghted Graph Model Based Sentence Clusterng and Rankng for Document Summarzaton Proceedng of th Internatonal Conference on Interacton Scences (ICIS), Natonal Unversty of Sngapore, Sngapore, hal Gupta, V. (2010), A Survey of Text Summarzaton Extractve Tecnques, Journal of Emergng Technologes n Web Intellgence, Vol. 2, No. 3, hal Hammouda, K. M. dan Kamel, M. S. (2003), Incremental Document Clusterng Usng Cluster Smlarty Hstograms Proceedng of the 2003 IEEE/WIC Internatonal Conference on Web Intellgence, Eds: Lu, J. et al., Unversty of Waterloo, Halfax, Canada, hal He, T., L F., Shao, W., Chen, J., dan Ma, L. (2008), A New Feature-Fuson Sentence Selectng Strategy for Query-Focused Mult-document Summarzaton, Proceedng of Internatonal Conference Advance Language Processng and Web Informaton Technology, Eds: Ock C. et al., Unversty of Normal, Wuhan, Chna, hal Koglavan, A. dan Balasubraman, P. (2010), Clusterng and Feature Sprecfc Sentence Extracton Based Summarzaton of Multple Documents, Internatonal Journal of Computer Scence & Informaton Technology (IJCSIT), Vol. 2, No. 4, hal Ln, C. Y. (2004), ROUGE: a Package for Automatc Evaluaton of Summares, In Proceedngs of Workshop on Text Summarzaton Brances Out, Eds: Moens, M. F. dan Szpakowcz, S., Assocaton for Computatonal Lngustcs, Barcelona, hal Ouyang, Y., L W., Zhang R., L S., dan Lu Q. (2013), A Progressve Sentence Selecton Strategy for Document Summarzaton, Journal of nformaton Precessng and Management. Vol. 49, Issue 1, hal Randev, D. R., Jng, H., Stys, M., dan Tam, D. (2004), Centrod-Based Summarzaton of Multple Documents, Journal Informaton Processng and Management: an Internatonal Journal, Vol. 40 Issue 6, hal Sarkar, K. (2009), Sentence Clusterng-based Summarzaton of Multple Text Documents, Internatonal Journal of Computng Scence and Communcaton Technologes, Vol. 2, No. 1, hal Wan, X. dan Yang, J. (2008), Mult-Document Summarzaton Usng Cluster-Based Lnk Analyss, Proceedngs of the 31st annual nternatonal ACM SIGIR conference on Research and Development n Informaton Retreval, Eds: Chua T. S. et al., Assocaton for Computatonal Lngustcs, New York, hal