Open AccessPERINGKAS TEKS OTOMATIS DOKUEM TUNGGAL DAN MULTI BAHASA MENGGUNAKAN METODE TF-IDF
Author(s) -
Aa Zezen Zaenal Abidin,
Eka Yuda Rayi A
Publication year - 2019
Publication title -
jurnal teknologi informasi dan komunikasi/jurnal teknologi informasi and komunikasi
Language(s) - Slovenian
Resource type - Journals
eISSN - 2723-7249
pISSN - 2252-4517
DOI - 10.47561/a.v12i2.163
Subject(s) - humanities , art
Sistem peringkas teks otomatis berita kesehatan multi bahasa dapat digunakan oleh pembaca untuk meringkas teks berita kesehatan berbagi terjemahanya untuk kebutuhan berbagai jenis kegiatan. Untuk mengembangkan perangkat lunak yang sesuai dan mudah dimengerti untuk pengguna dalam membaca berita dan menterjemahkannya dalam bahasa internasional. Berita kesehatan dilakukan proses teks diproses hapus tanda baca, stopword, stemming, tokenizing, pembobotan kata dan pembobotan kalimat. Setelah pemrosesan teks setiap kalimat akan memiliki bobot masing-masing dari yang bernilai hingga terendah. K8 mendapatkan bobot 37.19723289, K9 mendapatkan bobot 17.89999416, K10 mendapatkan bobot 16.52464106 dan K3 mendapatkan bobot 14.77709596. metode yang digunakan adalah Metode Term frequency inverse document frequency (TF-IDF). Sistem menerima entri berita, menterjemahkan, dokumen menjadi kalimat, membuang karakter, memecahkanya menjadi kata, memberikan nilai bobot pada kata, menjumlahkan nilai bobot, menghitung nilai idf dan TD-IDF sehingga dapat memperoleh nilai bobot dari setiap kalimat yang akan menghasilkan nilai paling tinggi. Bahasa pemrograman yang digunakan adalah PHP dan DBMS menggunakan MySQL. Editor menggunakan Sublime dan Tools menggunakan Xampp 3.2.2 Sistem peringkas teks berita kesehatan multi-bahasa otomatis tidak perlu menyita waktu yang cukup lama untuk membaca dan menerjemahkan. Sistem peringkas teks berita kesehatan dengan cara menguji pembobotan kalimat manual dan otomatis dengan hasil penilaian yang sama dan sistem ini dapat memahami isi berita penting yang diinputkan, dengan memiliki verifikasi pengujian responden 54,17%.