OPTIMALISASI FINE-TUNING MODEL T5 MENGGUNAKAN ADAMW UNTUK PERINGKASAN TEKS BERITA BAHASA INDONESIA DENGAN EVALUASI ROUGE DAN COSINE SIMILARITY

NI , MADE RHEA ADNYANI (2025) OPTIMALISASI FINE-TUNING MODEL T5 MENGGUNAKAN ADAMW UNTUK PERINGKASAN TEKS BERITA BAHASA INDONESIA DENGAN EVALUASI ROUGE DAN COSINE SIMILARITY. FAKULTAS MATEMATIKA ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

	File PDF ABSTRAK.pdf Download (79Kb)
	File PDF SKRIPSI FULL (1) (1).pdf Restricted to Hanya staf Download (3263Kb) | Minta salinan
Preview	File PDF SKRIPSI FULL TANPA BAB PEMBAHASAN (1) (1).pdf Download (2558Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Menurut data Statista (2022), sekitar 68% dari total masyarakat Indonesia secara aktif mengakses berita daring setiap hari. Banyaknya informasi yang tersedia secara digital menyebabkan pembaca kesulitan dalam menyaring informasi yang relevan, terutama karena teks berita cenderung panjang dan kompleks. Peringkasan teks otomatis menjadi solusi penting untuk menyajikan informasi secara ringkas, cepat, dan tetap bermakna. Penelitian ini mengoptimalkan model T5 dengan AdamW optimizer melalui proses fine-tuning untuk meningkatkan kualitas ringkasan teks berita berbahasa Indonesia. Dataset yang digunakan adalah IndoSum sebanyak 9387 data. Data dibagi menjadi 90% untuk model dan 10% untuk pengujian. Data model terdiri dari 80% data training dan 10% data validation. Proses penelitian mencakup tahap preprocessing seperti seleksi fitur, rekonstruksi token, pembersihan teks, dan lowercasing. Setelah itu, dilakukan proses embedding dan fine-tuning model T5 dengan pengaturan batch size, learning rate, weight decay, dan jumlah epoch yang disesuaikan untuk memperoleh kinerja terbaik. Evaluasi model dilakukan dengan menggunakan metrik ROUGE dan cosine similarity. Hasil penelitian menunjukkan adanya peningkatan signifikan dibandingkan kajian terdahulu. Nilai metrik ROUGE dan cosine similarity yang diperoleh menunjukkan bahwa ringkasan yang dihasilkan model cukup relevan dengan referensi, baik dari sisi struktur maupun makna. Kata-kata kunci: IndoSum, Model T5, AdamW Optimizer, Fine-Tuning, ROUGE, Cosine Similarity, Peringkasan Teks Otomatis.

Jenis Karya Akhir:	Skripsi
Subyek:	500 ilmu pengetahuan alam dan matematika 500 ilmu pengetahuan alam dan matematika > 510 Matematika
Program Studi:	FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) > Prodi S1 Matematika
Pengguna Deposit:	2506141884 Digilib
Date Deposited:	21 Jun 2025 09:17
Terakhir diubah:	21 Jun 2025 09:17
URI:	http://digilib.unila.ac.id/id/eprint/89329

Actions (login required)

Lihat Karya Akhir