Implementasi Text Summarization pada Artikel Berbahasa Indonesia Menggunakan Algoritma TextRank dengan TF-IDF Berbasis Web

Peningkatan Signifikan Jumlah Artikel Ilmiah Setiap Tahun Menciptakan Tantangan Dalam Memproses Informasi Secara Efisien . Hal Ini Menyebabkan Kebutuhan Akan Teknologi Text Summarization Yang Dapat Membantu Peneliti Dan Pembaca Menghemat Waktu Dalam Memahami Inti Artikel. Penelitian Ini Menggunakan Extractive Summarization Untuk Mempertahankan Kalimat Asli Dari Teks Sumber, Menjaga Integritas Informasi, Dan Menghindari Distorsi Makna. Penelitian Ini Bertujuan Mengembangkan Sistem Text Summarization Untuk Artikel Berbahasa Indonesia Menggunakan Algoritma Textrank Dan Tf-Idf Berbasis Web. Algoritma Textrank Dipilih Karena Kemampuannya Mengidentifikasi Kalimat Penting Tanpa Pelatihan, Sementara Tf-Idf Digunakan Untuk Pembobotan Kata Berdasarkan Frekuensi Kemunculannya Dalam Dokumen. Data Yang Digunakan Adalah 100 Artikel Berbahasa Indonesia Dari Jurnal Kode Unimed Tahun 2022-2024. Text Summarization Dikembangkan Menggunakan Dengan Tahapan: Text Preprocessing, Pembobotan Tfidf, Cosine Similarity, Dan Perangkingan Kalimat . Validasi Dilakukan Oleh Ahli Bahasa Dan Pakar Website Menggunakan Skala Likert Untuk Menilai Kualitas Ringkasan Dan Kegunaan Sistem. Sistem Berbasis Website Yang Dibuat Memungkinkan Pengguna Memasukkan Teks Artikel Dan Mendapatkan Ringkasannya Dengan Mudah Dan Cepat. Hasil Menunjukkan Sistem Mampu Menghasilkan Ringkasan Yang Mempertahankan Informasi Penting Dari Artikel Asli. Evaluasi Oleh Ahli Bahasa Menunjukkan Hasil Ringkasan Yang Sangat Baik, Dengan Performa Terbaik Pada Compression Rate 50% (88,533%), Diikuti Compression Rate 40% (85,133%), Dan Compression Rate 30% (81,26%). Evaluasi Oleh Pakar Website Juga Menunjukkan Hasil Yang Baik Dengan Tingkat Kelayakan Sistem Sebesar 70,67%, Mengonfirmasi Kegunaan Dan Efektivitas Sistem.