Text Summarization Berbasis Klasterisasi K-Means dan TextRank pada Berita Berbahasa Indonesia
Abstract
Pertumbuhan volume berita digital di Indonesia mendorong kebutuhan metode otomatis untuk mengelompokkan dan meringkas informasi secara efisien. Penelitian ini mengembangkan pipeline text mining yang mengintegrasikan klasterisasi dan extractive summarization untuk merangkum berita berbahasa Indonesia berdasarkan topik. Dari 80.479 artikel awal, tersisa 67.370 artikel setelah pembersihan; 5.000 artikel diambil secara acak untuk efisiensi komputasi, dan 3.331 dokumen tersisa setelah penyaringan serta digunakan pada analisis akhir. Dokumen direpresentasikan dengan TF-IDF kombinasi unigram-bigram dan direduksi dimensinya menggunakan Truncated SVD, lalu dikelompokkan dengan algoritma K-Means; jumlah klaster optimal ditentukan melalui kombinasi Elbow Method, Silhouette Score, dan Davies-Bouldin Index. Setiap klaster kemudian diringkas menggunakan metode TextRank dan dievaluasi dengan metrik ROUGE. Analisis menghasilkan 11 klaster optimal dengan Silhouette Score sebesar 0,0675, menghasilkan pengelompokan tematik yang cukup dapat diinterpretasikan seperti topik bencana, politik, hukum, dan kriminalitas, meskipun nilai Silhouette tersebut menunjukkan pemisahan klaster yang masih lemah. Rata-rata skor ROUGE-1, ROUGE-2, dan ROUGE-L yang diperoleh adalah 0,1938, 0,0743, dan 0,1299, dengan performa terbaik pada klaster bertopik spesifik dan kohesif serta terendah pada klaster besar yang heterogen. Hasil ini menunjukkan adanya asosiasi yang teramati antara homogenitas topik dan kualitas ringkasan ekstraktif; temuan ini mengindikasikan potensi pipeline yang diusulkan untuk extractive summarization berbasis topik pada berita Indonesia, meskipun belum dibandingkan dengan baseline TextRank tanpa klasterisasi.
Keywords
Full Text:
PDFReferences
Chicco, D., Campagner, A., Spagnolo, A., Ciucci, D., & Jurman, G. (2025). The Silhouette coefficient and the Davies-Bouldin index are more informative than Dunn index, Calinski-Harabasz index, Shannon entropy, and Gap statistic for unsupervised clustering internal evaluation of two convex clusters. PeerJ Computer Science, 11, e3309. https://doi.org/10.7717/peerj-cs.3309
Girsang, A. S., & Amadeus, F. J. (2023). Extractive text summarization for Indonesian news article using ant system algorithm. Journal of Advances in Information Technology, 14(2), 295–301. https://www.jait.us/show-227-1320-1.html
Gulati, V., Kumar, D., Popescu, D. E., & Hemanth, J. D. (2023). Extractive article summarization using integrated TextRank and BM25+ algorithm. Electronics, 12(2), 372. https://doi.org/10.3390/electronics12020372
Hidayat, M. Y., Yaqin, M. A., & Abidin, Z. (2025). Semantic-enhanced news clustering using TF-IDF and WordNet with K-Means. Journal of Information Systems and Informatics. https://doi.org/10.63158/journalisi.v7i4.1360
Jain, R., Singh, P., & Puri, S. (2024). Summarization of daily news using TextRank and TF-IDF algorithm. In S. Kumar, B. K., J. H. Kim, & J. C. Bansal (Eds.), Fourth Congress on Intelligent Systems (Vol. 865, pp. 313–324). Springer Nature Singapore. https://doi.org/10.1007/978-981-99-9043-6_26
Jin, K., Paik, S., Yun, J., Jang, S., & Kim, Y. (2024). PRISM: Personalizing reporting with intelligent summarization through multiple frames. IEEE Access. https://doi.org/10.1109/ACCESS.2024.3505612
Juna, M. F., & Hayaty, M. (2023). The observed preprocessing strategies for doing automatic text summarizing. Computer Science and Information Technologies, 4(2), 119–126. https://doi.org/10.11591/csit.v4i2.p119-126
Lin, N., Li, J., & Jiang, S. (2022). A simple but effective method for Indonesian automatic text summarisation. Connection Science, 34(1), 29–43. https://doi.org/10.1080/09540091.2021.1937942
Liu, W., Sun, Y., Yu, B., Wang, H., Peng, Q., Hou, M., Guo, H., Wang, H., & Liu, C. (2024). Automatic text summarization method based on improved TextRank algorithm and K-Means clustering. Knowledge-Based Systems, 287, 111447. https://doi.org/10.1016/j.knosys.2024.111447
Manning, C. D., Raghavan, P., & Schütze, H. (2008). Introduction to information retrieval. Cambridge University Press. https://nlp.stanford.edu/IR-book/
Permata, R., Rendika, & Julianty, L. C. (2025). Towards an Automated Essay Evaluation System NLP Based Text Embeddings and Similarity Metrics. Digital Zone: Jurnal Teknologi Informasi Dan Komunikasi, 16(1), 37–46. https://doi.org/10.31849/digitalzone.v16i1.26541
Purniawan, I. M. A., Sasmita, G. M. A., & Pratama, I. P. A. E. (2022). Clustering berita menggunakan algoritma TF-IDF dan K-Means dengan memanfaatkan sumber data crawling pada situs Detik.com. JITTER: Jurnal Ilmiah Teknologi dan Komputer, 3(1), 821. https://doi.org/10.24843/JTRTI.2022.v03.i01.p18
Putri, I. G. A. I. U., Trisna, I. N. P., & Rusjayanthi, N. K. D. (2025). Abstractive Text Summarization to Generate Indonesian News Highlight Using Transformers Model. Journal of Information Systems and Informatics, 7(2), 1248–1263. https://doi.org/10.51519/journalisi.v7i2.1082
Rifaldi, D., Fadlil, A., & Herman. (2023). Teknik preprocessing pada text mining menggunakan data tweet "Mental Health." Decode: Jurnal Pendidikan Teknologi Informasi, 3(2), 161–171. https://doi.org/10.51454/decode.v3i2.131
Salton, G., & Buckley, C. (1988). Term-weighting approaches in automatic text retrieval. Information Processing & Management, 24(5), 513–523. https://doi.org/10.1016/0306-4573(88)90021-0
Surianto, D. F., & Surianto, D. F. (2024). Enhancing K-Means clustering for journal articles using TF-IDF and LDA feature extraction. Brilliance: Research of Artificial Intelligence, 4(2), 964–972. https://doi.org/10.47709/brilliance.v4i2.5547
Tuhpatussania, S., Utami, E., Hartanto, A. D., et al. (2022). Comparison of LexRank algorithm and maximum marginal relevance in summary of Indonesian news texts online. Pilar Nusa Mandiri, 18(2), 187–192. https://doi.org/10.33480/pilar.v18i2.3190
Wicaksono, A. P., Widjaja, S., Nugroho, M. F., & Putri, C. P. (2024). Elbow and silhouette methods for K value analysis of ticket sales grouping on K-Means. SISTEMASI, 13(1), 28. https://doi.org/10.32520/stmsi.v13i1.2889
Widyassari, A. P., Rustad, S., Shidik, G. F., Noersasongko, E., Syukur, A., Affandy, A., & Setiadi, D. R. I. M. (2022). Review of automatic text summarization techniques & methods. Journal of King Saud University - Computer and Information Sciences, 34(4), 1029–1046. https://doi.org/10.1016/j.jksuci.2020.05.006
Yulianti, E., Pangestu, N., & Jiwanggi, M. A. (2023). Enhanced TextRank using weighted word embedding for text summarization. International Journal of Electrical and Computer Engineering (IJECE), 13(5), 5472. https://doi.org/10.11591/ijece.v13i5.pp5472-5482
DOI: https://doi.org/10.37905/jji.v8i2.40448
Refbacks
- There are currently no refbacks.











