LANDASAN TEORI
II- 13 bacaan. Paragraf yang disusun berdasarkan ide pokok selanjutnya dapat
dikembangkan dengan ide pengembang agar dapat menjadi suatu paragraf yang utuh. Nurhadi (2004) mengemukakan ide pokok adalah ungkapan umum dari penulis terhadap suatu topik, dikutip dari (Rapita, 2018). Topik dari keseluruhan paragraf yang ada sudah tergambarkan dengan adanya ide pokok dan pembaca bisa memahami keseluruhan paragraf jika sudah mengetahui ide pokok paragraf.
Untuk mendapatkan ide pokok yang ada pada sebuah wacana atau artikel, maka perlu mengidentifikasi ide pokok. Dalam Kamus Besar Bahasa Indonesia yang dikutip dari (Triandy, 2017)”mengidentifikasi adalah proses menemukan informasi pada paragraf atau bentuk tulisan lain. Jadi, mengidentifikasi adalah suatu proses mengurutkan atau menjabarkan informasi dalam paragraf maupun bentuk tulisan lain, salah satunya yaitu menemukan atau mengidentifikasi ide pokok dalam wacana.”
Berikut merupakan langkah-langkah dalam mengidentifikasi ide pokok yang dikutip dari (Triandy, 2017):
1. Latihan menemukan letak ide pokok sebuah paragraf atau bacaan. 2. Latihan menyatakan ide pokok sebuah paragraf atau bacaan. 3. Latihan menangkap maksud paragraf atau bacaan.
4. Latihan menemukan atau mengidentifikasi ide pokok dengan kecepatan membaca yang tinggi.
Menurut (Triandy, 2017) dalam satu bacaan terdapat kalimat pokok atau kalimat kunci. Kalimat kunci dalam suatu bacaan mengandung kata benda atau kata ganti orang yang dominan atau yang menjadi topik secara garis besar dalam bacaan tersebut. Kalimat lainnya adalah kalimat pendukung yang akan menjabarkan dari kalimat pokok.
Ide pokok terbagi atas beberapa jenis yang dibagi berdasarkan letak ide pokok dalam suatu paragraf, jenis ide pokok menurut (Suladi, 2014) sebagai berikut:
1. Deduktif
Paragraf yang memiliki ide pokok di awal paragraf disebut paragraf deduktif, yang diikuti oleh kalimat penjelas sebagai kalimat pendukung ide pokok (gagasan utama).
II-14 2. Induktif
“Paragraf yang memiliki ide pokok di akhir paragraf disebut paragraf induktif, yang topik utama dari paragraf terletak di bagian akhir. Ciri-ciri paragraf induktif adalah diawali dengan penyebutan peristiwa khusus yang berfungsi sebagai penjelas, dilanjutkan dengan menarik kesimpulan dari peristiwa khusus tersebut.”
3. Deduktif-Induktif (Campuran)
“Paragraf deduktif-induktif adalah suatu paragraf yang memiliki ide pokok atau gagasan utama pada awal dan akhir paragraf. Penempatan ide pokok di awal dan di akhir paragraf merupakan penegasan informasi dalam bentuk pengulangan gagasan.”
4. Ineratif
Paragraf ineratif merupakan paragraf yang memiliki ide pokok atau gagasan utama yang terletak di tengah-tengah paragraf. Paragraf yang memiliki ide pokok di tengah diawali oleh kalimat penjelas di awal paragraf, dilanjutkan dengan ide pokok atau gagasan utama dan ditutup dengan kalimat-kalimat penjelas untuk mempertegas informasi.
2.10 Penelitian Terkait
“Terdapat beberapa penelitian yang terkait dengan penelitian ini baik secara topik atau metode yang digunakan yaitu sebagai berikut:
Tabel 2.7 Penelitian Terkait
No. Penulis, Tahun Judul Hasil Kelemahan/Saran
1. Nirmala Fa’izah Saraswati, Indriati, Rizal Setya Perdana, 2018 Peringkasan Teks Otomatis Menggunakan Metode Maximum Marginal Relevance
pada Hasil Pencarian Sistem Temu Kembali Informasi Untuk Artikel Berbahasa Indonesia
Dari hasil uji terhadap dua skenario uji, skenario uji pertama yaitu
pengujian yang dilakukan untuk menguji hasil dokumen yang diperoleh dari sistem temu kembali informasi menggunakan
precision@k memperoleh
hasil rata-rata
precision@k sebesar 0,96
pada kueri ke 5 dari total 5 kueri yang diuji.
Skenario pengujian kedua dilakukan untuk
Saran pengembangan untuk penelitian selanjutnya yaitu untuk meningkatkan bobot kemiripan dengan kueri menggunakan metode yang dapat
memperhitungkan frekuensi kemunculan kata dengan kata lainnya.
II-15
No. Penulis, Tahun Judul Hasil Kelemahan/Saran
menentukan recall,
precision, f-measure dan
akurasi, dan diperoleh hasil dari 150 data uji dengan rata-rata precision sebesar 0,70, recall sebesar 0,75, f-measure sebesar 0,70 dan akurasi sebesar 74,17%.
2. Meriska Zamuri, 2017
Implementasi Vector
Space Model untuk
Mencari Kalimat yang Mengandung Ide Pokok Teks Berbahasa
Indonesia
Hasil yang didapatkan dari pengujian 100 kueri dengan metode Vector
Space Model mencapai
akurasi 70%. Hasil pengujian artikel ide pokok di awal (deduktif) diperoleh hasil 78,57%, di tengah (ineratif) diperoleh akurasi 40%, dan di akhir (induktif) diperoleh hasil akurasi 60%. Akurasi tertinggi didapatkan dari pengujian artikel dengan ide pokok terletak di awal paragraf.
Berdasarkan hasil uji, sistem masih susah mendapatkan ide pokok yang terletak di tengah dan akhir paragraf, terbukti dengan tingkat akurasi yang diperoleh yaitu 40% pada pencarian ide pokok yang terletak di tengah dan 60% pada ide pokok yang terletak di akhir.
3. Tegar Rachman Muzzammil, R. V. Hari Ginardi, dan Diana Purwitasari, 2016 Modul Klasifikasi Aduan dengan Pendekatan
Kemiripan Teks pada Aplikasi Perangkat Bergerak Suara Warga (Surga) Kota Kediri
Dari hasil pengujian yang dilakukan untuk
menentukan kemiripan aduan dengan metode kusioner menunjukkan bahwa akurasi untuk aduan tidak mirip adalah 100%, dan akurasi untuk aduan mirip adalah 90%. 4. DwijaWisnu
B, Anandini Hetami, 2015
Perancangan
Information Retrieval
(IR) untuk Pencarian Ide Pokok Teks Artikel Berbahasa Inggris dengan Pembobotan
Vector Space Model
Hasil yang didapatkan dari penelitian yang menggunakan pembobotan TF-IDF untuk memberikan nilai, lalu dilanjutkan dengan metode Vector Space
Model untuk
mendapatkan kalimat yang mengandung ide pokok memberikan nilai
recall 66,68%, precision
72,29%, dan f-measure 70,38%.
Berdasarkan hasil uji coba pada sistem, sistem belum bisa mengenali kalimat yang terdiri dari alamat web atau sebuah kata yang memerlukan titik di tengah kalimat yang digunakan sebagai pemecah kalimat. Hal ini mengakibatkan alamat web menjadi terpecah dan
memunculkan kalimat yang tidak utuh.
II-16
No. Penulis, Tahun Judul Hasil Kelemahan/Saran
5. R. Malathi Ravindran dan Dr. Antony Selvadoss Thanamani, 2015 K-Means Document Clustering using Vector Space Model
Hasil yang didapatkan dari penelitian ini adalah peneliti berpendapat bahwa dengan
menggabungkan K-Means
Clustering dan Vector Space Model dapat
menghasilkan
pengelompokan dokumen yang efesien meskipun dokumen yang
dikelompokkan
berdimensi tinggi, karena representasi ruang vektor cocok untuk dokumen yang berdimensi tinggi. 6. Silvia, Pitri Rukmana, Vivi Regina Aprilia, Derwin Suhartono, Rini Wongso, Meiliana, 2014
Summarizing Text for Indonesian Language by Using Latent Dirichlet Allocation and Genetic Algorithm
Hasil yang didapatkan dari penelitian yang telah dilakukan dengan menggunakan metode LDA dan Algoritma Genetika dari 50 artikel yang diuji, memberikan nilai precision 0.53448, recall 0.58134, dan f-measure 0.556926 pada rasio 30%. Saran pengembangan untuk penelitian selanjutnya adalah dengan menambahkan fitur kata benda yang tepat pada bahasa Indonesia, dan meningkatkan akurasi dari algoritma yang digunakan.
7. M. Praveen, dan Dora Babu Sudarsa, 2013 An Customized Vector Space Model Implementation in Document Clustering to Enhance the Performance
Hasil dari penelitian yang telah dilakukan dengan menggunakan
implementasi dari
K-Means Clustering dan Vector Space Model
disimpulkan bahwa pengelompokan dokumen dengan metode K-Means mudah dimengerti dan diimplementasikan, akan tetapi bisa lebih efisien apabila sedikit
II-17
No. Penulis, Tahun Judul Hasil Kelemahan/Saran
8. Muchammad Mustaqhfiri, Zainal Abidin dan Ririen Kusumawati, 2011 Peringkasan Teks Otomatis Berita Berbahasa Indonesia Menggunakan Metode Maximum Marginal Relevance
Hasil yang diperoleh dari pengujian terhadap 30 berita yang dilakukan oleh peneliti
menghasilkan nilai rata-rata recall 60%, precision 77%, dan f-measure 66%.
Masih terdapat beberapa artikel berita yang memiliki f-measure yang rendah
dikarenakan kueri yang dimasukkan tidak menggambarkan isi, oleh karena itu disarankan pada penelitian selanjutnya untuk menggunakan
generator judul sebagai
kueri agar memiliki nilai
f-measure yang lebih
tinggi. 9. Muhammad
Erwin Ashari Haryono, 2005
Pembentukan Intisari Topik Secara Otomatis Dalam
Suatu Paragraf dengan Model Vector Space
Model
Hasil dari penelitian yang telah dilakukan dengan pengujian terhadap 20 sampel cerita memberikan tingkat akurasi 60%.