Pemilihan Feature Secara Topic-based dalam Pembuatan Ringkasan Akta-akta Perseroan dengan Extractive Summarization

Maharani, Irene Septin (2024) Pemilihan Feature Secara Topic-based dalam Pembuatan Ringkasan Akta-akta Perseroan dengan Extractive Summarization. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6032211126-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 March 2026. Download (2MB) | Request a copy

Abstract

Dalam penyusunan Perjanjian Kredit untuk korporasi dalam perbankan, dokumen anggaran dasar perusahaan diperlukan untuk mengetahui identitas perusahaan seperti: nama dan jabatan pengurus, wewenang pengurus, modal perusahaan, dan pemegang saham. Dalam pelaksanaannya, dokumen anggaran dasar dapat mengalami perubahan karena adanya perubahaan pada salah satu/lebih aspek identitas perusahaan. Perubahan-perubahan tersebut perlu disusun secara lengkap supaya tidak terjadi kesalahan dalam menentukan identitas perusahaan. Kesalahan pada pembuatan Ringkasan Anggaran Dasar dapat menyebabkan suatu perjanjian notariil menjadi cacat hukum dan tidak sesuai dengan persyaratan hukum yang berlaku. Hal ini dapat meningkatkan resiko hukum bagi pihak perbankan. Untuk itu diperlukan Ringkasan Anggaran Dasar yang mencatat keseluruhan akta dari akta pendirian hingga akta perubahan terakhir. Penyusunan Ringkasan Anggaran Dasar dapat menjadi lebih efisien apabila dapat dilakukan secara otomatis agar dapat mengurangi terjadinya kesalahan penyusunan oleh manusia (human error). Untuk mengotomasi penyusunan Ringkasan Anggaran Dasar dapat dilakukan dengan algoritma Machine Learning dengan menggunakan Natural Language Processing (NLP). Metode peringkasan yang dilakukan dengan metode extractive summarization yang mengambil poin-poin penting dari setiap akta. Ringkasan akta-akta anggaran dasar akan diekstrak menjadi satu dokumen Ringkasan Anggaran Dasar. Hasil dari penelitian ini berupa prediksi Ringkasan Anggaran Dasar yang mencakup setiap akta yang disusun berurutan berdasarkan waktu penerbitan akta Anggaran Dasar. Prediksi Ringkasan Anggaran Dasar ini kemudian dievaluasi dengan membandingkan antara prediksi dengan hasil ringkasan manual yang sebelumnya sudah pernah dibuat. Evaluasi dilakukan dengan perhitungan ROUGE (Recall-Oriented Understudy for Gisting Evaluation), kemudian didapatkan nilai F1-score nya paling rendah yaitu 0,74, dengan skor recall pada setiap akta adalah 1 yang artinya prediksi sudah mencakup semua yang kalimat penting yang perlu ditunjukkan.
=================================================================================================================================
In the preparation of Credit Agreements for corporations, the company’s articles of association are required to determine the identity of the company such as the name and position of the management, the authority of the management, the company’s capital, and shareholders. In practice, the articles of association documents may undergo changes due to changes in one or more aspects of the company’s identity. These changes need to be compiled completely so that there is no mistake in determining the identity of the company. It can cause the agreements may not be applicable in legal requirements. This can increase risks for the banks. For this reason, a summary of the articles of association documents is required which records the entire deed from the deed of the establishment to the deed of the last amendment. Compilation of the Summary of Anggaran Dasar can be more efficient if it can be done automatically. To automate the Summary of Anggaran Dasar, Machine Learning algorithms can be used using Natural Language Processing (NLP). This type of summarization is carried out using the extractive summarization method which takes the important points of each deed. The summary of these deeds will be extracted into one document Summary of Anggaran Dasar. The results of this research are predictions of the summary which includes each deed arranged sequentially based on the time the Articles of Association deed was issued. The predictions of the Articles of Association Summary are then evaluated by comparing the predictions with the results of the manual summary that has previously been made. The evaluation was carried out using ROUGE (Recall-Oriented Understudy for Gisting Evaluation) calculations, then the lowest F1-score was obtained, namely 0.74, with the recall score for each deed being 1, which means the prediction included all the important sentences that needed to be shown.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Extractive Summarization, Information Extraction, Multi-document Summarization, Natural Language Processing, Ringkasan Dokumen Legal
Subjects:	T Technology > T Technology (General) T Technology > T Technology (General) > T59.7 Human-machine systems.
Divisions:	Interdisciplinary School of Management and Technology (SIMT) > 61101-Master of Technology Management (MMT)
Depositing User:	Irene Septin Maharani
Date Deposited:	19 Feb 2024 00:56
Last Modified:	19 Feb 2024 00:56
URI:	http://repository.its.ac.id/id/eprint/107598

Actions (login required)

View Item