ABSTRAK Nama Penulis 1 / Program Studi : Ramdhan Firdaus Amelia / Ilmu Komputer Nama Penulis 2 / Program Studi : Rizky Juniastiar / Ilmu Komputer Judul : Model Bahasa Generatif Pembuat Berita untuk Automatic Indonesian News Generation System Pembimbing : Adila Alfa Krisnadhi, Ph.D. Syifa Nurhayati, S.Kom., M.Kom. Kebutuhan akan informasi yang cepat dan valid semakin mendesak di tengah arus informasi yang cepat. Kemajuan teknologi memberikan dampak signifikan terhadap industri jurnalisme untuk mengakomodasi kebutuhan informasi tersebut. Proses produksi berita, yang tradisionalnya memakan waktu, terus dihadapkan pada tuntutan untuk menghasilkan informasi dengan cepat dan akurat. Penelitian ini merespon tantangan tersebut dengan melakukan pengembangan model generatif yang dapat melakukan pembuatan berita secara otomatis. Dalam pengembangan model generatif, penulis melakukan beberapa skenario percobaan untuk menguji pengaruh ukuran jumlah parameter, jenis prompting, dan penggunaan delimiter pada prompt yang digunakan terhadap kualitas model yang dihasilkan. Percobaan dilakukan dengan melakukan fine tuning pada dua buah large language model yang memiliki arsitektur berbeda, yaitu Falcon dan BLOOM. Pengembangan large language modelselanjutnya dilakukan proses evaluasi dengan menggunakan metrik measurement BLEU, ROUGE, perplexity, dan human evaluation kepada wartawan terhadap berita yang dihasilkan. Hasil yang penulis dapatkan menunjukkan bahwa terdapat beberapa aspek yang memengaruhi kualitas berita yang dihasilkan oleh model dalam proses fine tuning. Beberapa aspek tersebut di antaranya adalah ukuran jumlah parameter, jenis prompting, dan penggunaan delimiter pada prompt yang digunakan. Model terbaik yang didapatkan dari keseluruhan model percobaan adalah BLOOM dengan jumlah parameter 7B yang mendapatkan hasil evaluasi ROUGE-1 sebesar 0,3856 dan perplexity sebesar 5,79809. Model ini juga dapat menghasilkan berita yang sesuai dengan kebutuhan wartawan dalam proses human evaluation, baik dari kesesuaian dengan kaidah kebahasaan dan penulisan berita maupun ketepatan berita dengan fakta sebenarnya. Model ini mendapatkan penilaian sebesar 4,25 dari 5,00 untuk kesesuaian dengan kaidah kebahasaan dan 4,27 dari 5,00 untuk ketepatan dengan fakta sebenarnya. Kata kunci: Pembuatan Berita Otomatis, Large Language Model, Model Generatif, Jurnalisme, Falcon, BLOOM, BLEU, ROUGE, Perplexity, Human Evaluatio