Call Number | SK-2354 (Softcopy SK-1836) |
Collection Type | Skripsi |
Title | Model Pembuat Keterangan Gambar Berita Generatif: Studi Kasus pada Proyek Aings |
Author | Bisma Nurrauf/ Mohammad Fariz Kurniawan/ Shadqi Marjan Sadiya; |
Publisher | Depok: Fasilkom UI, 2024 |
Subject | Generative Indonesian news image captioning |
Location | FASILKOM-UI; |
Nomor Panggil | ID Koleksi | Status |
---|---|---|
SK-2354 (Softcopy SK-1836) | TERSEDIA |
Nama Penulis 1 / Program Studi : Bisma Nurrauf / Ilmu Komputer Nama Penulis 2 / Program Studi : Mohammad Fariz Kurniawan / Ilmu Komputer Nama Penulis 3 / Program Studi : Shadqi Marjan Sadiya / Sistem Informasi Judul : Model Pembuat Keterangan Gambar Berita Generatif: Studi Kasus pada Proyek AINGS Pembimbing : Adila Alfa Krisnadhi, S.Kom., M.Sc., Ph.D Jessica Naraiswari Arwidarasti, S.Kom., M.Kom. Syifa Nurhayati, M.Kom. Jurnalisme di era digital mengalami transformasi signifikan, dengan kemunculan online platform dan media sosial. Hal ini membawa tantangan baru dalam penyampaian informasi yang akurat dan menarik kepada khalayak umum. Penelitian-penelitian sebelumnya sudah mencoba untuk menyelesaikan masalah mengenai pembuatan berita secara otomatis menggunakan prompt singkat, maka dari itu penelitian ini ditujukan untuk melengkapi hal yang esensial untuk pembuatan artikel berita online, yaitu pembuatan keterangan gambar secara otomatis. Penelitian ini berfokus untuk menentukan Vision-Language Model (VLM) yang paling optimal untuk membuat keterangan gambar dalam konteks artikel berita dalam Bahasa Indonesia. Penelitian dilakukan dengan 3 (tiga) pendekatan VLM, yakni GoodNews, Transform and Tell, dan VisualNews. Pengembangan VLM dilakukan dengan melatih masing-masing model secara terpisah. Selanjutnya VLM dievaluasi dengan metrik penilaian BLEU, ROUGE, dan CIDEr. Hasil yang didapatkan oleh penulis menunjukkan bahwa performa pendekatan model VisualNews jauh lebih baik dibandingkan pendekatan model GoodNews dan Transform and Tell. Model ini mencapai nilai persentase BLEU-4 sebesar 6.93%, ROUGE-L sebesar 23.54%, dan CIDEr sebesar 42.66%. Kata kunci: Pembuatan keterangan berita generatif berbahasa Indonesia, Vision-Language Model (VLM), Image Captioning, GoodNews, Transform and Tell, VisualNews