Nama Penulis 1 / Program Studi: Nama Penulis 2 / Program Studi Judul Pembimbing Fransisco William Sudianto / Sistem Informasi Jeremy Reeve Kurniawan / Ilmu Komputer : Pengembangan Alat Ekstraksi Informasi pada Teks Berita dengan Large Language Model dan Knowledge Graph Fariz Darari, S.Kom., M.Sc., Ph.D. Perkembangan Large Language Model (LLM) terjadi secara cepat dan mengalami kemajuan yang signifikan. Hal ini mendorong penggunaan dan pemanfaatan LLM pada berbagai bidang. Di sisi lain, Knowledge Graph (KG) menyediakan cara yang terstruktur dan bermakna untuk menyimpan informasi. KG sudah banyak digunakan secara luas di berbagai aplikasi, seperti mesin pencari, sistem rekomendasi, dan sistem penjawab pertanyaan. Salah satu pemanfaatan LLM dan KG yang masih jarang adalah pada bidang jurnalistik, khususnya untuk menganalisis dan memvisualisasikan berita. Penelitian ini bertujuan untuk mengembangkan alat ekstraksi informasi yang efisien, akurat, dan interaktif untuk menganalisis teks berita menggunakan pendekatan gabungan antara LLM dan KG. Metode ini menggabungkan keunggulan kedua teknik tersebut untuk meningkatkan pemahaman dan ekstraksi informasi dari teks berita yang kompleks. Tujuannya adalah agar pembaca dapat memahami informasi yang terdapat Penulis memanfaatkan LLM yang telah pada teks berita dengan lebih interaktif. terlatih secara luas dalam memahami dan menghasilkan teks untuk mengidentifikasi informasi penting dalam teks berita, seperti entitas, sentimen, kutipan, relasi antar entitas, dan unsur 5WIH (Who, What, Where, When, Why, How), urutan kronologis kejadian, dan hubungan bagian-keseluruhan (mereology) dalam teks berita. Untuk mengekstraksi informasi tersebut, prompt dimodifikasi dengan menggunakan pendekatan one-shot-prompting untuk memberikan konteks dan contoh kepada LLM dalam memahami teks berita. Kemudian, informasi yang diekstraksi divisualisasikan dalam bentuk KG yang merepresentasikan pengetahuan terstruktur tentang entitas dan hubungannya di dalam teks. Selain itu, penelitian melibatkan pembuatan sebuah website yang akan menyediakan antarmuka untuk sistem agar pengguna dapat melakukan analisis teks berita secara langsung dan interaktif. Evaluasi utama yang dilakukan pada penelitian ini adalah mengukur akurasi jawaban yang dihasilkan oleh LLM pada setiap bagian informasi diekstraksi dan bagaimana visualisasi KG yang baik untuk informasi yang didapat. Penelitian ini menunjukkan bahwa LLM mampu mengekstraksi informasi yang diinginkan dengan cukup akurat dan visualisasi KG dapat menyajikan informasi dengan lebih interaktif dan mudah dimengerti. Penelitian ini telah menunjukkan bahwa LLM dan KG dapat dimanfaatkan sebagai alat ekstraksi dan visualisasi informasi yang ada pada teks berita. yang Kata kunci: Alat Ekstraksi Informasi, Teks Berita, KG, LLM, prompt, one-shot prompting.