Peringkasan Otomatis Risalah Rapat DPR RI Menggunakan IndoNanoT5 dan LongT5 TGlobal

Risalah rapat Dewan Perwakilan Rakyat Republik Indonesia DPR RI bersifat panjang, dialogis, dan menyebarkan informasi penting pada banyak bagian, sehingga pembaca sulit menangkap inti pembahasan, keputusan, dan tindak lanjut secara cepat. Penelitian ini membangun dan mengevaluasi sistem peringkasan abstraktif pada 200 risalah rapat DPR RI menggunakan pelatihan bertahap berbasis domain rapat. Tahap adaptasi dilakukan melalui pra-proses AMI Meeting Corpus yang diterjemahkan ke Bahasa Indonesia, kemudian dilanjutkan fine-tuning pada dataset risalah DPR RI. Dua pendekatan dibandingkan. Pendekatan pertama menggunakan LongT5 Transient Global Attention TGlobal sebagai model long context end to end. Pendekatan kedua menggunakan IndoNanoT5 dengan strategi chunking dan sliding window, ukuran chunk 1024 token, overlap 127 token, serta agregasi ringkasan per chunk sepanjang 256 token menjadi ringkasan akhir hingga 1024 token. Evaluasi dilakukan menggunakan ROUGE-1, ROUGE-2, ROUGE-L, dan Word F1. Hasil validasi menunjukkan LongT5 TGlobal mencapai kinerja terbaik setelah fine-tuning dengan ROUGE-1 0,3031, ROUGE-2 0,0924, ROUGE-L 0,1427, dan Word F1 0,2721. IndoNanoT5 menunjukkan peningkatan performa setelah fine-tuning dengan ROUGE-1 0,1437, ROUGE-2 0,0483, ROUGE-L 0,1098, dan Word F1 0,1264, namun masih terdampak fragmentasi konteks dan repetisi akibat overlap dan proses agregasi ringkasan. Pendekatan ini relevan untuk meningkatkan aksesibilitas informasi rapat legislatif bagi publik, peneliti, jurnalis, dan pembuat kebijakan secara nasional berkelanjutan.