Hugging Face's logo

Datasets:
Sandroeth
/
summarization-id

Tasks:
Summarization
Modalities:
Text
Formats:
json
Languages:
Indonesian
Size:
1K - 10K
Tags:
wikipedia
summarization
indonesian
instruction-tuning
Libraries:
Datasets
pandas
Polars
License:
Dataset card Data Studio Files
xet
 Community
1
Dataset Viewer
Auto-converted to Parquet Duplicate
instruction
stringlengths
37
467
input
stringlengths
23
153k
output
stringlengths
206
4.28k
Ringkas artikel menjadi 600-700 kata dengan fokus pada struktur, fungsi biologis, mekanisme replikasi, dan aplikasi teknologi DNA, gunakan bahasa Indonesia yang formal dan mengalir.
Asam deoksiribonukleat, lebih dikenal dengan singkatan DNA (bahasa Inggris: deoxyribonucleic acid), adalah salah satu jenis asam nukleat yang memiliki kemampuan pewarisan sifat. Keberadaan asam deoksiribonukleat ditemukan di dalam nukleoprotein yang membentuk inti sel. James Dewey Watson dan Francis Crick merupakan ilm...
Asam deoksiribonukleat atau DNA merupakan makromolekul esensial yang menyimpan instruksi genetika bagi seluruh makhluk hidup dan banyak jenis virus. Struktur DNA pertama kali dimodelkan oleh James Dewey Watson dan Francis Crick pada tahun 1953 sebagai heliks ganda yang terdiri dari dua rantai polinukleotida. Setiap nuk...
Ringkas artikel menjadi 600-700 kata, fokus pada definisi, metode, sejarah perkembangan, dan konteks arkeologi di Indonesia, gunakan bahasa Indonesia yang profesional.
Arkeologi adalah ilmu yang mempelajari kebudayaan umat (manusia) masa lalu melalui kajian sistematis atas data bendawi yang ditinggalkan. Kajian sistematis meliputi penemuan, dokumentasi, analisis, nilai-nilai budaya, norma, kebiasaan, hukum adat dan interpretasi data berupa artefak (budaya bendawi, seperti kapak batu ...
Arkeologi adalah disiplin ilmu humaniora yang mempelajari kebudayaan manusia masa lalu melalui analisis sistematis terhadap data bendawi yang ditinggalkan. Data ini mencakup artefak (benda buatan manusia seperti alat batu atau bangunan), ekofak (benda lingkungan seperti fosil), dan fitur (peninggalan yang tidak dapat d...
Ringkas artikel menjadi 600-700 kata, fokus pada definisi, empat cabang utama, sejarah perkembangan, dan relevansi antropologi saat ini, gunakan bahasa Indonesia yang profesional.
Antropologi adalah ilmu tentang manusia. Antropologi berasal dari kata Yunani άνθρωπος (baca: anthropos) yang berarti "manusia" atau "orang", dan logos yang berarti "wacana" (dalam pengertian "bernalar", "berakal") atau secara etimologis antropologi berarti ilmu yang mempelajari manusia. Dalam melakukan kajian terhadap...
Antropologi adalah ilmu yang mempelajari manusia secara komprehensif, baik sebagai entitas biologis maupun makhluk sosial. Berasal dari kata Yunani 'anthropos' (manusia) dan 'logos' (ilmu), antropologi menggunakan pendekatan holistik dan komparatif untuk memahami keragaman manusia dalam dimensi waktu dan ruang. Disipli...
Ringkas artikel menjadi 600-700 kata, fokus pada definisi, sejarah, objek kajian, konsep, dan pendekatan geografi, gunakan bahasa Indonesia yang profesional.
Geografi adalah ilmu yang mempelajari tentang hubungan, persamaan, dan perbedaan antar ruang di Bumi. Pusat kajian geografi adalah hubungan manusia dan lingkungannya. Secara umum, geografi terbagi menjadi dua cabang keilmuan, yaitu geografi fisik dan geografi manusia. Setelah tahun 1945, geografi lebih diarahkan ke ilm...
Geografi adalah disiplin ilmu yang mempelajari hubungan, persamaan, dan perbedaan antarruang di Bumi, dengan pusat kajian pada interaksi antara manusia dan lingkungannya. Istilah ini pertama kali dicetuskan oleh Eratosthenes, yang berasal dari kata 'geo' (bumi) dan 'graphein' (tulisan/lukisan). Secara garis besar, geog...
"Ringkas artikel menjadi 600-700 kata, fokus pada geografi, sejarah, pemerintahan, dan demografi Ind(...TRUNCATED)
"Indonesia (), dikenal dengan nama resmi Republik Indonesia atau lebih lengkapnya Negara Kesatuan Re(...TRUNCATED)
"Indonesia, secara resmi dikenal sebagai Negara Kesatuan Republik Indonesia, adalah negara kepulauan(...TRUNCATED)
"Ringkas artikel menjadi 600-700 kata, fokus pada definisi, ruang lingkup, sejarah, dan hubungan den(...TRUNCATED)
"Ilmu komputer (), Secara umum diartikan sebagai ilmu yang mempelajari baik tentang komputasi, peran(...TRUNCATED)
"Ilmu komputer adalah disiplin ilmu yang mempelajari komputasi, perangkat keras (hardware), dan pera(...TRUNCATED)
"Ringkas artikel menjadi 600-700 kata, fokus pada definisi, sejarah, cabang utama, dan konsep dasar (...TRUNCATED)
"Kimia (serapan dari ) adalah cabang dari ilmu fisik yang mempelajari tentang susunan, struktur, sif(...TRUNCATED)
"Kimia adalah cabang ilmu fisik yang mempelajari susunan, struktur, sifat, dan perubahan materi. Ser(...TRUNCATED)
"Ringkas artikel menjadi 600-700 kata, fokus pada definisi, sejarah, matematika murni vs terapan, lo(...TRUNCATED)
"Matematika (), adalah bidang ilmu, yang mencakup studi tentang topik-topik seperti bilangan (aritme(...TRUNCATED)
"Matematika adalah bidang ilmu yang mencakup studi tentang bilangan, struktur, ruang, dan perubahan.(...TRUNCATED)
"Ringkas artikel menjadi 600-700 kata, fokus pada definisi, metode kajian, historiografi, dan fungsi(...TRUNCATED)
"Sejarah atau tawarik (; artinya \"mengusut, pengetahuan yang diperoleh melalui penelitian\") adalah(...TRUNCATED)
"Sejarah adalah kajian tentang masa lampau manusia, mencakup peristiwa, asal-usul, dan silsilah. Ist(...TRUNCATED)
"Ringkas artikel menjadi 600-700 kata, fokus pada definisi, klasifikasi, fungsi, dan contoh agama-ag(...TRUNCATED)
"Agama adalah sistem yang mengatur kepercayaan serta peribadatan kepada Tuhan (atau sejenisnya) sert(...TRUNCATED)
"Agama adalah sistem kepercayaan dan peribadatan yang mengatur hubungan manusia dengan Tuhan atau ta(...TRUNCATED)
End of preview. Expand in Data Studio

Indonesian Wikipedia Summarization Dataset

Dataset Summary

Dataset ini berisi 10.000 pasangan data ringkasan (summarization) dalam bahasa Indonesia yang dibuat dari artikel mentah Wikipedia. Setiap entri terdiri dari instruksi spesifik untuk meringkas, teks sumber (input), dan hasil ringkasan (output). Dataset ini dirancang untuk melatih atau mengevaluasi model bahasa (LLM) dalam tugas peringkasan teks bahasa Indonesia dengan format instruksi.

Dataset Structure

Setiap baris dalam file summarization.jsonl adalah objek JSON dengan field berikut:

  • instruction: Instruksi atau perintah untuk melakukan peringkasan (misal: "Ringkas artikel ini menjadi 600-700 kata...").
  • input: Teks mentah dari Wikipedia Indonesia.
  • output: Hasil ringkasan yang dihasilkan berdasarkan instruksi yang diberikan.

Contoh Data 

{
  "instruction": "Ringkas artikel menjadi 600-700 kata dengan fokus pada struktur, fungsi biologis...",
  "input": "Asam deoksiribonukleat, lebih dikenal dengan singkatan DNA...",
  "output": "Asam deoksiribonukleat atau DNA merupakan makromolekul esensial..."
}

Dataset Creation

  • Source Data: Wikipedia Indonesia (Raw).
  • Methodology: Data diambil dari Wikipedia mentah kemudian diproses dan diringkas menggunakan model AI untuk menghasilkan pasangan instruksi-input-output.
  • Curation: Dibuat secara mandiri oleh Oldy Sandro.

Dataset Information

  • Total Data: 9,949 baris.
  • Format: JSONL.
  • Bahasa: Indonesia (id).
  • Author: Oldy Sandro.
  • Tanggal Rilis: 9 Mei 2026.
  • Hugging Face Repository: Sandroeth/summarization-id

License

Dataset ini mengikuti lisensi CC-BY-SA 4.0 (Creative Commons Attribution-ShareAlike 4.0 International), mengikuti lisensi sumber data asli dari Wikipedia.

Citation

Jika Anda menggunakan dataset ini, silakan kutip sebagai berikut:

@misc{sandro2026summarizationid,
  author = {Oldy Sandro},
  title = {Indonesian Wikipedia Summarization Dataset},
  year = {2026},
  publisher = {Hugging Face},
  journal = {Hugging Face Hub},
  howpublished = {\url{https://huggingface.co/datasets/Sandroeth/summarization-id}}
}
Downloads last month
13
Number of rows:
9,949
Total file size:
46.2 MB