Peringkasan dokumen otomatis atau Text Summarization adalah cara yang efektif untuk mendapatkan ringkasan atau intisari dari sebuah teks atau dokumen tanpa harus membaca keseluruhan isi dokumen. Penelitian ini akan membandingkan hasil Text Summarization antara algoritma Term Frequency and Inverse Document Frequency (TF-IDF), algoritma Textrank dan algoritma Latent Semantic Analysis (LSA). Kemudian masing-masing algoritma tersebut akan diuji untuk meringkas 15 abstrak dalam Bahasa Inggris dan hasilnya akan dievaluasi dengan metode Expert Judgement dimana penguji ahli akan mengurutkan ringkasan yang dinilai paling tepat. Berdasarkan urutan dari penguji ahli dan perhitungan berdasarkan urutan tersebut menunjukkan hasil ringkasan dengan algoritma LSA lebih tepat daripada hasil ringkasan dengan algoritma Textrank dan TF-IDF dengan tingkat persetujuan yang dihitung dengan Kappa Measure untuk LSA sebesar 0.36% yang mengindikasikan fair agreement atau persetujuan yang lumayan.

Kata kunci : Peringkasan otomatis, Text Summarization, TF-IDF, Textrank, LSA, Expert Judgement.