Peringkasan teks otomatis atau automated text summarization merupakan metode yang efektif dalam mengekstrak inti dari dokumen teks guna mempercepat pemahaman informasi. Penelitian ini mengembangkan sistem peringkasan artikel ilmiah dengan integrasi GROBID dan SciBERT untuk mempercepat ekstraksi informasi relevan serta mengurangi waktu dan potensi hilangnya informasi penting dalam tinjuan pustaka. Penelitian ini bertujuan untuk meningkatkan efisiensi peneliti dalam melakukan tinjauan pustaka, menghemat waktu, serta mendukung pengambilan keputusan berbasis data. Metode yang digunakan meliputin ekstraksi data bibliografi menggunakan GROBID, Peringkasan teks ilmiah dengan SciBERT menggunakan metode ekstraktif dan Evaluasi menggunakan metrik ROUGE untuk menilai akurasi hasil peringkasan. Hasil penelitian menunjukkan bahwa integrasi kedua teknologi ini mampu menghasilkan ringkasan yang akurat dan relevan. Evaluasi dengan ROUGE menghasilkan skor F1-score sebesar 0.8084 untuk ROUGE-1, 0.6051 untuk ROUGE-2, dan 0.6184 untuk ROUGE-L, yang menunjukkan efektivitas model dalam merangkum teks ilmiah. Dengan demikian, sistem ini dapat mempercepat penelusuran literatur dan meningkatkan produktivitas penelitian ilmiah.
Kata Kunci: Peringkasan Teks Otomatis, GROBID, SciBERT, Evaluasi ROUGE