• Tidak ada hasil yang ditemukan

Sistem Pencarian Data Teks dengan Menggunakan Metode Klasifikasi Rocchio(Studi Kasus:Dokumen Teks Skripsi)

N/A
N/A
Protected

Academic year: 2021

Membagikan "Sistem Pencarian Data Teks dengan Menggunakan Metode Klasifikasi Rocchio(Studi Kasus:Dokumen Teks Skripsi)"

Copied!
8
0
0

Teks penuh

(1)

Hal 217

Sistem Pencarian Data Teks dengan Menggunakan Metode

Klasifikasi Rocchio(Studi Kasus:Dokumen Teks Skripsi)

Favorisen Rosyking Lumbanraja

Jurusan Ilmu Komputer, FMIPA Universitas Lampung E-mail: favorisen@gmail.com

Abstrak.Dengan semakin banyaknya koleksi dokumen teks, pencarian merupakan tantangan tersendiri. Banyak metode yang dikembangkan untuk proses pencarian, salah satu metode yang umum adalah dengan metode klasifikasi. Beberapa contoh teknik yang menggunakan metode klafisifikai antara lain, NaïveBayes, K-Nearest Neighbor, Decision Tree, dan Vector Space Model.Teknik Rocchio merupakan contoh lain yang mengimplementasikan metode klasifikasi untuk proses pencarian teks. Teknik ini menggunakan Vector Space Model untuk merepresentasikan setiap dokumen dalam korpus. Tujuan utama karya ilmiah ini adalah mengembangkan sistem temu kembali informasi dengan menggunakan metode text mining (Klasifikasi Rocchio) untuk merekomendasikan data teks yang sesuai dengan pencarian yang dilakukan oleh pengguna sistem. Proses pertama yang dilakukan untuk mengembangan sistem dengan metode klasifikasi ini, yaitu tahap pra-proses.Pra-proses terdiri dari beberapa tahap, yaitu: parsering, pembersihan data, pemotongan kata berimbuhan, dan pembuatan inverted index dengan pembobot nilai itf.idf. Korpus dokumen pada karya ilmiah adalah data skripsi S1 Ilmu Komputer yang terdiri dari 150 dokumen abstrak skripsi. Korpus dokumen dibagi menjadi 12 bidang keilmuwan di dalam Ilmu Komputer. Untuk menguji akurasi hasil pencarian, maka 30 dokumen tersebut dijadikan data uji. Hasil dari pengujian adalah 76,67% dokumen terkelompokan secara benar sesusai dengan bidang keilmuwan. Dalam karya tulis ini, juga dilakukan proses evaluasi dari hasil pencarian dari sistem temu kembali sesuai dengan kueri pencarian pengguna sistem. Hasil pencarian yang akan relevan, jika kueri dari pengguna sesuai dengan bidang keilmuwan. Sebaliknya, jika pengguna menggunakan kueri dengan kata-kata umum, maka hasil pencarian akan memiliki tingkat relevansi yang rendah. Nilai precision dan recall juga dicatat berdasarkan panjang kueri pencarian. Hasil dari nilai-nilai tersebut cenderung konstan.

Kata Kunci.Data Mining, Text Mining, Text Classification, Rocchio Classification.

PENDAHULUAN

Perkembangan teknologi internet yang ditandai dengan munculnya teknologi web

2.0 dan semakin pesat kapasitas

penyimpanan digital serta semakin murah, membuat semakin banyak dan beragam konten (khususnya konten yang berupa data teks) yang ada di dalam situs web. Salah satu permasalahan yang muncul dengan semakin banyaknya informasi yang ada di dalam situs adalah bagaimana mengorganisasi dan mengolah data dan konten yang ada menjadi informasi yang dapatdigunakan oleh pengguna.

Terdapat beberapa teknik untuk

pengklasifikasian teks, antara lain:

NaïveBayes, K-Nearest Neighbor, Decision Tree,dan vector space model[5].

Setiap teknik memiliki karaktersik

masing-masing yang unik. Salah satu teknik yang ada adalah teknik Rocchio yang merupakan teknik klasifikasi yang menggunakan vektor space model.

Dengan menggunakan Text

Classification and Mining dan teknik

temu kembali informasi diharapkan dapat

membantupengguna mendapatkan

informasi implisit yang ada pada data konten teks.

(2)

Hal 218

Oleh karena itu, diperlukan aplikasi yang dapat membantu pengunjung sebuah situs web untuk mencari konten yang sesuai dengan keinginan pengguna.

Ruang lingkup penelitian adalah

pengembangan sistem rekomendasi

pencarian berbasis web pada dokumen abstrak skripsi S1 Jurusan Ilmu Komputer yang disimpan dalam database.

Sedangkan tujuan penelitian ini adalah

mengembangkan dan

mengimplementasikan sistem

rekomendasi pencarian yang dapat

membantu pengguna mencari isi konten informasi suatu situs web berberbahasa Indonesia menggunakan Teknik Rocchio.

Text Mining Dan Klasifikasi Teks

Text Mining merupakan salah satu aplikasi dari bidang data mining, yang khusus mengolah data dalam bentuk teks [6]. Tujuan text mining adalah mencari informasi implisit dari data teks sehingga bisa digunakan oleh pengguna untuk mengambil keputusan.

Klasifikasi Teks merupakan teknik dalam teks mining yang bertujuan mengelompokkan dokumen-dokumen ke dalam kelompok kategori tertentu. Setiap dokumen yang ada di dalam korpus diberi kategori yang spesifik. Kemudian sistem

akan menemu-kembalikan (retrieve)

dokumen yang dianggap sesuai dengan kueri yang diberikan oleh pengguna. Secara umum, teknik ini merupakan

supervised clustering, karena data

dokumen perlu diklasifikasi oleh

seseorang yang dianggap pakar terlebih dahulu. Tujuan utama klasifikasi adalah

mengelompokkan dokumen-dokumen

yang memiliki karakteristik yang mirip.

Parsering

Parsing merupakan proses memilah isi dokumen menjadi unit-unit kecil yang akan menjadi penciri misalnya berupa kata, frase atau kalimat. Unit terkecil ini yang disebut sebagai token. Proses parsing merujuk pada proses pengidentifikasian token dalam rangkaian teks [1]. Sehingga

bagian dasar dalam parsing dari dokumen

teks disebut tokenizer. Proses ini

memerlukan pengetahuan tentang bahasa untukmenangani karakter-karakter khusus dan menentukan batasan satuan unit dalam dokumen.Proses Parsing akan

menghasilkan daftar isitilah beserta

informasi tambahan seperti frekuensi dan posisi yang akan digunakan untuk proses selanjutnya.

Stemming

Stemming merupakan proses

penghilangan/ pemotongan prefiks

(awalan) dan sufiks (akhiran) dari kata dan istilah-istilah dokumen [1]. Stemming diakukan atas dasar asusmi bahwa kata-kata yang memilik stem yang sama memiliki makna dasar yang sama.

Teknik stemming dapat dikategorikan menjadi 3, yaitu:

• berdasarkan aturan dalam bahasa tertentu

• berdasarkan kamus

• berdasarkan kemunculan bersama Salah satu tujuan utama dilakukan proses stemming adalah meningkatkan efesiensi. Stemming mengurangi jumlah kata-kata unik dalam indeks sehingga menghemat sumber daya komputasi dan sumber daya penyimpanan.

Inverted Index

Inverted Index adalah struktur yang

dioptimasi untuk proses

penemukembalian (retrieve) dokumen sedangkan proses update hanya menjadi pertimbangan sekunder. Struktur tersebut

membalik teks sehingga indeks

memetakan kata ke posisi didalam dokumen (seperti bagian index dalam buku memetakan kata atau isitilah tertentu ke halaman dalam buku) [1].

Interveted Index terdiri dari dua bagian yaitu sebuah index kata/term yang berisikan daftar istilah unik dalam dokumen, dan untuk setiap kata/term terdapat posting list, yaitu memuat posisi kata tersebut adalah dokumen.

(3)

Hal 219

Misalkan kata/term T1terdapat di dokumen D1 pada posisi kata 3 dan 189, Dokumen D2 pada posisi kata 56, 11, 389 dan Dokumen D3 pada posisi kata 10. Sedang kata/term T2 terdapat pada dokumen D1 pada posisi kata 29 dan dokumenD3 pada posisi kata 1,45, dan 290, maka inverted index yang dihasilkan adalah:

T1→D1:[3;189];D2:[56; 11; 389];D3:[10] T2→D1:[29];D3:[1;45;290]

Vector Space Model

Dalam Pemodelan pada Temu Kembali Informasi setiap dokumen dideskripsikan sebagai sekumpulan kata-kata keyword yang disebut sebagai kata index. Kata index merupakan kata yang yang secara semantik membantu mendeskripsikan isi dari dokumen. Sehingga kata index

digunakan dalam proses pencarian

searching dan summarization pada

dokumen teks.

Vector space model adalah salah satu

teknik yang digunakan dalam

merepresentasikan dokumen dalam

korpus. Representasi vektor dapat

menggunakan boolean (teknik Naive

Bayes) atau angka numerik untuk

merepresentasikan isi dokumen teks. Setiap dokumen dipandang sebagai vektor berdimensi n, dimana n adalah jumlah term yang ada pada himpunan dokumen. Representasi seperti ini sering kali disebut

seb g i ‟b g-of-words‟ [4] karena

susunankata dan struktur kalimat tidak diperhatikan (seperti terlihat pada Gambar 1).

Berbeda dengan teknik Naive Bayes

dalam merepresentasikan dokumen

sebagai sekuens dari term atau sebagai vektor binari. Vector space model memiliki beberapa metode lain dalam menentukan bobot dari vektor dokumen. Pada umumnya teknik bobot yang digunakan adalah tf-idf untuk setiap term. Namun untuk paper ni, digunakan

itf-idfuntuk setiap term [2].

{ (1)

dan

( ) (2)

Dimana, tf adalah jumlah kemunculan term pada korpus dan df merupakan

jumlah dokumen yang berisi term

tersebut.Dan bobot sebuah term dalam koleksi korpus dokumen teks adalah perkalian antara itf dan idf.

(3)

Gambar 7 Ilustrasi Representasi Dokumen Menggun k n ‟B g Of Words‟ Deng n

Pembobotan Menggunakan Frekuensi

Kata Yang Muncul

Teknik Rocchio

Dalam menggunakan vector space

model diperlukan batas-batas antar kelas

untuk mengetahui klasifikasi yang

sesuai.Teknik Rocchio menerapkan batas-batas tersebut dalam bentuk centroid untuk memberi batasan tersebut. Centroid sebuah kelas c adalah rata-rata semua vektor yang berada pada kelas c.

| |∑ ⃗ (4)

Dimana Dc adalah himpunan dokumen di dalam korpus pada kelas c. sedangkan ⃗ merupakan vektor dokumen yang telah dinormalisasi.Untuk menentukan kemiripan dua vektor space model ada dua cara yaitu dengan mengukur jarak atau

dengan mengukur kemiripan.Dalam

menentukan jarak (distance) antara dua vektor space model digunakan jarak euclidean.

√∑ ( ) (5)

Dan dengan menghitung kemiripan (similarity) antara dua vektor dokumen adalah sebagai berikut:

⃗⃗⃗ ⃗⃗⃗

(4)

Hal 220

Jika terdapat suatu kueri diproses menjadi sebuah vektor space, maka dapat

dibandingkan dengan masing-masing

centroid kelas yang ada pada korpus.

Dengan dua pendekatan mencari

kemiripan dua vektor space., vektor kueri dianggap mirip dengan sebuah centorid

kelas dapaat dilakukan dengan

menggunakan jarak (distance) atau

menggunakan kemiripan (similarity). Jika menggunakan jarak, yang dicari adalah kelas yang memiliki jarak yang terkecil dengan kueri.

Dan jika menggunakan kemiripan yang

dicari adalah kelas yang memiliki

kemiripan yang paling besar dengan kueri, seperti yang ada di bawah:

• menggunakan jarak

| ⃗ ⃗ | (7)

• menggunakan kemiripan

( ⃗ ⃗ ) (8)

Precision Dan Recall

Untuk menggukur kualitas hasil

dokumen yang ditemukembalikan perlu ada suatu tolak ukur. Dua parameter yang umum digunakan untuk mengukur kinerja sebuah sistem temu kembali informasi adalah precision dan recall[2].

Precision adalah nilai perbandingan

antara jumlah dokumen relevan yang ditemukembalikan terhadap jumlah semua dokumen yang ditemukembalikan. Sedang Recall adalah nilai perbandingan jumlah dokumen relevan yang ditemukembalikan terhadap jumlah semua dokumen yang dianggap relevan.

Tabel 5 Hubungan Precision Dan Recall (Manning, 2008)

Relevant non relevant

retrieved true positives

(tp) false positives (fp) not retrieved false negative (fn) true negative (tn)

Berdasarkan Tabel 1, dapat

merumuskan Precision (P) dan Recall (R) menjadi sebagai berikut:

P = tp/(tp + f p) (9)

R = tp/(tp + f n) (10)

METODE PENELITIAN

Tujuan penelitian ini adalah membuat suatu sistem temu kembali informasi dengan menggunakan vector space model dengan teknik rocchio. Dalam mengembangkan sistem ini, sistematika tahap yang dilakukan adalah sebagai berikut:

Penentuan Data Korpus

Dokumen-dokumen yang digunakan dalam sistem ini adalah dokumen abstrak skripsi S1 Jurusan Ilmu Komputer pada

perpustakaan. Dokumen-dokumen

tersebut diklasifikasikan menjadi 12 kelas

keilmuan yaitu, Data Mining,Temu

Kembali Informasi, Sistem Informasi, Sistem Informasi Geografi, Rekayasa Perangkat Lunak, Kripografi, Jaringan Komputer, Pemrograman Paralel, Sistem

Pakar, Pengolahan Citra Digital,

Pengenalan Pola dan Komputasi Lunak.

Tokenisasi

Tokenizer menerima input string dan memilahnya menjadi token (unit terkecil) sebagai penciri dokumen dengan aturan sebagai berikut:

- Token dipisahkan oleh karakter

whitespace (spasi)

- T nd b c (seperti ‟!‟, ‟?‟, ‟.‟, ‟,‟) dihilangkan

- Suatu token dimulai dengan huruf atau angka

Output dari tokenisasi adalah token serta informasi tambahan informasi lain seperti frekuensi kata, posisi kata dalam dokumen.

Stemming

Stemming merupakan tahapan yang

memerlukan pengetahuan terhadap strukur dan grammer suatu bahasa karena penentuan aturan stem suatu kata berbeda-beda bergantung terhadap tata bahasa

bahasa yang digunakan dalamsystem

kembali informasi. Pada paper ini

digunakan algoritme stemming untuk Bahasa Indonesia.

(5)

Hal 221

Ridha (2002) telah mengembangkan sistem stemming prefiks dan sufiks untuk kata-kata dalam bahasa Indonesia yang mengimplementasikan algoritma Porter. Sebagaimana algoritma Proter, digunakan fungsi untuk mengukur ukuran kata untuk mencegah stemming menghasil stem yang terlalu pendek.

Aturan pemotongan kata dinyatakan sebagai berikut:P1(kondisi)S1 → P2S2 yang berarti jika sebuah kata yang memiliki prefiks P1 dan prefiks S1dan bagian kata antara P1dan S1 memenuhi syarat kondisi maka P1 dan S1diganti menjadi P2 dan S2.

Beberapa notasi yang digunakan dalam proses ini adalah:

- W, seluruh kata termasuk prefiks dan sufiks

- M, ukuran kata

- L, seluruh kata termasuk prefiks dan sufiks

- V , huruf vokal - C, huruf konsonan - V *, diawali huruf vokal - C*, diawali huruf konsonan - *CC, diakhiri dua huruf kononan - V (x), huruf ke-x adalah vokal - C(x), huruf ke-x adalah Konsonan Sebagai contoh, dalam aturan:

(M > 1) nya →

S1 d l h ‟n ‟ d n S2 d l h null

(tidak ada), sehingga kata seperti

‟komputern ‟ dipotong menj di

‟komputer‟, k ren k t ‟komputer‟ berukuran 3 (M>1).

Stemming dilakukan pada bagian kata-kata sebagai berikut:

- prefiks: mem-, meny-, meng-, me-, di-, per-, ber-ter-,

- peng, -per, se-

- sufiks:-an, -kan, -i, -nya - konfiks:ke-an, ke-i - partikel:-kah, -lah

- kata ganti: -ku, -mu, -nya

Indexing

Pengindeksan dilakukan dengan

menggunakan inverted index. Dilanjutkan

dengan pembobotan index dilakukan dengan nilai itf.idf.

Pembuatan Centroid

Setelah mendapatkan masing-masing vektor untuk setiap dokumen, dilakukan penentuan pusat kluster (centroid) pada setiap kelas. Centroid setiap kelas

merupakan rata-rata masing vektor

dokumen pada setiap kelas/kategori.

Centroid dari kelas ini yang akan menjadi

vektor penciri dari kelas yang akan

dibandingkan dengan vektor kueri

pencarian dari pengguna.

Pencarian Berdasarkan Kueri

Setelah dimasukan kueri, maka kueri akan diubah menjadi vector space. Lalu

vektor kueri dibandingkan dengan

masing-masing centroid kelas yang ada. Vektor kueri juga dilakukan proses normalisasi, kemudian yang dipilih adalah

centroid kelas yang paling memiliki

kemiripan yang paling besar dengan vektor kueri.

Lalu vektor kueri dibandingkan dengan masing-masing vektor dokumen pada kelas yang memiliki kemiripian yang paling besar. Proses perbandingan antara vektor kueri dan vektor dokumen juga dilakukan dengan mencari kemiripan. Lalu ditampilkan semua dokumen dari kelas tersebut, dengan urutan kemiripan terbesar hingga kemiripan yang terkecil.

HASIL DAN PEMBAHASAN

Rancangan Arsitektur Sistem

Sebelum sistem ini dijalankan untuk melakukan proses pencarian, dokumen-dokumen abstrak S1 dikumpulkan ke dalam database untuk membentuk index database. Kemudian setiap dokumen dikelompokan berdasarkan kelas keilmuan yang ada, lalu ditentukan kata-kata

stopword yang akan menjadi filter dari

term-term yang ada pada dokumen (terdapat 3.891 term kata dan terdapat 128 kata stopword di dalam). Secara umum,

(6)

Hal 222

arsitektur sistem ini dapat dilihat pada Gambar 2.

Gambar 8 Aristektur Sistem

Korpus Dokumen

Dokumen-dokumen yang diperoleh berasal dari perpustakaan. Lalu dokumen-dokumen yang sudah ada diklasifikasikan ke dalam 12 kelas keilmuan yang ada pada Jurusan Ilmu Komputer yang berjumlah 150 dokumen (seperti yang terlihat pada Tabel 2) .

Dari Tabel 2 dapat dilihat bahwa jumlah dokumen tiap kelas keilmuan tidak s m . Dim n kel s ‟Komput si Lun k‟ yang memiliki jumlah dokumen yang p ling b n k d n kel s ‟Pemroses n P r lel‟ memiliki juml h dokumen ng paling sedikit.

Pada saat pengguna memasukan kueri pencarian, maka sistem akan akan

membandingkannya dengan

masing-masing centroid kelas. Lalu dipilih kelas yang memiliki nilai bobot yang paling besar.

Kemudian ditamplikan semua

dokumen pada kelas tersebut, cara pengurutannya adalah dari dokumen yang

memiliki kemiripan terbesar hingga

terkecil (decending) seperti yang terlihat pada Gambar 2.

Tabel 6 Jumlah Dokumen Yang Ada Pada Masing-Masing Kategori Keilmuan

No Kelaskeilmuan Jumlahdokumen

1 Temu Kembali Informasi 7

2 DataMining 20 3 RekayasaPerangkatLunak 16 4 SistemInformasi 7 5 Kriptografi 13 6 JaringanKomputer 16 7 PemrosesanParalel 1 8 Sistem Pakar 10 9 PengolahanCitra 10 10 PengenalanPola 14 11 SistemInformasiGeografi 14 12 KomputasiLunak 22

Gambar 9 Halaman Hasil Pencarian

Fungsi Sistem

Dari Arstiktur Sistem seperti yang terlihat di Gambar 2, maka dikembangkan beberapa modul fungsi yang digunakan dalam sistem temu kembali informasi, meliputi:

- Tokenisasi dan indexing. Merupakan fungsi untuk melakukan pembentukan vektor space dokumen dari file- file dokumen berita.

- Pembentukan Centroid. Merupakan fungsi membentuk vektor centroid

masing-masing kelas yang ada

dokumen korpus.

- Rekomendasi. Merupakan fungsi untuk merekomendasi klasifikasi dokumen berdasarkan kelas keilmuan yang ada. - Pemeriksaan kueri. Merupakan fungsi

untuk memband- ingkan vektor kueri dengan centroid kelas.

- Interface Pencarian. Merupakan fungsi untuk memasukan kueri dan

menampilkan hasil kueri pencarian.

Implementasi

Sistem temu kembali informasi dengan

menggunakan teknik Rocchio ini

(7)

Hal 223

• XAMPP yang meliputi: Web Server

Apache, Database MySQL,

pemrograman web PHP, dan

pemrograman Perl • Smarty dan Adodb

Pengujian Dan Evaluasi

Untuk menguji akurasi dari data

dokumen abstrak yang telah

diklasifikasikan sebelumnya sebagai data trainning, maka dilakukan pengujian terhadap 30 dokumen data uji (seperti yang terlihat pada Gambar 4) . Hasil pengujian menunjukkan ada 23 dokumen

yang sesuai dengan kategori yang

direkomendasi (hit) dan 7 dokumen yang tidak sesuai dengan rekomendasi (miss), sehingga akurasinya adalah 76,67%.

Gambar 10 Halaman Hasil Rekomendasi Kemudian dilakukan pengujian terhadap hasil pencarian dari kueri yang dimasukan oleh pengguna. Untuk kueri yangmengandung term-term spesifik pada keilmuan tertentu hasilnya akan baik, sebagai contoh jika pengguna mencari

k t ‟OLAP‟ sistem k n

merekomendasikan dokumen-dokumen p d kel s ‟D t Mining‟ ng meng ndung k t ‟OLAP‟. N mun jik kueri bersifat umum untuk terminologi di dalam ilmu komputer, hasilnya tidak baik. sebagai contoh jika pengguna mencari ‟OLAP berb sis web‟, hasil pencariannya

justru merekomendasikan

dokumen-dokumen pada kel s ‟Sistem Informasi Geogr fi‟ ng tid k relev n deng n kueri pencarian. Lalu dilakukan pengujian terhadap precision dan recall terhadap hasil dokumen yang ditemukembalikan berdasarkan kueri pencarian. Untuk itu

dilakukan pengujian terhadap 3 jenis kueri, yaitu: kueri pendek(kueri yang terdiri dari beberapa kata atau frase), sedang (kueri yang terdari 1 kalimat) dan panjang (kueri yang terdiri dari lebih dari 1 kalimat). Setiap jenis kueri dihitung tingkat percision dan recall. Proses diulang sebanyak 3 kali, lalu dihitung rata-ratanya hasilnya sebagaiberikut: Tabel 7 Perbandingan Precision Dan Recall Berdasarkan Panjang Kueri

JenisKueri Precision Recall KueriPendek 0.26 0.5 KueriSedang 0.31 0.49 KueriPanjang 0.33 0.47

Dari Tabel 3, Dapat dilihat panjang kueri tidak terlalu mempengaruhi nilai precision dan nilai recall. Tapi secara umum, nilai precision berbanding terbalik dengan nilai recall.

KESIMPULAN

Sistem temu kembali informasi ini menggunakan teknik Rocchio. Teknik ini menggunakan vektor space model dalam merepresentasikan dokumen, centroid dan

kueri. Pembobotan dokumen

menggunakan nilai idf-itf yang telah dilakukan proses normalisasi nilai vektor.

Vektor kueri akan dibandingkan

dengan masing-masing centroid kelas

menggunakan kemiripan kueri, dan

menentukan kelas dengan mencari

kemiripan yang paling besar. Kemudian dokumen dalam kelas itu ditampilkan secara decending dari bobot kemiripan dengan vektor kueri. Pengklasifikasian data training pada kelas-kelas yang telah ditentukan sangat mem- pengaruhi hasil rekomendasi dan hasil pencarian.

Untuk menguji klasifikasi dokumen dilakukan pengujan rekomendasi kelas terhadap data trainning. Dari hasil

pengujian terhadap data trainning

menunjukkan akurasi hasil rekomendasi sebesar 76,67%. Untuk pengujian sistem pencar- ian, hasil dokumen yang

(8)

ditemu-Hal 224

kembalikan akan baik untuk kueri pencarian yang spesifik terhadap kelas

keilmuan, namun akan cenderung

menemu-kembalikan dokumen yang

kurang relevan untuk kueri yang umum. Panjang kueri secara umum tidak terlalu mempengaruhi tingkat precision dan recall, namun secara umum semakin tinggi tingkat precision semakin rendah nilai recall.

Kelemahan utama dalam teknik

Klasifikasi Rocchio ini adalah setiap dokumen hanya dapat diklasifikasikan ke dalamsatu kelas kategori saja. Padahal

dalam abstrak penelitian bisa saja

melibatkan lebih dari satu kategori keilmuan. Kelemahan yang kedua adalah teknik ini tidak mengenal makna semantik pada kata. sebagai contoh, jika pengguna

memasukkan kueri pencarian

‟K lim nt n‟ m k h n men mpilk n dokumen ng berisi k t ‟K lim nt n‟ dan tidak menampilkan doku- men yang berisi k t ‟Borneo‟. P d h l k t ‟K lim nt n‟ d n ‟Borneo‟ memiliki makna semantik yang sama. Perlu ada

penelitian lanjutan untuk

pengklasifikasian dengan teknik Roc- chio pada dokumen dengan multi-class dan

memperhatikan makna semantik pada kata. DAFTAR PUSTAKA Grossman,D.2002.IR Book.http://ir.iit.edu/~dagr/cs529/ir_bo ok.html [29 Januari 2013] Manning, C.D.,et-al.2008.Introduction to

Information Retrieval. Cambridge

University Press.USA.

Ridha, A.2002.Pengindeksan Otomatis

dengan Istilah Tunggal untuk

Dokumen Berbahasa

Indonesia.Skripsi.Departemen Ilmu

Komputer IPB.Bogor

Uchyigit, G. dan Clark, K.2008.An

Experimental Study of Feature Selection Methods for Text Classifica- tion.Personalization Techniques dan Recommendation Systems.hal.303-320.Word Scientific.USA wikipedia.2010.Document Classifica- tion.http://en.wikipedia.org/wiki/docu ment_classification [30 Januari 2013] wikipedia.2010.Text Mining.http://en.wikipedia.org/wiki/tex t_mining [30 Januari2010]

Gambar

Gambar 7 Ilustrasi Representasi Dokumen  Menggun k n  ‟B g  Of  Words‟  Deng n  Pembobotan  Menggunakan  Frekuensi  Kata Yang Muncul
Tabel 6 Jumlah Dokumen Yang Ada Pada  Masing-Masing Kategori Keilmuan

Referensi

Dokumen terkait

bahwa kebudayaan daerah sebagai bagian dari kebudayaan nasional, merupakan potensi dasar yang dominan bagi pengembangan pariwisata, yang harus dibina dan

Penelitian ini dilakukan untuk mengetahui dan membandingkan sifat magnetik dan listrik dari campuran PVA/MWNT dan PVA/Fe-MWNT pada konsentrasi yang berbeda.. Hal ini

Pemerintah daerah setempat (local authority). Besar-kecilnya dampak terhadap arus lalu lintas dipengaruhi oleh hal-hal sebagai berikut ini. Menarik-tidaknya suatu

,3$ EHUEDVLV ³VLQDX´ dengan materi konsep dasar air pada anak-anak komunitas Sedulur Sikep dapat diterapkan setelah mendapat penilaian layak dari ahli materi,

Dengan begitu dapat disimpulkan, bahwa diantara ketiga variabel tersebut gaya kepemimpinan, motivasi dan kepuasan kerja yang memiliki hubungan nilai paling dominan

Sedimen permukaan dasar laut yang terdapat di kawasan pesisir Kebupaten Rembang dipasok dari sedimen darat melalui sungai dan dari batuan yang ada di sekitar pantai akibat

Dengan bertauhid seorang muslim tidak cukup hanya dengan berkeyakinan bahwa Allah SWT itu esa ( the unity of God ), tetapi ini harus diimplementasikan dalam keyakinan

Sedangkan fungsi seni dalam pengertian komunikasi adalah, dimana sebuah Sedangkan fungsi seni dalam pengertian komunikasi adalah, dimana sebuah karya seni itu mempunyai pesan