JULIO ADISANTOSO - ILKOM IPB 1
|
|
- Ida Santoso
- 7 tahun lalu
- Tontonan:
Transkripsi
1 KOM341 Temu Kembali Infrmasi Prses Temu-Kembali KULIAH #6 Relevance feedback Query epansin 2 Cnth regan Relevance feedback: user memberi feedback pada dkumen hasil yang dianggap relevan User memberikan query pendek dan sederhana User memberi tanda pada dkumen yang dihasilkan sebagai relevan dan tidak relevan. IRs menghitung dan memperbaiki query berdasarkan feedback dari user tadi. Dilakukan berulang sesuai dengan banyaknya iterasi yang diinginkan. Ide: sulit memfrmulasikan query yang baik ketika tidak tahu tentang kleksi yang ada. 3 4 Cnth Hasil Query Awal Image search engine JULIO ADISANTOSO - ILKOM IPB 1
2 Hasil Setelah RF 7 8 Refrmulasi Query Kita dapat mengubah query berdasarkan pada relevance feedback dan menerapkan vectr space mdel. Gunakan hanya dkumen yang ditandai. Relevance feedback dapat meningkatkan recall dan precisin Berdasarkan feedback dari user Berdasarkan infrmasi yang diperleh dari sekumpulan dkumen awal yang diperleh Berdasarkan pada infrmasi glbal dari kleksi dkumen 9 10 Rcchi Algrithm Best Query Implementasi RF berdasarkan vectr space mdel. Memaksimumkan sim (Q, C r ) - sim (Q, C nr ) Optimal query: Q pt = ptimal query; C r = dk. relevan; N = ukuran kleksi Tidak realistik: kita tidak tahu dk. Yang relevan. Optimal query nn-relevant dcuments relevant dcuments JULIO ADISANTOSO - ILKOM IPB 2
3 Rcchi 1971 Algrithm Initial query Revised query knwn nn-relevant dcuments knwn relevant dcuments Praktis menggunakan: q m = query yang dimdifikasi; q 0 = query awal; α,β,γ: bbt yang dipilih; D r = vektr dk relevan yg diketahui; D nr = vektr tdk relevan yg diketahui Query baru mendekati dkumen relevan, dan menjauhi dkumen yang tidak relevan Bbt istilah dapat menjadi negatif Bbt istilah yang negatif dihilangkan (dibuat 0) Cnth Misal diketahui: Misalkan : α=1, β=¾, =¼ Cnth = ( ) + ¾ (1/3) [ ( ) + ( ) + ( ) ] ¼ ( ) = ( ) + (4¼ 4¾ 5½ 1 3) ( ) = (3¼ 4¾ 7½ 9 0) Similarity (dt prduct) sim(d 1, q) = 99 sim(d 1, q ) = 193¼ naik sim(d 2, q) = 180 sim(d 2, q ) = 175 turun sim(d 3, q) = 51 sim(d 3, q ) = 76¼ naik sim(d 4, q) = 24 sim(d 4, q ) = 77 naik Evaluasi RF Gunakan q 0 dan hitung grafik P/R Gunakan q m dan hitung grafik P/R Bandingkan. Pseud Blind relevance feedback Metde untuk analisis lkal secara tmatis: Menggunakan metde relevance feedback tanpa input eksplisit dari user. Pseud Hanya asumsikan dkumen yang diperleh pada tp n adalah relevan, dan gunakan untuk membentuk query yang baru. Query epansin diperblehkan berisi kata-kata yang berkaitan dengan kata-kata pada query JULIO ADISANTOSO - ILKOM IPB 3
4 Pseud Ambil tp n dkumen Dari semua kata-kata pada dkumen tsb., ambil tp t kata Urutan kata-kata menunjukkan cara kata-kata tersebut diurutkan: n (banyaknya dkumen yang berisi kata t) f (jumlah kemunculan kata t) n * idf f * idf Pseud Cnth: Tp 3 dkumen: D1 : A, B, B, C, D D2 : C, D, E, E, A, A D3 : A, A, A Asumsikan idf dari A=1, B=1, C = 1, D=2, E = 2 Rank: kata n f n * idf f * idf A B C D E Query Epansin Query Epansin Banyak kaitan dengan RF: QE merupakan suatu teknik umum untuk memperbaiki query sehingga dapat memperleh hasil yang lebih baik. Idenya adalah mengubah query sehingga lebih dekat ke dkumen yang relevan. Cara mengubahnya : menambah, membuang, atau mengubah bbt kata pada query. RF vs QE Pada RF, user memberikan input tambahan (relevant/tidak-relevant) pada dkumen, yang digunakan untuk membbt kembali kata-kata pada dkumen Pada QE, user memberikan tambahan input (kata yg baik/tidak baik) pada kata atau frase. 22 Metde Refrmulasi Query Glbal methds QE menggunakan thesaurus atau WrdNet QE melalui thesaurus tmatis Teknik mirip kreksi ejaan Lcal/basic methds Relevance feedback Pseud relevance feedback Indirect relevance feedback Thesaurus Suatu thesaurus memberikan infrmasi tentang synnym dan kata-kata serta frase yang secara semantik berkaitan. Misal ( market Part f Speech: verb Definitin: package and sell gds Synnyms: advertise, barter, display, echange, merchandise, ffer fr sale, retail, vend, whlesale Antnyms: buy JULIO ADISANTOSO - ILKOM IPB 4
5 Ekspansi Query dgn Thesaurus Tidak memerlukan input dari user Untuk setiap kata t pada suatu query, ekspansi query dengan sinnim dan kata lain t dari thesaurus. Bbt kata-kata tambahan dapat lebih kecil daripada kata-kata pada query awal. Biasanya meningkatkan recall. Banyak digunakan pada bidang ilmu pengetahuan / teknik Wrdnet Suatu database yang detil berisi hubungan semantik antara kata- kata dalam bahasa Inggris. Kira- kira berisi 144,000 kata dalam bahasa Inggris. Kata benda, sifat, kerja, dan keterangan dikelmpkkan menjadi 109,000 set sinnim yang disebut synsets Hubungan Pada WrdNet Synset Antnym: frnt back Attribute: benevlence gd (nun t adjective) Pertainym: alphabetical alphabet (adjective t nun) Similar: unquestining abslute Cause: kill die Hlnym: chapter tet (part-f) Mernym: cmputer cpu (whle-f) Hypnym: tree plant (specializatin) Hypernym: fruit apple (generalizatin) QE menggunakan WrdNet Tambahkan sinnim pada synset yang sama. Tambahkan hipnim untuk memasukkan katakata khusus. Tambahkan hipernim untuk membuat query lebih umum. Tambahkan kata-kata lain yang berkaitan untuk memperluas query QE menggunakan WrdNet Cnth query awal : infrmatin system WrdNet (synnym): infrmatin : message, cntent, subject matter, substance system : grup, gruping Query epansin: infrmatin message system grup Tipe Ekspansi Query Glbal Analysis: (statis; dari semua dkumen dalam kleksi) Cntrlled vcabulary Manual thesaurus Autmatically derived thesaurus (kemunculan secara statistik) Based n query lg mining (umum di web) Lcal Analysis: (dynamic) Analisis dkumen yang terambil JULIO ADISANTOSO - ILKOM IPB 5
6 Cntrlled Vcabulary Autmatic Thesaurus Generatin Membuat thesaurus secara tmatis dengan menganalisis dkumen dalam kleksi Dua pendekatan utama: Berdasarkan kemunculan kata Berdasarkan hubungan gramatikal Kemunculan kata lebih rbust, sedangkan hubungan gramatikal lebih akurat C-ccurrence Thesaurus Cara paling sederhana adalah menghitung kesamaan antar kata (term-term similarities) in C = AA T dimana A adalah matrik term-dcument. w i,j = (nrmalized) weighted cunt (t i, d j ) n d j t i m 33 JULIO ADISANTOSO - ILKOM IPB 6
BAB I PENDAHULUAN 1.1 Tujuan 1.2 Latar Belakang
BAB I PENDAHULUAN 1.1 Tujuan Merancang sebuah sistem yang dapat meringkas teks dokumen secara otomatis menggunakan metode generalized vector space model (GVSM). 1.2 Latar Belakang Dunia informasi yang
Lebih terperinciTEMU KEMBALI INFORMASI
JULIO ADISANTOSO Departemen Ilmu Komputer IPB Pertemuan 3 IR MODEL Mengapa Model? 1 Banyak pengembangan teknologi IR seperti web search, translator system, spam filter, dsb membutuhkan teori dan percobaan.
Lebih terperinciBAB 1 PENDAHULUAN UKDW
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pada era ini perkembangan teknologi informasi sangat pesat. Hal ini ditandai dengan semakin populernya penggunaan internet dan perangkat lunak komputer sebagai
Lebih terperinciTEMU KEMBALI INFORMASI
JULIO ADISANTOSO Departemen Ilmu Komputer IPB Pertemuan 3 MODEL IR Konsep IR Model IR Konsep Boolean Model Pemodelan IR Model IR Konsep Boolean Model Model IR didefinisikan sebagai empat komponen, yaitu:
Lebih terperinciPENDAHULUAN. Data dan Informasi. Sistem Informasi. Komponen sistem informasi. Basis data
UNIVERSITAS UNIVERSAL BATAM 2016 PENDAHULUAN Data dan Infrmasi Data merupakan nilai (value) yang turut merepresentasikan deskripsi dari suatu bjek atau kejadian (event) Infrmasi merupakan hasil dari penglahan
Lebih terperinciQUERY EXPANSION DENGAN MENGGABUNGKAN METODE RUANG VEKTOR DAN WORDNET PADA SISTEM INFORMATION RETRIEVAL
QUERY EXPANSION DENGAN MENGGABUNGKAN METODE RUANG VEKTOR DAN WORDNET PADA SISTEM INFORMATION RETRIEVAL Susetyo Adi Nugroho () Abstrak: Salah satu metode yang sering digunakan dalam mengukur relevansi dokumen
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Semakin canggihnya teknologi di bidang komputasi dan telekomunikasi pada masa kini, membuat informasi dapat dengan mudah didapatkan oleh banyak orang. Kemudahan ini
Lebih terperinciINTERNET & INTRANET SEARCH ENGINE. Bambang Pujiarto, S.Kom
INTERNET & INTRANET SEARCH ENGINE Bambang Pujiart, S.Km SEARCH ENGINE Mesin Pencari Prgram yang dirancang untuk membantu menemukan infrmasi,data,file,cntent yang tersimpan di database elektrnis yang berisi
Lebih terperinciBAB 4 HASIL DAN BAHASAN. dengan melampirkan tabel data precision dan recall serta diagram-diagramnya Precision Recall Interpolasi
67 BAB 4 HASIL DAN BAHASAN 4.1 Hasil Penelitian dan Evaluasi 4.1.1 Hasil Penelitian Berikut disajikan beberapa data hasil query dari penelitian yang dilakukan dengan melampirkan tabel data precision dan
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Pada bab ini terlebih dahulu akan dibahas tentang identifikasi permasalahan, analisis permasalahan, slusi permasalahan dan perancangan sistem dalam rancang bangun
Lebih terperinciTEMU KEMBALI INFORMASI
JULIO ADISANTOSO Departemen Ilmu Komputer IPB Pertemuan 4 TOLERANCE RETRIEVAL Tugas Extended Boolean Pelajari Extended Boolean Mengapa dikembangkan model ini? Bagaimana prinsip dasar model ini? Bagaimana
Lebih terperincibeberapa tag-tag lain yang lebih spesifik di dalamnya.
metode mana yang lebih baik digunakan untuk memilih istilah ekspansi yang akan ditambahkan pada kueri awal. Lingkungan Implementasi Perangkat lunak yang digunakan untuk penelitian yaitu:. Windows Vista
Lebih terperinciPENDAHULUAN. Latar belakang
Latar belakang PEDAHULUA Kata kunci atau yang biasa disebut dengan query pada pencarian informasi dari sebuah search engine digunakan sebagai kriteria pencarian yang tepat dan sesuai dengan kebutuhan.
Lebih terperinciJULIO ADISANTOSO - ILKOM IPB 1
KOM341 Temu Kembali Informasi KULIAH #9 Text Clustering (Ch.16 & 17) Clustering Pengelompokan, penggerombolan Proses pengelompokan sekumpulan obyek ke dalam kelas-kelas obyek yang memiliki sifat sama.
Lebih terperinciPEMANFAATAN ASSOCIATION RULE MINING DALAM MEMBANTU PENCARIAN DOKUMEN-DOKUMEN BERITA YANG SALING BERKAITAN
PEMANFAATAN ASSOCIATION RULE MINING DALAM MEMBANTU PENCARIAN DOKUMEN-DOKUMEN BERITA YANG SALING BERKAITAN Hermawan Andika Institut Informatika Indonesia andika@iii.ac.id Suhatati Tjandra Sekolah Tinggi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Bagi perusahaan yang bergerak dalam industri manufaktur, sistem informasi produksi yang efektif merupakan suatu keharusan dan tidak lepas dari persoalan persediaan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Tes Secara harfiah kata tes berasal dari kata bahasa prancis kuno: testum yang berarti piring untuk menyisihkan logam-logam mulia, dalam bahasa Indonesia diterjemahkan dengan
Lebih terperinciSistem Temu Kembali Informasi/ Information Retrieval IRS VS SI LAIN
Sistem Temu Kembali Informasi/ Information Retrieval IRS VS SI LAIN Dokumen Penyimpanan yang Terorganisasi Database Mahasiswa Database Buku ID Nama Buku Pengarang 001 Information Retrieval Ricardo baeza
Lebih terperinciINFORMATION RETRIEVAL SYSTEM PADA PENCARIAN FILE DOKUMEN BERBASIS TEKS DENGAN METODE VECTOR SPACE MODEL DAN ALGORITMA ECS STEMMER
INFORMATION RETRIEVAL SSTEM PADA PENCARIAN FILE DOKUMEN BERBASIS TEKS DENGAN METODE VECTOR SPACE MODEL DAN ALGORITMA ECS STEMMER Muhammad asirzain 1), Suswati 2) 1,2 Teknik Informatika, Fakultas Teknik,
Lebih terperinciAplikasi Aljabar Vektor pada Sistem Temu-balik Informasi (Information Retrieval System)
Aplikasi Aljabar Vektor pada Sistem Temu-balik Informasi (Information Retrieval System) IF3 Aljabar Geometri Oleh: Rinaldi Munir Program Studi Informatika, STEI-ITB Rinaldi Munir - IF3 Aljabar Geometri
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI PENCARIAN INFORMASI BEASISWA DENGAN MENGGUNAKAN COSINE SIMILARITY
Vol. 4, No. 2 Desember 2014 ISSN 2088-2130 PERANCANGAN DAN PEMBUATAN APLIKASI PENCARIAN INFORMASI BEASISWA DENGAN MENGGUNAKAN COSINE SIMILARITY Andry Kurniawan, Firdaus Solihin, Fika Hastarita Prodi Teknik
Lebih terperinciBAB 1 PENDAHULUAN. perusahaan harus dapat meningkatkan kinerja dan perfomansinya agar dapat unggul
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknlgi yang semakin maju dan semakin pesat membuat perusahaan harus dapat meningkatkan kinerja dan perfmansinya agar dapat unggul dalam persaingan sekarang
Lebih terperinciKONTRAK PERKULIAHAN TEMU KEMBALI INFORMASI KOM431
KONTRAK PERKULIAHAN TEMU KEMBALI INFORMASI KOM431 KOORDINATOR MATA AJARAN TEMU KEMBALI INFORMASI DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR TAHUN 2011/2012 KONTRAK PERKULIAHAN Nama Matakuliah :
Lebih terperinciDATA & INFORMASI DALAM SISTEM INFORMASI BISNIS ASIH ROHMANI,M.KOM
DATA & INFORMASI DALAM SISTEM INFORMASI BISNIS ASIH ROHMANI,M.KOM PENGERTIAN DATA Data adalah kenyataan yang menggambarkan suatu kejadian-kejadian dan kesatuan nyata. PENGERTIAN DATA Data adalah deskripsi
Lebih terperinciBAB 2 LANDASAN TEORI. Sejak komputer ditemukan, para peneliti telah berpikir adakah kemungkinan agar
BAB 2 LANDASAN TEORI 2.1 Machine Learning Sejak kmputer ditemukan, para peneliti telah berpikir adakah kemungkinan agar kmputer dapat belajar. Jika kita mengerti bagaimana cara memprgram kmputer agar mereka
Lebih terperinciJULIO ADISANTOSO - ILKOM IPB 1
KOM341 Temu Kembali Informasi KULIAH #3 Inverted Index Inverted index construction Kumpulan dokumen Token Modifikasi token Tokenizer Linguistic modules perkebunan, pertanian, dan kehutanan perkebunan pertanian
Lebih terperinciLESSON 5 : INFORMED SEARCH Part I
LESSON 5 : INFORMED SEARCH Part I 3.1 Pengantar Kita telah menunjukan beberapa metda pencarian yang berbeda. Di bagian bagian awal bab ini kita telah menunjukan beberapa metde pencarian buta (blind search).
Lebih terperinciAPLIKASI PENENTUAN JENIS PART OF SPEECH MENGGUNAKAN METODE N-GRAM DAN STRING MATCHING
APLIKASI PENENTUAN JENIS PART OF SPEECH MENGGUNAKAN METODE N-GRAM DAN STRING MATCHING 1 Nurzaenab dan 2 Purnawansyah 1 nurzaenab16@yahoo.co.id, 2 purnawansyah@gmail.com 12 Teknik Informatika, Fakultas
Lebih terperinciEVALUASI EFEKTIFITAS METODE MACHINE-LEARNING PADA SEARCH-ENGINE
EVALUASI EFEKTIFITAS METODE MACHINE-LEARNING PADA SEARCH-ENGINE Rila Mandala Kelompok Keahlian Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jalan Ganesha 10 Bandung,
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Sistem Rekomendasi Sistem rekomendasi adalah sebuah sistem yang dibangun untuk mengusulkan informasi dan menyediakan fasilitas yang diinginkan pengguna dalam membuat suatu keputusan
Lebih terperinciTEMU KEMBALI INFORMASI
JULIO ADISANTOSO Departemen Ilmu Komputer IPB Pertemuan 1 Identitas Mata Kuliah Nama Mata Kuliah : Temu Kembali Informasi (TKI) Information Retrieval (IR) Kode Mata Kuliah : KOM431 Koordinator : Julio
Lebih terperinciKULIAH 12. Multimedia IR. Image Retrieval. BAB 11: Baeza-Yates & Ribeiro-Neto. Fakultas Ilmu Komputer Universitas Indonesia
KULIAH 12 Multimedia IR Image Retrieval BAB 11: Baeza-Yates & Ribeiro-Neto Multimedia IR Mempunyai kemampuan untuk menyimpan, memperoleh, memindahkan, memperlihatkan data yang karakteristiknya sangat beragam
Lebih terperinciDesain Software. Arna Fariza PENS. Rekayasa Perangkat Lunak. Materi. Apakah desain software itu? Apakah modularisasi itu? Model
Desain Sftware Arna Fariza PENS 1 Materi Apakah desain sftware itu? Apakah mdularisasi itu? Mdel 2 Apakah Desain Sftware itu? Desain adalah prses mengubah persyaratan sistem ke dalam prduk yang lengkap
Lebih terperincisering dihadapi oleh petugas perpustakaan SD Muhammadiyah 4 Surabaya.
24 BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1. Metde Penelitian Pada bab ini menjelaskan mengenai tahapan-tahapan dalam merancang bangun Sistem Infrmasi Perpustakaan berbasis web pada SD Muhammadiyah
Lebih terperinci1. Pendahuluan 1.1 Latar belakang 1.2 Perumusan masalah
1. Pendahuluan 1.1 Latar belakang Informasi telah menjadi kebutuhan primer pada kehidupan saat ini. Informasi seakan-akan menjadi mata uang baru yang membuat akurasi menjadi sangat penting ketika mencari
Lebih terperinciTUNING PARAMETER DALAM FUNGSI OKAPI BM25 PADA MESIN PENCARI TEKS BAHASA INDONESIA TEDY SAPUTRA
TUNING PARAMETER DALAM FUNGSI OKAPI BM25 PADA MESIN PENCARI TEKS BAHASA INDONESIA TEDY SAPUTRA DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013
Lebih terperinciBAB I PENDAHULUAN. PLN, di ganti menjadi kwh meter digital yang dapat memberikan nilai lebih
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teknlgi selalu berkembang setiap saat, ada saja yang dilakukan manusia untuk memberikan kemudahan pada kehidupan sehari-hari. Salah satu cnth kemudahan
Lebih terperinciBAB II DASAR TEORI Crawler Definisi Focused Crawler dengan Algoritma Genetik [2]
BAB II DASAR TEORI Pada bab ini dibahas teori mengenai focused crawler dengan algoritma genetik, text mining, vector space model, dan generalized vector space model. 2.1. Focused Crawler 2.1.1. Definisi
Lebih terperinciRELEVANCE FEEDBACK PADA TEMU-KEMBALI TEKS BERBAHASA INDONESIA DENGAN METODE IDE-DEC-HI DAN IDE-REGULAR
RELEVANCE FEEDBACK PADA TEMU-KEMBALI TEKS BERBAHASA INDONESIA DENGAN METODE IDE-DEC-HI DAN IDE-REGULAR Julio Adisantoso, Ahmad Ridha, Andika Wahyu Agusetyawan Staf Departemen Ilmu Komputer, Fakultas Matematika
Lebih terperinciBAB II TINJAUAN PUSTAKA
7 BAB II TINJAUAN PUSTAKA A. Tinjauan Pustaka Penelitian-penelitian yang pernah dilakukan di bidang information retrieval telah memunculkan berbagai metode pembobotan dan clustering untuk mengelompokkan
Lebih terperinciPENCARIAN FULL TEXT PADA KOLEKSI SKRIPSI FAKULTAS TEKNIK UHAMKA MENGGUNAKAN METODE VECTOR SPACEMODEL
Vol. 2, 2017 PENCARIAN FULL TEXT PADA KOLEKSI SKRIPSI FAKULTAS TEKNIK UHAMKA MENGGUNAKAN METODE VECTOR SPACEMODEL Miftahul Ari Kusuma 1*, Mia Kamayani 2, Arry Avorizano 3 Program Studi Teknik Informatika,
Lebih terperinciBAB 1 PENDAHULUAN. ini akan semakin tinggi.apalagi pada tahun ini terjadi kenaikan harga bahan bakar
1 BAB 1 PENDAHULUAN 1.1. Latar Belakang Persaingan dalam dunia usaha akan selalu terjadi bahkan peningkatan persaingan ini akan semakin tinggi.apalagi pada tahun ini terjadi kenaikan harga bahan bakar
Lebih terperinciPENGANTAR SISTEM KENDALI
1 I PENGANTAR SISTEM KENDALI Deskripsi : Bab ini memberikan gambaran secara umum mengenai sistem kendali, definisi-definisi, pengertian sistem kendali lingkar tertutup dan sistem kendali lingkar terbuka,
Lebih terperinciBAB IV METODOLOGI PENELITIAN. Penelitian ini dilakukan dengan melalui empat tahap utama, dimana
BAB IV METODOLOGI PENELITIAN Penelitian ini dilakukan dengan melalui empat tahap utama, dimana tahap pertama adalah proses pengumpulan dokumen teks yang akan digunakan data training dan data testing. Kemudian
Lebih terperinciUKDW BAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Kemajuan teknologi informasi memberikan kemudahan akses atas berbagai informasi termasuk hasil karya intelektual dalam bentuk dokumen, seperti karya penulisan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Tinjauan Penelitian Terdahulu Penelitian sebelumnya dilakukan oleh Rahmatulloh (2016). Penelitian yang berjudul Rancang Bangun Sistem Informasi Pencarian Benda Hilang Lost &
Lebih terperinciJaringan Komputer, Pertemuan 9. Routing
Ruting 1. Pengertian Ruting Ruting IP adalah prses pengiriman data dari satu hst dalam satu netwrk ke hst dalam netwrk yang lain melalui suatu ruter. Agar ruter dapat mengetahui bagaimana meneruskan paket
Lebih terperinciRecommender System di Perpustakaan Universitas Kristen Petra menggunakan Rocchio Relevance Feedback dan Cosine Similarity
Recommender System di Perpustakaan Universitas Kristen Petra menggunakan Rocchio Relevance Feedback dan Cosine Similarity Adi Wiboo, Andreas Handoo, Minardi Taliang adi@petra.ac.id, handoo@petra.ac.id,
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. Berdasarkan System Development Life Cycle (SDLC) metode waterfall yang
BAB III ANALISIS DAN PERANCANGAN SISTEM Berdasarkan System Develpment Life Cycle (SDLC) metde waterfall yang digunakan dalam pembuatan aplikasi penentuan harga jual, terdapat beberapa tahapan yang terdiri
Lebih terperinciAPLIKASI WORDNET INDONESIA BERDASARKAN KAMUS THESAURUS BAHASA INDONESIA MENGGUNAKAN ALGORITMA RULE BASED TEXT PARSING
APLIKASI WORDNET INDONESIA BERDASARKAN KAMUS THESAURUS BAHASA INDONESIA MENGGUNAKAN ALGORITMA RULE BASED TEXT PARSING Dzulfie Zamzami 1, Dr.Eng.Faisal Rahutomo,ST.,M.Kom 2., Dwi Puspitasari, S.Kom., M.Kom.
Lebih terperinciDalam menentukan harga setiap usaha mungkin memiliki strategi yang berbeda-beda. Namun
CHAPTER V Harga menurut Philip Ktler (2001 : 439) ialah sebagai berikut, charged fr a prduct r service. Mre bradly, price is the sum f all the value that cnsumer exchange fr the benefits f having r using.
Lebih terperinciImplementasi Generalized Vector Space Model Menggunakan WordNet
Implementasi Generalized Vector Space Model Menggunakan WordNet Adi Wibowo*, Andreas Handojo**, Charistian Widjaja*** Jurusan Teknik Informatika Fakultas Teknologi Industri, Universitas Kristen Petra E-Mail:
Lebih terperinciBAB 1 PENDAHULUAN UKDW
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan ilmu pengetahuan yang pesat dewasa ini telah mendorong permintaan akan kebutuhan informasi ilmu pengetahuan itu sendiri. Cara pemenuhan kebutuhan
Lebih terperinciHASIL DAN PEMBAHASAN. Tabel 1 Perhitungan recall-precision. ) adalah peluang kata i dalam dokumen setelah q j. p( i q j
3 p( i j ) adalah peluang kata i dalam dokumen setelah j diketahui (Adisantoso 1996). Hitung Relevansi Kata Pada tahap ini, dilakukan proses perhitungan setiap kata yang dinilai relevan dan tidak relevan
Lebih terperinciJULIO ADISANTOSO - ILKOM IPB 1
KOM341 Temu Kembali Informasi Proses Temu-Kembali KULIAH #5 Evaluasi IR query : sby query: flu burung Evaluasi IR Indikator yang dapat diukur: Seberapa cepat dia meng-indeks Banyaknya dokumen/jam Terkait
Lebih terperinciKONSEP DASAR PENGEMBANGAN BERBAGAI PROGRAM IMC
Perspektif Pemasaran Untuk mengerti IMC, kita harus memahami pengertian dasar dari pemasaran, karena fungsifungsi IMC sendiri berada dibawah payung pemasaran. Seperti halnya pemasaran, IMC sendiri merupakan
Lebih terperinciJURNAL ITSMART Vol 4. No 2. Desember 2015 ISSN :
Analisis Perbandingan Metode Vector Space Model dan Weighted Tree Similarity dengan Cosine Similarity pada kasus Pencarian Informasi Pedoman Pengobatan Dasar di Puskesmas Viko Basmalah Wicaksono Jurusan
Lebih terperinciBAB 1 PENDAHULUAN. Setiap usaha yang didirikan dengan orientasi laba (keuntungan) mempunyai
BAB 1 PENDAHULUAN 1.1 Latar Belakang. Setiap usaha yang didirikan dengan rientasi laba (keuntungan) mempunyai tujuan untuk mencapai laba (keuntungan) yang ptimal, sehingga kelangsungan hidup badan usaha
Lebih terperinciA. IDENTITAS B. DESKRIPSI MATAKULIAH C. TUJUAN MATAKULIAH
A. IDENTITAS Nama Mata Kuliah : Sistem Infrmasi Akuntansi Kde Mata Kuliah : AKT 207 Tipe : Mata Kuliah Keahlian Berkarya (MKB) Bbt SKS : 3 SKS / 3 JP Prasyarat : Aplikasi Kmputer Pengantar B. DESKRIPSI
Lebih terperinciABSTRAK. Kata kunci : Information Retrieval system, Generalized Vector Space Model. Universitas Kristen Maranatha
ABSTRAK Information retrieval (IR) system adalah sistem yang secara otomatis melakukan pencarian atau penemuan kembali informasi yang relevan terhadap kebutuhan pengguna. Kebutuhan pengguna, diekspresikan
Lebih terperinciSOP CMS WEBSITE. - Berikut adalah penjelasan pada menu bagian atas o Home
SOP CMS WEBSITE Berikut adalah daftar SOP untuk pengimputan CMS pada website PT. Cybersama Technlgy. 1. Input Kategri 2. Input Subkategri (khusus cybernte.c.id, kuncihtel.cm, thehtellck.cm) 3. Input Prduk
Lebih terperinciSistem Informasi Akademis NextGeneration UNIVERSITAS INDONESIA. Panduan Pengisian Isian Rencana Studi (IRS) Khusus Fakultas Kedokteran
Sistem Infrmasi Akademis NextGeneratin UNIVERSITAS INDONESIA Panduan Pengisian Isian Rencana Studi (IRS) Khusus Fakultas Kedkteran 2010 Disusun leh: Peter Pratama, 2010 Diadaptasi dari: Manual Untuk Mahasiswa:
Lebih terperinciAPLIKASI SOFTWARE PERPUSTAKAAN DIGITAL
APLIKASI SOFTWARE PERPUSTAKAAN DIGITAL Prpsal Sftware PERPUSTAKAAN DIGITAL Sistem Infrmasi Perpustakaan adalah sebuah sftware perpustakaan praktis yang telah teruji keandalannya serta telah digunakan leh
Lebih terperinciImplementasi Algoritma Genetika Dalam Menyelesaikan Sebuah Persoalan Anagram Scrabble
Implementasi Genetika Dalam Menyelesaikan Sebuah Persalan Anagram Scrabble Mhammad Gilang Kautzar HW Prgram Studi Teknik Infrmatika, Institut Teknlgi Bandung Jl. Ganesha 10, Bandung e-mail: if15101@students.if.itb.ac.id
Lebih terperinciBAB IV DESKRIPSI PEKERJAAN. meninjau SMA Wahid Hasyim Krian, didapatkan informasi bahwa proses
BAB IV DESKRIPSI PEKERJAAN Berdasarkan survey dan wawancara yang penulis lakukan saat pertama kali meninjau SMA Wahid Hasyim Krian, didapatkan infrmasi bahwa prses penerimaan siswa baru masih dilakukan
Lebih terperinciRecommendation System
May 28, 2014 Introduction Recommenders vs Search Engines Kategori recommendation system Input recommendation system Collaborative Filtering Content-based Evaluasi recommendation system Masalah dalam recommendation
Lebih terperinciLatent Semantic Analysis dan. Similarity untuk Pencarian. oleh : Umi Sa adah
Metode Latent Semantic Analysis dan Algoritma Weighted Tree Similarity untuk Pencarian berbasis b Semantik oleh : Umi Sa adah 5109201030 Pembimbing : Prof. Drs.Ec. Ir. Riyanarto Sarno, M.Sc, Ph.D Umi Laili
Lebih terperinci: Luas Bidang-Bidang Tanah
Lampiran N : Luas Bidang-Bidang Tanah - 2 - Lampiran O : Uji Chi-Square Uji Chi-square dihitung dengan α G = 0.05 Pengukuran titik dilakukan terhadap 24 byek (n -1 = 23). Chi 2 dengan α G sebesar 0.05
Lebih terperinciText dan Web Mining - Budi Susanto 1 EVALUASI IR. Budi Susanto
Text dan Web Mining - Budi Susanto 1 EVALUASI IR Budi Susanto Text dan Web Mining - Budi Susanto 2 Tujuan mahasiswa memahami tentang bagaimana mengukur dan mengartikan precision dan recall terhadap sistem
Lebih terperinciEVALUASI IR. Tujuan 4/16/13. Budi Susanto
Text dan Web Mining - Budi Susanto 1 EVALUASI IR Budi Susanto Text dan Web Mining - Budi Susanto 2 Tujuan mahasiswa memahami tentang bagaimana mengukur dan mengartikan precision dan recall terhadap sistem
Lebih terperinciIntegrasi Peringkas Dokumen Otomatis Dengan Penggabungan Metode Fitur dan Metode Latent Semantic Analysis (LSA) Sebagai Feature Reduction
Integrasi Peringkas Dokumen Otomatis Dengan Penggabungan Metode Fitur dan Metode Latent Semantic Analysis (LSA) Sebagai Feature Reduction Junta Zeniarja 1, Abu Salam 2, Ardytha Luthfiarta 3, L Budi Handoko
Lebih terperinciRANGKUMAN APLIKASI PENGOLAHAN DATABASE (Menggunakan Microsoft Access 2007)
RANGKUMAN APLIKASI PENGOLAHAN DATABASE (Menggunakan Micrsft Access 2007) A. PENGERTIAN DATABASE Kata Database berasal dari bahasa inggris, dalam bahasa Indnesia database diartikan dengan Pangkalan Data
Lebih terperinciEKSPANSI KUERI MENGGUNAKAN METODE SEMANTIC SIMILARITY RETRIEVAL MODEL (SSRM) SRI RAHAYU ISMANI
EKSPANSI KUERI MENGGUNAKAN METODE SEMANTIC SIMILARITY RETRIEVAL MODEL (SSRM) SRI RAHAYU ISMANI DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012
Lebih terperinciJurnal Penelitian Pos dan Informatika 771/AU1/P2MI-LIPI/08/ a/E/KPT/2017
JPPI Vl 7 N 2 (2017) 87-96 Jurnal Penelitian Ps dan Infrmatika 771/AU1/P2MI-LIPI/08/2017 32a/E/KPT/2017 e-issn 2476-9266 p-issn: 2088-9402 DOI: 10.17933/jppi.2017.070201 PENERAPAN ALGORITMA APRIORI TID
Lebih terperinciBAB IV DESKRIPSI KERJA PRAKTEK
BAB IV DESKRIPSI KERJA PRAKTEK Berdasarkan hasil pengamatan dan bservasi yang dilakukan saat kerja praktek di CV. Bintang Anggara Jaya. Penulis mendapati suatu permasalahan di dalam perusahaan yang selama
Lebih terperinciMAXIMUM MARGINAL RELEVANCE UNTUK PERINGKASAN TEKS OTOMATIS SINOPSIS BUKU BERBAHASA INDONESIA
MAXIMUM MARGINAL RELEVANCE UNTUK PERINGKASAN TEKS OTOMATIS SINOPSIS BUKU BERBAHASA INDONESIA Aida Indriani ) ) Teknik Informatika STMIK PPKIA Tarakanita Rahmawati Tarakan Jl Yos Sudarso 8, Tarakan 77 Email
Lebih terperinciUKDW BAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan pengetahuan dan kehidupan manusia sungguh dipercepat dengan kemudahan akses terhadap begitu banyak informasi. Pada beberapa waktu yang lalu akses terhadap
Lebih terperinciTugas Makalah. Sistem Temu Kembali Informasi (STKI) TI Implementasi Metode Generalized Vector Space Model Pada Information Retrieval System
Tugas Makalah Sistem Temu Kembali Informasi (STKI) TI029306 Implementasi Metode Generalized Vector Space Model Pada Information Retrieval System Oleh : I PUTU ANDREAS WARANU 1204505042 Dosen : I Putu Agus
Lebih terperinciBAB I PENDAHULUAN. penunjang Al-Quran untuk memudahkan untuk mempelajarinya, yang bisa
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dengan kemajuan teknologi yang sangat pesat ini sudah banyak aplikasi penunjang Al-Quran untuk memudahkan untuk mempelajarinya, yang bisa disebut atau di artikan
Lebih terperinciRANCANG BANGUN MODUL PENGKATEGORIAN DAN PENGELOMPOKKAN TOPIK OTOMATIS PADA APLIKASI FORUM phpbb
JURNAL TEKNIK POMITS Vl. 2, N. 1, (2013) ISSN: 2337-3539 (2301-9271 Pr) 1 RANCANG BANGUN MODUL PENGKATEGORIAN DAN PENGELOMPOKKAN TOPIK OTOMATIS PADA APLIKASI FORUM phpbb Arthur Hlng P.N, Daniel O.S., S.Km,
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Tinjauan atau review seseorang yang ditujukan kepada suatu objek atau produk sangat berpengaruh terhadap penilaian publik atas produk tersebut (Sahoo, 2013). Review
Lebih terperinciBAB III PERANCANGAN. Fitur. Reduksi & Pengelompokan. Gambar 3.1. Alur Pengelompokan Dokumen
BAB III PERANCANGAN Pada bab ini akan delaskan tahapan yang dilalui dalam melakukan perancangan penelitian yang akan dilakukan dalam tugas akhir ini. Tahapan tersebut meliputi perancangan implementasi
Lebih terperinciBAB V HASIL DAN PEMBAHASAN. Pengelolaan Kas Fakultas Teknik Universitas 45 Surabaya memiliki
BAB V HASIL DAN PEMBAHASAN Pengellaan Kas Fakultas Teknik Universitas 45 Surabaya memiliki prsedur sistem yang sedikit berbeda dengan beberapa Fakultas. Hal ini diakibatkan karena sistem yang dijalankan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Kata Pengertian kata secara sederhana adalah sekumpulan huruf yang mempunyai arti. Dalam kamus besar bahasa indonesia (KBBI) pengertian kata adalah unsur bahasa yang diucapkan
Lebih terperinciPEMROGRAMAN LINIER VERSUS PEMROGRAMAN KUADRATIK KONVEKS
SISFO-Jurnal Sistem Infrmasi EMROGRAMAN LINIER VERSUS EMROGRAMAN KUADRAIK KONVEKS Wiwik Anggraeni Jurusan Sistem Infrmasi Fakultas eknlgi Infrmasi, Institut eknlgi Sepuluh Npember Kampus IS Suklil, Surabaya,
Lebih terperinciBAB I PERSYARATAN PRODUK
BAB I PERSYARATAN PRODUK 1.1 PENDAHULUAN Pada saat kita melakukan pencarian melalui search engine (google.com, yahoo, dsb), kita bisa mendapatkan beberapa hasil, yang berupa dokumen - dokumen yang sama
Lebih terperinciSISTEM QUR AN RETRIEVAL TERJEMAHAN BAHASA INDONESIA BERBASIS WEB DENGAN REORGANISASI KORPUS
SISTEM QUR AN RETRIEVAL TERJEMAHAN BAHASA INDONESIA BERBASIS WEB DENGAN REORGANISASI KORPUS Surya Agustian 1, Imelda Sukma Wulandari 2 1,2 Jurusan Teknik Informatika, Fakultas Sains dan Teknologi, UIN
Lebih terperinciBAB 1 PENDAHULUAN Pengantar
BAB 1 PENDAHULUAN 1.1. Pengantar Dewasa ini fungsi komputer semakin dimanfaatkan dalam segala bidang. Baik di bidang pendidikan, bisnis, ataupun penelitian. Penggunaan komputer kini tidak lagi terbatas
Lebih terperinciAnalisis dan Pengujian Kinerja Korelasi Dokumen Pada Sistem Temu Kembali Informasi
Analisis dan Pengujian Kinerja Korelasi Dokumen Pada Sistem emu Kembali Informasi Ari Wibowo Program Studi eknik Multimedia dan Jaringan, Politeknik Negeri Batam E-mail : wibowo@polibatam.ac.id Abstrak
Lebih terperinciPENYUSUNAN DATABASE JARINGAN JALAN KOTA MAKASSAR BERBASIS GIS OPEN SOURCE
PRO S ID IN G 20 11 HASIL PENELITIAN FAKULTAS TEKNIK Arsitektur Elektr Gelgi Mesin Perkapalan Sipil PENYUSUNAN DATABASE JARINGAN JALAN KOTA MAKASSAR BERBASIS GIS OPEN SOURCE Jurusan Teknik Sipil Fakultas
Lebih terperinciTAHAPAN SKRIPSI. Apa itu Skripsi? Program Ekstensi ILKOM IPB 2014/2015
Program Ekstensi ILKOM IPB TAHAPAN SKRIPSI 2014/2015 Apa itu Skripsi? Skripsi adalah suatu karya tulis ilmiah berupa paparan tulisan hasil peneligan sarjana S1 yang membahas suatu permasalahan atau fenomena
Lebih terperinciKULIAH 11 WEB IR. BAB 13 Baeza-Yates & Ribeiro-Neto. Fakultas Ilmu Komputer Universitas Indonesia
KULIAH 11 WEB IR BAB 13 Baeza-Yates & Ribeiro-Neto World Wide Web Dikembangkan oleh Tim Berners-Lee pada tahun 1990 di CERN untuk mengorganisasikan dokumen penelitian yang ada di Internet. Mengembangkan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Penelitian Terkait 2.1.1. Implementasi Opinion Mining Pernah dilakukan penelitian tentang opinion mining membahas tentang ekstraksi data opini publik pada perguruan tinggi.
Lebih terperincisystem) yang elemennya terdiri dari hardware, software dan brainware. Ketiga
PENGETAHUAN DASAR KOMPUTER 1. Knsep Kmputer Dari beberapa pendapat tentang definisi kmputer, maka yang disebut dengan kmputer adalah perangkat elektrnik yang dapat menerima masukan (input), dan selanjutnya
Lebih terperinciBAB 1 PENDAHULUAN. memarkirkan mobilnya di tempat-tempat perparkiran yang cukup sibuk seperti
BAB 1 PENDAHULUAN 1.1. Latar Belakang Dengan semakin banyaknya pemilik mbil di kta besar seperti Jakarta, Bandung dan Surabaya akan menimbulkan masalah bagi pemilik mbil untuk memarkirkan mbilnya di tempat-tempat
Lebih terperinciSISTEM INFORMATION RETRIEVAL PENCARIAN KESAMAAN AYAT TERJEMAHAN AL QURAN BERBAHASA INDONESIA DENGAN QUERY EXPANSION DARI TAFSIRNYA
SISTEM INFORMATION RETRIEVAL PENCARIAN KESAMAAN AYAT TERJEMAHAN AL QURAN BERBAHASA INDONESIA DENGAN QUERY EXPANSION DARI TAFSIRNYA Broto Poernomo T.P. 1 dan Ir. Gunawan 2 1 Teknik Informtika Sekolah Tinggi
Lebih terperinciINDEXING AND RETRIEVAL ENGINE UNTUK DOKUMEN BERBAHASA INDONESIA DENGAN MENGGUNAKAN INVERTED INDEX
INDEXING AND RETRIEVAL ENGINE UNTUK DOKUMEN BERBAHASA INDONESIA DENGAN MENGGUNAKAN INVERTED INDEX Wahyu Hidayat 1 1 Departemen Teknologi Informasi, Fakultas Ilmu Terapan, Telkom University 1 wahyuhidayat@telkomuniversity.ac.id
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. jenis dokumen, yaitu dokumen training dan dokumen uji. Kemudian dua
BAB IV HASIL DAN PEMBAHASAN 4.1. Dokumen yang digunakan Pada penelitian yang dilakukan oleh penulis ini menggunakan dua jenis dokumen, yaitu dokumen training dan dokumen uji. Kemudian dua jenis dokumen
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN IV.1. Implementasi Pengujian dalam penelitian ini dilakukan dengan menggunakan MATLAB 29. Citra mammogram yang digunakan dibagi menjadi tiga kelas, yaitu kelas Normal, Benign
Lebih terperinciIMPLEMENTASI VECTOR SPACE MODEL UNTUK MENINGKATKAN KUALITAS PADA SISTEM PENCARIAN BUKU PERPUSTAKAAN
Seminar Nasional Informatika 205 IMPLEMENTASI VECTOR SPACE MODEL UNTUK MENINGKATKAN KUALITAS PADA SISTEM PENCARIAN BUKU PERPUSTAKAAN Dedi Leman, Khusaeri Andesa 2 Teknik Informasi, Magister Komputer, Universitas
Lebih terperinci