PERANCANGAN INFORMATION RETRIEVAL SYSTEM UNTUK DOKUMEN BERBAHASA INDONESIA DENGAN MENGGUNAKAN EXTENDED BOOLEAN
|
|
- Ivan Kurnia
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PERANCANGAN INFORMATION RETRIEVAL SYSTEM UNTUK DOKUMEN BERBAHASA INDONESIA DENGAN MENGGUNAKAN EXTENDED BOOLEAN Steven Teknik Informatika Universitas Tarumanagara Jl. S. Parman No.1, Jakarta Inonesia steven_crs7@yahoo.com ABSTRACT Information retrieval system is a system that is esigne to fin ocuments that satisfies user s information nees. User represents his information nees in wors. The wor will represent the same wor in ocuments an it s calle query. System will retrieve all relevant ocuments an show it to the user. This paper will escribe an information retrieval system using extene boolean metho. There are two methos in this system, boolean metho for retrieval process an vector space metho for ranking process. Key wors : Boolean, extene booelan, information retrieval system, vector space. 1. Penahuluan Information retrieval atau IR aalah ilmu tentang pencarian informasi, khususnya alam bentuk teks yang ianggap memenuhi kebutuhan informasi penggunanya. Paa awalnya information retrieval hanya ilakukan oleh orang-orang engan pekeraan tertentu, seperti pustakawan, asisten penegak hukum, an pekeraan lainnya. Namun sekarang utaan orang apat terlibat alam aktivitas information retrieval ketika menggunakan search engine berbasis web. IR seniri terus berkembang seiring engan meningkatnya kebutuhan manusia akan informasi. Peningkatan kebutuhan informasi ini menorong munculnya sistem-sistem pencari informasi untuk memenuhi kebutuhan informasi penggunanya. Sistem information retrieval menggunakan moel untuk mengukur tingkat kemiripan antara kueri yang imasukkan engan isi okumen. Di alam moel tersebut terai proses komputasi yang akan memberikan penilaian bagi sistem mengenai seberapa ekat kemiripan antara isi okumen engan kueri pengguna. Beberapa moel yang telah ikembangkan aalah moel Vector Space, moel Boolean, an moel probabilistic. Setiap moel mempunyai karakteristik an cara pengukuran kemiripan yang berbea [5]. Berasarkan latar belakang i atas, maka irancanglah suatu sistem information retrieval menggunakan moel Extene Boolean. Perancangan sistem information retrieval ini bertuuan untuk menemukan sebanyak mungkin okumen yang relevan i alam suatu koleksi okumen, yang sesuai engan kueri pengguna. 2. Information Retrieval Information Retrieval System aalah sistem yang irancang untuk menemukan okumen yang memenuhi kebutuhan informasi penggunanya. Terapat prosesproses yang ialankan paa sistem. Proses-proses yang ialankan aalah preprocessing, pencarian menggunakan Extene Boolean, an pemeringkatan menggunakan Vector Space Preprocessing Preprocessing merupakan salah satu cara yang igunakan untuk meningkatkan hasil pengambilan okumen-okumen relevan yang terapat i alam koleksi okumen. Proses ini ilakukan paa isi okumen paa koleksi an kueri yang imasukkan oleh pengguna. Preprocessing teriri ari beberapa proses, yaitu : 1. Lexical Analysis Lexical Analysis aalah proses pengkonversian term menai sekumpulan token. Proses ini uga isebut engan tokenisasi. Paa proses ini umumnya karakter non-huruf seperti tana baca, tana hubung, angka, an lainnya akan ihilangkan an seluruh huruf akan iubah menai huruf kecil. Tuuan ari proses ini aalah mengubah term sehingga apat ikenali oleh sistem. 2. Stopwors removal Tuuan ari proses ini aalah menghilangkan katakata yang sering muncul an ianggap tiak berguna. Proses ini uga bermanfaat untuk mengurangi waktu yang iperlukan untuk proses inexing an pembobotan istilah. 3. Stemming Stemming aalah proses pemotongan imbuhan suatu kata, agar kata tersebut irepresentasikan oleh sistem alam bentuk kata asar. Operasi ini bertuuan agar alam proses pencarian okumen yang relevan 183
2 engan kueri, sistem mampu mengambil lebih banyak okumen-okumen ari koleksi okumen yang i alam isinya menganung kata asar ari kata yang aa alam kueri. Stemming untuk bahasa Inonesia yang akan igunakan aalah Jelita Asian Stemmer. Stemmer ini merupakan stemmer yang ikembangkan ari stemmer Nazief an Ariani. Proses stemming yang ilakukan melibatkan kamus kata asar tiap akhir proses pemotongan imbuhan [1] Moel Extene Boolean Moel Boolean merupakan moel paling seerhana untuk iimplementasikan i antara moel-moel retrieval lainnya. Moel ini bergantung paa penggunaan operator Boolean alam melakukan retrieval. Moel ini uga sering igunakan paa search engine i internet karena pemrosesan kueri yang cepat [9] serta retrieval berasarkan semantik kueri [7]. Moel ini merepresentasikan term paa kueri yang imasukkan ke alam sistem sebagai ekspresi Boolean an term ini apat ikombinasikan engan operator Boolean AND, OR, an NOT [6]. Menggabungkan kata-kata paa kueri engan operator AND akan memunculkan koleksi okumen yang berisi kata-kata paa kueri tersebut. Seangkan ika operator OR igunakan untuk menggabungkan kata-kata paa kueri, maka koleksi okumen yang berisi salah satu kata atau seluruh kata paa kueri itu yang akan imunculkan an ika operator NOT yang igunakan maka koleksi okumen yang tiak berisi kata paa kuerilah yang muncul [4]. Namun moel ini inilai belum cukup untuk memenuhi kebutuhan akan sistem information retrieval yang membutuhkan proses matching yang fleksibel, seperti pencarian kata yang beraa paa arak tertentu engan kata yang lain serta aanya pemeringkatan agar pengguna apat memperoleh hasil yang terbaik ari pencarian yang ilakukan oleh sistem [2]. Moel boolean lalu ikembangkan menai extene boolean. Moel ini mengenal pemeringkatan hasil okumen [4] an penambahan proximity operator [6]. Proximity operator yang igunakan paa moel ini aalah operator NEAR an WITH. Penggunaan proximity operator seperti NEAR paa kueri akan memunculkan set okumen yang berisi katakata paa kueri yang memiliki arak tertentu an penggunaan proximity operator WITH paa kueri akan memunculkan set okumen yang berisi kata-kata paa kueri yang terletak bersebelahan an berurutan sesuai engan kuerinya Moel Vector Space Moel ini iasarkan paa usulan yang iaukan oleh Peter Luhn. Ia mengusulkan agar ketika mencari okumen paa sebuah koleksi okumen, pengguna sebaiknya mempersiapkan terlebih ahulu sebuah okumen yang mirip engan okumen yang ibutuhkan. Tingkat kemiripan antara okumen yang ipersiapkan an okumen yang iapat ari koleksi okumen igunakan untuk melakukan pemeringkatan paa hasil pencarian [4]. Pengukuran kemiripan moel ini kini telah berkembang menai pengukuran kemiripan antara vektor yang merepresentasikan kueri engan vektor yang merepresentasikan okumen. Jika salah satu kata apat mewakili kata-kata lainnya i alam sebuah okumen engan menggunakan sebuah vektor, maka sangat memungkinkan pembaningan okumen engan kueri untuk melihat seberapa mirip isi okumennya. Metoe traisional untuk menentukan keekatan antara ua buah vektor engan menggunakan koefisien kemiripan (similarity coefficent) alam hal ini moel vector space menggunakan cosine similarity karena operasi vektor paa sistem biasanya beraa paa kuaran positif engan iasumsikan tiak aa term yang bernilai negatif [4]. Seperti moel sistem information retrieval lainnya, moel vector space menggunakan struktur ata inverte list untuk mempermuah proses pencarian okumen. Inverte list memungkinkan akses yang cepat terhaap aftar okumen yang menganung sebuah term tertentu bersama informasi lainnya, seperti bobot setiap istilah yang terapat alam masing-masing okumen, posisi term alam masing-masing okumen, an lain sebagainya. Kelemahan moel ini aalah okumen yang memiliki lebih banyak kata ialamnya akan cenerung menai okumen yang ianggap relevan [7]. Proses pengukuran kemiripan antara vektor kueri engan setiap vektor okumen paa metoe vector space secara umum ilakukan engan beberapa tahap, yaitu [6] : 1. Membuat inverte list terhaap setiap term unik alam okumen maupun kueri. 2. Menghitung nilai inverse ocument frequency atau if masing-masing term engan menggunakan persamaan : if = log f (1) Keterangan : :Jumlah seluruh okumen alam koleksi f :Jumlah okumen yang menganung term-. f apat isebut sebagai ocument frequency 3. Menghitung nilai bobot setiap istilah yang imiliki oleh setiap okumen menggunakan perkalian antara if terhaap tf (term frequency) untuk merepresentasikan vektor okumen. Teknik pembobotan ini isebut engan tf-if. Nilai ari tf-if iperoleh engan menggunakan persamaan : w i, = tf i if (2) 184
3 Keterangan : w i, : Bobot term- paa okumen-i tf i : frekuensi kemunculan term- paa okumen-i 4. Menghitung koefisien kemiripan (similarity coefficient)engan persamaan : sim engan. q (,q) = t = = wi w 1,. q, t = 1 = w i q = 2, t 2 = w 1 q,.q. q Keterangan : sim(, k ) : Suut kosinus atau koefisien kemiripan antara vektor okumen engan vektor kueri : Seluruh bobot term yang terkanung i alam vektor okumen- q : Seluruh bobot term yang terkanung i alam vektor kueri Panang vektor okumen- q w i, w q, Panang vektor kueri Bobot term- paa okumen-i Bobot term- paa kueri (3) (4) (5) (6) Cara yang igunakan untuk mengukur kemampuan suatu sistem alam mengambil okumen-okumen yang relevan aalah engan menggunakan precision an recall [5]. Recall aalah perbaningan ari umlah okumen relevan yang terambil engan umlah seluruh okumen relevan yang aa alam koleksi atau peluang acak terambilnya sebuah okumen relevan ari okumen yang terambil. Seangkan precision merupakan perbaningan ari umlah okumen relevan yang terambil engan umlah okumen yang terambil. Nilai precision ini apat menginikasikan kualitas sistem alam menyaikan hasil [5]. Persamaan untuk menapatkan nilai precision an recall aalah sebagai berikut [5]: umlah okumen yang terambil an relevan Pr ecision= umlah okumen yang terambil Recall = umlah okumen yang terambil an relevan umlah okumen yang relevan paa kueri (7) (8) 3.Perancangan Sistem Information Retrieval Sistem yang irancang aalah sistem information retrieval menggunakan moel extene boolean. Flowchart sistem information retrieval itunukkan paa gambar 2 berikut Evaluasi Sistem Paa saat sistem information retrieval melakukan operasi pencarian, sistem akan mengambil seumlah okumen ari koleksi okumen. Dokumen yang iambil oleh sistem teriri ari okumen yang relevan an okumen yang tiak relevan engan kueri yang telah imasukkan sebelumnya. Konisi ini iilustrasikan paa gambar 2 berikut Gambar 1 Diagram Hasil Pencarian Dokumen Gambar 2 Flowchart Sistem Information Retrieval Yang Dirancang 185
4 Sistem akan menerima input ari pengguna berupa kueri an berasarkan kueri tersebut, sistem akan melakukan pencarian i alam koleksi okumen terhaap okumen-okumen yang ianggap sistem relevan engan kueri. Dokumen-okumen yang ianggap relevan aalah okumen-okumen yang i alam isinya menganung kata-kata yang terapat paa kueri. Sebagai output, sistem akan membuat aftar okumen-okumen yang ianggap relevan. Tahapan-tahapan pemrosesan okumen paa sistem ini yaitu: 1. Mengumpulkan seluruh okumen untuk iaikan ineks. 2. Melakukan proses tokenisasi paa okumen menai sekumpulan token. 3. Melakukan proses preprocessing, yaitu stopwor removal an stemming sehingga menghasilkan token-token okumen yang telah ternormalisasi. 4. Membuat inverte inex ari token-token yang suah ternormalisasi. Ineks ibuat engan cara mengelompokkan token menurut urutan an letak kata-kata paa kumpulan okumen. Tahapan-tahapan pemrosesan kueri paa sistem ini yaitu : 1. Melakukan tokenisasi paa kueri yang telah imasukkan ke alam sistem. 2. Melakukan preprocessing, yaitu stemming sehingga menghasilkan token-token kueri yang telah ternormalisasi. 3. Melakukan pencarian token kueri paa inverte inex okumen. 4. Melakukan retrieval paa ineks okumen yang sesuai engan kueri 5. Melakukan interseksi ika operator boolean terapat paa kueri Batasan Rancangan Batasan rancangan sistem ini antara lain : 1. Dokumen berupa artikel berbahasa Inonesia yang iambil ari situs berita resmi i internet an suah iubah menai format file teks. 2. Sistem mengenali term sebagai sebuah kata. 3. Kueri yang imasukkan apat berupa kata berimbuhan. 4. Stemmer menggunakan algoritma Nazief an Ariani untuk Bahasa Inonesia yang telah ikembangkan oleh Jelita Asian. 5. Operator yang igunakan paa moel Extene Boolean ini aalah AND, OR, NOT, WITH, an NEAR. 6. Pemeringkatan okumen menggunakan moel Vector Space, yang berasarkan paa bobot an frekuensi kata. 7. Sistem memunculkan sebanyak mungkin okumen relevan engan kueri yang imasukkan. 8. Jumlah okumen yang iproses berumlah 500 okumen Rancangan Moul Sistem Information retrieval system engan extene boolean teriri ari 4 moul utama, yaitu : 1. Moul Inexing Moul ini merupakan moul yang igunakan untuk melakukan proses-proses preprocessing sebelum ilakukan retrieval. Teriri ari : a) Form Input Document. Digunakan untuk menyimpan 1 okumen yang akan iproses b) Form Batch Input. Digunakan untuk menyimpan beberapa okumen yang terletak paa sebuah foler. c) Menu Database. Menu ini igunakan untuk menyimpan an menghapus aftar stopwor, stemwor, an okumen. Teriri ari : I. Form Document Form ini igunakan untuk melihat atau menghapus aftar koleksi okumen yang suah imasukkan an iproses ke alam sistem. II. Form Stopwor Form ini igunakan untuk menambah atau menghapus aftar stopwor untuk proses stopwor removal. III. Form Stemwor Form ini igunakan untuk menambah atau menghapus aftar kata asar atau stemwor untuk proses stemming. 2. Moul Retrieval Moul ini aalah form yang igunakan alam pencarian okumen 3. Moul Help Moul ini berisi petunuk bagaimana mengoperasikan sistem information retrieval. 4. Moul About Moul ini berisi tentang informasi program. Keempat moul tersebut apat iakses melalui menu utama Tampilan Program Tampilan program aalah sebagai berikut : 1. Menu Utama Gambar 3 Tampilan Menu Utama 186
5 2. Menu Input Document 6. Menu Database, Submenu Stemwor 3. Menu Batch Input Gambar 4 Tampilan Menu Input Document Gambar 5 Tampilan Menu Batch Input 4. Menu Database, Submenu Document Gambar 8 Tampilan Menu Database, Sub-menu Stopwor 7. Moul Retrieval Gambar 6 Tampilan Menu Database,Sub-menu Document 5. Menu Database, Submenu Stopwor 8. Form Hasil Gambar 9 Tampilan Moul Retrieval Gambar 7 Tampilan Menu Database, Sub-menu Stopwor Gambar 10 Tampilan Form Hasil 187
6 9. Moul Help penguian an perhitungan precision an recall aalah sebagai berikut Tabel 1 Nilai Rata-rata Precision an Recall Berasarkan Tingkatan Urutan Dokumen Hasil Penguian 50 Kueri 10. Moul About Gambar 11 Tampilan Moul Help Tingkatan Dokumen Rata-rata Precision Rata-rata Recall 5 okumen okumen Program memiliki tingkat akurasi yang lebih baik untuk mencari okumen paa peringkat 5 besar ika ibaningkan engan pencarian okumen paa peringkat 10 besar. Hal ini isebabkan karena paa penguian hanya itemukan kurang ari 10 okumen yang ianggap relevan engan beberapa kueri yang imasukkan. Selain itu terapat pula perbeaan okumen yang terambil karena perbeaan operator yang igunakan paa kueri, contohnya aalah penggunaan operator AND an WITH paa kueri penyiik kpk. Terapat okumen yang ianggap tiak relevan ketika operator WITH igunakan seangkan okumen tersebut relevan ketika operator AND igunakan. Hal ini isebabkan karena perbeaan sifat ari keua operator tersebut. 5. Kesimpulan 4. Penguian Sistem Gambar 12 Tampilan Moul About Penguian paa program information retrieval system untuk okumen berbahasa Inonesia engan menggunakan extene boolean ini ilakukan engan menggunakan metoe Black Box Testing. Metoe Black Box Testing aalah salah satu metoe untuk melakukan penguian terhaap fungsi-fungsi yang imiliki oleh program information retrieval system untuk mengetahui apakah output yang ihasilkan suah sesuai engan yang iharapkan. Penguian program information retrieval system ini ilakukan engan memberikan serangkaian kueri, lalu kueri tersebut iproses untuk ilakukan pencarian okumen-okumen yang relevan Jumlah kueri yang igunakan berumlah 50 kueri Evaluasi Sistem Perhitungan rata-rata precision an recall ilakukan untuk 5 an 10 peringkat okumen teratas. Hasil Dari hasil percobaan, iapat bahwa sistem memiliki tingkat akurasi sebesar untuk pencarian okumen paa 5 peringkat okumen teratas an akurasi sebesar untuk pencarian okumen paa 10 peringkat okumen teratas. Akurasi apat itingkatkan engan menambah umlah koleksi okumen agar umlah okumen relevan bertambah. Pemilihan operator paa kueri uga apat mempengaruhi hasil perolehan okumen relevan. REFERENSI [1] Asian, Jelita; Williams, Hugh E.; Tahaghogi, S.M.M, 2005, Stemming Inonesian, ACSC 05 Proceeings of the Twenty-eighth Australasian conference on Computer Science, Vol. 38, Australian Computer Society, Inc, Darlinghurst. [2] Chang, Kevin Chen-Chuan; Molina, Hector Garcia; Paepcke, Anreas, 1996, Boolean Query Mapping Across Heterogeneous Information Sources. IEEE Transactions On Knowlege An Data Engineerin,. Vol. 8, Nomor 4, IEEE Computer Society, Los Alamitos. [3] Frakes, William B. an Yates, Ricaro Baeza, 1992, Information Retrieval : Data Structures & Algorithms, Prentice Hall, Upper Sale River. [4]Goker, Ayse. Davies, John, 2009, Information Retrieval : Searching in the 21 st Century, John Wiley an Sons, New Jersey. [5] Grossman, Davi A. Dan Fireer, Ophir, 2004, Information Retrieval Algorithms an Heuristics, 2 th Eition, Dorrecht, Springer [6] Maning, Christopher D.; Raghavan Prabhakan an Schutze, Hinrich, 2009, An Introuction to Information Retrieval, Cambrige University Press, Cambrige. 188
7 [7] Manwar, A. B.; Mahalle, Hemant S.; Chinchkhee, K. D.; Chavan, Vinay, 2012, A Vector Space Moel For Information Retrieval: A Matlab Approach, Inian Journal of Computer Science an Engineering. Vol. 3, No. 2, Engg Journals Publications, Chennai. [8] Pohl, Stefan; Zobel, Justin; Moffat, Alistair, 2010, Extene Boolean Retrieval for Systematic Biomeical Reviews. ACSC 10 Proceeings of the Thirty-Thir Australasian Conference on Computer Science, Vol. 102, Australian Computer Society, Inc, Darlinghurst. [9] THOR Center for Neuroinformatics, 2012, Boolean Retrieval, ng/noe2.html. Steven, mahasiswa Program Stui Teknik Informatika Fakultas Teknologi Informasi Universitas Tarumanagara, Jakarta. 189
KOM341 Temu Kembali Informasi
KOM341 Temu Kembali Informasi KULIAH #3 Inverte Inex?? o Apa persamaan pokok bahasan antara Rijbergen Ch.2 engan Manning Ch.2? o Apa perbeaannya? 1 Inverte inex construction perkebunan, pertanian, an kehutanan
Lebih terperinciJULIO ADISANTOSO - ILKOM IPB 1
KOM341 Temu Kembali Informasi Proses Temu-Kembali KULIAH #4 Pemoelan IR Boolean moel Vector space moel Konsep IR Pemoelan IR Moel IR iefinisikan sebagai empat komponen [D, F, Q, R(q, )] Keterangan: D aalah
Lebih terperinciSistem Temu Kembali Informasi pada Dokumen Teks Menggunakan Metode Term Frequency Inverse Document Frequency (TF-IDF)
Sistem Temu Kembali Informasi pada Dokumen Teks Menggunakan Metode Term Frequency Inverse Document Frequency (TF-IDF) 1 Dhony Syafe i Harjanto, 2 Sukmawati Nur Endah, dan 2 Nurdin Bahtiar 1 Jurusan Matematika,
Lebih terperinciRANCANG BANGUN SISTEM TEMU KEMBALI INFORMASI ABSTRAK TUGAS AKHIR MAHASISWA PRODI TEKNIK INFORMATIKA UNSOED Oleh : Lasmedi Afuan
RANCANG BANGUN SISTEM TEMU KEMBALI INFORMASI ABSTRAK TUGAS AKHIR MAHASISWA PRODI TEKNIK INFORMATIKA UNSOED Oleh : Lasmedi Afuan Prodi Teknik Informatika, Fakultas Sains dan Teknik, Universitas Jenderal
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 terperinciDETEKSI API REAL-TIME DENGAN METODE THRESHOLDING RERATA RGB
ISSN: 1693-6930 17 DETEKSI API REAL-TIME DENGAN METODE THRESHOLDING RERATA RGB Kartika Firausy, Yusron Saui, Tole Sutikno Program Stui Teknik Elektro, Fakultas Teknologi Inustri, Universitas Ahma Dahlan
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 III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian merupakan sistematika tahap-tahap yang dilaksanakan dalam pembuatan tugas akhir. Adapun tahapan yang dilalui dalam pelaksanaan penelitian ini adalah
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 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 terperinciAnalisis dan Pengujian Kinerja Korelasi Dokumen Pada Sistem Temu Kembali Informasi
Jurnal Integrasi, vol. 6, no. 1, 2014, 21-25 ISSN: 2085-3858 (print version) Article History Received 10 February 2014 Accepted 11 March 2014 Analisis dan Pengujian Kinerja Korelasi Dokumen Pada Sistem
Lebih terperinciPengujian Kerelevanan Sistem Temu Kembali Informasi
Pengujian Kerelevanan Sistem Temu Kembali Informasi Ari Wibowo / 23509063 Jurusan Teknik Informatika, Politeknik Negeri Batam Jl. Parkway No 1 Batam Center, Batam wibowo@polibatam.ac.id Abstrak Sistem
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 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 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 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 terperinciPENERAPAN SISTEM TEMU KEMBALI INFORMASI PADA KUMPULAN DOKUMEN SKRIPSI
18 PENERAPAN SISTEM TEMU KEMBALI INFORMASI PADA KUMPULAN DOKUMEN SKRIPSI Karter D. Putung, Arie Lumenta, Agustinus Jacobus Teknik Informatika Universitas Sam Ratulangi Manado, Indonesia. karterputung@gmail.com,
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 terperinciAPLIKASI MESIN PENCARI DOKUMEN CROSS LANGUAGE BAHASA INGGRIS BAHASA INDONESIA MENGGUNAKAN VECTOR SPACE MODEL
APLIKASI MESIN PENCARI DOKUMEN CROSS LANGUAGE BAHASA INGGRIS BAHASA INDONESIA MENGGUNAKAN VECTOR SPACE MODEL SKRIPSI Disusun Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Komputer pada Jurusan
Lebih terperinciSistem Rekomendasi Hasil Pencarian Artikel Menggunakan Metode Jaccard s Coefficient
Jurnal Transistor Elektro dan Informatika (TRANSISTOR EI) Vol. 2, No. 1 1 Sistem Rekomendasi Hasil Pencarian Artikel Menggunakan Metode Jaccard s Coefficient Muhammad Fadelillah, Imam Much Ibnu Subroto,
Lebih terperinciMETODE PENELITIAN Data Langkah-Langkah Penelitian
METODE PENELITIAN Data Inonesia merupakan salah satu negara yang tiak mempunyai ata vital statistik yang lengkap. Dengan memperhatikan hal tersebut, sangat tepat menggunakan Moel CPA untuk mengukur tingkat
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Buku merupakan media informasi yang memiliki peran penting dalam perkembangan ilmu pengetahuan, karena dengan buku kita dapat memperoleh banyak informasi, pengetahuan
Lebih terperinciIMPLEMENTASI TEKNIK FEATURE MORPHING PADA CITRA DUA DIMENSI
IMPLEMENTSI TEKNIK FETURE MORPHING PD CITR DU DIMENSI Luciana benego an Nico Saputro Jurusan Intisari Pemanfaatan teknologi animasi semakin meluas seiring engan semakin muah an murahnya penggunaan teknologi
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 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 terperinciBAB IV HASIL DAN UJI COBA
BAB IV HASIL DAN UJI COBA IV.1. Hasil Tampilan Aplikasi IV.1.1 Tampilan Aplikasi untuk Pengguna 1. Halaman Home Halaman ini merupakan halaman pertama saat pengguna membuka aplikasi. Gambar IV.1 Tampilan
Lebih terperinciJUDUL PENUH MENGGUNAKAN HURUF KAPITAL
Saintia Matematika Vol. XX, No. XX (XXXX), pp. 17 24. JUDUL PENUH MENGGUNAKAN HURUF KAPITAL Penulis Abstrak. Ketikkan Abstrak Ana i sini. Sebaiknya tiak lebih ari 250 kata. Abstrak sebaiknya menjelaskan
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN
BAB 3 ANALISA AN PERANCANGAN 3.1 Gambaran Umum Pada masa sekarang ini, proses pencarian dokumen dalam web seperti Google, Yahoo, dan sebagainya dilakukan dengan menginput query yang diinginkan pada kotak
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 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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Information Retrieval Perkembangan teknologi internet yang sangat pesat membuat pengguna harus dapat menyaring informasi yang dibutuhkannya. Information retrieval atau sistem
Lebih terperinciBAB I PENDAHULUAN. pendidikan, perbankan, perencanaan dan sebagainya. Dengan adanya teknologi komputer
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Di era globalisasi seperti sekarang ini, perkembangan teknologi komputer berpengaruh besar pada tingkat kebutuhan manusia di berbagai bidang seperti bidang
Lebih terperinciIMPLEMENTASI METODE TERM FREQUENCY INVERSED DOCUMENT FREQUENCE (TF-IDF) DAN VECTOR SPACE MODEL PADA APLIKASI PEMBERKASAN SKRIPSI BERBASIS WEB
IMPLEMENTASI METODE TERM FREQUENCY INVERSED DOCUMENT FREQUENCE (TF-IDF) DAN VECTOR SPACE MODEL PADA APLIKASI PEMBERKASAN SKRIPSI BERBASIS WEB Abdul Rokhim 1), Achmad ainul yaqin 2) 1) Program Studi/Prodi
Lebih terperinciBAB II DASAR TEORI. II.1 Saham
BAB II DASAR TEORI Paa bab ini akan ijelaskan asar teori yang igunakan selama pelaksanaan Tugas Akhir ini: saham, analisis funamental, analisis teknis, moving average, oscillator, an metoe Relative Strength
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 terperinciBAB 4 IMPLEMENTASI DAN EVALUASI
BAB 4 IMPLEMENTASI AN EVALUASI Pada bab ini, disajikan spesifikasi sistem yang digunakan, pengujian program serta hasil pengujian. Pengujian dilakukan dengan melakukan pencarian kata kunci terhadap sejumlah
Lebih terperinciUNIVERSITAS MERCU BUANA FAKULTAS : ILMU KOMPUTER PROGRAM STUDI : SISTEM INFORMASI
UNIVERSITAS MERCU BUANA FAKULTAS : ILMU KOMPUTER PROGRAM STUDI : SISTEM INFORMASI No. Dokumen 02-3.04.1.02 Distribusi Tgl. Efektif RENCANA PEMBELAJARAN SEMESTER Mata Kuliah Kode Rumpun MK Bobot (SKS) Semester
Lebih terperinciImplementasi Algoritma Term Frequency Inverse Document Frequency dan Vector Space Model untuk Klasifikasi Dokumen Naskah Dinas
Implementasi Algoritma Term Frequency Inverse Document Frequency dan Vector Space Model untuk Klasifikasi Dokumen Naskah Dinas A. Achmad 1, A. A. Ilham 2, Herman 3 1 Program Studi Teknik Elektro, Jurusan
Lebih terperinciPENDAHULUAN. 1.1 Latar Belakang
DAFTAR TABEL Tabel 3-1 Dokumen Term 1... 17 Tabel 3-2 Representasi... 18 Tabel 3-3 Centroid pada pengulangan ke-0... 19 Tabel 3-4 Hasil Perhitungan Jarak... 19 Tabel 3-5 Hasil Perhitungan Jarak dan Pengelompokkan
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Seiring dengan perkembangan informasi, banyak pihak menyadari bahwa masalah utama telah bergeser dari cara mengakses atau bagaimana mencari informasi, namun
Lebih terperinciIMPLEMENTASI VECTOR SPACE MODEL DAN BEBERAPA NOTASI METODE TERM FREQUENCY INVERSE DOCUMENT FREQUENCY (TF-IDF) PADA SISTEM TEMU KEMBALI INFORMASI
IMPLEMENTASI VECTOR SPACE MODEL DAN BEBERAPA NOTASI METODE TERM FREQUENCY INVERSE DOCUMENT FREQUENCY (TF-IDF) PADA SISTEM TEMU KEMBALI INFORMASI Oka Karmayasa dan Ida Bagus Mahendra Program Studi Teknik
Lebih terperinciBAB I PENDAHULUAN. informasi pada ruang lingkup besar (biasanya disimpan di komputer). Di era
BAB I PENDAHULUAN 1.1 Latar Belakang Information retrieval atau disingkat dengan IR adalah menemukan bahan (dokumen) dari dokumen terstruktur (biasanya teks) yang memenuhi kebutuhan informasi pada ruang
Lebih terperinciVIII. ALIRAN MELALUI LUBANG DAN PELUAP
VIII. ALIRAN MELALUI LUBANG DAN PELUAP 8.. Penahuluan Lubang aalah bukaan paa ining atau asar tangki imana zat cair mengalir melaluinya. Lubang tersebut bisa berbentuk segi empat, segi tiga, ataupun lingkaran.
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 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 terperinciPenggunaan Metode Multi-criteria Decision Aid dalam Proses Pemilihan Supplier
Performa (24) Vol. 3, No.2: 62-7 Penggunaan Metoe Multi-criteria Decision Ai alam Proses Pemilihan Supplier Inra Cahyai Jurusan Teknik an Manajemen Inustri, Universitas Trunojoyo Maura Abstract Noways,
Lebih terperinciPeningkatan Kinerja Pencarian Dokumen Tugas Akhir menggunakan Porter Stemmer Bahasa Indonesia dan Fungsi Peringkat Okapi BM25
54 Widiasri, M., dkk.: Peningkatan Kinerja Pencarian Dokumen Tugas Akhir Menggunakan Peningkatan Kinerja Pencarian Dokumen Tugas Akhir menggunakan Porter Stemmer Bahasa Indonesia dan Fungsi Peringkat Okapi
Lebih terperinciPenerapan Model OKAPI BM25 Pada Sistem Temu Kembali Informasi
Penerapan Model OKAPI BM25 Pada Sistem Temu Kembali Informasi Rizqa Raaiqa Bintana 1, Surya Agustian 2 1,2 Teknik Informatika, FST UIN Suska Riau Jl. HR Soeberantas km 11,5 Panam, Pekanbaru, Riau e-mail:
Lebih terperinciJurnal Teknika ISSN : Fakultas Teknik Universitas Islam Lamongan Volume 2 No.2 Tahun 201
akultas Teknik Universitas Islam Lamongan Volume 2 No.2 Tahun 20 PEMBUATAN APLIKASI SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN DALAM PENGEMBANGAN INDUSTRI POTENSIAL DENGAN METODE PROMETHEE II Ahma Jalaluin )
Lebih terperinciBAB I. Pendahuluan. 1. Latar Belakang Masalah
BAB I Pendahuluan 1. Latar Belakang Masalah Semakin canggihnya teknologi di bidang komputasi dan telekomunikasi pada masa kini, membuat informasi dapat dengan mudah didapatkan oleh banyak orang. Kemudahan
Lebih terperinciANALISA DAN PERANCANGAN SISTEM INFORMASI PENJADWALAN PRODUKSI DENGAN METODE SIMULASI DISKRIT PADA PT. BIOPLAST UNGGUL
ANALISA DAN PERANCANGAN SISTEM INFORMASI PENJADWALAN PRODUKSI DENGAN METODE SIMULASI DISKRIT PADA PT. BIOPLAST UNGGUL Jeefry Sutrisman Binus University, Jakarta, DKI Jakarta, Inonesia Abstrak PT. Bioplast
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 terperinciANALISAPERHITUNGANWAKTU PENGALIRAN AIR DAN SOLAR PADA TANGKI
ANALISAPERITUNGANWAKTU PENGALIRAN AIR DAN SOLAR PADA TANGKI Nurnilam Oemiati Staf Pengajar Jurusan Sipil Fakultas Teknik Universitas Muhammaiyah Palembang Email: nurnilamoemiatie@yahoo.com Abstrak paa
Lebih terperinciPemanfaatan Metode Vector Space Model dan Metode Cosine Similarity pada Fitur Deteksi Hama dan Penyakit Tanaman Padi
Pemanfaatan Metode Vector Space Model dan Metode Cosine Similarity pada Fitur Deteksi Hama dan Penyakit Tanaman Padi Ana Triana Informatika, Fakultas MIPA, Universitas Sebelas Maret Surakarta Jl. Ir. Sutami
Lebih terperinciBAB III UJICOBA KALIBRASI KAMERA
BAB III UJICOBA KALIBRASI KAMERA 3.1 Spesifikasi kamera Kamera yang igunakan alam percobaan paa tugas akhir ini aalah kamera NIKON Coolpix 7900, engan spesifikasi sebagai berikut : Resolusi maksimum :
Lebih terperinciANALISIS PENGGUNAAN ALGORITMA STEMMING VEGA PADA INFORMATION RETRIEVAL SYSTEM
ANALISIS PENGGUNAAN ALGORITMA STEMMING VEGA PADA INFORMATION RETRIEVAL SYSTEM Lusianto Marga Nugraha¹, Arie Ardiyanti Suryani², Warih Maharani³ ¹Teknik Informatika,, Universitas Telkom Abstrak Stemming
Lebih terperinciABSTRAK. Kata kunci : Pemerolehan Informasi, TF-IDF, Inverted Index, document to document
Jurnal Ilmiah Widya Teknik Volume 15 Nomor 2 2016 ISSN 1412-7350 SISTEM PEMEROLEHAN INFORMASI UNDANG-UNDANG DAN KASUS MENGGUNAKAN STRUKTUR DATA INVERTED INDEX DENGAN PEMBOBOTAN TF-IDF Fredes Winda Oktaviani
Lebih terperinciBAB III METODELOGI PENELITIAN
BAB III METODELOGI PENELITIAN 3.1 Metode Penelitian Metode penelitian yang digunakan yaitu metode eksperimental dimana metode ini bekerja dengan memanipulasi dan melakukan kontrol pada objek penelitian
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 terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian merupakan rangkaian dari langkah-langkah yang diterapkan dalam penelitian, secara umum dan khusus langkah-langkah tersebut tertera pada Gambar flowchart
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 terperinciBAB III INTERFERENSI SEL
BAB NTEFEENS SEL Kinerja sistem raio seluler sangat ipengaruhi oleh faktor interferensi. Sumber-sumber interferensi apat berasal ari ponsel lainya ialam sel yang sama an percakapan yang seang berlangsung
Lebih terperinciAx b Cx d dan dua persamaan linier yang dapat ditentukan solusinya x Ax b dan Ax b. Pada sistem Ax b Cx d solusi akan
SOLUSI SISTEM PERSAMAAN LINIER PADA ALJABAR MAX-PLUS Bui Cahyono Peniikan Matematika, FSAINSTEK, Universitas Walisongo Semarang bui_oplang@yahoo.com Abstrak Dalam kehiupan sehari-hari seringkali kita menapatkan
Lebih terperinciPERBANDINGAN METODE CLUSTERING MENGGUNAKAN METODE SINGLE LINKAGE DAN K - MEANS PADA PENGELOMPOKAN DOKUMEN
PERBANDINGAN METODE CLUSTERING MENGGUNAKAN METODE SINGLE LINKAGE DAN K - MEANS PADA PENGELOMPOKAN DOKUMEN Rendy Handoyo 1, R. Rumani M 2, Surya Michrandi Nasution 3 1,2,3 Gedung N-203, Program Studi Sistem
Lebih terperinciARTIKEL PENELITIAN DOSEN MUDA
ARIKE PENEIIAN DOSEN MUDA OPIMISASI MUI UJUAN DENGAN PEA KENDAI MUU BUAAN Oleh :. ARRIVA RINCE PURI, S.Si, M. ZUAKMA, M.Si Dibiayai oleh embaga Penelitian Universitas Analas Sesuai engan Surat Peranian
Lebih terperinciArus Melingkar (Circular Flow) dalam Perekonomian 2 Sektor
Perekonomian suatu negara igerakkan oleh pelaku-pelaku kegiatan ekonomi. Pelaku kegiatan ekonomi secara umum ikelompokkan kepaa empat pelaku, yaitu rumah tangga, perusahaan (swasta), pemerintah an ekspor-impor.
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 3 MODEL DASAR DINAMIKA VIRUS HIV DALAM TUBUH
BAB 3 MODEL DASA DINAMIKA VIUS HIV DALAM TUBUH 3.1 Moel Dasar Moel asar inamika virus HIV alam tubuh menggunakan beberapa asumsi sebagai berikut: Mula-mula tubuh alam keaaan tiak terinfeksi virus atau
Lebih terperinciMAKALAH TUGAS AKHIR DIMENSI METRIK PADA PENGEMBANGAN GRAPH KINCIR DENGAN POLA K 1 + mk n
MAKALAH TUGAS AKHIR DIMENSI METRIK PADA PENGEMBANGAN GRAPH KINCIR DENGAN POLA K 1 + mk n Oleh : JOHANES ARIF PURWONO 105 100 00 Pembimbing : Drs. Suhu Wahyui, MSi 131 651 47 ABSTRAK Graph aalah suatu sistem
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 terperinciPraktikum Total Quality Management
Moul ke: 09 Dr. Fakultas Praktikum Total Quality Management Aries Susanty, ST. MT Program Stui Acceptance Sampling Abstract Memberikan pemahaman tentang rencana penerimaan sampel, baik satu tingkat atau
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 terperinciEKSTRAKSI FITUR SITUS BERITA ONLINE UNTUK KALEIDOSKOP BERITA TAHUNAN
EKSTRAKSI FITUR SITUS BERITA ONLINE UNTUK KALEIDOSKOP BERITA TAHUNAN Afri Yosela Putri 1, Faisal Rahutomo 2, Ridwan Rismanto 3 1, 2, 3 Jurusan Teknologi Informasi, Program Studi Teknik Informatika, Politeknik
Lebih terperinciJURNAL INFORMATIKA IMPLEMENTASI METODE GENERALIZED VECTOR SPACE MODEL PADA APLIKASI INFORMATION RETRIEVAL
IMPLEMENTASI METODE GENERALIZED VECTOR SPACE MODEL PADA APLIKASI INFORMATION RETRIEVAL Jasman Pardede [1], Mira Musrini Barmawi [2], Wildan Denny Pramono [3] Jurusan Teknik Informatika Institut Teknologi
Lebih terperinciPROGRAM KOMPUTER UNTUK PEMODELAN SEBARAN PERGERAKAN. Abstrak
PROGRAM KOMPUTER UNTUK PEMODELAN SEBARAN PERGERAKAN Ruy Setiawan, ST., MT. Sukanto Tejokusuma, Ir., M.Sc. Jenny Purwonegoro, ST. Staf Pengajar Fakultas Staf Pengajar Fakultas Alumni Fakultas Teknik Sipil
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 terperinciPenerapan Algoritma Genetika pada Peringkasan Teks Dokumen Bahasa Indonesia
Penerapan Algoritma Genetika pada Peringkasan Teks Dokumen Bahasa Indonesia Aristoteles Jurusan Ilmu Komputer FMIPA Universitas Lampung aristoteles@unila.ac.id Abstrak.Tujuan penelitian ini adalah meringkas
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 terperinciBAB 3 METODE PENELITIAN. pengelolaan dokumen yang efektif agar kita dapat me-retrieve informasi yang
58 BAB 3 METODE PENELITIAN 3.1 Analisis Masalah Seiring dengan perkembangan zaman, jumlah informasi yang disimpan dalam betuk digital semakin bertambah, sehingga dibutuhkan cara pengorganisasian dan pengelolaan
Lebih terperinciSISTEM PENCARIAN AYAT AL-QUR AN BERDASARKAN TERJEMAHAN BAHASA INDONESIA DENGAN PEMODELAN RUANG VEKTOR TUGAS AKHIR
SISTEM PENCARIAN AYAT AL-QUR AN BERDASARKAN TERJEMAHAN BAHASA INDONESIA DENGAN PEMODELAN RUANG VEKTOR TUGAS AKHIR Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Teknik Pada Jurusan Teknik
Lebih terperinciTEKNIK VECTOR SPACE MODEL (VSM) DALAM PENENTUAN PENANGANAN DAMPAK GAME ONLINE PADA ANAK
F.13 TEKNIK VECTOR SPACE MODEL (VSM) DALAM PENENTUAN PENANGANAN DAMPAK GAME ONLINE PADA ANAK Bania Amburika 1*,Yulison Herry Chrisnanto 1, Wisnu Uriawan 2 1 Jurusan Informatika, Fakultas MIPA, Universitas
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 terperinci3. METODOLOGI. Penelitian dilakukan dalam tiga tahap utama : Persiapan, Evaluasi
3. METODOLOGI A. Kerangka Pemikiran Penelitian dilakukan dalam tiga tahap utama : Persiapan, Evaluasi dan Pembuatan Prototipe Sistem (Gambar 3.1). Tahap Persiapan terdiri dari pengumpulan dokumen, input
Lebih terperinciImplementasi Aljabar Vektor pada Sistem Temu Kembali Informasi untuk Customer Information
Implementasi Aljabar Vektor pada Sistem Temu Kembali Informasi untuk Customer Information Ratnadira Widyasari 13514025 Program Studi Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciSTUDI KINERJA FUNGSI-FUNGSI JARAK DAN SIMILARITAS DALAM CLUSTERING DOKUMEN TEKS BERBAHASA INDONESIA
STUI KINERJA FUNGSI-FUNGSI JARAK AN SIMILARITAS ALAM CLUSTERING OKUMEN TEKS BERBAHASA INONESIA Amir Hamzah 1), F. Soesianto ), Ahi Susanto ), an Jazi Eko Istiyanto 3), 1) Jurusan Teknik Informatika, Institut
Lebih terperinciKOM341 Temu Kembali Informasi
KOM341 Temu Kembali Informasi KULIAH #4 Pemodelan IR Boolean model Vector space model Proses Temu-Kembali 1 Konsep IR Pemodelan IR o Model IR didefinisikan sebagai empat komponen [D, F, Q, R(q, d j )]
Lebih terperincicommit to user BAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Dasar Teori 2.1.1 Cosine Similarity Secara umum, fungsi similarity adalah fungsi yang menerima dua buah objek dan mengembalikan nilai kemiripan (similarity) antara kedua objek
Lebih terperinciPenerapan Algoritma K-Means untuk Clustering
Seminar Perkembangan dan Hasil Penelitian Ilmu Komputer (SPHP-ILKOM) 71 Penerapan Algoritma K-Means untuk ing Dokumen E-Jurnal STMIK GI MDP Ernie Kurniawan* 1, Maria Fransiska 2, Tinaliah 3, Rachmansyah
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 I PENDAHULUAN. Informasi telah menjadi kebutuhan primer pada kehidupan saat ini. Pesatnya
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Informasi telah menjadi kebutuhan primer pada kehidupan saat ini. Pesatnya perkembangan teknologi dewasa ini telah menyebabkan aliran informasi begitu lancar
Lebih terperinci=== PERANCANGAN RANGKAIAN KOMBINASIONAL ===
TKNIK IITL === PRNNN RNKIN KOMINSIONL === Rangkaian logika atau igital apat ibagi menjai 2 bagian yaitu:. Rangkaian Kombinasional, aalah suatu rangkaian logika yang keaaan keluarannya hanya ipengaruhi
Lebih terperinciSTMIK GI MDP. Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 20010/2011
STMIK GI MDP Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 20010/2011 PENERAPAN METODE CLUSTERING HIRARKI AGGLOMERATIVE UNTUK KATEGORISASI DOKUMEN PADA WEBSITE SMA NEGERI
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 terperinciABSTRACT. Keywords: Training, Evaluation, Kirkpatrick Model, Employees. 376 Hania Aminah. Hania Aminah Fakultas Ekonomi, Universitas Negeri Jakarta
MODEL EVALUASI KIRIKPATRICK DAN APLIKASINYA DALAM PELAKSANAAN PELATIHAN (LEVEL REAKSI DAN PEMBELAJARAN) DI PUSAT PENDIDIKAN DAN PELATIHAN PERUM JAKARTA Hania Aminah Fakultas Ekonomi, Universitas Negeri
Lebih terperinciData Mining. Metode Klasterisasi K-Means
Data Mining Metoe Klasterisasi K-Means Pokok Pembahasan. Konsep Dasar Clustering. Tahapan Clustering. K-Means Clustering Algoritma K-Means Rumus Umum K-Means 4. Case Stu Konsep Dasar Klusterisasi Data,
Lebih terperinci=== BENTUK KANONIK DAN BENTUK BAKU ===
TEKNIK DIGITL === ENTUK KNONIK DN ENTUK KU === entuk Kanonik yaitu Fungsi oolean yang iekspresikan alam bentuk SOP atau POS engan minterm atau maxterm mempunyai literal yang lengkap. entuk aku yaitu Fungsi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI II.1 Text Mining Text Mining merupakan penerapan konsep dan teknik data mining untuk mencari pola dalam teks, proses penganalisaan teks guna menemukan informasi yang bermanfaat untuk
Lebih terperinciPEMODELAN EMPIRIS COST 231-WALFISCH IKEGAMI GUNA ESTIMASI RUGI-RUGI LINTASAN ANTENA RADAR DI PERUM LPPNPI INDONESIA
PROSIDING SEMINAR NASIONA MUTI DISIPIN IMU &CA FOR PAPERS UNISBANK KE-3(SENDI_U 3) 217 PEMODEAN EMPIRIS COST 231-WAFISCH IKEGAMI GUNA ESTIMASI RUGI-RUGI INTASAN ANTENA RADAR DI PERUM PPNPI INDONESIA Ria
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 terperinciSISTEM PENCARIAN SKRIPSI BERBASIS INFORMATION RETRIEVAL DI FASTIKOM UNSIQ
SISTEM PENCARIAN SKRIPSI BERBASIS INFORMATION RETRIEVAL DI FASTIKOM UNSIQ Nur Hasanah a a Fakultas Teknik dan Ilmu Komputer Universtas Sains Al Qur an a E-mail: nurh.unsiq@gmail.com INFO ARTIKEL Riwayat
Lebih terperinci