SNATIKA Volume 02, Tahun Seminar Nasional Teknologi lnformasi, Komunikasi dan Aplikasinya. rssn TriY.

Transkripsi

1

2 rssn SNATIKA 2013 Seminar Nasional Teknologi lnformasi, Komunikasi dan Aplikasinya Volume 02, Tahun 2013 PROGRAM COMMITIEE Prof. Dr. R. Eko lndrajit, MSc, MBA (Perbanas Jakarta) Prof. Dr. ZainalA. Hasibuan (Universitas lndonesia) Prof. Dr. lr. Kuswara Setiawan, MT {UPH Surabaya} STEERING COMMITTEE Evy Poerbaningtyas, S.Si, M.T TriY. Evelina, SE, MM Meivi Kartikasari, S.Kom Mukhlis Amien, S.Kom Dedy Ari P., S.Kom ORGANIZING COMMITTEE Eka Widya Sari lsa Suarti SEKRETARIAT Lembaga Penelitian dan Pengabdian Kepada Masyarakat Sekolah Tinggi lnformatika & Komputer lndonesia (STlKl)- Malang SNATIKA 2013 Jl. Raya Tidar 100 Malang Tel Fax Website : snatika.stiki.ac.id snatika@stiki.ac.id

3 KATA PE]IIGA]IITAR Bapakllbu/Sdr. Peserta dan Pemanakal SNATIKA 2013 yang saya hormati, pertama-tama saya ucapkan selamat datang atas kehadiran Bapak/lbu/Sdr, dan tak lupa kami mengucapkan terimakasih atas partisipasi dan peran serta Bapak/lbulsdr dalam kegiatan ini. SNATIKA 2013 adalah Seminar NasinalTeknologi lnformasi, Komunikasi dan Aplikasinya yang diselenggarakan oleh STIKI Malang bekerjasama dengan APTIKOM Malang dan KIik lndonesia. Sesuai tujuannya SNATIKA 2013 merupakan saiana bagi peneliti, akademisi dan praktisi untuk mempublikasikan irasil-hasil penelitian, ide-ide terbaru mengenai Teknologi lnformasi, Komunikasi dan Aplikasinya. Selain itu sesuai dengan tema yaitu "lcts Aspect for Mobility, Social, Culture & Economy'', topic-topik yang diambil disesuaikan dengan kompetensi dasar dari APTIKOM Malang yang diharapkan dapat mensinergikan penelitian yang dilakukan oleh para peneliti di bidang lnformatika dan Komputer. Semoga acara ini bermanfaat bagi kita semua terutama bagi perkembangan ilmu dan teknologi di bidang tekn ologi i nform asi, komuni kasi d an apli kasi nya. Akhir kata, kami ucapkan selamat mengikuti seminar, dan semoga kita bisa bertemu lkembali pada SNATIKA yang akan datang. Malang, 16 Nopember 2013 Panitia SNATIKA 2013 Tri Y. Evelina, SE, MM ill

4 SAMBUTAN IGTUA SEKOIAH TTNGG TNFORMATTKA DAN KOMPUTER NDONES A (ST K!) MAIANG Yang saya hormati peserta Seminar NasionalAffiKOM zftllg, Puji &'Syukur kita panjatkan kepada Tuhan Yang Maha Esa, atas terselenggarakannya Seminar Nasional sebagairangkaian dari kegiatan Klik lndonesia 2013 di Kota Malang. Kami ucapkan selamat datang kepada peserta Seminar Nasional serta rekan-rekan perguruan tinggi maupun mahasiswa yang telah berpartisipasi aktif sebagai pemakalah maupun peserta dalam kegiatan seminar nasional ini. Konferensi ini merupakan bagian dari 10 Flag APTIKOM untuk meningkatkan kualitas SDM ICT di lndonesia, dimana anggota APTIKOM khususnya harus haus akan llmu untuk mampu memajukan tct di lndonesia. Konferensi ICT bertujuan untuk menjadiforum komunikasi antara peneliti, penggia! birokrat pemerintah, pengembang sistem, kalangan lndustry dan seluruh komunitas ICT lndonesia yang ada didalam APTIKOM maupun diluar APTIKOM. Kegiatan ini diharapkan memberikan masukan kepada stokeholder ICT di lndonesia, yang meliputi masyaraka! pemei'intah, industri dan lainnya, sehingga mampu sebagai penggerak dalam memajukan ICT!nternasional. Akhir kata, semoga forum seperti ini dapat terus dilaksanakan secara periodic sesuai dengan kegiatan tahunan APTIKOM. Dengan demikian kualitas makalah, maupun hasil penelitian dapat semakin meningkat sehingga mamfiu bersinergi dengan ilmuwan dan praktisi ICT internasional. Sebagai Ketua STIKI Malang kami mengucapkan terimakasih kepada semua pihak atas segala bantuan demi sukesnya acara ini. "Mari Bersama Memajukan ICT lndonesia" Malang 16 Nopember 2013 Ketua STlKl, Eva Handriyantini, S.Kom, M.MT IV

5 tssn SNATIKA z}!3,volume 02 DAFTAR ISI Halaman Halaman Judul Kata Pengantar Sambutan Ketua STIKI Daftar lsi lii lv v 1 litty VonessiLapmng, Aplikasi Ber:basis Web Untuk lzin Absensi Dan 1-s Ririn lkono Desanti, Penggajian Pada Perusahaan Kontraktor Tambang Astrid Collirta 2 Arip Mulyanto, Mando Klasifikasi Karakter Manusia Menggunakan 6-11 Rohandi, Moh. Syafri Algoritma Nairre Bayes Untuk Rekomendasi Motif Tuloli Karawo Berbasis Budaya Gorontalo 3 Sandra Murdianto, Evy Sistem Pangkalan Data Dosen t2-16 Poerboningtyos,Hendro Guna Perhitungan lnde,ks Prestasi Dan Beban Kerja Suprayogi Dosen (Studi Kasus: ST KI Malang) 4 lndoh DwiMumpuni, Pengolahan Data Gaji Pada Stmik Ppkia Pradnya t7-21 JauharulMoknunah ParamitaMalangDenganPendekatan Data Warehouse 5 Choerul Anwor, Perencanaan Strategi Sistem lnformasi Dan Muhamad lrsdn Teknologi lnformasi Pada Sma Plus Pembangunan Jaya 6 Setiabuditukaria, Sistem Penunjang Keputusan Perekrutan Karyawai Menggunakan Analytical Hierarchy Process (AHP) Evangelista Deld Rosa 7 DedvKumiasunotw il1h,iln,,,xt"[,:'*"[.jl[*h,f?fffi Kampus ll lnstitut Teknologi Nasional Malang) 8 betamrizky Pemodelan Sistem loformasi Alqademik Perguruan Wicoksano, Supriyanto Tinggi Berbasis Service Oriented Architecture (Studi Kasus: Macsysuniversitas Ma Chung) 9 Soetom Rizky Kendali Penggunaan Laboratorium Majemuk Di M - 47 Wicoksono, Ronald Dwi Lingkup Perguruan Tinggi Menggunakan ltalc Nompunu (lntelligent Teaching And Learning With Computers) 10 Nurdionsyah Algoritma Rijndael SebagaiTeknik Pengamanan Data Rezkinanda, Ewy Poerbaningtyas, lohan

6 tl Erika Ahmod Luthfi Pemodelan Open Course Ware Sebagai Platform Konsep Saling Berbag t2 Laura Vionti, Astrid Developing An E-Learning System Prototype Case Callista, Suryosori Study: The Department Of lnformation Systems At Universitas Pelita Harapan ' 13 Devi Sionita Soeprapto, Aplikasi Berbasis Web Untuk Pengajuan Kegiatan Suryasofi, Astrid Cattista (emahasiswaan Dan Proses Pendukungnya Studi Kasus: UFH t4 Tri Yulistyawati Evelina; Sistem Ketersediaan Pangan Daerah Dengan 70 - lg Subari Anatisa Wlayah Lumbung Pangan Berbasis Teknologi Sistem lnformasi Geografis 15 Subari, Go Frendi Otomatisasi Sistem Rekomendasi Gunawon Layanan Kesehatan Untuk Berobat Berbasis Webgis 16 ko Budi Cahynno Rekalibrasi Kamera Kinect Untuk Augmented Reality Dengan Geometri Visi Stereo L7 Yuda Munorko Studi Perbandingan Teknologi Mesin Pencari Berhasis Dialog Dan Berhasis Thread Di User Forum 18 Subori Rancang Bangun Sistem Official App Perguruan Tinggi Berbasis Mobile Sebagai Upaya Pencitraan lnstitusi tg Koko Wahyu Pmsetyo Penerapan lt Balanced Scorecard Dalam Perencanaan Strategis Sistem lnformasi DiSTlKltvialang 2n Voyok Seby Dwaaoko, Rancang Ban8un Media Pembelajaran interaktif Hemorica Destiand Pengenalan Nama Tumbuhan Menggunakan Adobe, Flash Cs3 Sdn Kauman 1 Malang 2t Jayonto, Titin Promiyati, Rancangan Basisdata: Sistem lnformasi lbu Hamil t2t - t25 Henky Boyu Seto ZZ Sabarudin The User Capability Development Model in lt lmplementation in Government: Case on IFMIS {tntegrated Financial Management lnformation Systems) lmplementation in lndonesia - a Practitioner Perspective 23 Mukhlis Amien, Meivi Aplikasi Berbasis Java Untuk Melakukan Pelacakan t Kortikosori Penggunaan Kata Dalam Bahasa lndonesia Di Situs- Situs Berita Untuk Mendapatkan Kata-Kata Terbaru Yang Paling Sering Dipakai \n

7 lllilt, riiii Eka WfdW firi, Siska Diatinod Andamwarih, Monigo Cindy Niusori llendrykttuwan, Samuel Perkosa, Herditomo, Sunday Noya Hendro Poerbo Proxtija, Yudhi Kumiawan, Fronsisca Romono Dessyona Kordha Sistem lnformasi GeoSrafis Pencarian Lo*asi Restoran Terdekat Dengan Pembayaran Melalui Kartu Kredit Sistem lnformasi Penjualan Pada Suvalayan Abc Pemanfaatan Data Warehouse Dalam Mendukung Pengambilan Keputusa n Dan Pem buatan Pelaporan Evaluasi Diri Perguruan Tinggi {Studi Kasus Data Akademik Universitas Ma Chung Malang) t t ;iiiri: llltttt Ami Fauzijoh, Dito Donionti Sistem lnformasi Penilaian Kineria Guru lrtlr;i i ilii, itrrili Diah Arifoh P.,lndra 5., Lailo lsyriyoh Optimasi Jaringan Fungsi Basis Radial Dalam Verifi kasi Citra Sidik Jari 'll,,ili li i 1lli, 'I ili vil

8 tulufllltilil[ililill

9 Studi Perbandingan Teknologi Mesin Pencari Berbasis Dialog dan Berbasis Thread di User Forum Yuda Munarko Universitas Muhammadiyah Malang ABSTRAK Pada penelitian ini dibangun mesin pencari yang digunakan untuk mencari informasi dari user forum. Hal ini dilakukan karena user forum memiliki struktur yang berbeda jika dibandingkan dengan dokumen web pada umumnya. Sehingga dengan adanya mesin pencari ini bisa diketahui efektifitas pendekan baru yang digunakan. Teknologi yang digunakan untuk keperluan ini meliputi teknik restrukturisasi user forum menjadi bentuk dialog dan thread. Selanjutnya dari dua jenis struktur ini dibangun dua mesin pencari, kemudian dibandingkan kinerjanya. Untuk masing-masing mesin pencari, diterapkan perhitungan similaritas untuk mencari kesamaan dan perangkingan. Selain itu juga diterapkan teknologi inverted index untuk mempercepat kinerja mesin pencari. Hasil perbandingan dua mesin pencari ini menunjukkan bahwa mesin pencari berbasis dialog memiliki kinerja yang lebih baik jika kata kunci bersifat khusus. Sedangkan untuk kata kunci yang bersifat umum, kedua mesin pencari memiliki kinerja yang hampir sama. Keywords: search engine, inverted index, restrukturisasi thread 1. Pendahuluan Mesin pencarian merupakan salah satu tools yang efektif untuk mencari informasi dari sekumpulan dokumen. Keberadaan mesin pencari pada saat ini telah mencapai kemajuan dan ketepatan yang cukup tinggi, terutama untuk pencarian halaman web, gambar, publikasi, user forum dan lain sebagainya. Namun untuk kasus user forum, hampir semua mesin pencari melakukan pendekatan yang sama dengan pencarian dokumen biasa. Pada kenyataannya, user forum memiliki struktur yang khas yang dapat dibedakan dengan pencarian di tipe dokumen yang lain. User forum dapat diorganisasi berdasarkan bagian-bagiannya, yakni thread, post, pair dan dialogue. Hal ini dapat dilihat di gambar 1. yang menunjukkan struktur dari thread. Gambar1. Konteks pada struktur thread [1] Untuk itu diperlukan pendekatan baru pada mesin pencari untuk user forum, sebagaimana diusulkan oleh Seo at al. di [1]. Tujuan dari pendekatan baru ini bukanlah untuk meningkatkan kemiripan antara kata kunci dengan data yang dicari, namun lebih pada teknik penyajian hasil agar lebih informatif. Pendekatan ini didasarkan pada kondisi dimana mesin pencari pada umumnya menampilkan thread secara keseluruhan, dengan beberapa halaman hasil yang berbeda. Namun, pada kenyataannya, hanya sebagian informasi saja yang dibutuhkan oleh pengguna mesin pencari, biasanya pada dialog tertentu saja. Untuk mendapatkan gambaran yang lebih tepat, perhatikan contoh thread di gambar 2. Gambar2. Contoh thread Dari gambar 2., dapat dilakukan analisa sederhana untuk membagi thread tersebut. Thread tersebut terdiri dari dua dialogue, yang pertama melibatkan post1, post2 dan post5, dan yang kedua melibatkan post1, post3 dan post4. Ketika seseorang ingin mencari informasi mengenai harga lensa summarit 50mm/1.5, bisa jadi dialog kedua akan lebih menarik daripada dialogue pertama atau keseluruhan thread. Sepanjang pengetahuan kami, fasilitas pencarian dialogue pada thread belum disediakan oleh mesin pencari-mesin pencari utama. Dari latar belakang tersebut, maka dibuat suatu mesin pencari berdasarkan thread dan dialog, untuk selanjutnya dibandingkan kinerjanya. Meskipun penelitian oleh Seo et al. [1] mengusulkan restrukturisasi tersebut, namun tidak dibahas mengenai perbandingan kinerja mesin pencari SNATIKA 2013, ISSN

10 dengan basis yang berbeda. Adapun kontribusi dari penelitian ini adalah: 1. Tersedianya platform mesin pencari pada user forum yang berdasar pada thread atau pada dialog. 2. Studi mengenai perbandingan efisiensi mesin pencari yang berdasar pada thread dan yang berdasar pada dialog. 2. Tinjauan pustaka Ide mengenai restrukturisasi thread di user forum untuk peningkatan hasil pencarian telah diusulkan oleh Seo et al. [1]. Untuk mengidentifikasi struktur dialog dari suatu thread digunakan parameter kesamaan isi post, penyalinan isi post, lokasi relatif terhadap post sebelumnya, perbedaan waktu, kesamaan author, referensi, dan kondisi tanya jawab. Selain itu, juga ada penelitian oleh Elsas dan Carbonell [2] yang membahas mengenai mesin pencari di user forum, namun bukan pada strukturnya, akan tetapi pada pemeringkatan hasil dengan memperhatikan faktor adanya hyperlink, judul thread dan isi post pertama di suatu thread. Hasil yang ditampilkan oleh penelitian ini adalah satu thread utuh, dan bukan merupakan pencarian berdasarkan dialog. Penelitian lanjutan yang berdasar pada penelitian di atas, dilakukan oleh Bathia dan Mitra [3], yang berkonsentrasi pada peningkatan kinerja mesin pencari dengan memperhatikan data-data bukan teks. Kemudian, untuk membangun suatu mesin pencari, teknologi pemeringkatan yang tersedia mayoritas berdasar pada perhitungan similaritas. Teknik ini sebagian besar bersumber pada perhitungan tf-idf, seperti halnya dilakukan oleh Ramos [4], Aizawa [5], dan Hiemstra [6]. Dalam penerapannya, konsep yang paling umum digunakan adalah cosine similarity atau variasinya. Konsep lain yang mirip dengan cosine similarity namun dengan presisi lebih tinggi dikenalkan oleh Robertson dan Walker [7], yang lebih dikenal dengan perhitungan BM25. Untuk selanjutnya perhitungan ini disempurnakan oleh Robertson et al. [8], dimana perhitungannya menjadi lebih sederhana dengan memperhatikan bobot kemunculan suatu kata di lokasi dokumen tertentu, misalnya, judul, isi, pembukaan atau penutup suatu dokumen. Teknologi pemeringkatan sendiri tidak dapat berfungsi maksimal jika tidak didukung oleh teknologi untuk mempercepat akses ke data yang jumlahnya sangat banyak. Guna keperluan ini dikembangkan sistem pengindeksan seperti dilakukan oleh Maron dan Kuhns [9] dan Millett et al. [10]. Keterbatasan dua penelitian tersebut adalah, kemampuannya dalam menangani data dengan jumlah yang sangat besar. Untuk menangani permasalahan ini, beberapa peneliti seperti Cutting dan Pedersen [11], Yan et al. [12] serta Anh dan Moffat [13] mengadaptasi konsep inverted index untuk mempercepat akses ke data yang tersedia. 3. Metodologi dan implementasi Terdapat empat tahap utama dalam melakukan penelitian ini. Tahap pertama adalah pengumpulan data, dilanjutkan dengan retsrukturisasi thread. Tahap selanjutnya adalah pembuatan index terhadap thread yang disesuaikan dengan model pencarian. Kemudian dilanjutkan dengan pembuatan sistem pencarian dan diakhiri dengan proses uji coba. Detail dari metodologi yang dilakukan, dijelaskan pada sub bab di bawah ini. Pengumpulan data Data yang digunakan pada penelitian ini berasal dari data thread yang berasal dari sosial media. Ada beberapa kandidat sosial media yang akan digunakan, namun pada akhirnya hanya digunakan data dari flickr.com. Adapun data yang digunakan adalah data dengan kriteria: Adanya API untuk mengakses thread Adanya koleksi thread yang representatif Setiap thread paling sedikit memiliki 100 post Setiap thread paling sedikit memiliki 4 dialogue Dengan tersedianya API pengakses data thread, memungkinkan untuk membangun aplikasi web crawler yang secara otomatis dapat menyeleksi dan mengkoleksi data thread dari social media yang bersangkutan. Sedangkan syarat yang lainnya diperlukan sebab,sistem yang dikembangkan dibangun untuk mengakomodasi proses pencarian yang lebih sensitif berdasarkan. Dengan web crawler yang sudah dibuat, berhasil diidentifikasi thread. Dari semua thread tersebut dilakukan pemilihan thread yang sesuai dengan kriteris yang telah disebutkan, dan menghsilkan thread yang valid. Restrukturisasi Thread Tujuan dari restrukturisasi thread adalah untuk mendapatkan dialog dari thread. Dialog adalah bagian dari thread yang terdiri dari urutan post dan reply. Oleh karena itu, ada kemungkinan bahwa pada satu thread terdapat banyak dialog. Untuk keperluan restrukturisasi ini, pertama-tama dilakukan pengubahan format thread yang flat menjadi format tree. Jika tree telah terbentuk, setiap path yang ada pada tree dipisah menjadi dialog. Untuk lebih jelasnya, perhatikan gambar 3. yang mengilustrasikan proses identifikasi dialog. SNATIKA 2013, ISSN

11 bahwa nilai RL dan F merupakan efek tambahan yang bisa ditambahkan langsung ke nilai f(d,t). Oleh karena itu, sebelum menjalankan persamaan di langkah ke 1, kami menghitung f(d,t) dengan rumusan: Gambar3. Restrukturisasi thread Pengubahan format thread menjadi format tree didasarkan pada Seo, J. et al yang menggunakan enam atribut untuk mengidentifikasi relasi post dan replay. Akan tetapi tidak semua atribut digunakan pada tahap ini, hal ini karena beberapa atribut tidak memberikan kontribusi yang maksimal ketika digabung dengan atribut yang lain. Selain itu, data di flickr tidak memungkinkan untuk melakukan perhitungan time gap antara satu post dengan post yang lain. Lebih lanjut lagi, pada kenyataannya setiap post telah diatur secara terurut berdasarkan waktu. Untuk lebih jelanya, berikut dijelaskan detail implementasi atribut-atribut yang digunakan: 1. Perhitungan similaritas Menghitung kesamaan antara dua post menggunakan cosinus similarity yang diusulkan oleh Aizawa [5]. 2. Lokasi relatif Jika ada post dengan urutan p1, p2, p3 dan p4, maka lokasi relatif p4 terhadap p3 adalah 1, p4 terhadap p2 adalah ½, p4 terhadap p1 adalah 1/3. Secara intuitif, jika ada post yang baru, maka post tersebut memiliki jarak terpendek ke post lain dengan nilai index terbesar. 3. Kesamaan author Merupakan kondisi dimana dua post memiliki author yang sama. Author yang sama kecil kemungkinannya membalas post-nya sendiri. Dua post yang memiliki author yang sama maka nilai keterkaitannya 1, sebaliknya jika sama maka Referensi ke author Merupakan kondisi dimana post baru menyebutkan nama author pada post sebelumnya. Jika kondisi ini muncul, maka nilai faktor akan ditambah 1. Untuk atribut 2, 3 dan 4 dilakukan smooting dengan rumus: Pembuatan Index Setelah thread selesai direstrukturisasi, maka tahap selanjutnya adalah pembuatan index. Untuk keperluan ini dibangun model inverted index. Inverted index terdiri dari tiga file, yakni: 1. lexicon: merupakan kumpulan dari katakata yang ada di setiap dialogue beserta pointer yang menunjuk ke lokasi indexnya di inverted list. 2. inverted list: berisi daftar dialogue_id dan frekuensi kemunculan untuk setiap katakata yang ada lexicon. 3. map: merupakan kumpulan dialogue_id dan dialogue itu sendiri; dialogue merupakan kumpulan dari satu atau lebih link ke post. Dalam proses pembuatan index ini diperhatikan pula faktor jumlah kata-kata. Jumlah kata-kata yang disertakan dibatasi pada kata-kata selain stop words seperti ke, di, dari pada. Pembuatan Mesin Pencari Di tahap ini, dibangun mesin pencari yang dilengkapi dengan proses menghitung rangking untuk setiap dokumen yang ditemukan. Penghitungan rangking menjadi fitur yang penting sebab dapat memberi rekomendasi ke pemakai mengenai ketepatan hasil pencarian yang diinginkan. Untuk proses perangkingan ini, dilakukan pendekatan menggunakan algoritma BM25 dengan multi pembobot, seperti dijelaskan oleh Robertson et al. [8]. 4. Hasil dan uji coba Pada aplikasi ini, halaman yang ditampilkan langsung diakses dari website flickr. Proses retrieval untuk pencarian dialog dilakukan dengan beberapa rangkaian request berdasar pada jumlah post. Contoh interface untuk pencarian dapat dilihat di gambar4 atau gambar 5, dimana gambar4 adalah pencarian dialog sedangkan gambar5. adalah pencarian thread. 5. Penggabungan RL dan F. Menggabung lokasi relatif (RL) dengan nilai faktor (F) dalam perhitungan cosine similarity. Untuk mudahnya, diasumsikan SNATIKA 2013, ISSN

12 no query terms thread dialog 1 nikon 12 (60%) 8 (40%) 2 canon 11 (55%) 9 (45%) 3 pentacon 10 (50%) 10 (50%) 4 leica 9 (45%) 11 (55%) 5 leica summicron 7 (35%) 13 (65%) Gambar 4. Contoh pencarian dialog 6 canon f1.4 7 (35%) 13 (65%) 7 landscape photography 6 (30%) 14 (70%) 8 medium format photography 3 (15%) 17 (85%) 9 summilux 7 (35%) 13 (65%) 10 olympus 10 (50%) 10 (50%) 11 summilux vs summicron 2 (10%) 18 (90%) 12 cronn review 0 (0%) 20 (100%) 13 your favorite camera 9 (45%) 11 (55%) Gambar5. Contoh pencarian thread Untuk uji coba dilakukan pengujian secara kuantitatif, menggunakan kuesioner. Tujuan dari pengujian ini adalah untuk mendapatkan persepsi user mengenai level usabilitas pencarian berdasarkan thread dibandingkan dengan pencarian berdasarkan dialogue. Kuesioner diisi oleh user flickr yang aktif melakukan posting dan pencarian data di situs flickr. Jumlah user yang mengisi kuesioner adalah 20 responden. Adapun pelaksanaan uji coba ini adalah sebagaimana berikut: 1. Responden mencoba aplikasi menggunakan daftar key terms yang sudah ditentukan, sebanyak 20 key terms pada mesin pencari thread dan dialog. Kemudian dilanjutkan dengan memilih mana yang lebih informatif diantara keduanya. 2. Responden mencoba melakukan pencarian dengan query terms bebas namun dibatasi hanya untuk istilah fotografi. 3. Responden menjawab kesioner yang terdiri dari 10 pertanyaan. Daftar key terms yang digunakan oleh responden beserta hasil pilihan keefektifannya di pencarian thread atau dialog bisa dilihat di tabel processing black and white film 1 (5%) 19 (95%) 15 film or digital 10 (50%) 10 (50%) 16 elmarit vs summicron vs summilux 2 (10%) 18 (90%) 17 pin hole lens 7 (35%) 13 (65%) 18 bubble on lens surface 6 (30%) 14 (70%) 19 5D vs D2X 8 (40%) 12 (60%) 20 crop sensor 3 (15%) 17 (85%) Untuk terms bebas, tidak ada aturan mengenai jumlah terms, term khusus atau umum. Tujuan utama dari kegiatan ini, responden mendapatkan pengalaman dalam menjalankan aplikasi. Mereka juga diharapkan mendapatkan impresi tertentu terhadap kebutuhan akan pencarian di thread atau user forum. Berdasarkan pengalaman ini, responden akan mengisi kuesioner yang telah disediakan dan memberikan pendapat mereka dengan level 1 sampai 5. Tabel 2 adalah sepuluh query terms bebas yang paling sering dibuat oleh responden. Tabel 1. Daftar query terms yang digunakan responden beserta pilihan tingkat informatifnya SNATIKA 2013, ISSN

13 Tabel 2. Daftar query terms bebas yang paling sering dilakukan oleh responden no pertanyaan sts ts n s ss no query terms thread dialog 1 lensa nikon 3 (27%) 8 (73%) 2 lensa canon 4 (36%) 7 (64%) 3 micro four third 3 (33%) 6 (67%) 4 full frame 1 (11%) 8 (89%) 5 sharpest lens 0 (0%) 9 (100%) 6 nikon full frame 1 (12%) 7 (88%) 7 HDR 5 (62%) 3 (38%) 8 sony 6 (75%) 2 (25%) 9 lens converter 4 (50%) 4 (50%) 10 soft lens 1 (12%) 7 (88%) Setelah melakukan semua aktivitas di atas, responden selanjutnya mengisi kuesioner mengenai aplikasi yang sudah mereka jalankan. Pertanyaanpertanyaan tersebut meliputi aspek-aspek: 1. Kemudahan pengoperasian aplikasi 2. Ketepatan hasil pencarian 3. Perbedaan performa jika menggunakan pencarian dialog dibandingkan dengan pencarian thread. Berikut ini adalah hasil kuesioner yang diisi responden, beserta rangkuman hasil pendapat mereka. Tabel 3. Hasil jawaban responden terhadap kusioner no pertanyaan sts ts n s ss 1 Apakah hasil pencarian menggunakan query terms yang sudah ditentukan dan pencarian dialog bisa memberikan hasil sesuai dengan harapan anda? 0% 0% 15% 10% 75% 2 Apakah hasil pencarian menggunakan query terms yang sudah ditentukan dan pencarian thread bisa memberikan hasil sesuai dengan harapan anda? 3 Apakah hasil pencarian bebas dan pencarian dialog hasil sesuai dengan harapan anda? 4 Apakah hasil pencarian bebas dan pencarian thread hasil sesuai dengan harapan anda? 5 Apakah penggunaan query terms dengan satu kata kunci dan pencarian dialog hasil yang sesuai dengan harapan anda? 6 Apakah penggunaan query terms dengan satu kata kunci dan pencarian thread hasil yang sesuai dengan harapan anda? 7 Apakah penggunaan query terms dengan dua kata kunci dan pencarian dialog hasil yang sesuai dengan harapan anda? 8 Apakah penggunaan query terms dengan dua kata kunci dan pencarian thread hasil yang sesuai dengan harapan anda? 9 Apakah penggunaan query terms dengan tiga kata kunci dan pencarian dialog hasil yang sesuai dengan harapan anda? 0% 0% 20% 20% 60% 0% 10% 15% 35% 40% 0% 5% 25% 35% 35% 5% 5% 40% 25% 25% 0% 0% 20% 35% 45% 0% 0% 30% 40% 30% 0% 0% 30% 50% 20% 0% 0% 15% 25% 60% SNATIKA 2013, ISSN

14 no pertanyaan sts ts n s ss 10 Apakah penggunaan query terms dengan tiga kata kunci dan pencarian thread hasil yang sesuai dengan harapan anda? 11 Apakah pencarian dengan mengunakan dialog search lebih hasil yang lebih baik jika dibandingkan dengan menggunakan thread search? 12 Apakah pencarian dengan mengunakan dialog search selalu memberikan hasil yang lebih baik jika dibandingkan dengan menggunakan thread search? 15% 50% 25% 10% 0% 0% 0% 0% 10% 90% 0% 0% 20% 55% 25% 5. Kesimpulan Berdasarkan hasil uji coba secara kuantitatif melalui responden yang mengoperasikan aplikasi kemudian menjawab serangkaian pertanyaan, didapatkan bahwa: 1. Tingkat kepuasan hasil pencarian menggunakan mesin pencari berbasis dialog lebih tinggi jika dibandingkan dengan mesin pencari berbasis thread. 2. Untuk searching bebas, kepuasan responden hampir sama untuk kedua jenis mesin pencari, dimana 75% puas dengan kinerja yang berbasis dialog dan 70% puas dengan kinerja yang berbasis thread. 3. Untuk pencarian dengan query terms yang umum, dengan menggunakan satu kata, responden lebih puas jika menggunakan mesin pencari berbasis thread. 4. Untuk pencarian dengan query term yang khusus, dengan menggunakan lebih dari satu kata, responden lebih suka jika menggunakan yang berbasis dialog. 5. Secara umum, mesin pencari berbasis dialog memiliki kinerja yang lebih baik jika dibandingkan yang berbasis thread. 6. Referensi [1] Seo, J., Croft, W. B., & Smith, D. A. (2009, November). Online community search using thread structure. In Proceedings of the 18th ACM conference on Information and knowledge management (pp ). ACM. [2] Elsas, J. L., & Carbonell, J. G. (2009, July). It pays to be picky: an evaluation of thread retrieval in online forums. In Proceedings of the 32nd international ACM SIGIR conference on Research and development in information retrieval(pp ). ACM. [3] Bhatia, S., & Mitra, P. (2010, May). Adopting Inference Networks for Online Thread Retrieval. In AAAI. [4] Ramos, J. (2003, December). Using tf-idf to determine word relevance in document queries. In Proceedings of the First Instructional Conference on Machine Learning. [5] Aizawa, A. (2003). An informationtheoretic perspective of tf idf measures.information Processing & Management, 39(1), [6] Hiemstra, D. (2000). A probabilistic justification for using tf idf term weighting in information retrieval. International Journal on Digital Libraries, 3(2), [7] Robertson, S. E., & Walker, S. (1994, August). Some simple effective approximations to the 2-poisson model for probabilistic weighted retrieval. InProceedings of the 17th annual international ACM SIGIR conference on Research and development in information retrieval (pp ). Springer-Verlag New York, Inc.. [8] Robertson, S., Zaragoza, H., & Taylor, M. (2004, November). Simple BM25 extension to multiple weighted fields. In Proceedings of the thirteenth ACM international conference on Information and knowledge management (pp ). ACM. [9] Maron, M. E., & Kuhns, J. L. (1960). On relevance, probabilistic indexing and information retrieval. Journal of the ACM (JACM), 7(3), [10] Millett, R. P., Millett, H. L., & Allen, D. K. (1989). U.S. Patent No. 4,817,036. Washington, DC: U.S. Patent and Trademark Office. SNATIKA 2013, ISSN