DIDI KURNIAWAN (2013) PENINGKATAN KUALITAS METODE PSEUDO RELEVANCE FEEDBACK DENGAN PENERAPAN SEGMENTASI DOKUMEN. Skripsi thesis, UNIVERSITAS ISLAM NEGERI SULTAN SYARIEF KASIM RIAU.

Preview

Text 2013_2013112TIF.pdf Download (1MB) | Preview

Abstract

Information retrieval system merupakan sistem temu kembali yang berfungsi mencari informasi yang dibutuhkan oleh pengguna dari sekumpulan dokumen yang besar. Pada sistem temu kembali dikenal berbagai model yang dipakai untuk menilai suatu ketepatan pencarian yaitu model Boolean, model ruang vector dan model probabilistik. Model Okapi BM25 adalah salah satu model yang dikembangkan dari model probabilistik. Relevance feedback adalah salah satu cara untuk meningkatkan kinerja information retrieval system dengan menambahkan term atau memperluas inisial query diharapkan akan menambah dokumen relevan yang dikembalikan oleh sistem. Pada penelitian ini membahas bagaimana meningkatkan kualitas metode pseudo relevance feedback dalam perluasan query dengan penerapan segmentasi pada dokumen. Pengujian dilakukan untuk mengetahui apakah ada perubahan dokumen yang ditampilkan sebelum feedback(umpan balik) dengan setelah feedback. Tahapan pengujian yang dilakukan yaitu dengan mengambil 2,6, dan 8 term teratas sebagai expansion term. Rata-rata nilai precision dan recall untuk pencarian sebelum feedback adalah 12.6%-96.6%. Rata-rata nilai precision dan recall untuk pencarian setelah feedback tanpa segmentasi adalah 11%-97.6%. Rata-rata nilai precision dan recall untuk pencarian setelah feedback dengan segmentasi adalah 12.6%-96.6%. Hasil dari pengujian tanpa segmentasi memiliki waktu proses yang lama dibandingkan dengan pengujian menggunakan segmentasi dokumen.

Actions (login required)

View Item