Analisis Kinerja Information Retrieval dengan Menggunakan Kombinasi Latent Semantic Indexing dan Relevance Feedback

ZIKRY ZAKIYULFUADI

Informasi Umum

Kode

113020133

Klasifikasi

005.1 - Computer programming

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Rekayasa Perangkat Lunak

Dilihat

351 kali

Informasi Lainnya

Abstraksi

ABSTRAKSI: Suatu sistem Information Retrieval yang baik memiliki tingkat relevansi yang bisa diterima oleh pengguna. Untuk dapat menghasilkan nilai relevansi yang tinggi, maka salah satu caranya, sistem ini perlu menerapkan metode perangkingan yang baik dan teruji. Kemudian yang menjadi pertanyaan, bagaimana menentukan suatu kinerja metode perangkingan. Kinerja suatu metode perangkingan ditentukan oleh relevansinya yang diukur dengan parameter precision dan recall. Latent Semantic Indexing pada tugas akhir ini akan dikombinasikan dengan relevance feedback, sehingga untuk mengukur kinerjanya perlu diimplementasikan ke dalam perangkat lunak untuk kemudian diuji parameternya. Dalam suatu pengujian diperlukan metode lain sebagai pembanding untuk mengukur kinerja Latent Semantic Indexing yang dikombinasikan dengan Relevance Feedback, maka dipilihlah Vector Space Model sebagai pembanding. Hasil pengujian dari tugas akhir ini menunjukkan bahwa Latent Semantic Indexing memiliki precision dan recall yang lebih baik dari Vector Space Model. Sedangkan relevance feedback pada Vector Space Model terbukti mampu meningkatkan relevansi, sementara keanomalian terjadi pada LSI, dimana relevansinya malah menurun. Kata Kunci : Information Retrieval, LSI, SVD, relevance feedback, VSM.ABSTRACT: A Good Information Retrieval System should have reasonably high relevancy. To get a high relevancy value, the system had to applying a good and tested ranking method. Thus, the question is, how to determine ranking methods performance. Ranking methods performance determined by it's relevancy which is measured with precision and recall parameters. Latent Semantic Indexing in this final assignment will be combined with relevance feedback, if we want to measure it's performance we have to build the software to test it's parameters. In order to testing a method we need another method as comparison to measure Latent Semantic Indexing combined with relevance feedback,thus, Vector space model has been choosen as comparison. The testing results of this final assignment show that Latent Semantic Indexing has better precision and recall than the Vector Space Model. Relevance Feedback which is applied to vector space model has been proved increasing it's relevancy, despite anomaly happen in LSI where it's relevancy decreased. Keyword: Information Retrieval, LSI, SVD, relevance feedback, VSM.