ABSTRAKSI: Semakin meningkatnya jumlah informasi pada masa kini menimbulkan permasalahan berupa menemukan dokumen yang relevan dengan kebutuhan secara tepat dan cepat. Sistem temu kembali dapat dibangun untuk menyelesaikan masalah tersebut.
Relevanve feedback merupakan teknik dimana pengguna melakukan feedback atas hasil pencarian dan menggunakan data feedback tersebut untuk memformulasikan query baru guna melakukan pencarian kembali. Data feedback yang digunakan pada algoritma Robertson dan Sparck Jones ialah dokumen relevan yang ditemukan pada pencarian sebelumnya. Algoritma ini melakukan query reweighting dan query expansion untuk membentuk query baru.
Algoritma ini dapat meningkatkan ataupun bahkan menurunkan performansi sistem seperti nilai precision, recall dan IAP yang diperoleh pada pencarian awal. Hasil terbaik penerapan algoritma dalam nilai precision ini ialah meningkatkan 232.35% nilai precision pencarian awal sedangkan hasil terburuknya ialah menurunkan -39.8% nilai precision pencarian awal. Hasil terbaik penerapan algoritma ini dalam nilai recall ialah meningkatkan 11.38 % nilai recall pencarian awal dan hasil terburuk ialah menurunkan 23.2%. Hasil terbaik penerapan algoritma ini dalam nilai IAP ialah meningkatkan 174.8% nilai IAP pencarian awal sedangkan hasil terburuknya ialah menurunkan 16.67% nilai IAP pencarian awal. Dengan algoritma ini, waktu pencarian akan semakin meningkat sesuai jumlah dokumen feedback dan penambahan term query.Kata Kunci : information retrieval, relevance feedback, Robertson dan Sparck Jones,ABSTRACT: Growing of amount of informations at present generates problem in the form of finding relevant document to the need accurately and quickly. Information retrieval system can assist to solve this problem.
Relevance feedback is a technique where user do feedback and using these feedback for reformulate new query which will used for new searching. The document feedback used in Robertson and Sparck Jones algorithm is the relevant document which found. This algorithm do query reweighting and query expansion to form new query.
This algorithm can increase and reduce the searching performance like precision, recall, and IAP value which obtained at initial searching. The best result of precision value caused this algorithm is increasing 232.35% precision value of inital searching while the worst result is reduce -39.8% precision of initial searching. The best result of recall value caused this algorithm is increasing 11.38% recall value of inital searching while the worst result is reduce 23.2% recall. The best result of IAP value caused this algorithm is increasing 174.8% recall IAP of inital searching while the worst result is reduce 16.67% IAP. With this algorithm, searching time will increase fit to amount of document feedback and the expansion of term query.Keyword: information retrieval, relevance feedback, Robertson dan Sparck