ABSTRAKSI: Seiring dengan perkembangan teknologi saat ini, penggunaan internet sudah menjadi hal yang umum. Salah satu penggunaan internet adalah untuk mencari informasi melalui search engine. Jika pencarian dilakukan dengan hanya memasukkan satu term saja, maka akan menimbulkan kebingungan pada pengguna internet apakah informasi yang ditampilkan sudah sesuai.
Salah satu cara untuk mengurangi kebingungan pengguna dalam memilih informasi yang ditampilkan adalah dengan mengelompokkan hasil pencarian. Dengan pengelompokkan tersebut, hasil pencarian yang ada akan dikelompokkan berdasarkan label tertentu dimana label yang dihasilkan berdasarkan term frequency yang terbanyak dari setiap cluster yang dihasilkan. Pada Tugas Akhir ini akan dilakukan pengelompokkan hasil pencarian search engine menggunakan algoritma Dynamic Singular Value Decomposition berbasis Latent Semantic Indexing. Sebelum melakukan proses pengelompokkan di perlukan preprocessing yang terdiri dari pembuangan stoplist, dan stemming dan diikuti proses term weighting.
Hasil pengujian menunjukkan bahwa algoritma dynamic SVD clustering ini tidak cocok untuk dokumen snippets, sedangkan untuk pembobotan didapatkan metode pembobotan menggunakan TF-IDF menghasilkan nilai precision dan recall yang lebih baik. Metode pelabelan berdasarkan kemunculan term terbanyak dalam suatu cluster kadang kala menghasilkan label yang tidak sesuai dengan isi cluster yang dihasilkan.Kata Kunci : hasil pencarian, dynamic singular value decomposition, preprocessing, clustering, latent semantic indexing, labelABSTRACT: The fast growing of technology makes internet utilization has become very common. One of the internet utilization is searching information using search engine. The problem is, when using search engine to search for information using one term, the result is still questionable, whether the information met his/her needs or not.
It is possible to help user choose the information that he/she need by clustering search result. by doing such, search result will be clustered based on certain labels. The labels itself obtained based on the most frequent term occured in the cluster. This final project will implement search engine's search result clustering using Dynamic Singular Value Composition which based on Latent Semantic Indexing. Prepocessing is required before clustering. The preprocessing itself will be consist of stoplist removal, stemming and then followed by term weighting.
Testing result showed that the Dynamic SVD Clustering Algorithm did not match for snippet documents, whereas for weighting scheme between TF and TF-IDF it showed that TF-IDF weighting schemes are having better value of precision and recall than TF weighting scheme. For labeling method by the most frequently term in one cluster, sometime are not compatible between label and cluster documents.Keyword: search result, dynamic singular value decomposition, preprocessing, clustering, latent semantic indexing, label