ABSTRAKSI: Information Retrieval merupakan sistem yang mampu menemukan kembali dokumen-dokumen yang relevan dengan query user dalam suatu koleksi dokumen. Dalam kenyataannya, tidak semua dokumen yang terambil oleh sistem merupakan dokumen sesuai dengan kebutuhan user. Untuk itu terdapat sebuah metode yang dapat meningkatkan performansi dari sebuah sistem information retrieval, yaitu Relevance Feedback. Relevance feedback memungkinkan user untuk memberikan feedback kepada sistem, sehingga sistem bisa mengetahui kriteria dokumen relevan yang dibutuhkan oleh user.
Metode relevance feedback yang digunakan adalah algoritma Decision Tree C4.5. Algoritma ini merupakan salah satu teknik klasifikasi yang dapat membentuk pohon secata rekursif dari training data yang diberikan. Training data di sini merupakan dokumen feedback yang dikembalikan ke sistem. Dari pohon tersebut akan diketahui rule yang menggambarkan ktiteria dokumen relevan menurut user. Rule ini kemudian digunakan untuk mengklasifikasikan seluruh dokumen yang terdapat dalam database. Dokumen-dokumen yang terklasifikasikan sebagai kelas relevan kemudian akan dikembalikan ke user dengan harapan dokumen-dokumen tersebut lebih sesuai dengan kebutuhan user.
Dari pengujian yang dilakukan, didapat hasil bahwa relevance feedback dapat meningkatkan nilai rata-rata precision pada saat jumlah feedback tertentu, namun tidak demikian dengan nilai recall dan IAP.Kata Kunci : Kata kunci : information retrieval, relevance feedback, decision tree C4.5, user, feedbackABSTRACT: Information Retrieval is a system that is able to find the relevant documents according to user queries in a document collection. In fact, not all of the retrieved documents by system suits to user needs. Therefore, there is a method that can improve the performance of an information retrieval system, i.e. Relevance Feedback. Relevance feedback allows the user to provide feedback to the system, so the system can know the criteria of relevant documents that user need.
The relevance feedback method that used is Decision Tree C4.5 algorithm. This algorithm is a classification technique to bulid a tree recursively from the training data. Training data are feedback documents that are returned to the system. From the tree will be known the rules that describe the relevant documents according to the user criteria. Rules are used to classify all documents in the database. Documents that classified as the relevant class will be returned to the user with hope that these documents are more in line with user needs.
From the simulation, we got the result that the relevance feedback can improve the average precision values at specific feedback, but not with the recall and the IAP.Keyword: Keyword : information retrieval, relevance feedback, decision tree C4.5, user, feedback