TEXT DOCUMENT INFORMATION RETRIEVAL BASED ON CONCEPTS

Abstract

Melimpahnya informasi digital yang dikoleksi secara otomatis oleh internet telah menimbulkan problem dalam temu kembali informasi.   Menemukan informasi yang tepat dalam koleksi dokumen yang besar adalah sangat sulit. Kesulitan ini disebabkan karena pada kebanyakan mesin pencari berbasis pada pencocokan string sehingga akan otomatis memberikan dokumen sebagai jawaban jika terdapat string yang cocok. Untuk menangani hal ini dan dengan mengingat bahwa dokumen bukan saja merupakan koleksi kata tetapi juga merupakan koleksi konsep, penulis mengusulkan teknik baru temu kembali informasi yang berbasis pada konsep.

Teknik ini berbeda dengan temu kembali berbasis kata pada tahap indexing dan tahap temu kembali. Pada tahap indexing teknik ini mengklasifikasi dokumen berdasarkan konsep menggunakan teknik clustering untuk menyususn index konsep disamping index kata. Pada tahap temu kembali, teknik ini merangking dokumen berdasarkan kombinasi similaritas kata dan konsep, dalam suatu formula doc-score = b * conceptScore + (1-b)*TermScore dimana b adalah bobot skor konsep. Algoritma clustering dipilih dari model partisi dengan kompleksitas linear, yaitu model Bisecting K-Means. 

Percobaan dilakukan pada 2 jenis koleksi, yaitu dokumen teks berita (1000 dan 3000 dokumen) dan dokumen akademik (1000 dokumen abstrak bidang IT). Evaluasi kenerja temu kembali diukur dengan rata-rata presisi temu kembali dan R-presisi.

Hasil penelitian menunjukkan bahwa dengan men-set b =0.5 to b =0.9 menunjukkan peningkatan precisi berbasis konsep terhadap basis kata (b =0). Peningkatan precisi adalah sebesar 5,2%sampai 8,3% untuk rata-rata precisi dan 16.9% sampai 31.5% untuk parameter R-precision.