Sistem Pencarian Data Teks dengan Menggunakan Metode Klasifikasi Rocchio(Studi Kasus:Dokumen Teks Skripsi)

Kumpulan Makalah Seminar Semirata 2013

Fakultas MIPA Universitas Lampung

Sistem Pencarian Data Teks dengan Menggunakan Metode Klasifikasi Rocchio(Studi Kasus:Dokumen Teks Skripsi) Favorisen Rosyking Lumbanraja Jurusan Ilmu Komputer, FMIPA Universitas Lampung E-mail: [email protected] Abstrak.Dengan semakin banyaknya koleksi dokumen teks, pencarian merupakan tantangan tersendiri. Banyak metode yang dikembangkan untuk proses pencarian, salah satu metode yang umum adalah dengan metode klasifikasi. Beberapa contoh teknik yang menggunakan metode klafisifikai antara lain, NaïveBayes, K-Nearest Neighbor, Decision Tree, dan Vector Space Model.Teknik Rocchio merupakan contoh lain yang mengimplementasikan metode klasifikasi untuk proses pencarian teks. Teknik ini menggunakan Vector Space Model untuk merepresentasikan setiap dokumen dalam korpus. Tujuan utama karya ilmiah ini adalah mengembangkan sistem temu kembali informasi dengan menggunakan metode text mining (Klasifikasi Rocchio) untuk merekomendasikan data teks yang sesuai dengan pencarian yang dilakukan oleh pengguna sistem. Proses pertama yang dilakukan untuk mengembangan sistem dengan metode klasifikasi ini, yaitu tahap pra-proses.Pra-proses terdiri dari beberapa tahap, yaitu: parsering, pembersihan data, pemotongan kata berimbuhan, dan pembuatan inverted index dengan pembobot nilai itf.idf. Korpus dokumen pada karya ilmiah adalah data skripsi S1 Ilmu Komputer yang terdiri dari 150 dokumen abstrak skripsi. Korpus dokumen dibagi menjadi 12 bidang keilmuwan di dalam Ilmu Komputer. Untuk menguji akurasi hasil pencarian, maka 30 dokumen tersebut dijadikan data uji. Hasil dari pengujian adalah 76,67% dokumen terkelompokan secara benar sesusai dengan bidang keilmuwan. Dalam karya tulis ini, juga dilakukan proses evaluasi dari hasil pencarian dari sistem temu kembali sesuai dengan kueri pencarian pengguna sistem. Hasil pencarian yang akan relevan, jika kueri dari pengguna sesuai dengan bidang keilmuwan. Sebaliknya, jika pengguna menggunakan kueri dengan kata-kata umum, maka hasil pencarian akan memiliki tingkat relevansi yang rendah. Nilai precision dan recall juga dicatat berdasarkan panjang kueri pencarian. Hasil dari nilai-nilai tersebut cenderung konstan. Kata Kunci.Data Mining, Text Mining, Text Classification, Rocchio Classification.

PENDAHULUAN Perkembangan teknologi internet yang ditandai dengan munculnya teknologi web 2.0 dan semakin pesat kapasitas penyimpanan digital serta semakin murah, membuat semakin banyak dan beragam konten (khususnya konten yang berupa data teks) yang ada di dalam situs web. Salah satu permasalahan yang muncul dengan semakin banyaknya informasi yang ada di dalam situs adalah bagaimana mengorganisasi dan mengolah data dan konten yang ada menjadi informasi yang dapatdigunakan oleh pengguna.

Terdapat beberapa teknik untuk pengklasifikasian teks, antara lain: NaïveBayes, K-Nearest Neighbor, Decision Tree,dan vector space model[5]. Setiap teknik memiliki karaktersik masing-masing yang unik. Salah satu teknik yang ada adalah teknik Rocchio yang merupakan teknik klasifikasi yang menggunakan vektor space model. Dengan menggunakan Text Classification and Mining dan teknik temu kembali informasi diharapkan dapat membantupengguna mendapatkan informasi implisit yang ada pada data konten teks. Hal 217

Favorisen Rosyking Lumbanraja: Sistem Pencarian Data Teks dengan Menggunakan Metode Klasifikasi Rocchio(Studi Kasus:Dokumen Teks Skripsi)

Oleh karena itu, diperlukan aplikasi yang dapat membantu pengunjung sebuah situs web untuk mencari konten yang sesuai dengan keinginan pengguna. Ruang lingkup penelitian adalah pengembangan sistem rekomendasi pencarian berbasis web pada dokumen abstrak skripsi S1 Jurusan Ilmu Komputer yang disimpan dalam database. Sedangkan tujuan penelitian ini adalah mengembangkan dan mengimplementasikan sistem rekomendasi pencarian yang dapat membantu pengguna mencari isi konten informasi suatu situs web berberbahasa Indonesia menggunakan Teknik Rocchio. Text Mining Dan Klasifikasi Teks Text Mining merupakan salah satu aplikasi dari bidang data mining, yang khusus mengolah data dalam bentuk teks [6]. Tujuan text mining adalah mencari informasi implisit dari data teks sehingga bisa digunakan oleh pengguna untuk mengambil keputusan. Klasifikasi Teks merupakan teknik dalam teks mining yang bertujuan mengelompokkan dokumen-dokumen ke dalam kelompok kategori tertentu. Setiap dokumen yang ada di dalam korpus diberi kategori yang spesifik. Kemudian sistem akan menemu-kembalikan (retrieve) dokumen yang dianggap sesuai dengan kueri yang diberikan oleh pengguna. Secara umum, teknik ini merupakan supervised clustering, karena data dokumen perlu diklasifikasi oleh seseorang yang dianggap pakar terlebih dahulu. Tujuan utama klasifikasi adalah mengelompokkan dokumen-dokumen yang memiliki karakteristik yang mirip. Parsering Parsing merupakan proses memilah isi dokumen menjadi unit-unit kecil yang akan menjadi penciri misalnya berupa kata, frase atau kalimat. Unit terkecil ini yang disebut sebagai token. Proses parsing merujuk pada proses pengidentifikasian token dalam rangkaian teks [1]. Sehingga Hal 218

bagian dasar dalam parsing dari dokumen teks disebut tokenizer. Proses ini memerlukan pengetahuan tentang bahasa untukmenangani karakter-karakter khusus dan menentukan batasan satuan unit dalam dokumen.Proses Parsing akan menghasilkan daftar isitilah beserta informasi tambahan seperti frekuensi dan posisi yang akan digunakan untuk proses selanjutnya. Stemming Stemming merupakan proses penghilangan/ pemotongan prefiks (awalan) dan sufiks (akhiran) dari kata dan istilah-istilah dokumen [1]. Stemming diakukan atas dasar asusmi bahwa katakata yang memilik stem yang sama memiliki makna dasar yang sama. Teknik stemming dapat dikategorikan menjadi 3, yaitu: • berdasarkan aturan dalam bahasa tertentu • berdasarkan kamus • berdasarkan kemunculan bersama Salah satu tujuan utama dilakukan proses stemming adalah meningkatkan efesiensi. Stemming mengurangi jumlah kata-kata unik dalam indeks sehingga menghemat sumber daya komputasi dan sumber daya penyimpanan. Inverted Index Inverted Index adalah struktur yang dioptimasi untuk proses penemukembalian (retrieve) dokumen sedangkan proses update hanya menjadi pertimbangan sekunder. Struktur tersebut membalik teks sehingga indeks memetakan kata ke posisi didalam dokumen (seperti bagian index dalam buku memetakan kata atau isitilah tertentu ke halaman dalam buku) [1]. Interveted Index terdiri dari dua bagian yaitu sebuah index kata/term yang berisikan daftar istilah unik dalam dokumen, dan untuk setiap kata/term terdapat posting list, yaitu memuat posisi kata tersebut adalah dokumen.


Misalkan kata/term T1terdapat di dokumen D1 pada posisi kata 3 dan 189, Dokumen D2 pada posisi kata 56, 11, 389 dan Dokumen D3 pada posisi kata 10. Sedang kata/term T2 terdapat pada dokumen D1 pada posisi kata 29 dan dokumenD3 pada posisi kata 1,45, dan 290, maka inverted index yang dihasilkan adalah: T1→D1:[3;189];D2:[56; 11; 389];D3:[10] T2→D1:[29];D3:[1;45;290] Vector Space Model Dalam Pemodelan pada Temu Kembali Informasi setiap dokumen dideskripsikan sebagai sekumpulan kata-kata keyword yang disebut sebagai kata index. Kata index merupakan kata yang yang secara semantik membantu mendeskripsikan isi dari dokumen. Sehingga kata index digunakan dalam proses pencarian searching dan summarization pada dokumen teks. Vector space model adalah salah satu teknik yang digunakan dalam merepresentasikan dokumen dalam korpus. Representasi vektor dapat menggunakan boolean (teknik Naive Bayes) atau angka numerik untuk merepresentasikan isi dokumen teks. Setiap dokumen dipandang sebagai vektor berdimensi n, dimana n adalah jumlah term yang ada pada himpunan dokumen. Representasi seperti ini sering kali disebut seb g i ‟b g-of-words‟ [4] karena susunankata dan struktur kalimat tidak diperhatikan (seperti terlihat pada Gambar 1). Berbeda dengan teknik Naive Bayes dalam merepresentasikan dokumen sebagai sekuens dari term atau sebagai vektor binari. Vector space model memiliki beberapa metode lain dalam menentukan bobot dari vektor dokumen. Pada umumnya teknik bobot yang digunakan adalah tf-idf untuk setiap term. Namun untuk paper ni, digunakan itfidfuntuk setiap term [2]. {


dan (

)

(2)

Dimana, tf adalah jumlah kemunculan term pada korpus dan df merupakan jumlah dokumen yang berisi term tersebut.Dan bobot sebuah term dalam koleksi korpus dokumen teks adalah perkalian antara itf dan idf. (3)

Gambar 7 Ilustrasi Representasi Dokumen Menggun k n ‟B g Of Words‟ Deng n Pembobotan Menggunakan Frekuensi Kata Yang Muncul Teknik Rocchio Dalam menggunakan vector space model diperlukan batas-batas antar kelas untuk mengetahui klasifikasi yang sesuai.Teknik Rocchio menerapkan batasbatas tersebut dalam bentuk centroid untuk memberi batasan tersebut. Centroid sebuah kelas c adalah rata-rata semua vektor yang berada pada kelas c. ⃗

|

|

∑

⃗

(4)

Dimana Dc adalah himpunan dokumen di dalam korpus pada kelas c. sedangkan ⃗ merupakan vektor dokumen yang telah dinormalisasi.Untuk menentukan kemiripan dua vektor space model ada dua cara yaitu dengan mengukur jarak atau dengan mengukur kemiripan.Dalam menentukan jarak (distance) antara dua vektor space model digunakan jarak euclidean. √∑

(

)

(5)

Dan dengan menghitung kemiripan (similarity) antara dua vektor dokumen adalah sebagai berikut: ⃗⃗

⃗⃗

| ⃗⃗

|| ⃗⃗

|

(6)

(1)

Hal 219


Jika terdapat suatu kueri diproses menjadi sebuah vektor space, maka dapat dibandingkan dengan masing-masing centroid kelas yang ada pada korpus. Dengan dua pendekatan mencari kemiripan dua vektor space., vektor kueri dianggap mirip dengan sebuah centorid kelas dapaat dilakukan dengan menggunakan jarak (distance) atau menggunakan kemiripan (similarity). Jika menggunakan jarak, yang dicari adalah kelas yang memiliki jarak yang terkecil dengan kueri. Dan jika menggunakan kemiripan yang dicari adalah kelas yang memiliki kemiripan yang paling besar dengan kueri, seperti yang ada di bawah: • menggunakan jarak |⃗

•

|

⃗

(7)

menggunakan kemiripan (⃗

⃗

)

(8)

Precision Dan Recall Untuk menggukur kualitas hasil dokumen yang ditemukembalikan perlu ada suatu tolak ukur. Dua parameter yang umum digunakan untuk mengukur kinerja sebuah sistem temu kembali informasi adalah precision dan recall[2]. Precision adalah nilai perbandingan antara jumlah dokumen relevan yang ditemukembalikan terhadap jumlah semua dokumen yang ditemukembalikan. Sedang Recall adalah nilai perbandingan jumlah dokumen relevan yang ditemukembalikan terhadap jumlah semua dokumen yang dianggap relevan. Tabel 5 Hubungan Precision Dan Recall (Manning, 2008) retrieved not retrieved

Relevant true positives (tp) false negative (fn)

non relevant false positives (fp) true negative (tn)

Berdasarkan Tabel 1, dapat merumuskan Precision (P) dan Recall (R) menjadi sebagai berikut: P = tp/(tp + f p) R = tp/(tp + f n)

Hal 220

(9) (10)

METODE PENELITIAN Tujuan penelitian ini adalah membuat suatu sistem temu kembali informasi dengan menggunakan vector space model dengan teknik rocchio. Dalam mengembangkan sistem ini, sistematika tahap yang dilakukan adalah sebagai berikut:

Penentuan Data Korpus Dokumen-dokumen yang digunakan dalam sistem ini adalah dokumen abstrak skripsi S1 Jurusan Ilmu Komputer pada perpustakaan. Dokumen-dokumen tersebut diklasifikasikan menjadi 12 kelas keilmuan yaitu, Data Mining,Temu Kembali Informasi, Sistem Informasi, Sistem Informasi Geografi, Rekayasa Perangkat Lunak, Kripografi, Jaringan Komputer, Pemrograman Paralel, Sistem Pakar, Pengolahan Citra Digital, Pengenalan Pola dan Komputasi Lunak. Tokenisasi Tokenizer menerima input string dan memilahnya menjadi token (unit terkecil) sebagai penciri dokumen dengan aturan sebagai berikut: - Token dipisahkan oleh karakter whitespace (spasi) - T nd b c (seperti ‟!‟, ‟?‟, ‟.‟, ‟,‟) dihilangkan - Suatu token dimulai dengan huruf atau angka Output dari tokenisasi adalah token serta informasi tambahan informasi lain seperti frekuensi kata, posisi kata dalam dokumen. Stemming Stemming merupakan tahapan yang memerlukan pengetahuan terhadap strukur dan grammer suatu bahasa karena penentuan aturan stem suatu kata berbedabeda bergantung terhadap tata bahasa

bahasa yang digunakan dalamsystem kembali informasi. Pada paper ini digunakan algoritme stemming untuk Bahasa Indonesia.


Ridha (2002) telah mengembangkan sistem stemming prefiks dan sufiks untuk kata-kata dalam bahasa Indonesia yang mengimplementasikan algoritma Porter. Sebagaimana algoritma Proter, digunakan fungsi untuk mengukur ukuran kata untuk mencegah stemming menghasil stem yang terlalu pendek. Aturan pemotongan kata dinyatakan sebagai berikut:P1(kondisi)S1 → P2S2 yang berarti jika sebuah kata yang memiliki prefiks P1 dan prefiks S1dan bagian kata antara P1dan S1 memenuhi syarat kondisi maka P1 dan S1diganti menjadi P2 dan S2. Beberapa notasi yang digunakan dalam proses ini adalah: - W, seluruh kata termasuk prefiks dan sufiks - M, ukuran kata - L, seluruh kata termasuk prefiks dan sufiks - V , huruf vokal - C, huruf konsonan - V *, diawali huruf vokal - C*, diawali huruf konsonan - *CC, diakhiri dua huruf kononan - V (x), huruf ke-x adalah vokal - C(x), huruf ke-x adalah Konsonan Sebagai contoh, dalam aturan: (M > 1) nya → S1 d l h ‟n ‟ d n S2 d l h null (tidak ada), sehingga kata seperti ‟komputern ‟ dipotong menj di ‟komputer‟, k ren k t ‟komputer‟ berukuran 3 (M>1). Stemming dilakukan pada bagian katakata sebagai berikut: - prefiks: mem-, meny-, meng-, me-, di-, per-, ber-ter-, - peng, -per, se- sufiks:-an, -kan, -i, -nya - konfiks:ke-an, ke-i - partikel:-kah, -lah - kata ganti: -ku, -mu, -nya Indexing Pengindeksan dilakukan dengan menggunakan inverted index. Dilanjutkan


dengan pembobotan index dilakukan dengan nilai itf.idf. Pembuatan Centroid Setelah mendapatkan masing-masing vektor untuk setiap dokumen, dilakukan penentuan pusat kluster (centroid) pada setiap kelas. Centroid setiap kelas merupakan rata-rata masing vektor dokumen pada setiap kelas/kategori. Centroid dari kelas ini yang akan menjadi vektor penciri dari kelas yang akan dibandingkan dengan vektor kueri pencarian dari pengguna. Pencarian Berdasarkan Kueri Setelah dimasukan kueri, maka kueri akan diubah menjadi vector space. Lalu vektor kueri dibandingkan dengan masing-masing centroid kelas yang ada. Vektor kueri juga dilakukan proses normalisasi, kemudian yang dipilih adalah centroid kelas yang paling memiliki kemiripan yang paling besar dengan vektor kueri. Lalu vektor kueri dibandingkan dengan masing-masing vektor dokumen pada kelas yang memiliki kemiripian yang paling besar. Proses perbandingan antara vektor kueri dan vektor dokumen juga dilakukan dengan mencari kemiripan. Lalu ditampilkan semua dokumen dari kelas tersebut, dengan urutan kemiripan terbesar hingga kemiripan yang terkecil. HASIL DAN PEMBAHASAN Rancangan Arsitektur Sistem Sebelum sistem ini dijalankan untuk melakukan proses pencarian, dokumendokumen abstrak S1 dikumpulkan ke dalam database untuk membentuk index database. Kemudian setiap dokumen dikelompokan berdasarkan kelas keilmuan yang ada, lalu ditentukan kata-kata stopword yang akan menjadi filter dari term-term yang ada pada dokumen (terdapat 3.891 term kata dan terdapat 128 kata stopword di dalam). Secara umum, Hal 221


arsitektur sistem ini dapat dilihat pada Gambar 2.

Gambar 8 Aristektur Sistem Korpus Dokumen Dokumen-dokumen yang diperoleh berasal dari perpustakaan. Lalu dokumendokumen yang sudah ada diklasifikasikan ke dalam 12 kelas keilmuan yang ada pada Jurusan Ilmu Komputer yang berjumlah 150 dokumen (seperti yang terlihat pada Tabel 2) . Dari Tabel 2 dapat dilihat bahwa jumlah dokumen tiap kelas keilmuan tidak s m . Dim n kel s ‟Komput si Lun k‟ yang memiliki jumlah dokumen yang p ling b n k d n kel s ‟Pemroses n P r lel‟ memiliki juml h dokumen ng paling sedikit. Pada saat pengguna memasukan kueri pencarian, maka sistem akan akan membandingkannya dengan masingmasing centroid kelas. Lalu dipilih kelas yang memiliki nilai bobot yang paling besar. Kemudian ditamplikan semua dokumen pada kelas tersebut, cara pengurutannya adalah dari dokumen yang memiliki kemiripan terbesar hingga terkecil (decending) seperti yang terlihat pada Gambar 2. Tabel 6 Jumlah Dokumen Yang Ada Pada Masing-Masing Kategori Keilmuan No 1 2 3

Hal 222

Kelaskeilmuan Jumlahdokumen Temu Kembali Informasi 7 DataMining 20 RekayasaPerangkatLunak 16

4 5 6 7 8 9 10 11 12

SistemInformasi Kriptografi JaringanKomputer PemrosesanParalel Sistem Pakar PengolahanCitra PengenalanPola SistemInformasiGeografi KomputasiLunak

7 13 16 1 10 10 14 14 22

Gambar 9 Halaman Hasil Pencarian Fungsi Sistem Dari Arstiktur Sistem seperti yang terlihat di Gambar 2, maka dikembangkan beberapa modul fungsi yang digunakan dalam sistem temu kembali informasi, meliputi: - Tokenisasi dan indexing. Merupakan fungsi untuk melakukan pembentukan vektor space dokumen dari file- file dokumen berita. - Pembentukan Centroid. Merupakan fungsi membentuk vektor centroid masing-masing kelas yang ada dokumen korpus. - Rekomendasi. Merupakan fungsi untuk merekomendasi klasifikasi dokumen berdasarkan kelas keilmuan yang ada. - Pemeriksaan kueri. Merupakan fungsi untuk memband- ingkan vektor kueri dengan centroid kelas. - Interface Pencarian. Merupakan fungsi untuk memasukan kueri dan menampilkan hasil kueri pencarian. Implementasi Sistem temu kembali informasi dengan menggunakan teknik Rocchio ini menggunakan:


• XAMPP yang meliputi: Web Server Apache, Database MySQL, pemrograman web PHP, dan pemrograman Perl • Smarty dan Adodb Pengujian Dan Evaluasi Untuk menguji akurasi dari data dokumen abstrak yang telah diklasifikasikan sebelumnya sebagai data trainning, maka dilakukan pengujian terhadap 30 dokumen data uji (seperti yang terlihat pada Gambar 4) . Hasil pengujian menunjukkan ada 23 dokumen yang sesuai dengan kategori yang direkomendasi (hit) dan 7 dokumen yang tidak sesuai dengan rekomendasi (miss), sehingga akurasinya adalah 76,67%.


dilakukan pengujian terhadap 3 jenis kueri, yaitu: kueri pendek(kueri yang terdiri dari beberapa kata atau frase), sedang (kueri yang terdari 1 kalimat) dan panjang (kueri yang terdiri dari lebih dari 1 kalimat). Setiap jenis kueri dihitung tingkat percision dan recall. Proses diulang sebanyak 3 kali, lalu dihitung rata-ratanya hasilnya sebagaiberikut: Tabel 7 Perbandingan Precision Dan Recall Berdasarkan Panjang Kueri JenisKueri KueriPendek KueriSedang KueriPanjang

Precision 0.26 0.31 0.33

Recall 0.5 0.49 0.47

Dari Tabel 3, Dapat dilihat panjang kueri tidak terlalu mempengaruhi nilai precision dan nilai recall. Tapi secara umum, nilai precision berbanding terbalik dengan nilai recall. KESIMPULAN

Gambar 10 Halaman Hasil Rekomendasi Kemudian dilakukan pengujian terhadap hasil pencarian dari kueri yang dimasukan oleh pengguna. Untuk kueri yangmengandung term-term spesifik pada keilmuan tertentu hasilnya akan baik, sebagai contoh jika pengguna mencari k t ‟OLAP‟ sistem k n merekomendasikan dokumen-dokumen p d kel s ‟D t Mining‟ ng meng ndung k t ‟OLAP‟. N mun jik kueri bersifat umum untuk terminologi di dalam ilmu komputer, hasilnya tidak baik. sebagai contoh jika pengguna mencari ‟OLAP berb sis web‟, hasil pencariannya justru merekomendasikan dokumendokumen pada kel s ‟Sistem Informasi Geogr fi‟ ng tid k relev n deng n kueri pencarian. Lalu dilakukan pengujian terhadap precision dan recall terhadap hasil dokumen yang ditemukembalikan berdasarkan kueri pencarian. Untuk itu

Sistem temu kembali informasi ini menggunakan teknik Rocchio. Teknik ini menggunakan vektor space model dalam merepresentasikan dokumen, centroid dan kueri. Pembobotan dokumen menggunakan nilai idf-itf yang telah dilakukan proses normalisasi nilai vektor. Vektor kueri akan dibandingkan dengan masing-masing centroid kelas menggunakan kemiripan kueri, dan menentukan kelas dengan mencari kemiripan yang paling besar. Kemudian dokumen dalam kelas itu ditampilkan secara decending dari bobot kemiripan dengan vektor kueri. Pengklasifikasian data training pada kelas-kelas yang telah ditentukan sangat mempengaruhi hasil rekomendasi dan hasil pencarian. Untuk menguji klasifikasi dokumen dilakukan pengujan rekomendasi kelas terhadap data trainning. Dari hasil pengujian terhadap data trainning menunjukkan akurasi hasil rekomendasi sebesar 76,67%. Untuk pengujian sistem pencarian, hasil dokumen yang ditemuHal 223


kembalikan akan baik untuk kueri pencarian yang spesifik terhadap kelas keilmuan, namun akan cenderung menemu-kembalikan dokumen yang kurang relevan untuk kueri yang umum. Panjang kueri secara umum tidak terlalu mempengaruhi tingkat precision dan recall, namun secara umum semakin tinggi tingkat precision semakin rendah nilai recall. Kelemahan utama dalam teknik Klasifikasi Rocchio ini adalah setiap dokumen hanya dapat diklasifikasikan ke dalamsatu kelas kategori saja. Padahal dalam abstrak penelitian bisa saja melibatkan lebih dari satu kategori keilmuan. Kelemahan yang kedua adalah teknik ini tidak mengenal makna semantik pada kata. sebagai contoh, jika pengguna memasukkan kueri pencarian ‟K lim nt n‟ m k h n men mpilk n dokumen ng berisi k t ‟K lim nt n‟ dan tidak menampilkan dokumen yang berisi k t ‟Borneo‟. P d h l k t ‟K lim nt n‟ d n ‟Borneo‟ memiliki makna semantik yang sama. Perlu ada penelitian lanjutan untuk pengklasifikasian dengan teknik Roc- chio pada dokumen dengan multi-class dan

Hal 224

memperhatikan makna semantik pada kata. DAFTAR PUSTAKA Grossman,D.2002.IR Book.http://ir.iit.edu/~dagr/cs529/ir_bo ok.html [29 Januari 2013] Manning, C.D.,et-al.2008.Introduction to Information Retrieval. Cambridge University Press.USA. Ridha, A.2002.Pengindeksan Otomatis dengan Istilah Tunggal untuk Dokumen Berbahasa Indonesia.Skripsi.Departemen Ilmu Komputer IPB.Bogor Uchyigit, G. dan Clark, K.2008.An Experimental Study of Feature Selection Methods for Text Classification.Personalization Techniques dan Recommendation Systems.hal.303320.Word Scientific.USA wikipedia.2010.Document Classification.http://en.wikipedia.org/wiki/docu ment_classification [30 Januari 2013] wikipedia.2010.Text Mining.http://en.wikipedia.org/wiki/tex t_mining [30 Januari2010]

Sistem Pencarian Data Teks dengan Menggunakan Metode Klasifikasi Rocchio(Studi Kasus:Dokumen Teks Skripsi)

Recommend Documents