Pada mesin pencari web, jumlah dokumen relevan yang diperoleh dipengaruhi oleh jumlah kata kunci yang ada dalam query. Query yang dimasukkan oleh pengguna saat melakukan pencarian pada umumnya pendek, terdiri dari satu atau dua kata saja. Hal ini mengakibatkan dokumen relevan yang terpanggil pada database hanya sedikit karena sedikitnya informasi dalam query. Pada penelitian ini sistem temu kembali inforasi pariwisata dibangun menggunakan vector space model dan query expansion menggunakan kamus Tesaurus Bahasa Indonesia. Vector space model merupakan model yang digunakan untuk menyimpan dokumen dalam bentuk matriks term-document. Sedangkan query expansion merupakan teknik untuk memperluas makna dari kata kunci agar memenuhi kebutuhan informasi yang dibutuhkan oleh pengguna. Informasi halaman web sebelumnya diambil menggunakan web crawler dan tersimpan di database. Pengukuran kinerja dilakukan dengan cara menghitung nilai precision, recall dan f-measure dari hasil pencarian dengan beberapa kata kunci yang berbeda. Dari hasil pengujian yang dilakukan, diperoleh kesimpulan bahwa penggunaan vector space model dengan query expansion dapat meningkatkan nilai recall atau dokumen relevan yang ditampilkan lebih banyak dibandingkan vector space model tanpa query expansion. Namun, untuk nilai precision dan f-measure pencarian menggunakan query expansion sedikit lebih rendah dibandingkan pencarian tanpa query expansion. Pencarian menggunakan query expansion memiliki nilai performansi rata-rata recall 100%, precision 38%, dan f-measure 50%, sedangkan pencarian tanpa query expansion memiliki nilai performansi rata-rata recall 30%, precision 19%, dan f-measure 16%.


Deskripsi Lain

In web search engines, the number of relevant documents obtained is influenced by the number of keywords in the query. Queries entered by users when performing searches are generally short, consisting of only one or two words. This resulted in only a few relevant documents called in the database due to the lack of information in the query. In this study, the tourism information retrieval system was built using a vector space model and query expansion using the Indonesian Thesaurus dictionary. The vector space model is a model used to store documents in the form of a term-document matrix. Meanwhile, query expansion is a technique to expand the meaning of keywords to meet the information needs needed by the user. Previous web page information is retrieved using a web crawler and stored in a database. Performance measurement is done by calculating the precision, recall and f-measure values ​​from the search results with several different keywords. From the results of the tests conducted, it is concluded that the use of a vector space model with query expansion can increase the recall value or relevant documents that are displayed more than the vector space model without query expansion. However, for precision and f-measure values, the search using query expansion is slightly lower than the search without query expansion. Search using query expansion has an average performance value of 100% recall, 38% precision, and 50% f-measure, while the search without query expansion has an average performance value of 30% recall, 19% precision, and 16% f-measure. .

• PENERAPAN ALGORITMA KLASIFIKASI PRETOPOLOGY UNTUK MENINGKATKAN KUALITAS PENCARIAN PADA SEARCH ENGINE
• Aplikasi Website dan E-DMS Kejaksaan Negeri Kraksaan dengan Metode TF-IDF
• Rancang Bangun Sistem Pencarian Dan Hirarki Pasal-Pasal Tentang Lalu Lintas Dan Angkutan Jalan Dengan Menggunakan Vector Space Model
• PEMBUATAN MESIN PENCARIAN DAN IDENTIFIKASI TERJEMAHAN HADITS BUKHARI DAN MUSLIM MENGGUNAKAN METODE VECTOR SPACE MODEL
• SISTEM TEMU KEMBALI INFORMASI PADA JUDUL JURNAL MENGGUNAKAN LATENT SEMANTIC ANALYSIS