Web crawler adalah salah satu bagian penting dari search engine. Web crawler bertugas mengambil informasi dari halaman web yang dikunjunginya. Untuk mendapatkan konten khusus bahasa Indonesia telah didesain dan diimplementasikan pada penelitan sebelumnya oleh Arifin(2011). Dari hasil penelitian ini diperoleh web crawler yang mampu menghimpun website bahasa Indonesia dengan data ujicoba 1000 url, 500 website bahasa Indonesia dan 500 website asing. Namun data yang tersimpan dari web crawler tersebut belum dapat optimal, karena di dalam konten yang terambil masih terdapat beberapa bagian yang bukan sebuah informasi. Kekurangan pada pengambilan konten tersebut dicoba untuk diperbaiki dalam penelitian ini dengan menggunakan ekstraksi informasi(web data extraction) berbasis pencocokan pohon dengan menggunakan metode simple tree matching (STM). Ekstraksi informasi adalah sebuah cara computer dalam pengambilan informasi dalam suatu website. Simple tree matching adalah sebuah metode ekstraksi informasi yang melakukan pencocokan dua tree website pada proses ekstraksinya. Dengan metode simple tree matching, web crawler RISE dilakukan ujicoba kembali pada 50 website dari data penelitian sebelumnya dan didapatkan hasil konten yang lebih bersih dari implementasi sebelumnya. Dapat disimpulkan bahwa simple tree matching mampu dengan sempurna melakukan ekstraksi informasi pada web crawler. Dengan rata-rata nilai precission 100% dan recall 89.31365% .


Deskripsi Lain

Web crawler was one important part of the search engine. The task take information from the web pages visited. To get specific Indonesian content has been designed and implemented in previous research by Arifin (2011). From these results obtained by a web crawler that can collect Indonesian website with 1000 experimental data URL, 500 Indonesian websites and 500 foreign websites. However, the data stored on the web crawler can not optimal, because in the fetched content there ware some parts that was not an information. Deficiencies in the content retrieval attempted to be fixed in this study using web data extraction based on tree matching by using Simple Tree Matching (STM). Information extraction was a computer way of information retrieval in a website. Simple tree matching is a method of information extraction that performs two tree matching website on the extraction process. With a simple tree matching method, a RISE web crawler back to be conducted trials on 50 websites of previous research data and obtained cleaner results content than previous implementations. It can be concluded that the simple tree matching perfectly capable of extracting information on web crawlers. With an average value of precission 100% and recall 89.31365%.

• PENERAPAN EKSTRAKSI INFORMASI SIMPLE TREE MATCHING (STM) PADA WEB CRAWLER BAHASA INDONESIA
• PENCARIAN STRING MENGGUNAKAN ALGORITMA BOYER MOORE PADA DOKUMEN
• Web Crawler Jejak Pertandingan Bulutangkis Tunggal Putra PBSI Menggunakan Teknik Grabbing
• PENERAPAN METODE SEO ON PAGE DAN OFF PAGE PADA WEB PENJUALAN ONLINE UNTUK MENINGKATKAN RANKING SERP
• Web Crawler Multi-Thread Terdistribusi Untuk Penghimpunan Dan Ekstraksi Halaman Web Berita Olahraga Bergantung Struktur