Implementasi Single Pass Clustering pada Preprocessing Temu Kembali Koleksi Berita Teks
DOI:
https://doi.org/10.26418/jp.v6i1.34311Keywords:
Berita, Klastering, Sistem Temu Kembali, Preprocessing, Single Pass ClusteringAbstract
Berita saat ini masih menjadi sumber yang dipercaya untuk mendapatkan informasi. Namun seiring dengan perkembangan teknologi berita yang terbit menjadi semakin banyak jumlahnya. Akibat dari jumlah berita yang banyak diperlukan suatu sistem yang dapat dipergunakan untuk menemukan berita dengan cepat. Sistem Temu Kembali menjadi cara yang dapat dipergunakan untuk membantu menangani masalah tersebut. Sistem temu kembali yang ada masih terus dikaji efisiensinya jika berhubungan dengan jumlah informasi yang sangat besar. Makalah ini melakukan pengujian efektifitas dan efisiensi tambahan preprocessing pada sistem temu kembali. Langkahnya yaitu mengklasterkan informasi yang ada terlebih dahulu. Pada preprocesing ini diimplementasikan metode single pass clustering. Kemudian pencocokan query dengan dokumen disederhanakan kepada pencocokan query dengan centroid klaster. Hasil uji coba efisiensi menunjukkan bahwa sistem temu kembali yang mengimplementasikan single pass clustering mampu mencari berita dengan lebih cepat. Sedangkan pengujian efektifitas untuk mengetahui seberapa tepat berita yang bisa diketahui dari nilai pengujian precision, recall, dan f-score. Dari pengujian tersebut didapatkan hasil jika proses pencarian paling tepat dilakukan pada cluster dengan nilai threshold 0,1. Pengujian pada cluster threshold 0,1, f-score terbaik didapatkan ketika dilakukan proses temu kembali berita dengan keyword "˜4g lte"™ bernilai 0,732. Sedangkan pengujian f-score terburuk terdapat pada pengujian dengan keyword "˜aplikasi whatsapp"™ dengan nilai 0,111. Sedangkan secara umum, sistem yang diusulkan selalu lebih cepat hanya saja lebih rendah nilai performa precision, recall, dan f-score-nya.
References
C. D. Manning, P. Raghavan, and H. Schütze, Introduction to Information Retrieval. New York, NY, USA: Cambridge University Press, 2008.
R. Baeza-Yates and B. Ribeiro-Neto, Modern Information Retrieval: The Concepts and Technology Behind Search, 2nd ed. USA: Addison-Wesley Publishing Company, 2008.
J. Zhang, J. Gao, M. Zhou, and J. Wang, “Improving the Effectiveness of Information Retrieval with Clustering and Fusion,†in International Journal of Computational Linguistics & {C}hinese Language Processing, Volume 6, Number 1, {F}ebruary 2001: Special Issue on Natural Language Processing Researches in {MSRA}, 2001, pp. 109–125.
S. Rieber and U. P. Marathe, “The Single Pass Clustering Method,†1969.
F. Rahutomo, I. F. Rozi, and H. Setiyono, “Implementasi Support Vector Machine pada Analisa Sentimen Twitter Berdasarkan Waktu,†J. TAM (Technology Accept. Model., vol. 10, no. 2, pp. 83–88, 2019.
F. Rahutomo, Z. H. R. Adi, I. F. Rozi, and P. Y. Saputra, “Implementasi Text Mining Pada Website/Blog Di Internet Untuk Menilai Kinerja Suatu Organisasi,†Inovtek Polbeng Seri Inform., vol. 3, no. 2, pp. 101–109, 2018.
I. Y. R. Pratiwi, R. A. Asmara, and F. Rahutomo, “Study of Hoax News Detection using Naïve Bayes Classifier in Indonesian Language,†in 2017 11th International Conference on Information Communication Technology and System (ICTS), 2017, pp. 73–78.
F. Rahutomo, I. Y. R. Pratiwi, and D. M. Ramadhani, “Eksperimen Naïve Bayes pada Deteksi Berita Hoax Berbahasa Indonesia,†J. Penelit. Komun. dan Opini Publik, vol. 23, no. 1, pp. 1–15, 2019.
M. F. Shadiqin Thirafi and F. Rahutomo, “Implementation of Naïve Bayes Classifier Algorithm to Categorize Indonesian Song Lyrics Based on Age,†in 2018 International Conference on Sustainable Information Engineering and Technology (SIET), 2018, pp. 106–109.
F. Rahutomo, P. Y. Saputra, and M. A. Fidyawan, “Implementasi Twitter Sentiment Analysis untuk Review Film Menggunakan Algoritma Support Vector Machine,†J. Inform. Polinema, vol. 4, no. 2, p. 93, 2018.
E. Hardiyanto and F. Rahutomo, “Studi Awal Klasifikasi Artikel Wikipedia Bahasa Indonesia Dengan Menggunakan Metoda K Nearest Neighbor,†Pros. Sentrinov (Seminar Nas. Terap. Ris. Inov., vol. 2, no. 1, pp. 158–165, 2016.
F. Rahutomo and E. Rohadi, “Pengembangan Piranti Penelitian Sistem Temu Kembali Informasi Bahasa Indonesia,†in Seminar Nasional Sistem Informasi Indonesia (SESINDO), 2015, pp. 313–319.
A. Muzad and F. Rahutomo, “Korpus Berita Daring Bahasa Indonesia Dengan Depth First Focused Crawling,†Pros. Sentrinov (Seminar Nas. Terap. Ris. Inov., vol. 2, no. 1, pp. 11–20, 2016.
F. Rahutomo and A. R. T. H. Ririd, “Evaluasi Daftar Stopword Bahasa Indonesia,†J. Teknol. Inform. dan Ilmu Komput., vol. 6, no. 1, pp. 41–48, 2019.
P. Kharismadita and F. Rahutomo, “Implementasi Tokenizing Plus pada Sistem Pendeteksi Kemiripan Jurnal Skripsi,†J. Inform. Polinema, vol. 2, no. 1, p. 24, 2017.
D. Zamzami, F. Rahutomo, and D. Puspitasari, “Aplikasi Wordnet Indonesia Berdasarkan Kamus Thesaurus Bahasa Indonesia menggunakan Algoritma Rule Based Text Parsing,†in Seminar Informatika Aplikatif Polinema, 2016.
G. Salton and C. Buckley, “Term-weighting approaches in automatic text retrieval,†Inf. Process. Manag., vol. 24, no. 5, pp. 513–523, Aug. 1988.
