Implementasi Semantic Search Pada Open Library Menggunakan Metode Latent Semantic Analysis (studi Kasus: Open Library Universitas Telkom)

Abstrak

Abstrak
Open Library Telkom University mengalami pertumbuhan yang pesat baik dari sisi jumlah maupun
kekayaan kontennya. Sebagai konsekuensinya, dibutuhkan metode pencarian yang mampu memberikan
hasil yang lebih akurat. Pencarian berbasis metadata sudah memberikan tambahan opsi, namun juga
masih memiliki kelemahan tidak dapat menemukan dokumen yang memiliki kemiripan. Kelemahan ini
bisa diatasi oleh pencarian semantik dengan memahami maksud dari pencari dan makna kontekstual
istilah, seperti yang ditampilkan dalam data pencarian dengan mengkombinasiakan Latent Semantic
Analysis (LSA) dan weighted tree similarity. Berdasarkan hasil pengujian, sistem yang dibagun mampu
memberikan informasi relevan dengan rata-rata nilai precision dan recall yang baik. Nilai rata-rata
precision 57.1181868% dan nilai rata-rata recall 85.0848178%. Hasil nilai rata-rata recall sudah baik
karena hampir mendekati 100% artinya tingkat keberhasilan sistem dalam menemukan dokumen yang
relevan. Sehingga dapat disimpulkan, metode LSA dan weigted tree mampu memberikan dokumen yang
relevan kepada penggunanya serta ketepatan antara kueri masukkan dengan hasil pencarian dokumen.
Kata Kunci: latent semantic analysis, weighted tree similarity

Abstract
The Telkom University Open Library promotes rapid growth in terms of both the amount and wealth of its
content. As a consequence, a search method is needed that is able to provide more accurate results. Search
based on metadata has provided additional options, but also has the disadvantage of not being able to find
documents that have a similarity. This weakness can be overcome by semantic search with the intent and
purpose of contextual terms, as referred to in search data by combining Latent Semantic Analysis (LSA)
and weighted tree similarity. Based on the test results, the built system is able to provide relevant
information with an average value of precision and good memory. The average precision value is
57.1181868% and the average recall value is 85.0848178%. The results of the average value of 100%
withdrawal means the level of success in finding relevant documents. Detachable, the LSA method and the
weigted tree provide relevant documents for its users as well as the accuracy between the queries provided
with the document search results.
Keywords: latent semantic analysis, weighted tree similarity