SISTEM TEMU KEMBALI INFORMASI PADA JUDUL JURNAL MENGGUNAKAN LATENT SEMANTIC ANALYSIS

Ketersediaan informasi dalam jumlah besar di satu sisi merupakan berkah yang patut disyukuri pada zaman ini, karena dengannya kehidupan manusia akan semakin mudah. Namun di sisi lain, melimpahnya informasi ini melahirkan permasalahan baru bagi manusia. Yaitu, perihal bagaimana mendapatkan informasi yang dibutuhkan secara tepat dan akurat diantara kumpulan berbagai informasi. Untuk itu dikembangkanlah cara untuk mengatasi permasalahan ini yaitu sistem temu kembali informasi atau information retrieval. Suatu sistem temu kembali informasi yang baik memiliki tingkat relevansi yang bisa diterima oleh pengguna. Untuk dapat menghasilkan nilai relevansi yang tinggi, maka salah satu caranya, sistem ini perlu menerapkan metode perangkingan yang baik dan teruji. Kemudian yang menjadi pertanyaan, bagaimana menentukan suatu kinerja metode perangkingan. Kinerja metode perangkingan ditentukan oleh relevansinya yang diukur dengan parameter precision dan recall. Latent semantic analysis pada tugas akhir ini akan dikombinasikan dengan cosine similarity, sehingga untuk mengukur kinerjanya perlu diimplementasikan ke dalam perangkat lunak untuk kemudian diuji parameternya.
Dalam suatu pengujian diperlukan metode lain sebagai pembanding untuk mengukur kinerja latent semantic analysis yang dikombinasikan dengan cosine similarity, maka dipilihlah vector space model sebagai pembanding.
Hasil pengujian pada tugas akhir ini menunjukan bahwa latent semantic analysis memiliki nilai similaritas yang lebih baik dari vector space model dengan nilai precision 81,5% dan nilai recall sebesar 80,2% sedangkan nilai f-measurenya 80,8