Penerapan Vector Space Model dan Automatic Query Expansion menggunakan Kamus Tesaurus Bahasa Indonesia pada Sistem Temu Kembali Informasi Pariwisata

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%.