PENERAPAN ALGORITMA GENETIKA PADA RELEVANCE FEEDBACK DALAM SISTEM TEMU KEMBALI INFORMASI

Mesin pencarian telah banyak digunakan di era saat ini untuk membantu
user dalam mendapatkan informasi. Mesin pencarian membutuhkan query untuk
menghasilkan informasi yang dibutuhkan oleh user. Namun ketika query
dimasukkan, seringkali masukan tersebut tidak tepat, namun user yakin bahwa
informasi yang dibutuhkan ada di mesin pencarian tersebut. Pada mesin pencarian
saat ini, user hanya mendapatkan hasil dari pencarian sesuai dengan yang
dimasukkan, meskipun seringkali query tersebut kurang spesifik. Pada penelitian
ini, menggunakan metode Relevance feedback untuk meningkatkan pencarian
dokumen dengan memperbaiki query awal dengan yang baru, yang lebih spesifik.
Proses di dalam pencocokan dokumen dengan query menggunakan Algoritma
genetika. Terdapat dua metode seleksi yang digunakan, yaitu roulletewheel
selection dan tournament selection. Hasil dari penelitian dengan menggunakan
1000 dokumen tugas akhir ini diperoleh precison rata-rata 58%, recall rata-rata
89%, dan f-measure rata-rata 59% pada penggunaan roulletewheel selection.
Sedangkan pada penggunaan tournament selection, diperoleh precision rata-rata
57%, recall rata-rata 92%, dan f-measure rata-rata 60%. Proses pencarian dengan
menggunakan roulletwheel selection membutuhkan waktu rata-rata 10.23 detik, dan
tournament selection 5.97 detik.