PENERAPAN EKSTRAKSI INFORMASI SIMPLE TREE MATCHING (STM) PADA WEB CRAWLER BAHASA INDONESIA

Web crawler adalah salah satu bagian penting dari search engine. Web crawler bertugas mengambil informasi dari halaman web yang dikunjunginya. Untuk mendapatkan konten khusus bahasa Indonesia telah didesain dan diimplementasikan pada penelitan sebelumnya oleh Arifin(2011). Dari hasil penelitian ini diperoleh web crawler yang mampu menghimpun website bahasa Indonesia dengan data ujicoba 1000 url, 500 website bahasa Indonesia dan 500 website asing. Namun data yang tersimpan dari web crawler tersebut belum dapat optimal, karena di dalam konten yang terambil masih terdapat beberapa bagian yang bukan sebuah informasi.
Kekurangan pada pengambilan konten tersebut dicoba untuk diperbaiki dalam penelitian ini dengan menggunakan ekstraksi informasi(web data extraction) berbasis pencocokan pohon dengan menggunakan metode simple tree matching (STM). Ekstraksi informasi adalah sebuah cara computer dalam pengambilan informasi dalam suatu website. Simple tree matching adalah sebuah metode ekstraksi informasi yang melakukan pencocokan dua tree website pada proses ekstraksinya.
Dengan metode simple tree matching, web crawler RISE dilakukan ujicoba kembali pada 50 website dari data penelitian sebelumnya dan didapatkan hasil konten yang lebih bersih dari implementasi sebelumnya. Dapat disimpulkan bahwa simple tree matching mampu dengan sempurna melakukan ekstraksi informasi pada web crawler. Dengan rata-rata nilai precission 100% dan recall 89.31365% .