Perpustakaan Digital ITB

Abstrak : Information Retrieval dikembangkan untuk membantu orang menemukan dokumen yang sesuai dengan kebutuhannya dari suatu kumpulan dokumen. Ada beberapa pemodelan yang digunakan untuk Information Retrieval yaitu model boolean, ruang vektor, probabilistik, dan logik. Karena berbagai kelebihannya, model ruang vektor banyak digunakan sebagai model Information Retrieval saat ini. Dalam model ruang vektor, dokumen dan query dinyatakan sebagai suatu vektor. Relevance Feedback adalah suatu cara meningkatkan performansi Information Retrieval dengan cara meminta user untuk menandai dokumen-dokumen relevan yang didapatkan sistem dan memberikan informasi tersebut kepada sistem. Rumus Rocchio termasuk metode Relevance Feedback dalam model ruang vektor. Pada rumus Rocchio, rata-rata vektor dokumen relevan ditambahkan pada vektor query, dan vektor query dikurangkan dengan rata-rata vektor dokumen tidak relevan. Pada rumus Rocchio, seluruh kata yang muncul diikutkan dalam penghitungan, meskipun belum tentu kata-kata tersebut berpengaruh pada relevansi dokumen. Dalam tugas akhir ini, dilakukan percobaan untuk memilih kata-kata yang akan disertakan dalam perhitungan rumus Rocchio. Pemilihan kata-kata tersebut menggunakan algoritma genetika. Untuk membantu percobaan, dikembangkan juga sebuah perangkat lunak yang diberi nama jXGAR. Dari hasil percobaan diperoleh kesimpulan bahwa penggunaan algoritma genetika untuk pemilihan kata dalam rumus Rocchio dapat memberikan peningkatan performansi dari segi NIAP dan waktu pencarian, namun tidak mengubah nilai Recall dan menyebabkan nilai Precision turun. Selain itu, penggunaan algoritma genetika dalam tugas akhir ini menyebabkan performansi sistem tidak stabil.