Paper Darmadi Saputra (format Final Proceeding)
ALGORITMA COMPANION DAN COCITATION UNTUK
PENCARIAN HALAMAN WEB YANG TERKAIT
Gunawan
Sekolah Tinggi Teknik Surabaya
gunawan@stts.edu
ABSTRACT
It is very often that an internet user wants to find some alternative websites which are
similar or related with the website he or she is visiting. The process to find web pages which are
related with a URL is very helpful to give more information from resulted web pages. An internet
user can compare these web pages and find alternative web pages which are appropriate with his
or her needs.The project explained in this paper uses link analysis approach to find related web
pages. Link analysis ranks pages according to the relationship among those pages. There are
two algorithms used, namely Companion and Cocitation algorithms. Both these algorithms start
with creating a graph.
Companion algorithm ranks web pages according to the highest authority value. Authority
computation uses Imp algorithm which is based on HITS algorithm. Imp algorithm use edge
weight when computing hub and authority values to solve HITS’ lack in TKC (Tightly-Knit
Community). Assigning edge weights depends on host relationship among the nodes in the
graph. Cocitation algorithm ranks web pages according to the highest degree of cocitation. The
degree of cocitation is the number of same parents as with the web pages which are used as the
query.
From the test, it is proven that Companion algorithm performance is better than
Cocitation algorithm. Companion algorithm works better in a graph which has many same hosts
than Cocitation algorithm. The execution process of Cocitation algorithm is faster than that of
Companion algorithm. Generally the URL results from these two algorithms are almost similar
using Google for the comparison.
Keywords: companion, cocitation, related web pages, web structure mining, link analysis.
INTISARI
Seringkali seorang pengguna internet ingin mencari beberapa alternatif website lain mirip
atau terkait dengan website yang sedang ia kunjungi. Proses pencarian halaman web yang
terkait dengan suatu URL berguna untuk memberikan tambahan informasi dari halaman –
halaman web yang dihasilkan, pengguna internet dapat membandingkan antar halaman web
tersebut dan mencari alternatif halaman web lain yang sesuai dengan kebutuhannya. Software
yang pengembangannya dipaparkan dalam tulisan ini menggunakan pendekatan analisis link
untuk mencari halaman web yang terkait. Pendekatan ini meranking halaman berdasarkan
hubungan yang dimiliki antara halaman satu dengan halaman lainnya. Terdapat dua algoritma
yang digunakan yaitu algoritma Companion dan Cocitation. Kedua algoritma ini diawali
prosesnya dengan pembentukan sebuah graph.
Algoritma companion meranking halaman web berdasarkan nilai authority yang tertinggi.
Perhitungan authority dilakukan dengan menggunakan algoritma imp dimana algoritma ini
merupakan pengembangan HITS. Algoritma imp menggunakan bobot suatu edge pada
perhitungan hub dan authority untuk mengatasi kelemahan HITS jika terjadi struktur web TKC
(Tightly-Knit Community). Pemberian bobot pada edge dilakukan dengan memperhatikan
hubungan host antar node pada graph. Algoritma cocitation meranking halaman web
berdasarkan nilai degree of cocitation yang tertinggi. Degree of cocitation adalah jumlah parent
yang sama dengan halaman web yang digunakan sebagai query.
Dari hasil percobaan dapat dibuktikan performansi algoritma companion lebih baik dari
algoritma cocitation. Algoritma companion berkerja lebih baik pada graph yang memiliki banyak
host yang sama dibandingkan dengan algoritma cocitation. Proses eksekusi dari algoritma
cocitation lebih cepat dibandingkan dengan algoritma companion. Secara umum hasil kedua
algoritma ini hampir sama dengan menggunakan Google sebegai pembanding.
Kata kunci: companion, cocitation, halaman web terkait, penambangan struktur web, analisis
link.
PENDAHULUAN
Informasi yang terdapat dalam World Wide Web tumbuh dan berubah dengan sangat
cepat dari tahun ke tahun. Kebutuhan untuk mendapatkan informasi yang cepat dan mudah
sangat diperlukan saat ini. Tidak semua informasi yang terdapat dalam web dibutuhkan oleh
user; karena itulah banyak terdapat search engine yang membantu untuk mencari informasi
dalam web seperti Google, Yahoo, Altavista, dll. Banyak penelitian yang telah diarahkan untuk
membantu pencarian informasi dengan cepat dan mudah. Banyak tantangan yang dibutuhkan
dalam berinteraksi dengan web, antara lain menemukan informasi yang relevan, mendapatkan
pengetahuan dari informasi yang tersedia, dan mempelajari perilaku dari user. Web Mining
berperan penting dalam hal ini.
Search engine yang tradisional menggunakan kumpulan term sebagai query dan
menghasilkan kumpulan halaman yang relevan dengan term yang dicari pada query. Ketika
informasi yang penting diperlukan dalam berbagai keadaan, search engine memiliki kekurangan
dimana user menentukan query yang sesuai dengan informasi yang dibutuhkan, dimana masih
mudah terjadi error. Jika pengguna Internet ingin mendapatkan sekumpulan halaman yang mirip
dengan halaman yang sedang ia kunjungi maka ia harus memikirkan kumpulan term sebagai
query yang akan digunakan untuk mendapatkan halaman yang diinginkan. Karena itu,
pendekatan baru yang menggunakan URL suatu halaman web sebagai query akan lebih mudah
untuk diterima.
Pada penelitian ini akan dibahas bagaimana mendapatkan halaman web yang terkait
dengan pendekatan yang berbeda. Dengan pendekatan ini, input yang diberikan bukan
kumpulan dari term, melainkan URL dari suatu halaman web, dan outputnya berupa kumpulan
halaman web yang terkait dengan input yang diberikan. Suatu halaman dikatakan terkait apabila
memiliki topik yang sama dengan halaman digunakan sebagai input, tetapi tidak perlu sama
secara semantik (struktur). Sebagai contoh apabila diberikan input www.jawapos.co.id, dimana
URL ini adalah suatu halaman surat kabar di Indonesia, maka nantinya progam harus
mendapatkan halaman surat kabar atau orgranisasi berita lain yang berada di Indonesia.
Pendekatan ini membutuhkan ruang pencarian yang didapatkan dari halaman-halaman
lain yang sesuai. Algoritma berbasis link analisis didesain agar mendapatkan halaman web
dengan ketepatan yang tinggi dan cepat. Algoritma ini dikembangkan menggunakan analisa
struktur link tanpa melihat isi dari halaman web. Pencarian halaman yang terkait dapat dilakukan
dengan melakukan perhitungan hub dan authority, dimana output didapatkan dari halaman yang
memiliki authority tertinggi. Sebuah halaman memiliki nilai authority yang baik bila halaman
tersebut banyak ditunjuk oleh halaman dengan nilai hub yang baik. Sebuah halaman memiliki
nilai hub yang baik bila halaman tersebut memiliki link ke banyak halaman dengan authority yang
baik. Selain dengan menggunakan nilai hub dan authority, dapat juga dapat menggunakan nilai
degree of cocitation, yaitu jumlah parent dari suatu halaman dimana parent dari halaman tersebut
sama dengan halaman yang menjadi query.
ALGORITMA COMPANION
Algoritma Companion terdiri atas 4 tahap utama. Tahap yang pertama dari algoritma
Companion adalah proses pembentukan Vicinity Graph. Tahap ke dua adalah eliminasi node
yang kembar. Tahap yang ke tiga adalah proses pemberian bobot pada edge. Tahap ke empat
adalah proses perhitungan nilai hub dan authority untuk tiap-tiap node.
A. Pembentukan Vicinity Graph
Pada penjelasan di bawah ini, yang dimaksud dengan parent adalah halaman web yang
menunjuk u (memiliki outlink menuju u) dan children adalah halaman yang ditunjuk oleh suatu
parent. Vicinity Graph nantinya akan berisi node-node dan edge yang menghubungkan node satu
dengan yang lain, dan semuanya terpusat pada u.
1. Tentukan u (URL input).
2. Dari u dicari sejumlah Back (B) parents dari u dan untuk setiap parent dicari sejumlah
Back Forward (BF) children tiap parent yang berbeda dari u.
3. Dari u dicari sejumlah F children dari u dan untuk setiap child dicari sejumlah Forward
Back (FB) parent yang berbeda dari u.
URL
URL Database
Kumpulan URL dari
Query
Pembentukan
Vicinity Graph
Vicinity Graph
Eliminasi Node
Kembar
Vicinity Graph yang telah
Difilter
Gambar 1. Proses Pembentukan Vicinity Graph
Dalam pembentukan Vicinity Graph ini terdapat daftar stoplist URL yang tidak terkait
dengan kebanyakan query dan memiliki indegree yang sangat tinggi. Sebagai contoh adalah
halaman search engine www.google.com, www.altavista.com, atau website terkenal seperti
www.microsoft.com.
Jika starting URL u bukan merupakan salah satu node pada stoplist maka semua URL
yang terdapat pada stoplist diabaikan pada saat pembentukan Vicinity Graph. Jika u muncul
pada stoplist maka stoplist diset menjadi list kosong dan semua node dapat dengan bebas
membentuk Vicinity Graph. Stoplist diabaikan ketika URL input tidak muncul pada stoplist karena
banyak node pada stoplist adalah search engine dan portal yang populer, namun node ini
diproses jika URL input ada pada stoplist.
Pembentukan graph dimulai dari parent u. Jika u memiliki lebih dari B parent maka pada
graph ditambahkan sejumlah B parent secara acak yang tidak terdapat pada stoplist. Sebaliknya,
jika jumlah parent yang dimiliki u kurang dari B maka semua parent tersebut akan ditambahkan
pada graph. Jika suatu parent dari u memiliki lebih dari BF+1 outlink maka ditambahkan sejumlah
BF/2 children yang dihubungkan oleh BF/2 link yang terdapat pada parent tersebut. Namun jika
parent dari u tersebut memiliki jumlah children yang lebih kecil dari nilai BF maka semua children
yang dimiliki oleh parent tersebut akan ditambahkan pada graph.
Setelah menambahkan parent yang dimiliki u pada graph maka selanjutnya akan
ditambahkan children yang dimiliki oleh u dengan ketentuan sebagai berikut. Jika u memiliki lebih
dari F children maka pada graph ditambahkan children yang ditunjuk oleh sejumlah F link
pertama dari u, sebaliknya jika jumlah children dari u lebih kecil dari nilai F maka pada graph
ditambahkan semua children yang dimiliki oleh u. Jika child dari u memiliki lebih dari sejumlah BF
parent maka pada graph ditambahkan sejumlah BF parent yang tidak terdapat pada stoplist.
Sebaliknya, jika jumlah parent lebih kecil dari nilai BF maka semua parent dari child akan
ditambahkan pada graph.
B. Eliminasi Node Kembar
Setelah Vicinity Graph terbentuk maka langkah selanjutnya adalah menghapus node
yang kembar dengan menggunakan kombinasi near-duplicate. Dua buah node dikatakan nearduplicate jika pada setiap node tersebut memiliki 10 link dan memiliki sedikitnya 95% link yang
sama satu dengan yang lain. Untuk melakukan kombinasi dua near-duplicate maka dua node
digantikan dengan node yang link-linknya adalah union dari link-link dari dua node near-duplicate.
Gambar 2. Contoh Vicinity Graph
Menghapus node yang kembar merupakan fase yang cukup penting, sebab dalam
Internet terdapat banyak halaman yang identik, misalnya melalui mirror site atau memiliki nama
yang berbeda untuk halaman yang sama.
C. Pemberian Bobot Edge
Setelah penghapusan node yang kembar selesai dilakukan maka berikutnya akan
dilakukan proses pemberian bobot. Penetapan bobot ini dilakukan dengan melihat host antar
edge. Edge yang terdapat diantara dua node pada host yang sama diberi bobot 0. Jika terdapat k
edge dari sejumlah dokumen pada host yang pertama ke suatu dokumen pada host yang ke dua
maka setiap edge diberikan bobot authority sebesar 1/k. Bobot ini akan digunakan ketika
menghitung nilai authority dari dokumen pada host kedua. Jika terdapat l edge dari suatu
dokumen pada host yang pertama ke kumpulan dokumen pada host yang ke dua, maka pada
setiap edge diberikan bobot hub sebesar 1/l. Pemberian bobot ini dilakukan untuk mencegah
suatu host memiliki terlalu banyak pengaruh pada perhitungan.
Vicinity Graph yang telah
Difilter
Pemberian Bobot
Edge
Vicinity Graph yang
telah Diberi Bobot
Perhitungan Hub &
Authority
10 URL dengan Nilai
Authority Tertinggi
Gambar 3. Mekanisme Pemberian Bobot dan Perhitungan Hub dan Authority
D. Perhitungan Hub dan Authority
Sebagai langkah terakhir, setelah pemberian bobot, dilakukan perhitungan hub dan
authority untuk melakukan ranking pada URL yang ada pada graph. Untuk melakukan
perhitungan hub dan authority pada graph digunakan algoritma Imp.
Algoritma Imp merupakan perkembangan dari algoritma HITS yang diperkenalkan oleh
Kleinberg. Algoritma Imp memperhitungkan bobot edge yang dimiliki oleh suatu node pada
graph. Pada Algoritma 1 ditunjukkan mekanisme perhitungan hub dan authority untuk sebuah
vicinity graph.
Algoritma 1. Algoritma Imp
1:
Inisialisasi semua elemen dari vektor hub H menjadi 1
2:
Inisialisasi semua elemen dari vektor authority A menjadi 1
3:
WHILE vektor H dan A tidak konvergen
4:
FOR semua node n pada Vicinity Graph N
A[n] : ( n' ,n )edge( N ) H [n ' ]
xauthority _ weight (n ' , n)
5:
FOR semua n pada N
H [n] : ( n' ,n )edge( N ) A[n ' ]
xhub _ weight (n ' , n)
6:
7:
Normalisasi vektor H dan A
EXIT
ALGORITMA COCITATION
Algoritma Cocitation merupakan alternatif yang dapat digunakan untuk mencari halaman
web yang terkait. Algoritma ini cukup sederhana bila dibandingkan dengan algoritma Companion.
URL
URL Database
Kumpulan URL dari Query
Pembentukan Kumpulan
Sibling (S)
Kumpulan Sibling (S)
Perhitungan Degree of
Cocitation
10 URL dengan Nilai Degree of
Cocitation Tertinggi
Gambar 4. Mekanisme Algoritma Cocitation
Pada algoritma ini diberikan input berupa URL, kemudian input tersebut akan diberikan
oleh sistem kepada database sebagai query dan hasil dari query tersebut akan digunakan untuk
membentuk graph yang berisi kumpulan sibling dari URL input. Setelah selesai membentuk
kumpulan sibling maka proses penghapusan node yang kembar pada algoritma Companion
dapat dipakai agar kumpulan sibling dapat difilter lagi sehingga nantinya perhitungan yang
dilakukan lebih valid.
Algoritma Cocitation pertama-tama memilih sejumlah B parents dari u secara acak.
Kemudian dimulai dengan membentuk kumpulan S yang kosong, dan untuk semua node (p)
pada P dipilih sejumlah K link dari p dan ditambahkan pada kumpulan S sehingga mengelilingi
link u pada p. Elemen dari S merupakan siblings dari u. Untuk setiap node s pada S, ditentukan
degree of cocitation dari s dengan u. Berikut adalah urutan algoritma Cocitation.
Algoritma 2. Algoritma Cocitation
1:
Cari sejumlah B parent dari u(P) secara acak
2:
Mulai dengan kumpulan S kosong,
3:
FOR semua node (p) yang terdapat pada P do :
4:
Pilih sejumlah K link dari p dan tambahkan pada S (sejumlah K link dipilih
5:
6:
sehingga mengelilingi link u pada p)
Node yang terdapat pada S merupakan siblings dari u
FOR setiap node s pada S
Hitung degree of cocitation=jumlah parent yang umum antara s dan p pada P
Kumpulan
Sibling
Gambar 5. Kumpulan Sibling
Proses pembentukan kumpulan sibling dari URL input hampir sama dengan proses
pencarian inlink yang terhubung dengan URL input, yang kemudian dari inlink tersebut akan
dicari outlinknya yang merupakan sibling dari URL input. Suatu URL disebut sebagai sibling dari
URL u apabila URL tersebut terletak mengelilingi URL u. Setelah kumpulan sibling terbentuk
maka akan dihitung nilai degree of cocitation untuk setiap sibling pada S dengan menggunakan
parent dari node u sebagai acuan.
UJICOBA
Implementasi untuk keseluruhan uji coba dilakukan dengan menggunakan bahasa
pemrograman Java. Ujicoba yang digunakan menggunakan bantuan search engine Google,
dimana Google juga memiliki fasilitas untuk mencari halaman web yang terkait dengan URL yang
diberikan. Untuk menggunakan fasilitas Google tersebut, query input harus menggunakan
keyword tertentu, yaitu dengan format “related:nama URL”, dimana pada penggunaan query ini
tidak boleh ada spasi diantara keyword “related:” dengan nama URL yang diberikan. Pada
ujicoba, hasil yang diberikan oleh Google akan dianggap sebagai acuan hasil yang relevan. Akan
dibandingkan 20 hasil dari Google dengan 20 hasil dari kedua algoritma tersebut. Ujicoba
dilakukan pada 16 URL yang dipilih; 8 website dipilih dari Indonesia, sedangkan 8 lainnya dari
luar Indonesia (Tabel 1).
Meskipun percobaan dilakukan untuk 16 URL website seperti yang ditunjukkan pada
tabel 1, penjelasan pada uji coba ini hanya menggunakan 4 (empat) website, dua dari Indonesia
dan dua lainnya darui luar Indonesia. Namun demikian kesimpulan yang diberikan pada akhir
tulisan ini menunjuk kepada hasil uji coba dari 16 website.
Berikut adalah hasil ujicoba algoritma Companion dan Cocitation untuk beberapa URL
input. Untuk setiap grafik Recall/Precision yang disertakan pada setiap URL yang dipakai, garis
berwarna merah menandakan hasil algoritma Cocitation sedangkan garis hitam menandakan
hasil algoritma Companion.
Tabel 1. Daftar URL yang Digunakan untuk Uji Coba
No
URL
1
www.jawapos.co.id
2
www.bii.co.id
3
www.telkom.co.id
4
www.glodokshop.com
5
www.its.ac.id
6
www.idola.net.id
7
www.bes.co.id
8
www.merpati.com
9
www.greeting-cards.com
10
www.mountelizabeth.com.sg
11
www.gecube.com.tw
12
www.hardcoreware.net
13
www.batman.com
14
www.pennzoil.com
15
www.my-etrust.com
16
www.philipmorris.com
www.bii.co.id
Pada percobaan dengan algoritma Companion, node yang terbentuk sebanyak 275 node
dan edge yang terbentuk sebanyak 377 edge. Terdapat 53 inlink yang menunjuk URL ini.
Pada query ini, algoritma Companion memiliki nilai presisi 0.5. Dari 20 URL yang
dihasilkan, ada 10 URL yang sama dengan hasil dari Google.
Pada algoritma Cocitation, node yang terbentuk sebanyak 275 node dan edge yang
terbentuk sebanyak 377 edge. Nilai presisi Algoritma Cocitation untuk query ini secara
keseluruhan adalah 0.5.
Secara keseluruhan, algoritma Companion dan Cocitation memiliki nilai presisi yang
sama, yaitu 0.5. Dari 10 URL yang dihasilkan oleh algoritma Companion, semuanya
sama dengan yang dihasilkan algoritma Cocitation.
Tabel 2. Hasil Algoritma Companion dan Cocitation yang sama dengan Hasil Pencarian
Search Engine Google untuk URL www.bii.co.id
Companion
Cocitation
www.bii.co.id
www.bii.co.id
www.bni.co.id
www.bni.co.id
www.btn.co.id
www.btn.co.id
www.bri.co.id
www.bri.co.id
www.klikbca.com
www.klikbca.com
www.bi.go.id
www.bi.go.id
www.lippobank.co.id
www.lippobank.co.id
www.bankniaga.com
www.bankniaga.com
www.danamon.co.id
www.danamon.co.id
www.bankmandiri.co.id
www.bankmandiri.co.id
0.9
0.8
0.7
Companion
0.6
Cocitaiton
0.5
0.4
0.3
0.2
0.1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Gambar 6. Recall/Precision untuk URL www.bii.co.id
www.jawapos.co.id
Pada percobaan algoritma Companion untuk URL www.jawapos.co.id, node yang
terbentuk sebanyak 456 node dan edge yang terbentuk sebanyak 903 edge.
Sedangkan pada algoritma Cocitation, dengan URL input yang sama, jumlah node yang
terbentuk sebanyak 450 node dan edge yang terbentuk sebanyak 898 edge.
Pada query ini, algoritma Companion memiliki nilai presisi 0.55 sedangkan algoritma
Cocitation 0.5. Terdapat 11 URL hasil algoritma Companion yang sama dengan yang
dihasilkan Google, sedangkan pada algoritma Cocitation hanya ada 10 URL yang sama.
Tabel 3. Hasil Algoritma Companion dan Cocitation yang sama dengan Hasil Pencarian
Search Engine Google untuk URL www.jawapos.co.id
Companion
Cocitation
www.jawapos.co.id
www.jawapos.co.id
www.kompas.com
www.kompas.com
www.kaltimpost.web.id
www.kaltimpost.web.id
www.republika.co.id
www.republika.co.id
www.mediaindo.co.id
www.mediaindo.co.id
www.thejakartapost.com
www.thejakartapost.com
www.suarapembaruan.com
www.suarapembaruan.com
www.bisnis.com
www.suaramerdeka.com
www.suaramerdeka.com
www.bisnis.com
www.tempo.co.id
www.pontianakpost.com
www.kontan-online.com
0.6
0.5
Companion
0.4
Cocitaiton
0.3
0.2
0.1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Gambar 7. Recall/Precision untuk URL www.jawapos.co.id
www.greeting-cards.com
Pada percobaan dengan algoritma Companion, node yang terbentuk sebanyak 760 node
dan edge yang terbentuk sebanyak 1038 edge.
Pada algoritma Cocitation, jumlah node yang terbentuk sebanyak 755 node dan edge
yang terbentuk sebanyak 1018 edge.
Pada query ini, kedua algoritma memiliki nilai presisi 0.55 untuk algoritma Companion
dan 0.5 untuk algoritma Cocitation. Hasil dari algoritma Companion ada 11 URL yang
sama dengan Google sedangkan pada algoritma Cocitation ada 10 URL yang sama
dengan Google.
Tabel 4. Hasil Algoritma Companion dan Cocitation yang sama dengan Hasil Pencarian
Search Engine Google untuk URL www.greeting-cards.com
Companion
Cocitation
www.greeting-cards.com
www.greeting-cards.com
www.123greetings.com
www.123greetings.com
www.bluemountain.com
www.bluemountain.com
www.e-cards.com
www.egreetings.com
www.egreetings.com
www.e-cards.com
www.regards.com
www.hallmark.com
www.hallmark.com
www.regards.com
www.americangreetings.com
www.cardmaster.com
www.cardmaster.com
www.americangreetings.com
www.ohmygoodness.com
0.9
0.8
0.7
Companion
0.6
Cocitaiton
0.5
0.4
0.3
0.2
0.1
0
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
1
Gambar 8. Recall/Precision untuk URL www.greeting-cards.com
www.pennzoil.com
Pada percobaan dengan algoritma Companion, node yang terbentuk 610 node dan edge
yang terbentuk 786 edge.
Pada algoritma Cocitation untuk URL www.pennzoil.com, jumlah node yang terbentuk
sebanyak 600 node dan edge yang terbentuk sebanyak 776 edge.
Pada query ini, kedua algoritma memiliki nilai presisi 0.4. Dari hasil dari algoritma
Companion dan Cocitation, ada 8 URL yang sama dengan Google.
Tabel 5. Hasil Algoritma Companion dan Cocitation yang sama dengan Hasil Pencarian
Search Engine Google untuk URL www.pennzoil.com
Companion
Cocitation
www.pennzoil.com
www.pennzoil.com
www.valvoline.com
www.valvoline.com
www.mobil.com
www.mobil.com
www.quakerstate.com
www.quakerstate.com
www.redlineoil.com
www.redlineoil.com
www.shellus.com
www.shellus.com
www.shell-lubricants.com
www.shell-lubricants.com
www.petrobras.com.br
www.petrobras.com.br
0.7
0.6
Companion
0.5
Cocitaiton
0.4
0.3
0.2
0.1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Gambar 9. Recall/Precision untuk URL www.pennzoil.com
KESIMPULAN
Dari hasil ujicoba yang telah dilakukan melalui 16 website yang disebutkan pada tabel 1,
dapat diberikan beberapa kesimpulan sebagai berikut:
1. Proses pengambilan URL sebagai node child pada graph ikut mendukung tercapainya
hasil yang diharapkan, dimana proses pengambilan ini dilakukan dengan memilih node
child yang berada sekitar URL input. Kebanyakan susunan halaman web
mengelompokkan link halaman yang saling terkait secara berurutan.
2. Proses eliminasi node yang kembar dan penggantiannya dengan satu node gabungan
pada proses pembentukan graph dapat meningkatkan precision pada algoritma
Companion untuk menghindari output yang sama muncul beberapa kali.
3. Pada algoritma Companion, pemberian bobot edge dengan mempertimbangkan host
suatu URL dan menggunakannya pada perhitungan hub dan authority membuat
algoritma ini bekerja lebih baik dari algoritma Cocitation pada graph dengan struktur node
yang memiliki banyak host yang sama. Hal ini dapat menghindari dominasi suatu host
pada ranking yang dihasilkan.
4. Dari hasil pengamatan ujicoba, nilai presisi algoritma Companion lebih baik dibandingkan
dengan algoritma Cocitation. Namun algoritma Cocitation dapat dijadikan sebagai salah
satu alternatif karena memiliki proses yang cukup cepat jika dibandingkan dengan
algoritma Companion dan presisinya juga cukup baik.
5. Penggunakan link analisis dapat menjadi pertimbangan sebagai alternatif untuk mencari
halaman web yang terkait, dengan melihat waktu yang dibutuhkan untuk proses eksekusi
lebih cepat.
DAFTAR PUSTAKA
Bharat, Krishna, dan Henzinger, Monika R., 1998, Improved Algorithms for Topic Distillation in
st
Hyperlinked Environments, Proceeding of the 21 ACM SIGIR Conference on Research
and Development in Information Retrieval, http://gatekeeper.dec.com/pub/DEC/SRC/
publications/monika/sigir98.pdf.
Brin, Sergei, dan Page, Lawrence, 1998, The Anatomy of a Large-Scale Hypertextual Web
Search Engine, http://www.site.uottawa.ca/~stan/csi5389/readings/google.pdf.
Chakrabarti, Soumen, 2003, Mining the Web: Discovering Knowledge from Hypertext Data,
Morgan-Kaufmann Publisher, San Francisco-CA, USA.
Dean, Jeffrey, dan Henzinger, Monika R., 1999, Finding Related Pages in the World Wide Web,
Compact Western Research Laboratory, http://www.unizh.ch/home/mazzo/reports/
www8conf/2148/pdf/pd1.pdf .
Deo, Narsingh, dan Gupta, Pankaj, 2001, World Wide Web: A Graph-Theoretic Perspective,
School of Computer Science, University of Central Florida, http://cui.unige.ch/tcs/course/
algoweb/Documents/lecturenotes.pdf.
Kleinberg, Jon M., 1998, Authoritative Sources in a Hyperlinked Environment, Proceeding of the
ACM-SIAM Symposium of Discrete Algorithms, http://www.cs.cornell.edu/home/kleinber/
auth.pdf .
Wan, Xiaomeng, 2004, Link-Based Search For Similar Pages on The Web, Master of Computer
Science Thesis, Faculty of Computer Science, Dalhousie University, Halifax Nova Scatia,
http://www.cs.dal.ca/~xwan/ thesis/Thesis.pdf.
PENCARIAN HALAMAN WEB YANG TERKAIT
Gunawan
Sekolah Tinggi Teknik Surabaya
gunawan@stts.edu
ABSTRACT
It is very often that an internet user wants to find some alternative websites which are
similar or related with the website he or she is visiting. The process to find web pages which are
related with a URL is very helpful to give more information from resulted web pages. An internet
user can compare these web pages and find alternative web pages which are appropriate with his
or her needs.The project explained in this paper uses link analysis approach to find related web
pages. Link analysis ranks pages according to the relationship among those pages. There are
two algorithms used, namely Companion and Cocitation algorithms. Both these algorithms start
with creating a graph.
Companion algorithm ranks web pages according to the highest authority value. Authority
computation uses Imp algorithm which is based on HITS algorithm. Imp algorithm use edge
weight when computing hub and authority values to solve HITS’ lack in TKC (Tightly-Knit
Community). Assigning edge weights depends on host relationship among the nodes in the
graph. Cocitation algorithm ranks web pages according to the highest degree of cocitation. The
degree of cocitation is the number of same parents as with the web pages which are used as the
query.
From the test, it is proven that Companion algorithm performance is better than
Cocitation algorithm. Companion algorithm works better in a graph which has many same hosts
than Cocitation algorithm. The execution process of Cocitation algorithm is faster than that of
Companion algorithm. Generally the URL results from these two algorithms are almost similar
using Google for the comparison.
Keywords: companion, cocitation, related web pages, web structure mining, link analysis.
INTISARI
Seringkali seorang pengguna internet ingin mencari beberapa alternatif website lain mirip
atau terkait dengan website yang sedang ia kunjungi. Proses pencarian halaman web yang
terkait dengan suatu URL berguna untuk memberikan tambahan informasi dari halaman –
halaman web yang dihasilkan, pengguna internet dapat membandingkan antar halaman web
tersebut dan mencari alternatif halaman web lain yang sesuai dengan kebutuhannya. Software
yang pengembangannya dipaparkan dalam tulisan ini menggunakan pendekatan analisis link
untuk mencari halaman web yang terkait. Pendekatan ini meranking halaman berdasarkan
hubungan yang dimiliki antara halaman satu dengan halaman lainnya. Terdapat dua algoritma
yang digunakan yaitu algoritma Companion dan Cocitation. Kedua algoritma ini diawali
prosesnya dengan pembentukan sebuah graph.
Algoritma companion meranking halaman web berdasarkan nilai authority yang tertinggi.
Perhitungan authority dilakukan dengan menggunakan algoritma imp dimana algoritma ini
merupakan pengembangan HITS. Algoritma imp menggunakan bobot suatu edge pada
perhitungan hub dan authority untuk mengatasi kelemahan HITS jika terjadi struktur web TKC
(Tightly-Knit Community). Pemberian bobot pada edge dilakukan dengan memperhatikan
hubungan host antar node pada graph. Algoritma cocitation meranking halaman web
berdasarkan nilai degree of cocitation yang tertinggi. Degree of cocitation adalah jumlah parent
yang sama dengan halaman web yang digunakan sebagai query.
Dari hasil percobaan dapat dibuktikan performansi algoritma companion lebih baik dari
algoritma cocitation. Algoritma companion berkerja lebih baik pada graph yang memiliki banyak
host yang sama dibandingkan dengan algoritma cocitation. Proses eksekusi dari algoritma
cocitation lebih cepat dibandingkan dengan algoritma companion. Secara umum hasil kedua
algoritma ini hampir sama dengan menggunakan Google sebegai pembanding.
Kata kunci: companion, cocitation, halaman web terkait, penambangan struktur web, analisis
link.
PENDAHULUAN
Informasi yang terdapat dalam World Wide Web tumbuh dan berubah dengan sangat
cepat dari tahun ke tahun. Kebutuhan untuk mendapatkan informasi yang cepat dan mudah
sangat diperlukan saat ini. Tidak semua informasi yang terdapat dalam web dibutuhkan oleh
user; karena itulah banyak terdapat search engine yang membantu untuk mencari informasi
dalam web seperti Google, Yahoo, Altavista, dll. Banyak penelitian yang telah diarahkan untuk
membantu pencarian informasi dengan cepat dan mudah. Banyak tantangan yang dibutuhkan
dalam berinteraksi dengan web, antara lain menemukan informasi yang relevan, mendapatkan
pengetahuan dari informasi yang tersedia, dan mempelajari perilaku dari user. Web Mining
berperan penting dalam hal ini.
Search engine yang tradisional menggunakan kumpulan term sebagai query dan
menghasilkan kumpulan halaman yang relevan dengan term yang dicari pada query. Ketika
informasi yang penting diperlukan dalam berbagai keadaan, search engine memiliki kekurangan
dimana user menentukan query yang sesuai dengan informasi yang dibutuhkan, dimana masih
mudah terjadi error. Jika pengguna Internet ingin mendapatkan sekumpulan halaman yang mirip
dengan halaman yang sedang ia kunjungi maka ia harus memikirkan kumpulan term sebagai
query yang akan digunakan untuk mendapatkan halaman yang diinginkan. Karena itu,
pendekatan baru yang menggunakan URL suatu halaman web sebagai query akan lebih mudah
untuk diterima.
Pada penelitian ini akan dibahas bagaimana mendapatkan halaman web yang terkait
dengan pendekatan yang berbeda. Dengan pendekatan ini, input yang diberikan bukan
kumpulan dari term, melainkan URL dari suatu halaman web, dan outputnya berupa kumpulan
halaman web yang terkait dengan input yang diberikan. Suatu halaman dikatakan terkait apabila
memiliki topik yang sama dengan halaman digunakan sebagai input, tetapi tidak perlu sama
secara semantik (struktur). Sebagai contoh apabila diberikan input www.jawapos.co.id, dimana
URL ini adalah suatu halaman surat kabar di Indonesia, maka nantinya progam harus
mendapatkan halaman surat kabar atau orgranisasi berita lain yang berada di Indonesia.
Pendekatan ini membutuhkan ruang pencarian yang didapatkan dari halaman-halaman
lain yang sesuai. Algoritma berbasis link analisis didesain agar mendapatkan halaman web
dengan ketepatan yang tinggi dan cepat. Algoritma ini dikembangkan menggunakan analisa
struktur link tanpa melihat isi dari halaman web. Pencarian halaman yang terkait dapat dilakukan
dengan melakukan perhitungan hub dan authority, dimana output didapatkan dari halaman yang
memiliki authority tertinggi. Sebuah halaman memiliki nilai authority yang baik bila halaman
tersebut banyak ditunjuk oleh halaman dengan nilai hub yang baik. Sebuah halaman memiliki
nilai hub yang baik bila halaman tersebut memiliki link ke banyak halaman dengan authority yang
baik. Selain dengan menggunakan nilai hub dan authority, dapat juga dapat menggunakan nilai
degree of cocitation, yaitu jumlah parent dari suatu halaman dimana parent dari halaman tersebut
sama dengan halaman yang menjadi query.
ALGORITMA COMPANION
Algoritma Companion terdiri atas 4 tahap utama. Tahap yang pertama dari algoritma
Companion adalah proses pembentukan Vicinity Graph. Tahap ke dua adalah eliminasi node
yang kembar. Tahap yang ke tiga adalah proses pemberian bobot pada edge. Tahap ke empat
adalah proses perhitungan nilai hub dan authority untuk tiap-tiap node.
A. Pembentukan Vicinity Graph
Pada penjelasan di bawah ini, yang dimaksud dengan parent adalah halaman web yang
menunjuk u (memiliki outlink menuju u) dan children adalah halaman yang ditunjuk oleh suatu
parent. Vicinity Graph nantinya akan berisi node-node dan edge yang menghubungkan node satu
dengan yang lain, dan semuanya terpusat pada u.
1. Tentukan u (URL input).
2. Dari u dicari sejumlah Back (B) parents dari u dan untuk setiap parent dicari sejumlah
Back Forward (BF) children tiap parent yang berbeda dari u.
3. Dari u dicari sejumlah F children dari u dan untuk setiap child dicari sejumlah Forward
Back (FB) parent yang berbeda dari u.
URL
URL Database
Kumpulan URL dari
Query
Pembentukan
Vicinity Graph
Vicinity Graph
Eliminasi Node
Kembar
Vicinity Graph yang telah
Difilter
Gambar 1. Proses Pembentukan Vicinity Graph
Dalam pembentukan Vicinity Graph ini terdapat daftar stoplist URL yang tidak terkait
dengan kebanyakan query dan memiliki indegree yang sangat tinggi. Sebagai contoh adalah
halaman search engine www.google.com, www.altavista.com, atau website terkenal seperti
www.microsoft.com.
Jika starting URL u bukan merupakan salah satu node pada stoplist maka semua URL
yang terdapat pada stoplist diabaikan pada saat pembentukan Vicinity Graph. Jika u muncul
pada stoplist maka stoplist diset menjadi list kosong dan semua node dapat dengan bebas
membentuk Vicinity Graph. Stoplist diabaikan ketika URL input tidak muncul pada stoplist karena
banyak node pada stoplist adalah search engine dan portal yang populer, namun node ini
diproses jika URL input ada pada stoplist.
Pembentukan graph dimulai dari parent u. Jika u memiliki lebih dari B parent maka pada
graph ditambahkan sejumlah B parent secara acak yang tidak terdapat pada stoplist. Sebaliknya,
jika jumlah parent yang dimiliki u kurang dari B maka semua parent tersebut akan ditambahkan
pada graph. Jika suatu parent dari u memiliki lebih dari BF+1 outlink maka ditambahkan sejumlah
BF/2 children yang dihubungkan oleh BF/2 link yang terdapat pada parent tersebut. Namun jika
parent dari u tersebut memiliki jumlah children yang lebih kecil dari nilai BF maka semua children
yang dimiliki oleh parent tersebut akan ditambahkan pada graph.
Setelah menambahkan parent yang dimiliki u pada graph maka selanjutnya akan
ditambahkan children yang dimiliki oleh u dengan ketentuan sebagai berikut. Jika u memiliki lebih
dari F children maka pada graph ditambahkan children yang ditunjuk oleh sejumlah F link
pertama dari u, sebaliknya jika jumlah children dari u lebih kecil dari nilai F maka pada graph
ditambahkan semua children yang dimiliki oleh u. Jika child dari u memiliki lebih dari sejumlah BF
parent maka pada graph ditambahkan sejumlah BF parent yang tidak terdapat pada stoplist.
Sebaliknya, jika jumlah parent lebih kecil dari nilai BF maka semua parent dari child akan
ditambahkan pada graph.
B. Eliminasi Node Kembar
Setelah Vicinity Graph terbentuk maka langkah selanjutnya adalah menghapus node
yang kembar dengan menggunakan kombinasi near-duplicate. Dua buah node dikatakan nearduplicate jika pada setiap node tersebut memiliki 10 link dan memiliki sedikitnya 95% link yang
sama satu dengan yang lain. Untuk melakukan kombinasi dua near-duplicate maka dua node
digantikan dengan node yang link-linknya adalah union dari link-link dari dua node near-duplicate.
Gambar 2. Contoh Vicinity Graph
Menghapus node yang kembar merupakan fase yang cukup penting, sebab dalam
Internet terdapat banyak halaman yang identik, misalnya melalui mirror site atau memiliki nama
yang berbeda untuk halaman yang sama.
C. Pemberian Bobot Edge
Setelah penghapusan node yang kembar selesai dilakukan maka berikutnya akan
dilakukan proses pemberian bobot. Penetapan bobot ini dilakukan dengan melihat host antar
edge. Edge yang terdapat diantara dua node pada host yang sama diberi bobot 0. Jika terdapat k
edge dari sejumlah dokumen pada host yang pertama ke suatu dokumen pada host yang ke dua
maka setiap edge diberikan bobot authority sebesar 1/k. Bobot ini akan digunakan ketika
menghitung nilai authority dari dokumen pada host kedua. Jika terdapat l edge dari suatu
dokumen pada host yang pertama ke kumpulan dokumen pada host yang ke dua, maka pada
setiap edge diberikan bobot hub sebesar 1/l. Pemberian bobot ini dilakukan untuk mencegah
suatu host memiliki terlalu banyak pengaruh pada perhitungan.
Vicinity Graph yang telah
Difilter
Pemberian Bobot
Edge
Vicinity Graph yang
telah Diberi Bobot
Perhitungan Hub &
Authority
10 URL dengan Nilai
Authority Tertinggi
Gambar 3. Mekanisme Pemberian Bobot dan Perhitungan Hub dan Authority
D. Perhitungan Hub dan Authority
Sebagai langkah terakhir, setelah pemberian bobot, dilakukan perhitungan hub dan
authority untuk melakukan ranking pada URL yang ada pada graph. Untuk melakukan
perhitungan hub dan authority pada graph digunakan algoritma Imp.
Algoritma Imp merupakan perkembangan dari algoritma HITS yang diperkenalkan oleh
Kleinberg. Algoritma Imp memperhitungkan bobot edge yang dimiliki oleh suatu node pada
graph. Pada Algoritma 1 ditunjukkan mekanisme perhitungan hub dan authority untuk sebuah
vicinity graph.
Algoritma 1. Algoritma Imp
1:
Inisialisasi semua elemen dari vektor hub H menjadi 1
2:
Inisialisasi semua elemen dari vektor authority A menjadi 1
3:
WHILE vektor H dan A tidak konvergen
4:
FOR semua node n pada Vicinity Graph N
A[n] : ( n' ,n )edge( N ) H [n ' ]
xauthority _ weight (n ' , n)
5:
FOR semua n pada N
H [n] : ( n' ,n )edge( N ) A[n ' ]
xhub _ weight (n ' , n)
6:
7:
Normalisasi vektor H dan A
EXIT
ALGORITMA COCITATION
Algoritma Cocitation merupakan alternatif yang dapat digunakan untuk mencari halaman
web yang terkait. Algoritma ini cukup sederhana bila dibandingkan dengan algoritma Companion.
URL
URL Database
Kumpulan URL dari Query
Pembentukan Kumpulan
Sibling (S)
Kumpulan Sibling (S)
Perhitungan Degree of
Cocitation
10 URL dengan Nilai Degree of
Cocitation Tertinggi
Gambar 4. Mekanisme Algoritma Cocitation
Pada algoritma ini diberikan input berupa URL, kemudian input tersebut akan diberikan
oleh sistem kepada database sebagai query dan hasil dari query tersebut akan digunakan untuk
membentuk graph yang berisi kumpulan sibling dari URL input. Setelah selesai membentuk
kumpulan sibling maka proses penghapusan node yang kembar pada algoritma Companion
dapat dipakai agar kumpulan sibling dapat difilter lagi sehingga nantinya perhitungan yang
dilakukan lebih valid.
Algoritma Cocitation pertama-tama memilih sejumlah B parents dari u secara acak.
Kemudian dimulai dengan membentuk kumpulan S yang kosong, dan untuk semua node (p)
pada P dipilih sejumlah K link dari p dan ditambahkan pada kumpulan S sehingga mengelilingi
link u pada p. Elemen dari S merupakan siblings dari u. Untuk setiap node s pada S, ditentukan
degree of cocitation dari s dengan u. Berikut adalah urutan algoritma Cocitation.
Algoritma 2. Algoritma Cocitation
1:
Cari sejumlah B parent dari u(P) secara acak
2:
Mulai dengan kumpulan S kosong,
3:
FOR semua node (p) yang terdapat pada P do :
4:
Pilih sejumlah K link dari p dan tambahkan pada S (sejumlah K link dipilih
5:
6:
sehingga mengelilingi link u pada p)
Node yang terdapat pada S merupakan siblings dari u
FOR setiap node s pada S
Hitung degree of cocitation=jumlah parent yang umum antara s dan p pada P
Kumpulan
Sibling
Gambar 5. Kumpulan Sibling
Proses pembentukan kumpulan sibling dari URL input hampir sama dengan proses
pencarian inlink yang terhubung dengan URL input, yang kemudian dari inlink tersebut akan
dicari outlinknya yang merupakan sibling dari URL input. Suatu URL disebut sebagai sibling dari
URL u apabila URL tersebut terletak mengelilingi URL u. Setelah kumpulan sibling terbentuk
maka akan dihitung nilai degree of cocitation untuk setiap sibling pada S dengan menggunakan
parent dari node u sebagai acuan.
UJICOBA
Implementasi untuk keseluruhan uji coba dilakukan dengan menggunakan bahasa
pemrograman Java. Ujicoba yang digunakan menggunakan bantuan search engine Google,
dimana Google juga memiliki fasilitas untuk mencari halaman web yang terkait dengan URL yang
diberikan. Untuk menggunakan fasilitas Google tersebut, query input harus menggunakan
keyword tertentu, yaitu dengan format “related:nama URL”, dimana pada penggunaan query ini
tidak boleh ada spasi diantara keyword “related:” dengan nama URL yang diberikan. Pada
ujicoba, hasil yang diberikan oleh Google akan dianggap sebagai acuan hasil yang relevan. Akan
dibandingkan 20 hasil dari Google dengan 20 hasil dari kedua algoritma tersebut. Ujicoba
dilakukan pada 16 URL yang dipilih; 8 website dipilih dari Indonesia, sedangkan 8 lainnya dari
luar Indonesia (Tabel 1).
Meskipun percobaan dilakukan untuk 16 URL website seperti yang ditunjukkan pada
tabel 1, penjelasan pada uji coba ini hanya menggunakan 4 (empat) website, dua dari Indonesia
dan dua lainnya darui luar Indonesia. Namun demikian kesimpulan yang diberikan pada akhir
tulisan ini menunjuk kepada hasil uji coba dari 16 website.
Berikut adalah hasil ujicoba algoritma Companion dan Cocitation untuk beberapa URL
input. Untuk setiap grafik Recall/Precision yang disertakan pada setiap URL yang dipakai, garis
berwarna merah menandakan hasil algoritma Cocitation sedangkan garis hitam menandakan
hasil algoritma Companion.
Tabel 1. Daftar URL yang Digunakan untuk Uji Coba
No
URL
1
www.jawapos.co.id
2
www.bii.co.id
3
www.telkom.co.id
4
www.glodokshop.com
5
www.its.ac.id
6
www.idola.net.id
7
www.bes.co.id
8
www.merpati.com
9
www.greeting-cards.com
10
www.mountelizabeth.com.sg
11
www.gecube.com.tw
12
www.hardcoreware.net
13
www.batman.com
14
www.pennzoil.com
15
www.my-etrust.com
16
www.philipmorris.com
www.bii.co.id
Pada percobaan dengan algoritma Companion, node yang terbentuk sebanyak 275 node
dan edge yang terbentuk sebanyak 377 edge. Terdapat 53 inlink yang menunjuk URL ini.
Pada query ini, algoritma Companion memiliki nilai presisi 0.5. Dari 20 URL yang
dihasilkan, ada 10 URL yang sama dengan hasil dari Google.
Pada algoritma Cocitation, node yang terbentuk sebanyak 275 node dan edge yang
terbentuk sebanyak 377 edge. Nilai presisi Algoritma Cocitation untuk query ini secara
keseluruhan adalah 0.5.
Secara keseluruhan, algoritma Companion dan Cocitation memiliki nilai presisi yang
sama, yaitu 0.5. Dari 10 URL yang dihasilkan oleh algoritma Companion, semuanya
sama dengan yang dihasilkan algoritma Cocitation.
Tabel 2. Hasil Algoritma Companion dan Cocitation yang sama dengan Hasil Pencarian
Search Engine Google untuk URL www.bii.co.id
Companion
Cocitation
www.bii.co.id
www.bii.co.id
www.bni.co.id
www.bni.co.id
www.btn.co.id
www.btn.co.id
www.bri.co.id
www.bri.co.id
www.klikbca.com
www.klikbca.com
www.bi.go.id
www.bi.go.id
www.lippobank.co.id
www.lippobank.co.id
www.bankniaga.com
www.bankniaga.com
www.danamon.co.id
www.danamon.co.id
www.bankmandiri.co.id
www.bankmandiri.co.id
0.9
0.8
0.7
Companion
0.6
Cocitaiton
0.5
0.4
0.3
0.2
0.1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Gambar 6. Recall/Precision untuk URL www.bii.co.id
www.jawapos.co.id
Pada percobaan algoritma Companion untuk URL www.jawapos.co.id, node yang
terbentuk sebanyak 456 node dan edge yang terbentuk sebanyak 903 edge.
Sedangkan pada algoritma Cocitation, dengan URL input yang sama, jumlah node yang
terbentuk sebanyak 450 node dan edge yang terbentuk sebanyak 898 edge.
Pada query ini, algoritma Companion memiliki nilai presisi 0.55 sedangkan algoritma
Cocitation 0.5. Terdapat 11 URL hasil algoritma Companion yang sama dengan yang
dihasilkan Google, sedangkan pada algoritma Cocitation hanya ada 10 URL yang sama.
Tabel 3. Hasil Algoritma Companion dan Cocitation yang sama dengan Hasil Pencarian
Search Engine Google untuk URL www.jawapos.co.id
Companion
Cocitation
www.jawapos.co.id
www.jawapos.co.id
www.kompas.com
www.kompas.com
www.kaltimpost.web.id
www.kaltimpost.web.id
www.republika.co.id
www.republika.co.id
www.mediaindo.co.id
www.mediaindo.co.id
www.thejakartapost.com
www.thejakartapost.com
www.suarapembaruan.com
www.suarapembaruan.com
www.bisnis.com
www.suaramerdeka.com
www.suaramerdeka.com
www.bisnis.com
www.tempo.co.id
www.pontianakpost.com
www.kontan-online.com
0.6
0.5
Companion
0.4
Cocitaiton
0.3
0.2
0.1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Gambar 7. Recall/Precision untuk URL www.jawapos.co.id
www.greeting-cards.com
Pada percobaan dengan algoritma Companion, node yang terbentuk sebanyak 760 node
dan edge yang terbentuk sebanyak 1038 edge.
Pada algoritma Cocitation, jumlah node yang terbentuk sebanyak 755 node dan edge
yang terbentuk sebanyak 1018 edge.
Pada query ini, kedua algoritma memiliki nilai presisi 0.55 untuk algoritma Companion
dan 0.5 untuk algoritma Cocitation. Hasil dari algoritma Companion ada 11 URL yang
sama dengan Google sedangkan pada algoritma Cocitation ada 10 URL yang sama
dengan Google.
Tabel 4. Hasil Algoritma Companion dan Cocitation yang sama dengan Hasil Pencarian
Search Engine Google untuk URL www.greeting-cards.com
Companion
Cocitation
www.greeting-cards.com
www.greeting-cards.com
www.123greetings.com
www.123greetings.com
www.bluemountain.com
www.bluemountain.com
www.e-cards.com
www.egreetings.com
www.egreetings.com
www.e-cards.com
www.regards.com
www.hallmark.com
www.hallmark.com
www.regards.com
www.americangreetings.com
www.cardmaster.com
www.cardmaster.com
www.americangreetings.com
www.ohmygoodness.com
0.9
0.8
0.7
Companion
0.6
Cocitaiton
0.5
0.4
0.3
0.2
0.1
0
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
1
Gambar 8. Recall/Precision untuk URL www.greeting-cards.com
www.pennzoil.com
Pada percobaan dengan algoritma Companion, node yang terbentuk 610 node dan edge
yang terbentuk 786 edge.
Pada algoritma Cocitation untuk URL www.pennzoil.com, jumlah node yang terbentuk
sebanyak 600 node dan edge yang terbentuk sebanyak 776 edge.
Pada query ini, kedua algoritma memiliki nilai presisi 0.4. Dari hasil dari algoritma
Companion dan Cocitation, ada 8 URL yang sama dengan Google.
Tabel 5. Hasil Algoritma Companion dan Cocitation yang sama dengan Hasil Pencarian
Search Engine Google untuk URL www.pennzoil.com
Companion
Cocitation
www.pennzoil.com
www.pennzoil.com
www.valvoline.com
www.valvoline.com
www.mobil.com
www.mobil.com
www.quakerstate.com
www.quakerstate.com
www.redlineoil.com
www.redlineoil.com
www.shellus.com
www.shellus.com
www.shell-lubricants.com
www.shell-lubricants.com
www.petrobras.com.br
www.petrobras.com.br
0.7
0.6
Companion
0.5
Cocitaiton
0.4
0.3
0.2
0.1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Gambar 9. Recall/Precision untuk URL www.pennzoil.com
KESIMPULAN
Dari hasil ujicoba yang telah dilakukan melalui 16 website yang disebutkan pada tabel 1,
dapat diberikan beberapa kesimpulan sebagai berikut:
1. Proses pengambilan URL sebagai node child pada graph ikut mendukung tercapainya
hasil yang diharapkan, dimana proses pengambilan ini dilakukan dengan memilih node
child yang berada sekitar URL input. Kebanyakan susunan halaman web
mengelompokkan link halaman yang saling terkait secara berurutan.
2. Proses eliminasi node yang kembar dan penggantiannya dengan satu node gabungan
pada proses pembentukan graph dapat meningkatkan precision pada algoritma
Companion untuk menghindari output yang sama muncul beberapa kali.
3. Pada algoritma Companion, pemberian bobot edge dengan mempertimbangkan host
suatu URL dan menggunakannya pada perhitungan hub dan authority membuat
algoritma ini bekerja lebih baik dari algoritma Cocitation pada graph dengan struktur node
yang memiliki banyak host yang sama. Hal ini dapat menghindari dominasi suatu host
pada ranking yang dihasilkan.
4. Dari hasil pengamatan ujicoba, nilai presisi algoritma Companion lebih baik dibandingkan
dengan algoritma Cocitation. Namun algoritma Cocitation dapat dijadikan sebagai salah
satu alternatif karena memiliki proses yang cukup cepat jika dibandingkan dengan
algoritma Companion dan presisinya juga cukup baik.
5. Penggunakan link analisis dapat menjadi pertimbangan sebagai alternatif untuk mencari
halaman web yang terkait, dengan melihat waktu yang dibutuhkan untuk proses eksekusi
lebih cepat.
DAFTAR PUSTAKA
Bharat, Krishna, dan Henzinger, Monika R., 1998, Improved Algorithms for Topic Distillation in
st
Hyperlinked Environments, Proceeding of the 21 ACM SIGIR Conference on Research
and Development in Information Retrieval, http://gatekeeper.dec.com/pub/DEC/SRC/
publications/monika/sigir98.pdf.
Brin, Sergei, dan Page, Lawrence, 1998, The Anatomy of a Large-Scale Hypertextual Web
Search Engine, http://www.site.uottawa.ca/~stan/csi5389/readings/google.pdf.
Chakrabarti, Soumen, 2003, Mining the Web: Discovering Knowledge from Hypertext Data,
Morgan-Kaufmann Publisher, San Francisco-CA, USA.
Dean, Jeffrey, dan Henzinger, Monika R., 1999, Finding Related Pages in the World Wide Web,
Compact Western Research Laboratory, http://www.unizh.ch/home/mazzo/reports/
www8conf/2148/pdf/pd1.pdf .
Deo, Narsingh, dan Gupta, Pankaj, 2001, World Wide Web: A Graph-Theoretic Perspective,
School of Computer Science, University of Central Florida, http://cui.unige.ch/tcs/course/
algoweb/Documents/lecturenotes.pdf.
Kleinberg, Jon M., 1998, Authoritative Sources in a Hyperlinked Environment, Proceeding of the
ACM-SIAM Symposium of Discrete Algorithms, http://www.cs.cornell.edu/home/kleinber/
auth.pdf .
Wan, Xiaomeng, 2004, Link-Based Search For Similar Pages on The Web, Master of Computer
Science Thesis, Faculty of Computer Science, Dalhousie University, Halifax Nova Scatia,
http://www.cs.dal.ca/~xwan/ thesis/Thesis.pdf.