2.1. Search Engine - Focused Crawler Untuk Mengoptimalkan Pencarian Jurnal Menggunakan Metode Porter Stemmer

BAB 2 TINJAUAN PUSTAKA Pada bab ini akan dibahas tinjauan pustaka untuk mendukung penulisan skripsi ini. Teori yang dibahas yaitu mengenai search engine, focused crawler, stemming, Porter

  stemmer, bahasa pemrograman PHP dan databaseMySQL dan beberapa subpokok pembahasan lainnya yang menjadi landasan teori pada skripsi ini.

  Semua dasar teori dalam tinjauan pustaka ini, diambil dari buku, jurnal, laporan dan internet.

2.1. Search Engine

  

Search engine (mesin pencari)merupakan fasilitas yang digunakan untuk

mengeksplorasi berbagai data, informasi, dan pengetahuan yang ada di internet.

Search engine adalah sebuah program yang dapat diakses melalui internet yang

  berfungsi untuk membantu pengguna komputer dalam mencari berbagai hal yang ingin diketahuinya (Indrajit R.E. et al.). TheAmerican Heritage Dictionary mendefinisikan search engine sebagai sebuah program perangkat lunak (software) yang menelusur, menjaring, dan menampilkan informasi dari pangkalan data.

  2.1.1. Sejarah search engine

Search engine pertama kali diciptakan pada tahun 1990 oleh Emtage mahasiswa

  Universitas McGill di Montreal Canada. Dia menciptakan alat bantu untuk melakukan pencarian bernama Archie.Aplikasi berguna untuk mencari file saja.

Gambar 2.2 Hasil pencarian dari Archie (Sumber: archie.icm.edu.pl)

  Pada tahun 1991, Mark McCahilldari Universitas Minnesota menemukan

  

search engine yang lebih canggih.Aplikasi ini bernama Gopher dan berguna untuk

  mencari teks di internet.Gopher mengindeks dokumen teks yang akhirnya berkembang menjadi dunia website atau www. Kemudian diciptakan sebuah program bernama Veronica singkatan dari software bernama Very Easy Rodent Oriented Net-

  

wide Index to Computerized Archieves. Setelah Veronica, diciptakan website yang

  disebut Jungheadyang merupakan singkatan dari

  Jony’z Universal Gopher Hierarchy

Excavation and Display yang merupakan software untuk mencari teks yang tersimpan

  di sistem indeks dari Gopher.

  Tahun 1993, munculsearch engine baru bernama wandex yang dikembangkan oleh Matthew Gray.Wandex bekerja dengan cara mengindeks dan mencari index dari halaman. Semenjak saat itu muncul search engine seperti Excite, Yahoo!, Google,Lycos , Ask.com dan yang lainnya (Wahana Komputer, 2009).

2.1.2. Prinsip umum search engine

  Prinsip umum dari search engine (Febrian, 2007), yaitu: 1.

   Spider Spider mirip dengan browser.Perbedaannya, browser menampilkan secara

  langsung informasi yang ada untuk kebutuhan manusia.Spidermemiliki kegunaanuntuk mesin bukan untuk manusia. Spider berfungsi mengambil halaman yang dikunjungi untuk disimpan ke dalam database yang dimiliki oleh search engine .

  2. Crawler Crawler merupakan program yang dimiliki oleh search engine untuk melacak dan

  menemukan link yang terdapat dari setiap halaman yang ditemuinya. Crawler berfungsi untuk menentukan spider harus pergi kemana dan mengevaluasi link berdasarkan alamat yang ditentukan dari awal.

  3. Indexer Indexer berfungsi untuk melakukan aktivitas untuk menguraikan masing-masing

  halaman dan meneliti berbagai unsur seperti teks, header, struktur, atau fitur dari gaya penulisan, tag HTML khusus, dan yang lainnya.

  4. Database Database merupakan tempat standar untuk menyimpan data-data dari halaman

  yang telah dikunjungi, diunduh dan sudah dianalisis.

  5. Result Engine Result engine merupakan mesin yang melakukan penggolongan dan penentuan

  peringkat dari hasil pencarian pada search engine. Result engine berfungsi untuk menentukan halaman mana yang menemui kriteria terbaik dari hasil pencarian berdasarkan permintaan penggunaannya dan bagaimana bentuk penampilan yang akan ditampilkan.

  6. Web Server merupakan komputer yang melayani permintaan dan memberikan

  Web Server

  respon balik dari permintaan tersebut. Web Server menghasilkan informasi atau dokumen dalam format HTML.

2.1.3. Cara kerja search engine

  Pencarian oleh Search engine dilakukan dalam database yang menyimpan text dari masing-masing halaman.Text dari halaman demi halaman disimpan ke dalam server

  

database .Ketika melakukan pencarian, search engineakan melakukan pencarian

  salinan halaman yang disimpan pada database yang berisi salinan halaman pada saat terakhir dikunjungi. Ketika link yang disediakan diklik maka alamat akan diberikan dari serversearch engine. Database yang ada pada search engine dipilih dan dijaring oleh program robot yang disebut spider.

  Untuk menentukan halaman potensial, mereka mengacu pada link yang terdapat pada halaman yang telah disimpan di dalam database. Jika suatu halaman

  

web tidak pernah di-link dari halaman lainnya, maka spider dari search engine tidak

  akan menemukan halaman tersebut. Mereka hanya memantau dari database yang dimiliki.Seperti pada Gambar 2.3.

Gambar 2.3 Arsitektur Search Engine (Falani, 2010) 2.1.4.

   Sifat search engine

  Ditinjau dari mekanisme kerjanya, search engine dibagi menjadi 3 tipe (Wahana Komputer, 2009), yaitu: 1.

  Search Engine Bersifat Crawler

  Google menggunakan software agen otomatis yang disebut crawler untuk

  mengunjungi website, membaca, dan mengindeks website tersebut.Semua informasi yang dikumpulkan oleh crawler akandisimpan di lokasi terpusat.Crawlerakan mengunjungi website berulang kali secara periodik dengan periode yang ditentukan oleh administratorsearch engine.

  2. Search Engine dengan Campur Tangan Manusia

  Search engine ini mengindeks dengan cara campur tangan manusia. Dimana,

  pemilik situs mengirimkan data yang akan diindeks dan setelah diindeks akan ditampilkan sebagai hasil pencarian. Contoh: Yahoo!.

  3. Search Engine Hibrida Merupakan metoda campuran antara search engine bertenaga mesin dan bertenaga manusia. Dimana, pemilik website dapat mengirimkan datanya ke

  search engine untuk ditampilkan ke search engine namun search engine juga mengirimkan crawler untuk mengindeks website. Dengan menggunakan campur tangan manusia maka search engine bisa menghindari spammer.

2.1.5. Algoritma umum dalam search engine Algoritma menentukan bagaimana prosedur pengambilan data dan pengumpulannya.

  Algoritma umum yang dipakai oleh search engine (Wahana Komputer, 2009), yaitu: 1.

  Pencarian List Algoritma yang melakukan pencarian dengan cara mencari satu kunci, dan pencarian dilakukan secara linier. Kekurangan dari algoritma ini yaitu sangat lama karena pencariannya yang linier.Kelebihannya yaitu hasilnya sedikit sehingga lebih tersaring yang benar-benar relevan terhadap hasil pencarian.

  2. Pencarian Tree Algoritma ini mencari data dari dataset yang paling luas kemudian menyempit hingga sampai ke bagian yang lebih detail.Satu dataset bisa memiliki cabang yang lebih kecil dan menyempit.Pencarian tree lebih bagus hasilnya dari pencarian list.Kekuranganya yaitu pencariannya bertingkat sehingga untuk bisa melakukan pencarian harus dari akar, batang, dan ranting sesuai dengan ranking yang dimiliki dataset.

  3. Pencarian SQL Pencarian SQL menggunakana databasestructured query language yang memungkinkan data untuk diambil secara tidak linier. Data langsung bisa diambil dari subset dari keseluruhan dataset yang ada.

  4. Pencarian Informed Algoritma ini bertujuan mencari jawaban yang spesifik dari dataset. Pencarian ini tidak selalu jadi solusi terbaik karena umumnya yang dicari oleh pengunjung

  search engine adalah jawaban dari pencarian.

  5. Pencarian Adversarial Algoritma yang mencari semua solusi dari masalah. Algoritma ini kurang efektif untuk pencarian web karena jumlah solusinya akan sangat banyak di www sehingga boros sumber daya yang ada.

  6. Pencarian Berdasar Batasan Dengan algoritma ini, search engine akan memasang batasan-batasan dimana hasil yang diambil adalah yang memenuhi batasan-batasan yang ada.

2.2. Focused Crawler

  Pada tahun 1999, Soumen Chakrabarti memperkenalkan focused crawler. Focused

  

crawler berfungsi untuk menelusuri link yang mengarah pada page target dan

  berusaha semaksimal mungkin menghindari link yang tidak mengarah padapagetarget (Maimunah & Kuspriyanto, 2008). Focused crawler adalah teknik untuk mengunduhurldan konten dari halaman web. Pada penelitian ini url dan konten yang sudah diunduh akan secara otomatis masuk ke dalam database.

  Setelah selesai proses crawling,focused crawler juga akan menghitung bobot dan relevansi. Relevansi yang didapat akan menentukan jurnal terkait masing-masing jurnal. Hal tersebut akan menghemat penggunaan waktu dan sumber daya ketika melakukan pencarian jurnal. Apabila dalam suatu halaman web terdapat kata yang sesuai dengan kata kunci, maka halaman dianggap memiliki kecocokan dengan apa yang dicari oleh user (Sulastri & Zuliarso, 2010).

  Seed URL Internet

  

URL Web Page Irrelevant

Queue Downloader Table

Parser & Extractor

  Relevance Topic Spesific Relevant Page Calculator Weight Table Database

  Irrelevant Relevant Topic Filter

Gambar 2.4 Arsitektur Focused Crawler (Pal Anshika et al., 2009) Keterangan : 1.

  SeedURLs dan URL Queue

  Seed URLs (bibit URL) akan dimasukkan ke dalam antrian URL yang disebut URLQueue . Dalam antrian (URL Queue) akan dilakukan proses pengurutan

  berdasakan nilai link tertinggi pada URL yang didapat. URLakan dihapus jika proses crawling selesai. Proses ini berlanjut hingga URL dan URL Queue kosong.

  2. Web Page Downloader Halaman yang ada pada URL Queue akan diunduh olehweb page downloader melalui internet. Halaman tersebut akan disimpan sementara di dalam cache.

  3. Parser dan Extractor Halaman yang tersimpan dalam cache akan mengalami proses penguraian (parser) yaitu penghapusan tag html. Setelah itu dilakukan proses penghilangan imbuhan bentuk kata dasar oleh Porter Stemmer. Kata yang memiliki kata dasar yang sama kan digabungkan.

  4. Topic Spesific Weight Table

  Topic Spesific Weight Table berfungsi sebagai pembanding untuk mendapatkan

  relevansi suatu halaman.Rumus menghitung bobot stem untuk mendapatkan

  Topic Spesific Weight Table yaitu: w (weight) = Bobot keyword wi = Bobot dari stem wmax = Nilai tertinggi dari bobot stem

  5. Relevance Calculator Rumus untuk menghitung relevansi suatu halaman, yaitu:

  √ √ Keterangan :

  6. Topic Filter Jika suatu halaman relevant, maka akan dimasukkan ke dalam relevant page database. Jika tidak relevant maka akan masuk ke dalam irrelevant table.

  7. Relevant Page Database

  Relevant Page Database berisi halaman URL yang relevant. Halaman yang relevant akan dimasukkan ke dalam URLqueue.Bobot atau nilai dari URL yaitu

  nilai dari relevansi halaman tersebut.

  8. Irrelevant Table Jika suatu halaman tidak relevant, maka akan dimasukkan ke dalam irrelevant

  table . Halaman yang tidak memiliki relevansi pada irrelevant table tidak akan melakukan proses crawling lagi.

2.3. Algoritma Porter Stemmer

  Stemming adalah proses menghapus variasi kata untuk mendapatkan kata dasar yang

  mengacu pada morfologi kata. Stemming khusus bahasa Inggris ditemukan oleh Martin Porter pada tahun 1980.

  Algoritma Porter stemmer adalah proses penghilangan akhiran morphological dan inflexional yang umumnya terdapat dalam bahasa Ingris (Porter, 1980). Algoritma ini mencari kata dasar dari suatu kata yang berimbuhan dengan membuang imbuhan- imbuhan (akhiran) pada kata-kata bahasa Inggris karena bahasa Inggris tidak mengenal awalan.

  Kondisi stem (akar kata) pada algoritma Porterstemmer: 1. Ukuran (measure), dinotasikan dengan m, dari sebuah stem berdasarkan pada urutan vokal-konsonan. m = 0, contoh : TR, EE, TREE, Y, BY m = 1, contoh : TROUBLE, OATS, TREES, IVY

  2.

• <X>berarti stem berakhir dengan huruf X 3.
• v*berarti stem mengandung sebuah vokal 4.
• d berarti stem diakhiri dengan konsonan double 5.
• o berarti stem diakhiri dengan konsonan – vokal – konsonan secara berurutan dimana konsonan akhir bukan w, x, atau y.

  Pada sebagian kondisi mungkin juga terdapat ekspresi dengan, and, or and

  not , seperti: 1.

  (m>1 and (*S or *T)) Pada bagian m>1 dengan berakhir di s atau t.

  2.

  (*d and not (*L or *S or *Z))stem diakhiri dengan konsonan double, tidak akhiran L atau S atau Z Aturan-aturan dalam proses stemming pada algoritma

  Porterstemmer 1.

  Langkah 1  Langkah 1a: remove plural suffixation, yaitu mengganti atau menghapus akhiran kata berbentuk jamak hingga mendapatkan stem.

Tabel 2.1 Aturan Stemming Step 1a(http://tartarus.org/martin/PorterStemmer/def.txt) Conditions Suffix Replacement Examples

  NULL SSES SS caresses  caress NULL

  IES I ponies  poni

  ties  ti

  NULL SS SS caress  caress NULL S NULL cats  cat

   Langkah 1b: remove verbal inflection. Jika kata mengandung huruf vokal- konsonan berurutan, maka akhiran -eed berubah -ee. Pada akhiran -ed dan -

  

ing, kata tidak akan mengalami perubahan jika kata tersebut hanya memiliki

  satu huruf vokal, dan jika lebih dari satu huruf vokal, akhiran -ed dan -ing akan dihapus.

Tabel 2.2 Aturan Stemming Step 1b(http://tartarus.org/martin/PorterStemmer/def.txt)

  Conditions Suffix Replacement Examples

  (m>0) EED EE feed  feed

  agreed  agree

   plaster (*v*) ED NULL plastered

  bled  bled

  (*v*)

  ING NULL motoring  motor

  singing  sing Continued for -ed and -ing rules, merupakan tahap selanjutnya pada akhiran - ed dan -ing. Kata yang diakhiri oleh double konsonan (tidak berakhir oleh huruf l, s, z) maka kata tersebut akan diganti dengan satu huruf konsonan saja.

  Suatu kata akan ditambahkan e, jika kata diakhiri oleh huruf konsonan-vokal- konsonan secara berurutan (konsonan akhir bukan w ,x, y) dan hanya memiliki satu urutan vokal-konsonan didalamnya.

Tabel 2.3 Continued for

• –ed and –ing

  rules

  Conditions Suffix Replacement Examples

  NULL AT ATE conflate(ed)  conflate NULL BL BLE trouble(ed)  trouble NULL

  IZ

  IZE size(ed)  size  hop

  (*d* and not (*L or *S or NULL Single letter hopp(ing)

• Z))

  tann(ed)  tan fall(ing)  fall hiss(ing)  hiss fizz(ed)  fizz

  (m=1 and *o) NULL E fail(ing)  fail

  fil(ing)  file

   Langkah 1c: -y dan -i, jika dalam sebuah kata terdapat huruf vokal, maka akhiran y diganti dengan -i.

Tabel 2.4 Aturan Stemming Step 1c(http://tartarus.org/martin/PorterStemmer/def.txt) Conditions Suffix Replacement Examples

   happi (*v*) Y I happy

  sky  sky 2.

  Langkah 2: peel one suffix off for multiple suffixes yaitu sebuah kata memiliki sebuah huruf vokal-konsonan secara berurutan.

Tabel 2.5 Aturan Stemming Step 2

  

  Conditions Suffix Replacement Examples

  (m>0) ATIONAL ATE relational  relate (m>0) TIONAL TION conditional  condition

  rational  rational

  (m>0) ENCI ENCE valenci  valence (m>0) ANCI ANCE hesitanci  hesitance (m>0)

  IZER

  IZE  digitize

  digitizer

  (m>0) ABLI ABLE conformabli  conformable (m>0) ALLI AL radicalli  radical (m>0) ENTLI ENT differentli  different (m>0) ELI E vileli  vile (m>0) OUSLI OUS  analogous

  analogousli

  (m>0)

  IXATION

  IZE vietnamization  vietnamize (m>0) ATION ATE predication  predicate (m>0) ATOR ATE operator  operate (m>0) ALISM AL feudalism  feudal (m>0)

  IVENESS

  IVE  decisive

  decisiveness

  (m>0) FULNESS FUL hopefulness  hopeful (m>0) OUSNESS OUS callousness  callous (m>0) ALITI AL formaliti  formal

   sensitive (m>0)

  IVITI

  IVE sensitiviti (m>0) BILITI BLE sensibiliti  sensible 3.

  Langkah 3:kata yang memiliki akhiran -icate, -icitii atau -ical akan diubah menjadi -ic, kata berakhiran-ative, -ful, -ness akan dihapus, dan kata berakhiran -

  alize akan menjadi -al. Dimana, kata tersebut harus memiliki sebuah vokal- konsonan secara berurutan.

  ITI NULL angulariti  angular

  revival

  (m>1) ATE NULL activate  active (m>1)

  Conditions Suffix Replacement Examples

  

Tabel 2.7 Aturan Stemming Step 4 (lanjutan)

  ISM NULL communism  commun (m>1) OU NULL homologous  homolog

  ION NULL adoption  adopt (m>1)

   irrit (m>1) EMENT NULL replacement  replac (m>1) MENT NULL adjustment  adjust (m>1) ENT NULL dependent  depend (m>1 and (*S or

  IBLE NULL defensible  defens (m>1) ANT NULL irritant

   adjust (m>1)

  adjustable

  IC NULL gyroscopic gyroscop (m>1) ABLE NULL

   reviv (m>1) ANCE NULL allowance  allow (m>1) ENCE NULL inference  infer (m>1) ER NULL airliner  airlin (m>1)

  (m>1) AL NULL

Tabel 2.6 Aturan Stemming Step

  Conditions Suffix Replacement Examples

  

Tabel 2.7 Aturan Stemming Step 4

  Langkah 4: delete last suffix. Sebuah akhiran akan dihapus jika kata tersebut memiliki dua huruf vokal-konsonan secara berurutan.

  IC electrical  electric (m>0) FULL NULL hopeful  hope (m>0) NESS NULL goodness  good 4.

  ICAL

  IC electriciti  electric (m>0)

  ICITI

   formal (m>0)

  IC triplicate  triplic (m>0) ATIVE NULL formative  form (m>0) ALIZE AL formalize

  ICATE

  (m>0)

  3 Conditions Suffix Replacement Examples

• T))

  (m>1) OUS NULL homologous  homolog (m>1)

  IVE NULL  effect

  effective

  (m>1)

  IZE NULL bowdlerize  bowdler 5. Langkah 5 :

   Langkah 5a: remove e. Akhiran –eakan dihapus jika kata tersebut memiliki dua vokal-konsonan berurutan (konsonan akhir tidak w, x, y) dan tidak diakhiri konsonan-vokal-konsonan secara berurutan.

Tabel 2.8 Aturan Stemming Step 5a

  

  Conditions Suffix Replacement Examples

  (m>1) E NULL probate  probat

  rate  rate

  (m=1 and not *o) E NULL cease  ceas  Langkah 5b: reduction. Akhiran akan diganti menjadi satu huruf konsonan jika, kata memiliki sebuah vokal-konsonan berurutan dan tidak berakhir dengan double konsonan.

Tabel 2.9 Stemming Step 5b

  

  Conditions Suffix Replacement Examples

  (m>1 and *d an *L) NULL Single Letter controll  control  roll

  roll 2.4.

   Bahasa Pemrograman PHP

PHP merupakan software open sourceyang disebarkan dan dilisensikan secara gratis

  serta dapat diunduhsecara bebas dari system resminya.Penggunaan PHP memungkinakan web dapat dibuat dinamis sehingga maintenance situs web tersebut menjadi lebih mudah dan efisien (Kasiman, 2006). dapat digunakan pada semua sistem operasi, yaitu Linux, Unix, Microsoft

  PHP

Windows, Mac OS X, RISC OS.PHP juga mendukung banyak Web Server seperti

Apache, Microsoft Internet Information Server, Personal Web Server, Netscape and

iPlanet servers, Oreilly Website Pro Server, audium, dan lain sebagainya.

  

Database yang dapat didukung oleh PHP, yaitu MySQL, Adabas D, d Base, Direct

MS-SQL, Empress, FilePro, FrontBase, Hyperwave, IBM DB2, Informx dan lain

  sebagainya.

2.5. DatabaseMySQL

  

MySQL termasuk dalam kategori database management system, yaitu suatu database

  yang terstruktur dalam pengolahan dan penampilan datanya.MySQL merupakan

  

database yang bersifat client server.MySQL dapat juga dikatakan sebagai Relational

Database Management System (RDBMS) , yaitu hubungan antar tabel yang berisi data-

  data pada suatu database sehinga mempercepat pencaria suatu data.

  Kelebihan database MySQL (Sugiri dan Harris, 2008), yaitu : 1. MySQL merupakan database yang memiliki kecepatan tinggi dalam pemrosesan data, dapat diandalkan, mudah digunakan dan mudah dipelajari.

  2. MySQL mendukung banyak bahasa pemrograman seperti C, C++, Perl, Phython,

  Java dan PHP. Bahasa pemrograman tersebut dapat digunakan untuk berinteraksi maupun berkomunikasi dengan dengan MySQL server.

  3. Koneksi, kecepatan, dan keamanannya membuat MySQL sangat cocok diterapkan untuk pengaksesan database melalui internet dengan menggunakan bahasa pemrograman Perl atau PHP sebagai interfacenya.

  4. MySQL dapat menangani database dengan skala sangat besar, dengan jumlah record lebih dari 50 juta, 60 ribu tabel, dan bisa menampung 5 milyar basis data.

  5. Multiuser, yaitu dalam satu databaseserver pada MySQL dapat diakses oleh beberapa user dalam waktu yang sama tanpa mengalami konflik atau crash.

  6. MySQL merupakan software database yang bersifat free atau gratis.

2.6. Penelitian Terdahulu

  Penelitian yang telah dilakukan oleh Maimunah & Kuspriyanto (2008) yaitu

  

Reinforcement Learning dalam Proses Pembelajaran Penentuan Strategi Penelusuran

  pada Focused Crawler. Penelitian ini mengeksploitasi berbagai strategi dan

  

knowledge base yang ada untuk dapat mengoptimalkan proses penelusuran dan

  memiliki kemampuan yang lebih bagus dalam mengeksplorasi jalur-jalur menuju page yang relevan.

  Penelitian yang dilakukan oleh Pal Anshika et al. (2009) yaitu Effective

  

Focused Crawler Based on Content and Link Structure Analysis .Hasil dari penelitian

  ini yaitu pendekatan yang diteliti memiliki kinerja yang lebih baik daripada Breadth- FirstSearch (BFS) crawler.

  Focused Crawler Optimization Using Genetic Algorithm oleh Yohannes et al.

  (2011). Hasil dari penelitian ini menunjukkan bahwa Genetic Algorithm (GA) dalam proses crawling dapat melintasi ruang pencarian web yang lebih komprehensif dibandingkan focused crawler tradisional.

  Thenmalar & Geetha (2011) melakukan penelitian mengenai Concept Based

  

Focused Crawling Using Ontology. Pada penelitian ini, algoritma ontology memiliki

  kemampuan untuk memecahkan masalah utama dari proses crawling dalam menentukan relevant pages. Penggunaan dari gabungan seed concept vector untuk menentukan peringkat masing-masing dokumen.

  Implementasi Focused Crawler dengan Menggunakan Content Similarity dan

  

Link Structure Analysis oleh Herdiansyah Rendy (2012). Penelitian yang dilakukan

  yaitu mengimplementasikan focused crawler dengan menggunakan metode cosine

  

similarity , link score, dantraverse irrelevant page. Hasil dari penelitian ini

  menunjukkan bahwa focused crawlerakan mendapatkan nilai precision rate yang optimal dengan menggunakan metode traverse irrelevant page dengan kedalaman level 0.

  Agusta Ledy (2009) melakukan penelitian mengenai Perbandingan Algoritma dengan Algoritma Nazief & Andriani untuk Stemming Dokumen

  Stemming Porter

  Teks Bahasa Indonesia. Pada penelitian ini proses pembandingan algoritma Porterdengan Algoritma Nazief & Adriani dilakukan dengan membuat program sederhana yang memproses dokumen teks inputan sehingga diketahui stem, waktu proses, presisi dari hasil stemming dokumen tersebut. Hasil dari penelitian ini yaitu proses stemming dokumen teks bahasa Indonesia menggunakan Algoritma Porter membutuhkan waktu yang lebih singkat dibandingkan dengan stemming menggunakan Algoritma Nazief & Adriani, Proses stemming dokumen teks bahasa Indonesia menggunakan Algoritma Porter memiliki presentase keakuratan (presisi) lebih kecil dibandingkan dengan stemming menggunakan Algoritma Nazief & Adriani. Proses stemming menggunakan Algoritma Nazief & Adriani, kamus yang digunakan sangat mempengaruhi hasil stemming. Semakin lengkap kamus yang digunakan maka semakin akurat pula hasil stemming.

  Algoritma Porter Stemmer for bahasa Indonesia untuk Pre-ProcessingText

  2011 Thenmalar & Geetha

  Pre-ProcessingText Mining Berbasis Metode Market Basket Analysis.

  2009 Budhi et al Algoritma Porter Stemmer for bahasa Indonesia untuk

  Algoritma Nazief & Andriani untuk Stemming Dokumen Teks Bahasa Indonesia.

  2012 Agusta Ledy Perbandingan Algoritma Stemming Porter dengan

  HerdiansyahRendy Implementasi Focused Crawler dengan Menggunakan Content Similarity dan Link Structure Analysis.

  Concept Based Focused Crawling Using Ontology. 2011

  2009 Yohannes et al. Focused Crawler Optimization Using Genetic Algorithm.

  

Mining Berbasis Metode Market Basket Analysis oleh Budhi et al. (2006). Hasil dari

  2008 Pal Anshika et al. Effective Focused Crawler Based on Content and Link Structure Analysis.

  Pembelajaran Penentuan Strategi Penelusuran pada Focused Crawler.

  Reinforcement Learning dalam Proses

  Nama Penelitian Tahun Maimunah & Kuspriyanto

Tabel 2.10 Penelitian Terdahulu

  penelitian ini yaitu algoritma Porter Stemmer for Bahasa Indonesia dapat digunakan pada proses stemmer saat merubah sebuah data teks dalam bahasa Indonesia menjadi bentuk Compact Transaction. Pada penelitian ini, hasil dari proses tidak selalu benar sehingga masih diperlukan pemeriksaan manual.

  2006