Document Indexing dan Term Weighting

  Document Document

Indexing dan Term Indexing dan Term

Weighting Weighting M. Ali Fauzi M. Ali Fauzi

  Document Indexing Document Indexing  Setelah melakukan preprocessing, kita Setelah melakukan preprocessing, kita akan mendapatkan sebuah akan mendapatkan sebuah set term set term

yang bisa kita jadikan sebagai yang bisa kita jadikan sebagai indeks. indeks.

  Indeks adalah perwakilan dari Indeks adalah perwakilan dari dokumen.aa dokumen.aa

Indeks memudahkan proses selanjutnya Indeks memudahkan proses selanjutnya

dalam teks mining ataupun IR. dalam teks mining ataupun IR.

  Document Indexing Document Indexing  

  Setelah melakukan preprocessing, kita Setelah melakukan preprocessing, kita

akan mendapatkan sebuah set term akan mendapatkan sebuah set term

yang bisa kita jadikan sebagai yang bisa kita jadikan sebagai indeks. indeks.

    Indeks adalah perwakilan dari Indeks adalah perwakilan dari dokumen. dokumen.

    Indeks Indeks memudahkan proses memudahkan proses selanjutnya dalam teks mining ataupun selanjutnya dalam teks mining ataupun IR.

  IR.

  Document Indexing Document Indexing

Hasil Hasil Hasil Type Term

Token Filtering Stemming they

>are
• applied applied apply apply appl
• the
>words words word word word in >the

  Document Indexing Document Indexing Hasil Token Hasil Filtering Hasil Stemming Type Term namanya namanya nama nama nama adalah - - - -

santiago santiago santiago santiago santiago

santiago santiago santiago

• ^{- -} sudah - - - - memutusk an memutusk an putus putus putus untuk - - - - mencari mencari cari cari cari sang - - - -

  alkemis alkemis alkemis alkemis alkemis

  Document Indexing Document Indexing 

  Dalam mebuat sebuah indeks, secara Dalam mebuat sebuah indeks, secara

  umum kita umum kita tidak memperhatikan tidak memperhatikan urutan urutan kata kata

  

“John is quicker than Mary” dan “Mary is “John is quicker than Mary” dan “Mary is

quicker than John” memiliki quicker than John” memiliki representasi yang sama representasi yang sama Ini disebut bag of words model. Ini disebut bag of words model.

  Document Indexing Document Indexing 

  Dalam mebuat sebuah indeks, secara Dalam mebuat sebuah indeks, secara umum kita tidak memperhatikan umum kita tidak memperhatikan

  urutan urutan kata kata 

  “John is quicker than Mary” dan “Mary “John is quicker than Mary” dan “Mary

  is quicker than John” is quicker than John” memiliki memiliki representasi yang sama representasi yang sama Ini disebut bag of words model. Ini disebut bag of words model.

  Document Indexing Document Indexing 

  Dalam mebuat sebuah indeks, secara Dalam mebuat sebuah indeks, secara

  umum kita umum kita tidak memperhatikan tidak memperhatikan urutan urutan kata kata

  

  “John is quicker than Mary” dan “Mary “John is quicker than Mary” dan “Mary

  is quicker than John” is quicker than John” memiliki memiliki representasi yang sama representasi yang sama

   Ini disebut bag of words model. Ini disebut bag of words model.

  Document Indexing Document Indexing

Hasil Hasil Hasil Type Term

Token Filtering Stemming they
>are
• applied applied apply apply appl
• the
>words words word word word in >the

  Document Indexing Document Indexing Hasil Token Hasil Filtering Hasil Stemming Type Term namanya namanya nama nama nama adalah - - - -

santiago santiago santiago santiago santiago

santiago santiago santiago
• ^{- -} sudah - - - - memutusk an memutusk an putus putus putus untuk - - - - mencari mencari cari cari cari sang - - - -

  alkemis alkemis alkemis alkemis alkemis

  

Term Weighting Term Weighting

Teks Mining Teks Mining

  Term Weighting Term Weighting 

  Dalam mebuat sebuah indeks, setiap Dalam mebuat sebuah indeks, setiap

  kata/term kata/term memiliki bobot/nilai memiliki bobot/nilai masing-masing masing-masing

  

Ada banyak metode untuk memberikan Ada banyak metode untuk memberikan

bobot pada masing-masing term pada bobot pada masing-masing term pada indeks indeks

  Term Weighting Term Weighting 

  Dalam mebuat sebuah indeks, setiap Dalam mebuat sebuah indeks, setiap

  kata/term kata/term memiliki bobot/nilai memiliki bobot/nilai masing-masing masing-masing

  

  Ada banyak metode untuk Ada banyak metode untuk

  

memberikan bobot memberikan bobot pada masing- pada masing-

masing term pada indeks masing term pada indeks

  Term Weighting Term Weighting Term Weighting : Metode untuk Term Weighting : Metode untuk

memberikan nilai/bobot memberikan nilai/bobot pada masing- pada masing-

masing term indeks. masing term indeks.

  Term Weighting Term Weighting 

  Beberapa metode Term Weighting Beberapa metode Term Weighting

  yang popular : yang popular :  Binary Term Weighting Binary Term Weighting  (Raw) Term-frequency (Raw) Term-frequency  Logarithmic Term-frequency Logarithmic Term-frequency  TF-IDF TF-IDF

  

Binary Term

Weighting

Binary Term

Weighting

  Metode Term Weighting Metode Term Weighting

  Binary Term Weighting Binary Term Weighting 

  Masing-masing dokumen Masing-masing dokumen direpresentasikan oleh sebuah binary direpresentasikan oleh sebuah binary

  vector vector Dokumen diwakili oleh kolom, dan Dokumen diwakili oleh kolom, dan term diwakili oleh baris term diwakili oleh baris Jika kata/term berada pada dokumen Jika kata/term berada pada dokumen tertentu, maka nilainya 1, jika tidak, tertentu, maka nilainya 1, jika tidak, maka nilainya 0 maka nilainya 0

  Binary Term Weighting Binary Term Weighting 

  Masing-masing dokumen Masing-masing dokumen

  direpresentasikan oleh sebuah direpresentasikan oleh sebuah binary binary vector vector

  

  Dokumen diwakili oleh kolom, dan Dokumen diwakili oleh kolom , dan

  term term diwakili oleh baris diwakili oleh baris Jika kata/term berada pada dokumen Jika kata/term berada pada dokumen

  tertentu, maka nilainya 1, jika tidak, tertentu, maka nilainya 1, jika tidak,

  maka nilainya 0 maka nilainya 0

  Binary Term Weighting Binary Term Weighting 

  Masing-masing dokumen Masing-masing dokumen

  direpresentasikan oleh sebuah direpresentasikan oleh sebuah binary binary vector vector

  

  Dokumen diwakili oleh kolom, dan Dokumen diwakili oleh kolom , dan

  term term diwakili oleh baris diwakili oleh baris 

  Jika kata/term berada pada dokumen Jika kata/term berada pada dokumen tertentu, maka nilainya 1, jika tidak, tertentu, maka nilainya 1, jika tidak,

  maka nilainya 0 maka nilainya 0

  Binary Term Weighting Binary Term Weighting Metode term weighting ini Metode term weighting ini tidak tidak

memperhatikan jumlah kemunculan memperhatikan jumlah kemunculan

kata pada 1 dokumen. kata pada 1 dokumen.

  Binary Term Weighting Binary Term Weighting

  Misal : terdapat 6 dokumen : Antony Misal : terdapat 6 dokumen : Antony

  and Cleopatra, Julius Caesar, The and Cleopatra, Julius Caesar, The Tempest, Hamlet, Othello, dan Tempest, Hamlet, Othello, dan Macbeth Macbeth Antony, Brutus, Antony, Brutus, dan dan 7 kata/term : 7 kata/term :

Caesar, Calpurnia, Cleopatra, mercy, dan Caesar, Calpurnia, Cleopatra, mercy, dan

worser worser

  Binary Term Weighting Binary Term Weighting _Antony Antony and Cleopatra Julius Caesar The Tempest Hamlet Othello Macbeth _{1 1 1 Caesar} Brutus ₁ ¹ ₁ ¹ ₁ ¹ _{1 1 Cleopatra} Calpurnia ₁ ¹ _worser mercy ₁ ¹ ₁ ¹ ₁ ¹ ₁ ^{1 1}

  

(Raw) Term-

frequency

(Raw) Term-

frequency

  Metode Term Weighting Metode Term Weighting

  (Raw) Term-frequency (Raw) Term-frequency 

  Seperti halnya binary, hanya saja

  Seperti halnya binary, hanya saja mempertimbangkan mempertimbangkan jumlah jumlah

kemunculan kata kemunculan kata pada dokumen: pada dokumen:

count vector count vector

  Term frequency tf Term frequency tf dari term t dalam dari term t dalam _{t,d t,d}

dokumen d didefniskan sebagai jumlah dokumen d didefniskan sebagai jumlah

kemunculan term t pada dokumen d. kemunculan term t pada dokumen d.

  (Raw) Term-frequency (Raw) Term-frequency 

  Seperti halnya binary, hanya saja Seperti halnya binary, hanya saja mempertimbangkan jumlah mempertimbangkan jumlah

  kemunculan kata kemunculan kata pada dokumen: pada dokumen: count vector count vector

    Term frequency Term frequency TF TF dari term t dalam dari term t dalam _{t,d t,d} dokumen d didefniskan sebagai dokumen d didefniskan sebagai jumlah kemunculan term t pada jumlah kemunculan term t pada dokumen d. dokumen d.

  (Raw) Term-frequency (Raw) Term-frequency _{Antony 157} Antony and Cleopatra Julius Caesar The Tempest Hamlet Othello Macbeth _{73 Caesar 232 227} Brutus ^{4 157} ₂ ¹ _{1 1} Calpurnia _{Cleopatra 57} ¹⁰ _worser mercy ₂ ² ₁ ³ ₁ ⁵ ₁ ^{5 1}

  (Raw) Term-frequency (Raw) Term-frequency

   

  Term frequency Term frequency TF TF dari term t dalam dari term t dalam _{t,d t,d} dokumen d didefniskan sebagai dokumen d didefniskan sebagai jumlah kemunculan term t pada jumlah kemunculan term t pada dokumen d. dokumen d.

  _{Anthony, Antony and Cleopatra Anthony , Antony and Cleopatra} = 157 = 157

  _{Anthony Anthony, Julius Caesar , Julius Caesar} = 73 = 73 TF TF = 1 = 1 _{Mercy Mercy, Macbeth , Macbeth}

  (Raw) Term-frequency (Raw) Term-frequency 

  Raw term frequency kurang relevan: Raw term frequency kurang relevan :

  

Sebuah term yang muncul 10 kali pada Sebuah term yang muncul 10 kali pada

sebuah dokumen memang lebih penting sebuah dokumen memang lebih penting dalam mewakili dokumen dibandingkan dalam mewakili dokumen dibandingkan dengan term yang muncul cuma 1 kali. dengan term yang muncul cuma 1 kali.

   Tapi tidak berate 10 kali lebih penting. Tapi tidak berate 10 kali lebih penting.

  (Raw) Term-frequency (Raw) Term-frequency Relevance does not increase

proportionally with term frequency.

Relevance does not increase

proportionally with term frequency.

  

Log Term-frequency Log Term-frequency

Metode Term Weighting Metode Term Weighting

  Log Term-frequency Log Term-frequency 

  Log Term-frequency dari term t dalam Log Term-frequency dari term t dalam

  d adalah d adalah 1 log tf , if tf 

    _{10 t,d t,d} w _t,d 

   0, otherwise 

  0 → 0, 1 → 1, 2 → 1.3, 10 → 2, 1000 → 4, 0 → 0, 1 → 1, 2 → 1.3, 10 → 2, 1000 → 4, etc. etc.

  Log Term-frequency Log Term-frequency

  Log Term-frequency dari term t dalam d adalah 0 → 0, 1 → 1, 2 → 1.3, 10 → 2, 1000 → 4, etc.

   Log Term-frequency dari term t dalam d adalah

   0 → 0, 1 → 1, 2 → 1.3, 10 → 2, 1000 → 4, etc.

    

     0, otherwise , tf if tf log

  1 _{10 t,d t,d t,d} w

  Log Term-frequency Log Term-frequency W _tf ^Antony _{& Cleopatra} ^Julius _Caesar ^The _{Tempest Hamlet Othello} ^Macbet _{h Antony 1+ 10 log(157) 1+ 10 log(73)}

  Brutus 1+ ^{10 log(4) 1+ 10}

^{log(157) 1+}

_{Caesar 1+} ^{10 log(1)} _{10 log(232) 1+ 10}

_{log(227) 1+}

_{10 log(2) 1+ 10 log(1) 1+ 10 log(1)} Calpurnia 1+ _{Cleopatra 1+} ^{10 log(10)} _{10 log(57)} Mercy 1+ ^{10 log(2) 1+ 10 log(3) 1+ 10 log(5) 1+ 10 log(5) 1+ 10 log(1)} _{10 10 10 10}

Log Term-frequency Log Term-frequency W tf & Cleopatra Antony Caesar Tempest Julius The Hamlet Othello Macbet h Antony Brutus 1.602059991 3.195899652 3.195899652 2.86332286

  _{1 Calpurnia Caesar} 3.365487985 3.356025857 1.301029996 ₂ ^{1 1} _{Cleopatra Mercy 1.301029996 1.477121255 1.698970004 1.698970004} 2.755874856 ₁ 1.301029996 ^{1 1 1}

  

Metode Term Weighting Metode Term Weighting

  

  Nilai TF-IDF dari sebuah term adalah Nilai TF-IDF dari sebuah term adalah

  

perkalian antara nilai (Log)TF and perkalian antara nilai (Log)TF and

nilai nilai IDF-nya.

  IDF -nya.

  TF-IDF = TF x IDF TF-IDF = TF x IDF Catatan: tanda “-” dalam tf-idf adalah tanda Catatan: tanda “-” dalam tf-idf adalah tanda

hubung, bukan minus!. Alternative : TFf.IDF, hubung, bukan minus!. Alternative : TFf.IDF,

TF x IDF TF x IDF

  

  Nilai TF-IDF dari sebuah term adalah Nilai TF-IDF dari sebuah term adalah

  

perkalian perkalian antara nilai (Log)TF and antara nilai (Log)TF and

nilai nilai IDF-nya.

  IDF -nya.

  

  TF-IDF = TF x IDF TF-IDF = TF x IDF

    Catatan: tanda “-” dalam tf-idf adalah tanda Catatan: tanda “-” dalam tf-idf adalah tanda hubung, bukan minus!. Alternative : hubung, bukan minus!. Alternative : TFf.IDF, TF x IDF TFf.IDF, TF x IDF

  Apa itu IDF? IDF : Inverse Document Frequency atau Kebalikan dari Document

  Frequency

   Apa itu

  IDF ? 

  IDF : Inverse Document Frequency atau Kebalikan dari Document Frequency

  Document frequency Document frequency

   

  Document frequency Document frequency (df (df ) adalah ) adalah _{t t} jumlah dokumen jumlah dokumen yang yang mengandung mengandung term t term t df df  N  N _{t t}

  N = Jumlah Dokumen N = Jumlah Dokumen

  Document frequency Document frequency

   

  Document frequency (df Document frequency (df ) adalah ) adalah _{t t} jumlah dokumen yang jumlah dokumen yang mengandung mengandung term t term t

    df df  N  N _{t t}

  

  N = Jumlah Dokumen N = Jumlah Dokumen

  Document frequency Document frequency Antony _{& Julius The Macbet Hamlet Othello Cleopatra Caesar Tempest h} df _t

  Antony 157 _{Caesar 232 227 Brutus 4 157} ⁷³ _{1 2 1 1} ² _{5 3 Cleopatra} Calpurnia _{Mercy 57 2} ¹⁰ _{3 5 5 1 5} ¹ ₁ Worser ^{2 1 1 1 4}

  Document frequency Document frequency

  

  Document frequency (df _t ) adalah

  jumlah dokumen yang mengandung term t Rare terms adalah term memiliki nilai

  df yang kecil Frequent terms adalah term memiliki nilai df yang besar 

  Document frequency (df _t ) adalah jumlah dokumen yang mengandung term t

   Rare terms adalah term memiliki nilai df yang kecil

  Frequent terms adalah term memiliki nilai df yang besar

  Document frequency Document frequency

   

  Document frequency (df Document frequency (df ) adalah ) adalah _{t t}

  jumlah dokumen yang mengandung jumlah dokumen yang mengandung

  term t term t 

  Rare terms adalah term memiliki nilai Rare terms adalah term memiliki nilai

  df yang kecil df yang kecil 

  Frequent terms adalah term memiliki

  Frequent terms adalah term memiliki nilai df yang besar nilai df yang besar

  Inverse Document Inverse Document frequency frequency 

  Apa itu IDF? Apa itu

  IDF ? 

  IDF : Inverse Document Frequency

  IDF : Inverse Document Frequency atau Kebalikan dari Document atau Kebalikan dari Document Frequency Frequency

  Inverse Document Inverse Document frequency frequency 

  Kata-kata yang muncul di banyak Kata-kata yang muncul di banyak

  dokumen adalah kata yang ”tidak dokumen adalah kata yang ”tidak penting” penting”

  Misal kata : dan, di, atau, merupakan, Misal kata : dan, di, atau, merupakan, tinggi, bisa tinggi, bisa Sering muncul di hampir semua Sering muncul di hampir semua

  dokumena dokumena Kata-kata seperti ini kurang Kata-kata seperti ini kurang

  Inverse Document Inverse Document frequency frequency 

  Kata-kata yang muncul di banyak Kata-kata yang muncul di banyak

  

dokumen adalah kata yang ”tidak dokumen adalah kata yang ”tidak

penting” penting” 

  Misal kata : dan, di, atau, merupakan, Misal kata : dan, di, atau, merupakan,

  tinggi, bisa tinggi, bisa 

  Sering muncul di hampir semua Sering muncul di hampir semua

  dokumen dokumen Kata-kata seperti ini kurang Kata-kata seperti ini kurang

  Inverse Document frequency Inverse Document frequency

  Kata-kata yang muncul di banyak

  

dokumen adalah kata yang ”tidak

penting”

  Misal kata : dan, di, atau, merupakan, tinggi, bisa Sering muncul di hampir semua dokumen Kata-kata seperti ini kurang

  

Kata-kata yang muncul di banyak

dokumen adalah kata yang ”tidak

penting”

   Misal kata : dan, di, atau, merupakan, tinggi, bisa

   Sering muncul di hampir semua dokumen

   Kata-kata seperti ini kurang

  Inverse Document Inverse Document frequency frequency 

  Di sisi lain, kata-kata langka yang Di sisi lain, kata-kata langka yang

  hanya muncul di sedikit dokumen, hanya muncul di sedikit dokumen, lebih informatif lebih informatif

  Misal, kata Meganthropus yang hanya Misal, kata Meganthropus yang hanya muncul di dokumen sejarah, hampir muncul di dokumen sejarah, hampir tidak pernah muncul di dokumen- tidak pernah muncul di dokumen- dokumen lain seperti dokumen olahraga, dokumen lain seperti dokumen olahraga,

  ekonomi, maupun politik. ekonomi, maupun politik.

  Inverse Document Inverse Document frequency frequency 

  Di sisi lain, kata-kata langka yang Di sisi lain, kata-kata langka yang

  hanya muncul di sedikit dokumen, hanya muncul di sedikit dokumen, lebih informatif lebih informatif

  

  Misal, kata Meganthropus yang Misal, kata Meganthropus yang hanya muncul di dokumen sejarah, hanya muncul di dokumen sejarah ,

  hampir tidak pernah muncul di hampir tidak pernah muncul di dokumen-dokumen lain seperti dokumen-dokumen lain seperti dokumen olahraga, ekonomi, maupun dokumen olahraga, ekonomi, maupun

  Inverse Document frequency Inverse Document frequency

  Rare terms (Kata-kata langka yang hanya muncul di dokumen-dokumen tertentu) lebih informatif dibandingkan dengan Frequent

  terms (kata-kata yang muncul di

  banyak dokumen) Oleh karena itu, Rare terms harus memiliki bobot/nilai yang lebih besar

  

Rare terms (Kata-kata langka yang

hanya muncul di dokumen-dokumen

tertentu) lebih informatif dibandingkan dengan Frequent terms (kata-kata yang muncul di banyak dokumen)

  Oleh karena itu, Rare terms harus

memiliki bobot/nilai yang lebih besar

  Inverse Document Inverse Document frequency frequency 

  Rare terms (Kata-kata langka yang Rare terms (Kata-kata langka yang hanya muncul di dokumen-dokumen hanya muncul di dokumen-dokumen tertentu) lebih informatif tertentu) lebih informatif dibandingkan dengan Frequent dibandingkan dengan Frequent

  terms (kata-kata yang muncul di terms (kata-kata yang muncul di banyak dokumen) banyak dokumen)

  

  Oleh karena itu, Rare terms harus Oleh karena itu, Rare terms harus

  memiliki memiliki bobot/nilai yang lebih bobot/nilai yang lebih

  Inverse Document frequency Inverse Document frequency

  

  df _t

adalah ukuran kebalikan dari

  keinformatifan term t idf (inverse document frequency) dari sebuah term t didefnisikan:

   df _t

adalah ukuran kebalikan dari

keinformatifan term t

   idf (inverse document frequency) dari sebuah term t didefnisikan:

  ) /df ( log idf 10 t t

  N 

  Inverse Document Inverse Document frequency frequency idf log ( N /df )  t 10 t

   

  Digunakan log (N/df Digunakan log (N/df ) dibanding N/df ) dibanding N/df _{t t t t} untuk “mengecilkan” efek dari IDF. untuk “mengecilkan” efek dari IDF.

  Menggunakan log berbasis Menggunakan log berbasis

  berapapun tidak masalah berapapun tidak masalah

  Inverse Document frequency Inverse Document frequency

   Digunakan log (N/df _t

  ) dibanding N/df _t untuk “mengecilkan” efek dari IDF.

  Menggunakan log berbasis

  berapapun tidak masalah 

  Digunakan log (N/df _t ) dibanding N/df _t

untuk “mengecilkan” efek dari IDF.

   Menggunakan log berbasis berapapun tidak masalah

  ) /df ( log idf 10 t t

  N 

  Latihan Latihan Term df _t idf _t calpurnia

  1 animal 100 sunday

  1,000 fly 10,000 under

  100,000 the 1,000,000

  Berbeda dengan TF, sebuah term hanya Berbeda dengan TF, sebuah term hanya

  Inverse Document frequency Inverse Document frequency df _t idf _t idf _t

  Antony

  2 ¹⁰ log (6/2) 0.47712125 Brutus

  3 ¹⁰ log (6/3) 0.30103 Caesar

  5 ¹⁰ log (6/5) 0.07918125 Calpurnia

  1 ¹⁰ log (6/1) 0.77815125 Cleopatra

  1 ¹⁰ log (6/1) 0.77815125 Mercy

  5 ¹⁰ log (6/5) 0.07918125 ) /df ( log idf

  10 t t N

  

  

  Nilai TF-IDF dari sebuah term adalah Nilai TF-IDF dari sebuah term adalah

  perkalian antara nilai (Log)TF and perkalian antara nilai (Log)TF and nilai nilai IDF-nya.

  IDF -nya.

  

  TF-IDF = TF x IDF TF-IDF = TF x IDF

  Term weighting paling populer Term weighting paling populer

  Nilai TF-IDF dari sebuah term adalah

  perkalian antara nilai (Log)TF and nilai IDF-nya.

  TF-IDF = TF x IDF Term weighting paling populer

   Nilai TF-IDF dari sebuah term adalah perkalian antara nilai (Log)TF and nilai IDF -nya.

   TF-IDF = TF x IDF

   Term weighting paling populer

  

  TF-IDF = TF x IDF TF-IDF = TF x IDF

  TF

  IDF log( - 1 tf ) log ( N / df )    _{t , d} t , d 10 t Term yang sering muncul di satu Term yang sering muncul di satu dokumen dan jarang muncul pada dokumen dan jarang muncul pada dokumen lain akan mendapatkan nilai dokumen lain akan mendapatkan nilai

  tinggiaaaaaaaaa tinggiaaaaaaaaa

  

  TF-IDF = TF x IDF TF-IDF = TF x IDF

  TF

  IDF log( - 1 tf ) log ( N / df )    _{t , d} t , d 10 t 

  Term yang sering muncul di satu Term yang sering muncul di satu

  dokumen dan jarang muncul pada dokumen dan jarang muncul pada

  dokumen lain akan mendapatkan nilai dokumen lain akan mendapatkan nilai tinggi tinggi

• TF

  IDF log( 1 tf ) log ( N / df )

  

_{t , d} t , d 10 t _{Antony 1.524831652 1.366152196 TF-IDF Cleopatra Caesar Tempest} Antony & _{Julius The Hamlet Othello Macbet h Caesar 0.266483532 0.265734309 Brutus 0.482268112 0.962061659} 0.30102999 _{0.10301717 6 6 0.079181246 0.07918 Cleopatra 2.144487465} Calpurnia 1.556302501 _{Mercy 0.103017176 0.116960302 0.134526562 0.07918 0.13452656 2 Worser 0.22910001 0.176091259 0.176091259} 0.17609125

  

Variasi TF-IDF Variasi TF-IDF

Metode Term Weighting Metode Term Weighting

  

Variasi TF-IDF Variasi TF-IDF

  

Term Weighting Lain Term Weighting Lain

Metode Term Weighting Metode Term Weighting

  Term Weighting Lain Term Weighting Lain 

  Masih ada banyak Term Weighting lain Masih ada banyak Term Weighting lain

    Information Gain Information Gain

  

  Latent semantic indexing Latent semantic indexing

  

  Mutual information Mutual information

   

    Dsb. Dsb.