Manfaat mesin Pencari

Manfaat mesin pencari berbanding lurus dengan tingkat relevansi hasil-hasil yang diberikannya (lain mesin pencari lain juga hasil pencariannya). Meskipun mungkin ada jutaan laman web yang mengandung suatu kata atau frasa, sebagian laman mungkin lebih relevan, populer, atau autoritatif daripada yang lain.
Kebanyakan mesin pencari menggunakan berbagai metode untuk menentukan peringkat hasil pencarian agar mampu memberikan hasil “terbaik” lebih dahulu. Cara mesin menentukan laman mana yang paling sesuai, dan bagaimana urutan laman-laman itu diperlihatkan, sangat bervariasi. Metode-metodenya juga berubah seiring waktu dengan berubahnya penggunaan internet dan berevolusinya teknik-teknik baru.

Cara Kerja Mesin Pencari

Ketika pengguna mengunjungi situs web pencari dan memasukkan query, biasanya dengan memasukkan keyword, kemudian mesin pencari akan mencari indeks dan memberikan daftar laman web yang paling sesuai dengan kriteria, biasanya disertai ringkasan singkat mengenai judul dokumen dan terkadang sebagian teksnya. Berikut poin-poin yang dapat menjelaskan bagaimana kerja mesin pencari :

1. Mesin Pencari Web bekerja dengan cara menyimpan informasi tentang banyak laman web, yang diambil langsung dari “WWW”.

2. Laman-laman ini diambil dengan web crawler — browser web yang otomatis mengikuti setiap pranala yang dilihatnya.

3. Isi setiap laman lalu dianalisis untuk menentukan cara indexing-nya (misalnya, kata-kata diambil dari judul, subjudul, atau field khusus yang disebut meta tag).

Mesin Pencari

Mesin Pencari memungkinkan penggunanya untuk meminta konten media dengan memberikan keyword tertentu (biasanya berupa term/kata atau frasa) sehingga menghasilkan feedback berupa daftar berkas yang memenuhi kriteria tersebut. Dalam pencarian berkas tersebut, mesin pencari menggunakan proses indexing atau “pengindeksan” yang sudah dibuat sebelumnya dan dimutakhirkan secara teratur.
Mesin Pencari Web biasanya merujuk kepada “WWW” dengan mengumpulkan data yang tersedia dari newsgroup, database besar, atau direktori terbuka. Pengumpulan data tersebut dilakukan secara otomatis. Sebagian besar mesin pencari dijalankan oleh perusahaan swasta yang menggunakan algoritma kepemilikan dan database tertutup, yang paling populer adalah Google. Namun ada juga mesin pencari dengan sumber-terbuka (open-source) seperti Sphinx,  Lucene dan Indri.

Manfaat Sistem Temu Kembali

Sistem temu kembali informasi dapat dijadikan sebagai portal pencarian informasi baik di lingkungan internal maupun internet, dengan adanya portal yang terdistribusi diharapkan penggunanya dapat dengan mudah mendapatkan informasi yang dibutuhkan dengan cepat dan mudah. Menurut data survei hampir 90% pengguna internet mencari segala sesuatunya via mesin pencari. Dan dari sekian banyak mesin pencari, Google dan Yahoo adalah search engine yang paling banyak dipakai oleh pengguna internet.
Sistem temu kembali informasi dapat merangking dan merekomendasikan hasil pencarian kedalam daftar peringkat yang sudah tentu membantu pengguna dalam mendapatkan informasi yang relevan dengan “kata kunci” yang dipakai. Selain itu informasi (konten) yang ditampilkan akan mendapatkan jaminan akses, karena menurut survei sebagian pengguna mesin pencari tidak pernah melewatkan dua halaman pertama dari hasil pencarian pada mesin pencari.

Fungsi Sistem Temu Kembali Informasi

Informasi merupakan sebuah sumber daya yang tersedia secara melimpah di era teknologi sekarang ini. Di satu sisi ketersediaan informasi yang melimpah merupakah suatu hal yang bermanfaat. Disini lain, ketersediaan informasi yang melimpah tersebut juga menimbulkan masalah yang dikenal sebagai information overload, yaitu sebuah kondisi dimana terdapat banyak informasi diterima yang sebenarnya tidak terlalu dibutuhkan. Untuk memilah informasi yang dibutuhkan dari sekian banyak informasi yang ada tersebut, diperkenalkan teknik yang dipergunakan sebagai sarana pengambilan informasi.
Saat ini web telah mengubah dunia dengan maraknya jejaring sosial. Internet menjadi bagian penting dari kehidupan umat manusia. Web menyediakan basis data yang sangat luas yang dikumpulkan umat manusia secara kolaboratif. Tiap orang tidak hanya menjadi pengunduh (downloader) informasi saja, tetapi juga menjadi pengunggah (uploader) informasi. Pencarian data di internet terbukti telah menjadi bisnis yang sangat menjanjikan selama lima belas tahun terakhir, ini yang menjadikan google sebagai perusahaan paling atraktif di dunia.

Sejarah Sistem Temu Kembali Informasi

Pada tahun 1959, Calvin Mooers Membuat istilah pengambilan informasi (information retrieval) dan membuat kategorisasi informasi. Tujuan awalnya adalah untuk memungkinkan pencarian (searching) secara cepat pada jumlah data set yang banyak. Selanjutnya, Maron dan Kuhn di tahun 1961 membahas lebih jauh tentang relevansi antar dokumen dalam permasalahan pengurutan (sorting) dan pemberian peringkat dalam pengelolaan dukumen.
Pada tahun 1971, Gerard Salton Membuat sistem yang dinamakan SMART. Ia juga melakukan pendekatan awal dan melakukan pengelompokan (clustering) terotomasi. Salton juga memperkenalkan pembuatan indeks untuk dokumen, telah banyak peneliti yang berkontribusi di bidang pengambilan informasi ini dengan menerapkan berbagai metode statistik. Sumbangan mereka memainkan peranan penting dalam pengambilan informasi.

Fungsi Sistem Temu Kembali Informasi

Adapun fungsi utama Sistem Temu Kembali Informasi seperti dikemukakan oleh Lancaster (1979) dan Kent (1971) adalah sebagai berikut:

1.      Mengidentifikasi sumber informasi yang relevan dengan minat masyarakat pengguna yang ditargetkan.

2.      Menganalisis isi sumber informasi  (dokumen)

3.      Merepresentasikan isi sumber informasi dengan cara tertentu yang memungkinkan untuk dipertemukan dengan pertanyaan (query) pengguna.

4.      Merepresentasikan pertanyaan (query) pengguna dengan cara tertentu yang memungkinkan untuk dipertemukan sumber informasi yang terdapat dalam basis data.

5.      Mempertemukan pernyataan pencarian dengan data yang tersimpan dalam basis data.

6.      Menemu-kembalikan informasi yang relevan.

7.      Menyempurnakan unjuk kerja sistem berdasarkan umpan balik yang diberikan oleh pengguna.

Manfaat Tokenizing

Manfaat dari proses tokenizing itu sendiri adalah sebagai berikut :
1.    Memotong setiap kata dalam teks, dan mengubahnya menjadi huruf kecil.
2.    Hanya huruf „a' sampai „z' yang diterima, sedangkan karakter selain huruf dihilangkan.
3.    Hasilnya  adalah  kata-kata  yang  merupakan  penyusun  kalimat  yang dimasukkan.
4.    Menghasilkan kata-kata yang berdiri sendiri

by. ulfah Hasanah

Tokenisasi

Didalam sistem temu kembali terdapat proses text mining yang memiliki definisi menambang data yang berupa teks dimana sumber data biasanya didapat dari dokumen, dan tujuannya adalah mencari kata-kata yang dapat mewakili isi dari dokumen sehingga dapat dilakukan analisa keterhubungan antar dokumen. Tahapan yang dilakukansecara umum dalam text mining adalah : tokenizing, filtering, stemming, tagging dan analyzing.
Pada proses tersebut masing-masing melakukan fungsinya masing-masing. Proses tokenizing adalah tahap pemotongan string input berdasarkan tiap kata yang menyusunnya. Proses ini menghasilkan kata –kata yang berdiri sendiri. Sedangkan proses filtering adalah tahap mengambil kata – kata penting dari hasil token. Bisa menggunakan algoritma stop list ( membuang kata-kata yang kurang penting atau word list. Proses ini akan dihasilkan kata yang penting saja dan membuang kata kata yang kurang penting.
Tahap stemming adalah tahap mencari root dari tiap kata hasil filtering. Tahap ini akan menghilangkan imbuhan pada suatu kalimat. Sedangkan tahap tagging adalah tahap mencari bentuk awal/ root dari tiap kata lampau atau kata hasil stemming.
Apakah proses tokenizing penting untuk dilakukan ?
Sangat penting, karena didalam proses ini merupakan tahap pemotongan string input berdasarkan tiap kata yang menyusunnya. Proses ini menghasilkan kata –kata yang berdiri sendiri. Dan kemudian dilakukan proses filtering. Tahap filtering mengambil kata-kata yang penting dari hasil proses token. Dan setelah itu baru dilakukan proses stemming , tagging dan analyzing. Sehingga antara tahap – tahap ini saling terkait dan berhubungan.

by. Ulfah Hasanah

Proses Tokenizing

Pada dasarnya proses tokenizing yaitu proses memisahkan setiap kata yang menyusun suatu dokumen. Pengertian tokenizing itu sendiri adalah proses pemotongan input berdasarkan tiap kata yang menyusunnya. Umumnya setiap kata teridentifikasi atau terpisahkan dengan kata lain oleh karakter spasi, sehingga proses tokenizing mengandalkan karakter spasi pada dokumen untuk melakukan pemisahan kata.
Tokenizing  di  dalam  pembuatan  perangkat  lunak  text  mining  ini merupakan  proses  penguraian  deskripsi  yang  semula  berupa  kalimat-kalimat berisi kata-kata dan tanda pemisah antara kata seperti titik(.), koma(,), spasi dan tanda  pemisah  lain  menjadi  kata-kata  saja  baik  itu  berupa  kata-kata  penting maupun kata-kata tak penting. Secara sederhana proses parsing ini terlihat sebagai proses pengubahan huruf menjadi huruf kecil dan proses pengambilan kata jika ketemu tanda spasi namun pada kenyataannya tidak sesederhana itu.
Proses  ini  akan  melakukan  pengecekan  dari  karakter  pertama  sampai dengan karakter terakhir. Apabila karakter ke-i bukan merupakan pemenggal kata maka akan ditambahkan dengan karakter selanjutnya. Karakter pemenggal kata ini contohnya seperti tanda baca atau spasi. 
Atau dengan kata lain proses tokenizing yaitu mengubah dokumen menjadi kumpulan term dengan cara menghapus semua karakter dalam tanda baca yang terdapat pada dokumen dan mengubah kumpulan term menjadi lowercase.

by. Ulfah Hasanah