Perangkingan Dokumen Berbahasa Arab Menggunakan Latent Semantic Indexing

Berbagai metode perangkingan dokumen dalam aplikasi Information Retrieval telah dikembangkan dan diimplementasikan. Salah satu metode yang sangat populer adalah perangkingan dokumen menggunakan vector space model berbasis pada nilai term weighting TF.IDF. Metode tersebut hanya melakukan pembobotan term berdasarkan frekuensi kemunculannya pada dokumen tanpa memperhatikan hubungan semantik antar term. Dalam kenyataannya hubungan semantik antar term memiliki peranan penting untuk meningkatkan relevansi hasil pencarian dokumen. Penelitian ini mengembangkan metode TF.IDF.ICF.IBF dengan menambahkan Latent Semantic Indexing untuk menemukan hubungan semantik antar term pada kasus perangkingan dokumen berbahasa Arab. Dataset yang digunakan diambil dari kumpulan dokumen pada perangkat lunak Maktabah Syamilah. Hasil pengujian menunjukkan bahwa metode yang diusulkan memberikan nilai evaluasi yang lebih baik dibandingkan dengan metode TF.IDF.ICF.IBF. Secara berurut nilai f-measure metode TF.IDF.ICF.IBF.LSI pada ambang cosine similarity 0,3, 0,4, dan 0,5 adalah 45%, 51%, dan 60%. Namun metode yang disulkan memiliki waktu komputasi rata-rata lebih tinggi dibandingkan dengan metode TF.IDF.ICF.IBF sebesar 2 menit 8 detik.