Penerapan LSA dan Query Suggestion untuk Pencarian Judul Artikel Menggunakan Framework FLASK

I Komang Rinartha Yasa Negara, Luh Gede Surya Kartika

Abstract


Pencarian informasi melalui web sudah sangat berkembang seiring dengan dukungan perkembangan perangkat keras. Untuk mempermudah proses pencarian data, berbagai macam metode dikembangkan untuk pencarian informasi menggunakan data pencarian yang tersimpan pada browser ataupun menggunakan data yang terdapat di dalam database. Pengembangan query suggestion menggunakan Latent Semantic Analysis dapat dilakukan untuk mempermudah proses pencarian data. Penelitian ini dilakukan dengan menggunakan metode analisis sederhana yaitu dengan menganalisis metode Latent Semantic Analysis, Implementasi, Pengujian program dan analisis hasil query suggestion menggunakan metode tersebut. Data yang digunakan dalam penelitian ini adalah data publikasi yang telah dilaksanakan pada ICORIS 2019 sebagai data uji sebanyak 55 artikel. System diimplementasikan berbasis web menggunakan FLASK framework dan bahasa pemrograman python serta database MySQL. Adapun hasil dari penelitian ini adalah, semakin lengkap kata kunci yang dimasukkan, akan mendapatkan nilai similarity yang semakin tinggi untuk data target yang sesuai. Namun jumlah suggestion akan bertambah sesuai dengan data yang ada. Pada hasil penelitian, urutan kata kunci yang dicari tidak berpengaruh pada pemberian saran pencarian, karena data pencarian dan data didalam database dibandingkan berdasarkan kata-kata yang ada. Serta waktu proses yang didapatkan untuk pemberian suggestion adalah kurang dari 1 menit untuk 55 data judul yang digunakan

Kata kunci— Query Suggestion, FLASK, Python, MySQL, Latent Semantic Analisys



Full Text:

PDF

References


A. Shiri and L. Zvyagintseva, “Dynamic Query Suggestion in Web Search Engines: A Comparative Examination,” Proc. Annu. Conf. CAIS / Actes du congrès Annu. l’ACSI, Jun. 2016, doi: 10.29173/cais868.

I. Alagha and Y. Abu-Samra, “Tag recommendation for short arabic text by using latent semantic analysis of wikipedia,” Jordanian J. Comput. Inf. Technol., vol. 6, no. 2, pp. 165–181, Jun. 2020, doi: 10.5455/JJCIT.71-1575827721.

K. Wegba, A. Lu, Y. Li, and W. Wang, “Interactive Movie Recommendation Through Latent Semantic Analysis and Storytelling,” Jan. 2017, doi: 10.48550/arxiv.1701.00199.

A. Makalesi and R. Article Fahrettin HORASAN, “Keyword Extraction for Search Engine Optimization Using Latent Semantic Analysis,” J. Polytech., vol. 24, no. 2, pp. 473–479, Jun. 2021, doi: 10.2339/POLITEKNIK.684377.

Y. Primadani, “Simulasi Algoritma Levenshtein Distance Untuk Fitur Autocomplete Pada Aplikasi Katalog Perpustakaan,” May 2014.

D. Hawking and K. Griffiths, “An enterprise search paradigm based on extended query auto-completion. Do we still need search and navigation?,” in ACM International Conference Proceeding Series, 2013, pp. 18–25, doi: 10.1145/2537734.2537743.

L. Y. Banowosari, A. Darmawan, K. Kurniawan, and M. Mitchell, “Analisis Pada Fitur Autocomplete Suggestion Dan Semantik Pada Pencarian Di Mesin Pencari Google,” in Prosiding Seminar Ilmiah Nasional Komputer dan Sistem Intelijen (KOMMIT 2014), 2014, vol. 8.

M. Lee, T. B. Hashimoto, and P. Liang, “Learning Autocomplete Systems as a Communication Game,” Nov. 2019, doi: 10.48550/arxiv.1911.06964.

J. M. Yang, R. Cai, F. Jing, S. Wang, L. Zhang, and W. Y. Ma, “Search-based query suggestion,” in International Conference on Information and Knowledge Management, Proceedings, 2008, pp. 1439–1440, doi: 10.1145/1458082.1458321.

K. Rinartha and W. Suryasa, “Comparative study for better result on query suggestion of article searching with MySQL pattern matching and Jaccard similarity,” 2017, doi: 10.1109/CITSM.2017.8089237.

K. Rinartha, W. Suryasa, and L. G. S. Kartika, “Comparative Analysis of String Similarity on Dynamic Query Suggestions,” 2018, doi: 10.1109/EECCIS.2018.8692996.

S. Plansangket and J. Q. Gan, “A query suggestion method combining TF-IDF and Jaccard Coefficient for interactive web search,” Artif. Intell. Res., vol. 4, no. 2, Aug. 2015, doi: 10.5430/air.v4n2p119.

T. K. Landauer, P. W. Foltz, and D. Laham, “An introduction to latent semantic analysis,” Discourse Process., vol. 25, no. 2–3, pp. 259–284, Jan. 1998, doi: 10.1080/01638539809545028.

R. B. Aji et al., “Automatic Essay Grading System Menggunakan Metode Latent Semantic Analysis,” J. Inov. dan Kewirausahaan, pp. 17–18, 2011.

M. Anil Zende, M. Bhaskar Tuplondhe, S. Baban Walunj, and S. Vasudev Parulekar, “Text Mining Using Python,” Int. J. Curr. Eng. Sci. Res., no. 3, p. 54, 2016.




DOI: http://dx.doi.org/10.31154/cogito.v8i1.381.183-193

Refbacks

  • There are currently no refbacks.


CogITo Smart Journal
A publication of Fakultas Ilmu Komputer, Universitas Klabat
In partnership with Coris and IndoCEISS
Phone: +62 (431) 891035
email: editorial.cogito@unklab.ac.id | web: http://cogito.unklab.ac.id/index.php/cogito
 
Free counters!
View CogITo Smart Journal Stats

CogITo Smart Journal is indexed by:
  DOAJ    SINTA     Indonesia OneSearch by Perpusnas    Crossref    Google Scholar      Base Search PKP Index    neliti    EBSCO Information Science    mendeley          scilit    road    worldcat    DRJI    OpenAIREplus    copac    Gent University Library Stanford Library    Harvard Library    Leiden University Libraries    The University of Sheffield    Boston University Library    University of Manchester    University of Oxford    CORE    Livivo
 



CogITo Smart Journal is licensed under a Creative Commons Attribution 4.0 International License.