APLIKASI SEARCH ENGINE PAPER/KARYA ILMIAH BERBASIS WEB DENGAN METODE FUZZY RELATION ABSTRAK: Banyaknya jumlah paper yang dikoleksi sebuah lembaga pendidikan setiap tahun akan bertambah. Seiring dengan pertambahan jumlah paper tersebut maka diperlukan sebuah metode untuk mencari paper agar bila membutuhkan referensi maka paper/dokumen yang diperlukan dapat dengan mudah dapat ditemukan. Sejauh yang ada saat ini, kebanyakan mesin pencari masih mengandalkan pencarian dengan menggunakan keyword matching/string matching sehingga mengakibatkan hasil pencarian hanya akan menampilkan paper–paper yang mempunyai keyword/kata kunci yang dicari. Penelitan ini membahas sebuah sistem pencarian dengan menggunakan metode fuzzy relation, dimana dengan fuzzy relation didapatkan hubungan antara keyword dan paper. Dengan metode fuzzy relation maka sebuah pencarian mempunyai kemungkinan menampilkan hasil berupa paper yang tidak mengandung keyword yang dicari. Karena kata yang mengakibatkan paper (yang tidak mengandung keyword muncul) mempunyai hubungan dengan keyword yang dimasukkan. Kata kunci: mesin pencari, relasi fuzzy, sistem cerdas. .
PENDAHULUAN Dokumen apa pun bentuknya pastilah disimpan dengan sebuah metode tertentu, dengan harapan bila dikemudian hari dokumen / data yang terkandung didalam dokumen diperlukan maka cukup dengan melakukan pencarian maka data yang diinginkan akan didapatkan dengan cepat dan juga hasilnya cukup relevan dengan apa yang dicari. Namun semakin banyak dokuemen yang disimpan maka waktu pencarian juga akan meningkat dengan signifikan ditambah lagi juga dengan hasil pencarian yang tidak relevan karena ada banyak dokumen yang harus dipilah dan diteliti relevansinya dengan subjek yang dicari. Oleh karena itu diperlukan sebuah metode untuk melakukan pencarian terhadap karya ilmiah yang telah dikoleksi. Mencari sebuah pattern/pola hubungan data pada kumpulan data yang tidak terstruktur adalah kunci dari knowledge discovery [3] dimana dengan adanya pattern/pola hubungan yang tepat untuk knowledge discovery maka informasi yang dihasilkan lebih relevan dan tidak terbatas pada bentuk masukan kata. Bentuk pencarian yang umum digunakan adalah dengan mencari seberapa sering sebuah kata kunci yang dimasukkan (dimasukkan sebagai pencarian) terdapat pada karya ilmiah, semakin banyak kata kunci yang ditemukan pada sebuah karya ilmiah maka dianggap bahwa karya ilmiah tersebut semakin dekat hubungannya dengan kata kunci yang dimasukkan (keyword/string matching). Penelitian ini akan menjabarkan sebuah metode pencarian dimana pencarian tidak hanya berdasarkan pada jumlah ditemukannya kata kunci pada karya ilmiah (number of word occurance) namun juga melihat pada hubungannya dengan karya ilmiah dan
kata kunci yang lain. Hubungan antara kata kunci dengan karya ilmiah dinyatakan dengan metode fuzzy relation. FUZZY RELATION [2] Fuzzy relation dijelaskan sebagai sebuah metode untuk menggambarkan hubungan antara dua objek (kata) yang berbeda. Sebagai contoh kata “genetic algorithm” dan “soft computing” merupakan dua kata yang berbeda. Secara sintaks maka tidak ada hubungan antara kata “genetic algorithm” dan “soft computing”. Namun bila ada satu atau lebih karya ilmiah yang mengandung kata “genetic algorithm” dan “soft computing” maka dianggap bahwa terdapat sebuah hubungan antara keduanya. Kemudian lebih jauh hubungan antara keduanya belum tentu kedekatannya. Semisal hubungan kata “soft computing” dengan “genetic algorithm” memiliki nilai 0.6 maka belum tentu sebaliknya hubungan kata “genetic algorithm” kepada “soft computing” memiliki nilai yang sama. Dari sini bisa terlihat juga kata mana yang mempunyai arti lebih luas dari yang lain. Fuzzy relation pada penelitian ini meliputi 4 tipe yaitu : 1. keyword to paper 2. paper to paper 3. paper to keyword 4. keyword to keyword Ke-empat tipe diatas diurutkan berdasarkan pada langkah – langkah perhitungannya. Untuk langkah pertama yaitu keyword to paper. Nilai didapatkan dari hasil pencarian pada karya ilmiah dengan menggunakan keyword/string maching dengan melihat pada jumlah ditemukannya kata pada karya ilmiah. Kemudian dilakukan penentuan nilai fuzzy dengan rumus: _ _ _ min1, 20 nilai keyword terhadap paper = n
(1) n = jumlah ditemukannya kata pada karya ilmiah (number of word occurance). Nilai 20 merupakan nilai subjektif dimana sebuah karya ilmiah dikatakan related (bernilai fuzzy 1) bila kata ditemukan sebanyak lebih dari sama dengan 20 kali. Berikut ini adalah ilustrasi perhitungan bila dilakukan pencarian dengan kata kunci jurusan teknik informatika. Kombinasi kata: “jurusan teknik” -> 20 Occurance …. a) “jurusan teknik informatika” -> 10 Occurance …. b)
“jurusan informatika” -> 5 Occurance …. c) “teknik informatika” -> 7 Occurance …. d) “jurusan” -> 30 Occurance …. e) “teknik” -> 20 Occurance …. f) “informatika “ -> 25 Occurance …. g) Perhitungan nilai occurancenya occurance = …a) 20 * 2/3 = 13.33333 …b) 10 * 3/3 = 10 …c) 5 * 2/3 = 3.333333 …d) 7 * 2/3 = 4.666667 …e) 30 * 1/3 = 10 …f) 20 * 1/3 = 6.6666667 …g) 25 * 1/3 = 8.3333333 + 56.333333297 occurance Dengan menggunakan rumus (1) maka nilai fuzzy (keyword to paper) dari karya ilmiah yang bersangkutan dengan kata kunci jurusan teknik informatika adalah 1. kemudian dengan cara yang sama dimisalkan terdapat hubungan keyword to paper sebagai berikut: 1. Diasumsikan terdapat hubungan keyword to paper sebagai berikut: P = {P1,P2,....,Pn} adalah set of papers D = {D1,D2,...,Dm} adalah set of keywords P1 = {0.3/D2, 0.7/D5, 1/D7, 1/D8}, P2 = {1/D2, 0.8/D5, 0.8/D7, 1/D8}, P3 = {0.9/D1, 0.9/D3, 1/D4, 0.8/D6}, P4 = {1/D1, 0.5/D3, 0.8/D4, 0.8/D6}, P5 = {0.1/D2, 0.7/D5, 1/D4, 1/D8}, P6 = {0.9/D2, 1/D5, 0.8/D4, 1/D8}. 2. Kemudian akan dilakukan pencarian hubungan paper to paper dengan menggunakan rumus [2]:
Σ Σ = D P D PP ijD DD RPP j ij
() min ( ), ( ) (,) μ μ μ
( )
(2) Keterangan: R : Relasi Pi : Paper / dokumen ke – i Pj : Paper / dokumen ke – j D : Keyword μ : Membership function sebagai suatu mapping
: D →[0,1]. Pi μ Contoh perhitungan paper to paper :
( ) 1 0,8 0,8 1 , 2 0,3 0,7 0,8 1 1 + + + + + + R P P = = 0,78 Hasil selengkapnya seperta pada tabel 1. Tabel 1. Hubungan paper terhadap paper X / Y P1 P2 P3 P4 P5 P6 P1 1.00 0.78 0 0 0.64 0.54 P2 0.93 1.00 0 0 0.64 0.73 P3 0 0 1.0 0.97 0.36 0.22 P4 0 0 0.83 1.00 0.29 0.22 P5 0.60 0.50 0.28 0.26 1.00 0.70 P6 0.67 0.75 0.22 0.26 0.93 1.00
3. Perhitungan berikutnya adalah perhitungan paper to keyword. Perhitungan ini merupakan kebalikan dari langkah 1. dan dirumuskan sebagai berikut [2]:
( ) ( ) ( )
()
() P1 P2 Pm Pj Di
DDD
D P iii i
μ μ μ μ η + + + = L (3) Keterangan : R : Relasi Pi : Paper / dokumen ke – i Pj : Paper / dokumen ke – j D : Keyword μ : Membership function j
sebagai suatu mapping
: P →[0,1]. Pi μ Contoh perhitungan: mencari bobot keyword (D2) pada paper 1 ( ) 0.1 3 0.3 0,3 0,7 1 1 0,3 1 2
= = + + + P = Dη Hasil selengkapnya : D1 = {0.25/P3, 0.32/P4}, D2 = {0.1/P1, 0.28/P2, 0.06/P5, 0.24/P6}, D3 = {0.25/P3, 0.16/P4}, D4 = {0.28/P3, 0.26/P4, 0.36/P5, 0.27/P6}, D5 = {0.23/P1, 0.22/P2, 0.25/P5, 0.27/P6}, D6 = {0.22/P3, 0.26/P4}, D7 = {0.33/P1, 0.22/P2}, D8 = {0.33/P1, 0.28/P2, 0.36/P5, 0.27/P6.} 4. Similarity antara 2 keyword dinyatakan dengan
suatu fungsi R dimana R : D× D→[0,1] sebagaimana tertulis pada rumus [2] :
( )
(
( ) ( ))
Σ Σ
(
( ))
= P D P DD
P PP RDD ij
j ij
η min η ,η , (4)
Keterangan : R : Relasi Pi : Paper / dokumen ke – i Pj : Paper / dokumen ke – j D : Keyword μ : Membership function sebagai suatu mapping : P →[0,1]. Pi μ
Contoh perhitungan :
( )
1 0.25 0.16 , 3 0,25 0.16 1 = + + RDD=
( )
0.72 0.25 0.32 , 1 0.25 0.16 3 = + + RDD= Hasil selengkapnya: Tabel 2. Hubungan Keyword Terhadap Keyword X / Y D1 D2 D3 D4 D5 D6 D7 D8 D1 1.00 0 1.00 0.44 0 1.00 0 0 D2 0 1.00 0 0.26 0.64 0 0.58 0.53 D3 0.72 0 1.00 0.35 0 0.79 0 0 D4 0.89 0.44 1.00 1.00 0.54 1.00 0 0.51 D5 0 0.91 0 0.44 1.00 0 0.82 0.86 D6 0.84 0 0.93 0.41 0 1.00 0 0 D7 0 0.47 0 0 0.46 0 1.00 0.49 D8 0 1.00 0 0.54 1 0 1.00 1.00
Dari serangkaian perhitungan diatas maka akan didapatkan hubungan antara keyword dan paper serta kombinasi dari keduanya. Perhitungan diatas masih belum cukup untuk menghasilkan pencarian dimana juga melibatkan hubungan dengan kata dan atau karya ilmiah lain pada halaman yang sama. Untuk mewujudkan hal tersebut maka dilakukan lagi satu tahapan perhitungan yaitu untuk menentukan hubungan dengan kata atau karya ilmiah lain serta menentukan juga bentuk urutan keluaran yang diinginkan (rangking). Perhitungan tersebut disebut sebagai extended fuzzy. Perhitungan extended fuzzy dibahas dengan menggunakan contoh kasus sebagai berikut: Kata pencarian adalah K1 dan K1 mempunyai hubungan dengan kata yang lain. Hubungannya dijabarkan sebagai berikut: K1 = {1/K1,0.8/K7,0.5/K8} Maka pencarian juga melibatkan kedua keyword diatas sehingga pencarian akan mencari K1,K7,K8 Kemudian dari hasil pencarian masing – masing keyword didapatkan 3 hasil fuzzy set yang masing – masing mempunyai nilai sendiri – sendiri. Mis : P5 = {1/K1,0.5/K7} P6 = {1/K7} P7 = {0.4/K1,0.8/K7} P8 = {0.8/K8} P9 = {0.7/K8}
P10 = {0.9/K8} Hubungan antara ketiga fuzzy sets diatas dibentuk dengan mengalikan nilai (Dot Product) relasi keyword dengan nilai element pada hasil, berikut adalah bentuk perhitungannya: • K1 dengan P5 => 1 *1 = 1 • K1 dengan P8 => 1 * 0.8 = 0.8 • K1 dengan P7 => 1 * 0.4 = 0.4 • K7 dengan P6 => 0.8 * 1 = 0.8 • K7 dengan P7 => 0.8 * 0.8 = 0.64 • K7 dengan P5 => 0.8 * 0.5 = 0.40 • K8 dengan P9 => 0.5 * 0.7 = 0.35 • K8 dengan P10 => 0.5 * 0.9 = 0.45 Secara umum maka hasil pencarian dapat juga dituliskan menjadi sebagai berikut: {1/P5 , 0.8/P8 , 0.4/P7 , 0.8/P6 , 0.64/P7 , 0.40/P5 , 0.35/P9 , 0.45/P10} bila terdapat kesamaan hasil (mis P5 mempunyai nilai 1 dan 0.4) maka nilai tertinggi yang diambil, bila terjadi kesamaan nilai maka diambil salah satu. Sehingga hasil pencarian adalah: {1/P5 , 0.8/P8 , 0.4/P7 , 0.8/ P6 , 0.35/P9 , 0.45/P10} Terlihat bahwa bila dicari dengan cara biasa (ordinary) maka hasil pencarian adalah {1/P5 , 0.8/P8 , 0.4/P7} ANALISIS DAN DESAIN SISTEM Secara umum maka desain sistem yang digunakan adalah sebagai berikut: Gambar 1. Sistem Indexing Gambar 2. Sistem Searching Seperti pada umumnya sebuah search engine maka diperlukan sebuah mekanisme untuk mendapatkan data, dalam penelitian ini proses indexing adalah proses untuk mendapatkan data dan membentuk data tersebut untuk kemudian disimpan agar dapat dengan mudah diambil dan memenuhi kriteria pencarian yang diinginkan. Pada penelitian ini, search engine yang dibuat dapat melakukan pencarian dengan bentuk inputan berupa kata (word) ataupun frase (phrase). Beda antara keduanya dilihat dengan ada tidaknya tanda petik (“) yang mengapit kata inputan. Contoh: “fuzzy logic” merupakan frase fuzzy logic merupakan kata Untuk mendukung pencarian dengan frase dan kata maka ada sebuah tabel yaitu p_indexing, yang didesain sedemikian rupa agar mempercepat proses pencarian. Gambar 3. Bentuk Tabel p_indexing Dengan menggunakan desain seperti yang ada
pada Gambar 3 maka jumlah pembacaan menjadi sebanyak n-1 kali, dimana bila pencarian melibatkan 3 kata maka pencarian mencari ke dalam database sebanyak 2 kali saja. HASIL DAN PENGUJIAN Pengujian dilakukan dengan dua cara yaitu dengan dokumen percobaan dan dokumen karya ilmiah asli yang dimiliki oleh pusat penelitian UK Petra. Gambar 4. Hasil Pencarian dengan Menggunakan Dokumen Percobaan Gambar 5. Hasil Pencarian dengan Menggunakan Dokumen Karya Ilmiah Dari Gambar 4 terlihat bahwa dengan inputan kata programming, dokumen karya ilmiah yang tidak mengandung kata programming juga ikut keluar sebagai hasil pencarian. Hal ini disebabkan karena kata informatika mempunyai hubungan dengan kata programming sehingga karya ilmiah yang mengandung kata informatika juga akan di tampilkan manakala kata programming dimasukkan sebagai kata pencarian. Gambar 5 merupakan implementasi dari search engine pada dokumen karya ilmiah yang sebenarnya. Satu hal yang menjadi kendala dalam perhitungan fuzzy relation adalah masalah borosnya waktu perhitungan. Waktu perhitungan akan bertambah seiring dengan bertambahnya dokumen dan kata pencarian. KESIMPULAN Berdasarkan pada hasil pengujian maka dapat disimpulkan beberapa kesimpulan sebagai berikut: 1. Search engine dengan fuzzy relation mempunyai kelemahan yaitu waktu perhitungan yang cukup lama (bila dibandingkan dengan penggunaan web). Namun pada saat yang sama mempunyai keunikan yaitu dengan dapat ditemukannya relasi antara kata dan dokumen 2. Search engine biasa/based on string maching mempunyai kelebihan dalam kecepatan namun tidak dapat memberikan/menemukan relasi antara kata dan dokumen 3. Pembuatan search engine sebaiknya memisahkan dua aktifitas yaitu indexing dan searching. Karena proses indexing akan memakan load server. 4. Perhitungan fuzzy relation akan bertambah lama bila melibatkan lebih banyak dokumen dan lebih banyak keyword yang ada pada library DAFTAR PUSTAKA 1. Castagnetto, Jesus, et al.(eds). Professional PHP Programming. PDF.
2. Intan, Rolly, and Mukaidono, Masao. “Toward a Fuzzy Thesaurus Based on Similarity in Fuzzy Covering”. Australian Journal of Intelligent Information Processing Systems, vol 8 no 3, 2000. 3. Latiri, CH. C and Yahia, S. Ben. Textmining: Generating association rules from textual data. Computer Science department, Faculty of sciences of tunis, Tunisia
