Sistem Temu Kembali Informasi Jurnal Skripsi Menggunakan Metode Vector Space Model dan Link Download File Referensi

Pendahuluan

Pada era digital, informasi ilmiah tersebar luas dalam bentuk jurnal, prosiding, dan skripsi. Mahasiswa sering kali membutuhkan akses cepat ke jurnal yang relevan dengan topik skripsi mereka. Sistem Temu Kembali Informasi (Information Retrieval) berperan penting dalam membantu pengguna menemukan dokumen yang paling sesuai dengan kueri. Penelitian ini memfokuskan pada pembuatan sebuah sistem pencarian jurnal skripsi yang memanfaatkan Metode Vector Space Model (VSM) untuk menghitung kemiripan antara dokumen dan permintaan pencarian.

Teori Dasar

Vector Space Model

VSM memandang setiap dokumen sebagai vektor dalam ruang berdimensi tinggi, di mana dimensi tersebut merepresentasikan istilah (kata) unik dalam koleksi dokumen. Bobot tiap istilah biasanya ditentukan oleh tf-idf (Term Frequency Inverse Document Frequency). Kemiripan antar vektor dihitung dengan cosine similarity, nilai antara 0 (tidak mirip) hingga 1 (identik). Pendekatan ini bersifat matematis, mengabaikan urutan kata, namun sangat efektif untuk teks berbahasa Indonesia yang banyak mengandung sinonim dan variasi tata bahasa.

Preprocessing Teks

Sebelum vektorisasi, dokumen harus melewati serangkaian tahapan preprocessing:

Tokenisasi memecah teks menjadi kata atau token.
Stopword removal menghilangkan kata umum (seperti yang, adalah) yang tidak memberikan nilai informatif.
Stemming mengubah kata ke bentuk akar menggunakan algoritma Porter atau NaziefAndriani.
Normalisasi mengubah huruf menjadi huruf kecil, menghapus tanda baca, dan memperbaiki ejaan.

Arsitektur Sistem

Sistem dibangun dengan tiga lapisan utama: lapisan data, lapisan pemrosesan, dan lapisan antarmuka pengguna.

Lapisan Data: Basis data MySQL menyimpan metadata jurnal (judul, penulis, abstrak, tahun) serta teks lengkap yang telah dipreprocess.
Lapisan Pemrosesan: Modul Python menggunakan library scikitlearn untuk menghitung tfidf, membangun matriks vektor, dan melakukan pencarian cosine similarity. Hasil pencarian kemudian diranking berdasarkan skor tertinggi.
Lapisan Antarmuka Pengguna: Frontend HTML5 + CSS3 + JavaScript menampilkan formulir pencarian, daftar hasil, dan preview abstrak. Pengguna dapat menambah kata kunci atau memfilter hasil berdasarkan tahun atau bidang ilmu.

Implementasi

Pengumpulan Data

Korpus terdiri dari 3.800 jurnal skripsi yang diambil dari repositori universitas. Setiap jurnal discrape menggunakan BeautifulSoup kemudian disimpan dalam tabel journals. Selain metadata, kolom content_clean menyimpan teks yang sudah melalui proses tokenisasi, stopword removal, dan stemming.

Training Vektor

Menggunakan TfidfVectorizer dengan parameter max_features=5000 dan min_df=3, model menghasilkan matriks berukuran 3800 5000. Setiap baris merepresentasikan satu jurnal, sementara setiap kolom mewakili satu istilah unik. Matriks disimpan dalam format numpy.ndarray untuk mempercepat pencarian.

Proses Pencarian

Ketika pengguna memasukkan kueri, teks kueri diproses sama seperti dokumen (tokenisasi, stemming, dll.). Vektor kueri kemudian dibuat dengan transform() pada TfidfVectorizer yang telah terlatih. Selanjutnya dilakukan perkalian matriks antara vektor kueri dan seluruh matriks dokumen, menghasilkan vektor skor kemiripan. Hasil diurutkan menurun, dan 10 dokumen teratas ditampilkan kepada pengguna.

Antarmuka Pengguna

Form pencarian terletak di bagian atas halaman, dilengkapi dengan fitur autocomplete yang mengambil kata kunci populer dari koleksi. Setiap hasil menampilkan judul, penulis, tahun, dan skor similarity (dalam persen). Pengguna dapat menekan tombol Lihat Abstrak untuk menampilkan ringkasan singkat tanpa meninggalkan halaman.

Evaluasi & Hasil

Evaluasi dilakukan dengan menggunakan Precision, Recall, dan Fmeasure pada tiga set query yang dirancang oleh dosen pembimbing. Nilai ratarata yang diperoleh adalah:

Precision = 0,78
Recall = 0,71
Fmeasure = 0,74

Hasil tersebut menunjukkan bahwa metode VSM mampu memberikan rekomendasi jurnal yang cukup relevan dengan kueri yang diberikan. Pada analisis kesalahan, sebagian besar dokumen yang tidak terpilih ternyata mengandung istilah yang sangat spesifik atau sinonim yang tidak tercover oleh kamus stopword. Penambahan word embedding berupa Word2Vec diperkirakan dapat meningkatkan performa pada query yang mengandung sinonim.

Kesimpulan

Sistem Temu Kembali Informasi Jurnal Skripsi berbasis Vector Space Model berhasil mengimplementasikan teknik tfidf dan cosine similarity untuk mempertemukan dokumen ilmiah dengan kebutuhan mahasiswa. Dengan akurasi yang memuaskan dan antarmuka yang responsif, sistem ini dapat dijadikan alat bantu pencarian literatur yang efektif pada lingkungan akademik. Kedepannya, integrasi model pembelajaran mendalam serta penambahan fitur rekomendasi otomatis berdasarkan profil pengguna dapat lebih meningkatkan kualitas pencarian.

Dengan terus meng-update basis data jurnal dan memperbaiki algoritma pemrosesan bahasa alami, diharapkan sistem ini tetap relevan dan mampu mendukung proses riset skripsi mahasiswa di era informasi yang semakin cepat.

Sistem Temu Kembali Informasi Jurnal Skripsi Menggunakan Metode Vector Space Model