Penerapan Metode N-Gram dan Cosine Similarity Dalam Pencarian Pada Repositori Artikel Jurnal Publikasi

Abstract

Digital repository is one source of data in human information needs, especially in an organization. In a digital repository, various digital documents are stored that can be used by users, for example, a publication journal repository. Every day the published articles in the repository grow in the hundreds or even thousands in number, besides publication journals usually consist of various formats and languages. This will cause the search of results relatively low level of relevance. To optimize search results today, the application of an information retrieval system in a repository is important. Preprocessing is one of the most important stages of the development of a retrieval system, especially in the process of selecting a stemming algorithm to generate basic words (terms) which will later be used in determining the level of similarity between queries and documents in a search process. N-Gram is a method of character decomposition from a string that can be used to analyze words or sentences which are words or sentences from what language will later affect the determination of the stemming algorithm. Cosine Similarity is a method to determine the level of similarity, which will calculate the angle that represents the query vector and the document vector. In this study, a repository will be built that implements retrieval systems using N-Gram and Cosine Similarity, then the system performance will be calculated where the average total accuracy for Indonesian-language queries and English-language queries is 0.967, precision is 0.851 while the average recall is obtained. 0.869.

Detekasi Jawaban Ujian Katekumen Menggunakan Metode Cosine Similarity Berbasis Android

“…Setelah penulis melakukan studi literatur, algoritma yang digunakan oleh penulis yaitu cosine similarity untuk menghitung nilai kemiripan antar kalimat dan menjadi salah satu teknik untuk mengukur kemiripan teks yang popular. Kelebihan dari algoritma Cosine Similarity [5]adalah tidak terpengaruh pada panjang pendeknya suatu dokumen dan memiliki tingkat akurasi yang tinggi. Tujuan dari penelitian ini adalah mengetahui seberapa besar presentase nilai kemiripan sebuah dokumen dengan dokumen lainnya yang dihasilkan dari hasil pendeteksian berbasis android menggunakan metode Cosine Similarity [6].…”

Sistem Rekomendasi Pemilihan Program MSIB Bagi Mahasiswa Pendidikan Informatika

“…perhitungan nilai kesamaan pada setiap konten berdasarkan matriks fitur yang ada dan menghasilkan output berupa nilai cosine dalam bentuk array yang nantinya akan digunakan sebagai pertimbangan untuk memberikan rekomendasi MSIB kepada mahasiswa. Berikut adalah rumus perhitungan cosine similarity [1].…”

“…Pengumpulan data dilakukan dengan melakukan pendataan secara manual terhadap mitra MSIB yang linear dengan Program Studi Pendidikan Informatika, data mitra MSIB tersebut didapat dari website MSIB [3] print(data[0], '\n') print('Nama Mitra\t\t:', data [1]) print('Program\t\t\t:', data [2]) print('Kursus atau Posisi\t:', data [3]) print() Kode Sumber 1. Seleksi Fitur…”

Sistem Rekomendasi Content-based Filtering Menggunakan TF-IDF Vector Similarity Untuk Rekomendasi Artikel Berita

“…Semakin kecil sudutnya maka semakin mirip dokumen tersebut. Pada sistem rekomendasi Content-based Filtering, Cosine Similarity diaplikasikan pada vektor fitur untuk mencari item memiliki kesamaan [9] [25]. Berikut ini adalah formula dari Cosine Similarity:…”