Library Automation and Digital Archive
LONTAR
Fakultas Ilmu Komputer
Universitas Indonesia

Pencarian Sederhana

Find Similar Add to Favorite

Call Number SK-0616 (Softkopi SK-95)
Collection Type Skripsi
Title Implementasi Jaringan Hibrida SWA-Organisasi Adaptif untuk Pengelompokkan Jenis Dokumen pada Sistem Temu Kembali Informasi/ Ari Faizal Aliani
Author Ari Faizal Aliani;
Publisher Depok: Fasilkom UI, 2001
Subject Pre-Learning ; Modul Learning; Information retrieval
Location FASILKOM-UI;
Lokasi : Perpustakaan Fakultas Ilmu Komputer
Nomor Panggil ID Koleksi Status
SK-0616 (Softkopi SK-95) 06/11129 TERSEDIA
Tidak ada review pada koleksi ini: 10400
ABSTRAK Penelitian ini bertujuan untuk mengimplementasikan Jaringan Hibrida Swa- Organisasi dan Propagasi Balik untuk pengelompokkan jenis dokumen pada Sistem Temu-Kembali Informasi. Sistem Temu-kembali Informasi yang dikembangkan dalam penelitian ini pada dasarnya merupakan penggabungan dari modul pra-learning (index-builder) (Fitriyanti, 1997) dan modul learning dengan jaringan hibrida dari jaringan neural propagasi balik dan jaringan swa-organisasi (Wijaya, 1998). Input dari jaringan hibrida ini diambil dari kumpulan dokumen yang terdiri dari 3 (tiga) buah kategori dokumen yang telah melalui tahapan kategorisasi secara manual untuk menentukan vektor target pengenalan pola dokumen. Kategori dokumen yang digunakan antara lain : ekonomi, komputer, dan agama Islam, dengan masing-masing sebanyak 20 dokumen (terdiri dari 15 dokumen untuk pelatihan dan pengujian terhadap pola yang telah dilatihkan, serta 5 dokumen untuk pengujian terhadap pola yang belum dilatihkan), dari berbagai web site (www.kompas.com, www.infokomputer.com, www.republika.co.id) yang diubah ke dalam bentuk dokumen teks dan harus melalui 2 (dua) buah proses, yaitu : - Proses pra-learning (index-builder) - Proses learning Hasil penelitian ini adalah untuk mengamati apakah teknik learning ini dapat digunakan untuk mengelompokkan dokumen ke dalam neuron kategori dokumen yang ada berdasarkan pola dari bobot pemunculan istilah berdasarkan kategorinya. v Berdasarkan hasil output yang didapat dari hasil pembelajaran dan pengujian, ternyata teknik learning tersebut dapat mengenali pola dokumen masukan ke dalam kategori dokumen yang ada sesuai dengan hasil pembelajaran dari pola kategori dokumen tersebut dengan hasil pengenalan 100% baik terhadap pola yang pernah dilatihkan maupun terhadap pola yang belum pernah dilatihkan, tanpa melibatkan data noise (dokumen non-kategori). Namun sistem ini masih memiliki beberapa kelemahan, antara lain : • Tergantung dengan jumlah dokumen yang dilatihkan. Semakin banyak dokumen yang dilatihkan, semakin tinggi tingkat pengenalan dokumennya (Wijaya, 1998). • Tergantung kepada kelengkapan kamus istilah yang diberikan untuk pengelompokkan dokumen karena tidak memeiliki kemampuan untuk mencari sinonim katanya (pencarian match-case terhadap istilahnya)