Penggunaan sistem temu kembali informasi saat ini telah berkembang luas. Penemuan Singular Value Dcomposition (SVD) sebagai salah satu metode numerik yang dikembangkan dari Vector Space model pada sistem temu kembali informasi, telah berhasil mengatasi permasalahan latent semantic yang belum dapat teratasi oleh kebanyakan metode. Komputasi SVD memerlukan cost yang mahal di dalam sistem temu kembali informasi tersebut. Untuk mengatasi besarnya cost ini dikembangkan Semi Discrete Decomposition (SDD) yang disebut sebagai versi diskrit dari SVD. Penerapan SVD dan SDD di dalam sistem temu kembali informasi diawali dengan dekomposisi matriks term-dokumen yang sudah dikomputasi berdasarkan pembobotan tertentu. Query yand diterima dirubah ke dalam bentuk vektor. Lalu dilakukan komputasi matriks untuk mendapatkan vektor dokumen. Vektor dokumen ini adalah output dari proses penemuan kembali dokumen-dokumen berdasarkan query yang selanjutnya dapat di-ranking dan dikemalikan kepada user. Dalam tugas akhir ini, akan dilakukan perbandingan kinerja antara vektor Space Model, SVD, dan SDD. Fokus utama dari penelitian ini terletak pada SVD dan SDD. Untuk dapat melakukan perbandingan, maka dibangun suatu perangkat lunak yang mampu berfungsi sebagai aplikasi temu kembali dan tools untuk membandingkan kinerja. Hasil percobaan diperoleh dari aplikasi yang dibangun dengan mengolah data-data penelitian bidang sains dan teknologi dai Badan Tenaga Atom Nasional. Akhirnya membuktikan bahwa SDD dan SVD dapat diterapkan pada sistem temu kembali informasi, sekaligus mampu mengatasi talent semantic. Selatin itu SDD dapat meningkatkan kinerja dalam hal cost yang diperlukan, storage yang digunakan, dan waktu pemrosesan query yang lebih cepat di bandingkan SVD, sehingga telah terjadi peningkatan kinerja