Implementasi Metode Maximum Marginal Relevance (MMR) Dan Algoritma Steiner Tree Untuk Menentukan Storyline Dokumen Berita

Dalam proses pencarian kronologis suatu berita peristiwa secara online dengan menggunakan mesin pencari, pengguna harus mengakses berbagai situs yang memiliki relevansi peristiwa tersebut. Hal ini dikarenakan mesin pencari tidak memberikan hasil pencarian secara terstruktur. Proses pencarian tersebut menimbulkan masalah bagi efektivitas dan efesiensi waktu pencarian dan ketepatan penelusuran berita. Oleh sebab itu, maka dibangun sebuah sistem pencarian alur kronologis dengan tujuan agar para pembaca berita online dapat dengan cepat mendapatkan runut peristiwa dari berbagai dokumen berita tekstual. Relevansi berita tekstual dapat diperoleh dengan menggunakan cosine similiarity dari ringkasan-ringaksan berita dengan melakukan implementasi terhadap metode Maximum Marginal Relevance (MMR) yang ditentukan berdasarkan kemiripan terhadap query. Penelusuran dari 100 sampel dokumen berita diterapkan algoritma Steiner Tree dalam menentukan jalur terbaik (lintasan) dalam kumpulan dokumen berita (verteks) yang terhubung sebagai sebuah bobot kemiripan (sisi) sekaligus sisi berarah terhadap dokumen tertentu (sisi berarah). Berdasarkan pengujian ketergunaan terhadap 6 responden, sebesar 66.7% dari penilaian responden menyatakan bahwa aplikasi ini mengerjakan tugas-tugas dengan lebih cepat dan 75% pengguna mampu mengatasi problem yang ada dengan proses pencarian berita yang menghemat waktu. Berdasrkan pengujian performansi terhadap algoritma yang diterapkan, diperoleh kompleksitas dari penerapan algortima MMR adalah O(n2) dan algoritma Steiner Tree adalah O(n). Dengan demikian, implementasi MMR dan Steiner Tree dalam aplikasi pencarian alur kronologis peristiwa ini dapat mengurangi tingkat keabsurdan berita yang diperoleh secara tidak terstruktur sehingga dapat mempermudah para pembaca dalam menentukan pemahaman tentang peristiwa yang tengah terjadi.

In storyline finding process of news event by online using search engines, users must access the various sites that have relevance for the event. This is because search engines do not provide search results in a structured way. The search process poses a problem for the effectiveness and efficiency of search time and accuracy of news searches. Therefore, it built a storyline flow search system with the aim that the online news readers can quickly get a trace events from various news textual documents. Relevance textual news can be obtained by using a cosine-similiarity from summary of news by implementing the method of maximum marginal relevance (MMR) which is determined based on the similarity to the query. Search from 100 samples of news documents, Steiner Tree algorithm applied in determining the best path (path) in a collection of news documents (vertices) connected as a weighted similarity (edge) at the same time directed against a particular document (directed edge). Based on usability testing against six respondents, amounting to 66.7% of respondents stated that the assessment of this application tasks more quickly and 75% of users were able to overcome the existing problems with the process of finding a time-saving news. Pursuant performance testing of the algorithms applied, obtained by the complexity of the implementation of the MMR algorithm is O (n2) and Steiner Tree algorithm is O (n). Thus, the implementation of MMR and Steiner Tree in search applications chronological flow of these events can reduce the level of absurdity news anecdotal structured so as to facilitate the readers in determining the understanding of the events that are happening.

Itera194@gmail.com