Thursday, September 7, 2017

Makalah Information Retrieval

Information Retrieval

Pendahuluan
Sejak tahun 1940, permasalahan dalam penyimpanan dan penemuan kembali informasi (information retrieval) telah menarik perhatian. Dalam pernyataan yang sederhana, untuk mendapatkan informasi yang akurat dan dapat diakses secara cepat adalah sangat sulit. Efek dari hal ini adalah mengabaikan penemuan informasi yang relevan, yang akhirnya mengarah pada duplikasi pekerjaan dan usaha. Dengan adanya komputer, banyak pemikiran yang diberikan dalam penggunaan komputer untuk menyediakan sistem retrieval yang cerdas dan cepat. Di perpustakaan misalnya, yang memiliki banyak permasalahan mengenai penyimpanan dan penemuan kembali informasi seperti cataloguing dan administrasi umum, telah berhasil diambil alih oleh komputer. Walaupun demikian, permasalahan retrieval yang efektif belum sepenuhnya terpecahkan.
Pada prinsipnya, penyimpanan dan penemuan kembali adalah sederhana. Andaikan terdapat penyimpanan dokumen dan seseorang merumuskan pertanyaan yang jawabannya adalah satu set dokumen  yang memuaskan kebutuhan informasi yang dinyatakan dalam pertanyaannya tersebut, dia dapat memperoleh dokumen tersebut dengan membaca seluruh dokumen yang terdapat pada penyimpanan tersebut, menahan dokumen yang relevan dan membuang yang lainnya. Dalam beberapa hal, hal ini mendasari penemuan kembali yang sempurna. Tetapi, solusi ini benar-benar tidak dapat dilaksanakan. Seorang user tidak mempunyai waktu atau tidak ingin meluangkan waktunya membaca seluruh dokumen yang ada, terlepas dari kenyataan bahwa secara fisik dia tidak akan mungkin melakukannya.
Ketika komputer berkecepatan tinggi menjadi tersedia untuk pekerjaan kualitatif, banyak pemikiran yang menyatakan bahwa komputer akan mampu membaca keseluruhan dokumen untuk mengintisarikan dokumen yang relevan. Hal tersebut akan menjadi nyata yaitu penggunaan natural language text pada sebuah dokumen tidak hanya menyebabkan permasalahan input dan penyimpanan tetapi juga tidak terpecahkannya permasalahan intelektual dalam karakteristik isi dokumen. Dapat dibayangkan perkembangan perangkat keras di masa depan memungkinkan input dan penyimpanan dengan natural language. Tetapi karakterisasi pada software yang berusaha meniru human proses pada proses 'reading' adalah permasalahan yang tentu saja sangat lekat. Secara lebih rinci, 'reading' melibatkan usaha dalam mengintisarikan informasi sintatik dan semantik, dari teks dan penggunaannya untuk memutuskan apakah setiap dokumen relevan atau tidak dengan permintaan tertentu. Kesulitan tidak hanya dalam mengetahui bagaimana mengintisarikan informasi tetapi juga bagaimana menggunakannya untuk memutuskan keterkaitannya. Kemajuan yang lamban dari linguistik modern pada front-semantic dan kegagalan mesin penerjemah yang menarik perhatian menunjukkan bahwa permasalahan tersebut belum sepenuhnya terpecahkan.
Tujuan dari strategi retrieval otomatis adalah untuk memperoleh kembali semua dokumen yang relevan dan pada saat yang sama bisa terambil beberapa dokumen yang tidak relevan. Ketika  karakterisasi dari sebuah dokumen terpecahkan, harusnya dokumen tersebut direpresentasikan secara relevan dengan sebuah query, hal tersebut memungkinkan dokumen diperoleh kembali sebagai respon dari query tersebut.
Dalam cara ini pegindeksan manual mempunyai karakteristik tradisional, ketika memberikan indeks ke dokumen, pengindeks akan berusaha mencarikan dokumen yang diminta oleh user sesuai dengan indeksnya. Secara implisit pengindeks membangun query untuk dokumen yang relevan. Ketika pengideksan dilakukan secara otomatis, hal tersebut diasumsikan bahwa dengan mendorong teks dari sebuah dokumen (query) pada analisis otomatis yang sama, hasilnya akan berupa penyajian dari isi dokumen, dan jika dokumen berkaitan dengan query, sebuah prosedur komputasional akan menunjukkan hal ini.
Dengan cukup beralasan, hal tersebut memungkinkan manusia untuk menetapkan keterkaitan sebuah dokumen dalam sebuah query. Agar komputer melakukan hal ini, kita harus membangun sebuah model dalam keputusan relevan yang dapat terukur. Hal tersebut sangat menarik untuk dicatat bahwa banyak riset mengenai information retrieval dapat ditunjukkan untuk dikaitkan dengan aspek yang berbeda dari model seperti itu.

Information Retrieval System
Information Retrieval System dimulai dengan hal-hal pada sisi input. Masalah yang utama di sini adalah untuk mendapatkan suatu penyajian dari setiap dokumen dan query yang sesuai untuk menggunakan suatu komputer. Kebanyakan retrieval system berbasis komputer hanya menyimpan suatu penyajian dokumen (query) yang berarti bahwa teks suatu dokumen hilang satu kali ketika telah diproses untuk kepentingan peningkatan penyajiannya. Suatu penyajian dokumen bisa dianggap penting, sebagai contoh daftar kata-kata yang disadap, dibandingkan mempunyai komputer yang memproses bahasa yang alami. Pendekatan alternatif adalah untuk mempunyai suatu bahasa tiruan dimana di setiap semua dokumen dan query dapat dirumuskan.

Ada beberapa bukti untuk menunjukkan bahwa ini dapat efektif. Tentu saja ini mensyaratkan bahwa seorang pengguna akan diajar untuk menyatakan kebutuhan informasinya dalam bahasa.
Sistem retrieval on-line memungkinkan pengguna untuk mengubah  permintaannya selama pencarian. Dengan demikian, diharapkan peningkatan retrieval berikutnya dapat berjalan. Prosedur seperti itu biasanya dikenal sebagai 'umpan balik'. Sebuah contoh suatu sistem retrieval on-line yang canggih adalah sistem MEDLINE (Mc Carn dan Leiter).
Kemudian bagian yang kedua setelah input adalah processor yang merupakan bagian dari sistem retrieval yang terkait dengan proses retrieval. Proses dapat melibatkan struktur informasi dalam beberapa cara yang sesuai, seperti penggolongannya. Ini juga akan melibatkan penyelenggaraan fungsi retrieval yang nyata, yang akan melaksanakan strategi pencarian sebagai jawaban atas suatu query. Dalam diagram, dokumen-dokumen telah ditempatkan dalam suatu kotak terpisah untuk menekankan fakta bahwa mereka bukan hanya input tetapi dapat digunakan sepanjang proses retrieval, sedemikian sehingga strukturnya lebih tepat dilihat sebagai bagian dari proses retrieval.
Bagian akhir dari Information Retrieval adalah output, yang pada umumnya merupakan satu set kutipan atau angka-angka dokumen. Dalam sebuah sistem operasional cerita berakhir di sini. Bagaimanapun juga, di suatu sistem percobaan ini meninggalkan evaluasi untuk dilaksanakan.

Perspektif terhadap Information Retrieval
Bagian ini tidak dimaksudkan untuk membuat sebuah usaha pada suatu jumlah yang menyeluruh dan lengkap dari pengembangan Information Retrieval yang historis. Setidak-tidaknya, ini tidak akan bisa meningkatkan jumlah yang diberikan oleh Cleverdon dan Salton. Walaupun Information Retrieval dapat dibagi lagi dalam beberapa cara, ini tampaknya bahwa ada tiga area riset utama yang diantaranya menyusun sebuah porsi materi yang dipertimbangkan. Area tersebut adalah isi analisa, struktur informasi, dan evaluasi. Dengan singkat, isi analisa mempunyai kaitan dengan gambaran isi dokumen dalam suatu bentuk yang cocok untuk proses komputer. Struktur informasi mempunyai kaitan dengan pemanfaatan hubungan antar dokumen untuk meningkatkan efisiensi dan efektivitas strategi retrieval. Evaluasi mempunyai kaitan dengan pengukuran dari  efektivitas retrieval.
Luhn menggunakan jumlah frekuensi kata-kata dalam teks dokumen untuk menentukan kata-kata yang mana yang cukup penting untuk mewakili atau mengenali dokumen di komputer (lebih detil tentang hal ini di bab yang berikutnya). Inilah yang disebut 'kata kunci' yang akan digunakan untuk memperoleh untuk masing-masing dokumen. Sebagai tambahan, frekwensi kejadian dari kata-kata ini dapat juga digunakan di badan teks untuk menandai suatu derajat tingkat arti. Ini menyediakan suatu rencana penimbang sederhana untuk 'kata kunci' pada setiap daftar dan membuat ketersediaan suatu wakil dokumen dalam wujud sebuah 'uraian kata kunci yang dihargai'.
Dalam posisi ini, mungkin saja menyenangkan untuk menguraikan penggunaan ‘kata kunci'. Hal ni telah menjadi praktek umum didalam literatur Information Retrieval untuk mengacu pada materi deskriptif yang disadap dari teks sebagai kata kunci atau terminologi. Materi seperti itu biasanya merupakan hasil beberapa proses seperti pengumpulan bersama-sama dari varian analisis yang berbeda pada kata yang sama. Dalam tulisan ini, kata kunci dan istilah akan digunakan secara berbeda.
Penggunaan informasi statistik tentang distribusi kata-kata di dokumen dimanfaatkan lebih lanjut oleh Maron, Kuhns dan Stiles yang  memperoleh asosiasi statistik antar kata kunci. Asosiasi ini menyajikan suatu basis untuk pembangunan suatu kamus sebagai bantuan kedalam retrieval. Banyak akhir-akhir ini riset dibawa bersama-sama dengan penerbitan pada Statistical Association Methods for Mechanized Documentation (Stevens).
Sparck Jones telah melanjutkan pekerjaan ini menggunakan ukuran asosiasi antar kata kunci berdasar pada frekwensi co-occurrence, yaitu frekuensi dimana dua kata kunci terjadi bersama-sama dalam dokumen yang sama. Dia telah menunjukkan bahwa kata-kata terkait seperti itu dapat digunakan secara efektif untuk meningkatkan daya ingat, sehingga dapat meningkatkan proporsi dari dokumen yang relevan yang didapat kembali. Secara menarik, awal gagasan Luhn masih sedang dikembangkan dan banyak metode otomatis pada karakterisasi yang didasarkan pada awal pekerjaannya.
Istilah struktur informasi mencakup secara rinci suatu organisasi informasi logis, seperti perwakilan dokumen, untuk kepentingan informasi retrieval. Pengembangan di struktur informasi telah diperbaharui. Alasan yang utama untuk kelambatan pengembangan di area informasi retrieval ini adalah bahwa dalam jangka waktu panjang tak seorangpun menyadari komputer itu tidak akan memberi suatu waktu retrieval yang bisa diterima dengan suatu dokumen besar  kecuali jika beberapa struktur logis dibebankan. Sesungguhnya, pemilik data-base besar masih segan untuk mencoba teknik organisasi baru yang berjanji retrieval lebih baik dan lebih cepat. Kelambatan untuk mengenali dan mengadopsi teknik baru pada umumnya karena keterbatasan bukti eksperimental yang mendukung. Eksperimen yang lebih awal dengan sistem dokumen retrieval biasanya mengadopsi suatu organisasi serial file, dimana, walaupun efisien ketika sejumlah besar query diproses secara serempak di dalam suatu mode batch, membuktikan tidak cukup jika masing-masing query memerlukan waktu respon yang singkat. Organisasi yang populer diadopsi untuk mengganti file tersebut. Baru-baru ini eksperimen telah mencoba untuk mempertunjukkan keunggulan dari file clustered untuk retrieval  on-line.
Organisasi dari file ini diproduksi oleh suatu metode klasifikasi otomatis. Good dan Fairthorne adalah di antara yang pertama menyatakan bahwa penggolongan otomatis mungkin terbukti bermanfaat di dalam dokumen retrieval. Beberapa tahun kemudian ada eksperimen serius dilaksanakan pada dokumen yang di-cluster ( Doyle; Rocchio). Semua eksperimen sejauh ini telah ada dalam skala kecil, sejak clustering hanya masuk ke dalam dirinya sendiri ketika skala ditingkatkan.
Evaluasi sistem retrieval telah terbukti sangat sulit. Senko dalam suatu survei yang sempurna mengatakan: 'Tanpa sebuah evaluasi system, keraguan menjadi area yang paling menyusahkan di dalam Information Retrieval...'. Disamping pekerjaan yang dipelopori sempurna dan dilaksanakan oleh Cleverdon di dalam area ini, dan di samping banyak ukuran efektivitas yang telah diusulkan oleh Robertson, suatu teori evaluasi umum tidak pernah muncul.
Di masa lalu  telah ada banyak debat tentang kebenaran evaluasi berdasar pada pertimbangan keterkaitan yang disajikan dengan perbuatan salah manusia. Cuadra dan Katter memperkirakan keterkaitan yang terukur pada suatu skala nomor urut, dalam rank-ordering menunjukkan bahwa posisi suatu dokumen pada skala seperti itu dipengaruhi oleh variabel eksternal yang umumnya tidak dikendalikan di laboratorium. Lesk dan Salton sesudah itu menunjukkan bahwa suatu dichotomous skala di suatu dokumen adalah yang relevan atau  tidak relevan, ketika diperlakukan ke suatu kemungkinan kesalahan tertentu, tidak berlaku hasil mendapatkan evaluasi yang berkaitan dengan ketepatan (proporsi dokumen yang didapat kembali adalah relevan) dan recall (proporsi dari dokumen yang relevan yang didapat kembali). Sekarang ini efektivitas retrieval kebanyakan masih diukur dalam kaitan dengan ketepatan dan daya ingat atau oleh ukuran berdasarkan thereon. Masih ada ketidak cukupan perawatan statistik yang mengungkapkan bagaimana uji signifikansi dapat digunakan. Maka, setelah beberapa dekade riset di dalam area ini pada dasarnya hanya mempunyai ketepatan dan daya ingat, dan hipotesis yang menyatakan, 'Didalam sistem tunggal, asumsi bahwa suatu urutan sub-searches untuk pertanyaan tertentu adalah dibuat order; pesanan yang logis dari ketepatan menurun yang diharapkan, dan kebutuhan itu dinyatakan dalam pertanyaan, ada suatu hubungan kebalikan antara daya ingat dan ketepatan, jika hasil sejumlah pencarian berbeda dirata-ratakan.' (Cleverdon).

Efisiensi dan Efektivitas
Sebagian besar riset dan pengembangan di dalam informasi retrieval diarahkan pada peningkatan efisiensi dan efektivitas retrieval. Efisiensi biasanya diukur dalam kaitan dengan sumber daya komputer digunakan seperti core, backing store, dan CPU time. Untuk mengukur efisiensi suatu mesin yang berjalan sendiri merupakan suatu kesulitan. Setidak-tidaknya, haruslah diukur bersama dengan keefektifan memperoleh beberapa gagasan untuk manfaat dalam kaitan dengan biaya unit. Efektivitas itu biasanya diukur dalam kaitan dengan ketepatan dan daya ingat. Ketepatan itu sendiri menjadi perbandingan dari jumlah dokumen retrieval yang relevan dengan total jumlah dokumen retrieval, dan daya ingat menjadi perbandingan dari  jumlah dokumen retrieval yang relevan kepada total jumlah dokumen yang relevan (kedua-duanya didapat kembali dan tidak didapat kembali). Alasan untuk penekanan dua  ukuran ini adalah acuan yang sering dibuat ke efektivitas retrieval. Ini akan mencukupi sampai kita menjangkau bab itu untuk berpikir tentang efektivitas retrieval dalam kaitan dengan ketepatan dan daya ingat. Sebelum dapat menghargai evaluasi pengamatan yang perlu dipahami adalah apa yang menimbulkan pengamatan itu.

Indexing
Suatu bahasa indeks adalah bahasa yang digunakan untuk menguraikan dokumen dan permintaan. Unsur-Unsur dari bahasa indeks adalah terminologi indeks, yang   mungkin diperoleh dari teks dokumen untuk diuraikan, atau mungkin dengan bebas. Bahasa indeks dapat diuraikan menjadi pre-coordinate atau post-coordinate, yang pertama menunjukkan bahwa terminologi dikoordinir ketika mengindeks dan ketika dalam pencarian. Secara lebih rinci, dalam indeks pre-coordinate suatu kombinasi logis tentang segala  terminologi indeks  mungkin digunakan sebagai suatu label untuk mengidentifikasi suatu kelas dokumen, sedangkan di dalam indeks post-coordinate kelas yang sama akan dikenali pada waktu pencarian dengan mengombinasikan kelas dokumen berlabel dengan terminologi indeks individu.
Bahasa indeks yang muncul dari algoritma conflation dapat dijelaskan sebagai indeks dengan kosakata yang tak terkendalikan, post-coordinate dan merupakan turunan. Kosa kata terminologi indeks pada tahap evolusi kumpulan dokumen hanya merupakan satuan dari semua conflation kelas nama.
Ada banyak kontroversi tentang macam bahasa index yang mana yang terbaik untuk pencarian kembali dokumen. Perdebatan utama adalah tentang apakah indeks otomatis sebaik atau lebih baik daripada indeks manual. Masing-masing bisa dilakukan pada berbagai tingkatan kompleksitas. Bagaimanapun, sepertinya terbukti dalam keduanya, indexing otomatis dan manual, menambahkan kompleksitas dalam wujud kendali yang lebih terperinci. Pesan adalah  kosa kata tak terkendalikan berdasar pada bahasa alami untuk mencapai efektivitas pencarian kembali yang dapat diperbandingkan dengan kosa kata dengan kendali rumit.
Mungkin bukti yang paling substansial untuk indexing otomatis telah keluar dari  SMART Project (1966). Salton baru-baru ini meringkas kesimpulan nya:'... pada rata-rata prosedur indeks yang paling sederhana yang mengidentifikasi dokumen yang diinginkan atau kueri oleh satu set terminologi, tertimbang atau  tak tertimbang, diperoleh dari dokumen atau teks kueri adalah juga yang paling efektif'. Rekomendasinya harus jelas, analisa teks otomatis perlu menggunakan terminologi tertimbang diperoleh dari kutipan dokumen yang panjangnya sedikitnya satu dokumen abstrak.
Dokumen representatif yang digunakan oleh SMART project lebih canggih dari pada sekedar daftar batang yang diintisarikan oleh conflation. Tidak ada keraguan, dibanding format kata biasa metode ini lebih efektif ( Carroll dan Debruyn). Pada puncaknya, the SMART project ini menambahkan indeks tertimbang, di mana suatu istilah index mungkin adalah beberapa kelas konsep melalui penggunaan berbagai kamus.

  1. Motivasi
Information Retrieval (IR) adalah kegiatan yang berhubungan dengan penyajian, penyimpanan, pengorganisasian, dan pengaksesan ke materi informasi. Pengorganisasian dan penyajian dari materi informasi perlu menyediakan akses yang gampang kepada pengguna informasi yang dipilihnya. Sayangnya, kebutuhan informasi pemakai bukanlah masalah yang sederhana. Sebagai contoh pemakai memerlukan hal ini dalam konteks Internet :
Mencari semua halaman yang berisi informasi tenis regu pada perguruan tinggi yang memenuhi syarat: (1) berada di universitas di Amerika Serikat dan (2) mengikuti turnamen tenis NCAA. Supaya cocok dengan keinginan pengguna, maka halaman harus meliputi informasi tentang rangking nasional regu pada tiga tahun terakhir dan email atau nomor telepon dari pelatih regu.
Yang jelas, uraian yang menyangkut kebutuhan informasi pemakai ini tidak bisa digunakan secara langsung untuk mencari informasi dengan menggunakan antarmuka Web seperti mesin pencari. Sebagai gantinya, pemakai harus menterjemahkan informasi ini ke dalam query yang dapat diproses oleh mesin pencari (atau sistem IR).
Dalam format umumnya, terjemahan ini menghasilkan satu kata kunci (atau bisa juga query) yang meringkas uraian dari  informasi yang diperlukan pemakai. Dengan query yang dibutuhkan pemakai, IR sistem akan mendapat informasi yang mungkin dicari pemakai atau mungkin informasi yang berhubungan dengannya. Penekanannya adalah pada pencarian kembali informasi sebagai lawan perolehan kembali data.

             Information Retrieval dan Data Retrieval.
Pencarian data dalam konteks sistem IR, sebagian besar berisi tentang menentukan dokumen mana yang sesuai kueri pemakai dalam koleksi dokumen, lebih sering terjadi ketidakcocokan kebutuhan informasi yang diinginkan pemakai. Sesungguhnya, pemakai dari suatu sistem IR lebih memperhatikan information retrieval tentang suatu bahasan daripada pencarian data yang memenuhi query pengguna. Bahasa pencarian data lebih mengarah pada pencarian semua obyek yang memenuhi kondisi seperti yang ada di dalam ungkapan reguler atau pada suatu ungkapan relational aljabar. Dengan begitu untuk pencarian data, satu kesalahan obyek pada ribuan object pencarian itu berarti kegagalan. Sedangkan untuk sistem information retrieval, object yang didapat bisa saja tidak akurat, boleh terjadi kesalahan kecil yang mungkin tidak diperhatikan. Alasan utama yang menyebabkan perbedaan ini adalah information retrieval itu pada umumnya berhubungan dengan bahasa sehari-hari yang tidak selalu tersusun baik dan bisa menimbulkan kerancuan secara semantik. Pada sisi lain, sistem pencarian data (seperti suatu database relational) berhadapan dengan data yang mempunyai arti semantik dan struktur yang tersusun dengan baik.
Pencarian data, selama menyediakan suatu solusi kepada pemakai sistem database, tidak memecahkan permasalahan dalam informasi yang mencari informasi tentang suatu topik. Untuk bisa memenuhi keefektifan dalam memenuhi kebutuhan informasi pemakai, bagaimanapun juga sistem IR harus menginterpretasikan materi informasi pada koleksi dokumen dan memberikan rangking kerelevanan terhadap query pemakai. Penafsiran tentang isi dokumen ini meliputi  penggalian informasi semantik dan syntactic dari teks dokumen dan menyesuaikannya dengan informasi yang dibutuhkan pemakai. Kesulitannya tidak hanya keharusan tahu tentang bagaimana menggali informasi tetapi harus mengetahui juga tentang bagaimana menggunakannya untuk menentukan kesesuaiannya. Gagasan dari kesesuaian ini adalah inti dari information retrieval. Nyatanya tujuan utama dari sistem IR adalah untuk mendapatkan semua dokumen yang berhubungan dengan query pengguna dan meminimalisir dokumen yang tidak berhubungan dengan query pengguna sebisa mungkin.
Berikut ini adalah perbedaan antara data retrieval dan information retrieval dapat dilihat pada table.

Data Retrieval (DR)
Information Retrieval (IR)
Matching
Inference        
Model 
Classification
Query language
Query specification
Items wanted 
Error response
Exact match
Deduction
Deterministic  
Monothetic     
Artificial
Complete        
Matching
Sensitive         
Partial match, best match Induction
Probabilistic
Polythetic
Natural           
Incomplete
Relevant
Insensitive

Table Information Retrieval (IR) dan Data Retrieval (DR)

Dalam data retrieval, kita mengecek untuk melihat apakah suatu item ada atau tidak dalam suatu file. Dalam information retrieval, kita akan menemukan item yang cocok secara parsial dengan permintaan dan kemudian memilih satu yang paling cocok di antara beberapa item yang terpilih. Penarikan kesimpulan yang digunakan dalam data retrieval adalah secara deduksi, misal aRb dan bRc maka hasilnya adalah aRc. Dalam information retrieval biasanya menggunakan penarikan kesimpulan secara induksi, hubungan hanya ditetapkan dengan tingkat kepastian atau ketidakpastian, dan karenanya, kepercayaan kita terhadap kesimpulan yang diambil adalah variabel. Perbedaan ini mengarahkan kita untuk menggambarkan data retrieval sebagai deterministic sedangkan informasi retrieval sebagai probabilistic. Seringkali teorema Bayes dilibatkan untuk menarik kesimpulan dalam information retrieval.
Perbedaan yang lain yaitu dalam penggolongannya. Dalam data retrieval kita lebih cenderung tertarik pada penggolongan monothetic, yaitu penggolongan dengan penggambaran kelas oleh atribut-atribut objek yang diperlukan pada sebuah kelas. Dalam information retrieval penggolongan seperti itu tidak bermanfaat, sebenarnya penggolongan polythetic lebih sering diinginkan. Dalam penggolongan tersebut setiap individu dalam kelas hanya akan mememiliki sebuah proposi dari seluruh atribut yang dimiliki oleh semua anggota dalam kelas tersebut. Oleh karena itu, tidak ada atribut yang cukup maupun perlu untuk keanggotaan setiap kelas.

Bahasa kueri dalam Data Retrieval
Bahasa kuery untuk data retrieval biasanya menjadi tiruan kosa kata dan sintaksis terbatas, dalam information retrieval kita lebih memilih untuk menggunakan bahasa alami walaupun ada beberapa perkecualian. Dalam data retrieval, query biasanya merupakan suatu spesifikasi lengkap dari apa yang diinginkan. Dalam information retrieval ini, kuerinya tanpa alternatif dan tidak sempurna. Perbedaan akhir ini memunculkan sebagian dari fakta bahwa dalam information retrieval, kita  sedang mencari-cari dokumen yang relevan. Tingkat kecocokan dalam information retrieval diasumsikan untuk menandai adanya kemungkinan dari  keterkaitan menyangkut  item tersebut. Satu konsekuensi sederhana dari perbedaan ini adalah data retrieval lebih sensitif terhadap kesalahan. Suatu kesalahan dalam pencocokan tidak akan mendapatkan kembali item yang diinginkan yang menandakan suatu kegagalan total sistem. Di dalam information retrieval, kesalahan kecil dalam pencocokan biasanya tidak mempengaruhi hasil dari sistem.
Banyak pengembalian informasi sistem otomatis bersifat percobaan. Information retrieval sebagian besar bersifat percobaan dan dilanjutkan di laboratorium sedangkan sistem operasional adalah sistem komersil yang meminta pembayaran bagi layanan yang mereka sediakan. Secara alami dua sistem dievaluasi dengan cara yang berbeda. ‘Dunia nyata' sistem information retrieval dievaluasi dalam kaitannya dengan 'kepuasan pemakai' dan harga yang ingin dibayarkan oleh pemakai layanan. Sistem IR yang bersifat percobaan dievaluasi dengan  membandingkan percobaan perolehan kembali dengan standard khusus untuk tujuan itu.

            Information retrieval sebagai pusat dari peradaban teknologi
Selama 20 tahun ini wilayah information retrieval telah tumbuh dengan baik melebihi tujuan utamanya yaitu mengurutkan dokumen dan mencari dokumen yang berguna dalam kumpulan koleksi. Sekarang ini, riset dalam information retrieval meliputi modeling, penggolongan dokumen, sistem arsitektur, antarmuka, visualisasi data, penyaringan, bahasa, dan lain lain. Di samping kedewasaannya sampai saat ini, information retrieval dilihat sebagai lingkup minat sempit yang sebagian besar digeluti oleh tenaga ahli informasi dan pustakawan. Visi yang telah ditanamkan selama bertahun-tahun selain penghamburan yang cepat, antarmuka, information retrieval juga ingin dijadikan alat untuk multimedia dan hypertext aplikasi. Salah satu yang telah terwujud adalah pengenalan World Wide Web pada awal tahun 1990-an.
            Web telah menjadi tempat penyimpanan yang universal bagi pengetahuan manusia dan kebudayaan yang membuat pembagian informasi dan ide menjadi mempunyai lingkup yang tidak pernah terjadi sebelumnya. Kesuksesan ini terjadi karena antarmuka standar yang selalu sama tidak tergantung lingkungan kerja yang dipakai untuk menjalankan antarmuka. Hasilnya pengguna terlindungi dari hal-hal detail dari protokol komunikasi, lokasi mesin, dan Sistem Operasi. Lebih jauh lagi, pengguna bisa membuat dokumen berbasis web sendiri dan membuatnya terhubung dengan web dokumen lain tanpa larangan. Ini adalah aspek utama karena ini membuat web menjadi media penyebaran informasi yang bisa diakses oleh setiap orang. Dunia tanpa batas ini telah menarik minat jutaan manuia pada awal perkembangannya. Lebih jauh lagi, ini menyebabkan revolusi pada penggunaan komputer oleh pengguna dan persiapan tugas sehari-harinya. Sebagai contoh home banking dan home shopping telah menjadi populer dan semakin banyak menghasilkan pendapatan.
            Meskipun banyak keberhasilan yang telah dicapai, web juga telah menimbulkan masalah sendiri. Menemukan informasi yang berguna pada web bisa saja sangat sulit. Sebagai contoh, pengguna untuk mendapatkan informasi yang diinginkan pengguna dia harus memilih links yang akan menyambung ke halaman lain. Selama links tersebut banyak dan hampir semua tidak dikenal, maka dia akan kesulitan untuk mencari nformasi yang dimaksudkannya tadi. Bagi pengguna yang kurang punya minat pada hal ini bisa menyebabkan dia frustasi. Halangan utamanya adalah banyaknya data model yang ada pada web, dan kebanyakan berkualitas rendah. Kesulitan ini membuat orang yang berminat pada information retrieval berusaha memperbaharui teknik pencarian. Hasilnya, Information Retrieval telah mendapat tempat yang sama dengan teknologi lain pada pusat peradaban.

2. Konsep dasar
Keefektifan perolehan kembali informasi relevan secara langsung dipengaruhi baik melalui perintah pemakai dan pandangan logis dari  dokumen yang diadopsi oleh sistem perolehan kembali.
 2.1. Pemakai
Pemakai suatu sistem perolehan kembali harus menterjemahkan informasi yang diperlukannya ke dalam query yang terdapat dalam bahasa yang disajikan oleh sistem. Dengan suatu Information Retrieval system, secara normal menyiratkan bahwa satu set kata-kata yang menyampaikan semantik dari  kebutuhan informasi. Dengan suatu Data Retrieval System, suatu ungkapan query (sebagai contoh suatu regular expression) digunakan untuk menyampaikan batasan jawaban yang harus dipenuhi. Di kedua kasus di atas, pemakai mencari informasi yang bermanfaat dengan menggunakan Retrieval Task.
Sekarang pertimbangkan, jika seorang pemakai mempunyai minat, sebagai contoh pemakai bisa tertarik terhadap dokumen tentang balap mobil secara umum. Dalam situasi ini, pemakai menggunakan sebuah antarmuka interaktif untuk melihat-lihat koleksi dokumen yang berhubungan dengan balap mobil. Ia mungkin tertarik tentang dokumen tentang Formula 1, tentang pabrik mobil, atau tentang `24 Hours Le Mans'. Ketika sedang pembacaan tentang `24 Hours Le Mans`,  ia mungkin berkeinginan mengalihkan perhatiannya ke sebuah dokumen yang menyediakan arah ke Le Mans, kemudian berpindah lagi ke dokumen yang meliput pariwisata di Perancis. Dalam situasi ini pemakai tidak sedang searching, melainkan sedang mem-browse koleksi dokumen. Browsing  masih merupakan suatu proses dalam mendapat kembali informasi, tetapi sasaran utamanya tidak tergambar jelas di permulaannya dan mungkin saja berubah selama proses interaksi dengan sistem.
Figure: Interaction of the user with the retrieval system through distinct tasks.
           
Permintaan dari pemakai bisa terdiri dari dua jenis yang berbeda: information atau data retrieval dan browsing. Classic information retrieval systems secara normal memungkinkan information atau data retrieval. Sistem hypertext pada umumnya diset untuk menyediakan cara browsing yang cepat. Antarmuka web dan perpustakaan digital modern mungkin mencoba mengkombinasikan tugas ini untuk menyediakan kemampuan retrieval yang telah meningkat. Bagaimanapun, kombinasi dari retrieval dan browsing belum merupakan suatu pendekatan yang baik dan bukanlah paradigma yang dominan.
Gambar ini menunjukkan interaksi dari  pemakai melalui tugas berbeda yang diidentifikasi. Data dan information retrieval pada umumnya disajikan oleh sistem pengembalian informasi yang paling modern seperti Web. Lebih lanjut, sistem seperti ini mungkin juga menyediakan beberapa format dalam browsing yang masih terbatas. Kombinasi information dan data retrieval dengan browsing saat ini belum umum, namun bisa menjadi populer di masa datang.
Retrieval dan browsing terdapat dalam bahasa World Wide Web, yaitu ketika pemakai meminta informasi secara interaktif. Alternatif lainnya adalah melakukan perolehan kembali dengan cara permanen dan otomatis yang menggunakan perangkat lunak yang mengambil informasi untuk pemakai. Sebagai contoh, informasi yang berguna untuk seorang pemakai bisa diambil pada waktu tertentu dari suatu jasa layanan berita. Dalam hal ini, dikatakan bahwa sistem IR sedang melaksanakan perolehan kembali tugas tertentu, yang terdiri dari penyaringan informasi yang relevan untuk kemudian diperiksa oleh pemakai.

2.2. Pandangan Logis tentang Dokumen
Dalam kaitannya dengan pertimbangan historis, dokumen-dokumen dalam suatu koleksi sering diwakili oleh suatu satuan kata kunci atau terminologi index. Kata kunci seperti itu bisa diambil secara langsung dari dokumen teks atau bisa ditetapkan oleh manusia ( seperti sering dilaksanakan dalam wilayah ilmu pengetahuan. Bukan masalah apakah kata kunci yang representatif ini diperoleh secara otomatis atau yang dihasilkan oleh suatu spesialis, mereka menyediakan suatu pandangan logis tentang dokumen.
Komputer modern memungkinkan untuk menghadirkan dokumen dengan satuan kata-katanya sendiri. Dalam hal ini sistem perolehan kembali mengadopsi pandangan logis terhadap teks penuh (atau penyajian) tentang suatu dokumen. Tetapi dengan koleksi yang sangat besar, komputer modern mungkin harus mengurangi satuan kata kunci. Ini dapat terpenuhi melalui penghapusan stopwords (seperti artikel dan penghubung), penggunaan pembendungan (yang akan mengurangi kata-kata yang beda bersifat ketatabahasaan), dan identifikasi kata benda kelompok (yang menghapus kata sifat, kata keterangan, dan kata kerja). Lebih lanjut, penekanan terhadap informasi yang dimaksud bisa digunakan. Operasi ini disebut text operation. Text Operation mengurangi kompleksitas dari  penyajian dokumen dan memberikan pandangan yang logis dari itu suatu teks untuk  satu set terminologi index.
  
Figure: Logical view of a document: from full text to a set of index terms.

Teks yang penuh adalah teks yang jelas dan mempunyai pandangan logis yang lengkap tentang suatu dokumen tetapi pemakaiannya pada umumnya memakan biaya yang tinggi. Sebagian kecil satuan kategori (yang dihasilkan oleh suatu manusia) menyediakan pandangan logis yang ringkas terhadap suatu dokumen tetapi pemakaiannya mungkin mendorong kearah mutu yang lebih rendah. Beberapa pandangan logis bisa diadopsi oleh suatu Information Retrieval System seperti di gambar berikut ini. Di samping mengadopsi perwakilan yang manapun, sistem perolehan kembali mungkin juga mengenali struktur internal yang ada dalam suatu dokumen (contohnya bab, bagian, subseksi, dll.). Informasi tersebut bisa bermanfaat dan diperlukan oleh sistem perolehan kembali.
Seperti di gambar di atas, berita secara logis yang mewakili suatu dokumen sebagai rangkaian dimana pandangan logis suatu dokumen mungkin bergeser (secara perlahan) dari suatu penyajian teks penuh kepada suatu penyajian yang lebih tinggi yang ditetapkan oleh manusia.

3. Masa Lampau, Masa Kini, dan Masa depan
1. Awal Perkembangan
Selama hampir 4000 tahun, manusia telah mengorganisasikan informasi untuk pencarian dan penggunaan kembali. Sebuah contoh khusus adalah daftar isi sebuah buku. Semenjak jumlah informasi berkembang melebihi sebuah buku, menjadi sebuah kebutuhan untuk membangun struktur data khusus untuk menjamin akses yang lebih cepat pada penyimpanan informasi. Sebuah struktur data yang lama dan populer untuk information retrieval yang lebih cepat adalah kumpulan kata-kata atau konsep terpilih yang dihubungkan dengan informasi (atau dokumen) yang bersangkutan yaitu indeks. Indeks adalah inti dari setiap sistem information retrieval modern. Indeks menyediakan akses data yang lebih cepat dan membuat proses kueri berjalan lebih cepat.
Selama berabad-abad, indeks dibuat secara manual seperti hirarki penggolongan. Dalam kenyataannya, kebanyakan perpustakaan masih menggunakan bentuk ini untuk mengklasifikasi dokumen-dokumen mereka. Hirarki seperti ini  pada umumnya sudah dipahami oleh ahli dari bidang ilmu kepustakaan. Lebih jauh lagi, kedatangan komputer telah memungkinkan konstruksi indeks yang besar secara otomatis. Indeks otomatis membuat permasalahan information retrieval lebih kepada sistem itu sendiri dari pada kebutuhan pemakai. Dalam hal ini, adalah penting untuk membedakan anatara dua pandangan permasalahan tentang information retrieval yang berbeda, yaitu berbasis komputer atau manual.

2. Information retrieval di Perpustakaan
Perpustakaan adalah salah satu institusi pertama yang mengadopsi sistem IR untuk mendapatkan informasi. Pada umumnya, sistem yang digunakan di perpustakaan pada awalnya dikembangkan oleh institusi akademis dan kemudian oleh produsen komersil. Pada generasi pertama, sistem pada dasarnya terdiri dari suatu otomatisasi dari teknologi sebelumnya (seperti kartu katalog) dan memungkinkan pencarian berdasar judul dan nama pengarang. Pada generasi kedua , kemampuan pencarian ditambahkan dengan pencarian berdasarkan  pokok utama, dengan kata kunci, dan tambahan lagi fasilitas kueri kompleks. Pada generasi ketiga, yang sekarang ini yang sedang menyebar, fokusnya adalah meningkatkan antarmuka grafis, format elektronik, fitur hypertext, dan sistem arsitektur terbuka.

3. Web dan Perpustakaan Digital
Jika kita pertimbangkan mesin pencarian pada Web sekarang ini, kita bisa menyimpulkan bahwa mesin tersebut melanjutkan penggunaan indeks yang sangat serupa seperti yang digunakan itu oleh pustakawan seabad yang lalu. Kemudian, apa yang telah berubah?
Tiga perubahan dramatis dan pokok telah terjadi dalam kaitannya dengan kemajuan teknologi komputer modern dan popularitas Web. Pertama, lebih murah untuk mempunyai akses kepada berbagai sumber informasi. Hal ini memungkinkan mencapai pengguna lebih luas dari yang mungkin pernah ada sebelumnya. Kedua, keahlian dalam semua macam komunikasi digital menyediakan akses lebih besar ke jaringan. Ini mengindikasikan bahwa sumber informasi tersedia sekalipun terletak sangat jauh dan bahwa akses bisa dilakukan dengan cepat (seringkali, dalam beberapa detik). Ketiga, kebebasan memasang informasi apapun juga yang dinilai bermanfaat telah sangat mendukung ketenaran dari  Web. Untuk pertama kali di dalam sejarah, banyak orang mempunyai akses bebas ke suatu medium penerbitan besar.
Pada pokoknya, biaya rendah, akses lebih besar, dan kebebasan penerbitan sudah mengijinkan orang untuk menggunakan Web (dan perpustakaan digital modern) sebagai medium yang sangat interaktif. Demikianlah inter-aktivitas mengijinkan orang menukar pesan, foto, dokumen, perangkat lunak, video, dan ‘mengobrol’ di dengan nyaman dan biaya rendah. Lebih lanjut, orang-orang dapat melakukannya pada waktu yang mereka sukai (misalnya, kamu dapat membeli suatu buku pada malam hari) yang lebih lanjut meningkatkan kenyamanan layanan. Jadi, inter-aktivitas tinggi menjadi pergeseran pokok dan mutakhir dalam paradigma komunikasi.
Di masa datang, tiga pertanyaan utama perlu dibicarakan. Pertama, meskipun inter-aktivitas tinggi, orang-orang masih mengalami kesulitan ( jika tidak mustahil) untuk mendapat kembali informasi yang relevan pada kebutuhan informasi mereka. Jadi, di dalam  dunia Web yang dinamis dan perpustakaan digital yang besar, teknik mana yang akan mengijinkan pencarian kembali dengan mutu lebih tinggi? Kedua, dengan permintaan akses yang terus meningkat, tanggapan yang cepat menjadi suatu faktor yang semakin mendesak. Jadi, teknik mana yang akan menghasilkan indeks yang lebih cepat dan kueri yang lebih cepat? Ketiga, mutu dari hasil pencarian kembali sangat dipengaruhi oleh interaksi pemakai dengan sistem. Jadi, bagaimana nantinya suatu pemahaman yang lebih baik menyangkut perilaku pemakai mempengaruhi penyebaran dan disain starategi baru information retrieval?

Isu-isu Praktis
Perdagangan elektronik adalah suatu kecenderungan utama pada Web sekarang ini dan telah menguntungkan berjuta-juta orang-orang. Di dalam suatu transaksi elektronik, pembeli pada umumnya harus mengajukan pada penjual beberapa format informasi kredit yang mana yang dapat digunakan untuk membayar produk atau layanan. Dalam format yang paling umum, informasi seperti itu terdiri dari suatu nomor kartu kredit. Bagaimanapun, karena pengiriman nomor kartu kredit melalui Internet bukanlah suatu prosedur aman, data seperti itu  pada umumnya dikirim melalui fax. Ini menyiratkan bahwa, sedikitnya dalam permulaan, transaksi antara seorang pemakai baru dan suatu penjual memerlukan pelaksanaan prosedur off-line dari beberapa langkah-langkah sebelum transaksi yang sebenarnya dapat berlangsung. Situasi ini dapat diatasi jika data dienkripsi untuk keamanan. Sesungguhnya, beberapa perusahaan dan institusi telah menyediakan beberapa format enkripsi otomatis untuk pertimbangan keamanan.
Bagaimanapun, keamanan bukanlah satu-satunya perhatian. Isu utama yang lain  adalah privasi. Seringkali, orang akan menukar informasi sepanjang  informasi itu tidak untuk umum. Pertimbangan adalah banyak tetapi salah satunya yang paling umum adalah untuk menghindari penyalahgunaan tentang informasi pribadi oleh pihak ketiga. Jadi, privasi adalah isu yang lain yang mempengaruhi penyebaran Web dan belum dibicarakan dengan baik.
Dua isu lain yang sangat penting adalah hak cipta dan hak paten. Adalah jauh dari kejelasan bagaimana penyebar luasan tentang data melalui Web mempengaruhi hak cipta dan hukum paten di berbagai negara. Ini informasi yang dikirimkannya ? Dan jika bisa dilakukan demikian, apakah hal itu dapat dipertanggungjawabkan jika terjadi suatu penyalahgunaan menyangkut informasi itu (sekalipun bukan sumber informasi).


Referensi


http://information.net/ir/8-1/paper                     
http://www.aaai.org/AITopics/html/info.html                            














REFERENSI

http://informationretrievals.wordpress.com/ (accessed date: 9 Mei 2011 at 11:55 am)
http://en.wikipedia.org/wiki/Information_retrieval (accessed date:9 Mei 2011 at 11:59)
date: 9 Mei 2011 at 12:04)

No comments:

Post a Comment