SISTEM REKOMENDASI INDEKS WEB DENGAN METODE FREQUENT TERMS BERBASIS MULTI INSTANCE LEARNING

Abstract

Web index page is well known as page that arranges information by giving the title and short explanation about the information, where the complete information will be presented in other page. However since the amount of information become accumulate, the existence of a lot of index page exactly cause difficulty on getting information because it is possible to direct users into a mount of irrelevant information. Without a system which can help user navigation, the process of seeking the expected information is equal to a trial and error processing. In this paper, web index recommendation system is investigated which involved the activity of user on accessing the index page. This system will arrange the frequent term in index page and then implement Multi Instance Learning to give recommendation of the new index page automatically. The algorithm is citation kNN that will be adapted into fretCit kNN by implementing the minimal Hausdorff distance in measuring the distance. The experiments show that from the several test of users, the system give performance in average recommendation until 82,41% accuracy with 66,71% recall. Abstract in Bahasa Indonesia : Halaman indeks dikenal sebagai halaman yang mengelompokkan informasi-informasi, dengan memberikan judul serta penjelasan singkat tentang suatu informasi, dimana informasi lengkap akan dipresentasikan pada halaman-halaman lain. Namun dengan ketersediaan informasi yang menjadi semakin menumpuk, keberadaan halaman indeks yang semakin banyak justru menyebabkan kesulitan dalam mendapatkan informasi karena mungkin akan mengarahkan pada banyak informasi yang tidak relevan. Tanpa adanya sebuah sistem yang dapat membantu navigasi user, untuk mencari informasi yang diinginkan sama saja dengan sebuah kegiatan trial dan error. Dalam penelitian ini, dirancang sebuah sistem rekomendasi indeks web yang melibatkan aktifitas user dalam mengakses halaman indeks. Sistem ini mengelompokkan frequent terms pada halaman indeks dan kemudian mengimplementasikan metode Multi Instance Learning untuk memberikan rekomendasi secara otomatis dari halaman-halaman indeks baru. Algoritma yang digunakan adalah algoritma Citation kNN yang diadaptasi menjadi fretCit-kNN dengan mengaplikasikan minimal Hausdorff distance dalam pengukuran jaraknya. Dalam hasil proses dan analisis disimpulkan bahwa dengan beberapa macam uji coba data dari beberapa user sistem menampilkan performa hingga rata-rata 82,41% akurasi dan nilai kembalian sebesar 66,71%. Kata kunci: halaman indeks, sistem rekomendasi, multi instance learning, citation kNN, hausdorff distance.