PRODI MAGISTER 2019 TEKNIK INFORMATIKA

PEMBELAJARAN

2019

UNIVERSITAS DIAN NUSWANTORO

RENCANA

Jl. Imam Bonjol 205 – 207 Gedung G lt. 2 Semarang Telp (024) 3547038 , (024) 70793727

SEMESTER

PRODI MAGISTER TEKNIK INFORMATIKA

INFORMATION RETRIEVAL

d.laJFlalr|= IJIv,zdaJtgtot&

tG

.

Z(Jzlrl&

\E\s\iIEILto(E)ur./-.-ju

&.C(JoL(f

.=C6E6(oOJ

(gcc.!-c(oclvboCs-oE€cGG'-c)JZ0)(o66BGb!c3b!o!cGL{ro-Gv'6c(gvv5c:fcO

J

cGvC

J-ocq'=EA

J

E-6(.)'-O

J

c.9GEo.Cooc6o-oEG6E'bo

EYCJ

E6E.E6c6-c66GELc.)o"E6-c6IO

J

EOJ

-cJc.5

E=

(og

oJtl

--6trr>

.E

C6E6.!I0.)

o_Eo(EL-o€J6>-Ac)bJ

-'qQo

.6EnrI'€C>O

-=6=E

Eo5eo-(oCE

'-3*6.9E

C0J 'iP

oE

-l!6E

E'-

(oq=ctrq'6trG

F!6qb,F

qeg*cclT

&"co)

ES

:5bJ(uho -<

1c:lE

b*o-'6 'r>

6C

5O

!oc5oJO>

a

fE.-(oo>6-6.6E

=or(g()- _9E

oo'-c=

(q(oEE

5cE6 :-'^

oo :r-c6;EtooJfho

!.1

;ooo0co6J>-9oi-L5.oE

E(g=(o-CE

.-6

G-

>C

O(E

-G6q,E

C- 0,,

oC(octr(ooJa.e64J-E6G'{=

-Ei;

0r

.dEbo 0)oEe

bI)6LLG

=> 'E '&

0J-=oo6

6.'

O-C

(ocbEC

Co)o

o- A

ltrb!E

5z.

o-

j-fC]

cEjfEq.,

,EEEo,-c,)cc(!

!:,c:fC(JEf,o.E

3cG-ofvfL0)(o.E(oJv-ouoCGG.0Joc.F6E.=cG'6(gcEO

J

Eh0Cc)Ec-9.9foc(!boCE,=(o(,-ocC.l

E=o.E

.q!OJ

-ocfs5.C(gOJ

oooo.cIE6-oCJ

qJE(oo(JboCCJ

EE64o- E:

EA

J.;E6EE

Ca0

sg6--oEo)cJ-6Jc(!O

LY

(E-U=oJ

EO

Ctr

L6QJY

CP

L(E

ciaG

;J=U

Dl:

cErEcJ

Ctr.

c6L

_\ 0)

(E-

:6:YC

o-h'P

b6EE

__u0fo3EE

C(g -:l>

g

-aOJ

oLco',4GELo.CEEC6Ec,ovE6.C6EoE= .96,cs

Eo)CJ

c.9E.;(o:oc(o(o:f-oG

a5ocdL

EboJ=

e.=4' -_-G(c.QE

trE

d)o:boJoE.-

0)c_sk6:3E

Go-oE

E-o;F.9(,9O

-P

oG

9a,

o_

6CJ

c.)

Ct:oE.C(Eo(oc,c.!O

Jc{Jol(!

_oLo-C66CG-c(sE0lE6;.q-c6

=OJ

a)

CF6Eoo!6G-oGa6=Ecc)oc6Jlg(g

6Eo.E(EE6= .qG.C

j(oGI

0lLo6E.;(o5-(,rcuoC(!c)E()E€l-ooC

J

E'=rg

sq,,o_E(.)

E;.g::-:l66

E(ouoCbnEEa)PdLo= o

-o(EO

o-6u0q'*0)coo

I

5ecxoorJ-O

-o3'F

o,

E>

:oc

6=E

i:loE6qo

=u0

{Etr

f'ab8f9E

Osb.trtr6*.9xo6,

g.=loEE

d,O

'Puohotao-:

F{N

N(n

Eo:ZtJ1

\1 ,\3:

r:a

E5rtlE(ou0oLo-

slE=

EoY

\

OOc.l(L

il-il

o-c{o-

!-l)

N:)v\Z

ai]:z\Z

dN

rn

16o(uE

,

.s(!Eose

Goo

.L(Jct!(!!{,)llEoo-tr.g(!.L(gL.l

{!-Y-

b!:

i;iE.avo.(E-:sqZ0,a

q(t.:a lE

(!'9@

e-oi;E

e0o-va.o.-Jfl ;l!E

ox,oFzgil.hl

z, sz

ZF

<E

<6H

>6)*<

o!?L-r,-4.>(rar=E

Vv

q>=

z=

zfi

(,(9z(fF

Jzi,(,as1f3fi=

reE

EO

tr,<E

CLE

Et-

c(!c:qc@o-

?0lo/(!F

tthEt!utoo.l!o

=5{!=lE(E

s!)llEa)o-

.qIEal!I

LooEotnan.h

= toP(u

Eoo

.gl!tscoEd,

rio-g,bIc(!Ec,coo-ooG

oT'o

.r i ll/i1,

I t:a'://,

- a',7 Itl\

\

-tG=GG

3. Information retrieval model; Boolean model; vector space model; similarity measure, distance measure 4. Skema pembobotan; tf, log tf, idf, tf.idf 5. Evaluasi pada Information Retrieval; confusion matrix, recall, precision, f-measure, cross validation 6. Multimedia information retrieval; definisi dan contoh penerapan 7. Automated short answer scoring; penjelasan metode 8. Klasifikasi teks; naive bayes, knn 9. Text clustering; partitional dan hierarchical clustering 10. Seleksi fitur; supervised dan unsupervised feature selection 11. Text document summarization; definisi dan metode peringkasan dokumen teks 12. Relevance feedback dan query expansion; definisi dan metode

Pustaka

Utama : 1. Christopher D. Manning, Prabhakar Raghavan and Hinrich Schutze, Introduction to Information Retrieval, Cambridge University Press.

2008. 2. Bruce Croft, Donald Metzler, and Trevor Strohman, Search Engines: Information Retrieval in Practice, Pearson. 2009

Pendukung : 3. Suanmali et al, Fuzzy Logic Based Method for Improving Text Summarization 4. Ju Hong Lee et al, Automatic generic document summarization based on non-negative matrix factorization 5. Gleb Sizov, Extraction-Based Automatic Summarization 6. Chen et al, Turning from TF-IDF to TF-IGM for term weighting in text classification, 2016

Media Pembelajaran Perangkat Lunak : Perangkat Keras : Rapidminer, Python GUI Proyektor

Tim Teaching Dr. Muljono, S.Si, M.Kom

Mata Kuliah Syarat

Mgg ke

Sub CP MK (sebagai kemampuan

akhir yang diharapkan) Indikator Kriteria & Bentuk

Penilaian

Metode Pembelajaran [Estimasi Waktu]

Pengalaman Belajar Materi pembelajaran Bobot

Penilaian

(1) (2) (3) (4) (5) (6) (7) 1 Mahasiswa mampu

menjelaskan konsep sistem temu-kembali informasi dan penerapannya

Ketepatan dalam menjelaskan konsep, penggunaan serta penerapan sistem temu kembali informasi

Kriteria : Ketepatan dan penguasaan Bentuk non test : Melakukan tanya jawab pemahaman mahasiswa

• Kuliah & Diskusi [TM:3x50’]

a. Pengertian sistem temu kembali informasi

b. Contoh penerapan aplikasi sistem temu kembali informasi

2 Mahasiswa mampu menjelaskan konsep inverted index dan pemrosesan awal dokumen teks

Ketepatan dalam menjelaskan inverted index dan pemrosesan awal dokumen teks



a. Inverted index b. Tokenizing c. Stemming d. N-gram

3 Mahasiswa mampu menjelaskan model-model sistem temu kembali informasi dan pengukuran kemiripan dokumen

Ketepatan dalam menjelaskan model-model sistem temu kembali informasi dan pengukuran kemiripan dokumen



• Tugas-1: pemberian soal latihan terkait inverted index, Boolean model dan vector space model

a. Boolean model b. Vector space model c. Similarity measure d. Distance measure

4 Mahasiswa mampu menerapkan evaluasi sistem temu kembali informasi

Ketepatan dalam menjelaskan cara mengevaluasi sistem temu kembali informasi



a. Confusion matrix b. Recall, precision, f-measure c. Cross validation

5 Mahasiswa mampu menjelaskan skema pembobotan pada

Ketepatan dalam menjelaskan skema pembobotan pada sistem temu kembali informasi

Kriteria : Ketepatan dan penguasaan


a. Konsep dasar skema pembobotan fitur

b. TFIDF

Mgg ke



Penilaian



Penilaian

(1) (2) (3) (4) (5) (6) (7) sistem temu kembali informasi

Bentuk non test : Melakukan tanya jawab pemahaman mahasiswa

6 Mahasiswa mampu menjelaskan konsep multimedia information retrieval (MIR)

Ketepatan dalam menjelaskan pengertian dan penerapan multimedia information retrieval



a. Konsep dasar multimedia information retrieval

b. Contoh multimedia information retrieval

7 Mahasiswa mampu menjelaskan konsep automated short answer scoring

Ketepatan dalam menjelaskan pengertian dan penerapan automated short answer scoring



a. Konsep dasar multimedia information retrieval

b. Contoh automated short answer scoring

8 Mahasiswa mampu menjelaskan konsep peringkasan dokumen teks

Ketepatan dalam menjelaskan peringkasan dokumen teks



a. Konsep peringkasan dokumen teks

b. Peringkasan teks berbasis ekstraksi

9 Mahasiswa mampu menjelaskan konsep klasifikasi dokumen teks

Ketepatan dalam menjelaskan klasifikasi dokumen teks

Kriteria : Ketepatan dan penguasaan Bentuk non test : Melakukan tanya jawab


a. Konsep dasar klasifikasi dokumen teks

b. Algoritme naïve bayes

Mgg ke



Penilaian



Penilaian

(1) (2) (3) (4) (5) (6) (7) pemahaman mahasiswa

10 Mahasiswa mampu menyelesaikan contoh kasus klasifikasi dokumen teks

Ketepatan dalam menyelesaikan contoh kasus klasifikasi dokumen teks



a. Konsep dasar klasifikasi dokumen teks

b. Algoritme k-nn

11 Mahasiswa mampu menjelaskan konsep document clustering

Ketepatan dalam menjelaskan document clustering



•

a. Konsep clustering b. Partitional clustering

12 Mahasiswa mampu menyelesaikan contoh kasus clustering dokumen teks

Ketepatan dalam menyelesaikan contoh kasus clustering dokumen teks



•

a. Konsep clustering b. Hierarchical clustering

13 Mahasiswa mampu menjelaskan konsep seleksi fitur pada sistem temu kembali informasi

Ketepatan dalam menjelaskan seleksi fitur pada sistem temu kembali informasi



•

a. Konsep dasar seleksi fitur b. Metode seleksi fitur

tersupervisi c. Metode seleksi tidak fitur

tersupervisi

Mgg ke



Penilaian



Penilaian

(1) (2) (3) (4) (5) (6) (7) 14 Mahasiswa mampu

menjelaskan konsep relevance feedback dan query expansion

Ketepatan dalam menjelaskan relevance feedback dan query expansion



a. Konsep relevance feedback dan query expansion

b. Algoritme Rocchio

15 Pengumpulan Tugas (Proyek Akhir)

Catatan : [1]. TM : tatap Muka [2]. [TM:3x50’] : Kuliah tatap muka 1 kali (minggu) x 3 sks x 50 menit=150 menit [3]. RPS: Rencana Pembelajaran Semester, RMK: Rumpun Mata Kuliah, Prodi: Program Studi, STKI: Sistem Temu Kembali Informasi, MIR: Multimedia Information Retrieval

oVts'ton'!f;'fi:lir'r-._ uDrNUri _.s1)+n" *i$

'.ririilili$;'

I]M-U DiNi Li S-Br\4-04- 1 6lR0

PROGR{NT ]UAGI STER TEKNIK INFO RMA'TKAUNIVERSITAS DIAN I\ TISWANTORO

Jl. Irnarn BonjolNo. 207 Sernarang 50131, I'elp. (02a) 7A7%727, Telp lFax (024) 15,i7038Flomepage: wlr'w.dinus.ac.id e-mail: .: ,:: : i:r ; , : "

UJIAN AKHIR SEMESTER GENAP TAHUN zAM/2AL7LEMBAR SOAI

INFORMATION RETRIEVAL

Sebrrah dokumen mengandung 3 term/kata dengan frekuensi sebagai berikut: student=3;

faculty=2'Ltniversiql=L Diasumsikan terdapat 10.000 dokumen, dengan dacumentfrequencymasing-masing term adalah student=S}; faculty=1900; urufver:sity=??A. Hitung fltrf rnasing-masing term tersebut. [10 points)Hitung kemiripan antar dokumen L dan dokuinen 2 menggunakan cosines similarity. {10p0ints)

d1 = [5,0,3,0,2,0,0,2,0,0Jd2 = {3,0,2,0,1,1,0,1,0,1)

Terdapat dua buah term tr dan fz yang masing-masing aremiliki jumlah document

frer1uency pada 5 truah closs/kategori t1 = 1y3,1-,4,0,0i dan tz = {5,4,0,2,2}. Hitung nilai i:ai:otlgm pada masing-masing fernr tersebut dengan persamaan irerikut. [20 points]

igm(' ' fkr'n) - ztr*fk,

Iletail persamaan tersebut bisa dilihat pada paper dengan judul "Iurning fram TF-lDF toTF-lGM for tenn weighting in text classificction"

Buat sebuah extended ahstract yang diambil pada sebuah karya ilmiah internasional [lEEE,ACM, Springer, atau Science directJ dengan jumlah kata 300-400. [30 points)Buat sebuah matriks dan teniukan matriks IJ,S, dan I/:' dengan menggunakan Singular ValueDecr:mposition ISVDJ. Matriks yang dibuat setiap mahasiswa tidak boleh san]a. (30 points]

3.

4.

Mata KuliahHari, TanggalKelompok

Informatian RetrievalRabu,?Slan ZALBXXKI

SifatWaktuDosen

Close Book19.10 - 21.00Dr. Muljono, S.Si., I(om.

Diperiksa oleh:Koordinator Matakuliah Information Retrieval

Disetujui oleh:Ketua Program Studi Magister Teknik

Infnrmatika

uljono, S.Si, M.Kom Dr. Moch Arief Soeleman, M.Kom

PRODI MAGISTER 2019 TEKNIK INFORMATIKA

Documents

Transcript of PRODI MAGISTER 2019 TEKNIK INFORMATIKA