Sistem Temu Balik Informasi Berita Multitema Berbahasa Inggris Menggunakan BM25 dan Optimasi Semantik Kata

Abstract

Pertumbuhan berita daring berbahasa Inggris yang semakin pesat dan mencakup berbagai tema menimbulkan tantangan dalam menemukan informasi yang relevan. Salah satu permasalahan utama dalam pencarian berita adalah perbedaan kosakata antara kata kunci yang dimasukkan pengguna dan istilah yang digunakan dalam dokumen berita. Penelitian ini bertujuan untuk merancang sistem temu balik informasi berita multitema berbahasa Inggris yang mampu meningkatkan relevansi hasil pencarian secara kontekstual. Pendekatan yang digunakan mengombinasikan metode leksikal melalui algoritma BM25 dengan pendekatan semantik menggunakan teknik semantic query expansion berbasis WordNet. Dataset yang digunakan berasal dari BBC News dengan total 42.115 dokumen, di mana judul dan deskripsi berita digabungkan untuk memperkaya konteks dokumen. Tahapan penelitian meliputi preprocessing teks, pembentukan model BM25, perluasan query menggunakan sinonim WordNet, serta pemeringkatan dokumen berdasarkan skor relevansi. Hasil pengujian menunjukkan bahwa penerapan ekspansi semantik memungkinkan sistem menemukan dokumen yang relevan meskipun tidak mengandung kata kunci yang sama secara langsung. Dengan demikian, integrasi BM25 dan optimasi semantik terbukti mampu meningkatkan kualitas pencarian berita berdasarkan makna, bukan sekadar kecocokan kata. Penelitian ini diharapkan dapat menjadi dasar pengembangan sistem pencarian berita yang lebih efektif dan kontekstual.