UJIAN MID SEMESTER II, 2012/2013

Program : S1 Ilmu Komputer Matakuliah : Metodologi Penelitian Ilmu Komputer Dosen : Azhari, SN., Drs., MT., Dr.

Tanggal : Selasa, 16 April 2013 Waktu : 120 Menit Sifat : Close book & computer

1. Masalah penelitian. Apakah yang saudara ketahui dengan (a) masalah, (b) masalah penelitian ? Berikan dua contoh masalah dalam penelitian bidang ilmu komputer. 2. Solusi. Dari contoh masalah penelitian saudara tulis diatas sebutkan/deskripsikan, tuliskan apakah/ bagaimana solusinya? 3. Research question. Apakah yang disebut dengan research question (pertanyaan penelitian). Berikan sebuah contoh dalam bidang (a) ilmu komputer, (b) dan juga teknologi informasi 4. Hipotesis. Apakah yang disebut dengan hipotesis. Berikan sebuah contoh dalam bidang: (a) ilmu komputer, (b) dan teknologi informasi 5. Jenis-jenis penelitian. Tuliskan sebuah rencana judul skripsi yang layak saudara akan jadikan untuk diusulkan menjadi usulan tugas akhir skripsi saudara. Berdasarkan judul tersebut, apakah termasuk dari bentuk penelitian ini: (a) riset teoritis, (b) riset metode, (c) riset terapan, (d) riset kuantitatif, (e) ekperimental?. Berikan alasan pendapat untuk masing-masingnya, baik termasuk maupun jika tidak termasuk kedalam jenis riset tersebut. 6. Latar belakang masalah. Tuliskan apakah yang menjadikan “masalah penelitian” jika ingin melakukan penelitian dengan usulan judul saudara diatas.

Menurut saudara apakah “masalah” tersebut dapat dipecah menjadi beberapa submasalah. Coba saudara tuliskan dan apakah solusi untuk setiap submasalah tersebut. 7. Perumusan masalah. (a) Apakah ada persamaan atau perbedaan dari pengertian antara “perumusan masalah” dengan “hipotesis”, berikan penjelasan singkat. (b) Tuliskan apakah hipotesis dari rencana judul skripsi saudara. (c)Tuliskan apakah perumusan masalah dari rencana judul skrispsi saudara tersebut. 8. Asumsi. Apakah yang dimaksud dengan (a) asumsi penelitian, (b) batasan penelitian? Sebutkan apa batasan, atau asumsi dari usulan rencana skripsi saudara diatas. 9. Paraprahasing. Apakah yang saudara ketahui dan berikan masing-masing satu contoh dari: (a) paraprahasing, (b) quoting. 10. Studi pustaka. Studi pustaka, atau literature review pada prinsipnya adalah perbandingan antara satu penelitian dengan penelitian lainnya yang telah dilakukan sebelumnya, dan dengan penelitian yang akan dilakukan, secara kronoligis.

(a) Sebutkan 10 “frasa kata”, perbandingan atau kata perbandingan yang saudara ketahui. Berikan dua contoh paragraph pengunaannya kata/frasa tersebut untuk rencana judul skripsi saudara.

(b) Berikan sebuah paragraph yang dapat memberikan gambaran “secara kronologis” untuk rencana judul skripsi saudara tersebut.

11. Citation/referencing style.

Berikut adalah beberapa source text (pengalan/cuplikan sebagian dari full text naskah aslinya) dan referensi tentang Search Algorithms. Daftar referensi tersebut sudah dituliskan menurut daftar pustaka buku panduan TA FMIPA UGM.

Dengan menggunakan cara sitasi panduan TA FMIPA UGM, tuliskan sebuah studi puskata (yang memuat perbandingan dan kronologi diantara satu pustaka dengan satu, dua pustaka lainya tersebut) dan hanya menjadi ke dalam sebuah atau dua paragraph saja (maksimum setengah halaman kertas lembar jawaban saudara). Saudara dapat menggunakan cara paraprasing directly, undirectly, quoting, atau kombinasi ketiganya. Source: In this paper, we have presented a best-first search algorithm for producing referring expressions that identify sets of objects. The power of the algorithm comes from linguistically motivated restrictions and preferences, and from a variety of cut-off techniques. Preliminary results show improvements in terms of quality over the incremental algorithm and in terms of speed when compared to exhaustive searches. Reference: Horacek, H., 2003, A Best-First Search Algorithm for Generating Referring Expressions, EACL '03 Proc. of the Tenth Conf. on European Chapter of the Association for Computational Linguistics, vol. 2, Germany Uniyersitat des Saarlandes. Source: The Variable Neighborhood Search (VNS) is a metaheuristic. VNS solves optimization problems by doing systematic changes of neighborhood within a local search.

Reference: Mladenovic, N. and Hansen, P., 1997, Variable Neighborhood Search, Computers and Operations Research, 24(11), p.716. Source: Generating each sample suggestion using our methods requires sending a few thousands of queries to the suggestion server. While this may seem a high number, in fact when submitting the queries sequentially at sufficiently long time intervals, the added load on the suggestion server is marginal. Reference: Bar-Yossef, Z. and Guverich, M. 2008a, Mining Search Engine Query Logs via Suggestion Sampling. Proc. of the VLDB Endowment. 2008. pp. 54-65. Source : Random sampling can be used not only by third parties, but also by search service providers themselves to test the quality of their search engines and to compare them against the competition. The results of the comparison can then be used to improve the quality of the index. Although providers have full access to their own indices, using the public interface has several benefits: (1) It may be technically simpler to use this interface rather than to implement a procedure that directly samples from the corpus. (2) Applying the same sampling procedure to both the provider’s own corpus and the competitors’ corpora yields comparable results. Reference: Bar-Yossef, Z. and Guverich, M. 2008b, Random Sampling from a Search Engine's Index. Journal of the ACM, vol. 55. Source : In biological applications a primary advantage of distance-based methods is that they may be used to capture similarity of data that is not naturally described by a point in a Euclidean space.

Reference : Mao, R. Xu, W. Ramakrishnan, S. Nuckolls, G. and Miranker, D.P., 2005, On Optimizing Distance-Based Similarity Search for Biological Database, IEEE Computational Systems Bioinformatics Conf., University of Texas at Austin. Source: Google Research Lab has worked out many generic algorithms however they are successful in certain conditions only. A focus on personalization of semantic search was given where in one can restrict the domain set and search parameters depending on the personal information. For example, one can build the semantic search techniques based on the domain of some company. Reference: Choudhary, S.G., Kalmegh, S.R. and Deshmukh, S.N, 2013, Semantic Search Algorithms based on Page Rank and Ontology: A Review. 3rd Int. Conf. on Intelligent Computational Systems (ICICS'2013) January 26-27, Hong Kong (China). Source: Graph Search is designed to take a precise query and give you an answer, rather than links that might provide the answer.” For example, you could ask Graph Search “Who are my friends that live in San Francisco?” Zuckerberg joked that a difference is “filters,” which grabbed a few chuckles. Zuckerberg says that Graph Search is in “very early beta.” People, photos, places and interests are the focus for the first iteration of the product.

Reference: Anonim, 2013, Facebook Announces Its Third Pillar "Graph Search” That Gives You Answers, Not Links Like Google. TechCrunch, http://techcrunch.com/2013/01/15/facebook-announces-its-third-pillar-graph-search/, diakses 15 April 2013. Source: Searching algorithms are closely related to the concept of dictionaries. Dictionaries are data structures that support search, insert, and delete operations. One of the most effective representations is a hash table. Typically, a simple function is applied to the key to determine its place in the dictionary. Another efficient search algorithms on sorted tables is binary search. If the dictionary is not sorted, then heuristic methods of dynamic reorganization of the dictionary are of great value. One of the simplest are cache-based methods: several recently used keys are stored a special data structure that permits fast search (for example, located at the top and/or always sorted). Keeping the last N recently found values at the top of the table (or list) dramatically improves performance as most real life searches are cluster: if there was a request for item X[i] there is high probability that the same request will happen again after less then N lookups for other items. In the simplest form the cache can be merged with the dictionary: Reference: Softpanorama, 2013, Searching Algorithms, http://www.softpanorama.org/Algorithms/searching.shtml, diakses 15 April 2013

~~o~~

ALVISTA RIVIERA: 10/305327/PA/13489

Algoritma pencarian adalah algoritma yang dibuat dengan tujuan memudahkan seseorang dalam melakukan pencarian suatu data di dalam kumpulan data yang besar. Saat ini sudah banyak ditemukan metode-metode pencarianyang layak digunakan, seperti metode cache-based, metode semantic, metode graph, metode distance-based, metode linguistic, metode metaheuristic dan metode sampling. Ketujuh metode pencarian tersebut akan dijelaskan lebih lanjut pada uraian berikut ini.

Metode pencarian yang pertama adalah metode cache-based yang sering digunakan di dalam kamus. Di dalam metode pencarian ni, kata kunci yang sering digunakan selalu diletakkan di tempat paling atas atau selalu disortir untuk memudahkan pencarian (Softpanorama, 2013). Pada umumnya konsep di dalam kamus itu sama seperti konsep algoritma pencarian. Namun terdapat beberapa spesifikasi di setiap metode yang ada. seperti metode yang akan dibahas pada metode-metode lainnya di bawah ini.

Metode pencarian yang kedua adalah metode semantic yang menjadi fokus pada Google Research Lab. Mereka sudah menggunakan banyak algoritma, namun hanya berlaku pada kondisi tertentu saja (Choudhary, et al., 2013). Pada akhirnya mereka berfokus pada metode semantic dimana metode tersebut dapat membatasi domain set dan parameternya tergantung pada informasi personal. Hasil daripada pencarian di Google akan menampilkan link-link yang berkaitan dengan kata kuncinya.

Apabila dibandingkan dengan metode semantic yang digunakan Google, metode ketiga ini yaitu metode graph yang akan segera digunakan oleh Facebook, mempunyai kelebihan tersendiri yaitu pencariannya didasarkan pada orang, foto, tempat atau lokasi, dan minat (Anonim, 2013). Metode ini dirancang untuk mendapat query yang persis dan memberi jawaban, dibanding link yang kemungkinan memberi jawaban.

Selain ketiga metode di atas, ada pula metode pencarian yang tidak kalah hebat yang digunakan pada aplikasi biologis yaitu metode distance-based. Metode ini dapa digunakan untuk menangkap persamaan dari data yang tidak secara langsung dideskripsikan oleh titik pada ruang euclid (Mao, et al., 2005).

Metode lainnya yang tidak kalah penting yaitu metode linguistic yang menghasilkan ekspresi yang ditunjuk, yang mengidentifikasi beberapa objek (Horacek, 2003) serta metode metaheuristic pada VNS (Variable Neighborhood Search) yang melakukan penggantian lingkungan secara sistematis pada pencarian lokal (Mladenovic dan Hansen, 1997).

Metode pencarian yang terakhir ini agak berbeda dengan metode-metode sebelumnya. Metode ini yang disebut metode sampling digunakan untuk menguji kualitas dari mesin pencarinya, bukan kualitas hasil pencarian dari kata kunci yang ada. Metode sampling ini disebut metode random sampling (Bar-Yossef dan Guverich, 2008b) yang digunakan pula untuk meningkatkan kualitas indeks. Metode sampling sendiri tidak hanya digunakan pada indeks suatu search engine, namun juga pada query logs-nya. Seperti yang dilakukan pada metode suggestion sampling. Disini, metode ini memerlukan pengiriman ribuan query ke suggestion server agar muatan tambahannya menipis (Bar-Yossef dan Guverich, 2008a). Pada kenyatannya, walaupun harus mengirim ribuan query, muatan tersebut memang benar-benar menipis.

Koreksi: upayakan dalam studi pustaka, jangan terkesan satu paragraph hanya satu referensi. Jika harus membahas tujuh jenis satu persatu, ini juga bisa bisa dijadikan dalam kesatuan satu, atau dua, atau tiga paragraph saja, misalnya seperti ini:

Algoritma pencarian adalah algoritma yang dibuat dengan tujuan memudahkan seseorang dalam melakukan pencarian suatu data di dalam kumpulan data yang besar. Saat ini sudah banyak ditemukan metode-metode pencarianyang layak digunakan, seperti metode cache-based, metode semantic, metode graph, metode distance-based, metode linguistic, metode metaheuristic dan metode sampling. Ketujuh metode pencarian tersebut akan dijelaskan lebih lanjut pada uraian berikut ini. Metode pencarian yang pertama adalah metode cache-based yang sering digunakan di dalam kamus. Di dalam metode pencarian ini ni, kata kunci yang sering digunakan selalu diletakkan di tempat paling atas atau selalu disortir untuk memudahkan pencarian (Softpanorama, 2013). Pada umumnya konsep di dalam kamus itu sama seperti konsep algoritma pencarian. Namun terdapat beberapa spesifikasi di setiap metode yang ada. seperti metode yang akan dibahas pada metode-metode lainnya di bawah ini.

Berbeda dengan metode chace based, metode pencarian yang kedua adalah metode sematik semantic yang menjadi fokus lebih pada dikembangkan oleh Google Research Lab, Mereka sudah menggunakan banyak algoritma, namun hanya berlaku pada kondisi tertentu saja (Choudhary, et al., 2013). Pada akhirnya mereka berfokus pada metode semantic dimana metode tersebut dapat membatasi Disamping itu biasanya juga terbatas pada domain set dan parameternya tergantung pada parameter informasi personal. Hasil daripada pencarian secara semantik ini di Google akan juga mampu menampilkan link-link yang berkaitan dengan kata kuncinya. Apabila dibandingkan dengan metode semantic yang digunakan Google, metode ketiga ini yaitu metode graph yang akan segera digunakan oleh Facebook, mempunyai kelebihan tersendiri yaitu pencariannya didasarkan pada orang, foto, tempat atau lokasi, dan minat (Anonim, 2013). Metode ini dirancang untuk mendapat query yang persis dan memberi jawaban, dibanding link yang kemungkinan memberi jawaban.

Selain ketiga metode di atas, ada pula metode pencarian yang tidak kalah hebat yang digunakan pada aplikasi biologis yaitu metode distance-based. Metode ini dapa dapat digunakan untuk menangkap persamaan dari data yang tidak secara langsung dideskripsikan oleh titik pada ruang euclid (Mao, et al., 2005). Metode lainnya Seiring dengan metode distance-based, metode sebelumnya yang tidak kalah penting yaitu metode linguistic yang mampu menghasilkan ekspresi yang ditunjuk berdasarkan rujukan yang dimasukkan, yang yaitu dengan mengidentifikasi beberapa objek (Horacek, 2003). Begitu pula serta metode metaheuristic pada VNS (Variable Neighborhood Search) yang mampu melakukan penggantian lingkungan secara sistematis pada pencarian lokal, yang dulu digagas oleh (Mladenovic dan Hansen, 1997) Mladenovic dan Hansen (1997).

Metode-metode pencarian yang dikembangkan terakhir ini agak berbeda dengan metode-metode sebelumnya adalah Metode ini yang disebut metode sampling. Metode ini dapat digunakan untuk menguji kualitas dari mesin pencarinya dengan cara memingkatkan kemampuan proses indeksnya, bukan kualitas hasil pencarian dari kata kunci yang ada. Metode sampling ini yang disebut metode random sampling (Bar-Yossef dan Guverich, 2008b) yang digunakan pula untuk meningkatkan kualitas indeks. Metode sampling sendiri tidak hanya digunakan pada indeks suatu search engine, namun juga pada query logs-nya. Seperti yang dilakukan pada metode suggestion sampling. Disini, metode ini memerlukan pengiriman ribuan query ke suggestion server agar muatan tambahannya menipis (Bar-Yossef dan Guverich, 2008a). Pada kenyatannya, walaupun harus mengirim ribuan query, muatan tersebut memang benar-benar menipis.

=0=

Arif Akbar Aminullah 

 

Ada beberapa algoritma pencarian yang ada, algoritma tersebut memiliki masing‐masing 

keunggulan dan kelemahan. Yang pertama adalah berdasarkan jurnal Mladenovic dan 

Hansen (1997) yang menyebutkan bahwa Variable Neighborhood Search (VNS) dapat 

menyelesaikan masalah optimisasi dengan merubah neighborhood dalam local search 

secara sistematis. Setelah itu, Horacek (2003) memperlihatkan algoritma best‐first yang 

dapat memproduksi referring expression, kekuatan algoritma ini didapat dari restriksi dan 

preferensi termotivasi secara linguistik, dan variasi teknik cut‐off. Sementara itu, Mao, dkk. 

(2005) dengan mengaplikasikan metode distance‐based pada kasus data Biologi terlihat 

dimana ia memiliki keunggulan, karena dapat dipakai untuk menemukan kesamaan antara 

data. Hal ini yang tidak disebutkan  dicapai pada metode oleh titik di Euclidean space secara 

natural.  

Dalam penjelasa lain, Bar‐Yossef dan Guverich (2008a, 2008b) menyebutkan melalui 

metodenya, memproduksi setiap sample suggestion membutuhkan pengiriman ribuan 

query ke suggestion server. Pada kenyataannya, load tambahan pada suggestion server 

adalah marginal. Ia juga menyebutkan bahwa random sampling bisa digunakan tidak hanya 

oleh pihak ketiga, namun juga penyedia layanan pencarian untuk menguji kualitas search 

engine dan membandingkannya dengan yang lain. Selain itu, Choudary, dkk. (2013) 

menyebutkan bahwa Google Research Lab telah menemukan menghasilkan berbagai 

algoritma murni, namun hanya berhasil jika dilakukan pada suatu kondisi tertentu. 

Contohnya personalisasi pada semantic search diberikan dimana ia bisa membatasi domain 

set dan search parameter tergantung dari informasi personal. Kemudian Softpanorama 

(2013) yang menyebut algoritma searching dekat dengan konsep kamus. Salah satu contoh 

adalah Hash Table. Fungsi yang sederhana diaplikasikan ke kunci untuk menentukan lokasi 

di kamus. Contoh efisien lain adalah binary search. Namun apabila kamus tidak terurut, 

metode heuristik dari reorganisasi dinamis kamus adalah nilai yang baik. Contoh 

sederhananya adalah metode cache‐based. Dan terakhir Anon. (2013) yang menyebutkan 

bahwa Graph Search didesain untuk mengambil query presisi dan memberikan jawaban, 

daripada memberikan link yang mempunyai jawaban.   

Arif Rakhmat N (10/305395/PA/13504) 

Jawaban soal UTS No 11 

Penelitian tentang algoritma pencarian telah dilakukan sejak dahulu dan senantiasa dilakukan 

hingga sekarang serta yang akan datang. Hal  ini karena algoritma pencarian adalah algoritma yang 

paling mendasar dari struktur data. Berbagai jenis algoritma pencarian ditemukan dan diteliti dalam 

berbagai kasus yang berbeda. Semua penelitian tersebut ini adalah dalam rangka mencari algoritma 

pencarian yang terbaik dan efektif. Mladenovic dan Hansen  (1997) telah meneliti tentang Variable 

Neighborhood  Search  (VNS)  yang memecahkan masalah  optimasi  dengan melakukan  perubahan 

sistematis pada neighborhood dalam pencarian lokal. Kemudian pada penelitian lain, Horacek (2003) 

dalam  makalahnya  mempresentasikan  algoritma  best‐first  search  untuk  merujuk  ekspresi  yang 

mengidentifikasi  himpunan  objek  dimana  hasilnya  menunjukkan  adanya  perbaikan  dalam  hal 

kualitas melalui algoritma tambahan dan dalam hal kecepatan jika dibandingkan dengan exhaustive 

search.  

Di  lain  pihak,  (Mao  et  al.,  2005)  Sebuah  contoh  yang  dilakukan  oleh  Mao  et  al.  (2005) 

mengemukakan menunjukkan bahwa dalam  aplikasi biologi  yang menggunakan metode distance‐

based memiliki kelebihan utama yaitu dapat digunakan untuk menangkap kesamaan data yang tidak 

alami  yang  dijelaskan  melalui  titik  dalam  ruang  Euclidean.  Berikutnya,  Bar‐Yossef  dan  Guverich 

(2008)  (2008a? atau 2008b?) melakukan penelitian  tentang pengiriman beberapa  ribuan query ke 

server  yang mungkin  terlihat  jumlah  yang  sangat  besar.,  namun Namun  ketika  pengiriman  query 

dilakukan secara berurutan pada  interval waktu yang panjang, maka beban yang ditanggung server 

adalah sangat ringan. Dan pada penelitian Penelitian mereka yang  lain di tahun yang sama, author 

sapa (2008a? atau 2008b?)menunjukkan bahwa Random sampling tidak hanya dapat digunakan oleh 

pihak ketiga saja, namun  juga dapat dimanfaatkan oleh penyedia  layanan pencari  itu sendiri untuk 

menguji  kualitas mesin pencari mereka dan untuk melakukan perbandingan dengan pesaing yang 

kemudian hasil perbandingannya dapat digunakan untuk meningkatkan kualitas indeks.  

Kemudian disebutkan Hasil survey penelitian terbaru dari Choudhary et al. (2013) menuliskan 

bahwa Google Research Lab telah meneliti pada banyak algoritma generik namun algoritma tersebut 

hanya berhasil dalam kondisi  tertentu  saja. Hal  ini dikarenakan  fokus pada personalisasi  semantic 

search  yang diberikan dalam  satu batasan  set domain dan parameter pencarian  tergantung pada 

informasi personal  (Choudhary et al., 2013). Dalam penelitian yang  lain (Anon., 2013) Anon (2013) 

mengemukakan  tentang  Graph  Search  yang  dirancang  untuk mengambil  query  secara  tepat  dan 

memberikan jawaban, bukan hanya diberikan link yang mungkin memberikan jawabannya. 

Algoritma pencarian sangat berkaitan erat dengan konsep kamus. Kamus adalah struktur data 

yang mendukung search, insert, dan delete. Representasi yang paling efektif adalah tabel hash. Pada 

tabel hash, fungsi sederhana diterapkan pada key untuk menentukan tempatnya dalam kamus. Salah 

satu algoritma pencarian yang efisien pada  tabel yang  terurut adalah pencarian biner. Namun  jika 

kamus  tidak  terurut, maka metode  heuristik  dari  reorganisasi  dinamis  kamus memiliki  nilai  yang 

bagus untuk diterapkan. Salah satu yang paling sederhana adalah metode berbasis cache: beberapa 

key yang sering muncul disimpan dalam struktur data khusus yang memungkinkan pencarian cepat 

(Softpanorama, 2013). 

Bedakan dengan baik cara sitasi direct dengan indirect, Okay guy, very good 

Beti Tuntari (10/300338/PA/13215)

Kamus adalah struktur data yang mendukung operasi search, insert dan delete. Algoritma

searching mempunyai kesamaan dengan konsep kamus tersebut (Softpanorama, 2013). Ada bermacam-macam algoritma yang termasuk dalam algoritma searching. Salah satu contohnya adalah algoritma best-first search. Kelebihan dari algoritma ini adalah pembatasan secara linguistik dan preference serta berbagai macam teknik cut-off (Horack, 2003). Selain itu ada juga algoritma searching yang lain yaitu algoritma Variable Neighborhood Search (VNS). Algoritma ini merupakan metaheuristic (Mladenovic dan Hansen, 1997).

Selain contoh di atas, masih ada juga beberapa contoh algoritma search yang lain, yaitu semantic search. Semantic search bisa membatasi domain set dan parameter search berdasarkan pada informasi personal (Choudhari, Et.al, 2013). Selain itu ada juga graph search yang didesain untuk mengambil query yang tepat dan memberikan Anda jawaban (Anon, 2013). Ada juga metode distance-based. Metode ini memiliki kelebihan dalam aplikasi biologi (Mao, et.al, 2005). Algoritma-algoritma tersebut dapat digunakan dalam search engine. Kita dapat melakukan generate tiap sample sugesstion dengan mengirimkan beberapa ribu query, tapi sebenarnya itu tidak membutuhkan terlalu banyak waktu (Bar-Yossef dan Guverich, 2008a). Tiap provider search service pasti menggunakan algoritma yang berbeda. Untuk mengetes kualitas dari search engine tersebut, random sampling bisa digunakan (Bar-Yossef dan Guverich, 2008b). Ok, Good Juga upayakan jangan semua cara sitasi indirect saja, tapi juga upayakan kombinasikan antara cara sitasi (a) direct, (b) indirect, (c) quoting

Bondan Bhaskara 10/297610/PA/13030

Algoritma pencarian erat kaitannya dengan konsep sebuah kamus (Softpanorama, 2013).

Algoritma searching (pencarian) digunakan untuk membuat ekspresi rujukan yang

mengidentifikasi sekumpulan objek. Best-first searching diketahui lebih unggul daripada

incremental searching dalam hal kualitas, dan juga mengungguli exhaustive searching dalam hal

kecepatan (Horacek, 2003). Sementara VNS atau Variable Neighborhood Searching

memecahkan optimasi masalah dengan cara memberlakukan perubahan sistematis dari

neighborhood yang tercakup dalam pencarian lokal (Mladenovic dan Hansen, 1997). Selain itu,

model pencarian distance-based (berdasarkan jarak) banyak digunakan di aplikasi-aplikasi

biologi. Kegunaannya adalah untuk menangkap kesamaan data yang tidak dijelaskan secara

alami oleh sebuah titik dalam ruang Euclidean (Mao, et al, 2005). Di dunia perkomputeran

sendiri telah dikenal berbagai macam jenis algoritma pencarian yang sudah umum pula

digunakan dengan kelebihan mereka masing-masing.

Mark Zuckerberg juga mengembangkan metode pencarian khusus pada Facebook yang diberi

nama Graph Search, yang dirancang untuk mengambil query yang tepat dan akan langsung

memberikan jawaban, bukannya tautan-tautan yang mungkin bisa memberikan jawaban (Anon.,

2013).Google Research Lab juga telah mengembangkan banyak sekali algoritma generik.

Semantic search milik Google mengkhususkan domain dan parameter pencarian pada informasi

personal penggunanya (Choudhary, et al, 2013). Di sisi lain, Bar-Yossef dan Guverich (2008b)

menyatakan bahwa random sampling dalam algoritma pencarian tidak hanya digunakan oleh

pihak ketiga, namun juga oleh penyedia layanan pencarian itu sendiri. Dalam metode pencarian

yang dikembangkan keduanya, pemberian sugesti sampel akan mengirimkan ribuan query ke

server saran. Angka ribuan yang tampak sangat banyak ini sesungguhnya merupakan beban

tambahan yang relatif kecil bagi server saran saat diberlakukan secara sekuensial dalam interval

waktu yang cukup (Bar-Yossef dan Guverich, 2008a).

Very good

Daniel  Oscar  Baskoro  (10/300237/PA/13187)  

Saat   ini   banyak   metode   yang   digunakan   untuk   mengoptimisasi   suatu   hasil  pencarian.   Salah   satunya   adalah   metode   rekomendasi   sampling,   yang   digunakan  untuk  menguji  kualitas  dari  mesin  pencarian,  bukan  kualitas  hasil  pencarian  dari  kata  kunci  yang  ada.  Metode  sampling   ini  disebut  metode  random  sampling  (Bar-­‐Yossef  dan  Guverich,  2008b)  dan  digunakan  juga  untuk  meningkatkan  kualitas  indeks.  Pada  dasarnya  metode  sampling  sendiri  tidak  hanya  digunakan  pada  indeks  suatu  search  engine,  namun  pada  query  logs  juga.  Seperti  yang  dilakukan  pada  metode  suggestion  sampling.   Pada   metode   ini   memerlukan   pengiriman   ribuan   queries   ke   suggestion  server   agar   terjadi  pengurangan  pada  muatan   tambahan   (Bar-­‐Yossef  dan  Guverich,  2008a).   Pada   kenyataanya   walaupun   harus   mengirim   ribuan   queries,   muatan  tersebut   memang   akan   berkurang.   Selain   sampling,   ada   metode   lain   yang   dekat  dengan   konsep   dictionaries.   Pada   metode   ini   salah   satu   simplets   adalah   metode  cache-­‐base  yang  merupakan  beberapa  penggunaan  kunci  yang  dimasukkan  ke  dalam  struktur  data  spesial  dan  mengijinkan  suatu  pencarian  cepat  (Softpanorama,  2013).  

Variasi   metode   yang   dijabarkan   diatas   merupakan   hasil   dari   suatu  penggabungan   beberapa   algoritma   pencarian   yang   berbeda.   Yang   pertama,  algoritma   pencarian   yang   menghasilkan   ekspresi   yang   bersangkut   pautan   dan  mengidintifikasi   suatu   set   dari   objek,     algoritma   tersebut   berupakan   algoritma  pencarian  terbaik  pertama,  sebagaimana  yang  dipresentasikan  di  paper  oleh  Haracek  (2003).   Kemudian,   VNS,   suatu   algoritma   pencarian   yang   digunakan   untuk  memberikan   solusi   dari   permasalahan  optimisasi   dengan  menggunakan  perubahan  semantic  terdekat  dengan  pencarian  lokal  (Mladenovic  dan  Hansen,  1997).  Beberapa  tahun   kemudian,   terjadi   2   peningkatan   besar   pada   algoritma   pencarian.   Salah  satunya  adalah  personalisasi  pencarian  semantic  oleh  Google  Research  Lab,  dimana  dapat  mengunci  suatu  set  domain  dan  parameter  pencarian  berdasar  dari  informasi  personal   (Choudhary,   2013).   Apabila   dibandingkan   dengan  metode   semantic   yang  digunakan   oleh   Google,   metode   selanjutnya   yaitu   graph   search   merupakan   suatu  algoritma  pencarian  yang  didesain  untuk  mendapatkan  suatu  query  yang  presisi  dan  memberikan   anda   jawaban,   bukan   berupa   yang   memberikan   jawaban   (Anonim,  2013.)   Selain   beberapa   aspek   diatas,   algoritma   pencarian   juga   dimplementasikan  pada  suatu  aspek  biologi   seperti   contohnya  metode  berbasis   jarak  yang  digunakan  untuk  mendapatkan  suatu  similiaritas  data  yang  tidak  secara  langsung  dideskripsikan  oleh  titik  di  Euclidian  Space  (Mao  ,et  al.2005).  

 

Dewi Shintia 10/300066/PA/13128 Metode Penelitian Ilmu Komputer

Algoritma pencarian adalah sebuah algoritma yang menerima masukan berupa sebuah masalah dan menghasilkan sebuah solusi untuk masalah tersebut, yang biasanya didapat dari evaluasi beberapa kemungkinan solusi. Softpanorama (2013) menyatakan bahwa algoritma pencarian memiliki konsep seperti kamus yang mendukung operasi search, insert, dan delete. Ada berbagai jenis algoritma pencarian yang berbeda-beda berdasarkan pengembangan node. Salah satunya adalah VNS (Variable Neighborhood Search) yang termasuk metaheuristik algoritma. Mladenovic dan Hansen (1997) mengatakan bahwa VNS mengoptimasi solusi masalah dengan melakukan perubahan sistematik dari neighborhood yang tercakup dalam pencarian lokal.

Laboratorium penelitian Google telah mengembangkan banyak algoritma umum, namun Google lebih berfokus pada personalisasi pencarian semantik dimana dapat membatasi domain set dan parameter pencarian tergantung pada informasi pribadi (Choudhary, et al., 2013). Lain halnya dengan Facebook yang mulai mengembangkan metode Graph Search. Graph Search dirancang untuk mengambil query yang tepat dan akan langsung memberikan jawaban (Anon, 2013). Banyak mesin pencari yang menunjukkan penyelesaian otomatis seperti yang user ketik inputkan/ketikan dalam form/antarmuka/navigasi query. Bar-Yossef dan Guverich (2008a) dalam jurnalnya mengatakan bahwa dalam menghasilkan setiap sample suggestion menggunakan metode suggestion sampling membutuhkan mengirimkan beberapa ribuan query ke suggestion server. Salah satu algoritma suggestion sampling memiliki bentuk secara acak atau random sampling. Bar-Yossef dan Guverich (2008b) dalam jurnal keduanya mengatakan bahwa Random sampling tidak hanya digunakan oleh pihak ketiga, namun juga oleh penyedia layanan pencarian itu sendiri untuk menguji kualitas daripada search engine tersebut. Selain itu terdapat metode distance based indexing yang umumnya digunakan untuk aplikasi database. Menurut Mao, et al. (2005) dalam penelitiannya pada aplikasi biologi keuntungan utama dari metode distance-based adalah metode tersebut dapat digunakan untuk menangkap kesamaan data yang tidak dijelaskan secara alami oleh pendekatan metode titik dalam ruang euclidean.

Okay girl, Very good

Dzikri Rahadian Fudholi 10/299979/PA/13092

Algoritma pencarian adalah algoritma yang digunakan untuk mencari sesuatu

data dari kumpulan-kumpulan data. Banyak sekali jenis algoritma pencarian yang

masing-masing memiliki karakteristik sendiri dan memiliki performa yang berbeda-

beda. Salah satu algoritma adalah Best-First Search dimana ini bekerja dengan

mengindentifikasi kumpulan dari objek (Horacek, 2003) dan salah satu lainnya adalah

Variable Neighboorhood Seacrh dimana pada sekitar file dirubah sistematiknya untuk

mengoptimasi penyelesaian masalah (Mladenovic dan Hansen, 1997). Algoritma-

algoritma tadi harus di tes untuk mengetahui seberapa baik performanya. Salah cara

Proses tes ini membutuhkan sampel dimana sampel yang banyak membutuhkan

waktu yang lama dan ketika sampel ada banyak, namun akibatnya proses pencarian

juga memakan waktu yang lama (Bar-Yossef dan Guverich, 2008a). Sampel sampel

ini bisa disediakan oleh pengembang algoritma ini sendiri maupun pihak ketiga yang

akan menguji algoritma ini (Bar-Yossef dan Guverich, 2008b). Berdasarkan dari Dari

hasil tes yang menggunakan sampel maka algoritma akan didapat performanya

apakah algoritma tersebut ini cepat atau tidak.

Aplikasi dari algortima pencarian jauh lebih variatif dari algoritma pencarian

itu sendiri. Pada setiap aplikasinya ada pengembangan yang dilakukan juga. Mao dkk

(tahun ????) berkata pada menunjukkan bahwa penerapan pada aplikasi biologi

metode yang digunakan mengangkan bla bla bla bla bla kemiripan data yang tidak di

gambarkan oleh titik di Euclidian space (2005). Bahkan Google Research Lab telah

meneliti membuat aplikasi yang digunakan dalam menggukan algoritma genetic

genetik tidak selalu bisa berhasil pada kondisi tertentu (Choudary, et al, 2013).

Pengembangan lain pada algoritma search bisa juga dengan mengubah query

masukan dengan bahasa yang lebih manusiawi seperti “Who are my friends that live

in San Francisco?” yang dilakukan oleh Graph Search pada Facebook (Anon, 2013).

Jika kembali ke awal maka algoritma pencarian ini sangat ketat hubungannya dengan

konsep buku kamus dimana manusia melakukan proses pencarian kata yang

kemudian dikomputasikan menjadi sebuah algoritma (Softpanorama, 2013).

Many methods are used in order to optimize the search result. Such as suggestion sampling whis

is stated by Bar-Yosef and Guverich (2008a) in one of their papers that is “Generating each sample

suggestion using our methods requires sending a few thousands of queries to the suggestion server”. At

the same year, Bar-Yosef and Guverich (2008b) also states that random sampling can be used not only

by third parties but also by search service providers themselves to test the quality of their search

engines and to compare then against the competition. Other than sampling, there are other methods

which are closely related to the concept of dictionaries. One of the simplest is cache-based methods:

several recently used keys are stored a special data structure that permits fast search (Softpanorama,

2013).

The varying methods above are what caused the emergence of different search algorithms. First

of all, VNS, a search algorithm which is used to solve optimization problems by doing systematic changes

of neighborhood within a local search (Mladenovic and Hansen, 1997), is introduced. Next, a search

algorithm for producing referring expressions that identify sets of objects, that is a best-first search

algorithm, is presented in a paper by Haracek (2003). Few years later, two major improvements in

searching algorithms are introduced. One of them is a personalized sematic search by Google Research

Lab where one can restrict the domain set and search parameters depending on the personal

information (Choudhary, 2013). The other is graph search which is a search algorithm that is designed to

take a precise query and give you an answer, rather than links that might provide the answer (“Facebook

Announces Its Third Pillar ‘Graph Search’ That Gives You Answers, Not Link Like Google”, 2013). Beside

the above aspects, search algorithms are also being used in biological aspects such as distance-based

methods which are used to capture similarity of data that is not naturally described by a point in

Euclidian Space (Mao et.al., 2005).

1

2

Algoritma pencarian berkaitan erat dengan konsep kamus. Beberapa metode pencarian efektifdan banyak digunakan seperti metode hash table (tabel hash), metode binary search pada kamus terurut,dan metode heuristik reorganisasi dinamis pada kamus tidak terurut (Softpanorama, 2013). Metodelainnya yang banyak digunakan pada aplikasi biologi yakni model pencarian distance-based(berdasarkan jarak) yang memiliki kemampuan untuk menemukan kesamaan data yang tidak dapatdijelaskan oleh titik dalam ruang euclidean (Mao, et al; 2005). Di sisi lain Horacek (2003),mengemukakan bahwa algoritma best-first searching miliknya yang didasari oleh batasan danpreferensi linguistic serta dari berbagai teknik cut-off, lebih baik dalam segi kualitas dibandingkandengan incremental searching dan lebih baik dalam segi kecepatan dibandingkan dengan exhaustivesearching. Berbeda halnya dengan Mladenovic dan Hansen (1997), dimana masalah optimasi dapatdiselesaikan dengan Variable Neighborhood Search (VNS) dengan cara memberlakukan perubahansistematis dari neighborhood yang tercakup dalam pencarian lokal.

Menurut Bar-Yossef dan Guverich (2008b) random sampling pada algoritma pencarian sangatberguna untuk menguji kualitas mesin pencari dan membandingkan terhadap kompetitor lainnya.Walaupun untuk menghasilkan sample suggestion (saran sampel) menggunakan metode merekadibutuhkan ribuan query dikirim ke suggestion server, namun beban tambahan ke server tidaklahterlalu signifikan (Bar-Yossef dan Guverich, 2008a). Algoritma pencarian lain seperti Google ResearchLab yang berfokus pada personalisasi pencarian semantik dimana seseorang dapat membatasicakupan dan parameter pencarian berdasarkan informasi personal (Choudhary, et al; 2013). Berbedadengan Google, Zuckerberg (Facebook) justru mengembangkan Graph Search yang didesain untukmengambil query yang tepat dan mampu memberikan jawaban secara langsung, bukan link yangmungkin memberikan jawabannya (Anonim, 2013).

3

a.

Tugas MPIK No. 11, Faizal Musafar: 10/302178/PA/13402

Sudah sekitar 3 bulan, Facebook mengaplikasikan cara pencarian pada fitur searchnya yaitu Graph Search. Graph Search adalah suatu produk pencarian baru yang dapat memunculkan jawaban atas query yang kita ketikan. Mark Zuckerberg (2013) menyatakan bahwa Graph Search masih tahap beta. Sebelumnya, algoritma pencarian telah menglami banyak perkembangan. Tahun 1997 telah ada metode Variable Neighborhood Search. Algoritma ini menyelesaikan masalah optimalisasi dengan melakukan perubahan sistematis di dalam local search (Mladenovic dan Hansen, 1997). Horacek (2003) memberi pernyataan bahwa kemampuan dalam algoritma berasal dari pembatasan dan preferensi serta membentuk teknik-teknik pemotongan kata. Pada tahun 2008 terjadi terobosan yang cukup menarik dalam algoritma searching. Khususnya dalam hal sampling dimana diketahui bahwa ternyata bean tambahan yang terjadi tidak terlalu banyak (Bar-Yossef dan Guverich, 2008a). Selain itu juga diketahui bahwa random sampling tidak hanya bisa dipakai oleh pihak ketiga, tapi juga oleh provider search service (Bar-Yossef dan Guverich, 2008b). Ada juga pada tahun 205 diketahui bahwa keuntungan utama dari metode distance-based bahwa ternyata metode metode tersebut dapat digunakanuntuk menemukan kemiripandalam data(Mao ,et.al , 2005) Kemudian pada tahun 2013 diketahuibahwa algoritma searching berhubungan erat dengan konsep kamus (SoftPanorama, 2013). Walaupun Facebook telah mampu mengaplikasikan fitur Graph Search namun Google meski telah menciptakan banyak Algoritma umum, tetap sajabelum bisa memunculkan hasil yang maksimal dimana algoritma tersebut hanya bisa digunakan pada kondisi tertentu. Hal ini dinyatakan oleh Choudhary pada tahun 2013.

Sudah sekitar 3 bulan ini, program aplikasi Facebook telah mulai mengaplikasikan menerapkan cara pencarian pada fitur searchnya yaitu berbasis Graph Search. Pendakatan Graph Search adalah suatu produk metode pencarian baru yang dapat memunculkan jawaban atas query yang kita ketikan. Mark Zuckerberg (2013) menyatakan bahwa penerapan Algoritma Graph Search pada facebook ini masih tahap uji beta. Sebelumnya, algoritma pencarian telah menglami banyak perkembangan. Misalnya, pada tTahun 1997 telah ada metode Variable Neighborhood Search. Pendekatan Algoritma ini diklaim dapat menyelesaikan masalah optimalisasi dengan melakukan perubahan sistematis di dalam local search (Mladenovic dan Hansen, 1997). Beberapa waktu berikutnya, Horacek (2003) memberi pernyataan bahwa mempublikasi kemampuan dalam algoritma berasal dari pembatasan dan preferensi serta membentuk teknik-teknik pemotongan kata.

Begitu pula sekitar Pada tahun 2008 terjadi terobosan yang cukup menarik dalam pengembangan algoritma searching. Khususnya dalam hal pengunaan sampling dimana diketahui bahwa ternyata bean tambahan yang terjadi tidak terlalu banyak (Bar-Yossef dan Guverich, 2008a). Selain itu juga diketahui bahwa random sampling tidak hanya bisa dipakai oleh pihak ketiga, tapi juga oleh provider search service (Bar-Yossef dan Guverich, 2008b). Sebelumnya, Ada juga pada tahun 205 2005 diketahui bahwa keuntungan utama dari metode distance-based bahwa ternyata metode metode tersebut dapat digunakan untuk menemukan kemiripan dalam data (Mao ,et.al , 2005).

Kemudian pada tahun 2013 Seperti diketahui bahwa algoritma searching berhubungan erat dengan konsep kamus (SoftPanorama, 2013). Walaupun Namun, kini menujukkan Facebook telah mampu meningkatkan kenyamanan dan kecanggihan pencaraian dengan mengaplikasikan fitur Graph Search. namun Berbeda dengan mesin pencari Google yang sampai sekarang meski telah menciptakan banyak Algoritma umum, namun tetap saja belum bisa memunculkan hasil yang maksimal dimana algoritma tersebut hanya bisa digunakan pada kondisi tertentu, seperti yang Hal ini dinyatakan oleh Choudhary pada tahun 2013.

Faiz Nuralim 10/305485/PA/13525 Dalam paper Horacek (2003) mencoba mengajukan algoritma pencarian terbaik dengan cara pertama yang mengidentifikasi set objek. Dengan Indentifikasi object pencarian dilakukan melalui pembatasan kriteria bahasa, preferensi, dan berbagai teknik cut-off. Algoritma ini merupakan pengembangan dari VNS yang memecahkan masalah optimasi dengan melakukan perubahan sistematis dalam pencarian lokal yang dikemukakan oleh Mladenovic dan Hansen (1997). Untuk menguji algoritma Kinerja algortima tersebut diuji dapat dilakukan dengan mengirimkan ribuan query ke server search engine. Menurut Hasil dari penelitian Bar-Yossef dan Guverich (2008a) mengatakan memperlihatkan bahwa dengan metode pengirimkan query secara berurutan pada interval waktu yang cukup panjang, beban tambahan pada server sangatlah kecil. Selain itu, menurut Bar-Yossef dan Guverich (2008b) dalam papernya yang berjudul Random Sampling from a search Engine’s index menyatakan bahwa dengan mengirimkan ribuan query ke search engine penyedia layanan search engine dapat mengetahui kualitas search engine dan meningkatkan kualitas indeks hasil pencarian dengan cara membandingka dengan search engine lainnya. Optimalisasi search engine sangat berguna dalam berbagai hal. Misalnya, Mao dkk (2005) menyatakan bahwa keuntungan utama dari metode berbasis jarak jauh dalam aplikasi biologi adalah bahwa mereka dapat menangkap kesamaan data yang tidak dijelaskan oleh titik dalam ruang Euclides. Akan tetapi tidak semua metode untuk mengoptimalisasi bekerja dengan baik. Seperti halnya yang di nyatakan oleh Choudhary, Kalmegh dan Deshmukh Choudhary dkk. (2013) bahwa metode semantik yang dikembangkan oleh Google Research Lab hanya bekerja dalam kondisi tertentu saja. Metode search lain yang sedang dikembangkan oleh facebook adalah grafik search. Anonym (2013) menyatakan bahwa Grafik search dirancang untuk mengambil query yang tepat dan memberikan jawaban, bukan link yang mungkin memberikan jawabannya. Pada dasarnya “algoritma pencarian berkaitan erat dengan konsep kamus. Kamus adalah struktur data yang mendukung pencarian, insert, dan delete. Salah satu representasi yang paling efektif adalah tabel hash. Biasanya, fungsi sederhana diterapkan ke tombol untuk menentukan tempatnya dalam kamus”. (Softpanorama,2013) Ok, good work

Nama : Fatta Syaiful Amin: NIM : 10/297649/PA/13043

Salah satu tujuan dan kekuatan dari algoritma-algoritma Algoritma pencarian adalah digunakan untuk memproduksi/menghasilkan ekspresi rujukan yang melalui mengidentifikasi menidentifikasi rangkaian objek. Dalam hal ini Untuk mencapai tersebut, misalnya Horacek (2003) mengusulkan kekuatan algoritma berasal dari pembatasan penggunaan motif bermotif bahasa dan prefensi, dan dari berbagai teknik cut-off (Horacek , 2003). Akan tetapi menurut Menurut Mladenovic dan Hasan (1997, hal.716) dapat pula dicapai dengan algoritma pencarian juga membutuhkan Variable Neighborhood Search (VNS) yang berfungsi untuk memecahkan masalah optimasi dengan melakukan update/ perubahan sistematis dalam lingkungan pencarian lokal. Dalam perkembangannya algoritma pencarian Pendekatan lainnya dapat juga dilakukan dengan digunakan untuk memberikan saran pada saat melakukan pencarian. Untuk menghasilakn setiap saran yang akurat perlu menggunakan metode yang dapat Seperti yang diteliti oleh Bar-Yossef dan Guverich (2008a), saran hasil pencarian dapat diuji dengan mengirimkan beberapa ribu sampel query ke suggestion server (Bar-Yossef dan Guverich, 2008a). Dan hasil radom sampling dapat digunakan Penggunaan saran dari pencarian ini dapat bermanfaat tidak hanya oleh pihak ketiga, tetapi juga oleh penyedia layanan pencarian itu sendiri, hal ini Pada sisi lain, sampling query ini juga dimaksudkan agar dapat menguji kualitas mesin pencarian mereka dan dapat membandingkannya dengan pencarian lainnya (Bar-Yossef dan Guverich, 2008b).

Pada era sekarang ini banyak sekali aplikasi yang menggunakan algoritma pencarian, salah satunya adalah aplikasi biologi. Dalam Contoh aplikasi biologi yang menggunakan metode distance-based mempunyai keuntungan utama yaitu bahwa mereka dapat menggunakan untuk mampu menangkap kesamaan data yang tidak alami dimana dijelaskan oleh tersedia pada pendekatan metode titik dalam Euclidean space (Mao, dkk , 2005). Dan baru-baru Saat ini Google Research Lap telah bekerja dari menerapkan banyak algoritma generik namun mereka pendekatan-pendekatan tersebut hanya berhasil dalam kondisi tertentu saja. Fokus mereka Secara prinsip, fokus pendekatan yang dilakukan adalah pada personalisasi pencarian sematik dimana diberikan dalam satu set domain yang membatasi dan parameter pencarian tergantung pada informasi pribadi (Choudhary, dkk , 2013).

Anonim (2013) menyatakan bahwa grafik pencarian yang dirancang untuk mengambil query yang tepat dan memberikan jawaban, bukan link yang mungkin memberikan jawabannya. Hal ini juga berkaitan dengan algoritma pencarian yang berkaitan erat dengan konsep kamus. Kamus adalah struktur data yang mendukung pencarian, insert, dan delete. Salah satu representasi paling efektiv adalah tabel hash (Softpanorama, 2013).

PS:Paragraph ketiga diatas, coba saudara rubah editorialnya agar lebih mengalir sambungan dengan diatasnya dan mudah dibaca dan dipahami oleh pembaca.

Grandis Santika Yoga Fathona (10/300832/PA/13379)

Horacek (2003) stated presented a best-first search algorithm, this algorithm comes from

linguistically motivated restrictions and references, and from a variety of cut-off techniques Etc.

etc. Moreover (Mladenovic and Hansen, 1997) Mladenovic and Hansen (1997) added The

Variable Neighborhood Search (VNS) and this is that can solves optimization problem by doing

systematic changes neighborhoods. Earlier research by Bar-Yossef and Guverich(2008a) stated

that submitting the queries sequentially at sufficiently interval to load on the suggestion server in

marginal, and then in later research by Bar-Yossef and Guverich(2008b) found several benefits,

it may be technically simpler to use this interface and applying same sampling procedure.

Mao, et al. (2005) state that distance based method is used to capture similarity of data

that is not naturally described by a point in a Euclidean space. Meanwhile a focus on

personalization of semantic search used to restrict the domain set and search parameters

(Choudhary et al., 2013). Article about Graph Search (Techcrunch, 2005) has told that Graph

Search is designed to take a precise query and give an answer which focused on people, photos,

places and interests. Unlike the search algorithms which are closely related to the data structures

that support search, insert, and delete operations (Softpanorama, 2013).

 

 

Habib Malik : 12989

The optimization of search algorithm has been researched proposed for decades. In the 1990s, Mladenovic and Hansen (1997) stated in their book:

“VNS solves optimization problems by doing systematic changes of neighborhood within a local search”

Afterward in the 2000s, the “best-first search” algorithm was researched, it utilizes linguistically motivated restrictions and preferences and a variety of cut off techniques (Horacek, 2003), while not long after, the search algorithms are also researched studied for biological application. A research in University of Texas (Mao, Ramakrishnan, Nuckolls, Miranker, Mao, et al., 2005) argued that distance-based methods could be used to capture similarity of data that is not naturally described by a point in Euclidean space. In the late 2000s, the research of the effect of sampling on query processing performance was conducted. Bar-Yossef and Guverich (2008a) stated that generating each suggestion using their methods won't add much to the server load. From the same paper we can also conclude that by search service providers could also use random sampling to test the quality of their search engines (Bar-Yossef and Guverich, 2008b).

In the early 2010s, several researches to improve the searching algorithm were conducted by several companies. Facebook is developing the Graph Search which is designed to take a precise query and give us answers, rather than links (Anon., 2013), meanwhile, their competitors at Google Research Lab has developed some generic algorithms, such as semantic search techniques based on companies' domains; however, they are only successful in certain conditions (Choudhary, Kalmegh, Deshmukh Choudhary, at al., 2013). The optimization on cache-based methods and dictionary concepts was also researched developed, where it is argued that heuristic methods of dynamic reorganization of dictionary are of great value if the dictionary is not sorted (Softpanorama, 2013).

Good, Try to use more other words, misalnya daripada terus menggunakan kata researched….agar lebih bervariasi

Ikhsan Permadi K 10/300853/PA/13389

In the last decade, especially in the world of information technology, the search engines have become an indispensable tool. Development of search algorithms is also growing. Softpanorama (2013) states that searching algorithms are closely related to the concept of dictionaries. Dictionaries are data structures that support search, insert, and delete operations. Just like another algoritma other algorithms, searching algorithms algo have its specific powers. the The power of the algorithm comes from linguistically motivated restrictions and preferences, and from a variety of cut-off techniques (Horacek, H., Horacek, 2003) . Mladenovic, N. and Hansen, P., Mladenovic and Hansen (1997) in their recent research paper explain a method that called VNS, VNS solves optimization problems by doing systematic changes of neighborhood within a local search. Meanwhile in testing the quality of a search engine, the tester can use a variety of examples, for the example Bar-Yossef, Z. and Guverich, M. Bar-Yossef and Guverich (2008a) state that generating each sample suggestion using their methods requires sending a few thousands of queries to the sugestion server. But, In in other case, testing quality can also be done by random sampling , research suggested again by Bar-Yossef, Z. and Guverich, M. Bar-Yossef and Guverich (2008b) that random sampling can be used not only by third parties, but also by search service providers themselves to test the quality of their search engines and to compare them againsr the competition. In the development of the IT world, the search technique has many variations occur, Google, the giant search engine, even has a special lab . Google Research Lab has worked out many generic algorithms however they are successful in certain conditions only (Choudhary, S.G., Kalmegh, S.R. and Deshmukh, S.N, Choudhary et al., 2013). Another IT giant, facebook, has been using a new method that called graph search. The Graph Search is designed to take a precise query and give you an answer, rather than links that might provide the answer (TechCrunch, 2013). even Even in biology, search engines has is contribution. In biological applications a primary advantage of distance-based methods is that they may be used to capture similarity of data that is not naturally described by a point in a Euclidean space. (Mo, R. Xu, W. Ramakrishnan, S. Nuckolls, G. and Miranker, D.P., 2005) (Mo et al., 2005) Ayo bro, ikuti aruran cara melakukan sitasi kita, hardvard style. Itu dari Tugas 2 bro.

Isnan Syamhudi

10/300344/PA/13217

Tugas sitasi MPIK UTS Nomor 11

Semakin meningkatnya jumlah informasi yang terdapat dalam intetrnet menjadi salah satu

alasan yang kuat untuk mengembangkan mesin pencarian yang handal, terutama yang terletak pada

algoritmanya yang merupakan sebagai salah satu dasar dari pencarian. Telah banyak algoritma

pencarian yang menyajikan hasil acuan ekspresi yang berupa ke dalam bentuk pengidentifikasian

suatu set dari sebuah objek. Untuk itu, kemampuan suatu algoritma bersumber dari pembatasan

motivasi bahasanya serta preferensi dari bermacam teknik cut-off (Horacek, 2003). Dalam hal ini,

terdapat pula Variable Neighbourhood Search (VNS) yang merupakan sebuah metaheuristik.

Mladenovic dan Hansen (1997) menyatakan bahwa VNS dapat memecahkan masalah mengenai

optimasi dengan melakukan perubahan sistematis terhadap neighbourhood di dalam suatu pencarian

lokal. Kemuadian Bar-Yossef dan Guverich (2008a,b) menambahakan dari setiap VNS mempunyai

sample suggestion yang membutuhkan beberapa ribu queri untuk pengiriman ke server lokal yaitu

dengan tujuan : (1) memudahkan diterapkannya prosedur langsung secara teknis (2) dapat

mengaplikasikan prosedur sampling yang sama antar tiap algoritma yang terbaik.

Telah banyak penelitian-penelitian yang dikeluarkan berkaitan dengan algoritma dan salah

satu penelitian tersebut adalah Google Reasearch Lab yang telah berkerja dengan banyak

mengeluarkan algoritma genetika namun mereka hanya berhasil dalam suatu kondisi tertentu saja.

Untuk itu, fokus merupakan salah satu langkah personalisasi pencarian yang diberikan untuk dapat

membatasi parameter pencarian yang tergantung pada keluaran algoritma yang dibutuhkan

(Choundary, et al., 2013). Algoritma pencarian sangatlah erat kaitanya dengan konsep kamus karena

Softpanorama (2013) menyatakan bahwa kamus adalah struktur data yang mendukung pencarian,

input dan operasi penghapusan yang sangat efektif dengan menggunakan table hash. Sedangkan pada

algoritma pencarian dirangcang khusus untuk dapat mengambil queri yang tepat serta juga dapat

memberikan jawaban yang te[at pula dengan menggunakan gambar grafik (Anonim, 2013). Dan

dalam algoritma pencarian ini, dapat pula digunakan sebagai salah satu aplikasi biologis yang

menyatakan bahwa merekan digunakan untuk dapat menangkap kesamaan data yang tidak alami

digambarkan oleh titik-titik dalam ruang Euclidean (Mao, et al.,2005)

TUGAS METODOLOGI PENELITIAN ILMU KOMPUTER (No 11 UTS) 

JOKO PRAKOSO (10/297653/PA/13045) 

 

Menurut  Horacek  (2003)  algoritma  pencarian  merupakan  sesuatu  yang  memproduksi  ekspresi‐

ekspresi  yang menunjuk  pada  identifikasi  bagian‐bagian  objek. Algoritma  pencarian  juga  bekaitan 

dengan  konsep  perkamusan  (Softpanorama,  2013).  Algoritma  pencarian  menggunakan  metode‐

metode  dalam melakukan  pencarian,  seperti  yang  dikemukakan  Bar‐Yossef  dan  Guverich  (2008a) 

bahwa salah satu cara algoritma pencarian adalah dengan mengirim ribuan queri ke server. Namun 

karena membutuhkan waktu  interval yang  lama Bar‐Yossef dan Guverich menemukan metode yang 

lebih baik menggunakan random sampling (2008b). Hanya saja metode‐metode tersebut digunakan 

pada kondisi‐kondisi  tertentu, seperti perusahaan Google melalui Google Research Lab yang hanya 

fokus  pada  pencarian  personalitas  (Choudary  et  al,  2013).  Ada  juga  metode  VNS  (Variable 

Neighboorhood Search) yang mampu mengoptimalkan pencarian secara sistematik pada pencarian 

yang  bersifat  lokal  seperti  yang  disampaikan  oleh Mladenovic  dan Hansen  (1997).  Kemudian  ada 

metode Graph Search yang digunakan oleh  Facebook  (Anonim, 2013). Selain  itu ada  juga metode 

pencarian yang diaplikasikan pada bidang  yang  lain  seperti bidang biologi yang dikemukakan oleh 

Mao  et  al  (2005)  yang mana menggunakan metode  distance‐based  untuk menangkap  data  yang 

mirip. 

 

Kalimat pertama, tidak mudah dipahami, perlu disederhakan.  

Hanya saja, ini double word. 

 

Khafid Aulia Rahman

10/296839/PA/12968

Algoritma searching (pencarian) digunakan untuk membuat ekspresi rujukan yang

mengidentifikasi sekumpulan objek. Algoritma pencarian erat kaitannya dengan konsep sebuah

kamus (Softpanorama, 2013). Di dunia perkomputeran sendiri telah dikenal berbagai macam

jenis algoritma pencarian yang sudah umum pula digunakan dengan kelebihan mereka masing-

masing. Best-first searching diketahui lebih unggul daripada incremental searching dalam hal

kualitas, dan juga mengungguli exhaustive searching dalam hal kecepatan (Horacek, 2003).

Sementara VNS atau Variable Neighborhood Searching memecahkan optimasi masalah dengan

cara memberlakukan perubahan sistematis dari neighborhood yang tercakup dalam pencarian

lokal (Mladenovic dan Hansen, 1997). Selain itu, model pencarian distance-based (berdasarkan

jarak) banyak digunakan di aplikasi-aplikasi biologi. Kegunaannya adalah untuk menangkap

kesamaan data yang tidak dijelaskan secara alami oleh sebuah titik dalam ruang Euclidean (Mao,

et al, 2005).

Google Research Lab juga telah mengembangkan banyak sekali algoritma generik. Semantic

search milik Google mengkhususkan domain dan parameter pencarian pada informasi personal

penggunanya (Choudhary, et al, 2013). Mark Zuckerberg juga mengembangkan metode

pencarian khusus pada Facebook yang diberi nama Graph Search, yang dirancang untuk

mengambil query yang tepat dan akan langsung memberikan jawaban, bukannya tautan-tautan

yang mungkin bisa memberikan jawaban (Anon., 2013). Di sisi lain, Bar-Yossef dan Guverich

(2008b) menyatakan bahwa random sampling dalam algoritma pencarian tidak hanya digunakan

oleh pihak ketiga, namun juga oleh penyedia layanan pencarian itu sendiri. Dalam metode

pencarian yang dikembangkan keduanya, pemberian sugesti sampel akan mengirimkan ribuan

query ke server saran. Angka ribuan yang tampak sangat banyak ini sesungguhnya merupakan

beban tambahan yang relatif kecil bagi server saran saat diberlakukan secara sekuensial dalam

interval waktu yang cukup (Bar-Yossef dan Guverich, 2008a).

OK, very good

M Yogie Anggara: 08/265917/PA/11927

Dari penelitian yang dilakukan oleh Bar-Youssef dan Guverich (2008a, b) didapatkan

dapat dikatakan bahwa metode random sampling dapat digunakan untuk melakukan pengujian

terhadap kualitas dari search engine. Cara yang diusulkan adalah Dengan cara dengan

pengujian mengirimkan beberapa ribu query ke server. Banyak Adapun metode lain yang

memiliki kemampuan dan kelebihan tersendiri, misalnya. Metode-metode tersebut antara lain

metode Variable Neighborhood Search (VNS) yang dapat digunakan untuk memperbaiki

masalah optimization terhadap search engine dengan melakukan perubahan pada semantic

neighborhood (Mladenovic, 1997). Berikutnya Selain itu terdapat juga metode distance-based

yang memiliki kelebihan untuk mencari persamaan pada data yang akan dicari (Mao, et al.,

2005). Salah satu search engine terbaru adalah yang menggunakan metode-metode tersebut

yaitu graph search yang di desain untuk dapat memahami query yang diberikan dengan tepat

kemudian menampilkan jawabannya tidak dalam bentuk link (Anon., 2013).

Dalam papernya, Horacek (2003) menyajikan memperlihatkan contoh penggunaan

sebuah algoritma pencarian terbaik yang dapat digunakan untuk melakukan identifikasi

terhadap suatu set objek pencarian. Adapun Sebelumnya pengembangan algoritma pencarian

lain lainnya yang berhubungan dengan konsep yang digunakan pada struktur data yang

menggunakan operasi search, insert dan delete (Softpanorama, 2013). Selain itu Perkembangan

saat ini menurut Choudhary, Kalmegh dan Deshmukh Choudhary dkk (2013) menyatakan

bahwa terdapat juga algoritma pencarian yang ditemukan oleh Google yang hanya berfokus

pada pencarian semantic dimana kita dapat membatasi domain dan parameter pencarian,

seperti yang ditanamakan dalam mesin pencari Google.

Muhammad Fachri 

10/296723/PA/12965 

 

Pencarian di Internet merupakan suatu hal yang lumrah, banyak penyedia mesin pencarian 

yang tersedia dengan berbagai macam algoritma yang ditawarkan.  Salah satu algoritma 

pencarian yang cukup tua adalah Variable Network Search. Mladenovic (1997) menyatakan 

bahwa Variable Network Search menyelesaikan masalah optimasi dengan melakukan pencarian 

semantic. Kemudian Horacek (2003) mengembangkan Best‐first search yang memilki kualitas 

lebih baik dalam hal kecepatan. Dilain pihak Mao dkk. (2005) memanfaatkan algoritma 

pencarian kemiripan data berdasarkan metode distance‐based pada pengaplikasian di bidang 

biologi. Untuk menguji setiap algoritma searching yang ada Bar‐Yosesf dan Guverich (pp. 54‐65, 

2008a) menyatakan bahwa pengujian menggunakan menggenerate setiap contoh sugesti 

dengan metode yang mereka kembangkan dan dikirim ke server. Kemudian di tahun yang 

sama, Bar‐Yosesf dan Guverich (2008b) menyatakan bahwa random sampling tersebut dapat 

digunakan bukan hanya oleh pihak ketiga, tetapi dari penyedia layanan pencarian juga bisa. 

Di masa yang lebih modern, algoritma pencarian yang disediakan oleh mensin pencari lebih 

condong ke arah personalisasi dan Tanya jawab. Seperti Choudary, dkk. (2013) yang 

mengungkapkan bahwa layanan pencarian Google berfokus mengembangkan personalisasi 

pencarian semantik. Selain itu Anonim (2013) menyatakan bahwa Facebook mengembangkan 

Graph Search yang mampu menjawab pertanyaan dari suatu query yang diberikan, bukan 

hanya memberikan link saja. Dari semua algoritma pencarian yang ada Softpanorama (2013) 

menyatakan bahwa algoritma pencarian sangat mirip konsepnya dengan konsep kamus. 

 

Ok..Very Good 

 

Muhammad Fauzan Dzulqarnain 

10/305246/PA/13467 

 

Searching algorithm is an algorithm that we can use to looking for some words in a document. 

This algorithms are closely related to the concept of dictionaries (softpanorama, 2013) and also, 

Horacek  (2003)  stated  that  the  power  of  algorithm  comes  from  linguistically  motivated 

restrictions and preferences. Because there are so many words  in the dictionary, there might 

some problem occur in the sampling. Bar‐Yossef and Guverich (year????) said that, generating 

each sample suggestion using their methods requires sending a few thousands of queries to the 

suggestion  server  (author???,  2008a) while  random  sampling  can  be  used  not  only  by  third 

parties, but also by search service providers themselves (author???, 2008b). Another searching 

algorithm method is the Variable Neighborhood Search (VNS). It is a metaheuristic which solves 

optimization  problems  by  doing  systematic  changes  of  neighborhood  within  a  local  search 

(Mladenovic &  Hansen,  1997). Mao  et  al  (2005)  stated,  in  biological  applications  a  primary 

advantage of the distance‐based methods is that they may be used to capture similarity of data 

that is not naturally described. Nowadayas, Google Research Lab has worked out many generic 

algorithms,  however  they  are  successful  in  certain  condition  only  (Choudhary,  Kalmegh,  & 

Deshmukh,  Choudhary  et    al.,  2013). Meanwhile,  facebook  has  already  invented  the Graph 

Search which is designed to take a precise query and give you an answer, rather than links that 

might provide the answer (anonym, 2013). 

 

Okay, good 

 

PRAMUDYA RIAN D : 08/265296/PA/11863

Pada penelitian tentang algoritma pencarian (Softpanorama, 2013), berhubungan dekat

dengan konsep dictionaries. Dictionaries merupakan struktur data yang mendukung operasi search,

insert dan delete. Representasi yang paling efektif diantaranya adalah operasi hash table. Hash table

merupakan fungsi sederhana yang umumnya diaplikasikan untuk menentukan lokasi pada kamus.

Metode pencarian lainnya yang efektif yaitu yaitu binary search. Salah satu metode pencarian yang

lainnya adalah graph search. Graph search (TechCrunk, 2013), merupakan metode yang didesain

dengan mengambil query secara presisi dan kemudian memberikan jawaban dari query yang diminta.

Pada graph search diberikan jawaban, bukan link yang menyediakan jawaban.

Pada metode pencarian, keefektifitasan algoritma pencarian ditentukan dari penggunaan.

Pada dictionaries, mendukung operasi-operasi yang efektif dalam menentukan lokasi pada kamus.

Pada graph search, memberikan keluaran yang berupa jawaban langsung dan bukan link.

1 Kalimat pertama sulit dipahami oleh pembaca, jangan menggukan kata-kata berikut di awal setiap

kalimat:

pada, dalam, untuk, dari, seperti berikut, dengan

2. di awal kalimat gunakan langsung

- Subject utama nya, atau pokok kalimat, misalnya

Metode pencarian adalah …

Atau

Moe dkk (2005) mengusulkan

- Subject utama nya, atau pokok kalimat yang berupa clause misalnya

Metode pencarian yang terbaru adalah ….

Algoritma pencarian dengan pendekatan graph diusulkan …

3. Coba jangan malas-malas dan malu untuk hadir kuliah dan mengerjakan tugas Mas, kuliah

MPIK tidak terlalu sulit bro, Prestasi yang bagus diperlukan usaha keras bung …

4. Dari kuliah saya ini, nanti nya saudara akan mampu menembus menulis ke koran Kompas,

Republika, dll atau malah ke koran Jakarta post, or Newyork Time, brooo. Nach ayo dong ajak

teman-teman mu yang lain juga ikutan rajin absen dikuliah saya atau kuliah ganti, kuliah

tambahan.

Nama : Puji Kusuma Wardani Nim : 08/265855/PA/11919

Searching algorithm are closely related to the concept of dictionaries. Dictionaries are data structure that support search, insert, and delete operations. If the dictionary is not sorted, then heuristic methods of dynamic reorganization of the dictionary are of great value. One of the simplest are cache-based methods. Cache-based methods are several recently used keys that are stored a special data structure permits fast search (softpanorama, 2013).but google research lab a focus on personalization of semantic search was given where in one can restrict the domain set and search parameters depending on the personal information. For example, one can build the semantic search techniques based on the domain of some company (Choudhary, et al ; 2013).

Besides the case based and semantic search method in search algorithm there also known another method that called the grap search. Graph search is designed to take a precise query and give you an answer, rather than links that might provide the answer (Anonim, 2013). For example, you could ask graph search “who are my friends that live in San Francisco?” Zuckerberg joked that a difference is “filters”, which grabbed a few chuckles. Zuckerberg says that graph search is in “very early beta”. People, photos, places and interest are the focus for the first iteration of the product. but in biological applications a primary advantage of distance-based methods is that they may be used to capture similarity of data that is not naturally described by a point in a euclidean space (Mao, R. Xu., et al ; 2005).

Linguistic approach is also known to be another method in search algorithm and discovered to be the best method to produce referring expression that identify sets of object. The power of the algorthm comes from linguistically motivated restrictions and preferences and from a variety of cut-off techniques (Horacek, H., 2003). Preliminary results show improvements in terms of quality over the incremental algorithm and in terms of speed when compared to exhaustive searches. While the Variable Neighborhood (VNS) search is a methaheuristic. VNS solves optimization problems by doing systematic changes of neighborhood within a local search (Mladenovic, N. & Hansen, P., 1997).

Generating each sample suggestion using our methods requires sending a few thousands of queries to the suggestion server.while this may seem a high number, in fact when submitting the queries sequentially at sufficiently long time intervals, the added load on the suggestion server is marginal (Bar-Yossef, Z & Guverich, M., 2008). And the random sampling can be used not only by third parties, but also by search service providers themselves to test the quality of their search engines and to compare them against the competition. The result of the comparison can then be used to improve quality of the index (Bar-Yossef, Z & Guverich, M., 2008).it may be technically simpler to use this interface rather than to implement a procedure that directly samples from the corpus. Applying the same sampling procedure to both the providers own corpus and the competitors corpora yields comparable results.

Putri Dwitya (10/297350/PA/12977) 

In computer world, there are many search algorithms to help us in search information on the internet or in database. One of search algorithm algorithms is best-first search, the algorithm for producing referring expressions that identify sets of objects. On this best-first search algorithm, Horacek (2003) in his paper states that ‘the power of the algorithm comes from linguistically motivated restriction and preferences, and from a variety of cut-off techniques.’ Unlike best-first algorithm, The Variable Neighborhood Search (VNS) is a metaheuristic and solves optimization problems by doing systematic changes of neighborhood within a local search (Mladenovic and Hansen, 1997). The best use of search algorithm is search engine. Search engine enable us to search information quickly and efficiently. Bar-Yossef and Guverich (2008a) in their paper, use used method to mining search engine query logs via a suggestion sampling. They state stated in their paper about their method ‘Generating each sample suggestion using our methods requires sending a few thousands of queries to the suggestions server. While this may seem a high number, in fact when submitting the queries sequentially at sufficiently long time intervals, the added load on the suggestion server is marginal.’ But later they discovered about random sampling from search engine index. This random sampling can be used not only by third parties, but also by search service providers themselves to test the quality of their search engines and to compare them against the competition (Bar-Yossef and Guverich, 2008b). Another use of search algorithm is in biological application. Mao, et al. (2005) state about distance-based method, ’In biological applications a primary advantage on distance-based methods is that they may be used to capture similarity of data that is not naturally described by a point in a Euclidean space.’ Although search algorithm can be used in many ways, Choudhary, Kalmegh, and Desmukh Choudhary et al. (2013) said that Google Research Lab has worked out many generic algorithms however they are successful in certain conditions only. A focus on personalization of semantic search where in one can restrict the domain set and search parameters depending on the personal information. Different from Google that provides a link for the answer of the search, Facebook maker, Zuckerberg (year??) use uses Graph Search for his Facebook. Graph Search is designed to take precise query and give you answer, rather than links that might provide the answer (Anon., 2013). Another assumes about search algorithm that searching algorithms are closely related to the concept of dictionaries, because dictionaries are data structures that support search, insert, and delete operations, and one of the most effective representations is a hash table (Softpanorama, 2013). And in their website, Softpanorama (2013) said about method called cache-based: several recently used keys are stored a special data structure that permits fast search (for example, located at the top and/or always sorted). Beside all of method, we can choose the best one for our case, because each method has a special advantage in different cases. Very good..  

Rizki Hadiaturrasyid 10/305401/PA/13505 Menurut Horacek (2003), kekuatan sebuah algoritma datang dari batasan dan kecenderungan pemilihan bahasa, dan dari variasi teknik cut-off, sedangkan lima tahun sebelumnya, Mladenovic dan Hansen (1997) mengungkapkan bahwa VNS (Variable Neighborhood Search) menyelesaikan masalah optimisasi dengan melakukan perubahan sistematis dalam neighborhood pada suatu local search. Kata sambung: sedangkan limat tahun sebelumnya, belum terlihat dapat menyambungkan kedua

paper Horacek dengan Mladevic. Coba sasudara pikir lagi bersambungan apa tidak? Bar-Yossef dan Guverich (2008a) mengatakan bahwa menggenerasi tiap sample suggestion dengan metode mereka membutuhkan untuk mengirimkan beberapa ribu query ke suggestion server, sedangkan untuk mengetes kualitas search engine dan membandingkan dengan search engine lain dapat menggunakan random sampling (Bar-Yossef dan Guverich 2008b). Menurut Mao, et al (2005) dalam bidang Biologi, keuntungan penggunaan metode distance based adalam merek mungkin digunakan untuk mengambil kemurupan data yang tidak dideskripsikan secara natural oleh sebuah point dalam Euclidean space, sedangkan keuntunggan personalisasi semantic search diberikan di mana seorang dapat membatasi domain set dan search parameter tergantung informasi personal. Kalimat dari paraggraph terluhat kaku, sulit mencari subject utama, mana klause, aman anak

kalimat? Anonim (2013) dalam webnya mengatakan bahwa graph search didesain untuk mengambil query yang presisi dan memberi anda jawaban, daripadan memberikan link yang mungkin memiliki jawabannya, sedangkan algoritma yang digunakan belum diketahui, namun menutur Softpanorama (2013), algoritma searching memiliki hubungan dekat dengan konsep kamus. Pengaliran paragraph yang ke-3 ini tidak dapat menyambungkan ide ke paragraph kedua, coba

cari kata penyambung lainnya misalnya. Salah satu kekuatan dan kemampuan dari algoritma search terbaru yang kini berkembang adalah menggunakan pendekatan graph. Pendekatan graph search ini didesain untuk mengambil query yang presisi dan memberi jawaban dalam bentuk tanya jawab (Anonim, 2013). Meskipun demikian konsep dasar dari suatu mesin pencarian tetap perlu menggunakan kamus kata, seperti juga dituliskan Softpanorama (2013) bahwa pada umumnya algoritma searching sangat terkait dengan konsep kamus.

SAMANI: 10/300484/PA/13276

Algoritma pencarian banyak sekali macamnya, tetapi masing-masing algoritma pencarian hanya memiliki kelebihan dan kekurangan, dibandingkan algoritma pencarian lainnya pada ini dapat dengan mudah dilihat misalnya menguji pada suatu kondisi dan syarat tertentu. Menurut Softpanorama(2013) Aalgoritma algoritma pencarian pada dasarnya erat kaitannya dengan konsep kamus. Algoritma pencarian best-first memiliki kelebihan kualitas dibandingkan dengan algoritma incremental dan dalam hal kecepatan dibandingkan dengan exhaustive search (Horacek, 2003). Algoritma pencarian lainnya seperti Graph search hanya didesain untuk memberikan jawaban dari query yang diberikan, daripada menyediakan link yang berisi jawaban (Anonim, 2013). Sedangkan, Algoritma algoritma pencarian semantic search hanya berhasil jika diberikan batasan domain dan parameter pencarian (Choudhary, Kalmegh dan Deshmukh, Choudhary dkk., 2013).

Peningkatan kualitas Algoritma algoritma pencarian dapat dilakukan dengan berbagai cara, salah satunya dengan Variable Neighborhood Search(VNS). VNS menyelesaikan masalah optimisasi dengan melakukan perubahan neighborhood pada local search (Mladenovic dan Hanses , 1997). Di sisi lain, peningkatan kualitas indeks dapat dilakukan melalui hasil perbandingan yang dilakukan dengan menggunakan random sampling (Bat-Yossef dan Guverich, 2008b). Bar-Yossef dan Guverich (2008a) juga mengungkapkan dalam penelitiannya bahwa sample suggestion yang dihasilkan memerlukan pengiriman ribuan query ke suggestion server. Dalam penelitian Penelitian lainnya yang dilakukan oleh Mao dkk (tahun???) mengungkapkan bahwa penggunaan metode distance-based memberikan keuntungan untuk menangkap similarity dari data.

 Septa Bagas Kara           10/305334/PA/13490 

Telah  banyak  ditemukan  search  algoritma  yang  digunakan  diberbagai  macam  jenis  search 

engine. Namun tidak semua search algoritma dapat melakukan proses komputasi yang maksimal. Dalam 

tulisan  ini akan dibahas mengenai beberapa  jenis search algoritma  terbaik yang ada  saat  ini. Variable 

Neighborhood  Search  (VNS) merupakan  salah  satu  search  algoritma  yang mulai  dikenal  oleh  banyak 

orang. Mladenovic and Hansen  (1997) menyatakan bahwa VNS menyelesaikan masalah pengoptimasian 

dalam  search algoritma dengan melakukan perubahn  sistematik dari  lingkungan didalam  local  search. 

Sementara  itu menurut  Horacek  (2003) mengatakan  bahwa  kekuatan  dari  sebuah  algoritma  berasal 

secara  lingustik sehingga menciptakan restriksi dan preferensi dan  juga berasal dari  jenis – jenis teknik 

jalan  pintas  yang  digunakan.  Dapat  kita  lihat  bahwa  dari  pendapat  kedua  penulis  diatas  terdapat 

perbedaan pandangan mengenai penggunaan dari search algoritma. Selain  terdapat pada bidang  ilmu 

komputer search algoritma juga digunakan didalam aplikasi biologi. Penggunaan search algoritma dalam 

aplikasi  biologi memberikan  banyak  keuntungan  salah  satunya  adalah  dengan menggunakan  search 

algoritma dapat mengetahui metode  jarak untuk melihat kemiripan dari sebuah data yang tidak dapat 

dideskripsikan dengan menggunakan metode Euclidean (Mao, et al., 2005).  

Penelitian  terbaru dari Bar‐Yossef and Guverich  (2008a) menjelaskan bahwa menentukan  tiap 

sample permintaan membutuhkan pengiriman beberapa ribu queri pada server permintaan dan ketika 

submitting queri  dilakukan  secara  sikuensial  ini  akan membutuhkan waktu  interval  yang  lama  dalam 

penambahan  load  di  dalam  server  permintaan.  Namun  penelitian  selanjutnya  oleh    Bar‐Yossef  and 

Guverich  (2008b) mengatakan  bahwa  sample  acak  tidak  hanya  dapat  digunakan  oleh  bagian  ketiga 

tetapi juga oleh search service provider mereka sendiri untuk melakukan pengetesan kualitas dari seach 

engine mereka dan membandingkannya dengan search engine yang lainnya. Didalam bukunya Searching 

Algorithms,  Softpanorama  (2013)  menyebutkan  bahwa  seach  algoritma  sangat  dekat  hubungannya 

dengan  konsep  dari  dictionaries.  Dictionaries  adalah  struktur  data  yang mendukung  operasi  search, 

insert, dan delete. Salah satu yang paling efektif merepresentasikannya adalah hash table. Fungsi yang 

sederhana adalah penggunaan kunci untuk menentukan  tempatnya didalam dictionary. Efesiensi yang 

lain dari search algoritma di dalam sort  table adalah binary search. Search algoritma didalamnya  juga 

terdapat  graph  search. Graph  search  di  design  untuk mengambil  queri  yang  tepat  dan memberikan 

sebuah  jawaban  kepada  anda, walaupun  link mungkin menyediakan  jawabannya  juga  (Anon.,  2013). 

Sementara  itu baru – baru  ini Choudhary and Kalmegh and Deshmukh  (2013) mengemukakan bahwa 

Google Research Lab telah bekerja dengan banyak generic algoritma walaupun hanya sukses di kondisi – 

kondisi tertentu saja. Namun focus dari Google Research Lab adalah dari semantic search yang diberikan 

dimana  salah  satunya dapat membatasi domain  set dan  search parameter yang bergantung  terhadap 

informasi  personal.  Sebagai  contoh,  seseorang  dapat membangun  teknik  semantik  search  algoritma 

dengan berdasarkan dari domain beberapa company. 

   

OK 

   

Setyaningsih: 10/305038/PA/13448

Algoritma searching mengalami perkembangan dari masa ke masa. Sebagai contohnya, Mladenovic dan Hansen (1997) menuliskan bahwa Variable Neighborhood Search (VNS) merupakan algoritma search yang dapat menyelesaikan masalah optimasi dengan melakukan perubahan sistematis dari neighborhood menggunakan pencarian lokal. Selanjutnya, terdapat Perkembangan awal dari algoritma pecarian dapat dilihat pada algoritma best-first search yang hasil awalnya menunjukkan peningkatan kualitas dibandingkan dengan algoritma incremental dan peningkatan kecepatan jika dibandingkan dengan exhaustive search (Horacek, 2003).

Selain itu, Upaya perkembangan berikutnya terlihat dari tulisan Mao dkk (2005) yang menyatakan bahwa keuntungan utama pada aplikasi biologi dari metode yang didasarkan pada jarak adalah menangkap kemiripan data yang tidak digambarkan dengan metode titik pada Euclidean space. Kemudian menurut Algoritma mining search engine yang diusulkan oleh Bar-Yossef dan Guverich (2008a), mining search engine dengan menggunakan model penyarannan (suggestion) dari sampling menunjukan membutuhkan waktu yang lama. Sedangkan, Namum pendekatan random sampling untuk penyedian saran bagi pengguna ini merupakan algoritma yang dapat digunakan oleh penyedia layanan search untuk mengetes kualitas search enginenya (Bar-Yossef dan Guverich, 2008b).

Dalam perkembangannya, Perkembangan terbaru algoritma pencarian yang dilakukan Google Research Lab lebih fokus menggunakan semantic search (Choudhary, Kalmegh dan Deshmukh, 2013) (Choudhary, et al, 2013). Namun, Disamping pendekatan yang dikembangkan oleh grupnya Google lab, Facebook menggunakan mengembangkan pendekatan graph search yang didesain untuk mengambil query yang tepat dan memberikan jawaban, dibandingkan memberikan link (Anon., 2013). Terdapat pula Meskipun demikian, pada dasarnya, setiap algoritma searching sangat terkait dan yang berhubungan dengan konsep kamus seperti misalnya hash table dan binary search, seperti yang disampaikan oleh (Softpanorama, 2013) Softpanorama (2013)..

Shinta Nurdwita Kartikasari

10/297585/PA/13022

Algortima pencarian (Search Algorithm) adalah algoritma yang digunakan untuk mencari data

tertentu dalam sekumpulan data. Algoritma ini sangat erat kaitannya dengan konsep kamus yang

mendukung operasi search, insert dan delete (Softpanorama, 2013). Setiap jenis algoritma

pencarian mempunyai kegunaan yang berbeda, contohnya The Variable Neighborhood Search

(VNS) bisa menyelesaikan masalah optimasi dengan melakukan perubahan sistematik dari

neighborhood dalam pencarian lokal (Mladenovic dan Hansen, 1997). Beberapa tahun kemudian

Horacek (2003) mempresentasikan algoritma pencarian Best-First yang digunakan untuk

memproduksi rujukan ekspresi yang mengidentifikasi sekumpulan objek. Sementara di bidang

biologi Mao, et al. (2005) menemukan metode Distance-Based yang digunakan untuk

menangkap kemiripan dari data yang secara alami tidak dideskripsikan di ruang Euclidean. Baru-

baru ini. Google Reseach lab juga mengembangkan algoritma pencarian yang memfokuskan

pada personalisasi Semantic Search dimana domain set bisa dibatasi dengan parameter pencarian

dari informasi pribadi (Choudhary et al, 2013). Tak mau ketinggalan Facebook juga mendesain

Graph Search yang digunakan untuk mengambil query yang dapat memberikan jawaban (Anon,

2013).

Di sisi lain, penelitian dari Bar-Yossef dan Guverich (2008a) menyatakan metode Random

Sampling tidak hanya digunakan oleh pihak ketiga tetapi juga oleh penyedia layanan pencarian

itu sendiri untuk menguji kualitas mesin pencarian mereka dan membandingkan dengan

kompetitornya. Pada penelitian selanjutnya Bar-Yossef dan Guverich (2008b) menjelaskan untuk

menghasilkan setiap sampel saran menggunakan metode tersebut memerlukan pengiriman ribuan

query ke server saran, walaupun jumlah ini terlihat besar, tetapi kenyataannya saat menyerahkan

query secara sekuensial dengan interval waktu yang cukup panjang, tambahan beban di server

relatif kecil.

Nama: Siti Rinzhani Ghusty Pertiwi: NIM : 10/296422/PA/12959

Algoritma searching (pencarian) digunakan untuk membuat ekspresi rujukan yang mengidentifikasi

sekumpulan objek. Algoritma pencarian erat kaitannya dengan konsep sebuah kamus

(Softpanorama, 2013). Di dunia perkomputeran sendiri telah dikenal berbagai macam jenis

algoritma pencarian yang sudah umum pula digunakan dengan kelebihan mereka masing-masing.

Best-first searching diketahui lebih unggul daripada incremental searching dalam hal kualitas, dan

juga mengungguli exhaustive searching dalam hal kecepatan (Horacek, 2003). Sementara VNS atau

Variable Neighborhood Searching memecahkan pencarian secara optimal optimasi masalah dengan

cara memberlakukan perubahan sistematis dari neighborhood yang tercakup dalam pencarian lokal

(Mladenovic dan Hansen, 1997). Selain itu, model pencarian distance-based (berdasarkan jarak)

banyak digunakan di aplikasi-aplikasi biologi. Kegunaannya adalah untuk menangkap kesamaan

data yang tidak dijelaskan secara alami oleh sebuah titik dalam ruang Euclidean (Mao, et al, 2005).

Dua kalimat yang dimulai: Selain itu, blala …. Kegunaannya bla bala….. kalimat tersebut belum terlihat ketersambungan maknanya secara solid/mengalir/bagus dengan kalimat-diatasnya, coba pikir …

 

Google Research Lab juga telah mengembangkan banyak sekali algoritma generik. Semantic search

milik Google mengkhususkan domain dan parameter pencarian pada informasi personal

penggunanya (Choudhary, et al, 2013). Mark Zuckerberg juga mengembangkan metode pencarian

khusus pada Facebook yang diberi nama Graph Search, yang dirancang untuk mengambil query

yang tepat dan akan langsung memberikan jawaban, bukannya tautan-tautan yang mungkin bisa

memberikan jawaban (Anon., 2013). Di sisi lain, Awal-awal tahun sebelumnya, kinerja suatu

algoritma pencarian dapat diuji dengan melakukan pengumpulan sampling saran, seperti yang

dikerjakan oleh Bar-Yossef dan Guverich (2008b) yang menyatakan bahwa random sampling

dalam algoritma pencarian tidak hanya dapat digunakan oleh pihak ketiga, namun juga oleh

penyedia layanan pencarian itu sendiri. Dalam Metode pencarian yang dikembangkan selanjutnya

keduanya, pemberian sugesti sampel akan mengirimkan ribuan query ke server saran. Angka ribuan

yang tampak sangat banyak ini sesungguhnya merupakan beban tambahan yang relatif kecil bagi

server saran saat diberlakukan secara sekuensial dalam interval waktu yang cukup (Bar-Yossef dan

Guverich, 2008a).

Soffiyyul 

 

Berbagai  macam  search  algorithm  telah  dikembangkan  sebelumnya  diantaranya 

Horacek  (2003)  menyajikan  best‐first  search  algorithm    menghasilkan  suatu  ekspresi  yang 

dapat  mengiden fikasi  kumpulan  objek.  Metode  lain  yakni  Variable  Neighborhood  Search 

(VNS) seper  yang dikemukakan oleh Mladenovic dan Hansen  (1997, hal. 716), memecahkan 

permasalahan  op masi  dengan  melakukan  perubahan  sistema s  di  daerah  sekitar  dari 

pencarian  lokal. Kemudian, Mao dkk  (2008) mengop masi metode Distance‐based Similiarity 

Search.  Metode  ini  memiliki  kelebihan  dalam  bidang  database  biologi  dimana  dapat 

menangkap  persamaan  data  yang  dak  secara  alami  dijelaskan  pada  ruang  Euclidian.  Lalu,  

terdapat algoritma pencarian yang efisien pada tabel terurut (sorted table) yakni binary search 

(So panorama,  2013).  Pada  peneli an  terbaru  yakni  Graph  Search  (TechCrunch,  2013), 

didesain untuk menerima kueri yang presisi dan kemudian menghasilkan  jawaban, dibanding 

hanya menunjukkan ke suatu tautan. 

Algoritma‐algoritma  yang  telah  dicoba  oeh Google  Research  Lab memberikan    hasil 

yang  baik  pada  kondisi  tertentu  saja  (Choudary,  dkk  Kalmegh  dan Deshmukh,  2013). Untuk 

melakukan pengetesan kualitas dari search engine dan membandingkannya dengan yang  lain, 

search engine provider dapat menggunakan random sampling (Bar‐Yossef dan Guverich, 2008 

2008a? 2008b?) 

‐‐‐‐‐‐‐‐ 

Berbagai  macam  search  algorithm  telah  dikembangkan  sebelumnya  diantaranya 

Horacek  (2003)  menyajikan  best‐first  search  algorithm    menghasilkan  suatu  ekspresi  yang 

dapat  mengiden fikasi  kumpulan  objek.  Metode  lain  yakni  Variable  Neighborhood  Search 

(VNS) seper  yang dikemukakan oleh Mladenovic dan Hansen  (1997, hal. 716), memecahkan 

permasalahan  op masi  dengan  melakukan  perubahan  sistema s  di  daerah  sekitar  dari 

pencarian  lokal. Kemudian, Mao dkk  (2008) mengop masi metode Distance‐based Similiarity 

Search.  Metode  ini  memiliki  kelebihan  dalam  bidang  database  biologi  dimana  dapat 

menangkap  persamaan  data  yang  dak  secara  alami  dijelaskan  pada  ruang  Euclidian.  Lalu,  

terdapat algoritma pencarian yang efisien pada tabel terurut (sorted table) yakni binary search 

(So panorama, 2013).  

Pada  peneli an  terbaru  yakni  Graph  Search  (TechCrunch,  2013),  didesain  untuk 

menerima  kueri  yang  presisi  dan  kemudian  menghasilkan  jawaban,  dibanding  hanya 

menunjukkan ke suatu tautan. Algoritma‐algoritma yang telah dicoba oeh Google Research Lab 

memberikan    hasil  yang  baik  pada  kondisi  tertentu  saja  (Choudary,  dkk  Kalmegh  dan 

Deshmukh,  2013).  Untuk  melakukan  pengetesan  kualitas  dari  search  engine  dan 

membandingkannya  dengan  yang  lain,  search  engine  provider  dapat menggunakan  random 

sampling (Bar‐Yossef dan Guverich, 2008 2008a? 2008b?) 

 

Widi Setyawan 

Horacek (2003) stated presented a best‐firs search algorithm, this algorithm comes from 

linguistically motivated restrictions and references, and from a variety of cut‐off techniques. etc. 

Moreover (Mladenovic and Hansen, 1997) added The Variable Neighborhood Search (VNS) and this is 

solves optimization problem by doing systematic changes neighborhoods. 

Earlier research by Bar‐Yossef and Guverich(2008a) stated that submitting the queries 

sequentially at sufficiently interval to load on the suggestion server in marginal, and then in later 

research by Bar‐Yossef and Guverich(2008b) found several benefits, it may be technically simpler to use 

this interface and applying same sampling procedure. 

Mao et al all, (2005) found that a primary advantages of biological applications may be use to 

capture similarity of data. In contrast, (Cloudhary, Kalmegh, Deshmukh, 2013)  Cloudhary (2013) found a 

semantic search and they can restrict the domain set and search parameters. 

In Graph Search (Anon, 2013) designed to take a precise query and give you an answer, rather 

than links that might provide the answer. So then, in (Softpanorama, 2013) they clawl a searching 

algorithm with a concept of dictionaries.  

Kenapa satu paragraph hanya dua kalimat? Seharus sebuah paragraph terdiri 5 hingga 8 kalimat.  

Atau semua  itu dijadikan satu pragraph saja, tetapi saudara perlu ada semacam bebrapa kalimat 

pengantar agar nanti dapat menyambungkan ke‐semua  paragraph tersebut. Misalnya: 

 

Search algorithms play an important role in computation systems, search engines and information technology. Such as for data tape search, database searching, information retrieval, desktop searching, internet seacrhing, multimedia search for image, audio, and video. There are a lot of search algorithms had been proposed currently. Each of the search algoritmhs has its own characteristics, advantages and disadvantages. Horacek (2003) stated presented a best-first search algorithm, this algorithm comes from linguistically motivated restrictions and references, and from a variety of cut-off techniques. etc. Moreover (Mladenovic and Hansen, 1997) added The Variable Neighborhood Search (VNS) and this is solves optimization problem by doing systematic changes neighborhoods. Earlier research by Bar-Yossef and Guverich(2008a) stated that submitting the queries sequentially at sufficiently interval to load on the suggestion server in marginal, and then in later research by Bar-Yossef and Guverich(2008b) found several benefits, it may be technically simpler to use this interface and applying same sampling procedure. Mao et al all, (2005) found that a primary advantages of biological applications may be use to capture similarity of data. In contrast, (Cloudhary, Kalmegh, Deshmukh, 2013) Cloudhary (2013) found a semantic search and they can restrict the domain set and search parameters. In Graph Search (Anon, 2013) designed to take a precise query and give you an answer, rather than links that might provide the answer. So then, in (Softpanorama, 2013) they clawl a searching algorithm with a concept of dictionaries.

Nama   : Yodi Dila Padilla NIM : 10/300710/PA/13343 

Dewasa  ini  berkembang  pesat  algoritma‐algoritma  pencarian.  Algoritma  pencarian 

semakin banyak dikembangkan. Hal  ini berkembang karena masalah terkait dengan pencarian 

beragam  informasi  semakin  kompleks  yang  harus  cepat  ditampilkan  dan  tiap masalah  pun 

berbeda‐beda. Domain pencarian tidak Tidak hanya menyentuh sektor IT, bahkan juga masalah 

pencarian pun sampai menyentuk pada hingga sektor biologi dimana yang memerlukan metode 

pencarian harus lebih spesifik. Salah satu yang diusulkan adalah mampu menangkap similiaritas 

antar  data  dimana  secara  natural  tidak mampu  dideskripsikan  dalam  sebuah metode  ruang 

Euclidian yang sebelum‐sebelumnya digunakan (Mao, et.al. , 2005).  

Oleh  karena  beragam  Dari  domain  pencarian masalah  dimungkinkan  diinginkan  oleh 

para pengguna dapat yang berbeda‐beda itu, para peneliti berupaya terus mengusulkan lahirlah 

algoritma  yang  punya  efektivitas  tinggi  di masalah  tertentu.  Sebagai  contoh  satu  algortima 

terbaru  yang  diciptakan  adalah  Ambil  contoh  Graph  Search  yang  ditanamkan  pada  aplikasi 

dikembangkan oleh Facebook. Graph Search merupakan metode pencarian yang menggunakan 

query yang natural untuk menghasilkan jawaban yang tepat. Tidak seperti algoritma pencarian 

lainnya  yang  menghasilkan  nemampilkan  link  yang  lebih  menekankan  pada  relevansinya 

walaupun  dalam  link  itu  bukan  jawaban  yang  tepat  (Anonim,  2013).  Berbeda  Beda  halnya 

dengan  algoritma  Variable Neighboorhood  Search  (VNS).  VNS  bersifat metaheuristic  dimana 

VNS mengatasi masalah optimisasi dengan melakukan perubahan secara secara sistematis pada 

tetangga suatu objek didalam pencarian lokal (Mladenovic dan Hansen, 1997). Google, sebagai 

salah  satu  perusahaan  yang  memang  peduli  dengan  masalah  pencarian  pun  turut 

mengembangkan  algoritma‐algoritma pencarian, namun  kebanyakan bersifat umum dan  tiap 

algoritma hanya sukses di beberapa kondisi saja (Choudhary, et.al. , 2013).  

Perkembangan  effektivitas  tiap  algoritma  juga  dapat  diperhatikan  berdasarkan  pada 

bepun berbeda‐beda karena proses sampling yang pada tiap tahap pun berbeda‐beda. Misalnya 

ada  beberapa  metode  sampling  yang  berbeda‐beda  untuk  tujuan  berbeda‐beda  seperti  (i) 

suggestion  sampling  untuk mengumpulkan  query mesin  pencarian  pada  log  (Bar‐Yossef  dan 

Guverich,  2008a)  ;  (ii)  random  sampling  untuk  menguji  kualitas  mesin  pencarian  dan  

meningkatkan kualitas indeks mesin pencarian (Bar‐Yossef dan Guverich, 2008b). Terlepas dari 

itu  semua, ada peneliti yang berani mengklaim bahwa dia menghasilkan algoritma pencarian 

seperti BFS sebagai algoritma pencarian terbaik (Horacek, 2003). 

 

Upayakan  menggunakan  kata  yang  lebih  baku  untuk  versi  akademik/ilmiah,  Jangan 

menggunakan kata‐kata gaul untuk versi koran/majalah populer. 

Yohanes Adi Dharmawan 10/300536/PA/13294 

Studi Pustaka

Terdapat berbagai cara diusulkan para peneliti untuk meningkatkan kualitas proses pencarian, salah satunya adalah implementasi metode-metode tertentu yang sesuai dengan domain dari data sistem. Mladenovic dan Hansen (1997) memaparkan Variable Neighborhood Search (VNS) yang bekerja secara metaheuristic pada lingkupan pencarian lokal, kemudian Horacek (2003) menyajikan pencarian best-first yang sangat kuat untuk pembatasan dan pengaturan secara linguistik, berikutnya Mao dkk. (2005) memaparkan pencarian distance-based similarity yang cocok untuk biological data. Ditambah lagi penggunaan algoritma genetika pada pencarian semantik yang berhasil untuk suatu himpunan domain dan parameter tertentu (Choudhary dkk., 2013) dan juga teknik caching untuk representasi data yang unsorted (Softpanorama, 2013).

Di sisi lain peningkatan kualitas dapat dilakukan pada evaluasi komponen mesin pencarian, Bar-Yossef dan Guverich (2008a) menjelaskan proses query mining dengan suggestion sampling yang dapat mengurangi penggunaan muatan pada server. Selain itu Bar-Yossef dan Guverich (2008b) juga menjelaskan penggunaan random sampling untuk pengujian kualitas mesin pencari yang berlanjut pada peningkatkan kualitas indexing dan mengusulkan pengunaan public interface. Tidak hanya elemen teknis, penyajian hasil pencarian juga menentukan kualitas pencarian seperti pada Facebook yang mengembangkan pencariannya tersendiri yang dapat mengkompilasi laporan atau jawaban dari query pencarian dalam Facebook Announces Its Third Pillar “Graph Search” That Gives You Answers, Not Links Like Google (Anonim, 2013).

Ok, Very Good

Yonathan Purbo Santosa

Now, we are going to talk about searching algorithms. Searching algorithms is a way to look through some sort of data or an array so that we can found what we wanted. The Softpanorama (2013) states that searching algorithms are closely to the concept of dictionaries. Dictionary is a database and it is sorted so that we human can search words within it easily. There are several methods of searching algorithms. Firstly, best-first algorithm. Horacek (2003) states that ‘The power of the algorithm comes from linguistically motivated restrictions and preferences, and from a variety of cut-off techniques.’ The other methods is Variable Neighborhood Search or we call it VNS. Mladenovic and Hansen (1997, p. 716) in their book they stated that VNS can solves optimization problems by doing systematic changes of neighborhood within local search. Not like best-first search algorithm, VNS change the neighborhood within local search. Another methods are Semantic Search and Graph Search. Choudary, Kalmegh, and Deshmukh (2013) state that ‘a focus on personalization of semantic search was given where in one can restrict the domain set and search parameters depending on the personal information.’ It is almost the same with semantic search way, graph search is not giving links like google does. Graph search was designed to take a precise query and give an answer from the query rather than giving links that might have the answer (Anon., 2013). Both google and facebook are using their own algorithm. But, both are using sample suggestion. Sample suggestion is searching suggestion that shown up when we make a mistake on query or when there are some thing that is identical with the one we are looking for. Bar-Yossef and Guverich (2008a) in their research found that generating each sample suggestion using their methods requires sending some thousands of queries to the suggestion server. Another searching method is distance-based methods. It is often used in biological application. Mao, et al. (2005) stated that this method is used to capture similarity of data that is not naturally described by a point in a Euclidian space. Search engine does not have 100 percent accurate. So, there is one method to know how good are our search engine. It is called Random sampling. Bar-Yossef and Guverich (2008b) state that Random Sampling can be used not only by third parties, but also by search service providers to test their search engine.

------

Now, we are going to talk about searching algorithms. Searching algorithms is a way to look through some sort of data or an array so that we can found what we wanted. The Softpanorama (2013) states that searching algorithms are closely to the concept of dictionaries. Dictionary is a database and it is sorted so that we human can search words within it easily.

There are several methods of searching algorithms. Firstly, best-first algorithm. Horacek (2003) states that ‘The the power of the algorithm comes from linguistically motivated restrictions and preferences, and from a variety of cut-off techniques.’ The other methods method is Variable Neighborhood Search or we call it VNS. Mladenovic and Hansen (1997, p. 716) in their book they stated that VNS can solves solve optimization problems by doing systematic changes of neighborhood within local search. Not like best-first search algorithm, VNS change the neighborhood within local search. Another The other methods are Semantic Search and Graph Search. Choudary, Kalmegh, and Deshmukh Choudary at al. (2013) state that

‘a focus on personalization of semantic search was given where in one can restrict the domain set and search parameters depending on the personal information.’ It is almost the same with semantic search way, graph search is not giving did not prepare some links like google did does. Graph search was designed to take a precise query and give an answer from the query rather than giving links that might have the answer (Anon., 2013). Both google and facebook are using their own algorithm. But, both are using sample suggestion. The sample suggestion is searching suggestion that shown up when we make a mistake on query or when there are is something that it is identical with the one we are looking for.

Bar-Yossef and Guverich (2008a) in their research found that generating each sample suggestion using their methods requires sending some thousands of queries to the suggestion server. Another searching method is distance-based methods. It is often used in biological application. Mao, et al. (2005) stated that this method is used to capture similarity of data that is not naturally described by a point in a Euclidian space. Search engine does not have 100 percent accurate. So, there is one method to know how good well are our search engine. It is called Random sampling. Bar-Yossef and Guverich (2008b) state that Random Sampling can be used not only by third parties but also by search service providers to test their search engine.

Citation of Searching Algorithms Computer Science Research Methods By Zyga NM (13488)

Searching algorithms are the most commonly used algorithm by people. In the daily basis,

there are users who use searching algorithms, especially for internet. To get in touch with internet,

users usually use search engines, like Google, Yahoo, etc. The core of a search engine is searching

algorithms. Without searching algorithms, a search engine can not be said as a search engine.

Searching algorithms are closely related to the concept of dictionaries. Dictionaries are data

structures that support search, insert, and delete operations (Softpanorama, 2013). In his book,

Horacek (2003) states that the power of algorithm comes from linguistically motivated restrictions

and preferences, and from variety of cut-off techniques. Below, we have presented the best-first

search algorithm.

There are lots of well known searching algorithms. First is Variable Neighborhood Search.

The Variable Neighborhood Search (VNS) is a metaheuristic. VNS solves optimization problems by

doing systematic changes of neighborhood within a local search (Mladenovic and Hansen, 1997).

Second is Distance-Based Similarity Search. Distance-Based Similarity Search has a primary

advantage in biological applications. The distance-based methods may be used to capture similarity

of data that is not naturally described by a point in an Euclidean space (Mao et al, 2005). Third is

Mining Search Engine Query Logs. In mining search there are two famous methods, suggestion and

random sampling. To be able to used the suggestion sampling requires sending a few thousands of

queries to the suggestion server (Bar-Yossef and Guverich, 2008a). Meanwhile, the random sampling

can be used not only by third parties, but also by search service providers to test the quality of their

search engines and to compare them against the competition (Bar-Yossef and Guverich, 2008b).

Large companies, such as Google and Facebook, also work out on developing searching

algorithm. But, Google and Facebook have a different focus in developing search algorithms. Google

Research Lab worked out on generic algorithms and had a focus on personalization of semantic

search (Choudhary et al, 2013). A focus on personalization of semantic search was given where in

one can restrict the domain set and search parameters depending on the personal information. In

other words, semantic search is designed to take links that might provide the answer. In the other

side, Facebook worked out on graph search (Anonim, 2013). People, photos, places, and interests

are the focus for the first iteration of the product. Graph search is designed to take a precise query

(questions) and give user an answer.