Implementasi Algoritma BM25 Berbasis Auto Tagging YAKE! untuk Pengembangan Sistem Pencarian Cerdas pada Website “Vokasi Product Hub” Fakultas Vokasi UNESA

Abstract

Penelitian ini mengembangkan sistem pencarian cerdas pada platform Vokasi Product Hub sebagai repositori karya mahasiswa Fakultas Vokasi UNESA. Sistem mengintegrasikan algoritma YAKE! untuk auto-tagging metadata secara otomatis dan BM25 sebagai algoritma pemeringkatan dokumen berbasis relevansi. Pengembangan menggunakan model Waterfall dengan evaluasi fungsional melalui Black-Box Testing dan evaluasi relevansi menggunakan metrik Information Retrieval (IR) yaitu Precision@k, Mean Average Precision (MAP), dan Normalized Discounted Cumulative Gain (nDCG). Seluruh 20 skenario Black-Box Testing dinyatakan lulus. Evaluasi pada 120 karya simulasi dengan 30 kueri uji menghasilkan Precision@5 = 0,3533; Precision@10 = 0,2333; MAP = 0,5732; nDCG@5 = 0,6539; dan nDCG@10 = 0,7093. Nilai nDCG@10 yang relatif tinggi menunjukkan sistem mampu memeringkat dokumen relevan mendekati urutan ideal pada rentang sepuluh hasil teratas. Hasil tersebut menunjukkan bahwa integrasi auto tagging YAKE! dan pemeringkatan BM25 layak digunakan sebagai fondasi awal sistem pencarian cerdas pada repositori karya akademik vokasi.

Kata kunci: BM25, YAKE!, Information Retrieval, Auto Tagging, Vokasi Product Hub, Sistem Pencarian Cerdas