download

Pencarian dan Visualisasi
Informasi
Interaksi Manusia dan Komputer
Sesi 13
Topik Bahasan
 Pendahuluan
 Query database dan pencarian kata dalam
dokumen tekstual
 Pencarian dokumen multimedia
 Visualisasi informasi
 Pemfilteran lanjut
IMK Sesi 13
2/30
Pendahuluan
 Komputer adalah alat bantu pencarian yang baik,
tetapi antarmuka pemakai tradisional menghalangi
pemakai pemula:



Perintah yang kompleks.
Operator Boolean.
Konsep yang menyulitkan.
 Model antarmuka objek-aksi membantu
perancangan alat bantu eksplorasi informasi:


Memisahkan konsep tugas dari konsep antarmuka.
Memisahkan isu antarmuka tingkat tinggi dengan tingkat
rendah.
IMK Sesi 13
3/30
Query Database dan Pencarian Kata dalam
Dokumen Tekstual
 Query database relasional dengan SQL

Pemakai menulis query yang mencocokkan nilai atribut.



SELECT NAMA, IPK FROM MAHASISWA
WHERE KOTA = ‘JAKARTA BARAT’
AND IPK > 3.9
ORDER BY NAMA
Powerful tetapi membutuhkan pelatihan.
Alternatif:
 Query-by-example
 Form-fillin queries
 Textual searches
 Natural-language queries
IMK Sesi 13
4/30
Query Database dan Pencarian Kata dalam
Dokumen Tekstual (Lanj.)
IMK Sesi 13
5/30
Query Database dan Pencarian Kata dalam
Dokumen Tekstual (Lanj.)
 Desain yang lebih baik dan konsistensi antara
sistem yang berbeda dapat menghasilkan:



Kinerja yang lebih cepat.
Pengurangan asumsi keliru.
Peningkatan keberhasilan dalam menemukan informasi
yang relevan.
 Cara pencarian tekstual yang biasa digunakan:




Pencarian string eksak.
Pencarian probabilistik.
Pencarian probabilistik dengan bobot kedekatan kata.
Pencarian boolean (and, or, not).
IMK Sesi 13
6/30
Query Database dan Pencarian Kata dalam
Dokumen Tekstual (Lanj.)
 Kerangka kerja untuk mengoordinasikan
perancangan antarmuka pencarian tekstual:
Formulasi
 Inisiasi aksi
 Memeriksa hasil
 Memperbaiki

IMK Sesi 13
7/30
Inisiasi
 Mengekspresikan pencarian.
Sumber yang tepat.
 Field untuk membatasi sumber.
 Mengenali frase.
 Membolekan varian: case sensitivity, stemming,
partial matches, phonetic variations,
abbreviations, sinonim dari thesaurus.

IMK Sesi 13
8/30
Inisiasi Aksi
 Melaksanakan pencarian.
Aksi eksplisit: Tombol yang konsisten.
 Aksi implisit: Perubahan parameter.

IMK Sesi 13
9/30
Memeriksa Hasil
 Membaca pesan dan keluaran.






Membaca pesan penjelasan.
Melihat daftar tekstual.
Memanipulasi visualisasi.
Mengendalikan ukuran himpunan hasil dan apa
yang ditampilkan.
Mengubah urutan.
Menjelajah pengelompokan (clustering).
IMK Sesi 13
10/30
Memperbaiki
 Formulasi langkah berikutnya.
Menggunakan pesan yang berarti untuk
memandu dalam perbaikan pencarian.
 Memudahkan perubahan parameter pencarian.
 Memungkinkan hasil pencarian disimpan.

IMK Sesi 13
11/30
THOMAS
System dari
Library of
Congress
IMK Sesi 13
12/30
Pencarian Dokumen Multimedia
 Photo search
Query by Image Content: mencari berdasarkan
profil.
 Koleksi terbatas lebih berhasil.

 Map search


Koordinat lintang dan bujur.
Kota, jadual penerbangan, cuaca.
 Design or diagram search

Pencarian elemen desain.
IMK Sesi 13
13/30
Pencarian Dokumen Multimedia (Lanj.)
 Sound search



Mengenali senandung pemakai.
Mengedit not pada paranada.
Mencari kata pada percakapan.
 Video search



Mencari frame tertentu.
Zooming dan panning.
Dapat didukung dengan database teks.
 Animation search


Mencari jenis animasi.
Mencari transisi pada presentasi.
IMK Sesi 13
14/30
Visualisasi Informasi
 Visualisasi adalah (McCormick et al., 1987):





Metode penggunaan komputer untuk
mentransformasi simbol menjadi geometrik.
Memungkinkan peneliti mengamati simulasi dan
komputasi.
Memberikan cara untuk melihat yang tidak terlihat.
Memperkaya proses penemuan ilmiah dan
mengembangkan pemahaman yang lebih dalam
dan tak diduga.
Dalam berbagai bidang telah merevolusikan cara
ilmuwan meneliti sains.
IMK Sesi 13
15/30
Visualisasi Informasi (Lanj.)
 Pepatah mengatakan “Sebuah gambar bernilai
seribu kata”.
 Untuk beberapa tugas, presentasi visual — seperti
peta atau foto — secara dramatis lebih mudah
digunakan atau dipahami daripada deskripsi
tekstual atau laporan yang diucapkan.
 Mantra pencarian informasi visual:



Overview dulu,
Zoom dan filter,
Lalu details on demand.
IMK Sesi 13
16/30
Visualisasi Informasi (Lanj.)
 Tipe data berdasarkan taksonomi tugas:

Tipe data:
1-D: Linear data
2-D: Map data
3-D: World
Temporal data
Multi-dimensional data
Tree data
Network data
IMK Sesi 13
17/30
1-D: Linear Data
 Data linear seperti
dokumen teks,
program source code,
daftar nama yang
sekuensial.
 Mis.: TileBars,
Document Lens,
SeeSoft, Information
Mural.
TileBars
IMK Sesi 13
18/30
2-D: Map Data
 Data bidang atau peta mencakup peta
geografis, denah, tata letak suratkabar.
 Mis.: GIS, Tampilan spasial koleksi dokumen.
IMK Sesi 13
19/30
3-D: World
 Objek dunia nyata seperti
molekul, tubuh manusia,
bangunan.
 Pemakai harus
mengatasi pemahaman
posisi dan orientasi.
 Mis.: WebBook, VRML
CAD, Visible Human
Explorer.
IMK Sesi 13
20/30
Temporal Data
 Time line.
 Ada waktu awal dan akhir, boleh overlap.
 Tugas tambahan: menjadi kejadian sebelum, sesudah, dan pada
periode tertentu.
 Mis.: Perspective Wall, Microsoft Project, Macromedia Flash, Lifeline.
Timeline pada
Macromedia
Flash MX
IMK Sesi 13
21/30
Multi-Dimensional Data
 Kebanyakan database
relasional dan statistik.
 Mis.: DataSplash,
Starfield.
DataSplash dari the University of
California at Berkeley,
menunjukkan perubahan ranking
Fortune 100 tahun 1994 (vertikal)
vs 1995 (horizontal). Ukuran bintik
menunjukkan profit keseluruhan.
IMK Sesi 13
22/30
Tree Data
 Koleksi item dengan
setiap item terhubung
dengan parent.
 Mis.: Windows
Explorer, Treemaps
Treemap dari HCI Lab,
University of Maryland at
College Park menunjukkan isi
hard disk.
IMK Sesi 13
23/30
Network Data
 Data terhubung
dengan sembarang
jumlah item lain.
 Mis.: NetMap,
WebMap, SeeNet,
Butterfly, Visualisasi
WWW lainnya.
Jenis link:
• Internal, tree
• Internal, non-tree
• Eksternal, tree
• Eksternal, non-tree
WebMap dari University of Frankfurt
IMK Sesi 13
24/30
Tugas-tugas Visualisasi Informasi
 Overview

 Relate
Memperoleh ringkasan
seluruh koleksi.
 Zoom

Melihat hubungan
antaritem.
 History
Melihat lebih dekat itemitem yang menarik.
 Filter



Memungkinkan undo,
replay, perbaikan progresif.
 Extract
Menyaring item-item yang
tidak menarik.

Ekstraksi subkoleksi dan
parameter query.
 Details-on-demand

Pilih item atau kelompok
dan mengambil rinciannya.
IMK Sesi 13
25/30
Pemfilteran Lanjut
 Dynamic queries (direct-manipulation
queries):
Pemakai menyetel numeric range sliders,
alphasliders, atau tombol untuk seperangkat
kecil kategori.
 Menggunakan konsep aksi (sliders atau tombol)
dan objek (hasil query pada tampilan domain
tugas).

IMK Sesi 13
26/30
Pemfilteran Lanjut (Lanj.)
 Perlu ditemukan bagaimana melakukan:






Memilih seperangkat sliders dari seperangkat besar
atribut.
Menyebutkan lebih kecil, lebih besar, atau lebih kecil
dan lebih besar.
Menangani kombinasi Boolean dari pengaturan slider.
Memilih highlighting dengan warna, titik-titik atau lebih
terang, daerah, berkedip, dsb.
Mengatasi puluhan ribu butir informasi.
Memungkinkan pembobotan kriteria.
IMK Sesi 13
27/30
Pemfilteran Lanjut (Lanj.)
 Sistem penarikan informasi komersial:



Contoh: DIALOG atau FirstSearch.
Memungkinkan ekspresi Boolean yang
rumit, tetapi sulit digunakan.
Metafora baru untuk mengatasi
kompleksitas: diagram Venn dan tabel
keputusan.
IMK Sesi 13
28/30
Pemfilteran Lanjut (Lanj.)
 Metafora aliran air dengan filter.


Bisa menggunakan AND, OR, NOT.
Mudah digunakan dan membantu pemakai pemula.
 Himpunan kata kunci yang dibangun pemakai.



Pemakai membuat profil dan media dipindai.
Versi modern dari selective dissemination of
information (SDI).
Himpunan kata kunci untuk filter informasi.
IMK Sesi 13
29/30
Pemfilteran Lanjut (Lanj.)
 Pemfilteran kolaboratif.
Kelompok pemakai mengombinasikan evaluasi
untuk membantu menemukan informasi dalam
database besar.
 Pemakai memberikan vote untuk nilai.

IMK Sesi 13
30/30