MODEL–MODEL TEMU KEMBALI INFORMASI (INFORMATION RETRIEVAL)

Untuk menemukan informasi yang dibu-tuhkan (relevan) oleh user dengan mudah cepat dan efektif diperlukan adanya suatu cara atau model-model system temu kembali informasi. Dalam pembahasan makalah ini diuraikan mod-el-model temu kembali informasi mulai dari latar belakang penulisan yang menguraikan alasan dan masalah serta rumusannya, tujuan dan manfaat sampai pada kesimpulan pembahasan. Model-model temu kembali informasi mulai berlaku sejak keberadaan informasi baik yang tersimpan dalam dokumen pada perpusta-kaan tradisional (dengan istilah katalog) maupun yang tersimpan dalam database di perpusta-kaan modern (digital) dengan istilah (information retrieval) IR dan dalam pencariannya dengan menggunakan perintah browsing. Secara garis besar model-model IR ini dikelompokan menjadi dua yaitu: model klasik yang terdiri dari model Boolean dengan operator OR, NOT dan AND, model vector dan model probabilistic. Model ter-struktursampai saat ini masih terus dikembang-kan sistemnya untuk memperbaiki kekurangan sistem model-model temu kembali informasi sebelumnya. Model ini dibedakan menjadi dua yaitu model non–overlapping list dan model proximal nodes.Latar BelakangInformasi merupakan kumpulan dari beberapa data atau rangkaian peristiwa dari berbagai variabel sejenis (array) maupun tidak sejenis yang telah diolah dan tersusun secara berurutan (linked list), terstruktur, dan sistematis, sehingga mempunyai makna dan arti. Dari defi nisi tersebut sehingga dapat diketahui, bahwa ciri-ciri dari suatu informasi merupakan fakta yang dapat diinterpretasikan untuk men-gurangi ketidak pastian dan sangat bermanfaat terhadap seseorang yang dapat digunakan untuk pengambilan keputusan dalam memecahkan berbagai persoalan yang baru dihadapi. Perpustakaan merupakan salah satu tempat terkumpulnya berbagai jenis informasi yang disimpan, dipelihara, dilestarikan dan disajikan secara tercetak maupun dengan menggunakan media elektronik yang dihimpun dalam suatu dokumen berupa buku maupun dokumentasi lainnya. Informasi yang tersedia di perpustakaan dapat ditemukan kembali dengan menggunakan berbagai sarana atau alat bantu pencarian seperti katalog, bibliografi maupun indeks. Informasi yang tersedia setiap saat selalu bertambah sesuai dengan perkembangan-nya, baik secara eksponential maupun substan-sial harus ditangani secara profesional dengan menggunakan berbagai sarana sistem simpan temu kembali informasi (retrieval) sesuai dengan waktu dan kondisinya. Sarana sistem temu kembali informasi bermanfaat untuk menemukan kembali berbagai macam jenis informasi relevansesuai dengan kebutuhan pengguna. Organisasi informasi merupakan pen-gelompokkan berbagai subyek yang sangat bermanfaat sebagai penunjang alat bantu sarana temu kembali di perpustakaan. Organisasi ser-ingkali dilakukan dengan cara mencantumkan kode nomer klasifi kasi disetiap alat bantu katalog tercetak, maupun mesin dengan tujuan untuk mempermudah pencarian kebutuhan informasi sesuai dengan subyeknya. Salah satu sarana sistem temu kembali informasi mesin adalah search engine yang terdapat pada jaringan internet dan katalog online public acces catalog(OPAC). Pemustaka dapat melakukan pencarian informasi sesuai kebutuhan dengan melalui search engine atau sistem informasi perpusta-kaan yang tersedia. Setiap dokumen dan informasi di per-pustakaan tidak selalu terstruktur dan mudah ditemukan, sehingga isi dari suatu dokumen atau informasi sangat tergantung pada pembuat dokumen yang bersangkutan, sehingga perpus-takaan sebagai penyedia jasa informasi harus menyediakan sarana sistem temu kembali yang dapat dilakukan oleh pemustaka dengan mudah dan terstruktur. Sistem tersebut dapat melakukan pencarian informasi secara cepat, relevan, efi sien dengan model-model pencarian yang mudah dipahami oleh pemustaka sebagai pengguna jasa perpustakaan.Pada prinsipnya model sistem temu kembali informasi di perpustakaan harus dapat dilakukan secara mudah, efi sien dan relevan. Tetapi pada faktanya setiap pemustaka dalam melakukan pencarian informasi banyak mengalami berbagai kesulitan, mulai dari penentuan subyek sampai pada penentuan kata kunci sebagai keyword, bahkan informasi yang ditemukan dari hasil pencarian dengan melalui mesin search engine-pun hasilnya tidak relevan, hal ini disebabkan oleh berbagai sarana atau model sistem temu kembali informasi yang belum diketahui oleh pemustaka, sarana atau model sistem yang tersedia di perpustakaan tidak digunakan secara maksimal. Rumusan Masalah Berdasarkan uraian di atas, maka dapat dirumuskan permasalahan sebagai berikut:1. Bagaimana model temu kembali informasi sistem manual pada perpustakaan tradis-ional?2. Bagaimana model-model sistem temu kem-bali informasi sistem komputer pada perpus-takaan modern (digital)?Tujuan dan Manfaat Penulisan.Tujuan penulisan makalah dengan tema model-model sistem temu kembali informasi di perpustakaan ini adalah untuk memperkenalkan sistem model temu kembali kepada user taskpada perpustakaan. Adapun manfaat penulisan ini adalah secara implikatif pemustaka akan dapat mencari informasi yang relevan secara efi ktif, sedangkan secara akademis dapat dijadikan sebagai landasan pengembangan sistem temu kembali informasi di masa datang.Model-model Temu Kembali InformasiTemu kembali informasi merupakan suatu kegiatan menyediakan dan memasok informasi untuk disimpan dan ditemukan kembali oleh pemakai informasi. Kegiatan temu kembali terletak di antara unit informasi sebagai penyedia dokumen atau data dengan pemen-caran informasi yang dibutuhkan oleh pemakai. Kegiatan semacam ini yang sekarang disebut information retrieval (IR) (Pendit, 2007).Karena pemakai jasa sepenuhnya sangat tergantung pada temu kembali informasi, oleh karena itu kegiatan temu kembali informasi harus didesain dengan tujuan untuk mempermudah pemakai atau pengguna dalam menemukan kembali informasi yang dibutuhkan.Desain temu kembali informasi merupakan suatu rancangan yang terdapat pada pola atau kerangka berpikir untuk mendapatkan suatu cara yang efi sien dalam menentukan bentuk temu kembali informasi. Pola atau kerangka berpikir yang dapat mengenali persamaan-persamaan makna inilah yang disebut dengan model. Apabila ditinjau dari sejarah perkembangan temu kembali informasi, maka menurut penulis dapat dikelompokan menjadi dua sistem yaitu:1. Sistem berbasis manual (perpustakaan tradisional)Pada awalnya sistem temu kembali informasi dalam suatu dokumen dimulai dengan sistem manual untuk menelusur keberadaan suatu dokumen yang disajikan oleh perpusta-kaan. Penelusuran tersebut pertama kali muncul dengan adanya pengelompokkan dokumen menurut kategori subyek yang dipraksai oleh Dewey dengan pengelompokkan tiga decimal yang kemudian dikenal dengan DDC (Dewey Desimal Clasifi cation) dan dengan melakukan diskripsi bibliografi yang disebut dengan katalog yang ditemukan oleh Cuter pada tahun 1876. Katalog dokumen dikelompokkan menjadi:a. Katalog Judul (pengelompokan berdasarkan judul).b. Katalog Pengarang (pengelompokan ber-dasarkan pengarang)c. Katalog subyek (pengelompokan berdasarkan subyek) d. Katalog checklist.2. Sistem berbasis komputer (perpustakaan modern) Sistem temu kembali berbasis komputer pada dasarnya mempunyai konsep yang sama dengan sistem yang berbasis manual, yaitu ada informasi dan pencari informasi. Pada sistem ini semua informasi dikelompokkan dalam metadata (berfungsi sama dengan katalog pada perpustakaan konvensional) dan disimpan dalam database, yang dapat diakses melalui jaringan internet. Pencarian dan penemuan informasi melalui browsing (pembawa informasi sampai tujuan yang dibutuhkan oleh pencari informasi) dengan menggunakan mesin pencari informasi (search engine) sebagai sarana temu kembali informasi.Sistem temu kembali informasi (IR) dengan menggunakan basis komputer dapat ditemukan dengan relevan (sesuai keinginan dan kebutuhan) apabila dilakukan sesuai dengan tujuan atau orientasi (IR). Apabila dilihat dari ori-entasinya secara umum, sistem ini dapat dikel-ompokkan menjadi tiga macam model (IR), yaitu model yang berbasis komputer berorientasi pada sistem, model berbasis komputer berorientasi pada pengguna dan model berbasis komputer berorientasi bahasa ilmiah (Pendit, 2008). Pada model (IR) model yang berbasis komputer ber-orientasi pada sistem inilah yang sering menjadi rujukan user task dalam pencarian informasi atau (IR) melalui browsing (Pendit, 2007). Secara garis besar model berbasis komputer yang be-rorientasi sistem ini dikelompokkan menjadi dua model, yaitu model klasik dan model structural. Adapun pembagian dua model tersebut secara taksonomi model IR (Baeza-yates dan Ribeiro-Neto, 1999) digambarkan sebagai berikut:Kedua model IR di atas dapat dijelaskan secara ringkas sebagai berikut: a. Klasik, istilah model ini disebut klasik karena dikembangkan sejak komputer ada pada ta-hun 1945, dan sampai sekarang model ini masih terus dikembangkan dalam sistem in-formasi retrieval (IR). Model yang dikatego-rikan dikelompokkan dalam model klasik ini diantaranya adalah : 1) Boolean, model ini merupakan suatu sistem temu kembali informasi (infor-masi retrieval) pertama kali yang diguna-kan untuk mempresentasikan suatu do-kumen, diidentikkan dengan himpunan yang berfungsi sebagai kata kunci dalam pencarian informasi, sedangkan Booleandalam presentasi, secara ekspresi ber-tindak sebagai query. Ekspreasi Bool-ean terdiri dari berbagai kumpulan kata kunci yang menggunakan berbagai op-erator seperti OR, NOT, dan AND yang digunakan untuk mendiskripsikan ber-bagai informasi yang akan dicari dalam suatu dokumen. Model yang digunakan oleh Boolean dalam melakukan penelu-suran ini dengan menggunakan teori lo-gika matematika sehingga juga disebut logika Boolean yang dikembangkan oleh seorang matematikus Roger Boolean pada tahun 1894, sehingga juga dikenal dengan aljabar Boolean. Teori ini tidak bersifat statis dan selalu dikembangkan sesuai dengan perkembangan teknologi informasi. Dengan perkembangan teori model Boolean tersebut menurut para ahli dikelompokkan menjadi:a) Teknik Boolean sederhana.Pada model logika Boolean sederhana ini ketika akan melakukan penelusuran terhadap sejumlah dokumen diantara sejumlah berkas hanya akan dida-patkan dua ukuran relevansi dan tidak relevansi atau agak relevan dan kurang relevan. Penelusuran dengan menggunakan model ini dianggap sederhana dan mudah, tetapi akan mengarah pada hasil penemuan terlalu banyak atau terlalu sedikit. Penelusuran model Boolean dasar teori logika aljabar yang digunakan adalah per-tambahan (logical sum) dengan simbul (+) yang diungkapkan dengan kata OR, simbul logika pengurangan (logical difference) dengan simbul (-) yang diung-kapkan dengan kata NOT dan logika perkalian (logical product)dengan menggunakan kata AND. Ketiga kata logika tersebut dapat digunakan untuk menghubung-kan diskriptor yang terdapat dalam suatu dokumen dengan cara sebagai berikut:Irisan• atau intersection (lo-gical product), menggunakan operator kata AND dapat me-wakili dua diskriptor dari do-kumen yang diindeks, yang berarti bahwa suatu dokumen diindeks dalam dua diskriptor. Sebagai contoh Gunung Me-rapi dan Yogyakarta, kedua diskriptor tersebut harus di-indeks, sehingga relevan, te-tapi sebaliknya kalau yang di-indeks hanya satu diskriptor, maka tidak relevan. Disam-ping dapat mewakili dua dis-kriptor yang akan diindek, operator AND juga dapat berfungsi dalam melakukan penelusuran atau pencarian informasi menggunakan kata kunci, AND menggunakan pendekatan kata spesifi k atau khusus yang diindeks dari dua diskriptor suatu dokumen. Se-bagai contohnya pendekatan kata spesifi k tersebut yaitu kata gempa dan Yogyakarta, maka dalam pencarian infor-masi dengan menggunakan operator AND akan ditemu-kan berbagai informasi yang berhubungan dan berkaitan dengan kata gempa dan Yo-gyakarta. Semua informasi yang berhubungan dan ber-dekatan dengan kedua kata tersebut akan diindeks untuk ditampilkan dan dipresentasi-kan di hadapan pencari infor-masi (Sulistyo-Basuki, 1992). Hubungan antar deskriptor tersebut dapat dilukiskan dengan gambar 1 sebagai berikut:Gambar 1 = Hubungan antar deskriptor Inclusion (Sumber = Basuki, Sulistyo, Teknik dan Jasa Dokumentasi, Jakarta, Gramedia Pustaka Utama, 1992)Pengepungan atau Inclu-• sion (logical sum) meng-gunakan operator OR, yaitu bahwa kedua diskriptor terda-pat pada dua dokumen yang diindeks, hanya operator OR digunakan untuk diskriptor si-nonim, sebagai contoh: Pera-turan OR perundang-undan-gan. Disamping itu operator OR juga merupakan suatu perluasan dari suatu kata kunci yang digunakan untuk mencari suatu informasi. Con-tohnya gempa OR Yogyakarta akan ditemukan kembali pada setiap kata yang berhubun-gan dengan kata gempa dan Yogyakarta untuk dipresen-tasikan kepada pencari infor-masi kata yang akan dicari. Hubungan antar deskriptor tersebut dapat dilukiskan dengan gambar 2 sebagai berikut:Gambar 2 = Hubungan antar deskriptor Inclusion (Sumber = Basuki, Sulistyo, Teknik dan Jasa Dokumentasi, Jakarta, Gramedia Pustaka Utama, 1992)Eksklusif atau perbedaan • (logical difference) meng-gunakan operator NOT, Ope-rator ini digunakan untuk me-niadakan deskriptor lain atau meniadakan kata yang dicari, misalnya ada dua deskriptor atau dua kata dalam sebuah artikel, dikatakan relevan ope-rator NOT atau logikal eksklu-sif apabila salah satu deskrip-tor tidak terdapat dalam doku-men. Sebagai contohnya: Sapi NOT betina, maka dokumentersebut membahas tentang sapi bukan betina. Gempa NOT Yogyakarta, maka doku-men tersebut akan memba-has atau mempresentasikan gempa selain di Yogyakarta seperti: gempa yang terjadi di Jepang, Sumatra, Kalimantan dan kota lain.Hubungan antara deskrip-tor tersebut dapat dilukis-kan dengan gambar 3 seba-gai berikutGambar 3 = Hubungan antar deskriptor Inclusion (Sumber = Basuki, Sulistyo, Teknik dan Jasa Dokumentasi, Jakarta, Gramedia Pustaka Utama, 1992) Walaupun model Boolean dengan meng-gunakan tiga operator AND, OR dan NOT dianggap sederhana dan mudah, tetapi pada kenyataannya masih banyak orang yang mengalami kesulitan meng-gunakan operator AND, OR dan NOT dalam penelusuran informasi tanpa dibe-kali pengetahuan yang cukup logika ter-sebut (Pendit, 2008), kesulitan-kesulitan tersebut diantaranya dalam hal:Memilih operator yang digunakan • secara tepat dalam pencarian infor-masi atau dalam penggunaan sistem IR. Sebagai contoh penggunaan op-erator AND dan OR, karena secara sistematis dalam sistem IR kedua operator tersebut mempunyai arti yang berbeda. Kata AND biasanya diartikan plus (seperti minum kopi dan minum susu). Demikian pula kata OR diartikan salah satu (atau) seba-gai contoh ”akan naik motor atau sepeda ontel”. Jadi dalam mencari seseorang sering menggunakan op-erator AND untuk memperluas dan operator OR untuk mempersempit atau menentukan satu pilihan. Dalam melakukan pencarian infor-• masi secara bertahap, user task atau pencari informasi sering mengalami kesulitan dalam menentukan strategi penggunaan operator-operator Bool-ean yang akan digunakan dalam pencarian informasi. Padahal agar pencarian dapat dilakukan secara efektif maka urutan yang harus di-gunakan pertama operator NOT, lalu AND dan akhirnya OR.Sulit mengungkapkan istilah yang • saling berkaitan, misalnya keterkaitan sebab logika Boolean tidak menye-diakan fasilitas ini. Sebagai contoh user ingin mencari informasi tentang penerapan komputer di perusahaan, bisa jadi user dalam menggunakan operator untuk melakukan search statement adalah ”komputer AND pe-rusahaan”. Sedangkan kata penera-pan tidak digunakan, padahal kata ini merupakan penghubung antara kata komputer dan perusahaan, karena dalam logika Boolean tidak ada op-erator penghubung. Disamping tidak tersedia operator penghubung, juga tidak mengenal adanya pembobotan (weighing mecanism) dalam pencar-ian informasi yang dibutuhkan oleh seorang query semua dianggap pent-ing, padahal sesungguhnya tidak de-mikian, ada sebagian informasi yang tidak penting.b). Teknik Boolean berperingkat, Pada teknik Boolean sederhana, permintaan query diproses sesu-ai dengan operator yang diguna-kan dan menampilkan dokumen berdasarkan urutan dokumen di-temukan. Sedangkan pada teknik Boolean bertingkat sudah adanya pembobotan terhadap informasi yang ditemukan. Tidak semua hasil pencarian yang ditemukan dari dokumen dianggap penting, tetapi sudah dilakukan pembobo-tan sesuai dengan query, mana yang penting dan dianggap tidak penting. Dalam model Boolean bertingkat ini dokumen dipering-kat berdasarkan bobot dari do-kumen. Adapun pembobotan dari masing-masing dokumen ber-dasarkan bobot istilah yang dida-pat dari hasil proses indexing. c). Teknik Extended Boolean,Teknik Extended Boolean berdasar-kan p-norm model merupakan pengembangan lebih lanjut dari model Boolean. Teknik ini me-makai operator yang dikomputa-si berdasarkan rumus Savoy (1993), sebagai berikut : Dimana :p adalah nilai p-norm yang di-1. masukkan pada kueri.Wia adalah bobot istilah A dalam 2. indeks pada dokumen Di. Wib adalah bobot istilah B dalam 3. indeks pada dokumen Di.Pemeringkatan yang dipakai bisa 4. dua cara:Langsung mengurutkan do-• kumen (dari besar ke kecil) berdasarkan bobot dokumen yang didapat dengan rumus RSV (retrieval status value) di atas.Memakai rumus • Learning Scheme RSV(Di) = RSVinit (Di) + ∑=rk1∝ik norm * RSVinit (Dk) untuk i= 1, 2,...., n,Dimana :RSV1. init(Di) merupakan retrieval status value dari dokumen i yang dikomputasi berdasarkan rumus teknik retrieval P-norm model.∝2. ik merupakan bobot keter-hubungan antara dokumen idan k. Bobot keterhubungan ini didapat dari nilai relevance linkyang merupakan hasil dari pros-es pembelajaran.Disamping ada berbagai kelebi-3. han dan kemudahan dalam pen-carian informasi dengan meng-gunakan model Boolean, juga ada beberapa kekurangan yang terdapat dalam model Boolean tersebut antara lain: Pencarian yang dihasilkan • oleh dokumen merupakan himpunan, dokumen-doku-men relevan yang dibutuhkan oleh setiap pencari informasi tidak dikenali.Pengguna mengalami kesuli-• tan dalam melakukan penelu-suran informasi menggunakan model Boolean karena tidak mengetahui ekspresinya. 2). Vektor. Model ini dikembangkan oleh Salton untuk memperbaiki kelemahan-kelemahan yang terdapat pada model Boolean. Pada model ini semua istilah ditetapkan sebagai dimensi, sedang-kan query dan dokumen dinyatakan dalam bentuk vector. Maka dapat diar-tikan bahwa vector merupakan tempat bertemunya atau berkumpulnya antara query dan dokumen yang menempati satu ruangan yang sama. Sehingga da-pat dikatakan bahwa vector merupakan kumpulan dari sebuah daftar nilai-nilai istilah dalam suatu item yang terdapat pada query dan dokumen. Karena query dan dokumen menempati ruangan vectoryang sama, maka query yang bertindak sebagai pencari informasi harus mempu-nyai sifat hampir sama dengan dokumen yang bertindak sebagai penyedia infor-masi. Dengan adanya persamaan sifat yang ditempatkan dalam suatu ruangan inilah, maka penelusuran dengan meng-gunakan model ruang vektor mempunyai sifat biner (binary) atau berbobot, seh-ingga hasil penelusuran dengan sistem vector, komputer akan menawarkan pi-lihan paling relevan, agak relevan dan tidak relevan.3). Probabilistic. Modelini dikenal juga dengan binary independence retrieval. Yang berarti dengan melakukan proba-bilitas atau hitungan frekuensi antara query dengan dokumen. Ketika mela-kukan pencariaan tidak sekali jalan, ada beberapa tahap yang harus dilalui deng-an cara menebak-nebak. Setiap melaku-kan pencariaan yang diperintahkan oleh query dan probabilitas mendapatkan hasil carian dalam dokumen selalu di konsultasikan terlebih dahulu terhadap query, apakah hasil carian relevan se-perti yang dikehendaki oleh query atau tidak. Kalau belum sesusai dengan ke-butuhan user atau belum relevan terus melakukan pencarian begitu sebaliknya kalau sudah sesuai dan mendapatkan hasil relevan sesuai dengan kebutuhan user berhenti melakukan pencarian. Sehingga model ini ketika melakukan pencarian selalu secara berulang-ulang untuk mendapatkan hasil yang spesifi k atau relevan sesuai dengan kebutuhan user atau pencari informasi. b. Model Terstruktur. Model ini ketika melakukan pencarian informasi langsung dapat merujuk ke struktur dokumennya. Yang dimaksud dengan struktur, bahwa setiap dokumen tersusun secara terstruktur atas bab demi bab, dan setiap bab tersusun atas sub bab demi sub bab atau bagian bab, demikian pula setiap sub bab tersusun atau terdiri dari beberapa judul, begitu seterusnya sampai pada struktur akhir dari suatu dokumen, yang disebut dengan kalimat atau kata (terdiri dari beberapa item) yang dicari atau dibutuhkan oleh user. Mungkin saja model ini dibuat sistem IR dengan model terstruktur yang terdiri dari dua kemungkinan yaitu:1). Non-overlapping lists.Pada model ini setiap dokumen akan dibagi menjadi ”wilayah teks” yaitu dengan mengikuti struktur dokumen dari (bab, sub bab, judul, sub judul, kalimat, gambar, foto, tabel, kata dan seterusnya) dan setiap wilayah masing-masing dilakukan pen-gindekskan secara sendiri atau berdiri sendiri sehingga tidak terjadi tumpang tindih (overlapping). Pencarian kompu-ter dapat dilakukan ke tempat masing-masing wilayah pembagian indeks ter-sebut.2). Proximal nodes. Pada model ini meng-gunakan beberapa struktur susunan indeks secara hirarki independen (non-fl at) terhadap sebuah dokumen. Masing-masing indeks ini merujuk ke struktur dokumen (bab, sub bab, judul, sub judul, kalimat, gambar, foto, tabel, kata dan se-terusnya) yang dinamakan nodes. Pada msing-masing nodes inilah ada rujukan kebagian dari dokumen yang meng-andung teks tertentu

Setelah mengadakan pembahasan dengan teliti dari penulisan makalah di atas, sehingga dapat disimpulkan bahwa secara garis besar model temu kembali informa-si dapat dikelompokkan menjadi dua yaitu:1. Model temu kembali informasi perpustakaan tradisional (konvensional) dengan menggu-nakan sistem katalog yang terdiri dari kata-log (subyek, pengarang, judul, checklist) dan bibliografi .2. Model temu kembali informasi perpustakaan modern (dengan implikasi teknologi informa-si) dikelompokkan menjadi dua yaitu:Secara • model klasik disebut model klasik kerena model ini sudah ada dari jaman dulu yang terdiri dari: Model ◊Boolean (bertingkat, Exten-ded Boolean.) yaitu pencarian infor-: 49-57 masi pada dokumen dengan meng-gunakan alat bantu indeks operator NOT, OR dan AND. Model ◊Vektor yang dikembangkan oleh Salton dengan tujuan untuk memperbaiki kelemahan-kelemahan yang terdapat pada model Boolean.Disebut model vector karena antara query dan dokumen terdapat pada satu ruang yang sama.Model◊Probabilistic yang dikenal juga dengan binary independence retrieval yaitu sistem temu kembali dengan menggunakan sering mun-culnya/ kemungkinan munculnya relevan dan tidak relevan informasi yang ditemukan dari dokumen dikon-sultasikan terlebih dahulu oleh querysebagai pencari informasi. Model Terstruktur • disebut terstruktur karena ketika melakukan pencarian infor-masi langsung dapat merujuk ke struktur dokumen yang ditunjuk. Model ini walau-pun baru, masih dalam pengembangan, tetapi dapat dikelompokkan menjadi dua yaitu:Non-overlapping lists.◊ yaitu doku-men akan dibagi perwilayah dengan dilakukan pengindekan tanpa terjadi tumpang tindih (Non-overlapping lis-ts)Proximal nodes ◊yaitu mengguna-kan beberapa struktur susunan in-deks secara hirarki independen yang disebut node