Web service discovery menggunakan cosine similarity untuk meningkatkan akurasi query pada web service repository

INDONESIA:

Web service telah menjadi acuan untuk pengembangan software systems terdistribusi. Meningkatnya jumlah web service menjadi permasalahan dalam menemukan web service yang diinginkan dari besarnya jumlah web service yang ada. Oleh karena itu, menemukan web service yang tepat sesuai dengan kebutuhan menjadi tantangan, atau bisa disebut dengan web service discovery. Teori Vector space matching (VSM) memberikan solusi untuk menghitung kemiripan dengan mendefinisikan sebuah vector yang mempresentasikan tiap dokumen web service, dan sebuah vector yang mempresentasikan query menggunakan metode cosine similarity. Jadi, untuk membangun web service discovery diusulkan menggunakan metode cosine similarity untuk memanajemen web service di dalam web service repository. Berdasarkan pengujian dan analisa yang telah dilakukan terhadap 20 query pengujian dengan membandingkan antara SQL query dan cosine similarity, diperoleh peningkatan akurasi query sebesar sebesar 7.01% dari 90.18% menjadi 97.20%. Jadi, tingkat akurasi query yang dihasilkan lebih relevan menggunakan cosine similarity daripada menggunakan SQL query. Karena secara waktu komputasi fungsi cosine memiliki kinerja lebih cepat daripada SQL query.

ENGLISH:

Web services have become a reference for the development of distributed software systems. Increasing the number of web services becomes a problem in finding the desired web service from the large number of current web services. Therefore, finding the right web service in accordance with the needs of a challenge, or can be called the web service discovery. Vector space matching (VSM) theory provides a solution to calculate the similarity by defining a vector that presents each web service document, and a vector that presents a query using cosine similarity method. So, to build web service discovery is proposed using cosine similarity method to manage web service in web service repository. Based on testing and analysis of 20 query test by comparing SQL query and cosine similarity, obtained query accuracy increase equal to 7.01% from 90.18% to 97.20%. Thus, the resulting query accuracy level is more relevant using cosine similarity than using SQL queries. Because the computation time of cosine function has performance faster than SQL query.