Advanced Search

Sistem pencarian ini menggunakan multi-strategy approach — bukan hanya satu query, melainkan serangkaian strategi yang bekerja bersama untuk menghasilkan hasil yang paling relevan. Setiap strategi memiliki bobot (boost) berbeda yang memengaruhi skor akhir dokumen.

Exact Match

Tujuan: Mencari dokumen yang memiliki teks 100% identik dengan keyword yang dimasukkan.

Ini adalah strategi paling ketat. Field harus mengandung nilai yang persis sama dengan keyword — tidak lebih, tidak kurang.

Keyword	Field Value	Result
`"CloudSync"`	`appname = "CloudSync"`	Match
`"CloudSync"`	`appname = "Sistem CloudSync"`	No Match

Field Priority

Tujuan: Memberikan bobot lebih tinggi pada match yang ditemukan di field-field penting seperti title, topic, dan appname.

Keyword yang ditemukan di judul jauh lebih relevan dibandingkan keyword yang kebetulan muncul di deskripsi panjang.

Keyword	Match Location	Score
`"Dashboard"`	`title = "Analytics Dashboard"`	Tinggi
`"Dashboard"`	`description = "...menggunakan dashboard untuk..."`	Rendah

Phrase Match

Tujuan: Mencari keyword multi-kata dengan urutan kata yang sama persis (atau mendekati).

Berguna ketika urutan kata dalam keyword memiliki makna berbeda jika dibalik.

Keyword	Field Value	Result
`"User Management"`	`"User Management System"`	Match (urutan sama)
`"User Management"`	`"Management of User"`	Lower Score (urutan berbeda)

Prefix Match

Tujuan: Mendukung autocomplete — mencocokkan kata yang dimulai dengan awalan tertentu.

note

Prefix match hanya bekerja dari awal kata. Kata yang mengandung keyword di tengah tidak akan ter-match.

Keyword	Field Value	Result
`"Dash"`	`"Dashboard"`	Match
`"Dash"`	`"Dashboard Analytics"`	Match
`"Dash"`	`"New Dashboard"`	No Match (tidak diawali "Dash")

Fuzzy Match

Tujuan: Memberikan toleransi terhadap typo berdasarkan edit distance — jumlah operasi (insert, delete, replace) yang diperlukan untuk mengubah satu kata menjadi kata lain.

Keyword (typo)	Match	Edit Distance
`"Dasboard"`	`"Dashboard"`	1 (kurang `h`)
`"autentication"`	`"authentication"`	1 (kurang `h`)
`"manajemen"`	`"management"`	~4 (beda bahasa)

Wildcard Match

Tujuan: Mencari keyword yang muncul di posisi mana saja dalam sebuah kata atau teks menggunakan pola *keyword*.

Keyword	Pattern	Match
`"cloud"`	`cloud`	`"CloudSync"`
`"cloud"`	`cloud`	`"cloud storage"`

Multi Word Analysis

Tujuan: Memecah keyword multi-kata menjadi kata-kata individual, lalu mencari dokumen yang mengandung minimal 70% dari kata-kata tersebut.

Keyword: "User Account Management"
Words:   ["User", "Account", "Management"]

Document	Words Found	Coverage	Result
`"User Account"`	2/3	67%	No Match
`"User Management System"`	2/3	67%	No Match
`"Account Management App"`	2/3	67%	No Match
`"User Account Management"`	3/3	100%	Match

Semantic Query

Tujuan: Menggabungkan beberapa field sekaligus dengan bobot berbeda dalam satu query. Dibagi menjadi tiga tipe:

BestFields — Boost: 8.0

Mengambil skor tertinggi dari semua field yang dicari. Field dengan relevansi paling tinggi yang menentukan skor akhir.

Keyword: "Dashboard"

Document 1:
  title: "Analytics Dashboard"            → Score: 12.0 × 8.0 = 96.0
  description: "sistem untuk monitoring"  → Score: 0
  → Final = MAX(96.0, 0) = 96.0

Document 2:
  title: "New Application"                → Score: 0
  description: "menggunakan dashboard..."  → Score: 3.0 × 8.0 = 24.0
  → Final = MAX(0, 24.0) = 24.0

Rank: Document 1 (96) > Document 2 (24)

Phrase — Boost: 18.0

Mencari urutan kata yang sama di semua field. Mendapat boost tertinggi karena tingkat presisi paling tinggi.

Keyword: "User Management"

Document 1 — title: "User Management System"
  → Match (urutan sama) → Score: 15.0 × 18.0 = 270.0

Document 2 — title: "Management of User"
  → No Match (urutan berbeda) → Score: 0

Document 3 — appname: "User Management App"
  → Match → Score: 14.0 × 18.0 = 252.0

CrossFields — Boost: 12.0

Memperlakukan semua field sebagai satu field besar. Memungkinkan keyword yang tersebar di field berbeda tetap ter-match.

Keyword: "User Analytics"

Document 1:
  title: "Analytics Overview"     ← ada "Analytics"
  appname: "User Dashboard"       ← ada "User"
  → Match (kata ketemu di field berbeda) → Score: 12.0

Document 2:
  title: "New System"
  appname: "Data App"
  → No Match

Numeric Field Query

Boost: 25.0 (exact) / 20.0 (string)

Tujuan: Mencari nilai numerik atau ID secara exact match. Memastikan ketika user memasukkan angka seperti ID atau kode, hasil yang tepat langsung muncul di posisi teratas.

Keyword	Field	Result
`"42"`	`id = 42` (integer)	Match
`"42"`	`id = "42"` (string)	Match

Boost Strategy

Kenapa Perlu Boost?

Tanpa boost, semua field dianggap sama pentingnya — padahal match di appname jauh lebih relevan daripada match di description.

Boost Hierarchy

Priority	Strategy	Boost
1	Exact Match `.keyword`	50
2	Phrase Match	40
3	Numeric Exact	25
4	Field Priority High / Numeric String	20
5	Prefix / Semantic Phrase	18
6	Phrase with Slop	16
7	Field Priority Medium / Wildcard prefix	12
8	Fuzzy / Wildcard contains / Semantic BestFields	8
9	Multi-Word	5
10	Low Priority Fields	1.5

Exact Match​

Field Priority​

Phrase Match​

Prefix Match​

Fuzzy Match​

Wildcard Match​

Multi Word Analysis​

Semantic Query​

BestFields — Boost: 8.0​

Phrase — Boost: 18.0​

CrossFields — Boost: 12.0​

Numeric Field Query​

Boost Strategy​

Kenapa Perlu Boost?​

Boost Hierarchy​

Contoh Alur Query: Input "Cloud"​