Menurut Varian & Lyman, total produksi dokumen di dunia per tahun kira-kira memerlukan penyimpanan sebesar 1.5 miliar gigabyte. Hal ini sepadan dengan 250 MB per orang untuk setiap laki-laki, perempuan, dan anak-anak di seluruh dunia. Banyak ilmuwan yang mencoba memecahkan masalah ini, diantaranya adalah Vannevar Bush, Douglas Engelbart, Gerard Salton, dan Pattie Maes.

Pada tahun 1945, Vannevar Bush, menulis suatu artikel yang mengemukakan visinya untuk proyek-proyek ilmu pengetahuan yang diharapkan bisa diwujudkan setelah Perang Dunia II. Beliau mengidentifikasi masalah kelebihan informasi dan mencoba untuk membuat suatu cross-references (link) dalam dokumen dan bisa juga mengacu ke dokumen lain. Mesin yang berhasil dibangun adalah memex yang berdasarkan pada teknologi microfilm dan eye-tracking.

Douglas Engelbart membuat sistem Human Augmentation di Stanford Research Institute sekitar tahun 1960an. Fitur utama yang ditawarkan adalah hypertext point-and-click menggunakan mouse yang diciptakannya.

Di Cornell, Gerard Salton dan rekannya merancang dan menjalankan aplikasi pemroses teks yang mana teks bisa ditangani tanpa memperdulikan ukuran dan subjek. Karena belum adanya basis pengetahuan, digunakanlah sistem analisa teks berbasis corpus yang menentukan arti dari kata-kata dan ekspresi oleh suatu analisis refined context menggunakan kriteria analisis dan probabilistik. Dengan menggunakan pendekatan berbasis corpus, kita bisa menentukan kemiripan teks dengan tingkat keakuratan yang tinggi.

Ada dua aplikasi utama:

• Pembentukan kumpulan teks terstruktur (hypertext) secara otomatis yang mana potongan teks yang mirip akan dihubungkan (dilink) secara otomatis. Hypertext pada database yang berukuran besar memungkinkan kita untuk melihat teks dengan fleksibel.
• Pengambilan kutipan teks secara otomatis berdasarkan query yang diberikan.

Kemudian di dalam papernya, Pattie Maes mencoba mengembangkan suatu teknik yang disebut dengan “autonomous agents” (agent) yang memungkinkan untuk melakukan manajemen informasi yang diterima secara tidak langsung. Maksudnya, agent tersebut melakukan pemilahan informasi tanpa interaksi langsung dari user. Ada dua isu yang harus dipertimbangkan dalam membangun suatu agent:

• Competence: bagaimana suatu agent memperoleh pengetahuan yang dibutuhkan untuk memutuskan kapan membantu user, dengan apa, dan bagaimana membantunya?
• Trust: bagaimana kita menjamin bahwa user merasa nyaman menyerahkan tugas pada suatu agent?

Ada dua pendekatan dalam membangun suatu agent:

• End-user programming: misalnya, aturan-aturan yang diset oleh user untuk menyortir email.
  • Competence: tergantung user.
  • Trust: percayakah dengan kemampuan programming Anda?
• Knowledge-based approach: misalnya, membangun suatu sistem dengan keahlian mengenai domain dan tugas user.
  • Competence: knowledge engineer melakukan pekerjaan yang sangat banyak.
  • Trust: diprogram oleh orang lain, user tidak tahu batasannya dan bagaimana bekerja.

Beberapa contoh agent diantaranya:

• Electronic mail agent: memprioritaskan, menghapus, men-forward, mengurutkan dan menyimpan pesan-pesan.
• Meeting scheduling agent: membantu user untuk menjadwalkan rapat (menerima, menolak, menjadwalkan, menjadwalkan ulang, negosiasi waktu rapat, dsb).

Intinya, dengan keberadaan agent ini diharapkan user tidak perlu memilah-milah informasi (pesan) yang diterimanya secara manual. User hanya menetapkan rules bagi agent dan berdasarkan rules tersebut agent akan bekerja secara otomatis.

Berbicara tentang kelebihan informasi ini, ada suatu jargon yang tidak akan lepas dari masalah ini, yaitu information filtering dan information retrieval. Information filtering merupakan sekumpulan proses yang melibatkan pengiriman informasi ke user yang membutuhkannya. Sedangkan yang melakukannya disebut dengan System Filtering. Dalam kerjanya sistem ini berurusan dengan data yang mengalir (bisa dikatakan tidak diminta), kemudian menentukan mana yang dibutuhkan oleh user dan membuang data yang tidak dibutuhkan. Semuanya dilakukan berdasarkan apa yang disebut dengan user profile yang berisi minat jangka panjang dari user.

Berbeda dengan information filtering, information retrieval menyediakan informasi berdasarkan permintaan user melalui query (keyword, frasa) dan informasi yang dihasilkan tersebut berdasarkan data yang sudah pernah disimpan sebelumnya. Information retrieval diimplementasikan pada search engine.

Referensi:

• Ching Kang Cheng dan Xiaoshan Pan, Using perception in managing unstructured documents, https://openmail2.calpoly.edu/
• Gerard Salton, Research Interests
• Hypermedia and the World Wide Web, http://www.aw-bc.com/DTUI3/chapters/ch16.html
• Kenichi Kamiya, Martin Röscheisen, dan Terry Winograd, Grassroots: A System Providing A Uniform Framework for Communicating, Structuring, Sharing Information, and Organizing People, Computer Networks and ISDN Systems, Volume 28, issues 7–11, p. 1157
• Nicholas J. Belkin dan W. Bruce Croft, Information Filtering and Information Retrieval: Two Sides of the Same Coin?, Communication of the ACM Vol.35, No. 12:29-38, December 1992
• Pattie Maes, Agents that Reduce Work and Information Overload, Communication of the ACM Vol. 37, No. 7:31-40, July 1994
• Prof. Ray Larson, Principle of Information Retrieval, University of California, Berkeley, Spring 2005
• Resnick P. dan Varian, H.R., Recommender Systems, Commun ACM 40, 56-58, 1997
• Robert M. Losee, Jr., Minimizing Information Overload: The Ranking of Electronic Messages, Journal of Information Science, 15(3):179-189, June 1998
• Usability First: Usability Glossary, http://www.usabilityfirst.com/glossary/
• Vannevar Bush, As We May Think, The Atlantic Monthly, 1945

Demikian tulisan terjemahan mengenai informasi yang berlebihan kali ini. Semoga bermanfaat bagi Anda semuanya. Jika ada saran atau komentar bisa dilayangkan ke arioss@softhome.net. Untuk membaca tulisan menarik lainnya silakan menuju ke situs Sony AK Knowledge Center dengan alamat di www.sony-ak.com.

Terimakasih.