<![CDATA[BM25 (Best Matching 25), atau yang dikenal sebagai Okapi BM25, adalah algoritma pemeringkatan dokumen yang banyak digunakan dalam sistem pencarian informasi berbasis teks karena pendekatannya yang probabilistik dan kemampuannya dalam menangani pencocokan kueri terhadap dokumen dalam skala besar. Tidak seperti metode heuristik klasik seperti Term Frequency (TF) dan Term Frequency-Inverse Document Frequency (TF-IDF), BM25 memperhitungkan faktor seperti frekuensi kemunculan kata, panjang dokumen, dan distribusi kata dalam korpus untuk menghasilkan skor relevansi yang lebih akurat. Penelitian ini bertujuan untuk mengevaluasi efektivitas BM25 dalam konteks bahasa Indonesia, dengan membandingkannya terhadap TF dan TF-IDF menggunakan dua dataset relevan, yaitu IndoQA dan IndoNLI. Sebanyak 1.000 pasangan kueri-dokumen dipilih sebagai sampel uji, dan seluruh teks mengalami proses pra-pemrosesan berupa tokenisasi, lowercasing, penghapusan tanda baca, stopword removal, dan stemming. Setiap model digunakan untuk menghasilkan peringkat 10 dokumen teratas, yang kemudian dievaluasi menggunakan metrik Precision@5, Mean Average Precision (MAP), dan Normalized Discounted Cumulative Gain (nDCG). Hasil eksperimen menunjukkan bahwa BM25 secara konsisten memberikan hasil terbaik dalam semua metrik evaluasi dibandingkan dengan dua metode lainnya, baik dari segi presisi maupun kualitas ranking. Temuan ini menegaskan bahwa BM25 tetap menjadi baseline yang kuat dan efisien dalam berbagai aplikasi pencarian informasi berbasis teks berbahasa Indonesia, serta memberikan dasar yang dapat diandalkan untuk pengembangan sistem pencarian cerdas berbasis bahasa alami.Kata kunci: BM25, Pengambilan Informasi, Pembobotan Dokumen, TF-IDF, Bahasa Indonesia.]]>
