Berita bisa dating atau diperoleh dari mana saja, semisal dari teman, guru, atau media elektronik seperti mesinpencari. Salah satu metode yang dapat digunakan untuk membangun mesin pencari adalah Vector Space Model (VSM). Masalah yang muncul adalah terdapat dokumen yang tidak ditemukan padahal mengandung istilah yang berkaitan dengan query. Berdasarkan permasalahan ini diperlukannya sebuah metode yang lebih menyeluruh dalam melakukan pencarian yang tidak hanya terpaku pada ada tidaknya suatu istilah di dalam dokumen. Untuk itu dipilihlah metode GVSM yang diharapkan mampu mengatasi masalah tersebut. Metode Generalized Vector Space Model (GVSM) adalah pengembangan dari VSM yang menambahkan hubungan antar istilah (Semantic Relatedness) dalam melakukan penghitungan kesamaan antara vektor query dengan vektor dokumen. Denganmemperhitungkan relasi antar istilah maka pencarian sebuah dokumen akan lebih luas. Berdasarkan hasil uji coba yang telah dilakukan maka dapat disimpulkan bahwa penerapan metode GVSM belum mampu meningkatkan hasil pencarian berita Bahasa Indonesia dibandingkan dengan metode VSM. Dikarenakan penerapan metode GVSM pada sistem hanya mampu meningkatkan recall dan accuracy saja dengan persentase peningkatan masing-masing sebesar 30% dan 0.16%. Sedangkan precision memiliki nilai yang lebih rendah 11,17% dari pada metode VSM.