ANALISIS ONTOLOGY OBAT DENGAN METODE ON TO KNOWLEDGE PADA XML Anisa Afifah Rakhmat¹, Suyanto², ³ ¹Teknik Informatika,, Universitas Telkom Abstrak Penyimpanan data dalam bentuk model data relasional merupakan cara penyimpanan yang umum dan sangat dikenal dalam dunia database. Model data relasional seringkali dirasa kurang dinamis dan kurang mendukung dalam pengaksesan data di dalamnya. Baru-baru ini dikenal model data ontology yang menerapkan teknik semantic dalam penyimpanan datanya. Pembangunan model data ontology diharapkan menjadi jawaban untuk penyimpanan data yang lebih dinamis dan lebih mudah diakses. Pembangunan model data ontology ini menggunakan data obat sebagai domain. Data obat yang didapat kemudian dianalisis sehingga terbentuk suatu hirarki obat. Hirarki obat ini yang kemudian akan diuji kecepatan dan ketepatan pengaksesan datanya. Dalam tugas akhir ini digunakan metode On To Knowledge dalam pembangunan ontology. Metode On To Knowledge merupakan satu dari banyak metode pembangunan ontology yang berdasar pada Artificial Intelligence. Kata Kunci : Ontology, On To Knowledge, Obat Abstract Data storing in relational model is general way to store data and known in database world. Relational model database often dinamically in accessable. Nowadays there is ontology model database that aplly semantic technique in data storing. Ontology data model development hopefully became an anwer to data storing that more dynamic and easy to access. Ontology model data development using drug as the domain. Then it analyzed until it created as drug hierarchy. Then, this hierarchy will be tested by its speed and data appropriate. This Final Task using On To Knowledge method in the ontology development. On To Knowledge method is one of many ontology development method that is based on Artificial Intelligence. Keywords : Ontology, On To Knowledge, Drug
1. Pendahuluan 1.1 Latar belakang Dunia teknologi mengalami perkembangan secara terus menerus yang berimbas juga pada teknik penyimpanan data. Sebelumnya kita telah mengenal teknik penyimpanan data secara relasional. Teknik penyimpanan data secara relasional dikenal dengan berbagai standarisasi dalam pembuatannya dan juga lebih mengacu kepada transfer knowledge untuk paradigma pembelajarannya. Teknik penyimpanan data berkembang seiring kebutuhan, kini dikenal teknik penyimpanan data secara ontology yang menggunakan cara semantis dalam pembangunannya. Setelah diriset, pembangunan model penyimpanan data secara ontology dinilai lebih dinamis dibandingkan pembangunan model data secara relasional. Dalam pembuatan tugas akhir ini, penulis menggunakan metode On To Knowledge yang merupakan salah satu dari metode pembangunan ontology. Metode On To Knowledge menuntun penulis untuk mempersiapkan beberapa dokumen sebelum merancang model data ontology, dokumen berupa CommoKADS dan ORSD (Ontology Requirements Specification Document) sebelum merancang hirarki. Pada tugas akhir ini, domain obat dijadikan studi kasus dalam pengerjaan model data ontology. Penulis terlebih dahulu mempelajari makna obat dan struktur obat melalui domain ekspert dan juga buku-buku farmakologi obat.. 1.2 Perumusan masalah Adapun permasalahan yang menjadi fokus pada tugas akhir ini adalah : a. Bagaimana mendesain model data ontology yang bisa diupdate secara tepat, bisa di-retreive secara cepat b. Model data bersifat flexibel dan scalable untuk mendukung sistem EMR fleksibel disini berarti model data bisa dengan mudah mengalami perubahan bentuk atau penambahan kelas maupun properti. Scalable berarti model data bisa menampung data dalam jumlah sangat banyak. b. Bagaimana menerapkan metode On To Knowledge pada pembangunan model data. Adapun hal-hal yang menjadi batasan pada tugas akhir ini : a. Jenis penyakit. Di tugas akhir ini menggunakan belasan hal yang bisa dihinggapi penyakit dan diselesaikan dengan obat yang ada dalam data b. Update dilakukan secara manual di protégé dengan sebelumnya melakukan pengaksesan dengan java c. Program java yang dibuat hanya untuk fungsi searching dan void pemanggilan update. 1
1.3 Tujuan Tujuan yang ingin dicapai dalam tugas ahir ini adalah : a. Menerapkan metode On To Knowledge dalam memperoleh model data obat b. Membangun model data yang bisa di-retreive dan secara cepat dan bisa di update secara tepat untuk bisa mendukung sistem EMR c. Membangun model data yang fleksibel dan scalable d. Menganalisa performansi model data yang dibangun dengan parameter ketepatan dan kecepatan update serta retreive data e. Membangun model data bagi sistem deteksi alergi obat. 1.4 Metodologi penyelesaian masalah Metode yang digunakan untuk menyelesaikan Tugas Akhir ini adalah : 1. Studi Literatur, yaitu dengan mempelajari literatur-literatur yang ada sesuai dengan permasalahan meliputi : a. Konsep pembangunan Ontology b. Konsep dari Metode On To Knowledge c. Konsep XML d. Konsep pendukung lainnya. 2. Melakukan analisis dan desain perangkat lunak yang dibangun. Perancangan akan dimulai dengan membangun flowchart tentang alur sistem keseluruhan yang akan dibangun. Dilanjutkan dengan mencari kebutuhan-kebutuhan yang diperlukan oleh perangkat lunak dan sistem. Kemudian, mempersiapkan data yang akan diolah. 3. Melakukan implementasi perangkat lunak menggunakan Protégé dan Java 6.9.1. 4. Melakukan analisis dari hasil pengujian perangkat lunak yang telah dibuat dengan melihat tingkat perbedaan waktu retrieve, tingkat perbedaan waktu update, hasil pengecekan konsistensi. 5. Pengambilan kesimpulan dan penyusunan laporan Tugas Akhir. 2
5.1 Kesimpulan 5. Penutup Berdasarkan hasil pengujian dan analisis yang telah dilakukan pada Tugas Akhir ini, diperoleh beberapa kesimpulan sebagai berikut: 1. Faktor yang mempengaruhi konsistensi dan validitas ontology adalah bentuk hirarki yang terdiri dari class, subclass, slot, property. Konsistensi ontology ditentukan dari bagaimana merepresentasikan dan menghubungkan class, subclass, slot, property secara tepat. 2. Faktor yang mempengaruhi kecepatan retrieve dari model data ontology adalah spesifikasi device dan bentuk hirarki. Semakin canggih spesifikasi device tentu saja makin mendukung performa retrieve. Dalam pengujian justru spesifikasi device lebih berpengaruh pada kecepatan retrieve dibanding bentuk hirarki. 3. Kecepatan retrieve tidak terlalu banyak terpengaruh oleh jumlah data yang di retrieve, ini artinya bentuk model data yang terbentuk mendekati scalable 4. Faktor yang mempengaruhi kecepatan dan ketepatan update data adalah faktor interaksi dengan user, bagaimana guide yang disediakan untuk dibaca sebelum user mencoba update cukup bisa dimengerti sehingga user bisa dengan mudah membayangkan bentuk hirarki. 5. Metode On To Knowledge bisa digunakan untuk menerapkan model data obat. 6. Model data yang dibangun dengan metode On To Knowledge ini mendukung proses retrieve secara cepat, sedangkan proses update bisa dilakukan dengan tepat karena hirarki mudah dimengerti. 7. Model data yang dihasilkan sudah fleksibel dan scalable. 8. Engine deteksi alergi obat bisa menggunakan model data ini. 5.2 Saran Berdasarkan hasil pengujian dan analisis yang telah dilakukan pada Tugas Akhir ini, ada beberapa saran diantaranya: 1. Lakukan retrieve data di device yang spesifikasinya cukup canggih agar bisa mendapatkan waktu retrieve yang lebih cepat. 2. Definisikan class, subclass, slot, property secara tepat dan tidak bertingkat-tingkat agar proses retrieve bisa lebih cepat. 35
Daftar Pustaka [1] Azhari,. Sholichah Minurita. Model Ontology Untuk Informasi Jadwal Penerbenagan Menggunakan Protégé. Lab sistem cerdas Ilmu Komputer, Fakultas MIPA UGM, Yogyakarta. puslit.petra.ac.id/journals/pdf [2] Diktat Kuliah Farmakologi. Laboratorium Farmakologi Fakultas Kedokteran Universitas Sriwijaya [3] http://ilmuweb.net/semantic-web/sparql-bahasa-query-rdf/ [4] http://jena.apache.org [5] http://protégé.stanford.edu [6] http://www.codeproject.com/articles/43474/knowledge-based-systems-withthe-commonkads-method [7] http://www.w3.org [8] Mari Carmen Suarez-Figueroa, Asuncion Gomez-Perez, Boris Villazon Terrazas. How to Write and Use the Ontology Requirements Specification Document. Ontology Engineering Group,Departamento de Inteligencia Artificial,Facultad de Informática, Universidad Politécnica de Madrid, Madrid, Spain. http://delicias.dia.fi.upm.es/wiki/images/b/b0/orequirementsspecification.pdf [9] Medidata. (2011). MIMS Edisi Bahasa Indonesia Vol 12.Jakarta : PT.Buana Ilmu Populer. [10] Staab Stefen., Studer Rudi. Methodology for Development and Employment of Ontology based Kowledge Management Applications.York Sure Institute AIFB University of Karlsruhe Germany. http://lsdis.cs.uga.edu/semnsf/sigmod-record-dec02/sure.pdf 36