Seminar Bidang Kajian - Gunadarma...
Transcript of Seminar Bidang Kajian - Gunadarma...
Model Sistem Informasi Keanekaragaman Hayati Indonesia dengan Pemanfaatan Ontologi
Ontology-driven Indonesia Biodiversity Information System Model
Oleh :
Lintang Yuniar Banowosari99203202
Proposal DisertasiProgram S3 Ilmu Komputer/ Sistem Informasi
Universitas Gunadarma
JakartaDesember 2004
Daftar Isi
Komentar Penguji Kualifikasi Ringkasan 5
I. Pendahuluan
I.1 Latar Belakang 6I.2 Perumusan masalah 8I.3 Batasan Penelitian 8I.4 Tujuan Penelitian 9I.5 Kontribusi Penelitian 9
II. Tinjauan Pustaka
2.1 Sistem Informasi Keanekaragaman Hayati Indonesia 92.2 Sekilas Ontologi 112.3 Sistem Informasi Yang Memanfaatkan Ontologi 132.4 Metode Pengembangan Ontologi 24
III. Metodologi Penelitian 35IV. Daftar Pustaka 40
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 2
Komentar Penguji Pada Tahap Kualifikasi
Komentar Pertama :
Perlu kejelasan output dari desertasi, apakah model sistem informasi atau
sistem informasi.
Ambil salah satu untuk fokus penelitian, dan kalau mengambil topik model
sistem informasi, maka perlu mencari alat untuk memeriksa modelnhya.
Komentar Kedua :
Perlu penjadwalan penelitian yang detil karena penelitian ini bisa melibatkan
banyak orang dan proses yang lama.
Perlu penjelasan pengembangan dari ontologi translator, ontologi server dan
application.
Parameter pengujian model perlu dijelaskan.
Perlu spesifikasi pekerjaan dan penelitian di level mana ingin dititikberatkan.
Perlu spesifikasi Software yang akan dikembangakan
Komentar Ketiga :
Perlu kejelasan output dari penelitian, apakah model sistem informasi atau
sistem informasinya.
Jika fokus penelitian pada model, bagaimana membuktikan bahwa model
tersebut benar?
Jika fokus pada pembuatan sistem informasi, kelihatannya sulit
menyumbangkan pemikiran yang signifikan.
Jadi fokus pada model saja (ontology – classes). Tunjukkan bahwa model
tersebut baik dengan memakai salah satu metode untuk implementasi (misal
Methontology) dengan alasan pemilihan algoritma yang baik pada setiap step
(misal specification, formalization, dan lain lain). Implementasi bagian-bagian
dapat dikerjakan orang lain.
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 3
Komentar Keempat :
Perlu diperjelas metodologi yang digunakan, termasuk langkah-langkah
perancangan dan implementasi.
Perlu diperjelas arsitektur aplikasi, input seperti apa yang diberikan dan output
apa yang dihasilkan.
Perlu disurvei lebih lanjut informasi hayati untuk memberikan gambaran
struktur ontologinya atau ada batasan yang diberlakukan.
Diberikan gambaran apa yang bisa dilakukan sistem (requirement) atau query
yang bisa dijawab
Diperjelas ruang lingkup desertasi apakah lebih ke sistem dan algoritma
dengan data terbatas yang mewakili atau data riel.
Penjelasan implementasi algoritma termasuk pembahasannya.
Komentar Kelima :
Perlu dibuat jadwal penelitian.
Mengingat bahwa lingkup penelitian yang akan dilakukan sangat luas dan
melibatkan banyak domain permasalahan serta banyak kepakaran, data dan
lembaga yang menanganinya, maka perlu dibuat strategi pelaksanaan
penelitian yang memadukan pendidikan dan penelitian di strata S3, s2 dan S1.
Membagi tugas (yang harus dilakukan secara paralel) adalah :
o Fokus desertasi adalah bagian yang paling konseptual dengan hasil
akhir rancangan konseptual arsitektur ontologi dan skema
pemrosesannya yang terintegrasi.
o Pekerjaan pembangunan basis data dan aplikasi standard pada tiap
domain yang teridentifikasi dapat diserahkan kepada mahasiswa S2
(tesis) dan S1 (sebagai Tugas Akhir).
o Database dan sistem informasi setiap domain yang sudah dibangun
nantinya dipakai untuk pembuktian keabsahan rancangan (arsitektur
ontologi dsb nya) dalam bentuk prototipe.
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 4
Ringkasan
Judul : Model Sistem Informasi Keanekaragaman Hayati Indonesia dengan Pemanfaatan Ontologi
Lintang Yuniar Banowosari (99203202)
Bidang Ilmu :Ilmu Komputer – Semantic Web - Ontologi
Bidang Penunjang :Sains Komputer – Sistem Informasi – Biologi –
Keanekaragaman Hayati (tumbuhan)
Bidang Topik : Pemanfaatan Ontologi
Penelitian yang akan dilakukan adalah tentang pengembangan sistem informasi
keanekaragaman hayati Indonesia dengan memanfaatkan ontologi. Dengan adanya
sistem informasi ini dapat digunakan untuk berbagi pengetahuan yang lengkap
mengenai domain keanekaragaman hayati. Ontologi keanekaragaman hayati dibuat
dengan menggunakan metode Methontology. Hasil yang diharapkan adalah suatu
model sistem informasi keanekaragaman hayati dengan memanfaatkan.
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 5
I. Pendahuluan
Indonesia terkenal dengan negara yang kaya akan keanekaragamannya, saat
ini dikenal dengan negara dengan mega-diversity (www.bilogi.lipi.go.id). Salah satu
keanekaragaman yang dimiliki Indonesia adalah keanekaragaman hayati.
Keanekaragaman hayati menunjukkan totalitas variasi gen, jenis dan ekosistem yang
dijumpai di suatu daerah. Keanekaragaman hayati menyatakan terdapatnya berbagai
macam variasi bentuk, penampilan, jumlah, dan sifat-sifat lain yang terlihat pada
tingkat yang berbeda-beda. Keanekaragaman hayati meliputi berbagai macam aspek
seperti ciri-ciri morfologi, anatomi, fisiologi, dan tingkah laku makhluk hidup yang
selanjutnya akan menyusun suatu ekosistem tertentu
(www.ut.ac.id/ol-supp/fkip/pabi4422/anekahay.htm). Keanekaragaman hayati
tidak hanya terjadi antarjenis tetapi juga di dalam satu jenis organisme.
Keanekaragaman antarjenis misalnya antara bawang merah dengan bawang putih,
sedangkan keanekaragaman dalam satu jenis misalnya antara varietas padi, padi
Jawa, padi Cianjur dan lain-lain
(www.ut.ac.id/ol-supp/fkip/pabi4422/anekahay.htm) Dan keanekaragaman hayati
merupakan salah satu tulang punggung pembangunan nasional.
Untuk mempertahankan dan meningkatkan kualitas dari keanekaragaman
hayati yang terdapat di Indonesia, munculah berbagai macam penelitian yang
diadakan baik oleh balai penelitian – balai penelitian dari perguruan tinggi di
Indonesia, Lembaga Penelitian Indonesia, atau bahkan oleh lembaga penelitian dari
Kementrian Lingkungan Hidup Indonesia. Masing-masing mengadakan penelitian
dan kemungkinan kurang dikomuniksikan dengan yang lainnya. Sehingga terdapat
banyak penelitian yang serupa diantara lembaga penelitian tadi, hal itu menyebabkan
adanya duplikasi penelitian, tidak komprehensif dan terpadu, data keanekaragaman
hayati tersebar dan terfragmentasi. Juga belum adanya pertukaran data/informasi
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 6
keanekaragaman hayati secara formal belum ada. Dan perkembangan ilmu
pengetahuan, khususnya bidang keanekaragaman hayati selalu berjalan tidak hanya
berdiri sendiri atau dilakukan secara soliter oleh seorang peneliti, ataupun oleh
sekelompok peneliti secara tertutup. Komunikasi, kolaborasi dalam komunitas sangat
berperan dalam pembentukan knowledge yang makin lama akan makin diperkaya
oleh hal itu (Wiryana, 2003).
Teknologi informasi dapat dimanfaatkan untuk dapat membuat suatu sistem
informasi keanekaragaman hayati, sehingga dapat diakses dengan mudah dan cepat
serta mendukung kebijakan pemanfaatan keanekaragaman hayati secara
berkelanjutan. Saat ini sudah ada sistem informasi keanekaragaman hayati yang dapat
diakses melalui jaringan internet. Masing-masing sistem informasi tersebut biasanya
menerapkan tool yang berbeda untuk mengelola pengetahuannya, seperti berbeda
kosa kata (vocabulary), taksonomi, dan sistem klasifikasi untuk mengelola dan
mengorganisir informasi.
Dari apa yang telah disebutkan di atas, bahwa knowledge sharing atau berbagi
pengetahuan diantara peneliti akan dapat lebih memperkaya pengetahuan itu sendiri.
Untuk itu dibutuhkan sistem knowledge management, yaitu suatu sistem yang
berusaha mengikat secara eksplisit informasi terstruktur yang ada diberbagai
organisasi. Tujuan utama dari organisasi pengetahuan adalah meningkatkan
komunikasi antar orang, mengurangi waktu untuk mengambil keputusan,
meningkatkan kualitas keputusan, sehingga akan mempercepat perkembangan ke
bidang baru, membuat hasil kerja lebih cepat, mengurangi overhead untuk bekerja
sama, meningkatkan kerjasama, dan secara keseluruhan memuaskan pengguna.
Internet dengan teknologi web menjanjikan suatu infrastruktur yang
berkesinambungan untuk membuat dan mengelola pengetahuan (Wiryana, 2003).
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 7
Sedangkan untuk menjelaskan pengetahuan pada suatu domain, maka ontologi
mempunyai potensi untuk digunakan. Memang sudah dikenal secara luas bahwa
prinsip berbagi pengetahuan diantara sistem informasi yang heterogen memerlukan
penggunaan domain ontologies sebagai dasar untuk mencapai pemahaman umum dari
domain tersebut. Ontologi adalah suatu spesialisasi dari suatu konseptualisasi
(Gruber, 1993), biasanya dalam bentuk teori logika yang secara formal
mendefinisikan arti dari term yang digunakan dalam suatu domain.
Perumusan Masalah
Dari uraian di atas jelas bahwa diperlukan suatu sistem informasi yang dapat
memberikan informasi secara komprehensif dan menyeluruh mengenai domain
keanekaragaman hayati dan diperlukan suatu cara atau metode pengintegrasian
pengetahuan yang ada sehingga tercipta shareable knowledge. Ada beberapa masalah
yang dapat di rumuskan dari hal tersebut di atas :
1. Bagaimana menyajikan informasi tentang potensi keanekaragaman hayati
dalam suatu sistem informasi sehingga pengguna dapat mengakses dengan
mudah ?
2. Bagaimana memanfaatkan ontologi dalam mengembangkan sistem informasi
keanekaragaman hayati ?
3. Bagaimana membuat ontologi bidang keanekaragaman hayati sehingga dapat
terjadi knowledge sharing dengan domain keanekaragaman hayati ?
Batasan Penelitian
Karena keterbatasan upaya, waktu dan biaya dari peneliti, masalah yang
diteliti difokuskan pada data dan informasi keanakeraagaman hayati di Indonesia.
Pada penelitian ini difokuskan pada upaya membuat suatu metode dalam pembuatan
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 8
ontologi keanekaragaman hayati (tumbuhan) dan membuat model sistem
informasinya.
Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah :
1. Mengembangkan model sistem informasi keanekaragaman hayati
2. Memanfaatkan ontologi dalam mengembangkan model sistem informasi
Kontribusi Hasil Penelitian
Mendapatkan model sederhana sistem informasi keanekaragaman hayati dengan
memanfaatkan ontologi
II. Studi Literatur
2.1. Sistem Informasi Keanekaragaman Hayati Indonesia
Penelitian yang telah dilakukan dalam pengembangan sistem informasi
keanekaragaman hayati telah dilakukan oleh Pusat Penelitian Biologi - LIPI, Bogor.
Nama sistem informasi yang dihasilkan bernama The National Biodiversity
Information Network (NBIN).
Yang melatarbelakangi munculnya penelitian ini adalah karena kesadaran
akan pentingnya nilai keanekaragaman hayati Indonesia telah lama muncul di mana-
mana. Akan tetapi, sampai saat ini sedikit sekali upaya-upaya sistematis yang
dilakukan untuk mengorganisasi dan mengkoordinasi informasi keanekaragaman
hayati di seluruh pelosok Indonesia.
NBIN atau Jaringan Informasi Keanekaragaman Hayati National adalah suatu
organisasi non profit yang kegiatannya meliputi pemaduan database, program, dan
prakarsa organisasi, dan mengikutsertakan organisasi-organisasi lain yang saat ini
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 9
belum tergabung dalam prakarsa ini, dalam sebuah sistem nasional yang lengkap
untuk tukar-menukar data, guna meningkatkan, memadukan, menggunakan, dan
mengkomunikasikan informasi keanekaragaman hayati.
Ruang lingkup NBIN mencakup data dan informasi mengenai
keanekaragaman genetik, jenis, dan ekosistem. Tipe dan format data dan informasi
yang digunakan untuk mencatat, mempelajari, dan memahami keanekaragaman
hayati ternyata sangat beragam, mulai dari data tabel mengenai spesimen koleksi
hingga ke peta-peta wilayah geografis berbasis data spasial, yang tentu saja memiliki
ciri-ciri khusus hingga ke informasi bibliografi yang menjelaskan segala hal, mulai
dari temuan-temuan dalam penelitian sampai ke perjanjian-perjanjian, undang-
undang, dan peraturan tentang keanekaragaman hayati. Penggunaan data dan
informasipun sama beragamnya, yang mencakup beberapa tingkatan dan macam
mulai dari perencanaan dan pengelolaan, pembuatan kebijakan, investasi, dan
penelitian ilmu dasar dan terapan.
Dengan mengembangkan katalog data keanekaragaman hayati dan melakukan
pertukaran data antar organisasi, koleksi data yang sudah tidak terpakai dapat
dikurangi. Masing-masing organisasi akan dapat memusatkan kegiatan sumber
dayanya yang terbatas untuk koleksi data baru yang belum ada, atau melakukan
pembaharuan isi dan tampilan (updating) dan peningkatan nilai (upgrading) data
yang sudah terkoleksi. Dengan membuat koleksi data lebih mudah diakses, yang
berarti meningkatkan pemanfaatannya, insentif dapat diciptakan untuk menyimpan
dan memelihara data tersebut. Sejalan dengan itu, kemampuan setiap organisasi untuk
mengakses beragam data dan informasi akan memberikan landasan yang lebih
mantap dalam pengembangan perencanaan, pengelolaan, dan pembuatan keputusan.
Peningkatan kemampuan mengakses informasi juga akan mendorong terciptanya
kerjasama lintas-organisasi dan lintas disiplin, serta meningkatkan pendapatan
organisasi.
Simpul potensial NBIN beranggotakan 32 institusi yang merupakan bagian
dari Lembaga ilmu Pengetahuan Indonesia, Departemen Pertanian, Departemen
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 10
Kehutanan, Departemen Kesehatan, Departemen Kelautan dan Perikanan, dan
Departemen Pendidikan Nasional.
Dalam meningkatkan pencapaian hasil diperlukan adanya keterlibatan institusi
lain yang secara substansial terkait dengan kegiatan NBIN yaitu SEAMEO
BIOTROP, Pusat Kajian Sumber Daya Pesisir dan Laut - IPB, dan Pusat Survei
Sumber Daya Alam Laut-BAKOSURTANAL serta satu institusi yang
menghubungkan NBIN dengan kegiatan MCRMP yaitu Direktorat Bina Pesisir dan
Pulau-Pulau Kecil, Direktorat Jenderal Pesisir dan Pulau-Pulau Kecil, Departemen
Kelautan dan Perikanan (www.bilogi.lipi.go.id/nbin).
2.2 Sekilas Ontologi
Sebelum memaparkan penelitian yang membahas pemanfaatan ontologi dalam
pengembangan sistem informasi, ada baiknya mengetahui jenis-jenis ontologi
(Guarino, 1998):
Gambar 2.1 Jenis-jenis ontologi, berdasarkan level ketergantunggannya pada satu
task atau pandangan. Panah tebal merepresentasikan relasi spesialisasi. Dari
(Guarino, 1998).
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 11
Top-level ontologies menjelaskan konsep yang sangat umum, seperti ruang,
waktu, masalah, objek, kejadian, aksi dan lain sebagainya, yang independen dari satu
masalah tertentu atau domain: hal itu kelihatannya masuk akal, paling tidak dalam
teori, untuk mempunyai unified top-level ontolgies bagi komunitas pengguna yang
besar.
Domain ontologies and task ontologies menjelaskan, kosakata (vocabulary)
yang behubungan dengan satu domain yang generik (seperti obat-obatan, atau
otomobil) atau task atau kegiatan yang generik (seperti mendiagnosis atau menjual),
dengan menspesialisasikan term yang diperkenalkan pada top-level ontology.
Application ontologies menjelaskan konsep bergantung baik pada domain dan
task tertentu, yang sering merupakan spsesialisasi dari kedua ontologi yang
berhubungan. Konsep ini sering berkorespon dengan roles (peran) yang dimainkan
oleh entitas domain sementara melaksanakan satu kegiatan tertentu, seperti
replaceable unit atau spare component.
Adalah penting untuk membuat jelas perbedaan diantara satu application
ontology dan knowledge base. Jawabannya berhubungan dengan tujuan dari ontologi,
yaitu satu knowledge base tertentu, menjelaskan fakta yang diasumsikan selalu benar
oleh komunitas pengguna, keuntungannya persetujuan pada arti yang digunakan
kosakata. Satu knowledge base, selain itu, juga menjelaskan fakta dan pernyataan
yang berhubungan dengan kondisi tertentu dari suatu situasi atau kondisi epistemic
tertentu. Di dalam satu knowledge base yang generik, kita dapat membedakan dua (2)
komponen: ontology (berisi state-independent information) dan “core” knowledge
base (berisi state-dependent information). (Guarino, 1998)
II.3 Sistem Informasi Yang Memanfaatkan Ontologi
Sedangkan penelitian yang telah dilakukan untuk bidang sistem informasi
dengan memanfaatkan ontologi adalah pengembangan sistem informasi perikanan
yang diberi nama Fishery Ontology Service (FOS). FOS diasumsikan akan menjadi
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 12
fitur kunci dari Enhanced Online Multilingual Fishery Thesaurus, yang
menerima/mengasumsikan masalah dari pengaksesan dan atau pengintegrasian
informasi perikanan yang memang sudah menjadi bagian yang dapat diakses dari
dedicated portal dan layanan web lainnya. Organisasi yang terlibat dalam proyek
penelitian ini adalah : FAO Fisheries Department (FIGIS), ASFA Secretariat, FAO
Waicent (GIL), the OneFish service of SIFAR, dan the Ontology and Conceptual
Modelling Group di IP CNR. Sistem yang akan diintegrasikan adalah “referenced
tables” di bawah portal FIGIS ( http://www.fao.org/fi), ASFA online thesaurus
(http://www4.fao.org/asfa), perikanan bagian dari AGROVOC online thesaurus
(http://www.fao.org/agrovoc),dan oneFish community directory
(http://www.onefish.org)
Tugas resmi dari proyek FOS ini adalah pada proses (indexing, retrieval, dan
berbagi terutama sumber terdokumen) yang melibatkan sebuah internal structure
dalam isi dari teks (dokumen, web sites, dan lain lainya). Dalam komunitas semantic
web dan area penelitian integrasi informasi inteligent, hal itu memang sudah diterima
secara luas bahwa content capturing, integration dan management membutuhkan
pengembangan ontologi secara detil, formal. (Gangemi, 2002)
Salah satu contoh bagaimana ontologi formal dapat relevan dengan sistem
informasi yang diimplementasikan dalam suatu Fishery Ontology Services (FOS)
diperlihatkan melalui informasi yang mungkin didapat seseorang yang tertarik dengan
misalnya aquaculture (Gangemi, 2002). Pada kenyataannya lebih dari pencarian
sederhana berdasarkan keyword, pencarian berdasarkan isi dari tag atau teknik bahasa
alami yang rumit/sulit membutuhkan beberapa penstrukturan konseptual isi linguistik
dari teks. Empat sistem yang perhatian dengan proyek ini menyediakan struktur ini
dengan cara yang sangat berbeda dan dengan “textures” konseptual yang berbeda.
Sebagai contoh AGROVOC dan ASFA thesauri meletakan aquaculture dalam
konteks hirarki thesaurus yang berbeda, FIGIS reference tables menginterpretasikan
aquaculture masih dalam konteks yang lain (taxonomical species), dan oneFish
directory mengembalikan konteks berhubungan dengan economics dan planning.
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 13
Dengan perbedaan interpretasi dari suatu term, kita dapat saja mengharapkan hasil
pencarian dan pengindeksan yang berbeda pula. Di sinilah peran pengintegrasian
informasi dan pembangunan ontologi yang mana akan membuat suatu sistem yang
bukan ingin mengurangi kebebasan interpretasi, tetapi dalam rangka menavigasi
interpretasi alternatif, sistem kueri alternatif dan membuat penggunaan perspektif
alternatif. Untuk melakukan hal itu semua, kita memerlukan suatu set ontologi yang
komprehensif yang didesain dengan cara yang mengijinkan keberadaan banyak jalur
yang memungkinkan diantara konsep-konsep di dalam kerangkakerja konseptual.
Kerangkakerja ini sebaiknya menggunakan kembali (reuse) komponen domain-
independent, fleksibel, dan dapat terfokus pada skema penalaran utama pada domain.
Sudah jelas bahwa sistem informasi perikanan yang berbeda menyediakan
pandangan yang berbeda pada domain, kita langsung memasuki paradigma dari
integrasi ontologi, disebut sebgai integrasi dari skema yang merupakan teori logika
arbitrary, dan dapat mempunyai model ganda (ini kebalikan dengan skema database
yang hanya mempunyai satu model). Thesauri, pohon topik dan reference tables
digunakan dalam sistem yang akan diintegrasikan dapat diperlakukan sebagai skema
informal yang menggambarkan kueri semi-formal atau database informal seperti teks
dan dokumen tag. Dalam rangka menarik manfaat dari framework integrasi ontologi,
kita harus men-transform skema informal menjadi yang formal. Dengan kata lain,
thesauri dan manajemen sumberdaya terminologi lain harus ditransform menjadi
ontologi (formal). Untuk melakukan tugas ini , kita menerapkan teknik dari tiga
metodologi : OntoClean, ONIONS, dan OnTopic. (Gangemi, 2002)
OntoClean berisi prinsip-prinsip untuk membangun dan menggunakan ontologi
upper untuk analisis ontologi core dan domain, revisi, dan pengembangan.
Metodologi OntoClean didasarkan pada ide ontologi secara umum yang diturunkan
dari ontologi dalam filsafat, khususnya dari apa yang disebut sekarang dengan
“analytic methaphysic”, dan hal itu sudah cukup umum untuk digunakan dalam usaha
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 14
ontologi apapun, terlepas dari domain tertentu. Seperti diklaim oleh pengarangnya :
“metodologi OntoClean menyediakan cara yang formal, konsisten, dan sederhana
untuk menjelaskan beberapa kesalahpahaman yang paling umum dalam pemodelan
konseptual menyangkut relasi taxonomic atau subsumption.” (Guarino, 2002). Pada
kenyataannya taksonomi tersebut menyediakan langkah pertama dari sebuah analisis
secara ontologi sangat sering membingungkan subsumption dengan instantiation
(contoh : “John” adalah instance dari “Human” dimana kelas “Humans” adalah
termasuk dari kelas “Mammals”). Tidak dilupakan juga bahwa fitur lain dari
taksonomi yang buruk yang kerap muncul adalah kebingungan sistematik antara
relasi “part-of” dan “is_a” (subsumption) (contoh : “engine” part_of “car”; “car” is_a
“vehicle”).
ONIONS (“Ontological Integration of Naïve Sources”) adalah himpunan metode
untuk mengembangkan data informal dari sumberdaya terminologikal menjadi status
tipe data ontologi formal (Gangemi, 1999).
OnTopic adalah mengenai pembuatan ketergantungan antara hirarki topik dan
ontologi. OnTopic berisi metode untuk menurunkan elemen dari ontologi yang
menggambarkan satu topik yang diberikan, dan metode untuk membangun topik
“aktif” yang didefinisikan sesuai dengan ketergantungan dari setiap individual,
konsep, atau relasi di dalam ontologi (Gangemi, 2001).
Berikut ini gambaran ringkas dan singkat mengenai metodologi yang digunakan
dalam membangun FOS : Mentranslasi dan menyaring komponen untuk
membangun Integrated Fishery Ontology (IFO); Data dari berbagai sunber yang
sudah disatukan harus diproses, dalam rangka untuk mengintegrasikannya dalam
lingkungan yang homogen, dan dengan evaluasi yang jelas. Berikut ini adalah daftar
petunjuk yang telah diikuti untuk mentranslasi dan menyaring komponen data :
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 15
Evaluasi detil dari tiap sumber dilakukan (temukan skema – eksplisit atau
tidak – di bawah implementasi dari data sumber, kemudian gambarkan
tiap tipe data baik kualitatif dan kuantitatif)
Bahasa untuk untuk merepresentasikan knowledge base dipilih, yang
memandu aktifitas pengintegrasian. Sebuah Description Logic seperti
DLR (Calvanesse, 2001) akan menjadi pilihan yang ideal untuk
kekompatibelannya dengan kerangkakerja pengintegrasian ontologi.
Sebuah server ontologi di- instal yang mendukung DLR atau bahasa yang
kompatibel.
Beberapa tipe data dari sumber (Gambar 2.2) kelihatannya tepat untuk
dimasukan dalam prototipe pendahuluan. Langkah-langkah berikut ini (Gambar 2.3)
dilakukan pada tipe-tipe data yang ada : (Gangemi, 2002)
Mendiskusikan, menyaring, memformalkan skema konseptual dari FIGIS
Fishery untuk membangun satu preliminary core ontology. Juga konsep
upper-level dari thesauri sumber yang harus dicocokan dengan skema
konseptual FIGIS.
Mentranslasi FIGIS reference tables : taksonomi individual dan relasi
lokal (akan di-transform menjadi aksiom formal).
Menggunakan kembali (reuse) OneFish topic trees untuk merancang
arsitektur pendahuluan untuk IFO library. Arsitektur ini harus cocok
dengan preliminary core ontology.
Mengekstrasi taksonomi IS_A dari AGROVOC dan hirarki ASFA BT/NT
(Narower Term). Heuristic dari upper dan core ontology dapat
diaplikasikan untuk membersihkan hirarki BT/NT, sebagai contoh aturan
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 16
berikut ini dapat diaplikasikan: if a body part descriptor is NT of an
organism descriptor, then this is probably not an IS_A use of NT.
Expand relasi RT (Related Term) dari AGROVOC dan ASFA (heuristic
dari taksonomi IS_A akan digunakan). Juga hirarki non-IS_A BT/NT
dapat disaring (di-expand) di sini.
Reuse dokumentasi yang ada: oneFish topic summaries, AGROVOC and
ASFA scope notes, FIGIS glossary.
Reuse relasi UF (Used For) dan (multi) linguistic equivalent dari seluruh
sumber.
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 17
Gambar 2.2. A class diagram of the source data types taken into account.
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 18
Gambar 2.3. A state diagram that sketches the methodology used to extract and
refine the informal data.
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 19
Langkah utama untuk membangun taksonomi dasar, dokumentasi dan arsitektur
untuk IFO :
Mengembangkan Fishery Core Technology (FCO)
Membangun taksonomi IS-A
Mengumpulkan dokumentasi yang ada dan menghasilkan glosses
Merancang arsitektur topik pendahuluan.
Setelah taksonomi sudah jelas untuk tingkatan/derajat tertentu, sudah
terdokumentasi dan sudah terbagi ke dalam namespaces yang tepat, beberapa
aktifitas dicapai untuk menuju detil konsep dapat dimulai.Yang paling penting
adalah mengkarakteristikan konsep domain dengan aksiom (membangun aksiom
domain).
Berikut ini berturut-turut adalah gambaran arsitektur untuk Fishery Ontology
Library, Brokering Architecture untuk pengkuerian sistem informasi perikanan yang
heterogen dan Unified Interface setelah penggabungan sumber-sumber terminologikal
yang heterogen:
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 20
Domain ontologies
Representationontology
Upperontology
Coreontology
Geographicontology
Speciesontology
Institutionsontology
Fishingdevices
ontology
Fishing andfarming
techniquesontology
Farmingsystems
ontology
Fisheryregulations
ontology
Fisherymanagement
ontology
BiologicalontologyDevices
ontologyLegal
ontology Managementontology
Gambar 2.4. Contoh Arsitektur untuk Fishery Ontology Library
Integrated Fishery Top Ontology (IFTO)
FisheryOntology
Server(FOS)
oneFishTopicTrees
FIGISTaxonomies
AgroVocThesaurus
ASFAThesaurus
Queryinterface
Wrapper WrapperWrapperWrapper
Userquery
Results(specialised
info,terminological
equivalents,glosses, etc.)
Results(documents)
Searchengine
oneFishSchema &
Top-Level
FIGISSchema &
Top-Level
AgroVocSchema &
Top-Level
ASFASchema &
Top-Level
Gambar 2.5
Brokering Architecture for querying heterogeneous fishery Information
System
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 21
Integrated Fishery Ontology (IFO)
FisheryOntology
Server(FOS)
Topic-BasedFisheryBrowser(TBFS)
Queryinterface
Results(documents)
Userquery
Results(specialised
info,terminological
equivalents,glosses, etc.)
oneFishTopicTrees
FIGISTaxonomies
AgroVocThesaurus
ASFAThesaurus
Gambar 2.6
Unified Interface after merging of heterogeneous terminological resources.
Penelitian lain yang juga mengangkat isu pemanfaatan ontologi dalam sistem
informasi adalah pembuatan Clinical Guideline. Guideline untuk kebutuhan klinis
sedang diperkenalkan dengan berbagai cara yang bervariasi dan lebih beragam bidang
pengobatan (Woolf, 1993 dan Grimshaw, 1993). Clinical Guideline mempunyai
tujuan mengindikasikan keputusan yang paling tepat/sesuai dan perilaku prosedural
mengoptimalkan hasil kesehatan, biaya dan keputusan klinikal. Guideline dapat
diekspresikan dengan cara tekstual seperti rekomendasi atau dengan cara yang lebih
formal dan rigid seperti protokol atau diagram alur. Pada konteks yang berbeda
clinical guideline dapat saja menjadi indikasi lemah bagi himpunan pilihan yang
diutamakan atau hal itu dapat dipikirkan sebagai himpunan aturan normatif.
Clinical practice guideline dilihat sebagai alat untuk meningkatkan kualitas
dan biaya yang tidak efisien dari perhatian dalam peningkatan lingkungan
penyelamatan masalah kesehatan yang kompleks. Sudah terbukti bahwa keperluan
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 22
untuk merencanakan dapat mengurangi biaya perawatan sampai dengan 25%
(Clayton, 1995). Bagaimanapun juga jumlah yang besar dari guideline yang tersedia
membuat sulit untuk memilih yang paling benar. Hanya untuk memberi ide dari
angka tersebut, bahwa dilaporkan terdapat 855 guideline berbeda bagi British GP
berkisar dari satu halaman sampai buklet kecil yang terdiri lebih dari 15 halaman.
Komputerisasi dapat meningkatkan keefektifan baik dari information retrieval
dari guideline dan penyampaian dari guideline-based care. Kemungkinan penuh
sistem komputerisasi dapat dieksploitasi dalam lingkungan dimana proses – proses
yang berbeda dieksekusi secara simultan pada beberapa pasien. Dalam konteks ini
sistem tersebut harus dapat me-retrieve situasi yang ter-update dari tiap pasien,
sebaik seperti memberikan laporan keseluruhan pada saat itu, membebaskan para
tenaga medis/dokter untuk konsentrasi lebih pada keputusan klinis. Menjaga aktivitas
berjalan secara simultan, maka hal itu akan menghindari duplikasi task yang tidak
dibutuhkan dan mencegah kemungkinan terjadinya kesalahan.
Beberapa proyek penelitian setuju dengan representasi komputer dan
implementasi guideline. Skenarionya adalah mengembangkan dari stand-alone
workstations sampai aplikasi telematika yang – memanfaatkan misalnya Internet –
tidak hanya mendukung penggunaan guideline, tetapi juga memfasilitasi
pengembangan dan diseminasi.
Knowledge sharing yang seperti itu membutuhkan definisi model formal
untuk representasi guideline. Modelnya harus mempunyai semantik yang jelas dalam
rangka menghindari keambiguan. Peran dari ontologi adalah membuat eksplisit
konseptualisasi mengikuti model. Definisi ontologi – deskripsi formal dari entitas
sehingga satu model membuat komitmen dan relasi yang ada diantara entitas – adalah
dasar untuk membuat model standard yang dapat diterima dan shareable. Suatu
koleksi ontologi adalah tidak normatif, tetapi mengijinkan satu inter-subjective,
eksplisit dan perjanjian formal pada semantik dari primitif suatu model, melalui
pengacuan kepada lebih primitif generik (teori generik). Kita percaya bahwa
pendekatan seperti itu dapat memfasilitasi proses standard dengan mengijinkan satu
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 23
pemetaan eksplisit dalam satu ontologi formal dari konsep yang direpresentasikan
dalam model heterogrn yang diusulkan sampai saat ini.
Pada ontologi ini, guideline dibedakan dalam “paper guidelines” dan
“web guidelines”. Beberapa konsep umum – seperti “author” – berhubungan dengan
keduanya, tetapi “URL” dan “last-checked” adalah khusus untuk web guideline. Hal
itu dikategorikan dalam 5 (lima) jenis berbeda, seperti didefinisikan dalam standard
Guideline Interchange Format (GLIF) (Ohno, 1998).: Guideline untuk perawatan
kondisi klininal, screening dan pencegahan, manajemen diagnosis dan prediagnosis
pasien, indikasi untuk penggunaan prosedur operasi, penggunaan yang tepat/sesuai
dari teknologi dan tes yang spesifik. Klasifikasi seperti itu lebih jauh dispesialkan
oleh peneliti ini : sebagai contoh “guideline untuk perawatan kondisi klinis dapat saja
“therapy assesment”, “pharmacologic therapy” atau “manajemen penyakit”. Sejauh
representasi formal dari guideline ditekankan, ontologi ini mengintegrasikan beberapa
usaha pemodelan yang paling relevan yang sampai saat ini dihasilkan : tercatat
PROforma (Fox, 1998), EON (Musen, 1996), Asbru (Shahar, 1998) dan GLIF
(Ohno, 1998).
II.4 Metode Pengembangan Ontologi
Dalam mengembangkan ontologi diperlukan suatu metode pendekatan
pengembangannya. Sampai saat ini sudah ada beberapa metode untuk membuat
ontologi. Uschold (1995), mengetengahkan mengenai suatu metodologi untuk
membangun ontologi. Dia menggambarkan metodologi yang komprehensif untuk
mengembangkan ontologi dalam beberapa tahapan berikut ini :
Identifikasi alasan mengapa menggunakan ontologi sebagai pendekatan di
dalam pengembangan sistem.
Membuat ontologi :
Ontology capture
Ontology coding
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 24
Ontology integration.
Mengevaluasi
Dokumentasi
Petunjuk untuk tiap fase
Identifikasi
Identifikasi alasan mengapa menggunakan ontologi sebagai pendekatan di
dalam pengembangan sistem. Adalah sangat penting untuk membuat jelas mengapa
ontologi dibangun dan kegunaannya apa. Juga akan sangat berguna untuk
mengidentifikasi dan mengkarakteristikan para pengguna yang diharapkan yang akan
menggunakan ontologi tersebut. Pertanyaan berikut dapat menjadi gambaran
mengenai motivasi pembuatan ontologi : apa yang menyebabkan sesuatu itu dibangun
(ontologi)?, untuk apa itu ?, bagaimanana kita merepresentasikan itu? bagaimana kita
menghasilkan definisi?
Ontology capture
Mengidentifikasi konsep kunci dan relasi dalam suatu domain, yaitu scoping.
Menghasilkan definisi teks tepat yang tidak ambigu untuk kosep dan relasi
tersebut.
Mengidentifikasi term untuk mengacu kepada konsep dan relasi tersebut.
Review
Membuat meta-ontology; menggunakan definisi bahasa alami sebagai
spesifikasi kebutuhan implisit. Hal ini sebagai dasar untuk tahapan koding,
yang membutuhkan formalisasi lebih jauh.
Skuce (1995) mengatakan bahwa untuk intermediate representation (IR) dari satu
konseptualisasi yang lebih formal dari bahasa alami yang loosely structure, tetapi
sedikit formal daripada bahasa formal. Dia mengusulkan format spesifik untuk
intermediate representation, yang memasukan asumsi, justifikasi sebaik seperti
definisi kata secara tepat. Seluruh bidang akuisisi pengetahuan (knowledge
acquisition) juga relevan dengan tahapan ini, tetapi ontology capture khusus
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 25
ditekankan dengan tingkatan pengetahuan, yaitu independen dari bahasa koding
tertentu. Hal ini serupa dengan rekomendasi KADS untuk menghasilkan model
domain sebelum mengkoding-kan basis pengetahuan.
Memilih satu metodologi untuk ontology capture; Terdapat hanya sedikit
metode untuk itu, tetapi beberapa sumber informasi dapat kita gunakan,
diantaranya :BSDM, KADS, IDEF5, teknik Object-Oriented Analysis and Design
(ORCA).
KADS (Knowledge Acquisition Documentation System)
(http://www.swi.psy.uva.nl/projects/commonKADS/home.html). Tujuan dari KADS
adalah menyelesaikan satu model konseptual (level pengetahuan) dari domain
pengetahuan ahli, termasuk strategi penyelesaian masalahnya, sebelum melakukan
pembangunan program apapun.
Ketika memperoleh pengetahuan dari domain ahli, skema KADS
mengorganisir pengetahuan ke dalam beberapa lapis:
1. Fakta mengenai entitas dalam domain, dan hubungannya, ditemukan
pada layer paling dasar/bawah.
2. Strategi untuk menemukan sejumlah informasi (atau task kecil lain)
ditemukan pada lapis atas.
3. Strategi untuk melaksanakan task yang besar, misalnya melakukan
satu diagnosis, ditemukan pada lapis atas.
Untuk menstrukturkan domain pengetahuan dengan cara ini, KADS
menyediakan satu librari dari Model Interpretasi. Deskripsi atau template tersebut
dari berbagai task penyelesain masalah umum yang berbeda yang sangat serupa
dengan task generik (atas), e.g jika Anda memutuskan bahwa satu kegiatan diagnosis
sedang dilaksanakan, akan ada satu model interpretasi berhubungan dengan hal ini.
Model KADS yang umum:
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 26
Gambar 2.7 Model KADS
IDEF5 (Integration DEFinition) Ontology Capture Method (Benjamin,
1994). Tujuan IDEF5 adalah untuk mengarahkan seseorang sehingga menjadi mampu
dalam mengaplikasikan IDEF5 untuk mengembangkan dan mengatur ontologi
seefektif mungkin.
Secara singkat, IDEF5 ontology development process berisi lima (5) kegiatan
berikut ini:
1. Organizing and Scoping . Kegiatan ini melibatkan menentukan tujuan, pandangan
dan konteks bagi proyek pengembangan ontologi dan memberikan peran kepada
anggota tim.
2. Data Collection . Kegiatan ini melibatkan melndaptkan data mentah yang
dibutuhkan bagi pengembangan ontologi.
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 27
3. Data Analysis . Kegiatan ini melibatkan menganalisis data untuk memfasilitasi
ekstraksi ontologi.
4. Initial Ontology Development. Kegiatan ini melibatkan mengembangkan ontologi
pendahuluan dari data yang didapat.
5. Ontology Refinement and Validation. Kegiatan ini melibatkan me-refine dan
memvalidasi ontologi untuk menyelesaikan proses pengembangan.
Walaupun kegiatan-kegiatan di atas terpapar secara berurutan, terdapat
overlap yang signifikan dan iterasi diantara kegiatan. Jadi, initial ontology
development (Kegiatan # 4) sering membutuhkan often “penangkapan” data
tambahan (kegiatan # 2) dan analisis yang lebih jauh (Kegiatan # 3). Setiap dari
keliana kegiatan akan melibatkan kegiatan dan task yang lain..
ORCA (Object Oriented Requirements Capture and Analysis) (MacLean,
1998). Ini ditujukan bagi semua yang tertarik dalam deskripsi dan analisis dari sistem
yang kompleks, seperti bisnis, organisasi sosial dan lain sebagainya. Secara khusus,
ORCA ditujukan bagi mereka yang bertanggungjawab dalam menghasilkan strategi
bagi penggunaan Teknologi Informasi (TI) dan kebutuhan pengembangan piranti
lunak. ORCA bertujuan menjadi metode yang efektif, fleksibel dan berguna bagi
kebutuhan capture dan analisis, berdasarkan konsep object oriented . ORCA
mendefinisikan dan mendukung dan proses analisis, menyediakan bahasa pemodelan
yang sesuai, dan menyediakan petunjuk sehungan dengan penggunaannya.
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 28
Gambar 2.8 ORCA conceptual framework
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 29
Gambar 2.9 ORCA’s Basic Process.
Ontology coding
Koding adalah representasi eksplisit dari konseptualisasi yang telah di-capture
pada tahap sebelumnya, dalam beberapa bahasa formal. Ini akan melibatkan
penempatan beberapa meta-ontology, memilih bahasa representasi, dan membuat
kode.
Dengan melihat pada pemilihan satu bahasa, mungkin pekerjaan yang paling
luas dikerjakan dalam area ini adalah Proyek Plinius. Mereka berpengalaman dengan
berbagai macam bahasa untuk merepresentasikan ontologi-nya dalam domain
material science; ini termasuk Prolog, Conceptual Graphs, L-Lilog, Ontolingua, dan
beberapa bahasa dari keluarga KL-ONE (Back++, Loom, Classic) (Uschold, 1995).
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 30
Memilih bahasa representasi; kandidat bahasa ontologi diidentifikasi
termasuk : Ontolingua, KADS bahasa pemodelan domain, Conceptual Graphs,
IDEF5, dan BSDM bahasa pemetaan untuk entitas dan proses bisnis (Uschold, 1995).
Mengintegrasikan ontologi yang ada
Menjadikan ontologi dapat di-share diantara komunitas pengguna yang beragam.
Mengevaluasi
Membuat keputusan teknis dari ontologi, lingkungan piranti lunak yang berasosiasi
dengannya, dan dokumentasi yang berhubungan dengan bingkai dari referensi.
Bingkai referensi mungkin saja membutuhkan spesifikasi, pertanyaan kompeten,
dan/atau dunia nyata.
Dokumentasi
Seluruh asumsi yang penting harus didokumentasikan, baik mengenai konsep utama
yang didefinisikan dalam ontologi, ataupun primitif yang digunakan untuk
mengekspresikan definisi dalam ontologi (yang disebut sebagai meta-ontology)
(Uschold, 1995).
Studi yang mengetengahkan suatu perbandingan metodologi untuk
membangun ontologi dengan memperbandingan standar yang dikeluarkan IEEE yang
dilakukan oleh Gomez-Perez, Fernandez dan Corcho (2001) mencatat beberapa
hal berikut ini :
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 31
- Methodology compliance with IEEE Standard:
- Maturity of the Methodologies:
Kesimpulan dari studi tersebut adalah:
- bahwa tidak ada satu metodologi pun yang benar-benar matang jika dibandingkan
dengan standar IEEE.
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 32
- dilihat dari kematangan metodologi maka urutannya adalah sebagai berikut :
- METHONTOLOGY
- Grüninger & Fox
- Uschold & King
- SENSUS
- Bernaras et alia
- methodologi seharusnya didukung oleh tool.
Methontology adalah suatu metode pengembangan ontologi yang
mengusulkan pengekspresian ide sebagai suatu himpunan dari Intermediate
Representations (IR) dan menghasilkan ontologi menggunakan translators.
Perekayasaan ontologi membutuhkan definisi dan standarisasi dari satu siklus
hidup ontologi seperti juga dibutuhkan metodologi dan teknik yang memandu
pengembangannya. Methontology framework mengijinkan konstruksi dari ontologi
pada level pengetahuan dan meliputi: identifikasi proses pengembangan ontologi,
siklus hidup berdasarkan prototipe pengembangan, satu metode untuk
menspesifikasikan ontologi pada level pengetahuan dan translator multilingual yang
secara otomatis mentransform spesifikasi menjadi beberapa kode target. Lingkungan
untuk membangun ontologi yang menggunakan methontology framework dinamakan
ODE (Ontology Design Environment).
Proses Pengembangan Ontologi mengacu kepada kegiatan yang dilaksanakan
ketika membangun ontologi. Adalah hal yang genting untuk mengidentifikasi
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 33
aktifitas tersebut. Oleh karena itu disarankan untuk melaksanakan 3 (tiga) kategori
aktifitas berikut ini :
Project management activities meliputi planning, control dan quality
assurance. Planning (perencanaan), mengidentifikasi task mana yang akan
dilaksanakan, bagaimana task tersebut disusun, berapa lama dan sumber daya yang
dibutuhkan untuk menyelesaikannya. Control (pengawasan), menjamin bahwa tugas
perencanaan telah diselesaikan sesuai dengan yang telah digariskan. Quality
Assurance (penjaminan kualitas), menjamin bahwa kualitas dari tiap keluaran produk
(ontologi, piranti lunak, dan dokumentasi) memuaskan.
Development-Oriented Activities meliputi specification, conceptualization,
formalization dan implementation. Specification, menyatakan kenapa ontologi
dibangun dan apa saja penggunaannya dan siapa saja pengguna akhirnya (end-user).
Conceptualization, menstrukturkan domain pengetahuan sebagai suatu model yang
berarti pada level pengetahuan. Formalization, mentransform model konseptual ke
dalam model formal atau model yang semi-computable. Implementation, membangun
model dalam bahasa computational.
Support Activities meliputi serangkaian kegiatan, dilaksanakan pada saat yang
sama seperti development oriented activities, tanpa itu ontologi tidak dapat dibangun.
Hal itu meliputi knowledge acquisition, evaluation, integration, documentation, dan
configuration management. Knowledge acquisition, mengakuisisi pengetahuan dari
domain yang diberikan. Evaluation, membuat penilaian keteknikan dari ontologi,
keterkaitannya lingkungan piranti lunak dan dokumentasi berhubungan dengan
bingkai acuan selama tiap fase dan diantara fase dari siklus hidupnya. Integration dari
ontologi dibutuhkan ketika membangun satu ontologi baru menggunakan kembali
ontologi lain yang sudah siap tersedia. Documentation adalah detil, jelas dan
keseluruhan, tiap fase yang diselesaikan dan produk yang dihasilkan. Configuration
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 34
Management menyimpan/mencatat seluruh versi dari dokumentasi, piranti lunak dan
kode ontologi dan mengawasi/mengontrol perubahahannya.
III. Metode Penelitian
Dalam melakukan penelitian ini akan digunakan metodologi untuk
mengembangkan ontologi keanakeragaman hayati sebagai berikut (dengan mengacu
kepada Methontology dari Blazquez dan Fernandez (1999)) :
Project management activities
o Planning
o Control
o Quality Assurance
Development-Oriented Activities
o Specification
o Conceptualization
o Formalization
o Implementation
o Maintenance
Support Activities
o Knowledge Acquisition
o Evaluation
o Integration
o Documentation
o Configuration Management
Berikut ini gambaran singkat dari siklus hidup ontologi dalam methontology:
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 35
Gambar 3.1 Siklus hidup ontologi menurut Methontology
Selain menerapkan metode pengembangan ontologi seperti disebutkan di atas, di sini
juga dusulkan model / framework sistem informasi keanekaragamn hayati (tumbuhan)
yang mengacu pada (Fonseca, 2001), sebagai berikut:
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 36
Knowledge Generation
............................... Ontologies ..........................................................................
Knowledge Use
Gambar 3.2 Model / framework Sistem Informasi Keanekaragaman Hayati
(tumbuhan) dengan memanfaatkan ontologi
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 37
Ontology Editor
Ontology Translator
esClasses
Ontology Browser
Class Browser
Applications
Knowledge Generation; Model dari sistem informasi kenaekaragaman hayati
yang memanfaatkan ontologi ini didukung oleh dua hal mendasar: (1) membuat
ontologi secara jelas sebelum sistem dikembangkan dan (2) organisasi dari
komunitas secara hirarkis. Ontologi yang jelas/eksplisit mengkontribusikan sistem
informasi yang lebih baik karena setiap sistem informasi berdasarkan pada ontologi
implisit. Aksi dari pembuatan ontologi secara jelas menghindari konflik diantara
konsep dan inplementasi ontologikal. Selanjutnya, top-level ontology dapat
digunakan sebagai dasar bagi pengintegrasian sistem, karena hal itu
merepresentasikan satu kosakata umum yang dibagi oleh beberapa komunitas.
Kadang-kadang terdapat salah isu dari term ontologi dan skema database. Di
sini yang didiskusikan adalah ontologi. Ontologi adalah lebih kaya secara semantik
daripada skema database dan lebih dekat dengan model kognitif pengguna.
Pendekatan penulis adalah berdasarkan pada sekumpulan orang yang mencapai
kesepakatan mengenai entitas kenakeragaman hayati (tumbuhan). Tidak masalah
apakah entitas tersebut disimpan dalam suatu database. Suatu skema database
merepresentasikan apa yang disimpan dalam database. Suatu ontologi
merepresentasikan konsep dalam dunia. Walaupun ontologi dan skema database
dapat saja berhubungan, ontologi adalah lebih kaya dibandingkan dengan skema
database dalam semantiknya. Ontologi yang dibicarakan di sini adalah dibuat dari
dunia keanekaragaman hayati (tumbuhan). Informasi yang ada dalam database harus
diadaptasi untuk mengisi kelas dari ontologi. Sebagai contoh, konsep tumbuhan
pakis dapat direpresentasikan secara berbeda dalam database yang berbeda, tetapi
konsep adalah hanya satu, paling tidak dari pandangan satu komunitas. Pandangan ini
diekspresikan dalam ontologi yang mana komunitas ini telah menspesifikasikannya.
Dalam arsitektur sistem informasi keanekaragaman hayati (tumbuhan) yang
memanfaatkan ontologi, mediator yang berbeda harus beraksi untuk mendapatkan
aspek utama dari tumbuhan pakis dari sumber-sumber informasi yang berbeda dan
mengumpulkan instance dari tumbuhan pakis sehubungan dengan ontologi.
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 38
Dunia dibagi menjadi kelompok-kelompok orang yang berbeda yang mana
mempunyai pandangan yang berbeda tentang dunia. Pada usulan ini digunakan term
komunitas informasi keanekaragaman hayati (tumbuhan) (KIT) untuk menamai
kelompok ini. Tiap KIT adalah kelompok pengguna (users) yang membagi satu
ontologi dari fenomena dunia nyata. Asumsi dasar dari usulan penelitian ini bahwa
ontologi dari komunitas pengguna yang beragam dapat dispesifikasikan secara
eksplisit. Kelompok ini menghasilkan ontologi dari level detil yang berbeda, makin
luas kelompoknya maka makin umum ontologinya. Kita menganggap ontologi yang
berbagi sebagai bahasa tingkat tinggi yang menyatukan komunitas tersebut.
Knowledge Use; Hasil kerja dari KIT dengan ontology editor adalah satu
himpunan ontologi. Setelah ontologi dispesifikasikan, maka hal itu dapat
ditranslasikan menjadi kelas (classes). Translasi tersedia sebagai fungsi dari ontologi
editor. Ontologi dapat di-browse oleh end-user, dan hal itu menyediakan metadata
mengenai ketersediaan informasi. Himpunan kelas berisi data dan operasi yang
membentuk fungsionalitas sistem. Kelas-kelas ini berisi pengetahuan yang tersedia
untuk dimasukan ke dalam sistem informasi berbasis ontologi yang baru.
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 39
IV. Referensi :
Benjamin, C.P., IDEF5 Method Report, Armstrong Laboratory, AL/HRGA,Wright-
Patterson Air Force Base, Ohio and Knowledge Based Systems, Inc., University
Drive East, Texas, 1994
Bernaras A.; I. Laresgoiti; J. Corera. Building and reusing ontologies for electrical
network applications ECAI96. 12th European Conference on Artificial Intelligence.
1996. 298-302
Blazquez, M., Fernandez, M., Garcia-Pinar, J.M., Gomez-Perez, A., Building
Ontologies at Knowledge Level using the Ontology Design Environment, Universidad
Politecnica de Madreid, Spain, 1999.
Calvanese D, De Giacomo G, Lenzerini M.: A Framework for Ontology Integration.
Proceedings of 2001 Int. Semantic Web Working Symposium (SWWS 2001).
Clayton PD, Hripcsak G. Decision support in healthcare. Int. J. of Bio-Medical
Computing,; 39: 59-66, 1995.
Colomb, Robert M., Formal versus Material Ontologies for Information Systems
Interoperation in the Semantic Web, School of Information Technology and
Electrical Engineering The University of Queensland, 2003
Corcho, O; Gómez-Pérez, A.; A RoadMap on Ontology Specification Languages
Lectures Notes in Artificial Intelligence Nº 1937. October 2000
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 40
Fernández-López, M.; Gómez-Pérez, A.; Rojas M.D.Ontology’s Crossed Life Cycle.
Lectures Notes in Artificial Intelligence Nº 1937. October 2000
Fonseca, Frederico Torres, Ontology-Driven Geographic Information Systems,
Theses Degree of Doctoral of Philosophy, Graduate School The University of Maine,
Orono, Maine, 2001.
Fox J, Johns N, Rahmanzadeh A., Disseminating Medical Knowledge: The
PROforma Approach, Artificial Intelligence in Medicine,Vol.14, 1998
Gangemi A., Development of an Integrated Formal Ontology and an Ontology
Service for Semantic Interoperability in the Fishery Domain, CNR-Institute of
Cognitive Sciences and Technologies, Italy, 2002
Gangemi A, Development of an Integrated Formal Ontology and an Ontology
Service for Semantic Interoperability in Fishery Domain, CNR-ISTC Institute of
Cognitive Sciences and Technologies, Italy, 2002
Gangemi A, Pisanelli DM, Steve G.: An Overview of the ONIONS Project: Applying
Ontologies to the Integration of Medical Terminologies. Data and Knowledge
Engineering, 1999, vol.31, pp.183-220, 1999
Gangemi A, Pisanelli DM, Steve G.: The OnTopic Methodology for Supporting
Active Catalogues with Formal Ontologies. ISTC-CNR-OCMG Internal Report iii-
01, 2001
Gómez-Pérez A., Fernández-López M., Corcho O., Methodologies, Tools and
Languages. Where is the Meeting Point?, Artificial Intelligence Laboratory
Technical University of Madrid (UPM), Spain, 2001
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 41
Gómez-Pérez, A. Knowledge Sharing and Reuse. In the Handbook of Applied Expert
Systems. CRC Press. 1998.
Grimshaw JM, Russell IT. Effect of Clinical Guidelines on Medical Practice: a
Systematic Review of Rigorous Evaluations. Lancet; 342: 1317-1322, 1993.
Gruber T, A Translation Approach to Portable Ontologies, Knowledge Acquisition,
5(2), 199-220, 1993.
Gruber T, Towards Principles for the Design of Ontologies used for Knowledge
Sharing, International Journal of Human-Computer Studies, 43(5/6):907-928, 1995.
Guarino N, Welty Ch. Evaluating Ontological Decisions with Ontoclean.
communications of the ACM, vol.45 (2): 61-65, 2002
Guarino, Nicola, Formal Ontology and Information Systems, IOS Press, Amsterdam,
pp.3-15, 1998
I Made Wiryana dan Ernianti Hasibuan, Menuju Ontologi Pendukung Pengembangan
Kelautan Indonesia, Workshop Kelautan, Hamburg, 2002
Jones DM, Visser PRS, Paton RC, Addressing Biological Complexity to Enable
Knowledge Sharing, CORAL – Conceptualisation and Ontology Research in
Liverpool, 1998.
MacLean R., Stepney S., Smith S.,Tordoff S., Gradwell D., Hoverd T., Katz S.,
Analysing Systems: determining requirements for object oriented development,
Prentice Hall International, Maylands Avenue, 1998
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 42
Musen MA, Tu SW, Das AK, Shahar Y., EON: A component-based approach to
automation of protocol-directed therapy. JAMIA, Vol.3, 1996
Nilas I., Pease A., Towards a Standard Upper Ontology, Proceedings of the
International conference on Formal Ontology in Information System Volume 2001,
pp 2-9, ACM Press, Maine, USA, 2001
Noy NF., Musen MA., An Algorithm and Aligning Ontologies: Automation and Tool
Support, Proceedings of the International conference on Formal Ontology in
Information System Volume 2001, ACM Press, Maine, USA, 2001
Ohno-Machado L, The Guideline Interchange Format, Journal of American Medical
Informatics Association, 1998; 6.
Pisanelli DM, Gangemi A, Steve G, "An Ontological Analysis of the UMLS
Metathesaurus", JAMIA, vol. 5 S4, pp. 810-814, 1998.
Pisanelli D.M., Gangemi A, Steve G., An Ontological Analysis of the UMLS
Metathesaurus, Istuto Tecnologie Biomediche, CNR, Roma, 1999.
Pisanelli, Domenico M., Aldo GANGEMI, Geri STEVE, Ontologies and Information
Systems: the Marriage of the Century? CNR – ISTC, Viale Marx 15, 00137, Rome,
Italy, 2003
Poli R., Ontological Methodology, University of Trento and Mitteleropa Foundation,
Italy, 2002
Shahar Y, Miksch S, Johnson P. The Asgaard project, Artificial Intelligence in
Medicine;14, 1998.
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 43
Steve G., Gangemi A., Pisanelli D M., Integrating Medical Terminologies with
ONIONS Methodology, Istuto Tecnologie Biomediche, CNR, Roma, 1998
Smith, Barry, Ontology and Information Systems, National Science Foundation under
Grant No. BCS-9975557 (“Ontology and Geographic Categories”) and by the
Alexander von Humboldt Foundation under the auspices of its Wolfgang Paul
Program, 2002
Swartout B.; Patil R.; Knight K.; Russ T. Toward Distributed Use of Large-Scale
Ontologies Ontological Engineering. AAAI-97 Spring Symposium Series. 1997. 138-
148.
Uschold Mike, King Martin, Towards a Methodology for Building Ontologies, AIAI-
TR, Edinburg, Vol.183, July, 1995
Uschold, M.; Grüninger, M. ONTOLOGIES: Principles, Methods and Applications.
Knowledge Engineering Review. Vol. 11; N. 2; June 1996.
Uschold, M.; Grüninger, M., ONTOLOGIES: Principles, Methods and Applications.
Knowledge Engineering Review. Vol. 11; N. 2, 1996.
Woolf SH. Practice Guidelines, a New Reality in Medicine: Impact on Patient Care.
Arch Intern Med; 153: 2646-2655, 1993.
Weber, Ron, Conceptual Modelling and Ontology : Possibilities and Pitfalls, Journal
of Database Management, Hershey : Jul-Sep 2003, Vol.14, p.g 1
http://www.swi.psy.uva.nl/projects/commonKADS/home.html
www.biologi.lipi.go.id/nbin
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 44
http://www.fao.org/fi
http://www4.fao.org/asfa
http://www.fao.org/agrovoc
http://www.onefish.org
Proposal Perbaikan_Desember-2004-Lintang Yuniar Banowosari 45