model ontologi pada...

13
MODEL ONTOLOGI PADA BIODIVERSITY 1 Amelia Afrianti (50407085) 2 Prof. Dr. I Wayan Simri Wicaksana, SSi., MEng 1 Mahasiswa Teknik Informatika, Fakultas Teknologi Industri, Universitas Gunadarma, [email protected] 2 Dosen Tetap Universitas Gunadarma, [email protected] ABSTRAKSI Semakin berkembangnya dunia internet dan teknologi informasi membuat setiap kegiatan di dunia ini membutuhkan informasi sebagai referensi. Informasi yang didapatkan bisa berupa tingkat biodiversitas atau keanekaragaman hayati yang tinggi di kepulauan Indonesia. Keanekaragaman ini dapat menyebabkan jenis spesies dengan karakteristik yang beraneka ragam. Melalui penulisan ini akan dibuat sebuah model ontology sebagai salah satu cara untuk menyelesaikan masalah keanekaragaman informasi mengenai perubahan taksonomi. Model ontology ini dapat menyajikan data sebagai informasi mengenai deskripsi data dan relasi antar takson sesuai dengan tingkatan taksonomi berdasarkan data yang didapatkan dari LIPI. Selain itu, untuk mengetahui tingkat kesamaan antara data taksonomi sebelum berubah dengan data taksonomi sesudah berubah dengan menggunakan algoritma similarity. Kata Kunci : Ontology, Biodiversity, Taksonomi, Algoritma Similarity ABSTRACT The growing world of internet and information technology makes every activity in the world requires information as a reference. The information obtained can be a level of biodiversity or high biodiversity in the Indonesian archipelago. This diversity can lead to species with diverse characteristics. Through this thesis will be made an ontology model as one way to solve the problem of information regarding changes in taxonomic diversity. This ontology model can present data as information concerning the description of the data and the relation between taxon according to the taxonomic level based on data obtained from LIPI. In addition, to determine the degree of similarity between taxonomic data before changing with taxonomic data after changing using similarity algorithms. Keywords : Ontology, Biodiversity, taxonomy, Similarity Algorithm 1. PENDAHULUAN Semakin berkembangnya dunia Internet dan teknologi informasi membuat setiap kegiatan di dunia ini membutuhkan informasi sebagai referensi. Hal ini menyebabkan sumber informasi dapat diakses tanpa ada batasan waktu dan geografi. Informasi yang dicari bukan hanya sebatas

Upload: nguyenhuong

Post on 11-Mar-2019

224 views

Category:

Documents


0 download

TRANSCRIPT

Page 1: MODEL ONTOLOGI PADA BIODIVERSITYpublication.gunadarma.ac.id/bitstream/123456789/1113/1/50407085.pdf · Lahirlah istilah taksonomi (takson = kelompok, nomos = hukum), atau juga disebut

MODEL ONTOLOGI PADA BIODIVERSITY

1Amelia Afrianti (50407085)

2Prof. Dr. I Wayan Simri Wicaksana, SSi., MEng

1Mahasiswa Teknik Informatika, Fakultas Teknologi Industri, Universitas Gunadarma,

[email protected] 2Dosen Tetap Universitas Gunadarma, [email protected]

ABSTRAKSI

Semakin berkembangnya dunia internet dan teknologi informasi membuat setiap kegiatan

di dunia ini membutuhkan informasi sebagai referensi. Informasi yang didapatkan bisa berupa

tingkat biodiversitas atau keanekaragaman hayati yang tinggi di kepulauan Indonesia.

Keanekaragaman ini dapat menyebabkan jenis spesies dengan karakteristik yang beraneka

ragam.

Melalui penulisan ini akan dibuat sebuah model ontology sebagai salah satu cara untuk

menyelesaikan masalah keanekaragaman informasi mengenai perubahan taksonomi. Model

ontology ini dapat menyajikan data sebagai informasi mengenai deskripsi data dan relasi antar

takson sesuai dengan tingkatan taksonomi berdasarkan data yang didapatkan dari LIPI. Selain

itu, untuk mengetahui tingkat kesamaan antara data taksonomi sebelum berubah dengan data

taksonomi sesudah berubah dengan menggunakan algoritma similarity.

Kata Kunci : Ontology, Biodiversity, Taksonomi, Algoritma Similarity

ABSTRACT

The growing world of internet and information technology makes every activity in the

world requires information as a reference. The information obtained can be a level of

biodiversity or high biodiversity in the Indonesian archipelago. This diversity can lead to species

with diverse characteristics.

Through this thesis will be made an ontology model as one way to solve the problem of

information regarding changes in taxonomic diversity. This ontology model can present data as

information concerning the description of the data and the relation between taxon according to

the taxonomic level based on data obtained from LIPI. In addition, to determine the degree of

similarity between taxonomic data before changing with taxonomic data after changing using

similarity algorithms.

Keywords : Ontology, Biodiversity, taxonomy, Similarity Algorithm

1. PENDAHULUAN

Semakin berkembangnya dunia Internet dan teknologi informasi membuat setiap kegiatan

di dunia ini membutuhkan informasi sebagai referensi. Hal ini menyebabkan sumber informasi

dapat diakses tanpa ada batasan waktu dan geografi. Informasi yang dicari bukan hanya sebatas

Page 2: MODEL ONTOLOGI PADA BIODIVERSITYpublication.gunadarma.ac.id/bitstream/123456789/1113/1/50407085.pdf · Lahirlah istilah taksonomi (takson = kelompok, nomos = hukum), atau juga disebut

teknologi yang sedang berkembang saat ini tapi juga dapat berupa informasi mengenai

keanekaragaman makhluk hidup.

Kepulauan Indonesia memiliki tingkat biodiversitas atau kenakeragaman hayati yang

tinggi. Oleh karena itu memiliki jenis spesies dengan karakteristik yang beraneka ragam. Jika

suatu spesies dengan ciri-ciri yang sama terdapat di daerah lain dan ternyata kedua spesies

tersebut memiliki keterkaitan maka informasi tersebut akan dilihat melalui pemetaan apakah

spesies tersebut berada dalam hirarki yang sama.

Dalam hal informasi, tidak menjamin bahwa informasi dari sumber yang satu dengan

sumber yang lain sama. Khususnya dalam hal taksonomi yang mengalami perubahan pada salah

satu atau beberapa tingkatan. Hal-hal yang menyebabkan perubahan dalam taksonomi adalah

penggabungan antara dua grup dalam satu takson yang sama. Selain itu, dengan ditemukannya

spesies baru dan dengan adanya perubahan dalam salah satu tingkatan takson juga dapat

menyebabkan perubahan dalam taksonomi. Sehingga informasi yang didapatkan sehubungan

dengan perubahan taksonomi dapat beraneka ragam.

Tujuan penulisan skripsi ini adalah membentuk model ontology yang dapat menyajikan

data sebagai informasi mengenai deskripsi data dan relasi antar takson sesuai dengan tingkatan

taksonomi berdasarkan data yang didapatkan dari LIPI. Selain itu, untuk mengetahui tingkat

kesamaan antara data taksonomi sebelum berubah dengan data taksonmomi sesudah berubah

dengan menggunakan algoritma similarity.

2. LANDASAN TEORI

Pengertian Ontology Secara Umum

Pengertian ontology sangat beragam dan berubah sesuai dengan berjalannya waktu, ada

beberapa definisi ontology. Neches dan rekannya memberikan definisi awal tentang ontology

yaitu: "Sebuah ontology merupakan definisi dari pengertian dasar dan relasi vokabulari dari

sebuah area sebagaimana aturan dari kombinasi istilah dan relasi untuk mendefinisikan

vokabulari".

Secara umum, ontology digunakan pada Artificial Intelligence (AI) dan persentasi

pengetahuan. Segala bidang ilmu yang ada di dunia, dapat menggunakan metode ontology untuk

dapat berhubungan dan saling berkomunikasi dalam hal pertukaran informasi antara sistem-

sistem yang berbeda.

Pengertian Ontology Mapping

Mapping atau matching adalah operasi penting dalam domain aplikasi, seperti semantik

web, skema/ontologi terintegrasi, data warehouses, e-commerce, query mediation, dan lain-lain.

Ontology mapping atau pemetaan ontologi merupakan salah satu dari ontologi penelitian.

Ontology mapping juga merupakan upaya untuk meningkatkan pemetaan semantik yaitu

digunakan untuk menemukan korespondensi semantik antara elemen yang sama dari ontologi

yang berbeda.

Metode pada Ontology Mapping

Ontology mapping atau pemetaan ontologi merupakan sebuah metode untuk memetakan

komponen (kelas atau atribut) dari ontologi untuk komponen ontology lainnya. Kalfoglou dan

Page 3: MODEL ONTOLOGI PADA BIODIVERSITYpublication.gunadarma.ac.id/bitstream/123456789/1113/1/50407085.pdf · Lahirlah istilah taksonomi (takson = kelompok, nomos = hukum), atau juga disebut

Schorlemme mengembangkan metode otomatis untuk pemetaan ontologi, yaitu IF-Map,

berdasarkan teori information flow Barwise- Seligman. Metode mereka mengacu pada dasar

pembuktian teoritis dari teori channel Barwise dan Seligman dan menyediakan cara sistematis

dan mekanis untuk menyebarkan pada sebuah lingkungan terdistribusi untuk melakukan

pemetaan ontologi antara berbagai ontologi yang berbeda.

Tools berdasarkan ontology mapping adalah MAFRA - MApping FRAmework

mendefinisikan struktur pemetaan spesifik dan fungsi transformasi untuk mentransfer dari satu

ontologi ke ontologi yang lain. Arsitektur MAFRA didasarkan pada infrastruktur KAON.

OntoMapper adalah pemetaan antara dua ontology berdasarkan kombinasi dari IR (information

retrieval) berdasarkan klasifikasi teks dan inferensi Bayesian. Pendekatan SKAT - A Semantic

Knowledge Articulation Tool berfokus pada identifikasi artikulasi yang lebih dari dua ontologi,

yaitu istilah dimana hubungan terjadi di antara sumber-sumber. SKAT didasarkan pada simple

lexical dan structural matching untuk interaksi dua sumber web.

Approach pada Skema Mapping

Skema mapping merupakan metode untuk mengembangkan relasi atau pemetaan dari

skema sumber ke skema target. Contoh tools atau approach dari skema mapping adalah sebagai

berikut: COMA (COmbining MAtch algorithm) didasarkan pada penggabungan algoritma

dengan cara yang fleksibel. CUPID merupakan algoritma yang mengacu hanya berdasarkan

skema. S-Match mengusulkan metode SAT sebagai approach untuk semantik level. Berikut ini

tabel approach pada skema mapping.

Tabel 1. Approach pada Skema Mapping

Approach Element

Syntatic

Element-

External

Structure-

Syntactic

Structure-

Semantic

Lainnya

CUPID string based,

language

based,

data types,

key

properties

auxiliary

thesauri,

synonyms,

hypernyms,

abbreviations

tree

matching

weighted by

leaves

hybrid,

heuristic

COMA string based,

language

based,

data type

auxiliary

thesauri,

synonyms,

hypernyms,

abbreviations,

alignment

reuse

DAG

matching

with a bias

towards of

leaf or

children

structures,

paths

hybrid,

heuristic

S-Match string based,

language

based

WordNet:

sense based,

gloss based

propositional

SAT

hybrid,

heuristic

and

formal

Page 4: MODEL ONTOLOGI PADA BIODIVERSITYpublication.gunadarma.ac.id/bitstream/123456789/1113/1/50407085.pdf · Lahirlah istilah taksonomi (takson = kelompok, nomos = hukum), atau juga disebut

3. PEMBAHASAN

Pengertian dan Manfaat Biodiversity

Keanekaragaman hayati (biodiversitas) adalah keanekaragaman organisme yang

menunjukkan keseluruhan atau totalitas variasi gen, jenis, dan ekosistem pada suatu daerah.

Keseluruhan gen, jenis dan ekosistem merupakan dasar kehidupan di bumi. Mengingat

pentingnya keanekaragaman hayati bagi kehidupan maka keanekaragaman hayati perlu

dipelajari dan dilestarikan. Tingginya tingkat keanekaragaman hayati di permukaan bumi

mendorong ilmuwan mencari cara terbaik untuk mempelajarinya, yaitu dengan klasfikasi.

Orang semakin menyadari bahwa manfaat keanekaragaman hayati bagi peningkatan

kesejahteraan manusia sangat besar. Biodiversity atau keanekaragaman hayati ini memiliki

beberapa manfaat bagi manusia, diantaranya adalah nilai biologi, nilai pendidikan, nilai

estetika dan budaya, nilai ekologi, serta nilai religius.

Pengertian dan Manfaat Taksonomi

Kegiatan klasifikasi tidak lain adalah pembentukan kelompok-kelompok makhluk

hidup dengan cara mencari keseragaman ciri atau sifat di dalam keanekaragaman ciri yang

ada pada makhluk hidup tersebut. Makhluk hidup sangat banyak jumlahnya dan sangat

beranekaragam ciri dan sifatnya. Untuk mempelajarinya perlu dicari cara yang paling baik,

yaitu dengan melakukan pengelompokan atau klasifikasi makhluk hidup. Jadi tujuan

klasifikasi makhluk hidup adalah menyederhanakan obyek kajian, sekaligus mempermudah

dalam mengenali keanekaragaman makhluk hidup.

Setiap kelompok yang terbentuk dari hasil klasifikasi makhluk hidup, disebut

Takson. Lahirlah istilah taksonomi (takson = kelompok, nomos = hukum), atau juga disebut

sistematika (susunan dalam suatu sistem). Taksonomi yaitu ilmu tentang kelompok

organisme berdasarkan perbedaan kategori menurut karakter �fisiknya. Pengelompokan

atau karakterisasi akan dikelompokan didasarkan kesamaannya yang biasanya diwariskan

kepada keturunannya dari nenek moyangnya. Dalam biologi, taksonomi merupakan cabang

ilmu tersendiri yang mempelajari penggolongan atau sistematika makhluk hidup. Berikut

adalah tingkatan dalam taksonomi :

Kerajaan (Kingdom)

Tumbuhan/Hewan (Divisio/Phyllum)

Kelas (Classis)

Bangsa (Ordo)

Suku (Familia)

Marga (Genus)

Jenis (Spesies)

Langkah Pembuatan Ontology

Dalam pembuatan ontology secara teori memiliki beberapa langkah, yaitu

menentukan domain, membuat klasi�kasi, membuat taksonomi, mengisi property, melihat

glossary, dan melihat semantik.

Page 5: MODEL ONTOLOGI PADA BIODIVERSITYpublication.gunadarma.ac.id/bitstream/123456789/1113/1/50407085.pdf · Lahirlah istilah taksonomi (takson = kelompok, nomos = hukum), atau juga disebut

Menentukan domain

Membuat klasifikasi

Membuat taksonomi

Mengisi property

Melihat glossary

Melihat Semantik

Algoritma Similarity

Algoritma similarity digunakan untuk mencari kesamaan antara data saat taksonominya

belum berubah dengan data yang taksonominya telah berubah. Dalam hal ini algoritma yang

digunakan memiliki cara kerja dengan mencocokan antara satu kelas dengan kelas yang lainnya

atau yang disebut juga dengan text similarity. Jika hasilnya menujukkan kesamaan maka diberi

nilai 1 dan jika hasilnya berbeda maka diberi nilai 0. Dengan menghitung total dari nilai

kesamaan yang dibagi dengan jumlah data yang ada maka didapatkan nilai similarity-nya. Input

yang diberikan untuk algoritma ini adalah set of superclass yang merupakan hasil dari eksekusi

perintah Sparql.

Input

1: Sparql ! Set of superclass

2: Text Similarity

3: Treshold/Limit Value

Steps

1: for i = 1 to 10 do

2: for j = 1 to 10 do

3: if sup 1 [i] = sup 2 [j]

4: m = m+1

5: if sup 1 [i] ! = sup 2 [i]

6: k [i] = get table name

7: end if

8: end if

9: end for

10: end for

11: calculate : set sim = m/10

Output :

1: Sim = m/10

2: k [i] = table name

Penjelasan dari algoritma similarity di atas adalah diberikan tiga input yang terdiri dari

set of superclass yang didapatkan dari hasil eksekusi Sparql, kemudian input yang kedua adalah

Text Similarity. Selanjutnya, untuk input yang ketiga adalah Treshold atau Limit Value yang

Page 6: MODEL ONTOLOGI PADA BIODIVERSITYpublication.gunadarma.ac.id/bitstream/123456789/1113/1/50407085.pdf · Lahirlah istilah taksonomi (takson = kelompok, nomos = hukum), atau juga disebut

merupakan batasan untuk similarity yang didapatkan. Kemudian untuk langkah-langkahnya yang

pertama adalah digunakan dua perulangan menggunakan variabel i dan j. for i = 1 to 10 do

digunakan untuk mengambil data sebelum perubahan taksonomi dari data pertama sampai data

kesepuluh. Pada setiap pengambilan data dilanjutkan dengan perulangan kedua, yaitu for j = 1 to

10 do untuk mengambil data setelah perubahan taksonomi dari data pertama sampai data

kesepuluh. Kemudian terdapat kondisi if sup 1 [i] = sup 2 [j] yang digunakan untuk menentukan

kesamaan antara data pada perulangan satu yang dimasukkan pada variabel sup 1 ke i dengan

data pada perulangan kedua pada variabel sup 2 ke j. Variabel sup 1 menjelaskan set of

superclass dari data saat taksonomi sebelum berubah dan variabel sup 2 menjelaskan set of

superclass dari data taksonomi setelah berubah.

Selanjutnya untuk m = m+1 merupakan perhitungan yang digunakan untuk mencari total

nilai variabel sup 1 yang sama dengan variabel sup 2. Nilai dari variabel m dapat digunakan

sebagai nilai untuk mencari teks similarity antara data taksonomi sebelum berubah dengan data

taksonomi setelah berubah. Kemudian if sup 1 [i]!= sup 2 [i] merupakan suatu kondisi yang

digunakan untuk mencari nilai variabel sup 1 yang tidak sama dengan variabel sup 2. Jika

ditemukan nilai variabel sup 1 yang tidak sama dengan variabel sup 2 maka diambil tabel name

yang dimasukkan pada variabel k. Hal ini ditunjukkan pada sintaks berikut k [i] = get table name.

Kemudian setelah seluruh proses perulangan selesai, dilakukan penghitungan untuk mencari

similarity antara data taksonomi sebelum berubah dengan data taksonomi setelah berubah

dengan sintaks sebagai berikut calculate : set sim= m/10. Calculate digunakan untuk

menunjukkan proses penghitungan pada variabel sim. Variabel ini digunakan untuk menyimpan

hasil pembagian antara total teks similarity dibagi dengan banyaknya data yaitu sepuluh level

class. Hasil dari algoritma similarity ini terdapat output, yaitu nilai similarity pada variabel sim

dan table name pada variabel k. Nilai variabel sim harus sesuai dengan batasan nilai atau

treshold yang diberikan yaitu antara 0 sampai 1. Semakin besar nilai similarity pada variabel sim

maka semakin besar kesamaan data antara taksonomi sebelum berubah dengan taksonomi

sesudah berubah. Sedangkan nilai dari variabel k merupakan kumpulan dari data taksonomi yang

berbeda, untuk melihat letak perbedaan data pada tingkatan taksonominya.

4. HASIL DAN ANALISIS

Data Taksonomi

Data taksonomi yang dipergunakan meliputi sepuluh level class yang terdiri dari

kingdom, divisio, superclass, class, subclass, order, superfamily, family, genus, dan species. Data

ini diambil dari Lembaga Ilmu Pengetahuan Indonesia (LIPI) dan merupakan taksonomi dalam

dunia tumbuhan atau disebut dengan plantae. Kesepeluh level class ini terbagi menjadi empat

instances, dimana berdasarkan hasil penelusuran terhadap individual pada data ditemukan 4

instances yang mengalami perubahan pada salah satu atau lebih pada level class-nya yang dapat

dilihat pada tabel 4.1 - 4.4. Empat instances tersebut adalah empat jenis data yang

dikelompokkan berdasarkan spesies yang memiliki tingkat taksonomi yang berbeda-beda.

Page 7: MODEL ONTOLOGI PADA BIODIVERSITYpublication.gunadarma.ac.id/bitstream/123456789/1113/1/50407085.pdf · Lahirlah istilah taksonomi (takson = kelompok, nomos = hukum), atau juga disebut

Tabel 2. Data 1

Tingkatan Sebelum Perubahan

Taksonomi

Sesudah Perubahan

Taksonomi

Kingdom Plantae Plantae

Divisio Magnoliophyta Magnoliophyta

Superclass Dicotyledons Dicotyledons

Class Magnoliopsida Magnoliopsida

Subclass Asteridae Asteridae

Order Scrophulariales Lamiales

Super family Acanthus Borage

family ACANTHACEAE BORAGINACEAE

Genus Acantea Trigonotis

Species fruticosa papuana

Tabel 3. Data 2

Tingkatan Sebelum Perubahan

Taksonomi

Sesudah Perubahan

Taksonomi

Kingdom Plantae Plantae

Divisio Magnoliophyta Magnoliophyta

Superclass Dicotyledons Dicotyledons

Class Magnoliopsida Magnoliopsida

Subclass Asteridae Asteridae

Order Lamiales Lamiales

Super family Borage Borage

family BORAGINACEAE BORAGINACEAE

Genus Trigonotis Trigonotis

Species - inobilita

Tabel 4. Data 3

Tingkatan Sebelum Perubahan

Taksonomi

Sesudah Perubahan

Taksonomi

Kingdom Plantae Plantae

Divisio Magnoliophyta Magnoliophyta

Superclass Dicotyledons Dicotyledons

Class Magnoliopsida Magnoliopsida

Subclass Asteridae Asteridae

Order Lamiales Lamiales

Super family Borage Borage

family BORAGINACEAE BORAGINACEAE

Genus Havilandia Trigonotis

Species papuana papuana

Page 8: MODEL ONTOLOGI PADA BIODIVERSITYpublication.gunadarma.ac.id/bitstream/123456789/1113/1/50407085.pdf · Lahirlah istilah taksonomi (takson = kelompok, nomos = hukum), atau juga disebut

Tabel 5. Data 4

Tingkatan Sebelum Perubahan

Taksonomi

Sesudah Perubahan

Taksonomi

Kingdom Plantae Plantae

Divisio Magnoliophyta Magnoliophyta

Superclass Dicotyledons Dicotyledons

Class Magnoliopsida Magnoliopsida

Subclass Asteridae Asteridae

Order Lamiales Lamiales

Super family Borage Borage

family BORAGINACEAE BORAGINACEAE

Genus Cynoglossum Trigonotis

Species sp. inoblita

Perhitungan Similarity

Similarity adalah kesamaan dari dua data yang ada. Dalam hal ini adalah kesamaan antara

data saat taksonomi belum berubah dengan data saat taksonomi telah berubah. Untuk

menghitung similarity diperlukan sebuah algoritma tertentu yang membutuhkan inputan berupa

set of superclass dari data saat taksonomi belum berubah dengan yang sudah berubah.

Sparql

Untuk mencari set of superclass dan set of subclass pada Protégé khususnya digunakan

versi 3.2.1. Protégé versi ini memiliki plug-in yang dapat mencari set of superclass dan set of

subclass dengan menggunakan bahasa query yaitu Sparql. Sparql memiliki sintaks yang

menyerupai bahasa query lainnya. Bentuk umum dari sintaks Sparql adalah sebagai berikut.

SELECT ?subject ?object

WHERE { ?subject rdfs:subClassOf ?object }

Seperti pada sintaks query lainnya, perintah Select akan menampilkan data yang

diinginkan berdasarkan kondisi yang ditentukan. Pada Sparql kondisi yang ditentukan berbentuk

subjek-predikat-objek. Subjek dan objek merupakan variabel yang akan diberikan nilai dari data

yang dicari sedangkan predikat merupakan perintah spesifik yang dimiliki Sparql untuk mencari

data yang diinginkan. Untuk mencari nilai set of superclass dari ontology yang telah dibuat

dipergunakan perintah berikut.

SELECT *

WHERE {

?species rdfs:subClassOf (:nama_class_genus) .

?species rdfs:subClassOf ?genus .

?genus rdfs:subClassOf ?family .

?family rdfs:subClassOf ?superfamily.

?superfamily rdfs:subClassOf ?ordo .

Page 9: MODEL ONTOLOGI PADA BIODIVERSITYpublication.gunadarma.ac.id/bitstream/123456789/1113/1/50407085.pdf · Lahirlah istilah taksonomi (takson = kelompok, nomos = hukum), atau juga disebut

?ordo rdfs:subClassOf ?subclass .

?subclass rdfs:subClassOf ?class .

?class rdfs:subClassOf ?superclass .

?superclass rdfs:subClassOf ?divisio .

?filum rdfs:subClassOf ?kingdom

}

Pada sintaks di atas terdapat tiga jenis variabel, yaitu tabel Name, predikat dan variable

class. Tabel name ditandai dengan lambang tanda tanya (?) di depan nama variabel. Predikat

yang dipergunakan adalah rdfs:subClassOf, yang digunakan untuk mencari nilai subclass dari

sebuah class sedangkan variabel class yang digunakan sebagai acuan dalam pencarian data

diawali dengan lambang titik dua (:) di depan nama variabel nya. Jika variabel pada kondisi

pertama diganti dengan nama class :Acanthea maka akan didapatkan set of superclass seperti

gambar berikut.

Gambar 1. Hasil Eksekusi Sparql

Hasil Perhitungan Tabel

Dalam melakukan perhitungan kesamaan data yang ada pada tabel, setiap data takson

yang sama sebelum perubahan taksonomi dengan sesudah perubahan taksonomi diberi nilai 1.

Sedangkan untuk data takson yang tidak sama sebelum perubahan taksonomi dengan sesudah

perubahan taksonomi diberi nilai 0. Data takson yang sama akan dimasukkan ke dalam variabel

S dan untuk data takson yang berbeda dimasukkan ke dalam variabel B. Perhitungan dilakukan

dengan menggunakan total nilai dari setiap data takson yang sama sebelum dan sesudah

perubahan taksonomi. Dengan total nilai tersebut dibagi dengan banyaknya data maka

didapatkan nilai similarity antara kedua data yang dimasukkan ke dalam variabel Sim.

Data tabel 1

S={(Plantae,Plantae), (Magnoliophyta, Magnoliophyta), (Dicotyledons, Dicotyledons),

(Magnoliopsida, Magnoliopsida), (Asteridae, Asteridae)}

B = {(Scrophulariales, Lamiales), (Achantus, Borage), (Acanthaceae, Boraginaceae),

(Acantea, Trigonotis), (Fruticosa, Papuana)}

Page 10: MODEL ONTOLOGI PADA BIODIVERSITYpublication.gunadarma.ac.id/bitstream/123456789/1113/1/50407085.pdf · Lahirlah istilah taksonomi (takson = kelompok, nomos = hukum), atau juga disebut

Sim = Total Anggota Himpunan S

Banyaknya Data

Sim = 5/10

Sim = 0.5

Data tabel 2

S={(Plantae,Plantae), (Magnoliophyta, Magnoliophyta), (Dicotyledons, Dicotyledons),

(Magnoliopsida, Magnoliopsida), (Asteridae, Asteridae), (Lamiales, Lamiales), (Borage,

Borage), (Boraginaceae, Boraginaceae), (Trigonotis, trigonotis)}

B = {(-, Inobilita)}

Sim = Total Anggota Himpunan S

Banyaknya Data

Sim = 9/10

Sim = 0.9

Data tabel 3

S={(Plantae,Plantae), (Magnoliophyta, Magnoliophyta), (Dicotyledons, Dicotyledons),

(Magnoliopsida, Magnoliopsida), (Asteridae, Asteridae), (Lamiales, Lamiales), (Borage,

Borage), (Boraginaceae, Boraginaceae), (Papuana, Papuana)}

B = {(Havilandia, Trigonotis)}

Sim = Total Anggota Himpunan S

Banyaknya Data

Sim = 9/10

Sim = 0.9

Data tabel 4

S={(Plantae,Plantae), (Magnoliophyta, Magnoliophyta), (Dicotyledons, Dicotyledons),

(Magnoliopsida, Magnoliopsida), (Asteridae, Asteridae), (Lamiales, Lamiales), (Borage,

Borage), (Boraginaceae, Boraginaceae)}

B = {(Cynoglossum, Trigonotis), (sp., inobilita)}

Sim = Total Anggota Himpunan S

Banyaknya Data

Page 11: MODEL ONTOLOGI PADA BIODIVERSITYpublication.gunadarma.ac.id/bitstream/123456789/1113/1/50407085.pdf · Lahirlah istilah taksonomi (takson = kelompok, nomos = hukum), atau juga disebut

Sim = 8/10

Sim = 0.8

5. PENUTUP

Kesimpulan

Penulisan ini berisi pembuatan model ontology pada keanekaragaman hayati atau

biodiversity yang dibuat pada Protégé versi 3 (tiga) dan 4 (empat) dengan menggunakan data

yang didapatkan dari Lembaga Ilmu Pengentahuan Indonesia (LIPI). Dari model ontology yang

dibuat, dihasilkan struktur hirarki taksonomi sesuai dengan tingkatan taksonominya. Selain itu,

dihasilkan juga property yang berupa deskripsi data dan relasi yang terjadi antar takson dalam

taksonomi. Dalam penyajian data taksonomi ini dibutuhkan atribut class, individual, object

property, dan data property yang dihubungkan dalam property assertions pada Protégé.

Kemudian terdapat suatu algoritma yang digunakan untuk mencari kesamaan antar data

sebelum perubahan taksonomi dengan data sesudah perubahan taksonomi yang disebut dengan

algoritma similarity. Algoritma similarity ini menggunakan hasil eksekusi dari Sparql yang

berupa set of superclass sebagai input-an dari tabel data. Algoritma ini akan menghasilkan nilai

kesamaan data dari data sebelum perubahan taksonomi dan sesudah perubahan taksonomi,

dimana semakin besar nilai tersebut maka semakin besar juga tingkat kesamaan antar takson dan

begitu juga sebaliknya. Selain itu, dengan algoritma ini dapat diketahui letak perbedaan takson

pada masing-masing tingkatan taksonomi yang dikumpulkan pada sebuah himpunan.

Saran

Pembuatan model ontology ini masih sangat sederhana karena adanya keterbatasan data.

Selain itu, data yang digunakan hanya berasal dari satu sumber saja yaitu didapatkan dari LIPI.

Kemudian data yang didapatkan ini pun tidak sepenuhnya lengkap, penulis hanya dapat

membaca beberapa data saja terlebih lagi hanya orang dalam bidang biologi yang dapat mengerti

cara membaca data ini. Untuk pengembangan model ontology ini, maka sebaiknya dibuat model

ontology dengan menggunakan data yang lebih lengkap dan dapat dimengerti secara umum.

Selain itu, algoritma yang dibuat masih sangat sederhana dengan menghasillkan dua output, yaitu

nilai similarity atau kesamaan data dan letak perbedaan takson pada tingkatan taksonomi. Oleh

karena itu, penulis menyarankan kepada siapa saja yang membaca penulisan ini, agar dapat

mengembangkan dan menyempurnakan model ontology dan algoritma similarity agar lebih baik

lagi.

DAFTAR PUSTAKA

[1] J. Barwise dan J. Seligman, Information Flow: The Logic of Distributed Systems, ser.

Cambridge Tracts in Theoretical Computer Science. Cambridge University Press, 1997,

vol. 44.

Page 12: MODEL ONTOLOGI PADA BIODIVERSITYpublication.gunadarma.ac.id/bitstream/123456789/1113/1/50407085.pdf · Lahirlah istilah taksonomi (takson = kelompok, nomos = hukum), atau juga disebut

[2] A. Bernaras, I. Laresgoiti, dan J. Corera, “Building and reusing ontologies for electrical

network applications,” in Proceedings of the 12th European Conference on Artificial

Intelligence, 1996, pp. 298-302.

[3] W. N. Borst, “Construction of engineering ontologies for knowledge sharing and reuse,”

PhD thesis, University of Twente, Netherland, 5 September 1997.

[4] G. D. G. D. Calvanese dan M. Lenzerini, “Ontology of integration and integration of

ontologies,” in Proceedings of the 9th International Conference on Conceptual

Structures (ICCS'01), Stanford, CA, USA, August 2001.

[5] F.-B. dan Martínes-Béjar, “A cooperative framework for integrating ontologies,” Journal,

International Journal of Human-Computer Studies, 2002.

[6] H. Enderton, A Mathematical Introduction to Logic, 2nd edisi. Academic Press, January

2001.

[7] F. Giunchiglia, P. Shvaiko, dan M. Yatskevich, “S-match: An algorithm and an

implementation of semantic matching,” Technical Report DIT-04-015, Univeristy of

Trento, Trento-Italy, February 2004, also: In Proceedings of the European Semantic Web

Symposium, LNCS 3053, pp. 61-75, 2004.

[8] T. R. Gruber, ”A translation approach to portable ontology specifications,” Knowledge

Acquisition, vol. 5, no. 2, pp. 199-220, 1993.

[9] N. Guarino, “Formal ontology and information systems,” in Proceedings of FOIS.

Amsterdam: IOS Press, 1998, pp. 3-15.

[10] H. hai Do dan E. Rahm, “Coma - a system for flexible combination of schema matching

approaches,” in VLDB, 2002.

[11] Y. Kalfoglou dan M. Schorlemmer, “Information-flow-based ontology mapping,” in On

the Move to Meaningful Internet Systems 2002: CoopIS, DOA, and ODBASE., ser.

Lecture Notes in Computer Science, vol. 2519. Springer, 2002, pp. 1132-1151.

[12] R. Kent, “The information flow foundation for conceptual knowledge organization,” in

Proceedings of the 6th International Conference of the International Society for

Knowledge Organization (ISKO), Toronto, Canada, August 2000.

[13] A. Kiryakov, K. Simov, dan M. Dimitrov, “Ontomap: Portal for upper-level ontologies,”

in Proceedings of the 2nd International Conference on Formal Onto- logy in Information

Systems (FOIS'01), Ogunquit, Maine, USA, October 2001.

[14] M. Lacher dan G. Groh, “Facilitating the exchange of explicit knowledge through

ontology mappings,” in Proceedings of the 14th International FLAIRS conference, Key

West, FL, USA, May 2001.

[15] J. Madhavan, P. Bernstein, P. Domingos, dan A. Halevy, “Representing and reasoning

about mappings between domain models,” in Proceedings of the 18th National

Conference on Artificial Intelligence (AAAI'02), Edmonton, Alberta, Canada, August

2002.

[16] J. Madhavan, P. A. Bernstein, dan E. Rahm, “Generic schema matching with cupid,” in

Proceedings of the 27th International Conference on Very Large Data Bases, 2001, pp.

49-58.

[17] A. Maedche dan S. Staab, “Semi-automatic engineering of ontologies from texts,” in

Proceedings of the 12th International Conference on Software Engineering and

Knowledge Engineering (SEKE 2000), Chicago, IL, USA, July 2000, pp. 231-239.

Page 13: MODEL ONTOLOGI PADA BIODIVERSITYpublication.gunadarma.ac.id/bitstream/123456789/1113/1/50407085.pdf · Lahirlah istilah taksonomi (takson = kelompok, nomos = hukum), atau juga disebut

[18] K. T. S. Michael C. Daconta, Leo J. Obrst, The Semantic Web: A guide to the future of

XML, Web Services and Knowledge Management. Indianapolis, Indiana: Wiley

Publishing, 2003.

[19] P. Mitra, G. Wiederhold, dan J. Jannink, “Semi-automatic integration of knowledge

sources,” in Proc. of the 2nd Int. Conf. On Information FUSION'99, 1999.

[20] R. Neches, R. Fikes, T. Finin, T. Gruber, R. Patil, T. Senator, dan W. Swartout,

“Enabling technology for knowledge sharing,” AI Magazine, 1991.

[21] N. F. Noy, “Semantic integration: a survey of ontology-based approaches,” in Proc. of

Workshop on Semantic Integration at SWC-2003, Sanibel Island, FL, 2003.

[22] S. Prasad, Y. Peng, dan T. Finin, “Using explicit information to map between two

ontologies,” in Proceedings of the AAMAS 2002 Wokshop on Ontologies in Agent

Systems (OAS'02), Bologna, Italy, July 2002.

[23] N. Silva dan J. Rocha, Ontology Mapping for Interoperability in Semantic Web, 2003.

[24] R. Studer, V. R. Benjamins, dan D. Fensel, “Knowledge engineering: Principles and

methods,” Data and Knowledge Engineering, vol. 25, pp. 161-197, 1998.

[25] I. W. S. Wicaksana, “Survei dan evaluasi metode pengembangan ontologi (survey and

evaluation of methodology of ontology development),” in Proc. Of KOMMIT 2004,

Jakarta&Depok, Agustus 2004, university Gunadarma.