Seminar Bidang Kajian - Gunadarma Universitylintang.staff.gunadarma.ac.id/Downloads/files/4326/Prop… · Web viewMengingat bahwa lingkup penelitian yang akan dilakukan sangat luas

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.


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.


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.


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


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).


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


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


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


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).


http://www.bilogi.lipi.go.id/nbin

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


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.


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


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 :


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


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.


Gambar 2.2. A class diagram of the source data types taken into account.


Gambar 2.3. A state diagram that sketches the methodology used to extract and

refine the informal data.


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:


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


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


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


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


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


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:


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.


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.


Gambar 2.8 ORCA conceptual framework


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).


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 :


- 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.


- 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


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


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:


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:


Knowledge Generation

............................... Ontologies ..........................................................................

Knowledge Use

Gambar 3.2 Model / framework Sistem Informasi Keanekaragaman Hayati

(tumbuhan) dengan memanfaatkan ontologi


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.


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.


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


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


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


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.


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


http://www.biologi.lipi.go.id/nbin

http://www.fao.org/fi

http://www4.fao.org/asfa

http://www.fao.org/agrovoc

http://www.onefish.org


Seminar Bidang Kajian - Gunadarma Universitylintang.staff.gunadarma.ac.id/Downloads/files/4326/Prop… · Web viewMengingat bahwa lingkup penelitian yang akan dilakukan sangat luas

Documents