BAB I
PENDAHULUAN
Kecerdasan Buatan atau Artificial
Intelligence merupakan salah satu bagian ilmu komputer yang membuat agar mesin
(komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan manusia.
Pada awal diciptakannya, komputer hanya difungsikan sebagai alat hitung saja.
Namun seiring dengan perkembangan jaman, maka peran komputer semakin
mendominasi kehidupan umat manusia. Komputer tidak lagi hanya digunakan sebagai
alat hitung, lebih dari itu, komputer diharapkan untuk dapat diberdayakan untuk
mengerjakan sesuatu yang bisa dikerjakan oleh manusia (Arief, 2013).
Manusia bisa menjadi pandai dalam
menyelesaikan segala permasalahan di dunia ini karena manusia mempunyai
pengetahuan dan pengalaman. Pengetahuan diperoleh dari cara mempelajarinya.
Semakin banyak bekal pengetahuan yang dimiliki oleh seseorang tentu saja
diharapkan akan lebih mampu dalam menyelesaikan permasalahan. Namun bekal
pengetahuan saja tidak cukup, manusia juga diberi akal untuk melakukan penalaran,
mengambil kesimpulan berdasarkan pengetahuan dan pengalaman yang mereka miliki.
Tanpa memiliki kemampuan untuk menalar dengan baik, manusia dengan segudang
pengalaman dan pengetahuan tidak akan dapat menyelesaikan masalah dengan baik.
Demikian juga dengan kemampuan menalar yang sangat baik, namun tanpa dibekali
pengetahuan dan pengalaman yang memadai, manusia juga tidak akan bisa menyelesaikan
masalah dengan baik. Dengan adanya kecerdasan buatan, diharapkan tidak
menutup kemungkinan hanya dengan data pengetahuan yang terbatas, sebuah
komputer dapat berpikir seperti manusia dalam menghadapi masalah (Arief, 2013).
Web
Semantic adalah sekumpulan informasi yang dikumpulkan dengan metode tertentu
agar dapat dengan mudah diproses oleh mesin, dalam skala yang besar. Ini seperti cara yang e_sien dari representasi data pada World Wide
Web, atau sebagai database global yang saling terhubung. Web Semantic
dikembangkan oleh sebuah tim di World Wide Web consortium. Hingga saat ini Web
Semantic masih dalam tahap pengembangan dan penyempurnaan, karena teknologi ini
masih baru digunakan dan tim masih mengembangkan metode masing-masing untuk
mengembangkan Web Semantic (Mardianto, 2011).Web Semantik terdiri dari
seperangkat prinsip-prinsip desain, kelompok kerja kolaboratif, dan berbagai
teknologi. Beberapa elemen dari Web Semantik yang dinyatakan sebagai calon masa
depan dan unsur-unsur lain dari Web Semantik disajikan dalam spesifikasi formal
dimaksudkan untuk memberikan deskripsi formal konsep, istilah, dan hubungan dalam
satu domain tertentu (Mardianto, 2011).
BAB II
ISI
2.1
Paper
1 :
Implementasi Web Semantik untuk Aplikasi Pencarian Tugas Akhir Menggunakan
Ontologi dan Cosine Similarity
Sistem pencarian pada
sistem umumnya masih menggunakan sistem pencarian konvensional, yaitu pencarian yang
mencocokkan kata kunci dengan data yang ada. Pencarian konvensional memiliki kelemahan yaitu tidak
bisa mencari data yang relevan dengan kata kunci. Untuk mengatasi masalah ini dibangun sistem yang
dapat melakukan pencarian yang dapat mecari hasil yang relevan dengan kata kunci. Sistem ini
berbasis web yang digabungkan dengan ontologi.
Ontologi merupakan
hirarki yang menjelaskan
antara hubungan suatu kata. Ontologi berfungsi untuk mencari hubungan antara
kata yang dimasukkan
oleh pengguna. Pencarian data dalam ontologi menggunakan Query Sparql yang menyerupai Query database
pada umumnya namun tidak terlalu kompleks seperti Query database. Untuk menunjang
hasil yang diperoleh digunakan cosine similarity.
Cosine
Similarity adalah salah satu metode yang
diterapkan untuk membandingkan dokumen teks. Cosine Similarity menggunakan dua
parameter vektor. Vektor tersebut didasarkan pada jumlah
kata yang mirip pada kedua dokumen teks. Perbandingan kemiripan (similarity) yang
digunakan Seperti yang ditunjukkan oleh persamaan.
Metode cosine similarity
digunakan untuk memberikan
bobot pada setiap dokumen yang di dapatkan, sehingga dokumen yang didapat
semakin relevan
dengan kata kunci.
Pengujian menggunakan
metode precission untuk menghitung nilai relevansi hasil yang didapat dari
ontologi, sedangkan pengujian dengan kappa statistics digunakan untuk menghitung nilai dari
hasil cosine similarity dengan cara membandingkan hasil yang didapat dari
system dan
hasil menurut pengamatan pakar.
Pengujian hasil
pencarian judul tugas akhir berbasis semantik dilakukan dengan menggunakan 100
data judul tugas akhir yang terdiri dari 3 bidang minat meliputi rekayasa perangkat
lunak, jaringan dan game cerdas. Ontologi dalam penelitian ini digunakan untuk mengetahui
hubungan judul tugas akhir dan cosine similarity digunakan untuk perangkingan dokumen judul tugas akhir. Selanjutnya pembahasan
memfokuskan pada pengujian precission dan kappa statistik.
Hasil pengujian
menggunakan kappa statistik memberikan nilai terbaik kappa sebesar 0,5 pada pengujian
ketiga. Nilai tersebut membuktikan bahwa sistem yang telah dibangun dapat digunakan untuk
mengetahui kemiripan antar kasus penggunaan pertanyaan dan jawaban mirip menurut
sistem dan pakar.
2.2
Paper
2 : Implementasi Web
Semantik dengan Apache Jena
Dalam Web
Semantik diperlukan metode untuk mengurai pengetahuan dan merepresentasikannya
ke dalam bagian-bagian yang lebih kecil sesuai dengna maknanya (decompose
knowledge). RDF digunakan sebagai metode untuk menggambarkan fakta dalam
berntuk bagia-bagian yang sederhana. Dalam RDF ini di deskripsikan resource dan
relasinya. RDF direpresentasikan dalam bentuk graph sera dapat diserialisasi
notasi dalam berntuk text.
Apache Jena
adalah framework opensource berbasis java untuk membangun aplikasi web
semantik. Apache jena menyediakan sekumpulan tol danlibrary java untuk membantu
membangun aplikasi berbasis pada linked data. SPARQL merupakan bahasa query
untuk RDF. Query SPARQL digunakan untuk memperoleh informasi dari Graph RDF.
Implementasi
statement dalam jena dilakukan dengan import org.apache.jena.rdf.model.*
selanjutnya melakukan pendefinisian URI graph diikuti dengan definisi modelnya.
URI yang sudah didefinisikan dapat dibuatkan name space sebagai prefix qnames.
Pada tahap selanjutnya dilakukan pendefinisian sttement yang meliputi subyek
(resouece), predikat (property) dan obyek. Obyek dapat berupa resource uang
lainnya atau literal. Literal tersedia dalam dua bentuk yaitu bertipe dan tidak
bertipe. Untuk yeng bertipe harus import
org.apache.jena.datatyoes.xsd.XSDDatatype.
Hasil pengujian,
jena menyediakan intergrasi rekomendasi implementasi dari W3C Web Semantik yang
fokus pada RDF Graph. Jena juga jadir dengan dilengkapi kemampuan query
informasi dengan menggunakan SPARQL sehingga dapat digunakan untuk menghasilkan
informasi dan membantu dalam proses inferensi.
2.3
Paper
3 : Penerapan SWRL (semantic Web Rule
Language) pada Domain
Ontologi Universitas
Web Semantik merupakan
generasi baru dari web yang ada saat ini, web semantik menggunakan ontologi
untuk merepresentasikan pengetahuan. Ontologi diekspresikan menggunakan OWL
(Ontology Web Language) yang
dilengkapi dengan sekumpulan aturan yang digunakan untuk mengontrol konsistensi
dari informasi yang disebut
SWRL (Semantic Web Rule Language).
Penelitian ini
bertujuan untuk mengimplementasikan SWRL pada domain ontologi universitas.
Penelitian ini telah berhasil mengimplementasikan 9 aturan SWRL yang digunakan untuk melakukan inferensi
terhadap individual yang menduduki posisi tertentu pada domain ontology
universitas.
SWRL didesain sebagai
rule language pada web semantik suatu bahasa yang mengabungkan antara OWL DL
dan OWL Lite yaitu sub bahasa pada OWL,
dan Unary atau binary Datalog RuleML, yaitu sub bahasa pada Rule
Markup Language. SWRL merupakan perluasan dari OWL dengan menambahkan aturan berbasis Horn. Hal
ini memungkinkan suatu basis pengetahuan yang dibuat dalam OWL dilengkapi dengan
aturan. SWRL dapat digunakan untuk menginferensi pengetahuan baru dari OWL knowledge yang sudah
ada. Rule SWRL melaukan penalaran pada individual OWL,
khususnya pada OWL Class dan property.
Hasil Pengujian pertama terhadap rule Rector Staff(?x)
∧ hasPosition(?x, ?y) ∧ UniversityLeader(?y) →
Rector(?x) Maka dihasilkan individual yang termasuk
sebagai rektor adalah Edy_Yuwono dan Achmad_Iqbal, ini diperoleh dari
inferensi terhadap individual yang memiliki tipe staff yang memiliki object
property hasPosition sebagai UniversityLeader.
Hasil Pengujian
kedua dilakukan terhadap rule ViceOfRectorAcademic,
setelah dilakukan inferensi didapatkan individual termasuk wakil rektor bidang
akademik adalah Mas_Yedi
2.4
Komentar Penulis
Pada Paper Pertama, sistem yang dibuat mampu mendapatkan data lebih banyak
dibandingkan dengan pencarian pada umumnya yaitu pencarian konvensional yang
masih memiliki hubungan dengan kata kunci, sehingga sistem ini dapat dikatakan
sudah mampu menyajikan data hasil pencarian yang
relevan sesuai dengan kata kunci yang diberikan.
Pada Paper Kedua, pembuatan sistem Web Semantik dengan Apache jena dapat
meningkatkanatau mengoptimalkan basis pengetahuan yang digunakan dari banyaknya
informasi yang dikelolanya sehingga menghasilkan
informasi yang saling terhubung secara konsisten.
Pada Paper Ketiga, penerapan sistem SWRL pada domain ontologi universitas
dapat menghasilkan pengetahuan baru pada sebuah domain dan diketahui
berdasarkan hasil penelitian yang ada ini berhasil mengembangkan sembilan
aturan yang dapat digunakan untuk melakukan inferensi terhadap individual yang
menduduki posisi tertentu disebuah universitas
BAB III
PENUTUP
3.1
Kesimpulan
Kesimpulan yang dapat
diambil pada makalah ini adalah :
a) Web Semantic adalah sekumpulan
informasi yang dikumpulkan dengan metode tertentu agar dapat dengan mudah
diproses oleh mesin, dalam skala yang besar.
b) Ontologi
merupakan hirarki yang menjelaskan antara hubungan suatu kata. Ontologi
berfungsi untuk mencari hubungan antara kata yang dimasukkan oleh pengguna.
c) Cosine
Similarity adalah salah satu metode yang
diterapkan untuk membandingkan dokumen teks. Cosine Similarity menggunakan dua
parameter vektor.
d) Apache
Jena adalah framework opensource berbasis java untuk membangun aplikasi web
semantik.
e) Penerapan Web Semantik menggunakan Ontologi dan
Cosine Similarity mampu
menyajikan data hasil pencarian yang relevan sesuai dengan kata kunci yang
diberikan.
f) Penerapan Web Semantik menggunakan Apache Jena menghasilkan
informasi yang saling terhubung secara konsisten.
g) Penerapan sistem SWRL pada
domain ontologi dapat menghasilkan pengetahuan baru pada sebuah domain
3.2
Saran
a)
Penerapan web
semantik dalam pengelolaan dan pembuatan website sangat disarankan karena kaan
meningkatkan produktivitas wewbsite khusus nya dalam hal fitur pencarian dalam
website tersebut.
DAFTAR PUSTAKA
Afuan, Lasmedi., Mustofa, Khabib. 2016. Penerapan SWRL (Semantic Web Rule
Language) pada Domain Ontologi Universitas. Universitas Gadjah Mada.
Arief. 2013. Kecerdasan Buatan. http://informatika.web.id/kecerdasan-buatan.htm
Mardianto, Andi. 2011. Web Semantik.
https://andimardianto.wordpress.com/2011/12/15/web-semantik/
Maskur., Andriansyah, Faiz Rizky. 2015. Implementasi Web Semantik untuk
Aplikasi
Pencarian Tugas Akhir Menggunakan Ontologi dan Cosine
Similarity. Universitas Muhammadiyah Malang.
Suteja, Bernard
Renaldy. 2016. Implementasi Web Semantik
dengan Apache Jena. Universitas Kristen Maranatha.
Posting Komentar