I. Introduction
Conceptual Modelling didefinisikan sebagai aktifitas untuk mendeskripsikan beberapa aspek
dari dunia fisika maupun sosial dengan tujuan untuk menambah pemahaman dan komunikasi.
Di dalam dunia Information System (IS) conceptual modelling dikaitkan dengan kegiatan untuk
mendefinisikan dan menganalisa requirements dari sistem yang akan dirancang.
Conceptual modelling pada suatu problem domain yang sama dapat dipetakan secara berbeda
oleh beberapa pengembang sistem. Variasi yang ditemukan pada hal tersebut mungkin tidak
menimbulkan kerugian tetapi perlu diperhatikan beberapa fakta berikut : Pertama, model
konseptual berfungsi sebagai dasar pemahaman pada suatu problem domain. Kedua, model
konseptual dipergunakan untuk integrasi. Ketika mengeksplorasi variasi antara model dapat
membantu pemahaman pemodelan proses.
Sampai saat ini belum ada penelitian yang membahas fenomena variasi model konseptual,
meskipun isu tertentu dari hal tersebut sudah dipetakan secara terpisah. Karena itu literatur ini
ditujukan untuk melangkah lebih dekat mengenai domain masalah yang disebutkan di atas.
Dua pertanyaan riset yang terdapat pada literatur ini adalah,
Q1 : keputusan pemodelan seperti apa yang mengakibatkan variasi model?.
Q2 : Apakah framework ontologi dapat membantu sebagai meminimalisir variasi yang ada?.
Tujuan dari studi ini adalah untuk mempelajari keputusan apa yang mempengaruhi
representasi dari suatu domain di dalam model konseptual. Adapun metodologi yang
dipergunakan adalah riset kualitatif.
Secara umum proses penelitian memiliki beberapa tahap : (1) memberikan partisipan sebuah
masalah kemudian meminta mereka untuk membuat model konseptualnya menggunakan UML.
(2) preliminary evaluasi untuk mengukur hasil model konseptial yang dapat diterima. (3)
interview dengan partisipan untuk mengklarifikasi konstruksi model yang terlihat
membingungkan dan memutuskan apakah hasil konstruksi model yang dibuat dimasukkan
sebagai data atau tidak? (4) menganalisa data secara kualitatif.
Partisipan diseleksi mengunakan prinsip sampling dan mempertimbangkan dua hal ketika
memutuskan mengambil sampel frame. Dua hal tersebut adalah subjek aktifitas praktik
berhubungan dengan requirement analysis, dan partisipan yang dipilih terbiasa dengan
aplikasi pemodelan UML sebagai bagian dari pekerjaan.
Sekilas terlihat bahwa sulit ditemukan kesamaan antara modeler dalam desain UML.
Sebelum melangkah lebih jauh kita dapat meninjau framework ontologi tersebut dari dua sisi.
Pertama, jika kita memandang bahwa model konseptual sebagai representasi nyata dari dunia.
Implikasi dari hal ini hanya sebuah model konseptual yang dapat diterima, atau cara pandang
kedua. Model konseptual sebagai representasi bagaimana dunia dipandang oleh setiap
individu.
Berikut hasil penelitian yang didapat menggunakan dua framework ontologi tersebut,
Jika mempergunakan posisi relativist (ontologi bukan sebagai representasi mutlak). Maka
kesimpulan yang dihasilkan seperti berikut : framework ontologi dapat berperan sebagai
aturan yang membantu ketika menghadapai situasi vagueness. Meskipun demikian dari dua
framework yang diujikan terlihat perbedaan. Dari hasil pengujian juga didapatkan model
framework Evermann dan Wand dapat mereduksi variasi lebih banyak selama dipergunakan
dengan konsisten (catatan : masih dibutuhkan studi lebih jauh mengenai hal ini).
Perlu diperhatikan bahwa framework ontologi dapat membantu mereduksi variasi yang muncul
selama sumber masalah masih berkaitan dengan pemetaan realiti menjadi konstruksi model.
VI. Kesimpulan
Sepertinya area penelitian yang mengarah kepada model konseptual masih dipandang
sebelah mata. Karena itu salah satu kontribusi literatur ini adalah menegaskan bahwa terdapat
potensi investigasi empirik mengenai variasi diantara model sebagai topik penelitian.
Penemuan yang didapat dari penelitian ini bersifat empirik dan teoritik. Penemuan empirik
terdiri dari kategorisasi dari jenis variasi yang mungkin mengakibatkan vagueness di dalam
proses konstruksi model semantic. Penemuan teoritik menemukan bahwa framework ontologi
yang ada saat ini berpotensi untuk meminimalisasi vagueness.