IMPLEMENTASI SEMANTIC WEB PADA PENCARIAN

MAKALAH SKRIPSI DI JTI POLINEMA

Dian Hanifudin Subhi 1 , Mahfud Ivan Patoni 2
1,2
Teknik Informatika, Teknologi Informasi, Politeknik Negeri Malang
1
dhanifudin@polinema.ac.id, 2 mahfudivan@gmail.com

Abstrak
Skripsi adalah karya ilmiah yang merupakan persyaratan mendapatkan gelar Sarjana Sains Terapan (S.ST.)
mahasiswa Diploma IV (D-IV) Program Studi Teknik Informatika Politeknik Negeri Malang. Makalah
Skripsi yang terdapat pada Program Studi Teknik Informatika Politeknik Negeri Malang saat ini lebih dari
200 Makalah dan lebih dari 200 topik skripsi yang telah diselesaikan. Dengan sekian banyaknya topik
skripsi tersebut, tentunya bukan perkara yang mudah melakukan pencarian dengan cepat dan tepat sesuai
dengan yang diharapkan. Maka dari itu dibutuhkan suatu metode yang dapat memecahkan masalah tersebut,
yaitu metode semantic web. Penelitian ini dimulai dengan merancang ontologi berdasarkan class - class
dari hasil klasifikasi Makalah Skripsi Program Studi Teknik Informatika Politeknik Negeri Malang serta
dilengkapi dengan pendefinisian property-property dari masing-masing class. Dilanjutkan dengan
perancangan query dengan bahasa SPARQL. Pencarian makalah skripsi pada aplikasi ini diuji dengan
menggunakan 3 perhitungan untuk mengukur akurasi sistem, yakni Precision, Recall dan F-Score. Pada
perhitungan Precision mendapatkan nilai rata-rata 0,62515115, Recall mendapatkan nilai rata-rata
0,851694139. Lalu pada perhitungan akhir akurasi sistem didapat nilai pada F-Score 0,721047187 atau
dengan persentase akurasi 72%.
Kata kunci : Semantic Web, Ontologi, Skripsi, SPARQL

1. Pendahuluan informasi yang kaya dan sesuai dengan yang

Skripsi adalah karya ilmiah yang
merupakan persyaratan mendapatkan gelar
Sarjana Sains Terapan (S.ST.) mahasiswa
Diploma IV (D-IV) Program Studi Teknik
Informatika Politeknik Negeri Malang, dan
diwajibkan untuk menyelesaikan Skripsi dalam
jangka waktu 1 semester [2].
Makalah Skripsi yang terdapat pada
Program Studi Teknik Informatika Politeknik
Negeri Malang saat ini lebih dari 200 Makalah
dan lebih dari 200 topik skripsi yang telah
diselesaikan, dengan banyaknya topik skripsi
tersebut tentunya banyak informasi tentang topik
skrpsi. Namun tentunya bukan perkara yang
mudah melakukan pencarian dengan cepat dan
tepat sesuai dengan yang diharapkan. Maka
dibutuhkan suatu metode yang dapat
memecahkan masalah tersebut, yaitu metode
semantic web.
Untuk menampilkan informasi yang kaya dan
relevan, sebuah mesin terlebih dahulu harus
memahami tentang makna atau isi dari sebuah
informasi. Hal inilah yang akan ditawarkan
semantic web. Untuk mewujudkan itu diperlukan
sebuah domain knowledge, yang dalam semantic
web dikenal dengan istilah ontologi. Dalam
ontologi, informasi akan saling terkait
membentuk sebuah knowledge yang akan
dimanfaatkan oleh mesin untuk meyajikan
pengguna cari.
Dari penjelasan di atas, maka pada
penelitian ini penulis mengusulkan untuk
merancang aplikasi pencarian berbasis teknologi
semantic web pada Makalah Skripsi Program
Studi Teknik Informatika Politeknik Negeri
Malang menggunakan pendekatan ontologi.
Diharapkan dengan penelitian ini akan mempu
memudahkan pencarian informasi maupun
informasi terkait pada Makalah Skripsi Program
Studi Teknik Informatika Politeknik Negeri
Malang.
2. Tinjauan Pustaka
2.1 Semantic Web
Semantic Web merupakan visi masa depan
web, dan informasi diberi arti eksplisit, sehingga
lebih mudah diproses oleh mesin secara otomatis
dan lebih mudah menyatukan informasi yang
tersedia di web. Semantic Web adalah perluasan
dari web yang mendukung database dalam
bentuk yang dapat dibaca oleh mesin [8].
Semantic Web pertama kali dicetuskan oleh
Tim Berners-Lee, penemu World Wide Web.
Sekarang, prinsip Semantic Web disebut-sebut
akan muncul pada Web 3.0, generasi ketiga dari
World Wide Web.
Dengan metode Semantic Web, data
berbasis HTML dapat diubah menjadi format
yang dapat dipahami oleh mesin, sehingga mesin
dapat melakukan proses pengumpulan informasi
dan memahami hubungan antara informasi. Web
Semantic mampu melakukan perubahan ini
dengan bantuan XML (Extensible Markup
Language) dan data language standards seperti
RDF (Resource Description Framework) dan
OWL (Web Ontology Language), dua
standarisasi dari W3C (World Wide Web
Consortium) [3].
2.2 Ontologi
Istilah ontologi sebenarnya berasal dari
istilah filosofi "ontology" yang artinya sesuatu
yang sesungguhnya ada dan bagaimana
menggambarkannya. Dalam dunia komputer
ontologi digunakan untuk menspesifikasikan
suatu konseptualisasi. Dalam istilah lain ontologi
dijelaskan sebagai suatu representasi dari domain
pengetahuan tertentu yang berisi istilah-istilah
dalam domain tersebut beserta hubungan antara
istilah-istilah yang ada.
Terdapat beberapa tahapan yang dilakukan
dalam pengembangan ontologi yaitu : [6]
1) Menentukan domain dan batasan
ontologi
2) Mempertimbangkan penggunaan
ontologi yang sudah ada.
3) Menentukan istilah penting dalam
ontologi
4) Mendefinisikan class ontologi dan
menyusun class dalam hirarki
taksonomi (subclass – superclass).
5) Mendefinisikan slot atau properties dan
menjabarkan nilai dari slot tersebut.
6) Mendefinisikan facets pada slots.
7) Membuat instances.
2.3 RDF (Resource Description Framework)
RDF(Resource Description Framework)
merupakan bahasa yang digunakan untuk
merepresentasikan metadata. RDF mendukung
interoperabilitas antar aplikasi yang
mempertukarkan informasi yang bersifat
machine-understandable di web. Semantic web
terdiri dari data yang ditulis dalam bahasa yang
dapat dimengerti oleh mesin, seperti RDF. RDF
menggunakan graf untuk merepresentasikan
kumpulan pernyataan. Simpul dalam graf
mewakili suatu entitas, dan tanda panah
mewakili relasi antar entitas. Ada tiga obyek tipe
dalam model data RDF [4]:
a) Sumber Daya (Resource)
b) Properti (Property)
c) Pernyataan (Statement)
2.4 SPARQL
SPARQL merupakan bahasa query untuk
RDF/OWL. SPARQL menyediakan fasilitas
untuk mengekstrak informasi dalam bentuk URI,
blank node dan literal, mengekstrak subgraf
RDF, dan membangun graf RDF baru berdasar
pada informasi dari graf yang di-query [7]. Query
SPARQL didasarkan pada pencocokan pola graf
[9]. Pola graf yang paling sederhana adalah triple
pattern yang mirip dengan RDF triple, hanya
saja pola pada query dimungkinkan pemberian
nama diluar terminologi RDF pada posisi
subyek, predikat dan obyek.
Gambar 1. Gambaran umum SPARQL
3. Design dan Implementasi
3.1 Perancangan Ontologi
Perancangan ontologi untuk Makalah
Skripsi Program Studi Teknik Informatika
Politeknik Negeri Malang merupakan langkah
awal dalam menentukan konsep dan domain
yang akan dibangun. Ada beberapa langkah-
langkah yang harus diperhatikan salah satunya
dengan menentukan konsep dan domain.
1. Penentuan konsep dan domain
Domain dari penelitian ini adalah Makalah
Skripsi Program Studi Teknik Informatika
Politeknik Negeri Malang, yang
diklasifikasikan menjadi beberapa class
induk (superclass) dan subclass.
2. Mempertimbangkan ontologi yang sudah
ada.
Dengan pemanfaatan ontologi yang sudah
ada, waktu pengembangan software dapat
lebih cepat diselesaikan tanpa harus memulai
dari awal
3. Menentukan istilah penting dalam ontologi.
Dalam pembuatan ontologi pada aplikasi ini,
menentukan istilah penting bertujuan untuk
penamaan class
4. Mendefinisikan class ontologi dan menyusun
class dalam hirarki taksonomi (subclass –
superclass), yaitu sebagai berikut :
 Gambar 4. Rancangan class "Machine
Learning"

5. Mendefinisikan slot atau properties

pada class
Ada dua tipe property, yaitu Object
Properties berfungsi untuk
menghubungkan instances antar class
dan Data Properties yang berfungsi
untuk menghubungkan instances
dengan values dari property tiap
instances. Pada Object Properties,
Gambar 2. Rancangan class "Data Mining" didefinisakan dua property yaitu
hasMember dan isMemberOf.
Sedangkan Data Properties
didefinisikan tiga property, yaitu Judul,
Deskripsi, File, Title dan Nama.
6. Mendefinisikan facets pada slots
Mendefinisikan batasan (facet) property
atau slot dengan mengisi Nama
Property, Range, Type dan Keterangan
pada setiap class.

Tabel 1. Rancangan Slot Pada Class

“Kat_Sistem_Informasi”
Property Range Type Keterangan
Nama Single Data Nama Class
String Property
hasMember Multiple Object Menghubungkan
Subclass Property class Kat_Sistem
_Informasi dengan
class SI_Web_
Service,SI_Metode,
SI_Web_Crawler,
SI_Ebusiness,
Gambar 3. Rancangan class "Sistem SI_GIS, SI_SPK
Informasi"
7. Membuat instances
Langkah pendefinisian sebuah
instanceclass dimulai dengan memilih
class, membuat individu instance dari
class kemudian yang terakhir mengisi
property dari individu instanceclass.
3.2 Implementasi Ontologi dilakukan dengan cara menjalankan setiap fitur
Implementasi class dan struktur hirarkinya dalam aplikasi dan melihat apakah hasilnya
pada aplikasi ini dimulai dengan menciptakan sudah sesuai dengan yang diharapkan.
class-class dan sub class yang telah ditentukan.
Class-class pada ontologi aplikasi ini terdiri dari Tabel 2. Pengujian Sistem
sembilan class induk (super class), yaitu class Data Hasil yang
“Data_Mining”, class “Data_Security”, class Pengujian
Masukkan diharapkan
Hasil
“Image_Processing”, class “Multimedia”, class
“Machine_Learning”, class “Networking”, class Menampilkan
“Sistem_Informasi”, class “Text_Processing” judul dan
dan class “Temu_Kembali_Informasi”. deskripsi
Pencarian
Kata kunci makalah dari
berdasarkan Berhasil
“SPK” kata kunci
kata kunci
beserta
kategori
terkait
Menampilkan
judul dan
Pencarian deskripsi dari
Gambar 5. Implementasi Struktur dan Hirarki berdasarkan kata kunci
Tautan
Class Induk (Superclass) tautan pada beserta
“AHP”
Pencarian kategori Berhasil
Terkait terkait dalam
3.3 Implementasi Property kategori
"AHP"

4.2 Pengujian Akurasi Sistem

Gambar 6. Pendefinisian Nama Object Property
Gambar 7. Pendefinisian Nama Data Property
3.4 Implementasi Instances
Pembuatan instances yaitu membuat
individual baru dan melakukan pengisian
property dengan nilai (values) pada individual
tersebut. Setiap instances yang terbentuk akan
mewakili class yang telah dibuat dan setiap
artikel. Pembuatan instancesclass dimulai
dengan pemberian nama instances, memilih
Types (class) dan pengisian property.
4. Pengujian
4.1 Pengujian Fungsional Sistem
Untuk menguji kinerja aplikasi dibutuhkan
pengujian fungsionalitas sistem. Pengujian ini
Pengujian akurasi sistem bertujuan untuk
menghitung tingkat kerelevanan hasil pencarian
oleh sistem dengan kata kunci yang dimasukkan
oleh pengguna (query). Dalam pengujian ini
terdapat 2 nilai yang diukur, yaitu :
1. Jumlah artikel sebenarnya (N1), yaitu
didapat dari perhitungan jumlah artikel
yang sesuai atau terkait dari keseluruhan
artikel dengan kata kunci yang diujikan
berdasar pengetahuan penguji.
2. Jumlah artikel oleh sistem (N2), yaitu
didapat dari perhitungan jumlah artikel
yang ditampilkan sistem.
Pada pengujian ini juga digunakan tiga
perhitungan untuk mengukur akurasi sistem yang
menerapkan metode semantic web, yaitu :
1. Precision,merupakan tingkat ketepatan
antara informasi yang diminta oleh
pengguna dengan jawaban yang
diberikan oleh sistem. Nilai Precision
tertinggi adalah 1, yang berarti seluruh
dokumen yang ditemukan adalah
relevan. Pada pengujian ini, Precision
dirumuskan sebagai berikut.
𝑷𝒓𝒆𝒄𝒊𝒔𝒊𝒐𝒏 =
𝑵𝟐 ∩𝑵𝟏
(1)
𝑵𝟐
2. Recall, merupakan tingkat keberhasilan
sistem dalam menemukan kembali
sebuah informasi. Nilai Recall tertinggi
adalah 1, yang berarti seluruh dokumen
dalam koleksi berhasil ditemukan. Pada
 pengujian ini, Recall dirumuskan informatika/skripsi/
sebagai berikut. [3] Lee Berners dan Dkk. 2002. Integrating Applications on
𝑵𝟐 ∩𝑵𝟏
𝑹𝒆𝒄𝒂𝒍𝒍 = (2) the Semantic Web. [Online] Available :
𝑵𝟏
3. F-Score, merupakan gabungan dari https://www.w3.org/2002/07/swint
Precision dan Recall. Pada pengujian [4] Lassila, Ora dan Swick, Ralph R. (1999 Februari 22).
ini, F-Score dirumuskan sebagai
Resource Description Framework (RDF) Model and
berikut.
𝟐×(𝐏𝐫𝐞𝐜𝐢𝐬𝐢𝐨𝐧 ×𝐑𝐞𝐜𝐚𝐥𝐥) Syntax Spesification. Latest version available :
𝑭 − 𝑺𝒄𝒐𝒓𝒆 = (3)
(𝐏𝐫𝐞𝐜𝐢𝐬𝐢𝐨𝐧 + 𝐑𝐞𝐜𝐚𝐥𝐥)
http://www.w3.org/TR/1999/REC-rdf-syntax-
19990222/.
Tabel 3. Data Hasil Pengujian Akurasi Sistem
[5] Manola, Frank dan Miller, Eric. (2004 Februari 10) RDF
No Query N1 N2 Precision Recall
Sistem Primer [Online]. Available :
1 39 41 0,465 0,488 https://www.w3.org/TR/rdf-primer/
Informasi
2 Fuzzy 16 21 0,715 0,937 [6] Noy. N. F. dan McGuinnes. D. L. 2000. Ontology
3 Saw 8 21 0,381 1 Development 101: A Guide to Creating Your First,
4 Game 16 13 0,924 0,75 Stanford University, Stanford. [Online] Available:
5 Ahp 20 22 0,909 1
http://protege.stanford.edu/publications/ontology_devel
6 Topsis 16 20 0,8 1
opment/ontology101-noy-mcguinness.html
7 Gis 7 17 0,236 0,571
8 Forecasting 2 18 0,111 1 [7] Seaborne, A. dan Prud'hommeaux, E. (2008). SPARQL
Naive Query Language for RDF. [Online] Available:
9 6 5 1 0,833
Bayes https://www.w3.org/TR/RDF-sparql-query
10 Fuzzy 16 21 0,715 0,937 [8] W3C. (2018, Juli, 19) STANDARDS [Online]. Available
Rata-rata 0,626 0,851 : https://www.w3.org/standards/
F-Score 0,721047187
% 72%

5. Kesimpulan
Berdasarkan pembahasan pada makalah ini
mengenai penerapan teknologi semantic web
pada Makalah Skripsi Program Studi Teknik
Informatika Politeknik Negeri Malang maka
dapat ditarik beberapa kesimpulan sebagai
berikut :
1. Ontologi pada aplikasi Semantic
Makalah Skripsi Program Studi Teknik
Informatika Politeknik Negeri Malang
dimodelkan berdasarkan class-class dari
hasil clustering Makalah Skripsi
Program Studi Teknik Informatika
Politeknik Negeri Malang.
2. Pencarian pada aplikasi Semantic
Makalah Skripsi Program Studi Teknik
Informatika Politeknik Negeri Malang
ini mampu menampilkan Topik Skripsi
terkait yang relevan dengan hasil
pencarian.

DAFTAR PUSTAKA
[1] Bechhofer,S. Dkk. (2004). OWL Web Ontology
Language Reference, Recomendation, WWW
Consortium (W3C) [Online] . Available :
http://www.w3C.org
[2] JTI, Polinema. (2018, Juli, 19) Skripsi [Online].
Available : http://jti.polinema.ac.id/index.php/teknik-