Anda di halaman 1dari 5

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


Pengujian akurasi sistem bertujuan untuk
menghitung tingkat kerelevanan hasil pencarian
oleh sistem dengan kata kunci yang dimasukkan
Gambar 6. Pendefinisian Nama Object Property 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
Gambar 7. Pendefinisian Nama Data Property perhitungan untuk mengukur akurasi sistem yang
menerapkan metode semantic web, yaitu :
3.4 Implementasi Instances 1. Precision,merupakan tingkat ketepatan
Pembuatan instances yaitu membuat antara informasi yang diminta oleh
individual baru dan melakukan pengisian pengguna dengan jawaban yang
property dengan nilai (values) pada individual diberikan oleh sistem. Nilai Precision
tersebut. Setiap instances yang terbentuk akan tertinggi adalah 1, yang berarti seluruh
mewakili class yang telah dibuat dan setiap dokumen yang ditemukan adalah
artikel. Pembuatan instancesclass dimulai relevan. Pada pengujian ini, Precision
dengan pemberian nama instances, memilih dirumuskan sebagai berikut.
Types (class) dan pengisian property. 𝑷𝒓𝒆𝒄𝒊𝒔𝒊𝒐𝒏 =
𝑵𝟐 ∩𝑵𝟏
(1)
𝑵𝟐
2. Recall, merupakan tingkat keberhasilan
4. Pengujian
sistem dalam menemukan kembali
4.1 Pengujian Fungsional Sistem
sebuah informasi. Nilai Recall tertinggi
Untuk menguji kinerja aplikasi dibutuhkan
adalah 1, yang berarti seluruh dokumen
pengujian fungsionalitas sistem. Pengujian ini
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-