Dioryto Clarakrina E¹, Suyanto², ³
¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
Abstrak
Dewasa ini, perkembangan jumlah dan jenis obat-obatan yang beredar saat ini sangat banyak dan bervariasi sehingga hampir tidak mungkin untuk menghapalkan informasi mengenai semua obat. Selain itu, masih kurangnya tempat penyimpanan informasi obat yang fleksibel dan dapat
menampung banyak data walaupun terus terjadi penambahan data secara besar-besaran. Hal ini seringkali menyebabkan konsumen obat hanya mengkonsumsi tanpa mengetahui efeknya yang dapat saja memberikan efek interaksi obat.
Salah satu cara untuk membangun tempat penyimpanan data yang fleksibel dan berskala besar adalah dengan model data ontologi. Melalui model data ontologi, selain dapat memudahkan untuk proses update data apabila terjadi perubahan-perubahan, dapat juga memberikan hasil retrieve yang tepat dan dengan kecepatan yang maksimal. Model data ontologi ini diterapkan dengan bahasa OWL dan dengan metode UPON. Model data ontologi dibangun dengan menggunakan perangkat lunak Protégé 3.4.8.
Pada tugas akhir ini, akan dirancang sebuah model data ontologi obat yang fleksibel dan scalable. Model data ontologi ini akan diterapkan ke dalam sebuah aplikasi yang dibangun dengan
menggunakan JENA API dan bahasa pemrograman JAVA. Untuk pengujian kecepatan retrieve, model data ini diuji dengan query SPARQL. Hasilyang diperoleh adalah suatu model data ontologi yang memberikan kemudahan dalam proses update dan memberikan hasil maksimaal pada saat melakukan pencarian.
Kata Kunci : JENA, Interaksi obat, Model data, Obat, Ontologi, OWL, UPON, SPARQL
Abstract
Nowadays, the development of drug which available in society becomes larger and more varied. This is one reason that it is almost impossible to remember all the information that drug has. Beside that, there is lack of drug information repository which is flexible and can accommodate many kinds of data, even it will continue to add more data everytime it has new kind information. This is often causes the consumer to consume drug without knowing the effect of drug
interactions.
One way to build a flexible data storage and scalable is by using ontology method. By ontology, it makes easier to update data if there is a change and it also can give the appropriate result fastly from searching. Ontology data modelling will be built by using OWL language amd with UPON Methodology. This ontology data modelling will also be developed by using tools Protégé 3.4.8. In this final project, there will be a design for ontology data modelling which can be flexible and scalable. This ontology data modelling will be used in an application that will be built by using JENA API and JAVA Programming Language. For testing the speed of retrieve, this data modelling will be tested by using SPARQL query.
1
BAB I
PENDAHULUAN
1.1 Latar Belakang Masalah
Dalam membangun sebuah sistem aplikasi yang menyimpan data dan informasi maka diperlukan sebuah rancangan untuk pembangunan model data. Saat ini, pembangunan model data yang sangat dikenal dan sering digunakan adalah model data relasional. Namun ternyata ditemukan sebuah permasalahan dalam sebuah model data relasional. Kendala utama menggunakan model relasional yang masih dirasakan hingga saat ini, adalah model data relasional kurang dinamis untuk mendukung penyimpanan informasi yang lebih bermakna secara semantis[11]. Ambil contoh dari mesin pencari, misalkan kita ingin mencari kata “MUSTANG” maka mesin pencari akan menampilkan segala informasi mengenai “MUSTANG” tanpa memperdulikan arti dari kata tersebut apakah itu binatang, mobil ataupun stasiun radio[9]. Walaupun mesin pencari dapat menampilkan berbagai informasi, namun ketepatan informasi tersebut secara makna masih dipertanyakan. Hal ini terjadi karena mesin pencari menggunakan pencocokkan kata (keyword matching) ketika mencari informasi, tanpa mempedulikan arti atau semantik dari informasi tersebut. Hal seperti ini akan memakan waktu dan melelahkan ketika informasi yang berusaha kita cari tidak ditemukan oleh mesin pencari.
Kendala lain yang ditemukan di model data relasional yang ditekankan disini adalah model data relasional menghilangkan anomali yang dilakukan dengan membentuk model data secara relasi-relasi tabel dalam bentuk normalisasi tertentu[11]. Selain itu model data relasional masih statis dalam hal penyimpanannya. Arti statis disini maksudnya adalah model data relasional tidak fleksibel dan kurang scalable ketika ada pertambahan data atau perubahan-perubahan data nantinya.
Selain dari model data relasional, saat ini dikenal juga model data yang baru yaitu model data ontologi. Model data ontologi yang merupakan satu cara baru dalam merepresentasikan informasi pengetahuan berdasarkan makna dari objek, properti dari setiap objek serta relasi objek tersebut yang mungkin terjadi pada domain pengetahuan tertentu. Melalui ontologi diharapkan bisa menyelesaikan masalah penyimpanan informasi obat yang membutuhkan tempat penyimpanan yang fleksibel dan scalable dimana fleksibel disini dimaksudkan bahwa model data ini dapat memudahkan untuk proses update dan scalable dimana model data ini dapat memberikan hasil retrieve yang cepat walaupun jumlah data akan terus bertambah.
Pada tugas akhir ini domain yang digunakan untuk pembangunan model data adalah domain obat dimana informasi data yang ada pada domain ini akan selalu berkembang sehingga membutuhkan sebuah tempat penyimpanan yang menggunakan model data ontologi. Pembangunan model data ontologi menggunakan metode UPON yang mengadopsi Unified Process dan menggunakan Unified Modelling Language. Melalui metode UPON yang terdiri dari lima tahapan requirements, analysis, design, implementation, testing ,
UPON menawarkan solusi pembangunan model data Ontologi yang cukup lengkap karena di metode ini, domain expert ikut mengambil bagian dalam pembangunan model data sehingga setiap tahapan yang ada menjadi spesifik sesuai dengan domain.
1.2 Rumusan Masalah
Berdasarkan uraian di atas, maka permasalahan yang menjadi objek penelitian pada tugas akhir ini adalah :
1. Bagaimana mendesain model data yang dapat mendukung sistem EMR yang fleksible dan scalable?
2. Bagaimana menerapkan metode UPON untuk pembangunan ontologi obat?
1.3 Batasan Masalah
Dalam penyelesaian Tugas Akhir ini, penelitian dibatasi dengan ruang lingkup sebagai berikut:
1. Data obat yang digunakan hanyalah data obat medis yang terdaftar di Buku MIMS[9].
2. Data obat yang digunakan adalah data obat yang berbahasa Indonesia. 3. Data obat yang digunakan hanya sebanyak seribu data.
4. Membatasi pembangunan model data obat hanya pada beberapa kategori obat berdasarkan penyakitnya.
5. Aplikasi yang dibangun hanya dapat melakukan searching. 6. Update data masih dilakukan secara manual di Protégé. 7. Proses searching dibatasi hanya berdasarkan tiga kategori.
1.4 Tujuan
Berdasarkan pada masalah yang telah didefinisikan di atas, maka tujuan dari penelitian tugas akhir ini adalah :
1. Mendesain model data ontologi obat dengan menerapkan metode UPON dimana model data harus bisa flexible dan scalable yang dapat dibuktikan dengan kemudahan update dan kekonsistensian konsep walaupun jumlah data terus bertambah.
2. Membangun aplikasi Drug Information untuk menampung seluruh informasi obat lengkap dengan keterangan interaksi obatnya dengan mengimplementasikan model ontologi obat yang berbentuk OWL.
3
3. Menganalisa efisiensi dari model data ontologi yang telah dibangun dengan mengukurnya melalui kecepatan retrieve pada Aplikasi Drug
Information dan kemudahan update pada hirarki model data ontologi
menggunakan Protégé.
1.5 Metodologi Penyelesaian
Metodologi yang akan digunakan dalam merealisasikan Tugas Akhir ini adalah dengan menggunakan langkah-langkah sebagai berikut :
1. Studi literatur
Langkah ini bertujuan untuk mempelajari landasan teori dan literatur (jurnal, paper, artikel, dan buku) yang berkaitan dengan pembangunan Model Data Ontologi. Dilakukan pencarian referensi dan sumber-sumber yang layak yang berhubungan dengan permasalahan meliputi :
1. Informasi Obat 2. Konsep Ontology,
3. Konsep dari UPON Methodology
4. Konsep pembangunan Ontology bertipe OWL menggunakan tools Protege 3.4.8.
2. Pengumpulan dan pemahaman data
Langkah ini bertujuan untuk mengumpulkan data obat yang sah dari BPOM. Data yang digunakan didapat langsung dari buku MIMS dimana data tersebut sudah sangat lengkap isi informasinya. Setelah data didapatkan maka langkah selanjutnya adalah data understanding yaitu memahami setiap komponen di dalam data yang telah didapat. 3. Analisis dan perancangan perangkat lunak
Melakukan analisis tahapan-tahapan metode UPON untuk membangun model data ontologi. Hasil dari analisa ini menajdi acuan untuk merancang aplikasi yang akan dibangun. Rancangan aplikasi ini yang akan menjadi acuan untuk implementasi aplikasi Drug
Information.
4. Implementasi
Pada tahapan ini dilakukan pembangunan model data ontologi yang telah dirancang menggunakan Protege. Selain itu juga dilakukan pembangunan aplikasi menggunakan bahasa pemrograman JAVA. 5. Pengujian dan analisa hasil
Melakukan proses pengujian yang sesuai dengan tujuan tugas akhir ini. Kemudian melakukan evaluasi terhadap hasil uji. Evaluasi
serta kemudahan update. 6. Kesimpulan.
Menarik kesimpulan dari yang telah dilakukan serta memberikan saran untuk penelitian selanjutnya.
7. Penyusunan Laporan Tugas Akhir
Pada Tahap ini akan dilakukan penyusunan laporan hasil penelitian yang telah dilakukan dan membuat kesimpulan dari analisis hasil tersebut.
47
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil analisa dari pembangunan model data ontologi, dapat diambil kesimpulan sebagai berikut :
1. Desain model data ontologi obat yang dirancang menggunakan metode UPON merupakan model data yang flexible dan scalable . Model data ontologi obat ini dinilai fleksibel karena model data ini dapat dengan mudah dilakukan update namun tetap menjaga kekonsistenan hirarkinya. Hal ini dianggap penting karena seperti yang diketahui bahwa informasi obat akan terus berkembang seiring dengan perkembangan waktu sehingga akan ada kemungkinan bahwa model data ontologi bisa jadi berubah menyesuaikan dengan perubahan informasi obat yang akan terjadi. Dari hasil analisa, sudah dapat dibuktikan bahwa walaupun dilakukan update namun konsistensi model tetap terjaga. Adapun model data ontologi obat dinilai scalable dilihat dari pertambahan jumlah data yang terjadi namun tetap menjaga konsistensi konsep yang merupakan persyaratan penting dalam sebuah ontologi.
2. Aplikasi Drug Information berhasil dibangun dengan model data ontologi yang diimplementasikan dengan menggunakan bahasa ontologi OWL. Aplikasi ini menampung seluruh informasi obat lengkap dengan keterangan interaksi obatnya.
3. Efisiensi dari model data ontologi obat yang diterapkan pada pada Aplikasi Drug Information menunjukkan sebuah angka yang baik. Kecepatan retrieve yang dihasilkan sangatlah cepat walaupun data yang ada sudah dalam jumlah yang besar dan juga update dirasakan mudah dilihat dari waktu yang dihasilkan pada setiap
peng-update-an data pada model data ontologi.
5.2 Saran
Beberapa saran jika akan dilakukan penelitian yang lebih lanjut mengenai tugas akhir ini adalah sebagai berikut:
1. Jumlah data yang ada pada aplikasi ditambahkan menjadi sangat besar.
2. Fungsionalitas update dapat dilakukan langsung di Aplikasi Drug
Information bukan lagi secara manual di Protégé.
3. Searching dapat dilakukan tidak terbatas pada tiga kategori saja, tetapi bisa dengan menggunakan semua kelas yang ada pada model data ontologi.
Powered by TCPDF (www.tcpdf.org)
[1] Agustina, Dwi. Sistem Pakar Deteksi Interaksi Obat. Bandung : Institut Teknologi Telkom.
[2] Fadillah N., Charibaldi N., Jayadianti H.(2010). Penerapan Teknologi
Semantic Web pada Aplikasi Pencarian Koleksi Perpustakaan (Studi Kasus:Perpustakaan FTI UPN ”Veteran” Yogyakarta).Yogyakarta : UPN
Veteran.
[3] Ibrahim, Niko. Pengembangan Aplikasi Semantic Web untuk Membangun
Web yang Lebih Cerdas. Bandung : Universitas Kristen Maranatha.
[4] Indri, Fatma.(2008). Sistem Berbasis Pengetahuan untuk Obat-obatan. Bandung : Institut Teknologi Bandung.
[5] Iqbal M.A. (2011). An Ontology-Based Electronic Medical Record for
Chronic Disease Management. Nova Scotia : Dalhousie University.
[6] Knublauch H., Musen M., Noy N. (2003). 2nd International Web Conference (ISWC 2003). USA : Florida
[7] LePendu P., Dou D. (2010). Using Ontology Databases for scalable query
answering, inconsistency detection, and data integration. Springer.
[8] Nicola D.A, Missikoff M. , Navigli R.(2008) A Proposal for a Unified
Process for Ontology Building UPON. Italy : Dipartimento di Informatica
Universita di Roma.
[9] Prasetyo A., Wiryana M.I. (2010). Database XML Pendukung Sistem
Ontologi terhadap Informasi Biodiversitas. Depok : Universitas
Gunadarma.
[10] Rubbani H.H. Semantic Web Solution. Denmark : IT University of Copenhagen.
[11] Subanar A., Sholichah M. (2006). Model Ontologi untuk Informasi Jadwal
Penerbangan menggunakan Protégé. Yogyakarta : Universitas Gajah Mada.
[12] Medidata. (2011). MIMS Edisi Bahasa Indonesia Vol 12.Jakarta : PT.Buana Ilmu Populer.
[13] JENA.http://jena.apache.org/tutorials/rdf_api.html
[14] Protégé.http://protege.stanford.edu/overview/
