Sistem Berbasis Pengetahuan Tumbuhan Obat Pusat Studi Biofarmaka

2020 ◽  
Vol 4 (1) ◽  
Author(s):  
Aini Fazriani ◽  
Wisnu Ananta Kusuma ◽  
Irmanida Batubara

Jamu terdiri atas berbagai macam tumbuhan obat yang diolah. Tumbuhan obat memiliki kandungan senyawa metabolit sekunder yang berperan sebagai  khasiat. Pengetahuan tumbuhan obat beserta senyawanya perlu dikembangkan lagi menjadi pengetahuan eksplisit yang lebih spesifik dan mudah dimengerti sehingga berguna untuk masyarakat.   Maka dari itu perlu  mengembangkan sistem untuk digunakan oleh masyarakat sehingga pengobatan dengan tanaman obat lebih populer di kalangan masyarakat luas. Penelitian yang  dilakukan mengenai manajemen pengetahuan berbasis ontologi terkait dengan tumbuhan obat dan senyawa. Penelitian ini menggunakan pendekatan proses manajemen pengetahuan model SECI, selain itu pengembangan ontologi menggunakan metode Ontology building life cycle, sedangkan bahasa representasi yang digunakan adalah Resource Description Framework  (RDF) dan Web Ontology Language (OWL) dengan tools Protege 5.0. Pengembangan model ontologi dengan bahasa representasi RDF/OWL dapat menghasilkan pengetahuan dengan melakukan query menggunakan SPARQL. Hasil query tersebut dapat digunakan untuk diimplementasikan pada mobile.

2019 ◽  
Vol 4 (1) ◽  
pp. 17-27
Author(s):  
Aini Fazriani ◽  
Wisnu Ananta Kusuma ◽  
Irmanida Batubara

Jamu terdiri atas berbagai macam tumbuhan obat yang diolah. Tumbuhan obat memiliki kandungan senyawa metabolit sekunder yang berperan sebagai khasiat. Pengetahuan tumbuhan obat beserta senyawanya perlu dikembangkan lagi menjadi pengetahuan eksplisit yang lebih spesifik dan mudah dimengerti sehingga berguna untuk masyarakat. Maka dari itu perlu mengembangkan sistem untuk digunakan oleh masyarakat sehingga pengobatan dengan tanaman obat lebih populer di kalangan masyarakat luas. Penelitian yang dilakukan mengenai manajemen pengetahuan berbasis ontologi terkait dengan tumbuhan obat dan senyawa. Penelitian ini menggunakan pendekatan proses manajemen pengetahuan model SECI, selain itu pengembangan ontologi menggunakan metode Ontology building life cycle, sedangkan bahasa representasi yang digunakan adalah Resource Description Framework (RDF) dan Web Ontology Language (OWL) dengan toolsProtégé5.0. Pengembangan model ontologi dengan bahasa representasi RDF/OWL dapat menghasilkan pengetahuan dengan melakukan query menggunakan SPARQL. Hasil query tersebut dapat digunakan untuk diimplementasikan pada mobile.


2011 ◽  
Vol 26 (4) ◽  
pp. 445-486 ◽  
Author(s):  
Juan F. Sequeda ◽  
Syed Hamid Tirmizi ◽  
Oscar Corcho ◽  
Daniel P. Miranker

AbstractThe Semantic Web anticipates integrated access to a large number of information sources on the Internet represented as Resource Description Framework (RDF). Given the large number of websites that are backed by SQL databases, methods that automate the translation of those databases to RDF are crucial. One approach, taken by a number of researchers, is to directly map the SQL schema to an equivalent Web Ontology Language (OWL) or RDF Schema representation, which in turn, implies an RDF representation for the relational data. This paper reviews this research, and derives a consolidated, overarching set of translation rules expressible as a stratified Datalog program. We present all the possible key combinations in an SQL schema and consider their implied semantic properties. We review the approaches and characterize them with respect to the scope of their coverage of SQL constructs.


2019 ◽  
Vol 8 (3) ◽  
pp. 3820-3827

This study focuses on the enhancing the potential of the e-commerce websites with various Semantic web technologies. The involvement of semantic enrichment gives more meaning to the data and makes content more easily discoverable by both search engines and users. Daily thousands of people try searching for a product they are willing to buy and due to the system inefficiency, customers waste a lot of their precious time and resources and also there are a lot of problems with the current e-commerce systems. So, semantic web has certain technologies/languages specifically established for data, i.e. RDF (Resource description framework), OWL (Web ontology language) and XML, etc. which can help overcome the problems and accelerate the business to a higher level where e-commerce websites will be playing an important role.


2016 ◽  
Vol 3 (2) ◽  
pp. 84 ◽  
Author(s):  
Hani Zulfia Zahro ◽  
Yeni Herdiyeni ◽  
Irman Hermadi

Penelitian ini mengusulkan tentang desain baru dari ontologi untuk tanaman obat Indonesia berdasarkan konsep morfologi. Morfologi adalah studi yang mempelajari tentang karakteristik tumbuhan. Dalam penelitian ini menggunakan morfologi sebagai konsep pengetahuan. Ontologi merupakan model pengetahuan yang mendefinisikan hubungan dan klasifikasi dari beberapa konsep dalam domain tertentu. <em>Resource description framework</em> (RDF) dan <em>web ontology language</em> (OWL) digunakan dalam merepresentasikan ontologi. SPARQL protocol and <em>RDF query language</em> (SPARQL) digunakan untuk <em>query</em> data. Protégé 4.3 digunakan untuk memodelkan ontologi tanaman obat. Hasil dari pemodelan ontologi tumbuhan obat dapat diterapkan ke sistem semantik web tanaman obat Indonesia.<br /><br />Kata kunci: morfologi, ontologi, tumbuhan obat


2010 ◽  
Vol 38 ◽  
pp. 535-568 ◽  
Author(s):  
J. De Bruijn ◽  
S. Heymans

The Resource Description Framework (RDF) is a Semantic Web standard that provides a data language, simply called RDF, as well as a lightweight ontology language, called RDF Schema. We investigate embeddings of RDF in logic and show how standard logic programming and description logic technology can be used for reasoning with RDF. We subsequently consider extensions of RDF with datatype support, considering D entailment, defined in the RDF semantics specification, and D* entailment, a semantic weakening of D entailment, introduced by ter Horst. We use the embeddings and properties of the logics to establish novel upper bounds for the complexity of deciding entailment. We subsequently establish two novel lower bounds, establishing that RDFS entailment is PTime-complete and that simple-D entailment is coNP-hard, when considering arbitrary datatypes, both in the size of the entailing graph. The results indicate that RDFS may not be as lightweight as one may expect.


Author(s):  
Christian Bizer ◽  
Maria-Esther Vidal ◽  
Michael Weiss

Sign in / Sign up

Export Citation Format

Share Document