Pencarian Aturan Asosiasi Semantic Web Untuk Obat Tradisional Indonesia
Abstrak
Indonesia memiliki lebih dari 2000 jenis tanaman yang dapat digunakan untuk pengobatan. Obat tradisional Indonesia yang dikenal dengan nama jamu memanfaatkan berbagai jenis tanaman obat tersebut. Setiap tanaman obat dapat memiliki khasiat yang berbeda-beda, demikian juga ketika tanaman obat tersebut telah menjadi ramuan jamu. Seperti halnya obat yang dapat digunakan untuk menyembuhkan penyakit, demikian juga dengan jamu. Jamu yang memiliki khasiat yang sama dapat diproduksi oleh berbagai perusahaan dan memiliki komposisi yang berbeda Agar jamu membawa manfaat bagi yang meminumnya, pengetahuan mengenai khasiat dari tanaman obat, khasiat dari ramuan jamu, dan komposisi dari ramuan jamu sangatlah dibutuhkan. Salah satu cara memperoleh pengetahuan tentang ramuan jamu beserta dengan seluruh komposisinya adalah dengan memanfaatkan teknik association rule mining. Jika pada umumnya teknik ini hanya memanfaatkan basis data tunggal, maka pada makalah ini sumber data diperoleh dari hasil semantic web. Data dalam semantic web disimpan dalam bentuk RDF atau OWL sesuai dengan ontology mengenai jamu. Data bentuk RDF/OWL diubah ke dalam bentuk data transaksi dengan menggunakan library rrdf dari R, dan selanjutnya diolah menggunakan algoritme Apriori, yang merupakan salah satu algoritme dalam association rule. Hasil dari algoritme Apriori ini adalah aturan-aturan asosiasi tentang komposisi tanaman jamu beserta dengan nilai support, confidence, dan lift ratio. Hasil menunjukkan nilai lift ratio lebih dari 1 yang artinya antara satu tanaman obat dengan tanaman obat yang lainnya salingbergantung satu sama lain.
Referensi
D. W. Wardani, S. H. Yustianti, U. Salamah, and O. P. Astirin, ―An Ontology of Indonesian Ethnomedicine,‖ in International Conference on Information, Communication Technology and System, 2014, pp. 47–52.
N. F. Noy and D. L. McGuinness, ―Ontology Development 101: A Guide to Creating Your First Ontology,‖ Stanford Knowl. Syst. Lab., p. 25, 2001.
M. Silalahi, D. E. Cahyani, D. I. Sensuse, and I. Budi, ―Developing Indonesian Medicinal Plant Ontology Using Socio-Technical Approach,‖ 2015, no. I4ct, pp. 39–43.
T. Kato, N. Maneerat, R. Varakulsiripunth, F. Engineering, and K. Mongkut, ―Ontology-based E-health System with Thai Herb Recommendation 1", Sendai National College of Technology , Sendai , Japan, vol. 1, 2009.
V. Ganesan, S. Waheeta Hopper, and G. BharatRam, ―Semantic Data Integration and Quering Using SWRL,‖ in Trends in Network and Communications, vol. 197, D. Wyld, DavidC. and Wozniak, Michal and Chaki, Nabendu and Meghanathan, Natarajan and Nagamalai, Ed. Springer Berlin Heidelberg, 2011, pp. 567–574.
R. Mohan. and G. Arumugam, ―Developing Indian medicinal plant ontology using OWL and SWRL,‖ in Second International Conference, ICDEM 2010, 2012, vol. 6411 LNCS, pp. 131–138.
R. Agrawal, T. Imieliński, and A. Swami, ―Mining association rules between sets of items in large databases,‖ ACM SIGMOD Rec., vol. 22, no. 2, pp. 207–216, 1993.
R. Agrawal and R. Srikant, ―Fast algorithms for mining association rules,‖ in Proceeding VLDB ’94 Proceedings of the 20th International Conference on Very Large Data Bases, 1994, vol. 1215, pp. 487–499.
J. Han, M. Kamber, and J. Pei, Data Mining: Concepts and Techniques, Third edit. Waltham, MA, USA: Morgan Kaufmann, 2012.
J. Han, J. Pei, and Y. Yin, ―Mining Frequent Pattern without Candidate Generation,‖ in In: Proc. Conf. on the Management of Data (SIGMOD’00, Dallas, TX)., 2010, pp. 1–12.
D. Hunyadi, ―Performance comparison of apriori and FP-growth algorithms in generating association rules,‖ in ECC’11 Proceedings of the 5th European conference on European computing conference, 2011, pp. 376–381.
D. H. Yang, J. H. Kang, Y. B. Park, Y. J. Park, H. S. Oh, and S. B. Kim, ―Association Rule Mining and Network Analysis in Oriental Medicine,‖ PLoS One, vol. 8, no. 3, pp. 1–9, 2013.
F. M. Afendi, N. Ono, Y. Nakamura, K. Nakamura, L. K. Darusman, N. Kibinge, A. H. Morita, K. Tanaka, H. Horai, M. Altaf-Ul-Amin, and S. Kanaya, ―Data Mining Methods for Omics and Knowledge of Crude Medicinal Plants toward Big Data Biology.,‖ Comput. Struct. Biotechnol. J., vol. 4, no. 5, p. e201301010, 2013.
F. M. Afendi, N. Ono, Y. Nakamura, K. Nakamura, L. K. Darusman, N. Kibinge, A. H. Morita, K. Tanaka, H. Horai, M. Altaf-Ul-Amin, and S. Kanaya, ―Data Mining Methods for Omics and Knowledge of Crude Medicinal Plants Toward Big Data Biology,‖ Comput. Struct. Biotechnol. J., vol. 4, no. 5, pp. 1–14, 2013.
S. H. Wijaya, H. Husnawati, F. M. Afendi, I. Batubara, L. K. Darusman, M. Altaf-Ul-Amin, T. Sato, N. Ono, T. Sugiura, and S. Kanaya, ―Supervised clustering based on DPClusO: Prediction of plant-disease relations using Jamu formulas of KNApSAcK database,‖ Biomed Res. Int., vol. 2014, 2014.
V. Nebot and R. Berlanga, ―Finding association rules in semantic web data,‖ Knowledge-Based Syst., vol. 25, no. 1, pp. 51–62, 2012.
R. Ramezani and C. Engineering, ―SWApriori : A New Approach to Mining Association Rules from Semantic Web Data.‖
T. Anbutamilazhagan and M. . Selvaraj, ―A Novel Model for Mining Association Rules from Semantic Web Data,‖ Elysium J., vol. 1, no. 2, pp. 1–5, 2014.
K. J. Kochut and M. Janik, ―SPARQLeR: Extended Sparql for Semantic Association Discovery,‖ in Proceedings of the 4th European conference on The Semantic Web: Research and Applications - ESWC ’07, 2007, pp. 145–159.
A. S. H. Yazdi and M. Kahani, ―A Novel Model for Mining Association Rules from Semantic Web Data,‖ in Intelligent Systems (ICIS), 2014 Iranian, 2014, pp. 1 – 4.
A. Bellandi, B. Furletti, V. Grossi, and A. Romei, ―Ontology-Driven Association Rule Extraction : A Case Study,‖ Context. Ontol. Represent. Reason., 2007.
K. Chomboon, N. Kaoungku, K. Kerdprasop, and N. Kerdprasop, ―Data Mining in Semantic Web Data,‖ Int. J. Comput. Theory Eng., vol. 6, no. 6, pp. 6–9, 2014.
E. L. Willighagen, ―A short tutorial on rrdf,‖ 2012. [Online]. Available: http://cran.r-project.org/web/packages/rrdf/rrdf.pdf.
D. Y. Zhao, ―RDATAMING,‖ 2011. [Online]. Available: http://www.rdatamining.com/docs/association-rule-mining-with-r.
Y. Nakamura, H. Asahi, M. Altaf-Ul-Amin, K. Kurokawa, and S. Kanaya., ―KNApSAcK: A Comprehensive Species-Metabolite Relationship Database.‖ [Online]. Available: http://kanaya.naist.jp/jamu/top.jsp, tanggal akses: 30-Mar-2015.
Badan Pengawas Obat dan Makanan Indonesia, ―Produk Obat Tradisional.‖ [Online]. Available: http://ceknie.pom.go.id/, tanggal akses: 24-Jan-2016.
Badan Pengawas Obat dan Makanan Indonesia, ―Obat Bahan Alamai Indonesia.‖ [Online]. Available: http://www.pom.go.id/index.php/oai/, tanggal akses: 24-Jan-2016.
© Jurnal Nasional Teknik Elektro dan Teknologi Informasi, di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.
2.png)
