Main Article Content

Abstract

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.

Keywords

Ontology Pengetahuan Senyawa Tumbuhan obat

Article Details

How to Cite
Fazriani, A., Kusuma, W. A., & Batubara, I. (2019). Sistem Berbasis Pengetahuan Tumbuhan Obat Pusat Studi Biofarmaka. Jurnal Jamu Indonesia, 4(1), 17–27. https://doi.org/10.29244/jji.v4i1.88

References

    Babu MSP, Govathoti S. 2016. A semantic model for building integrated ontology database. 2016 7th IEEE International Conference on Software Engineering and Service Science (ICSESS).doi: 10.1109/ICSESS.2016.7883140.
    Chen C, Fu R. 2010. A new frame of tacit knowledge transfer based on ontology. Knowledge Creation Diffusion Utilization, FSKD. 1756–1760.
    [Ijah] Indonesia Jamu- Herbs. 2017. Mencari prediksi tumbuhan dan senyawa [Internet]. Institut Pertanian Bogor. Tersedia pada: http://ijah.apps.cs.ipb.ac.id/#/home.
    Khan SU, Khan M, Nauman M. 2017. Semi-automatic knowledge transformation of semantic network ontologies into frames structures. 2016 6th International Conference on Innovative Computing Technology, INTECH 2016. 712–717.
    Nonaka I. 1994. A dynamic theory of organization knowledge creation. Organization Science. 5(1)(February): 14-37.
    Ribino P, Oliveri A, Re GL, Gaglio S. 2009. A knowledge management system based on ontologies. International Conference on New Trends in Information and Service Science. 1025–1033.
    Sanjaya S. 2014. Pengembangan ontologi tumbuhan obat Indonesia menggunakan Etnobotani [tesis]. Bogor (ID): Institut Pertanian Bogor.
    Silalahi M, Cahyani DE, Sensuse DI, Budi I. 2015. Developing Indonesian medicinal plant ontology using socio-technical approach. I4CT 2015 - 2015 2nd International Conference on Computer, Communications, and Control Technology, Art Proceeding, (I4). 39–43.
    Sir M, Bradac Z, Fiedler P. 2015. Ontology versus database. Science Direct, IFAC-PapersOnLine. 48(4):220–225. doi.org/10.1016/j.ifacol.2015.07.036
    Stevens R, Goble C, Bechhofer S. 2000. Ontology-based knowledge representation for bioinformatics. Briefings in Bioinformatics. 1(4):398–414.
    Zhu Q, Tao C. 2014. Pharmacological class data representation in the Web Ontology Language (OWL). Proceedings - 2014 IEEE International Conference on Big Data, IEEE Big Data 2014. 77–84. doi:10.1109/BigData.2014.7004397.
No Related Submission Found