Semantic Web, Generasi Web yang Lebih Cerdas
Pengertian Semantic Web
Semantic Web adalah grafik pengetahuan yang dibentuk dengan menggabungkan Data Tertaut yang terhubung dengan konten cerdas untuk memfasilitasi pemahaman mesin dan pemrosesan konten, metadata, dan objek informasi lainnya dalam skala besar.
1. Pengertian Semantic Web
2. Sejarah Semantic Web
3. Definisi Semantic Web Menurut Para Ahli
4. Cara Kerja Semantic Web
5. Komponen-Komponen Semantic Web
6. Contoh Implementasi Semantic Web
Semantic Web mengarah ke pengalaman pelanggan yang lebih cerdas dan lebih mudah dengan memberikan konten kemampuan untuk memahami dan menampilkan dirinya dalam bentuk yang paling berguna yang sesuai dengan kebutuhan pelanggan. Standar semantik membuka kunci evolusi penting web menuju kecerdasan yang memungkinkan konten yang kami posting online disajikan dengan cara yang dapat dipahami, dihubungkan, dan dicampur ulang oleh mesin.
Struktur konten semantic web membentuk dasar penting untuk grafik yang andal, atau peta pengetahuan, yang diperlukan untuk Artificial Intelligence (AI), Natural Language Processing (NLP) dan Natural Language Understanding (NLU). AI akan selalu menjadi aplikasi khusus yang dibangun terhadap kumpulan konten yang terbatas hingga struktur dan standar semantik ada di seluruh rangkaian konten. Mengadopsi pendekatan Web Semantik untuk konten membuat penerbit lebih dekat dengan kumpulan konten yang dapat dikerjakan secara global.
Sejarah Semantic Web
Beberapa tahun yang lalu, di awal tahun 1980-an, banyak yang memprediksi dunia baru. Dalam visi itu, mungkin berdasarkan kemunculan komputer pribadi, manusia akan memiliki akses ke gudang informasi yang besar.
Pintunya adalah komputer, dan data, yang disimpan dalam media berkapasitas besar menawarkan kemungkinan baru untuk integrasi. Tidak lama kemudian konsep multimedia muncul. Dukungan unik untuk informasi tekstual dan audiovisual, yang memungkinkan pengembangan produk tertutup dan dapat ditingkatkan dengan edisi baru. Dalam masyarakat konsumen, itu hanyalah produk lain.
Kemunculan dan penyebaran CD-ROM dan dukungan komputer berkontribusi pada pembuatan buku tahunan, ensiklopedia, database, aplikasi pendidikan dan informatif, majalah dan semua jenis aplikasi yang luas yang diperbarui secara berkala.
Dalam lingkungan ini, pencarian dan permintaan informasi menggunakan model prediktif dan model prioritas. Pengguna hanya dapat mengakses informasi melalui lebih banyak atau lebih sedikit rute akses yang ditentukan oleh perancang sistem.
Informasi dapat ditemukan melalui formulir, klasifikasi dan lingkungan pemulihan yang dinamika penggunaan dan konten yang tidak dioperasikan tidak terlalu bervariasi. Itu adalah skenario di mana kueri ke database online disediakan untuk pengguna yang sangat spesifik (biasanya peneliti) dan hampir selalu melalui perantara, dokumenter.
Tentu saja pencarian informasi dilakukan pada informasi tekstual, biasanya tidak terstruktur dan bahkan polos. Pengenalan Internet di semua bidang masyarakat kita, di luar penggunaan ilmiah atau akademis, hanya masalah waktu dan merevolusi skenario yang dijelaskan sebelumnya.
Aplikasi seperti e-mail atau Web, telah mengambil banyak bobot dalam pengembangan konten digital online, sehingga jaringan sosial, layanan online band atau eGovernment menjadi tidak terpikirkan tanpa alat ini. Akibatnya, Web telah menjadi alat sehari-hari untuk pertukaran informasi dalam masyarakat kita, melebihi media seperti televisi, dan telah menjadi, bersama dengan kertas, dalam salah satu sarana publikasi terpenting dalam masyarakat saat ini.
Oleh karena itu, Web saat ini telah berkembang menjadi penggunaan yang melampaui ide asli Tim Berners-Lee. Kami tidak lagi berbicara tentang sistem untuk mempublikasikan dan mengkomunikasikan hasil eksperimen dan penelitian. Di Web itu, didasarkan pada interkoneksi dokumen menggunakan tautan hypertext, alat baru melalui pengembangan bahasa pemrograman ke Web dan integrasinya dengan sistem basis data telah dibuat.
Konsep Sistem Manajemen Konten (CMS) menganggap Web sebagai platform universal untuk penciptaan semua jenis alat, yang penggunaan pengguna hanya membutuhkan satu perangkat lunak penting: browser Web. Pengguna mulai berinteraksi dengan Web di luar pencarian dan pengambilan informasi.
Fungsionalitas pembuatan konten tekstual dan audiovisual dan komunikasi antara individu dan kelompok mengkristal dalam generasi baru alat yang dikenal sebagai Web 2.0 atau Web Sosial, yang dirancang untuk memfasilitasi hubungan antara orang-orang.
Definisi Semantic Web Menurut Para Ahli
Dalam pengertian ini, Hendler, Berners-Lee dan Miller (2002) menawarkan definisi Web semantik berikut:
Kita dapat mengidentifikasi beberapa aspek kunci dalam definisi ini. Pertama, mengacu pada Web semantik sebagai perpanjangan dari Web saat ini. Itu adalah ide, konsep, dan penggunaan baru Web, karena perangkat lunak yang digunakan untuk mengembangkan pendekatan Web Semantik harus hidup berdampingan dengan aplikasi lain di Web saat ini.
Poin penting lainnya dari definisi tersebut menunjukkan kebutuhan untuk menuliskan atau memeriksa informasi ini dengan data yang memberikan makna yang terdefinisi dengan baik (semantik) dan dibagikan sehingga dapat dihubungkan. Data entailment, diwakili oleh standar Web semantik memungkinkan penggunaan kembali pekerjaan yang dilakukan oleh entitas yang berbeda.
Dengan demikian, tesaurus yang dikembangkan dan diterbitkan di Web oleh institusi dalam format yang sesuai untuk Web Semantik dapat digunakan oleh repositori digital dari beberapa institusi lain untuk mendapatkan deskriptor catatan mereka.
Di bagian bawah kami menemukan bahwa pada kenyataannya, Semantic Web bertujuan untuk mengembangkan mekanisme pertukaran data antar sistem dan, pada akhirnya, komunikasi antara manusia mesin, menjadi efektif dan efisien.
Akhirnya, definisi tersebut mengantisipasi kemungkinan bahwa sistem komputer mungkin dapat memanipulasi dan bahkan mengolah informasi ke target tertentu dalam bentuk masalah yang ditetapkan.
Definisi serupa ditawarkan Berners-Lee bersama dengan Miller (2002), yang juga memaparkan cara W3C mengoordinasikan pencapaian tujuan-tujuan ini:
Dari pendekatan yang lebih konkret dan melanjutkan bagian terakhir dari definisi di atas, kita dapat menemukan di situs web resmi bahwa W3C mempertahankan tentang Semantic Web pada konten berikut yang dapat berfungsi sebagai definisi:
Mengingat kerja koordinasi W3C adalah normal dalam definisi sebelumnya bahwa dua teknologi dasar yang terkait dengan pengembangan Web Semantik disertakan: spesifikasi RDF dan bahasa XML. RDF (Resource Description Framework) adalah model data yang dikembangkan oleh W3C yang menyediakan spesifikasi untuk deskripsi metadata di Web.
Cara Kerja Semantic Web
Untuk memahami prinsip di balik bagaimana Semantic Web berkembang, bayangkan sebuah jukebox. Mesin klasik ini memainkan lagu yang dipilih oleh seorang pelindung dengan menekan tombol. Karena jukebox berisi sejumlah rekaman terbatas yang harus dipilih secara manual, web sebelum teknologi semantik diperkenalkan bekerja dengan cara yang hampir sama dan memiliki banyak keterbatasan yang sama. Pengguna harus secara manual menarik permintaan dari sumber daya yang terbatas: halaman web, direktori, dokumen yang berada di server yang berbeda, dll. Mesin tidak dapat menemukan, membaca, atau apalagi menggunakan konten ini.
Selama beberapa dekade, teknologi musik sesuai permintaan telah berevolusi dari jukebox menjadi platform digital cerdas seperti Spotify atau Pandora. Layanan "Musik Semantik" ini memungkinkan kami menemukan konten yang tepat dari jutaan lagu tanpa mendengarkan semuanya, membangun koleksi musik yang dikuratori oleh manusia dan mesin, dan mungkin yang paling menarik "secara ajaib" menemukan lagu baru yang sesuai dengan minat kami .
Bagaimana Spotify dan Pandora melakukan ini? Atau, bagaimana sepupu mereka Netflix, YouTube, AirBNB, dan Amazon mewujudkan bentuk "keajaiban pengalaman pelanggan" mereka? Anda menebaknya! Melalui penggunaan Data dan konten Tertaut yang kaya secara semantik.
Web telah berkembang ke arah semantik sejak itu adalah secercah dalam visi Tim Berners-Lee. Alih-alih manusia mencari secara manual dari daftar tautan terbatas, sekarang algoritme menavigasi sejumlah besar kumpulan konten yang semakin terstruktur yang tersedia untuk menjawab secara spesifik atau bertindak berdasarkan kueri tertentu. Data, diperkaya dengan semantik, struktur, dan tautan yang bermakna, yang dapat diinterpretasikan oleh mesin, memungkinkan komputer menemukan dan memanipulasi informasi atas nama kami dengan lebih presisi.
Hal ini menghasilkan pengalaman penemuan dan pencarian konten yang lebih baik, dan peluang yang lebih luas untuk berbagi, rekombinasi, analisis, dan penggunaan kembali data tanpa hambatan dengan interaksi manusia-manual-manusia yang lebih sedikit dalam loop. Pengalaman semantik memudahkan manusia untuk tampil secara kreatif dan menemukan pengalaman konten tanpa gesekan, sementara mesin melakukan pencarian, penyaringan, penyortiran, penggabungan, pengorganisasian, dan penyajian jawaban nyata.
Komponen-komponen Semantic Web
Pembuatan Semantic Web dimungkinkan dengan adanya sekumpulan standar yang dikoordinasi oleh World Wide Web Consortium (W3C). Standar yang paling penting dalam membangun Semantic Web adalah XML, XML Schema, RDF, OWL, dan SPARQL.
Berikut ini adalah layer dari Semantic Web sebagaimana direkomendasikan oleh W3C (www.w3c.org):
1. XML dan XML Schema
Extensible Markup Language (XML) merupakan bahasa markup yang didesain untuk menjadi sarana yang mudah dalam mengirimkan dokumen melalui Web. Berbeda dengan Hypertext Markup Language (HTML), XML memungkinkan penggunanya untuk mendefinisikan custom tag. Namun, standard XML tidak memiliki constraint semantik pada arti dari dokumen tersebut.
XML Schema merupakan bahasa yang digunakan untuk mendefinisikan sekumpulan aturan (schema) yang harus dipatuhi oleh dokumen XML. Struktur dari dokumen XML yang dibuat harus sesuai dengan schema yang telah didefinisikan tersebut.
Berikut ini adalah contoh sederhana definisi schema yang dibuat untuk mendeskripsikan sebuah kota dengan menggunakan XML Schema (kota.xsd):
<xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema"> <xs:element name="kota" type="Kota"/> <xs:complexType name="Kota"> <xs:sequence> <xs:element name="nama" type="xs:string"/> <xs:element name="populasi" type="xs:decimal"/> </xs:sequence> </xs:complexType> </xs:schema>
Berdasarkan schema di atas, kita dapat membuat sebuah dokumen XML sebagai berikut:
<kota xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:noNamespaceSchemaLocation="kota.xsd">
<nama>Bandung</nama>
<populasi>3.5</populasi>
</kota>2. RDF dan RDF Schema
Resource Description Framework (RDF) adalah spesifikasi yang dibuat oleh W3C sebagai metode umum untuk memodelkan informasi dengan menggunakan sekumpulan format sintaks. Ide dasar dari RDF adalah bagaimana kita dapat membuat pernyataan mengenai sebuah resource Web dalam bentuk ekpresi "Subjet-Predikat-Objek".
Dalam terminology RDF, SPO ini seringkali disebut dengan istilah N-triple. Subjek mengacu pada resource yang ingin dideksripsikan. Predikat menggambarkan kelakuan atau karakteristik dari resource tersebut dan mengekspresikan hubungan antara subjek dan objek.
Sebagai contoh, kita ingin mepresentasikan ide "Dokumen ini berjudul Jadwal Ujian dan dipublikasi oleh Fakultas IT UKM". Dengan menggunakan bentuk Ntriple dari RDF, pernyataan kalimat tersebut dapat memiliki bentuk sebagai berikut:
<http://www.itmaranatha.org/jadwal> <http://purl.org/dc/elements/1.1/title> "Jadwal Ujian" <http://www.itmaranatha.org/jadwal> <http://purl.org/dc/elements/1.1/publisher> "Fakultas IT UKM"Selain menggunakan bentuk S-P-O (N-triple), pernyataan tersebut dapat diekpresikan dengan menggunakan RDF/XML sebagai berikut:
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"> <rdf:Description rdf:about="http://www.itmaranatha.org/jadwal"> <dc:title>Jadwal Ujian</dc:title> <dc:publisher>Fakultas IT UKM</dc:publisher> </rdf:Description> </rdf:RDF>
Mekanisme pendeskripsian resource inilah yang merupakan komponen utama yang dikemukakan oleh W3C’s Semantic Web di mana perangkat lunak dapat menyimpan, menukar, dan menggunakan informasi yang dapat dibaca mesin yang didistribusikan melalui Web, yang pada akhirnya memampukan pengguna dalam menangani informasi tersebut dengan tingkat efisiensi dan tingkat kepastian yang lebih baik. RDF Schema dapat dipandang sebagai kamus data atau vocabulary untuk mendeskripsikan properties dan classes dari resources RDF.
3. OWL (Web Ontology Language)
Web Ontology Language (OWL) adalah suatu bahasa yang dapat digunakan oleh aplikasi-aplikasi yang bukan sekedar menampilkan informasi tersebut pada manusia, melainkan juga yang perlu memproses isi informasi isi. Ontology sendiri dapat didefinisikan sebagai suatu cara untuk mendeskripsikan arti dan relasi dari istilah-istilah. Deskripsi tersebut berisi classes, properties, dan instances. Deskripsi ini dapat membantu sistem computer dalam menggunakan istilah-istilah tersebut cengan cara yang lebih mudah [Lee06].
Dengan menggunakan OWL, kita dapat menambah vocabulary tambahan disamping semantiks formal yang telah dibuat sebelumnya menggunakan XML, RDF, dan RDF Schema. Hal ini sangat membantu penginterpretasian mesin yang lebih baik terhadap isi Web. Untuk mendeskripsikan properties dan classes, OWL menambahkan vocabulary seperti:
• "among others"
• Relasi antar classes (misalnya: "disjointness")
• Kardinalitas (misalnya: "exactly one")
• Kesamaan (equality)
• Karakteristik property (misalnya: "symmetry")
• Enumerated classes
OWL menyediakan tiga buah subbahasa yang dirancang untuk digunakan oleh para pengguna tertentu, yaitu:
- OWL Lite, digunakan oleh pengguna yang membutuhkan suatu hirarki pengklasifikasian dan berbagai constraints sederhana.
- OWL DL, digunakan oleh pengguna yang menginginkan tingkat ekpresi maksimal dan semua konklusi yang dihasilkan dapat dihitung dalam waktu yang terbatas (finite)
- OWL Full, digunakan oleh pengguna yang menginginkan tingkat ekpresi maksimal dan kebebasan sintaks dari RDF tanpa mempertimbangkan komputasi yang dibutuhkan.
Berikut ini adalah contoh untuk mendeskripsikan class Airport menggunakan OWL:
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntaxns#" xmlns:rdfs="http://www.w3.org/2000/01/rdf-schema#" xmlns:owl="http://www.w3.org/2002/07/owl#" xml:base="http://www.daml.org/2001/10/html/airport-ont">
<owl:Ontology rdf:about="">
<owl:versionInfo>$Id: airport-ont.daml,v 1.1 2002/03/14 06:24:16 mdean Exp $</owl:versionInfo>
<rdfs:comment>Airport</rdfs:comment>
</owl:Ontology>
<rdfs:Class rdf:ID="Airport">
<rdfs:subClassOf>
<owl:Restriction>
<owl:onProperty rdf:resource="#name"/>
<owl:allValuesFrom rdf:resource="http://www.w3.org/2001/XMLSchema#string"/>
</owl:Restriction>
</rdfs:subClassOf>
<rdfs:subClassOf>
<owl:Restriction>
<owl:onProperty rdf:resource="#iataCode"/>
<owl:allValuesFrom rdf:resource="http://www.w3.org/2001/XMLSchema#string"/>
</owl:Restriction>
</rdfs:subClassOf>
<rdfs:subClassOf>
<owl:Restriction>
<owl:onProperty rdf:resource="#icaoCode"/>
<owl:allValuesFrom rdf:resource="http://www.w3.org/2001/XMLSchema#string"/>
</owl:Restriction>
</rdfs:subClassOf>
<rdfs:subClassOf>
<owl:Restriction>
<owl:onProperty rdf:resource="#location"/>
<owl:allValuesFrom rdf:resource="http://www.w3.org/2001/XMLSchema#string"/>
</owl:Restriction>
</rdfs:subClassOf>
<rdfs:subClassOf>
<owl:Restriction>
<owl:onProperty rdf:resource="#latitude"/>
<owl:allValuesFrom rdf:resource="http://www.w3.org/2001/XMLSchema#double"/>
</owl:Restriction>
</rdfs:subClassOf>
<rdfs:subClassOf>
<owl:Restriction>
<owl:onProperty rdf:resource="#longitude"/>
<owl:allValuesFrom rdf:resource="http://www.w3.org/2001/XMLSchema#double"/>
</owl:Restriction>
</rdfs:subClassOf>
<rdfs:subClassOf>
<owl:Restriction>
<owl:onProperty rdf:resource="#elevation"/>
<owl:allValuesFrom rdf:resource="http://www.w3.org/2001/XMLSchema#double"/>
</owl:Restriction>
</rdfs:subClassOf>
</rdfs:Class>
<owl:DatatypeProperty rdf:ID="elevation"/>
<owl:DatatypeProperty rdf:ID="iataCode"/>
<owl:DatatypeProperty rdf:ID="icaoCode"/>
<owl:DatatypeProperty rdf:ID="latitude"/>
<owl:DatatypeProperty rdf:ID="location"/>
<owl:DatatypeProperty rdf:ID="longitude"/>
<owl:DatatypeProperty rdf:ID="name"/>
</rdf:RDF>4. SPARQL
SPARQL Protocol and RDF Query Language (SPARQL) adalah sebuah protocol dan bahasa query untuk Semantic Web’s resources. Sebuah query yang menggunakan SPARQL dapat terdiri atas triple patterns, konjungsi (or), dan disjungsi (and).
Berikut ini adalah contoh query yang menghasilkan semua ibu kota di Indonesia:
PREFIX abc: <http://mynamespace.com/exampleOntologie#>
SELECT ?capital ?province
WHERE {
?x abc:cityname ?capital.
?y abc:provincename ?province.
?x abc:isCapitalOf ?y.
?y abc:isInCountry abc:indonesia.
}Untuk menjalankan SPARQL kita dapat menggunakan beberapa tools dan APIs seperti: ARQ, Rasqal, RDF::Query, twingql, Pellet, dan KAON2 [Lei05]. Tools tersebut memiliki API yang memampukan pemrogram untuk memanipulasi hasil query dengan berbagai aplikasi yang ada. Namun, sebagai standar kita dapat menggunakan SPARQL Query Results XML Format [Dav07] yang direkomendasikan oleh W3C.
Berikut ini adalah hasil dari query di atas:
<?xml version="1.0"?>
<sparql xmlns="http://www.w3.org/2005/sparql-results#">
<head>
<variable name="capital"/>
<variable name="province"/>
</head>
<results>
<result>
<binding name="capital">
<literal datatype="http://www.w3.org/2001/XMLSchema#string">
Bandung
</literal>
</binding>
<binding name="province">
<literal datatype="http://www.w3.org/2001/XMLSchema#string">
Jawa Barat
</literal>
</binding>
</result>
<!-- more results -->
</results>
</sparql>Contoh Implementasi Semantic Web
Karena semakin banyak studi kasus muncul di Web, kami akan mencoba mengumpulkan beberapa yang terbaik di halaman ini.
1. Supply Chain Management - Biogen Idec
Biogen Idec adalah pembuat farmasi yang terkenal karena pembuatan obat-obatan yang digunakan untuk mengobati multiple sclerosis yang mengelola rantai pasokan globalnya menggunakan teknologi Web Semantik. Sebagai kelas masalah, manajemen rantai pasokan mencakup banyak fitur yang membuatnya matang untuk menerapkan Teknologi Web Semantik, khususnya: {C}{C} Data yang dikelola berubah terus-menerus.
Tampilan yang diperlukan pada data tersebut (misalnya perhitungan, KPI, dll.) berubah terus-menerus. Banyak kolaborasi lintas-organisasi terjadi, dengan volume besar data yang disampaikan antara pemasok di setiap tingkat rantai pasokan. Selain itu, persyaratan industri spesifik Biogen membuat penggunaan teknologi tradisional untuk manajemen rantai pasokan menjadi sangat menantang.
Jenis bahan yang dikirim oleh perusahaan teknologi tinggi seperti Biogen Idec dari waktu ke waktu, dan akibatnya, sifat bahan ini juga terus berubah. Key Performance Indicators (KPI) yang saat ini sedang dioptimalkan oleh perusahaan teknologi tinggi berubah dengan sangat cepat. Aturan dan peraturan berubah, membutuhkan berbagai jenis data yang akan diambil dari waktu ke waktu.
Manajer Rantai Pasokan bukan profesional TI, sehingga mereka harus dapat melihat, memahami, dan memanipulasi data yang dilacak secara langsung, tanpa harus melintasi tingkat tipuan organisasi tambahan. Perlu diingat bahwa istilah Semantik di Web Semantik berarti bahwa menurut definisi, model data transparan untuk ahli materi pelajaran, tidak hanya teknologi.
Pemasok berubah dari waktu ke waktu dan berlokasi di wilayah dan negara baru, mungkin memerlukan lokalisasi bahasa baru, mata uang, dll., dan seringkali memerlukan konektivitas data baru ke sistem pihak ketiga yang baru.
Teknologi Web semantik memberi manajer dan petugas rantai pasokan kemampuan untuk mengelola semua kerumitan ini dengan andal dan efisien. Untuk membaca studi kasus selengkapnya, lihat artikel asli di American Laboratory .
2. Media Management - BBC
Sejauh ini penggunaan teknologi Semantic Web yang paling umum adalah situs web untuk British Broadcasting Corporation (yaitu, BBC). Pada 2010, seluruh situs web Piala Dunia mereka didukung oleh teknologi Web Semantik, seperti yang dilaporkan di ReadWriteWeb dan SemanticWeb.com. Bahkan saat ini, sebagian besar situs web publik mereka dijalankan dengan teknologi Web Semantik.
BBC bukan satu-satunya perusahaan media yang menggunakan teknologi Web Semantik. Time Inc., Elsevier, dan Library of Congress semuanya juga memiliki sistem produksi yang dibangun menggunakan teknologi Web Semantik.
Proses penyimpanan, penyortiran, dan penyajian media memiliki banyak kualitas yang diuntungkan dari pemanfaatan teknologi Web Semantik.
3. Integrasi Data dalam Minyak & Gas - Chevron
Selama bertahun-tahun, Chevron telah bereksperimen dengan teknologi Web Semantik dalam berbagai aplikasi. 100 tahun yang lalu, mengebor minyak sedikit lebih rumit daripada menancapkan pipa di tanah. Namun, akhir-akhir ini, segala sesuatu mulai dari penemuan hingga produksi membutuhkan data yang sangat intensif.
Setiap hari, satu rig lepas pantai akan menghasilkan terabyte data yang berisi informasi penting yang dapat membantu memprediksi kegagalan mekanis dan anomali lainnya. Setiap kali kesalahan mengganggu produksi pada rig yang aktif, biayanya bisa melonjak hingga puluhan juta dolar per hari. Maklum, operator di bidang ini berada di bawah tekanan yang sangat besar.
Teknologi Web Semantik memungkinkan para insinyur dan peneliti untuk menggabungkan data sewenang-wenang dengan cara yang sewenang-wenang dalam upaya untuk lebih memahami dan memprediksi operasi ladang minyak harian. Beberapa dari banyak pertimbangan tingkat tinggi yang tidak ditangani dengan baik oleh teknologi tradisional meliputi:
Kurangnya hasil yang terdefinisi dengan baik. Berdasarkan sifatnya, banyak kegiatan di seluruh industri energi bersifat eksperimental. Ketika keadaan tujuan akhir tidak terdefinisi, mungkin perlu untuk mengubah arah pada titik mana pun.
Kurangnya standar data industri. Semua integrasi data pada dasarnya ad hoc. Pergantian besar-besaran teknologi. Setiap perangkat baru memancarkan parameter baru yang harus dilacak bersama data yang ada. Yang pasti, aktivitas tertentu dalam industri dapat diprediksi dengan cara yang dapat dikelola, tetapi banyak yang tidak.
Penggerak bisnis utama berikut secara khusus diidentifikasi oleh Chevron (seperti dikutip langsung dari studi kasus):
Ada sejuta mil spageti yang dimakan setiap hari!” Hal yang sama dapat dikatakan tentang data di Industri minyak dan gas. Sejumlah besar data dihasilkan setiap hari dari berbagai sumber seperti pengukuran seismik, catatan sumur, angka pengeboran, nomor transportasi, dan statistik pemasaran. Mengintegrasikan data heterogen ini untuk memanfaatkan nilai informasinya sejauh ini terbukti rumit dan mahal.
Data ini ada dalam bentuk terstruktur dalam database, dan dalam bentuk semi-terstruktur di buku kerja dan dokumen seperti laporan dan koleksi multimedia. Untuk menghadapi banjir informasi dan berbagai format data yang heterogen, diperlukan pendekatan baru untuk pencarian dan akses informasi.
Untuk proyek modal besar (lihat contoh aplikasi di bawah) di industri, informasi perlu distandarisasi dan diintegrasikan lintas sistem, disiplin, dan batasan organisasi. Integrasi informasi ini akan memungkinkan pengambilan keputusan yang lebih baik dalam kolaborasi, karena data berkualitas tinggi akan lebih mudah diakses secara tepat waktu.
Untuk membaca studi kasus selengkapnya, lihat artikel asli di W3C. Juga, seorang praktisi kunci dari proyek itu, Roger Cutler, memberikan wawancara yang sangat jujur dan jelas yang layak untuk dibaca .
4. Mesin Pencarian Web dan E-niaga
Mesin pencari benar-benar mendapat manfaat dari memiliki akses ke metadata tambahan untuk mengembalikan hasil yang lebih relevan. Faktanya, pemain terbesar di industri ini berinvestasi besar-besaran dalam standar yang mendorong perusahaan untuk membubuhi keterangan halaman web mereka dengan struktur yang jauh lebih banyak, yang merupakan salah satu tujuan awal dari visi Web Semantik. RDF sendiri bahkan dapat disematkan ke halaman web melalui RDFa.
 |
| Image : simplea.com |
Facebook mengembangkan Protokol Grafik Terbuka, yang sangat mirip dengan RDF. Microsoft, Google, dan Yahoo menggunakan Schema.org, yang memiliki representasi RDFa. Industri E-niaga memiliki GoodRelations, yang juga menggunakan RDFa. Kerangka kerja ini sekarang secara aktif digunakan untuk memberikan pengalaman web yang lebih baik kepada pengguna.
Studi kasus yang sangat baik dan spesifik tentang penggunaan teknologi Web Semantik ini adalah Best Buy. Mereka mengadopsi GoodRelations untuk situs web mereka dan melihat peningkatan yang luar biasa dalam klik dan konversi. Jay Myers telah mempresentasikan di berbagai konferensi, dan karyanya tentang masalah ini dapat ditemukan di seluruh web.
1. https://cambridgesemantics.com/blog/semantic-university/semantic-technologies-applied/example-semantic-web-applications/
2. https://disenowebakus.net/en/semantic-web
3. https://media.neliti.com/media/publications/219242-pengembangan-aplikasi-semantic-web-untuk.pdf
4. https://www.ontotext.com/knowledgehub/fundamentals/what-is-the-semantic-web/
5. https://simplea.com/Articles/what-is-the-semantic-web
