PENGEMBANGAN PURWARUPA SEMANTIC SEARCH MENGGUNAKAN SEMANTIC WEB RULE LANGUAGE UNTUK PENCARIAN INFORMASI PRODUK Asih Winantu
PENGEMBANGAN PURWARUPA SEMANTIC SEARCH
MENGGUNAKAN SEMANTIC WEB RULE LANGUAGE
UNTUK PENCARIAN INFORMASI PRODUK
Asih Winantu*1, Azhari SN2
1
Program Studi Manajemen Informatika STMIK EL RAHMA, Jl. Sisingamangaraja
76 Yogyakarta
2
Program Studi S2/S3 Ilmu Komputer, FMIPA UGM Sekip Utara Bulaksumur
Yogyakarta
e-mail: *1 asihwinantu@gmail.com,2arisn.softcomp@gmail.com
Abstrak
Website yang memiliki mesin pencari informasi seperti Google atau Yahoo
kini telah menjadi alternatif utama bagi masyarakat modern dalam mencari berita atau
informasi bakan mencari produk.. Fasilitas layanan pencarian yang banyak saat ini
menggunakan sintaksis kata, sehingga informasi yang dikembalikan tidak sesuai
dengan yang diharapkan pengguna.
Dalam penelitian ini dibangun sebuah prototype aplikasi pencarian informasi
produk Handphone berbasis semantik web, informasi produk disimpan dalam
sebuah basis pengetahuan yang disebut ontology. Parameter pencarian bisa berupa
kata kunci atau kalimat. Layanan yang disediakan dalam sistem ini adalah berupa
layanan pencarian dengan kalimat berbahasa Indonesia. Sedangkan aturan yang
dibangun adalah aturan pengolahan bahasa dengan Natural Language Processing dengan
mengacu pada algoritma Tala [8] agar sistem mampu memahami makna dari keyword
ataupun kalimat pencarian yang diinputkan user dan aturan query SWRL untuk
proses pencarian informasi yang tersimpan pada basis pengetahuan.
Semantik search yang dibangun dapat memproses keyword atau kalimat. Kalimat
yang diinputkan pada kotak pencarian bisa berupa kalimat sederhana, kalimat
pertanyaan serta kalimat perintah. Hasil pengujian terhadap sejumlah kalimat perintah
pencarian yang diinputkan, mampu memberikan rasio precision sebesar 99,55 % dan
rasio recall sebesar 93,67 % .
Kata kunci : semantic web, ontology, SWRL, NLP, Precision, Recall
Abstract
Website which has a search engine such as Google or Yahoo now has become
a major alternative to the modern society in seeking news or information even search
for products. Search service facilities currently using the word syntax, so the
information that is returned does not match users expected.
This research was focused on constructing a handphone ontology and a
prototype of Handphones product information search semantic web based, the
product information was stored in a knowledge base which is called ontology. Search
parameters can include keywords or phrases. Services provided in this system is a
search service with sentences in Indonesian language. While the rules are the rules of
language processing built with Natural Language Processing with reference to the
Tala algorithm, so the system is able to understand the meaning of a keyword or
phrase and SWRL rules for the process of finding information stored in the
knowledge base.
Semantic search that had been built can process keyword or sentences.
Sentences can be simple sentence, sentence with question word and also imperative
sentence. The results of testing on a number of searching phrase, show providing
both the precision ratio 99,55 % and recall ratio of 93,67 % .
keyword : semantic web, ontology, SWRL, NLP, Precision, Recall
1. PENDAHULUAN
Website yang memiliki mesin pencari informasi seperti google atau yahoo kini
telah menjadi alternatif utama bagi masyarakat modern dalam mencari berita atau
informasi bahkan mencari produk. Namun demikian, walaupun mesin-mesin pencari
ini sanggup memberikan berbagai informasi yang dibutuhkan, seringkali ketepatan
dalam mencari informasi tersebut dipertanyakan [1].
Berners-lee [2] mengatakan bahwa inti dari semantic web adalah
mengaplikasikan ontologi untuk merepresentasikan content atau informasi menjadi
basis pengetahuan dalam bentuk-bentuk yang dapat dipahami dan diproses oleh
mesin. Dengan demikian data-data produk dapat disimpan menjadi sebuah metadata
berbasis ontologi. Sedangkan penerapan semantic search memiliki tujuan untuk
memunculkan penemuan kembali informasi secara lebih relevan dengan keinginan
user.
Semantic search berusaha untuk meningkatkan akurasi pencarian dengan
memahami maksud pencarian dan makna kontektual sehingga menghasilkan hasil
yang lebih relevan sesuai keinginan pengguna. Semantic search pada intinya pencarian
dibuat cerdas, pencarian yang berusaha meningkatkan akurasi dengan menghilangkan
ambiguitas melalui pemahaman konteks [3]. Penelitian ini mengusulkan penerapan
semantic search yang dilengkapi dengan aturan-aturan query dari Semantic Web Rule
Language pada sistem pencarian yang digunakan untuk memproduksi suatu informasi
tertentu yang diinginkan. Dengan aturan-aturan yang ditambahkan diharapkan
Semantic Search yang akan dikembangkan dapat membuat sistem pencarian menjadi
lebih relevan dalam pengembalian informasi sesuai dengan yang diinginkan oleh user.
Vandic dkk[9] membuat aplikasi pencarian produk multifacet, dimana toko
online bisa men-submit informasi RDF website mereka untuk diproses. Aplikasi ini
memproses informasi RDF dari file-file HTML dan mengumpulkan informasi
produk dari website yang berbeda. Penelitian lainnya tentang pencarian informasi
produk dilakukan oleh Zhang dkk [10] yang membuat Framework untuk pencarian
data produk. Framework ini menggunakan ontology yang didapat dari mengekstrak
halaman-halaman web (html) dari web penjualan yang sudah ada yaitu amazon.com
dan dangdang.com. Halaman-halaman web dari kedua situs penjualan tersebut
diekstrak, kemudian di konversikan kedalam bentuk OWL. Kemudian dibangunlah
framework untuk halaman pencarian. Untuk pencarian digunakan bahasa query
SPARQL dan OA_VSM.
Penelitian lainnya tentang pencarian informasi produk adalah yang dilakukan
oleh Lee dkk [5] yang melakukan penelitian tentang semantic web service untuk
pemesanan produk kamera. Dibangun dengan ontology berbasis DAML+OIL
(DARPA Agent Markup Language + Ontology Inference Language). User dapat mengisikan
query pencarian produk, lalu aplikasi akan menghubungkan ke basis ontology dari
masing-masing toko, lalu menampilkan hasil sesuai query dari user.
2. METODE PENELITIAN
1. Deskripsi Sistem
Sistem yang dibangun dalam penelitian ini adalah sebuah prototype aplikasi
pencarian informasi produk Handphone berbasis semantik web. Layanan yang
disediakan dalam sistem ini adalah berupa layanan pencarian dengan kalimat
berbahasa Indonesia. Kalimat yang dimasukkan bisa berupa kalimat sederhana,
kalimat pertanyaan serta kalimat perintah. Selanjutnya input kalimat dalam kotak
pencarian mengalami proses filtering, tokenizing dan stemming lalu disesuaikan dengan
pola kalimat yang sudah didefinisikan dalam aturan produksi. Hasil pencarian akan
ditampilkan sesuai dengan data yang disimpan dalam ontology Handphone.
2. Perancangan Sistem
Perancangan sistem dibagi dalam beberapa tahap :
Perancangan ontology
Ontology pada penelitian ini ada 2, yaitu ontology Handphone dan ontology
vocabulary. Ontology Handphone berisi basis pengetahuan produk Handphone,
dan ontology vocabulary berisi daftar keyword, stopword dan question word.
Ontology Handphone berisi 8 kelas yaitu :
1. Handphone untuk merepresentasikan informasi produk Handphone.
2. Predicate untuk merepresentasikan informasi predikat Handphone.
3. Os untuk merepresentasikan informasi nama-nama sistem operasi yang
digunakan oleh Handphone
4. Connection untukmerepresentasikan informasi tipe koneksi data yang
digunakan oleh Handphone
5. PriceRange untuk merepresentasikan informasi harga Handphone
6. Category untuk merepresentasikan informasi kategori Handphone
7. ScreenSize untuk merepresentasikan informasi ukuran layar Handphone
8. Network untuk merepresentasikan informasi jaringan yang dipakai pada
handphone.
Gambar 1. Relasi Kelas pada ontology Handphone
Dari gambar 1 dapat dilihat relasi antar kelas yang telah dibentuk, sehingga dapat
dilihat hubungan antar kelas tersebut. Handphone memiliki relasi dengan semua
kelas. Sedangkan kelas PriceRange memiliki relasi dengan kelas category dengan
nama relasi hascategory dan hasprice. Kelas ScreenSize mempunyai relasi dengan
predicate, dengan nama relasi hasPredicate
Pengolahan bahasa alami
Proses yang digunakan adalah filtering, tokenizing dan stemming. Proses filtering
menggunakan daftar stopword yang disimpan dalam suatu kelas dalam ontology
vocabulary dan digunakan sebagai acuan penghilangan kata.
Gambar 2. Proses filtering
Proses tokenizing adalah memisahkan setiap kata yang menyusun suatu kalimat
pencarian yang diterima oleh sistem. Umumnya setiap kata dalam suatu kalimat
terpisahkan oleh karakter spasi, sehingga proses tokenisasi mengandalkan
karakter spasi pada kalimat untuk melakukan pemisahan kata.
Gambar 3. Proses tokenizing
Stemming adalah proses untuk mencari root atau kata dasar dari suatu kata.
Pencarian kata dasar dapat memperkecil hasil indeks tanpa harus menghilangkan
makna. Stemming digunakan untuk menghindari ketidakcocokan, dimana katakata yang berbeda namun memiliki makna dasar yang sama direduksi menjadi
satu bentuk. Pendekatan yang digunakan proses stemming adalah mencari kata
dasar suatu kata dari kata-kata yang berimbuhan dengan membuang imbuhan–
imbuhan (atau lebih tepatnya awalan dan akhiran) pada kata–kata tersebut (Tala,
2003).
Gambar 4. proses stemming
Representasi kalimat
Setelah proses filtering, tokenizing dan stemming, maka langkah selanjutnya adalah
sistem akan mencari kesesuaian kata-kata yang didapat dari proses tersebut
kedalam ontology vocabulary.owl. Sistem akan mencocokkan apakah kata-kata
yang terbentuk termasuk dalam questionword, Kelas, Object Properties, datatype
properties dan value. Setelah proses representasi selesai dilakukan maka langkah
selanjutnya adalah menetapkan masing-masing hasil yang didapat kedalam
ontology Handphone. Setelah individu berhasil diperoleh, langkah selanjutnya
adalah menetapkan kelas yang memuat individu hasil pencarian .
Proses selanjutnya adalah mencari relasi, relasi disimpan dalam kelas OBP pada
ontology vocabulary. Selanjutnya dari OBP akan ditentukan domain dan range
masing-masing kelas.
Pembentukan query
Setelah aturan pengolahan kalimat ditentukan, berikutnya adalah proses generate
aturan SWRL. Aturan SWRL yang digunakan adalah aturan dasar dalam format
query SWRL untuk me-retrieve informasi sesuai dengan parameter yang
diberikan.
Perancangan rule atau aturan
SWRL merupakan sekumpulan aturan yang digunakan untuk mendapatkan
solusi pada suatu domain permasalahan. Banyaknya rule yang digunakan atau
diterapkan pada sebuah model ontology dipengaruhi oleh banyak faktor seperti
komplektivitas permasalahan, keragaman data yang digunakan, hubungan antar
objek dalam permasalahan, dan lain sebagainya. Rule digunakan untuk mengatur
relasi atau hubungan antar elemen-elemen penyusun ontology seperti relasi
antar class, relasi class dengan datatype, relasi antar instance dalam suatu class
ataupun instance antar class.
Rule-rule yang terdapat pada ontology Handphone secara lengkap dijabarkan
pada tabel 1.
Tabel 1. Deskripsi rule pada ontology Handphone
Nama Rule
Sintaks
Keterangan
N
o
1.
RuleHandphone
2.
RuleSmartphone
3.
RuleTablet
4.
RulePhablet
5.
RuleOSVersi
Handphone(?x)
sqwrl:select(?x)
Handphone(?x) ∧ hasOS(?x,
?os) ∧ processor(?x, ?pro) →
sqwrl:select(?x)
Handphone(?x) ∧ hasOS(?x,
?os) ∧ processorSpeed(?x,
?ps) ∧ Predicate(?p) ∧
name(?p, ?n) ∧
swrlb:containsIgnoreCase(?n,
"tablet") ∧ predicateOf(?p,
?x) →
sqwrl:select(?x)
Handphone(?x) ∧ hasOS(?x,
?os) ∧ processorSpeed(?x,
?ps) ∧ Predicate(?p) ∧
name(?p, ?n) ∧
swrlb:containsIgnoreCase(?n,
"phablet") ∧ predicateOf(?p,
?x) →
sqwrl:select(?x)
OS(?x) ∧ version(?x,?y)
name(?x,?y)
Rule untuk menampilkan
seluruh koleksi Handphone
Rule untuk menampilkan
seluruh koleksi smartphone
Rule untuk
koleksi tablet
menampilkan
Rule untuk menampilkan
koleksi phablet
OS x memiliki versi maka y
merupakan nama dari OS
tersebut.
6.
RulePriceRangeAli
as
7.
RulePredicateAlias
8.
RuleCategoryAlias
9.
RuleHpHasPredic
ate
10.
RuleHpHasCatego
ry
11.
InversRuleHpHas
Predicate
12.
InversRuleHp
HasCategory
13.
OsOfHp
14.
RuleConnectionO
f
15.
RuleHpHasNetwo
rk
PriceRange(?x) ∧ alias(?x,?y) Range harga x memiliki alias
maka y merupakan nama dari
PriceRange tersebut.
name(?x,?y)
Predicate(?x) ∧ alias(?x,?y) Predicate x memiliki alias
maka y merupakan nama dari
name(?x,?y)
predicate tersebut.
Category(?x) ∧ alias(?x,?y) category x memiliki alias
maka y merupakan nama dari
name(?x,?y)
category tersebut.
∧ Handphone X memiliki
Handphone(?x)
ScreenSize(?y)
∧ Screen Y, dan screen Y
hasScreen(?x,?y)
∧ memiliki predicate Z, maka
Predicate(?z)
∧ handphone X memiliki
hasPredicate(?y,?z)
predicate Z
hasPredicate(?x,?z)
∧ Handphone X memiliki
Handphone(?x)
PriceRange(?y)
∧ harga Y, dan harga Y
hasPrice(?x,?y)
∧ memiliki category Z, maka
Category(?z)
∧ handphone X memiliki
hasCategory(?y,?z)
category Z
hasCategory(?x,?z)
Handphone(?x)
∧ Handphone X memiliki
∧ predicate Z, maka sebaliknya
ScreenSize(?y)
hasScreen(?x,?y)
∧ predicate Z dimiliki oleh
Predicate(?z)
∧ Handphone X
hasPredicate(?y,?z)
∧
hasPredicate(?x,?z)
PredicateOf(?z,?x)
Handphone(?x)
∧ Handphone X memiliki
∧ category Z, maka sebaliknya
PriceRange(?y)
hasPrice(?x,?y)
∧ category Z dimiliki oleh
Category(?z)
∧ Handphone X
hasCategory(?y,?z)
∧
hasCategory(?x,?z)
categoryOf(?z,?x)
Handphone(?x) ∧ OS(?y) ∧ Handphone X memiliki OS
Y, maka sebaliknya OS Y
hasOS(?x,?y) osOf(?y,?x)
merupakan OS dari
Handphone X
∧ Handphone X memiliki
Handphone(?x)
Connection(?y)
∧ Connection Y, maka
hasConnection(?x,?y)
sebaliknya Connection Y
merupakan koneksi dari
connectionOf(?y,?x)
Handphone X
Handphone(?x)
∧ Handphone X memiliki
Network(?y)
∧ Network Y, maka sebaliknya
Network Y merupakan
16.
RuleHpHasPrice
hasNetwork(?x,?y)
networkOf(?y,?x)
Handphone(?x) ∧ Price(?y) ∧
hasPrice(?x,?y)
priceOf(?y,?x)
network dari Handphone X
Handphone X memiliki
harga Y, maka sebaliknya
harga Y merupakan harga
dari Handphone X
3. HASIL DAN PEMBAHASAN
Implementasi dari hasil penelitian ini adalah sebuah protoype aplikasi pencarian
informasi produk Handphone berbasis web semantik dengan menggunakan ontology
dan rule untuk melakukan pengolahan pada basis pengetahuan. Interface dari
prototype aplikasi dibuat sederhana dengan fasilitas pencarian berbasis teks dan
menu yang dapat langsung diakses oleh pengguna yaitu Handphone dan Vocabulary.
Gambar 5. Arsitektur sistem
Pengujian sistem menggunakan dua cara, yang pertama adalah pengujian metode
pencarian semantic search dengan kalimat, bertujuan untuk mengetahui keberhasilan
sistem yang dibangun. Kemudian cara kedua adalah dengan penghitungan informasi
yang dikembalikan atau di retrieved oleh sistem. Pengujian ini dilakukan untuk
mengukur kemampuan sistem dalam me-retrieve Informasi yang tersimpan dalam
ontology. Untuk mengukur efektifitas sistem temu kembali informasi terdapat dua
rasio umum yang biasa dipergunakan yaitu precision (ukuran kemampuan sebuah
sistem untuk menampilkan hanya dokumen yang relevan) dan recall (ukuran
kemampuan sistem untuk menampilkan seluruh dokumen yang relevan).
Menurut Mandala [7] pengujian dilakukan dengan cara memberikan penilaian
berdasarkan komponen berikut :
1. Apakah sistem mampu mengenali kalimat dengan tepat dan mampu merubah
kalimat pencarian menjadi representasi kalimat sebelum query?
2. Apakah sistem mampu mengenali kunci value dengan tepat?
3. Apakah sistem mampu menentukan statemen query dengan tepat?
4. Apakah sistem mampu menghasilkan informasi yang tepat untuk setiap kalimat
pencarian yang dimasukkan?
Tabel 2. Pengujian kalimat pencarian pada semantic search
Komponen pengujian:
apakah sistem mampu
Juml
Jum
Me
ah
lah Jumla
ngh
doku
h
Dok
asil
Me
men
doku
um
Mene
kan
Me nge
relev
men
en
Kalimat
ntuk
No
info
nge nali
an
pad yang
pencarian
an
rma
nali valu
dikem yang
a
state
si
kali e
Ont balika dike
men
yan
mat kun
mbal
n
olog
query
g
ci
ikan
y
tepa
t
1. Nokia
25
25
25
Pr
eci
sio
n
R
ec
all
100 100
% %
100 100
% %
100 100
% %
2. Cari hp nokia
25
25
25
3. Tampilkan
ponsel
nokia
3806
4. Tampilkan
ponsel produksi
nokia
5. Tampilkan hp
dengan kamera
8 mp
6. Tampilkan hp
dengan input
keyboard
7. Cari
Handphone
dengan fasilitas
radio
8. Cari
Handphone
dengan
processor
single core
9. Cari
Handphone
dengan
processor 1.5
GHz
10.Tampilkan hp
slot single sim
1
1
1
25
25
25
9
9
9
16
16
16
100 100
% %
31
31
31
100 100
% %
2
2
2
100 100
% %
7
7
7
100 100
% %
34
34
3
100 100
% %
100 100
% %
11.Cari hp yang di
rilis tahun 2010
12.Tampilkan
handphone
dengan
memory 1 GB
13.Tampilkan
koleksi
hp
dengan batre liion
14.Tampilkan
handphone
dengan harga
satu jutaan
15.Tampilkan
handphone
dengan harga
1000.000
16.Tampilkan
ponsel dengan
jaringan
CDMA
17.Cari
ponsel
dengan predikat
wide screen
18.Cari hp dengan
koneksi
infrared
19.Cari hp dengan
sistem android
jellybean
20.tampilkan hp
dengan
kategory low
end
1.
2.
3.
4.
5.
3
3
3
100 100
% %
14/1 14/1
5= 4
15
14
14
49
49
49
100 100
% %
18
18
18
100 100
% %
8
8
8
100 100
% %
15
15
15
100 100
% %
31
31
31
100 100
% %
1
1
1
100 100
% %
12
12
12
100 100
% %
32
32
32
100 100
% %
Hasil pengujian menunjukkan bahwa sistem mampu :
Mengenali hampir semua kalimat yang diinputkan.
Merubah kalimat perintah dan pertanyaan menjadi representasi kalimat sebelum
query.
Mengenali value kunci yang terdapat pada kalimat pencarian dengan tepat.
Menentukan statemen query dengan tepat, dan
Menghasilkan informasi yang tepat untuk sejumlah kalimat perintah dan
pertanyaan yang diinputkan
Contoh tampilan hasil pengujian ada pada gambar 6, 7 dan 8.
Gambar 6: Contoh hasil pengujian dengan kata kunci “nokia 3806”
Gambar 7: Contoh hasil pengujian dengan kalimat tanya
Gambar 8: Contoh hasil pengujian dengan kalimat
4. KESIMPULAN
Berdasarkan penelitian yang telah dilakukan dapat disimpulkan beberapa hal
sebagai berikut:
1. Penelitian ini menghasilkan ontology produk handphone berbasis OWL dan
aplikasi semantic search dengan menggunakan aturan SWRL.
2. Untuk dapat memproses kalimat pencarian, maka ontology vocabulary dibuat
untuk menyimpan data kosakata-kosakata yang digunakan dalam proses
pencarian informasi. Ontology vocabulary berisi informasi Keyword, Stopword dan
QuestionWord.
3. Kalimat-kalimat yang dapat diproses oleh sistem ini adalah kalimat berbahasa
Indonesia yang mengandung kata-kata yang tersimpan pada ontology vocabulary.
4. Hasil pengujian dengan menginputkan sejumlah perintah pencarian, sistem
semantic search ini mampu mengenali kata kunci, kalimat perintah dan pertanyaan
yang diiinputkan dan memberikan informasi yang cukup relevan terhadap
sejumlah perintah dan pertanyaan, dan memberikan rasio precision sebesar 99,55
% dan rasio recall sebesar 93,67 % .
5. Sistem juga mampu memproses kalimat-kalimat yang memiliki makna sama
contohnya adalah : “apa sistem operasi dari ZTE fantasy” dan kalimat “sistem
operasi dari ZTE fantasy namanya apa” akan menghasilkan informasi yang sama,
yaitu menampilkan nama sistem operasi yang dipakai oleh ponsel ZTE fantasy.
5. SARAN
Dari pembahasan serta kesimpulan penelitian ini, ada beberapa saran yang
dapat diberikan untuk penelitian selanjutnya :
1. Aplikasi ini didesign untuk melakukan pencarian informasi produk handphone
yang diinputkan kedalam ontology. Kedepannya perlu ditambahkan mekanisme
penambahan data secara otomatis kedalam ontology, yang diambil dari website
yang sudah ada.
2. Aplikasi ini belum bisa menjawab pertanyaan pengguna yang berkaitan dengan
data kualitatif, contohnya “cari hp yang bagus”,”cari hp dengan kamera terbaik”,
“cari hp terbaik” sehingga untuk penelitian selanjutnya perlu ditambahkan rule-
rule dan mekanisme untuk bisa menjawab pertanyaan yang berkaitan dengan data
kualitatif.
DAFTAR PUSTAKA
[1]
Antoniou, G., dan Van Harmelen, F., 2008, A Semantic Web Primer, MIT
Press, Massachusetts.
[2]
Berners-Lee T., Hendler J., dan Lassila O., 2001, The Semantic Web. Technical
report, Scientific American.
[3]
Grimes, S., 2010, Two + Nine Types of Semantic Search,
http://www.informationweek.com/news/software/bi/222400100, diakses
9 September 2011.
[4]
Horrocks, I., Patel-Scheneider, P., Boley H., Tabet S., Grosof, B., dan Dean,
M., SWRL: A semantic Web Rule Language Combining OWL and RuleML.
http://www.w3.org/Submission/SWRL/, diakses pada tanggal 12 Februari
2012.
[5]
Lee, HK., Yu, YH., dan Jo, GS., No Date, Comparison Shopping System Based
On Semantic Web: A Case Study Purchasing Cameras, Inha University,
Korea.
[6]
Liu, Z., dan Zhang, Y., 2010, Research and Design of E-commerce
Semantic Search, IEEE Journal, Volume 4, Halaman 332-334.
[7]
Mandala, R., 1999, Temu Kembali Informasi dengan Bantuan Analisis
Linguistik, Proceeding of Information Processing and Management.
[8]
Tala, Z, 2003, A Study of Stemming Effect on Information Retrieval in Bahasa
Indonesia, Institute for Logic, Language and Computation, Universiteit van
Amsterdam, The Netherlands.
[9]
Vandic, D., van Dam, JW., dan Frasincar, F., 2011, Faceted Product Search
Powered by the Semantic Web, Erasmus University, Rotterdam.
[10] Zhang, L., Zhu, M., Huang, W., 2009, A Framework for an Ontology-based
E-commerce Product Information Retrieval System, Journal of compuTers,
Volume 4, Nomor 6, November 2009, halaman 436-443
MENGGUNAKAN SEMANTIC WEB RULE LANGUAGE
UNTUK PENCARIAN INFORMASI PRODUK
Asih Winantu*1, Azhari SN2
1
Program Studi Manajemen Informatika STMIK EL RAHMA, Jl. Sisingamangaraja
76 Yogyakarta
2
Program Studi S2/S3 Ilmu Komputer, FMIPA UGM Sekip Utara Bulaksumur
Yogyakarta
e-mail: *1 asihwinantu@gmail.com,2arisn.softcomp@gmail.com
Abstrak
Website yang memiliki mesin pencari informasi seperti Google atau Yahoo
kini telah menjadi alternatif utama bagi masyarakat modern dalam mencari berita atau
informasi bakan mencari produk.. Fasilitas layanan pencarian yang banyak saat ini
menggunakan sintaksis kata, sehingga informasi yang dikembalikan tidak sesuai
dengan yang diharapkan pengguna.
Dalam penelitian ini dibangun sebuah prototype aplikasi pencarian informasi
produk Handphone berbasis semantik web, informasi produk disimpan dalam
sebuah basis pengetahuan yang disebut ontology. Parameter pencarian bisa berupa
kata kunci atau kalimat. Layanan yang disediakan dalam sistem ini adalah berupa
layanan pencarian dengan kalimat berbahasa Indonesia. Sedangkan aturan yang
dibangun adalah aturan pengolahan bahasa dengan Natural Language Processing dengan
mengacu pada algoritma Tala [8] agar sistem mampu memahami makna dari keyword
ataupun kalimat pencarian yang diinputkan user dan aturan query SWRL untuk
proses pencarian informasi yang tersimpan pada basis pengetahuan.
Semantik search yang dibangun dapat memproses keyword atau kalimat. Kalimat
yang diinputkan pada kotak pencarian bisa berupa kalimat sederhana, kalimat
pertanyaan serta kalimat perintah. Hasil pengujian terhadap sejumlah kalimat perintah
pencarian yang diinputkan, mampu memberikan rasio precision sebesar 99,55 % dan
rasio recall sebesar 93,67 % .
Kata kunci : semantic web, ontology, SWRL, NLP, Precision, Recall
Abstract
Website which has a search engine such as Google or Yahoo now has become
a major alternative to the modern society in seeking news or information even search
for products. Search service facilities currently using the word syntax, so the
information that is returned does not match users expected.
This research was focused on constructing a handphone ontology and a
prototype of Handphones product information search semantic web based, the
product information was stored in a knowledge base which is called ontology. Search
parameters can include keywords or phrases. Services provided in this system is a
search service with sentences in Indonesian language. While the rules are the rules of
language processing built with Natural Language Processing with reference to the
Tala algorithm, so the system is able to understand the meaning of a keyword or
phrase and SWRL rules for the process of finding information stored in the
knowledge base.
Semantic search that had been built can process keyword or sentences.
Sentences can be simple sentence, sentence with question word and also imperative
sentence. The results of testing on a number of searching phrase, show providing
both the precision ratio 99,55 % and recall ratio of 93,67 % .
keyword : semantic web, ontology, SWRL, NLP, Precision, Recall
1. PENDAHULUAN
Website yang memiliki mesin pencari informasi seperti google atau yahoo kini
telah menjadi alternatif utama bagi masyarakat modern dalam mencari berita atau
informasi bahkan mencari produk. Namun demikian, walaupun mesin-mesin pencari
ini sanggup memberikan berbagai informasi yang dibutuhkan, seringkali ketepatan
dalam mencari informasi tersebut dipertanyakan [1].
Berners-lee [2] mengatakan bahwa inti dari semantic web adalah
mengaplikasikan ontologi untuk merepresentasikan content atau informasi menjadi
basis pengetahuan dalam bentuk-bentuk yang dapat dipahami dan diproses oleh
mesin. Dengan demikian data-data produk dapat disimpan menjadi sebuah metadata
berbasis ontologi. Sedangkan penerapan semantic search memiliki tujuan untuk
memunculkan penemuan kembali informasi secara lebih relevan dengan keinginan
user.
Semantic search berusaha untuk meningkatkan akurasi pencarian dengan
memahami maksud pencarian dan makna kontektual sehingga menghasilkan hasil
yang lebih relevan sesuai keinginan pengguna. Semantic search pada intinya pencarian
dibuat cerdas, pencarian yang berusaha meningkatkan akurasi dengan menghilangkan
ambiguitas melalui pemahaman konteks [3]. Penelitian ini mengusulkan penerapan
semantic search yang dilengkapi dengan aturan-aturan query dari Semantic Web Rule
Language pada sistem pencarian yang digunakan untuk memproduksi suatu informasi
tertentu yang diinginkan. Dengan aturan-aturan yang ditambahkan diharapkan
Semantic Search yang akan dikembangkan dapat membuat sistem pencarian menjadi
lebih relevan dalam pengembalian informasi sesuai dengan yang diinginkan oleh user.
Vandic dkk[9] membuat aplikasi pencarian produk multifacet, dimana toko
online bisa men-submit informasi RDF website mereka untuk diproses. Aplikasi ini
memproses informasi RDF dari file-file HTML dan mengumpulkan informasi
produk dari website yang berbeda. Penelitian lainnya tentang pencarian informasi
produk dilakukan oleh Zhang dkk [10] yang membuat Framework untuk pencarian
data produk. Framework ini menggunakan ontology yang didapat dari mengekstrak
halaman-halaman web (html) dari web penjualan yang sudah ada yaitu amazon.com
dan dangdang.com. Halaman-halaman web dari kedua situs penjualan tersebut
diekstrak, kemudian di konversikan kedalam bentuk OWL. Kemudian dibangunlah
framework untuk halaman pencarian. Untuk pencarian digunakan bahasa query
SPARQL dan OA_VSM.
Penelitian lainnya tentang pencarian informasi produk adalah yang dilakukan
oleh Lee dkk [5] yang melakukan penelitian tentang semantic web service untuk
pemesanan produk kamera. Dibangun dengan ontology berbasis DAML+OIL
(DARPA Agent Markup Language + Ontology Inference Language). User dapat mengisikan
query pencarian produk, lalu aplikasi akan menghubungkan ke basis ontology dari
masing-masing toko, lalu menampilkan hasil sesuai query dari user.
2. METODE PENELITIAN
1. Deskripsi Sistem
Sistem yang dibangun dalam penelitian ini adalah sebuah prototype aplikasi
pencarian informasi produk Handphone berbasis semantik web. Layanan yang
disediakan dalam sistem ini adalah berupa layanan pencarian dengan kalimat
berbahasa Indonesia. Kalimat yang dimasukkan bisa berupa kalimat sederhana,
kalimat pertanyaan serta kalimat perintah. Selanjutnya input kalimat dalam kotak
pencarian mengalami proses filtering, tokenizing dan stemming lalu disesuaikan dengan
pola kalimat yang sudah didefinisikan dalam aturan produksi. Hasil pencarian akan
ditampilkan sesuai dengan data yang disimpan dalam ontology Handphone.
2. Perancangan Sistem
Perancangan sistem dibagi dalam beberapa tahap :
Perancangan ontology
Ontology pada penelitian ini ada 2, yaitu ontology Handphone dan ontology
vocabulary. Ontology Handphone berisi basis pengetahuan produk Handphone,
dan ontology vocabulary berisi daftar keyword, stopword dan question word.
Ontology Handphone berisi 8 kelas yaitu :
1. Handphone untuk merepresentasikan informasi produk Handphone.
2. Predicate untuk merepresentasikan informasi predikat Handphone.
3. Os untuk merepresentasikan informasi nama-nama sistem operasi yang
digunakan oleh Handphone
4. Connection untukmerepresentasikan informasi tipe koneksi data yang
digunakan oleh Handphone
5. PriceRange untuk merepresentasikan informasi harga Handphone
6. Category untuk merepresentasikan informasi kategori Handphone
7. ScreenSize untuk merepresentasikan informasi ukuran layar Handphone
8. Network untuk merepresentasikan informasi jaringan yang dipakai pada
handphone.
Gambar 1. Relasi Kelas pada ontology Handphone
Dari gambar 1 dapat dilihat relasi antar kelas yang telah dibentuk, sehingga dapat
dilihat hubungan antar kelas tersebut. Handphone memiliki relasi dengan semua
kelas. Sedangkan kelas PriceRange memiliki relasi dengan kelas category dengan
nama relasi hascategory dan hasprice. Kelas ScreenSize mempunyai relasi dengan
predicate, dengan nama relasi hasPredicate
Pengolahan bahasa alami
Proses yang digunakan adalah filtering, tokenizing dan stemming. Proses filtering
menggunakan daftar stopword yang disimpan dalam suatu kelas dalam ontology
vocabulary dan digunakan sebagai acuan penghilangan kata.
Gambar 2. Proses filtering
Proses tokenizing adalah memisahkan setiap kata yang menyusun suatu kalimat
pencarian yang diterima oleh sistem. Umumnya setiap kata dalam suatu kalimat
terpisahkan oleh karakter spasi, sehingga proses tokenisasi mengandalkan
karakter spasi pada kalimat untuk melakukan pemisahan kata.
Gambar 3. Proses tokenizing
Stemming adalah proses untuk mencari root atau kata dasar dari suatu kata.
Pencarian kata dasar dapat memperkecil hasil indeks tanpa harus menghilangkan
makna. Stemming digunakan untuk menghindari ketidakcocokan, dimana katakata yang berbeda namun memiliki makna dasar yang sama direduksi menjadi
satu bentuk. Pendekatan yang digunakan proses stemming adalah mencari kata
dasar suatu kata dari kata-kata yang berimbuhan dengan membuang imbuhan–
imbuhan (atau lebih tepatnya awalan dan akhiran) pada kata–kata tersebut (Tala,
2003).
Gambar 4. proses stemming
Representasi kalimat
Setelah proses filtering, tokenizing dan stemming, maka langkah selanjutnya adalah
sistem akan mencari kesesuaian kata-kata yang didapat dari proses tersebut
kedalam ontology vocabulary.owl. Sistem akan mencocokkan apakah kata-kata
yang terbentuk termasuk dalam questionword, Kelas, Object Properties, datatype
properties dan value. Setelah proses representasi selesai dilakukan maka langkah
selanjutnya adalah menetapkan masing-masing hasil yang didapat kedalam
ontology Handphone. Setelah individu berhasil diperoleh, langkah selanjutnya
adalah menetapkan kelas yang memuat individu hasil pencarian .
Proses selanjutnya adalah mencari relasi, relasi disimpan dalam kelas OBP pada
ontology vocabulary. Selanjutnya dari OBP akan ditentukan domain dan range
masing-masing kelas.
Pembentukan query
Setelah aturan pengolahan kalimat ditentukan, berikutnya adalah proses generate
aturan SWRL. Aturan SWRL yang digunakan adalah aturan dasar dalam format
query SWRL untuk me-retrieve informasi sesuai dengan parameter yang
diberikan.
Perancangan rule atau aturan
SWRL merupakan sekumpulan aturan yang digunakan untuk mendapatkan
solusi pada suatu domain permasalahan. Banyaknya rule yang digunakan atau
diterapkan pada sebuah model ontology dipengaruhi oleh banyak faktor seperti
komplektivitas permasalahan, keragaman data yang digunakan, hubungan antar
objek dalam permasalahan, dan lain sebagainya. Rule digunakan untuk mengatur
relasi atau hubungan antar elemen-elemen penyusun ontology seperti relasi
antar class, relasi class dengan datatype, relasi antar instance dalam suatu class
ataupun instance antar class.
Rule-rule yang terdapat pada ontology Handphone secara lengkap dijabarkan
pada tabel 1.
Tabel 1. Deskripsi rule pada ontology Handphone
Nama Rule
Sintaks
Keterangan
N
o
1.
RuleHandphone
2.
RuleSmartphone
3.
RuleTablet
4.
RulePhablet
5.
RuleOSVersi
Handphone(?x)
sqwrl:select(?x)
Handphone(?x) ∧ hasOS(?x,
?os) ∧ processor(?x, ?pro) →
sqwrl:select(?x)
Handphone(?x) ∧ hasOS(?x,
?os) ∧ processorSpeed(?x,
?ps) ∧ Predicate(?p) ∧
name(?p, ?n) ∧
swrlb:containsIgnoreCase(?n,
"tablet") ∧ predicateOf(?p,
?x) →
sqwrl:select(?x)
Handphone(?x) ∧ hasOS(?x,
?os) ∧ processorSpeed(?x,
?ps) ∧ Predicate(?p) ∧
name(?p, ?n) ∧
swrlb:containsIgnoreCase(?n,
"phablet") ∧ predicateOf(?p,
?x) →
sqwrl:select(?x)
OS(?x) ∧ version(?x,?y)
name(?x,?y)
Rule untuk menampilkan
seluruh koleksi Handphone
Rule untuk menampilkan
seluruh koleksi smartphone
Rule untuk
koleksi tablet
menampilkan
Rule untuk menampilkan
koleksi phablet
OS x memiliki versi maka y
merupakan nama dari OS
tersebut.
6.
RulePriceRangeAli
as
7.
RulePredicateAlias
8.
RuleCategoryAlias
9.
RuleHpHasPredic
ate
10.
RuleHpHasCatego
ry
11.
InversRuleHpHas
Predicate
12.
InversRuleHp
HasCategory
13.
OsOfHp
14.
RuleConnectionO
f
15.
RuleHpHasNetwo
rk
PriceRange(?x) ∧ alias(?x,?y) Range harga x memiliki alias
maka y merupakan nama dari
PriceRange tersebut.
name(?x,?y)
Predicate(?x) ∧ alias(?x,?y) Predicate x memiliki alias
maka y merupakan nama dari
name(?x,?y)
predicate tersebut.
Category(?x) ∧ alias(?x,?y) category x memiliki alias
maka y merupakan nama dari
name(?x,?y)
category tersebut.
∧ Handphone X memiliki
Handphone(?x)
ScreenSize(?y)
∧ Screen Y, dan screen Y
hasScreen(?x,?y)
∧ memiliki predicate Z, maka
Predicate(?z)
∧ handphone X memiliki
hasPredicate(?y,?z)
predicate Z
hasPredicate(?x,?z)
∧ Handphone X memiliki
Handphone(?x)
PriceRange(?y)
∧ harga Y, dan harga Y
hasPrice(?x,?y)
∧ memiliki category Z, maka
Category(?z)
∧ handphone X memiliki
hasCategory(?y,?z)
category Z
hasCategory(?x,?z)
Handphone(?x)
∧ Handphone X memiliki
∧ predicate Z, maka sebaliknya
ScreenSize(?y)
hasScreen(?x,?y)
∧ predicate Z dimiliki oleh
Predicate(?z)
∧ Handphone X
hasPredicate(?y,?z)
∧
hasPredicate(?x,?z)
PredicateOf(?z,?x)
Handphone(?x)
∧ Handphone X memiliki
∧ category Z, maka sebaliknya
PriceRange(?y)
hasPrice(?x,?y)
∧ category Z dimiliki oleh
Category(?z)
∧ Handphone X
hasCategory(?y,?z)
∧
hasCategory(?x,?z)
categoryOf(?z,?x)
Handphone(?x) ∧ OS(?y) ∧ Handphone X memiliki OS
Y, maka sebaliknya OS Y
hasOS(?x,?y) osOf(?y,?x)
merupakan OS dari
Handphone X
∧ Handphone X memiliki
Handphone(?x)
Connection(?y)
∧ Connection Y, maka
hasConnection(?x,?y)
sebaliknya Connection Y
merupakan koneksi dari
connectionOf(?y,?x)
Handphone X
Handphone(?x)
∧ Handphone X memiliki
Network(?y)
∧ Network Y, maka sebaliknya
Network Y merupakan
16.
RuleHpHasPrice
hasNetwork(?x,?y)
networkOf(?y,?x)
Handphone(?x) ∧ Price(?y) ∧
hasPrice(?x,?y)
priceOf(?y,?x)
network dari Handphone X
Handphone X memiliki
harga Y, maka sebaliknya
harga Y merupakan harga
dari Handphone X
3. HASIL DAN PEMBAHASAN
Implementasi dari hasil penelitian ini adalah sebuah protoype aplikasi pencarian
informasi produk Handphone berbasis web semantik dengan menggunakan ontology
dan rule untuk melakukan pengolahan pada basis pengetahuan. Interface dari
prototype aplikasi dibuat sederhana dengan fasilitas pencarian berbasis teks dan
menu yang dapat langsung diakses oleh pengguna yaitu Handphone dan Vocabulary.
Gambar 5. Arsitektur sistem
Pengujian sistem menggunakan dua cara, yang pertama adalah pengujian metode
pencarian semantic search dengan kalimat, bertujuan untuk mengetahui keberhasilan
sistem yang dibangun. Kemudian cara kedua adalah dengan penghitungan informasi
yang dikembalikan atau di retrieved oleh sistem. Pengujian ini dilakukan untuk
mengukur kemampuan sistem dalam me-retrieve Informasi yang tersimpan dalam
ontology. Untuk mengukur efektifitas sistem temu kembali informasi terdapat dua
rasio umum yang biasa dipergunakan yaitu precision (ukuran kemampuan sebuah
sistem untuk menampilkan hanya dokumen yang relevan) dan recall (ukuran
kemampuan sistem untuk menampilkan seluruh dokumen yang relevan).
Menurut Mandala [7] pengujian dilakukan dengan cara memberikan penilaian
berdasarkan komponen berikut :
1. Apakah sistem mampu mengenali kalimat dengan tepat dan mampu merubah
kalimat pencarian menjadi representasi kalimat sebelum query?
2. Apakah sistem mampu mengenali kunci value dengan tepat?
3. Apakah sistem mampu menentukan statemen query dengan tepat?
4. Apakah sistem mampu menghasilkan informasi yang tepat untuk setiap kalimat
pencarian yang dimasukkan?
Tabel 2. Pengujian kalimat pencarian pada semantic search
Komponen pengujian:
apakah sistem mampu
Juml
Jum
Me
ah
lah Jumla
ngh
doku
h
Dok
asil
Me
men
doku
um
Mene
kan
Me nge
relev
men
en
Kalimat
ntuk
No
info
nge nali
an
pad yang
pencarian
an
rma
nali valu
dikem yang
a
state
si
kali e
Ont balika dike
men
yan
mat kun
mbal
n
olog
query
g
ci
ikan
y
tepa
t
1. Nokia
25
25
25
Pr
eci
sio
n
R
ec
all
100 100
% %
100 100
% %
100 100
% %
2. Cari hp nokia
25
25
25
3. Tampilkan
ponsel
nokia
3806
4. Tampilkan
ponsel produksi
nokia
5. Tampilkan hp
dengan kamera
8 mp
6. Tampilkan hp
dengan input
keyboard
7. Cari
Handphone
dengan fasilitas
radio
8. Cari
Handphone
dengan
processor
single core
9. Cari
Handphone
dengan
processor 1.5
GHz
10.Tampilkan hp
slot single sim
1
1
1
25
25
25
9
9
9
16
16
16
100 100
% %
31
31
31
100 100
% %
2
2
2
100 100
% %
7
7
7
100 100
% %
34
34
3
100 100
% %
100 100
% %
11.Cari hp yang di
rilis tahun 2010
12.Tampilkan
handphone
dengan
memory 1 GB
13.Tampilkan
koleksi
hp
dengan batre liion
14.Tampilkan
handphone
dengan harga
satu jutaan
15.Tampilkan
handphone
dengan harga
1000.000
16.Tampilkan
ponsel dengan
jaringan
CDMA
17.Cari
ponsel
dengan predikat
wide screen
18.Cari hp dengan
koneksi
infrared
19.Cari hp dengan
sistem android
jellybean
20.tampilkan hp
dengan
kategory low
end
1.
2.
3.
4.
5.
3
3
3
100 100
% %
14/1 14/1
5= 4
15
14
14
49
49
49
100 100
% %
18
18
18
100 100
% %
8
8
8
100 100
% %
15
15
15
100 100
% %
31
31
31
100 100
% %
1
1
1
100 100
% %
12
12
12
100 100
% %
32
32
32
100 100
% %
Hasil pengujian menunjukkan bahwa sistem mampu :
Mengenali hampir semua kalimat yang diinputkan.
Merubah kalimat perintah dan pertanyaan menjadi representasi kalimat sebelum
query.
Mengenali value kunci yang terdapat pada kalimat pencarian dengan tepat.
Menentukan statemen query dengan tepat, dan
Menghasilkan informasi yang tepat untuk sejumlah kalimat perintah dan
pertanyaan yang diinputkan
Contoh tampilan hasil pengujian ada pada gambar 6, 7 dan 8.
Gambar 6: Contoh hasil pengujian dengan kata kunci “nokia 3806”
Gambar 7: Contoh hasil pengujian dengan kalimat tanya
Gambar 8: Contoh hasil pengujian dengan kalimat
4. KESIMPULAN
Berdasarkan penelitian yang telah dilakukan dapat disimpulkan beberapa hal
sebagai berikut:
1. Penelitian ini menghasilkan ontology produk handphone berbasis OWL dan
aplikasi semantic search dengan menggunakan aturan SWRL.
2. Untuk dapat memproses kalimat pencarian, maka ontology vocabulary dibuat
untuk menyimpan data kosakata-kosakata yang digunakan dalam proses
pencarian informasi. Ontology vocabulary berisi informasi Keyword, Stopword dan
QuestionWord.
3. Kalimat-kalimat yang dapat diproses oleh sistem ini adalah kalimat berbahasa
Indonesia yang mengandung kata-kata yang tersimpan pada ontology vocabulary.
4. Hasil pengujian dengan menginputkan sejumlah perintah pencarian, sistem
semantic search ini mampu mengenali kata kunci, kalimat perintah dan pertanyaan
yang diiinputkan dan memberikan informasi yang cukup relevan terhadap
sejumlah perintah dan pertanyaan, dan memberikan rasio precision sebesar 99,55
% dan rasio recall sebesar 93,67 % .
5. Sistem juga mampu memproses kalimat-kalimat yang memiliki makna sama
contohnya adalah : “apa sistem operasi dari ZTE fantasy” dan kalimat “sistem
operasi dari ZTE fantasy namanya apa” akan menghasilkan informasi yang sama,
yaitu menampilkan nama sistem operasi yang dipakai oleh ponsel ZTE fantasy.
5. SARAN
Dari pembahasan serta kesimpulan penelitian ini, ada beberapa saran yang
dapat diberikan untuk penelitian selanjutnya :
1. Aplikasi ini didesign untuk melakukan pencarian informasi produk handphone
yang diinputkan kedalam ontology. Kedepannya perlu ditambahkan mekanisme
penambahan data secara otomatis kedalam ontology, yang diambil dari website
yang sudah ada.
2. Aplikasi ini belum bisa menjawab pertanyaan pengguna yang berkaitan dengan
data kualitatif, contohnya “cari hp yang bagus”,”cari hp dengan kamera terbaik”,
“cari hp terbaik” sehingga untuk penelitian selanjutnya perlu ditambahkan rule-
rule dan mekanisme untuk bisa menjawab pertanyaan yang berkaitan dengan data
kualitatif.
DAFTAR PUSTAKA
[1]
Antoniou, G., dan Van Harmelen, F., 2008, A Semantic Web Primer, MIT
Press, Massachusetts.
[2]
Berners-Lee T., Hendler J., dan Lassila O., 2001, The Semantic Web. Technical
report, Scientific American.
[3]
Grimes, S., 2010, Two + Nine Types of Semantic Search,
http://www.informationweek.com/news/software/bi/222400100, diakses
9 September 2011.
[4]
Horrocks, I., Patel-Scheneider, P., Boley H., Tabet S., Grosof, B., dan Dean,
M., SWRL: A semantic Web Rule Language Combining OWL and RuleML.
http://www.w3.org/Submission/SWRL/, diakses pada tanggal 12 Februari
2012.
[5]
Lee, HK., Yu, YH., dan Jo, GS., No Date, Comparison Shopping System Based
On Semantic Web: A Case Study Purchasing Cameras, Inha University,
Korea.
[6]
Liu, Z., dan Zhang, Y., 2010, Research and Design of E-commerce
Semantic Search, IEEE Journal, Volume 4, Halaman 332-334.
[7]
Mandala, R., 1999, Temu Kembali Informasi dengan Bantuan Analisis
Linguistik, Proceeding of Information Processing and Management.
[8]
Tala, Z, 2003, A Study of Stemming Effect on Information Retrieval in Bahasa
Indonesia, Institute for Logic, Language and Computation, Universiteit van
Amsterdam, The Netherlands.
[9]
Vandic, D., van Dam, JW., dan Frasincar, F., 2011, Faceted Product Search
Powered by the Semantic Web, Erasmus University, Rotterdam.
[10] Zhang, L., Zhu, M., Huang, W., 2009, A Framework for an Ontology-based
E-commerce Product Information Retrieval System, Journal of compuTers,
Volume 4, Nomor 6, November 2009, halaman 436-443