Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Perkembangan knowledge graph semakin penting sebagai sumber data dan informasi kontekstual pada ilmu data. Meskipun konsep ini telah ada selama lebih dari dua dekade, memahami data knowledge graph masih menjadi tantangan bagi pengguna. Penggunaan alat visualisasi data, misalnya seperti, Wikidata Query Service (WQS), dapat membantu mengatasi tantangan tersebut. Namun, alat tersebut difokuskan hanya pada knowledge graph tertentu dan hanya disediakan sebagai aplikasi web. Di sisi lain, visualisasi dengan Python library, kglab memfasilitasi visualisasi knowledge graph generik dengan dukungan terbatas dari jenis visualisasi dibandingkan dengan WQS. Penelitian ini mengusulkan VizKG, sebagai framework (Python library) yang menyediakan berbagai macam visualisasi untuk hasil kueri SPARQL pada knowledge graph generik. VizKG menghubungkan hasil kueri dan library visualisasi eksternal melalui pemetaan variabel terhadap komponen visualisasi yang dibutuhkan. Sebagai bentuk evaluasi pendekatan kami, penelitian ini menyertakan evaluasi use case untuk VizKG pada knowledge graph generik yang berasal dari beberapa domain. Saat ini jumlah visualisasi grafik yang didukung oleh VizKG adalah 24 jenis grafik. Fitur lainnya yang didukung VizKG termasuk rekomendasi jenis visualisasi untuk pengguna dan kemudahan ekstensibilitas bagi pengembang untuk menambahkan jenis visualisasi baru. Framework VizKG ini diharapkan dapat membantu ekstraksi dan memvisualisasikan knowledge graph untuk memahami data dan mendukung analisis lebih lanjut. VizKG tersedia secara terbuka di https://pypi.org/project/VizKG/. ......Knowledge graphs become increasingly important as a source of data and contextual information in data science. Even though knowledge graphs has been around for more than two decades, understanding SPARQL query results from a knowledge graph can be challenging for users. The use of data visualization tool, such as, Wikidata Query Service (WQS) can help address this challenge. However, existing tools are either focused just on a specific knowledge graph and only provided as a web interface. On the other hand, visualization through Python library, kglab facilitates visualizing generic Knowledge graphs though with a limited support of visualization types compared to that of WQS. This study proposes VizKG, as a framework (Python library) that provides a wide range of visualizations for SPARQL query results on any knowledge graphs. VizKG connects SPARQL query results and external visualization libraries by mapping variables to the visualization components needed. To evaluate our approach, this study includes use case evaluation for the VizKG on generic knowledge graphs originated from several domains. At this stage the number of graph visualizations supported by VizKG is 24 chart types. Other features of VizKG includes recommendations of visualization type for user and easy extensibility for developers to add new types of visualizations. This framework is expected to assist extraction and visualize knowledge graphs for understanding data and support further analysis. VizKG is openly available at https://pypi.org/project/VizKG/.

Abstrak :
Sustainable Development Goals (SDGs) merupakan suatu rencana aksi global yang disepakati oleh para pemimpin negara di dunia, guna mengakhiri kemiskinan, mengurangi kesenjangan dan melindungi lingkungan. SDGs berisi 17 Tujuan dan 169 Target yang diharapkan dapat dicapai pada tahun 2030. Di Indonesia, SDGs mulai diterapkan pada tahun 2015. Penelitian ini melibatkan 34 Provinsi sebagai sampel dengan tahun pengamatan 2015-2016. Analisis regresi berganda digunakan dalam pengujian hipotesis dengan data pencapaian SDGs hasil scoring penulis dan Alisjahbana, et al. (2018) sebagai variabel dependen. Pada penelitian ini didapatkan hasil yaitu Luas wilayah, Satuan Kerja Perangkat Daerah dan Pendapatan Asli Daerah yang mewakili karakteristik pemerintah daerah berpengaruh terhadap SDGs. ......The Sustainable Development Goals (SDGs) is a global action plan approved by world leaders, to put an end to poverty, diminish social discrepancies, and protect the environment. The SDGs contain 17 objectives and 169 targets that are expected to be achieved by 2030. Indonesia began to implement SDGs in 2015. This study involved 34 provinces as the samples with the observation period of 2015 – 2016. Multiple regression analysis was used for testing the hypothesis by having a result of scoring the accomplishment of Sustainable Development Goals. The result obtained by this study is the characteristic of local government presented by region size, number of the regional work units, and local own-source revenue impacting the accomplishment of SDGs.

Abstrak :
Dokumen peraturan perundang-undangan pada umumnya tersedia dalam bentuk PDF yang bersifat tidak machine-readable, sehingga data tidak dapat diproses secara otoma-tis dan dalam skala besar oleh komputer untuk dimanfaatkan dalam berbagai teknologi digital. Oleh karena itu diperlukan struktur data yang dapat memuat informasi peraturan perundang-undangan, beserta sistem yang melakukan konversi dari PDF menjadi struk-tur data tersebut. Dengan alasan tersebut, pada penelitian ini penulis mengembangkan Lex2KG, framework untuk mengonversi dokumen PDF peraturan perundang-undangan di Indonesia (Lex berasal dari Bahasa Latin yang berarti hukum) menjadi knowledge gra-ph. Knowledge graph (KG) adalah graph yang menggambarkan entitas dunia nyata be-serta keterkaitannya dan memberikan informasi terstruktur yang machine-readable. Pada penelitian ini KG dipilih dari berbagai struktur data yang tersedia karena KG terkate-gori sebagai 5-star data menurut 5-star deployment scheme for Open Data, yaitu data dengan jenis informasi paling bermanfaat, memberikan data dalam bentuk open license,terstruktur, tersedia dalam open format, menggunakan URI sebagai notasi data, dan dapat dihubungkan (linked) dengan data lain. KG peraturan perundang-undangan mengandung berbagai data terstruktur konten tekstual, struktur dokumen, seperti metadata, serta relasi antara peraturan seperti amendemen dan rujukan. Lex2KG memungkinkan pemanfaatan data peraturan perundang-undangan secara advanced, otomatis, dan dalam skala besar pada berbagai lingkup digital terutama pada industrsi hukum dan pengacara. Contoh pemanfaatan data dapat berupa search engine, sistem question answering, dan analisis statistik peraturan perundang-undangan. Menggunakan Lex2KG, penulis berhasil meng-onversi 784 undang-undang menjadi KG dengan ukuran total lebih dari 1,1 juta triple. Salah satu peraturan yang berhasil dikonversi adalah UU 11/2020 tentang Cipta Kerja yang kontennya bersifat relatif kompleks dan berukuran besar. Penulis juga menunjuk- an use case dari KG peraturan perundang-undangan yaitu chat bot sederhana, SPARQL query, dan visualisasi peraturan perundang-undangan ......Most of the legal documents are available as PDF which is not machine-readable, which means the data could not be processed automatically and in large scale by a computer to be utilized in various digital technology. Therefore, we need a data structure that can contain a legal information, and also a system which converts PDF into that structure. For that reason, in this research, author developed Lex2KG, a framework wh converting legal PDF documents in Indonesia (Lex comes from Latin which means law) into a Knowledge Graph. A knowledge graph (KG) is a graph that describes real-world entities and their relationships as machine-readable and structured information, and linkable to another KG on different domain. In this research KG is choosen from various data structure available because KG it categorized as 5-star data according to 5-star deployment scheme for Open Data, which data comes with most beneficial information, available under an open licen- se, structured, open format, uses URI to denote things, and linkable to other data. The legal KG contains various kinds of structured data such as textual content, document stru- ctures, metadata, and relations between law such as amendments and citations. Lex2KG enables the advanced and automatic utilization of legal data on a large scale on a various digital scope especially on legal industry and lawyer. The utilization could be in form of search engine, question answering system, and statistics analytics for legals. Through Lex2KG, author have successfully converted 784 Indonesian laws into a KG with a total size of over 1.1 million triples. One of the regulation that was successfully converted was Law 11/2020 on Job Creation, which the content is relatively complex and large. Author also shows use cases of the legal KG for simple chatbots, SPARQL querying, and legal visualizations.

Abstrak :
Arsip universitas mengelola berbagai macam koleksi seperti arsip tekstual, video, foto, dan gambar teknik. Koleksi tersebut memiliki informasi dan pengetahuan yang beragam. Kantor Arsip sebagai penyelenggara arsip universitas memiliki tujuan agar informasi dan pengetahuan yang terkandung pada sebuah arsip dapat dimanfaatkan oleh sivitas akademika dan masyarakat umum. Mekanisme yang dapat menyimpan pengetahuan dan menghubungkan entitas data pada koleksi arsip universitas adalah dengan ontologi. Penelitian ini bertujuan untuk merancang ontologi arsip universitas. Ontologi pada penelitian ini disusun berdasarkan beberapa sumber (ontologi dan non-ontologi) yaitu Record in Context-Ontology (RiC-O) v-0.1 dan Skema Klasifikasi Arsip dalam format SKOS (Simple Knowledge Organization System). Model ontologi dibuat dengan perangkat lunak Protégé dalam format Web Ontology Language (OWL). Dataset dari koleksi arsip universitas ditransformasi dari bentuk tabel ke dalam format RDF(Resource Description Framework) menggunakan Cellfie Plugin dan Open Refine. Evaluasi dilakukan dengan konfirmasi terhadap domain expert, reasoner Pellet untuk uji konsistensi, dan pertanyaan kompetensi menggunakan SPARQL Query. Hasil penelitian membuktikan ontologi mampu menghubungkan entitas data pada koleksi arsip universitas, memberikan pengalaman baru dalam penelusuran informasi secara komprehensif. ......University archives manage various collections such as textual, video, photo and technical drawing archives. The collection has diverse information and knowledge. Kantor Arsip as the organizer of university archives has objective that the information and knowledge contained in an archive can be utilized by academicians and public. The mechanism that can store knowledge and connect data entities in a university archive collection is with ontology. This study purpose to design the university archive ontology. The ontology in this study was compiled based on several sources (ontology and nonontology), namely Record in Context-Ontology (RiC-O) v-0.1 and the Archive Classification Scheme in the format of SKOS (Simple Knowledge Organization System). The ontology model was created with Protégé software in the Web Ontology Language (OWL) format. The dataset from the university's archive collection is transformed from tabular form to RDF (Resource Description Framework) format using the Cellfie Plugin and Open Refine. Evaluation is done by confirming the expert domain, Pellet reasoners for consistency testing, and competency questions using SPARQL Query. The results of the research prove that ontology is able to linked unstructure data entity in university archive collection, provide new experiences in comprehensive information retrieval.