PENCOCOKAN ONTOLOGY BERBOBOT UNTUK MODEL PERHITUNGAN KEMATANGAN COBIT BERDASARKAN KEMIRIPAN DOKUMEN

Prosiding Seminar Nasional Manajemen Teknologi XIV Program Studi MMT-ITS, Surabaya 23 Juli 2011

PENCOCOKAN ONTOLOGY BERBOBOT UNTUK MODEL PERHITUNGAN KEMATANGAN COBIT BERDASARKAN KEMIRIPAN DOKUMEN Rahimi Fitri*1, Riyanarto Sarno#2 Electrical Enginnering, State Polytechnic of Banjarmasin *1 [email protected] Brigjend H. Hasan Basry Banjarmasin,South Kalimantan-Indonesia. #2 Informatics Department, Institute of Technology Sepuluh Nopember Kampus ITS Keputih - Sukolilo Surabaya 60111, East Java, Indonesia. *1

ABSTRAK Ontology Matching adalah bidang penelitian yang banyak diminati saat ini, dimana pertukaran informasi dan penggunaan kembali pengetahuan menjadi topic penting dalam hal pembangunan ontology, ini menjadi salah satu solusi untuk permasalahan heterogenitas semantik. Pencocokan ontology bertujuan untuk menemukan korespondensi antar entitas dalam ontology secara semantik. Pada penelitian ini menyajikan suatu proses pencocokan ontology berbobot untuk model pengukuran kematangan Control Objectives for Information and Related Technology (COBIT) secara semantic. Proses audit dilaksanakan dengan memeriksa kesesuaian dokumen proses TI perusahaan dengan dokumen kerangka kerja COBIT. Ontology dibangun dari teks dokumen yang tidak terstruktur dengan melalui beberapa tahapan, pertama preprocessing document dan pembobotan berdasarkan term frequency (tf), yang bertujuan untuk mendapatkan kata yang dianggap penting yang akan dijadikan entitas dalam ontology, kedua, membuang kata yang tidak memiliki hubungan dengan yang lain serta menentukan kata-kata yang bermakna sinonim berdasarkan sysnets WORDNET, terakhir, membentuknya menjadi sebuah ontology RDF dengan menggabungan triple RDF. Proses pencocokan ontology adalah dengan mencocokan ontology menggunakan vector space dengan rumus perhitungan semantic cosine Hasil penelitian menunjukkan bahwa pendekatan yang diusulkan mampu menghitung nilai kemiripan antara dokumen perusahaan dengan dokumen , dan mampu memberikan nilai kematangan proses TI secara tepat dan mengurangi konsumsi waktu proses audit TI. Keyword:

Ontology Matching, Ontology berbobot, Model Pengukuran Kematangan, COBIT

PENDAHULUAN Ontology merupakan suatu proses mengonsepsikan (conceptualize) suatu domain pengetahuan menjadi format yang dapat dibaca oleh mesin (Gruber, 1995). Ontology digunakan untuk mendukung interoprabilitas dan pemahaman yang sama antara fihak-fihak yang berbeda. Dalam pengembangan ontology memungkinkan untuk membangun lebih dari satu jenis ontology yang berbeda dengan design yang independen dari organisasasi yang berbeda ataupun orang yang berbeda yang menjelaskan domain pengetahuan yang sama ataupun yang tumpang tindih (Pirro, et al., 2010). Ontology tersebut dibangun dengan struktur yang heterogen dan keberagaman leksikal, akan tetapi memungkinkan terdapat beberapa kesamaan dalam hal penamaan konsep, instance maupun relasi.


Dalam beberapa tahun terakhir ontology matching adalah bidang penelitian yang banyak kerjakan (Kwak, et al., 2010) (Madylova, et al., 2009) (Eidoon, et al., 2008)(Euzenat, et al., 2007) (Zhu, et al., 2002), dimana pertukaran informasi dan penggunaan kembali pengetahuan menjadi topic penting dalam hal pembangunan ontology, ini menjadi salah satu solusi untuk permasalahan heterogenitas semantik. Pencocokan ontology bertujuan untuk menemukan korespondensi antar entitas dalam ontology secara semantik. Audit TI merupakan proses yang sangat penting dalam perusahaan, karena proses ini salah satu cara untuk mengevaluasi sejauh mana tingkat kematangan dan kesesuaian penerapan tata kelola TI perusahaan dengan kerangka kerja COBIT. Menurut (Simonsson, et al., 2007), dalam model kematangan yang umum dalam COBIT, dokumen-dokumen tertentu harus diproses untuk memastikan bahwa kegiatan pelaksanaan proses IT benar-benar telah dieksekusi. Saat ini proses pengumpulan data guna penilaian tingkat kematangan proses TI adalah menggunakan beberapa metode manual (Purnomo, et al., 2010), metode ini dapat menimbulkan beberapa masalah (Soydan, 2006) yaitu proses audit akan sangat rentan terhadap kesalahan, masalah yang kedua adalah kesulitan untuk menggali informasi yang tersimpan dalam dokumen perusahaan. sehingga mengakibatkan adanya faktor subjektifitas pada saat malakukan penilaian audit, dan dapat menimbulkan masalah ketidakkonsistenan penilaian. Pada penelitian ini menyajikan suatu proses pencocokan ontology berbobot untuk model pengukuran kematangan Control Objectives for Information and Related Technology (COBIT) secara semantic. Dimana dokumen COBIT dan dokumen perusahaan akan diekstraksi dan dibentuk menjadi ontology. Kedua ontology yang terbentuk akan dicocokkan dengan menerapkan metode pencocokan ontology secara semantic menggunakan persamaan cosine semantic similarity. Sistem ini memiliki kelebihan diantaranya, pertama, perusahan dapat melakukan perhitungan secara mandiri tingkat kematangan proses TI dilihat dari kesesuaian dokumen dengan kerangka kerja COBIT, sehingga mampu menyimpulkan apakah suatu organisasi telah mencapai tingkat kematangan tertentu, kedua, hasil pemrosesan data dapat diperoleh dengan lebih tepat dan lebih cepat. TEORI DAN STUDI LITERATUR Studi Literatur Studi literatur yang dipergunakan sebagai landasan dalam pembangunan sistem ini dapat dilihat pada gambar 1 berikut:

Gambar 1 : Studi Literatur ISBN : 978-602-97491-3-7 C-11-2


Control Objectives for Information and Related Technology (COBIT) Control Objectives for Information and Related Technology (COBIT) merupakan kerangka kerja yang dikembangkan oleh IT Governance Institute pada tahun 1996 dengan ISACA - Information Systems Audit and Control Association (Gomes, et al., 2009) (ITGI, 2007), yang mencakup keseluruhan proses bisnis perusahaan seperti rencana strategis untuk TI, delivery dan support, monitor dan kontrol TI (Gomes, et al., 2009), dan digunakan sebagai referensi proses model dan bahasa yang umum digunakan dalam membangun suatu tata kelola TI yang sesuai dengan kebutuhan organisasi (Sarno, 2009a). Kerangka kerja COBIT mendefiniisikan 17 tujuan bisnis/business goal (BG), 28 tujuan TI/IT goals (ITG) dan 34 proses TI (ITGI, 2005) yang dikelompokkan menjadi 4 (empat) domain utama(Champlain, 2003) (ITGI, 2007) yaitu Planning and Organization (PO), Acquisition and Implementation (AI), Delivery and Support (DS), Monitoring and Evaluating (ME). Dimana setiap domain memiliki lebih dari satu sub domain atau IT Process (ITP). Setiap ITP memiliki maturity model dan control objective. Ontology Ontology merupakan elemen penting diberbagai aplikasi (Lee, et al., 2006). Ontology adalah sebuah spesifikasi eksplisit dari konseptualisme (Gruber, 2007) dan merupakan struktur semantik yang mampu merepresentasikan pengetahuan tentang makna objek, properti dari suatu objek, aksioma serta relasi objek yang mungkin terjadi pada domain pengetahuan (Nicola, et al., 2009; Amborowati, 2007). Dengan dukungan ontology memungkinkan adanya komunikasi antara user dan system (Lee, et al., 2006) serta memungkinkan untuk berbagi pengetahuan dan penggunaan kembali ontology yang telah dibangun sebelumnya (Gruber, 2007; Noy, et al., 2001). Pencocokan Ontology Pencocokan ontology adalah proses untuk menemukan hubungan atau korespondensi antar entitas dari ontology yang berbeda, yang bertujuan untuk mengatasi masalah keberagaman semantic (Euzenat, et al., 2007). Saat ini, telah banyak peneliti yang mengembangkan metode guna pencocokan ontology, (Sabou, et al., 2005) mengusulkan metode pencocokan ontology menggunakan ruang vector dengan menggunakan rumus cosine similarity. (Zhu, et al., 2002) mengusulkan 3 metode pencocokan ontology, yaitu berdasarkan kemiripan node, kemiripan arc dan kemiripan graf RDF. Berikut ini adalah rumus pencocokan ontology menggunakan ruang vektor t

similarity ( q , d ) 

w k 1

qk

 w dk

(1)

 w  .  w  t

k 1

2

qk

t

k 1

2

dk

Proses pencocokan konsep secara semantic dihitung berdasarkan Synsets yang terdapat diWordnet dengan menggunakan rumus Wu-Palmer (Wu, et al., 1994). Sim

(c , c ) =

(

)

(2)

Berdasarkan rumus (2), ilustrasi formula Wu-Palmer adalah sebagai berikut :

ISBN : 978-602-97491-3-7 C-11-3


Gambar 2: formula Wu & Palmer (Wu, et al., 1994)

METODOLOGI Proses pembentukan ontology akan mengikuti tiap tahapan seperti yang diusulkan oleh Sabou dkk., dengan melewati tahapan ekstraksi kata, pembangunan ontology dan pemangkasan ontology (Sabou, et al., 2005) dan ditambahkan metode penyeleksian kata berdasarkan kata yang bersinonim (Buitelaar, et al., 2003). Pembentukan ontology dari dokumen dapat dibentuk secara otomatis, terdapat beberapa tools yang dapat digunakan untuk membentukan ontology secara otomatis dari dokumen, salah satunya yaitu text2onto. Text2onto merupakan framework untuk pembelajaran ontology dari sumberdaya textual (Cimiano, et al.). Dalam penelitian ini ekstraksi konsep yang dihasilkan oleh sistem akan dibandingkan dengan text2onto, yang selanjutnya akan dihitung recall dan presisi nya. Secara umum system yang akan dibangun dalam penelitian ini adalah sebagaimana tertera pada Gambar 2.

Gambar 3 : Arsitektur Sistem

Preprocessing Documen Pada tahapan awal user memasukkan dokumen yang selanjutnya akan dilakukan pemrosesan awal yaitu tokenizing (Kaplan, 2005), stopword, dan stemming (Indradjaja, et al., 2003). Selanjutnya adalah membuang kata yang bersinonim dengan kata yang lain berdasarkan WordNet (Miller, 1995), serta membuang kata yang tidak memiliki kaitan dengan kata yang lain. Pembuangan kata-kata tersebut bertujuan untuk membatasi banyak konsep yang terbentuk dari dokumen (Sabou, et al., 2005) Prunning Pada tahapan ekstraksi dokumen akan diperoleh banyak kata yang akan dijadikan konsep, tetapi tidak semua dari kata tersebut penting, karenanya perlu ISBN : 978-602-97491-3-7 C-11-4


dilakukan pemangkasan kata/ term atau yang biasa disebut dengan teknik pruning, teknik ini bertujuan agar ontology yang terbentuk terdiri kata yang penting didalam dokumen, sehingga ontology yang dibangun menjadi lebih valid. Berikut ini adalah rumus rumus perhitungan nilai ambang batas untuk sejumlah n kata (Sabou, et al., 2005). =

Pembobotan

∑

(2)

Pembobotan diberikan kepada setiap kata yang terbentuk dari hasil proses pertama. Bobot kata diberikan kepada setiap kata berdasarkan frekuensi kata tersebut didalam dokumen (term frequency/tf). Semakin besar jumlah kemunculan suatu kata (tf tinggi) dalam dokumen, semakin besar pula bobotnya dalam dokumen atau akan memberikan nilai kesesuian yang semakin besar. Berikut ini adalah contoh pemberian bobot kata dalam penelitian ini. Tabel 1: Contoh Pembobotan

Kata Computer Software Aplication Programming Hardware Total

Frekuensi 5 10 4 7 3 29

Bobot 5/29=0.17 10/29=0.34 4/29=0.14 7/29=0.24 3/29=0.10 0.99

Pembentukan ontology Setelah melewati proses diatas selanjutnya adalah pembentukan ontology dokumen COBIT dan dokumen perusahan. Setiap term yang dibentuk akan dibentuk menjadi RDF dengan cara disusun berdasarkan triplet (R) yaitu subjekyang terdiri atas RDF URI reference(U) atau blank node (B), predikat yang terdiri atas RDF URI reference(U) dan objek yang terdiri atas RDF URI reference(U), literal (L)atau blank node (B), objek adalah nilai dari property, dapat juga dengan resource yang berbeda atau dapat juga sebagai literal, dimana resource tersebut ditentukan dengan URI atau string sederhana atau tipe data primitive lain yang didefinisikan dengan XML (Zhu, et al., 2002).

Gambar 4: RDF statement(Rodriguez, et al., 2010)

Setiap triplet yang terdapat didalam graf RDF ditambahkan/disuplemen oleh triplet lain dari graf RDF yang sama. Triplet dan suplemen/tambahannya disebut dilated RDF (Rodriguez, et al., 2010).

Gambar 5 : Dilated RDF (Rodriguez, et al., 2010)

ISBN : 978-602-97491-3-7 C-11-5


Pencocokan Ontology Dari proses pembentukan ontology, akan terbentuk dua ontology dari dokumen yang berbeda dan struktur yang berbeda pula. Kedua ontology ini selanjutnya akan dihitung tingkat kemiripannya melalui proses ontology matching. Metode matching yang digunakan mengacu pada metode yang diusulkan Sabou dkk., menggunakan perhitungan cosine semantic similarity. Cosine semantic similarity merupakan perpaduan antara rumus cosine dengan rumus Wu-Palmer (persamaan 2) t

similarity (q, d ) 

w

qk

k 1

 w   sim t

2

k 1

qk

(4)

 simWu  PL (c1, c 2)  wdk Wu  PL

t

(c1, c 2) .

 w  k 1

2

dk

Hasil dari perhitungan tersebut dapat digunakan untuk menentukan tingkat kematangan proses TI perusahaan. Nilai kemiripan dokumen yang tertinggi dengan ontology COBIT dalam setiap levelnya akan dijadikan masukan dalam proses perhitungan tingkat kematangan COBIT. Adapun cara perhitungan kematangan mengacu pada (Sarno, 2009b) UJI COBA DAN HASIL Dalam penelitian ini untuk menguji tingkat kebenaran (correctness) dari sistem yang dibangun, uji coba akan dilakukan dilakukan dalam dua skenario. Skenario 1, menguji tingkat kebenaran berdasarkan perbandingan antara hasil ekstraksi manual oleh system dengan ekstraksi otomatis text2onto. Untuk pembuktian akan dihitung tingkat precision, recall dan F-measure

−

=

= =

(5) (6) (7)

Keterangan DR : Dokumen relevan yang ditemukan : Dokumen tidak relevan yang ditemukan : Dokumen relevan yang tidak ditemukan

ISBN : 978-602-97491-3-7 C-11-6


Pada percobaan ini menggunakan 5 dokumen dengan komposisi kalimat yang berbedabeda, yang di ekstraaksi menggunakan system yang dibangun dan menggunakan text2onto sebagai acuan. Dokumen disusun dari isi yang paling sedikit. Berdasarkan dasil pengujian diperoleh hasil sebagai berikut :

Gambar 6: Grafik Hasil

Berdasarkan hasil perhitungan tersebut,untuk setiap dokumen memiliki nilai presisi yang tinggi, ini menunjukkan bahwa system telah mampu menghasilkan konsep-konsep yang diantara dokumen-dokumen yang relevan. Hasil recall menunjukkan seberapa besar kemampuan system menghasilkan konsep-konsep yang seharusnya relevan dengan text2onto. Berdasarkan hasil proses ekstraksi data dari system, untuk dokumen dengan komposisi isi sedikit, nilai recall tinggi, semakin besar isi dokumen, nilai recall semakin kecil. Hal ini disebabkan, didalam text2onto seluruh kata hasil ekstraksi di jadikan konsep, sedangkan didalam system yang dibangun terdapat proses pemotongan kata-kata yang tidak memiliki keterkaitan dengan konsep lain. Text 2onto mampu menghasilkan sebuah frase 2-3 kata misalnya application software dan application security. Sedangkan system yang dibangun hanya mampu menampilkan relasi dari dua kata misalnya : Application >> software >>security Inilah salah satu factor penyebab mengapa nilai recall menjadi kecil. Berikut ini adalah grafik hasil perhitungan recall, precision, F-Measure Skenario 2 : Menguji tingkat kebenaran berdasarkan perbandingan kemiripan antar ontology dokumen COBIT dan Ontology dokumen perusahaan, proses pengujian akan dibedakan menjadi 3, dokumen sama persis, dokumen berbeda dan dokumen yang mirip. Perhitungan kemiripan antar dokumen adalah berdasarkan persamaan 4, dimana kemiripan antar kata adalah berdasarkan kamus wordnet dengan menerapkan rumus Wu-Palmer (persamaan 2) Tabel 3: Hasil perbandingan dokumen

Doc_COBIT AI1.ML.0 AI1.ML.2 AI1.ML.3 AI1.ML.0 AI1.ML.2 AI1.ML.3

DOC_Company AI1.ML.0 AI1.ML.2 AI1.ML.3 B1 B2 B3

Sim 0.99 0.99 1 0 0 0

Doc_COBIT AI1.ML.0 AI1.ML.2 AI1.ML.3 AI1.ML.0 AI1.ML.2 AI1.ML.3

Doc_Company AI6.CO Document_comp2 AI2.ML AI1.ML AI1.ML AI1.ML

0.18 0.11 0.57 0.34 0.37 0.61


Berdasarkan hasil perbandingan kemiripan diatas maka langkah selanjutnya adalah menghitung tingkat kematangan proses TI. Misalnya suatu perusahaan akan diukur tingkat kematangannya berdasarkan COBIT. Dokumen yang dimiliki perusahaan adalah seperti yang terdapat pada tabel 3. Maka hasil perhitungan tingkat kematangan nya adalah sebagai berikut : Tabel 4 : Hasil Perhitungan Tingkat kedewasaan

Level Sim From Contribution Value Doc 0 0.99999 0.0 0.0 1 0.33541 0.3 0.100 2 0.99999 3 1.00000 4 0.3114 5 0.3314 Maturiry Level

0.7 1.0 1.3 1.7

0.6999 1.00000 0.40481 0.56334 2.77

Gambar 7 : Output Sistem

Berdasarkan hasil perhitungan tingkat kematangan proses TI berdasarkan COBIT, maka dapat diperoleh nilai kematangan proses TI perusahaan yaitu sebesar 2.77. Nilai kontribusi merupakan nilai konstan yang telah ditentukan yang mengacu pada COBIT Measurement Tools (Sarno, 2009b) Waktu yang diperlukan untuk menyelesaikan proses pemeriksaan dokumen dan perhitungan tingkat kedewasaan dengan sistem ini lebih cepat dibandingkan dengan menggunakan metode manual yaitu sekitar 266ms KESIMPULAN Berdasarkan hasil pengujian maka dapat disimpulkan: - Berdasarkan hasil perbandingan dengan text2onto, sistem mampu menghasilkan konsep dengan nilai presisi yang tinggi. Hal ini menunjukkan bahwa system telah mampu menghasilkan konsep-konsep yang diantara dokumen-dokumen yang relevan. - Berdasarkan hasil proses ekstraksi data dari system, untuk dokumen dengan komposisi isi sedikit, nilai recall tinggi, semakin besar isi dokumen, nilai recall semakin kecil. Hal ini disebabkan, didalam text2onto seluruh kata hasil ekstraksi

ISBN : 978-602-97491-3-7 C-11-8


-

-

dijadikan konsep, sedangkan didalam system yang dibangun terdapat proses pemotongan kata-kata yang tidak memiliki keterkaitan dengan konsep lain Jika dibandingkan dengan text2onto, sistem masih belum mampu menghasilkan suatru frase dari setiap konsep yang terbentuk, misalnya antara kata sistem dan informasi, sistem belum mampu menampilkan frasa sistem informasi, akan tetapi sistem sudah mampu menunjukan relasi dari dua kata pembentuk frasa System telah mampu menghasilkan nilai tingkat kematangan proses TI berdasarkan hasil perhitungan kemiripan antar dokumen Proses perhitungan tingkat kematangan proses TI lebih cepat dibandingkan dengan cara manual yaitu sekitar 266ms

PENGHARGAAN Penghargaan ini saya berikan kepada Prof. Riyanarto Sarno dan Abdul Rozaq atas bimbingan dan nasehatnya, serta kepada Caktho atas bantuan nya dalam mewujudkan sistem ini. PUSTAKA Amborowati Armadyah Model Ontologi Untuk Informasi Jadwal Kereta Api Menggunakan PROTÉGÉ [Journal] // Seminar Nasional Aplikasi Teknologi Informasi. - 2007. - pp. J-9 s/d J-12. Buitelaar Paul, Cimiano Philipp and Magnini Bernardo Ontology Learning From Text : An Overview [Book Section] // Ontology Learning From Text : Methods, Evaluation and Applications. - [s.l.] : IOS Press, 2003. Champlain Jack CPA, CISA, CIA, CFSA, Practical IT Auditing. [Book]. - 2003. Cimiano Philipp and Volker Johanna Text2Onto-A Framework for Ontology Learning and Data-driven Change Discovery [Journal]. Eidoon Zahra, Yazdani Nasser and Oroumchian Farhad Ontology Matching Using Vector Space [Journal]. - Iran : University of Wollongong in Dubai- Papers, http://ro.uow.edu.au/dubaipapers/50, 2008. Euzenat Jérôme and Shvaiko Pavel Ontology Matching [Book]. - [s.l.] : SpringerVerlag Berlin Heidelberg, 2007. Gomes Rui and Ribeiro Jorge The Main Benefits Of COBIT In A High Public Educational Institution - A Case Study [Conference] // Pacific Asia Conference on Information Systems (PACIS). - [s.l.] : Association for Information Systems, 2009. Gruber Thomas R Toward Principles for the Design of Ontologies Used for Knowledge Sharing [Journal]. - [s.l.] : Int. Journal of Human-Computer Studies, 1995. - Vols. 43:907-928. Gruber Thomas R What is an Ontology? [Book]. - [s.l.] : URL Accessed on oktober, 2010. Available from:
ISBN : 978-602-97491-3-7 C-11-9


Indradjaja Lily Suryana and Bressan Stephane Automatic Learning of Stemming Rules for the Indonesian Language [Journal]. - [s.l.] : ACL Onthology A Digital Archive of Research Papers in Computational Linguistics, 2003. ITGI COBIT 4.1 Control Objectives, Management Guidelines, Maturity Models [Book]. - USA : IT Governance Institute, 2007. Kaplan M R A Methode for Tokenizing Text [Journal]. - [s.l.] : Palo Alto Research Center (Festschrift In The Honor Of Prof. Kimmo Koskenniemi’s 60th Anniversary), 2005. Kwak JungAe and Yong Hwan-Seung Ontology Matching Based On Hypernym, Hyponym, Holonym, And Meronym Sets In Wordnet [Journal]. - Korea : International journal of Web & Semantic Technology (IJWesT), 2010. - Vols. Vol.1, No.2. Lee Chang-Shing [et al.] Automated ontology construction for unstructured text documents [Journal]. - Tainan-Taiwan : Data & Knowledge Engineering 60 (2007)-ELSEVIER- Available online in www.Sciencedirect.com, 2006. Lee Chang-Shing, Wang Mei-Hui and Chen Jui-Jen Ontology-based intelligent decision support agent for CMMI project monitoring and control [Journal] // Science International Journal of Approximate Reasoning. - 2008. - pp. 62-76. Madylova Ainura and Oguducu Sule Gunduz A Taxonomy based Semantic Similarity of Documents using the Cosine Measure [Journal]. - Turkey : IEEE, 2009. Miller G. A WordNet: A Lexical Database for English [Journal]. - [s.l.] : Communications of The ACM, 1995. Nicola Antonio De, Missikoff Michele and Navigli Roberto A software engineering approach to ontology building [Journal]. - Italy : Journal Information Systems, Elsevier, Contents lists available at www.sciencedirect.com, 2009. - Vol. 34. Noy Natalya F and McGuinness Deborah L Ontology Development 101: A Guide to Creating Your First Ontology [Journal]. - Stanford : Stanford University, 2001. Pirro Giuseppe and Talia Domenico UFOme: An ontology mapping system with strategy prediction capabilities [Journal]. - [s.l.] : ScienceDirect Data & Knowledge Engineering, 2010. Purnomo Lukman Hadi Dwi and Tjahyanto Aris Perancangan Model Tata Kelola Ketersediaan Layanan TI Menggunakan Framework COBIT Pada BPK-RI [Report]. - Surabaya : Master Thesis, Magister Management Technology, 2010. Rodriguez Marko A., Pepe Alberto and Shina Joshua The Dilated Triple [Journal]. [s.l.] : Springer-Verlag, Page 3-16, ISBN:978-1-84996-076-2, 2010. Sabou Marta [et al.] Learning domain ontologies for semantic Web service descriptions [Journal]. - [s.l.] : Web Semantics: Science, Services and Agents on the World Wide Web 3, available online at www.sciencedirect.com, 2005.

ISBN : 978-602-97491-3-7 C-11-10


Sarno Riyanarto Audit System Informasi dan Teknologi Informasi [Book]. Surabaya : ITS Press, 2009b. Sarno Riyanarto Strategi Sukses bisnis dengan Teknologi informasi berbasis Balance Scorecard dan COBIT [Book]. - Surabaya : ITS Press, 2009a. Simonsson Mårten, Johnson Pontus and Wijkström Hanna Model-based IT Governance Maturity Assessments with COBIT [Conference] // Assessment of IT Governance of COBIT Framework . - 2007. - Vols. Paper 77, http://aisel.aisnet.org/ecis2007/77. Soydan Gokhan Halit and Kokar Mieczyslaw M. An OWL Ontology for Representing the CMMI-SW Model [Report]. - USA : Department of Electrical and Computer Engineering, Northeastern University, Boston, Massachusetts, 2006. Wu Z. and Palmer M. Verb Semantics and Lexical Selection [Journal]. - [s.l.] : 32nd Annual Meeting of the Association for Computational Linguistics, 133-138, 1994. Zhu Haiping [et al.] An Approach for Semantic Search by Matching RDF Graphs [Journal]. - China : American Association for Artificial Intelligence , 2002.

ISBN : 978-602-97491-3-7 C-11-11

PENCOCOKAN ONTOLOGY BERBOBOT UNTUK MODEL PERHITUNGAN KEMATANGAN COBIT BERDASARKAN KEMIRIPAN DOKUMEN

Recommend Documents