ABSTRAKSI: Data riwayat penyakit merupakan hal penting untuk diketahui ketika seseorang menderita suatu penyakit. Dengan adanya riwayat ini setiap tindakan yang akan dilakukan dalam pengambilan keputusan untuk penanganan penyakit seseorang akan lebih terjamin. Electronic Medical Record (EMR) merupakan suatu data riwayat penyakit dari pasien yang dirancang dengan pembuatan form isian yang menjadi masukkan bagi EMR. Setiap data yang dimasukkan ke dalam EMR akan diolah secara digital dimana setiap pengisian data dalam form memiliki informasi khusus.
Permasalahan yang muncul dari penerapan EMR adalah kecepatan dan kemampuannya dalam menangani data yang semakin bertambah. Pada tugas akhir ini digunakan metode ontologi SENSUS untuk membangun model data EMR yang bertujuan untuk menganalisis metode yang diterapkan. Analisis yang dilakukan meliputi kecepatan retrieve data dan kemudahan serta ketepatan update metode ontologi. Dalam membangun struktur hirarki ontologi digunakan tools Protege sedangkan untuk pengujian ketepatan relasi antar kelas digunakan query SPARQL.
Untuk kasus ini, metode ontologi SENSUS memiliki kecepatan retrieve data yang masih lambat jika dibandingkan dengan metode lain. Sedangkan untuk melakukan update, ontologi SENSUS tepat mengkategorikan insatance ke dalam kelas kelas yang sesuai.
Kata Kunci : Ontologi, SENSUS, EMR, Protege, SPARQLABSTRACT: Medical record is very important to know when someone is having disease. Given this history so any action will be carried out in the decision to treat a person's disease will be more secure. Electronic Medical Record (EMR) is a record about disease of the patient that is designed with form-making and becomes an input for the EMR. Any data entered into the EMR will be digitally processed and each form has specific information.
The problem that arise from the implementation of EMR is the speed and ability to handle data that will be growing. Therefore in this final project used SENSUS methodologi to build sn ontology model for EMR that aims to analyze the methods applied. The analysis performed included the speed and ease of data retrieval and update the accuracy of the model ontology that has been built. To builds a hierarchical structure used tools called Protege and for testing the accuracy of relation between the classes used SPARQL query.
In this case, SENSUS ontology has a slow data retrieval speed when compared to other method. While for an update, SENSUS can categorize instance into the appropriate classes.
Keyword: Ontology, SENSUS, EMR, Protege, SPARQL