PENGURUSAN sisa pepejal atau bahasa mudahnya sampah merupakan antara cabaran besar di Malaysia.
Menurut Kementerian Pembangunan Kerajaan Tempatan (KPKT), negara kita menghasilkan kira-kira 38,000 tan metrik sampah setiap hari.
Pertambahan populasi, kerancakan aktiviti sosioekonomi dan kecenderungan penggunaan produk sekali guna seperti plastik pembungkus, botol air dan bekas makanan menjadi penyumbang utama kepada peningkatan jumlah sampah yang perlu diuruskan setiap hari.
Menguruskan sampah bukanlah murah kerana melibatkan perbelanjaan besar dengan kos yang boleh mencecah 40 hingga 80 peratus daripada keseluruhan bajet tahunan pihak berkuasa tempatan (PBT). Kos ini meliputi perkhidmatan kutipan sampah domestik, sampah pukal, pembersihan awam dan bayaran fi tapak pelupusan.
Dalam teknologi sistem tong sampah pintar (smart bin), sensor pintar yang merupakan komponen utama di dalam sistemnya dipasang untuk mengesan jumlah sampah secara masa nyata. Ini membolehkan notification segera dihantar kepada pusat kawalan PBT apabila tong sampah hampir penuh supaya kutipan segera dilakukan, sekali gus mengelakkan sampah melimpah.
Sebaliknya, jika tong sampah belum penuh, AI akan mencadangkan supaya kutipan ditangguhkan.
AI ini berfungsi melalui data mentah yang dikumpulkan secara terus dan dianalisis. Namun, data mentah ini memerlukan struktur dan makna supaya dapat digunakan oleh AI dengan efisien.
Di sinilah ontologi memainkan peranan penting kerana ia adalah alat konseptual yang digunakan untuk menstrukturkan semantik data, menjadikannya lebih bermakna dan tersusun.
Dalam konteks pengurusan sampah, ontologi membantu menyusun maklumat seperti jenis sampah, lokasi pengumpulan dan kaedah pengurusan supaya AI dapat memahami hubungan antara elemen-elemen tersebut dan menghasilkan cadangan lebih baik.
Ontologi memudahkan AI untuk menyusun data dalam struktur hierarki yang membantu dalam menentukan hubungan antara konsep, objek dan sifat-sifat data tersebut.
Ini memberikan AI keupayaan lebih baik untuk memahami cara elemen-elemen data ini berkait dan ini menghasilkan keputusan yang lebih tepat.
Sebagai contoh, OntoWM (Ontology for Waste Management) ialah model konseptual yang membolehkan AI memahami hubungan antara jenis sampah, lokasi dan kaedah pelupusan yang sesuai.
Ontologi ini menyusun data yang dikumpulkan oleh sensor dan sistem AI, memastikan ia mudah difahami sistem. Dengan ini, AI dapat memproses dan memberikan cadangan yang lebih tepat dan berkesan.
Menurut Penyelidik Kanan dan Pakar Ontologi dari Institut Informatik Visual, Universiti Kebangsaan Malaysia (UKM), Profesor Madya Dr Mohammad Nazir Ahmad, ontologi memainkan peranan penting dalam menyusun dan menguruskan maklumat yang kompleks.
OntoWM dibangunkan khusus untuk domain pengurusan sampah, memastikan pengetahuan dalam pengurusan sampah dapat dikemas kini mengikut perubahan semasa dan menjadi rujukan utama untuk semua sistem berkaitan pengurusan sampah.
Selain itu, Ontologi Konteks yang digunakan dalam teknologi IoT membantu dalam pengumpulan data masa nyata daripada sensor pintar seperti dalam sistem smart bin.
Kesimpulannya, ontologi bukan hanya satu konsep teknikal, ia adalah alat yang membantu menstrukturkan semantik data kompleks di sebalik AI.
Dengan adanya ontologi seperti OntoWM dan Ontologi Konteks yang menstrukturkan dan memaknai data mentah yang dijana oleh sistem pengurusan sampah pintar, AI yang diintegrasikan di dalam sistem ini dapat berfungsi dengan lebih efisien.
* Ahadi Mohd Nasir ialah pelajar PHD, Institut Informatik Visual, Universiti Kebangsaan Malaysia dan Pengurus Besar Pengurusan Subsidiari dan Pelaksana Projek KDEB Waste Management.