BAB III

METODE PENELITIAN

Bagian ini memuat waktu dan lokasi penelitian, bahan dan alat yang digunakan dalam penelitian serta metode analisisnya secara rinci. Sistematika penulisan merupakan campuran dari penelitian kuantitatif dan penelitian kualitatif, disebut penelitian modifikasi. Untuk memahami masalah yang diselesaikan dengan metode penelitian, peneliti berangkat dari skema /model dari WIPO pada Gambar 3.1. sebagai berikut.

Gambar 3.1. Konsep ke-1 kontribusi WIPO mengembangkan infra-struktur kekayaan intelektual. Konsep ke-2 operasi TISC fokus pada promosi akses ke informasi teknis dan memfasitasi penggunaan efektif sumber daya bernilai. Konsep ke-3 pengembangan infra-struktur fokus pada tools dan databases. Konsep ke-4 Kantor HAKI mendapat keuntungan dari infra-struktur global WIPO untuk membangkitkan pengetahuan dari data.

A. Rancangan (Pendekatan dan Jenis) Penelitian

Direncanakan disertasi dikerjakan di Laboratorium Riset Sistem Berbasis Komputer (COMPUTER [HARDWARE]) dengan dukungan Laboratorium Riset Jaringan Komputer (NETWORKING), Laboratorium Riset Kecerdasan Buatan, dan Laboratorium Riset Rekayasa Perangkat Lunak (SOFTWARE ENGINEERING), sekarang biasa disebut Computer Hardware & Networking, and Software Engineering Laboratory.

Gambar 3.2. Laboratorium tempat pengerjaan disertasi.

Dirumuskan pendekatan masalah yang dipecahkan disertasi itu dalam uraian sebagai berikut. Masalah pertama yang perlu dicarikan metode penelitian untuk menyelesaikannya adalah bagai mana tinjauan komprehensif data science dengan kata kunci big data, data analysis, data analytics terutama kaitannya dengan micro services architecture dari banyak perguruan tinggi Indonesia yang sudah membangun TISC?

Dengan Yahoo dan kata kunci “wipo tisc data science big data” diperoleh beberapa sumber menarik. Pertama, dari URL http://www.wipo.int/wipo_magazine/en/2017/05/article_0001.html diketahui bahwa Francis Gurry on the future of intellectual property ... – WIPO menyatakan bahwa sebagai big data gains traction, kita bergerak ke arah Internet of Things di mana sejumlah besar data dibangkitkan. Menurut Dictionary.Com, definisi traction adalah adhesive friction dari badan pada beberapa permukaan, seperti roda pada rel atau ban pada jalan. Menurut Merriam-Webster, hal dimaksud adalah dukungan /sesuatu yang diperlukan untuk sesuatu membuat kemajuan atau produk. Banyak data jatuh di luar dari kategori tradisional sistem kekayaan intelektual. Hal ini adalah satu dari beberapa alasan mengapa para peneliti meningkat ke arah trade secrets untuk memproteksi pre-competitive laboratory work (hasil kerja laboratorium pra-kompetisi). Francis Gurry merefleksikan masa depan adalah pengembangan revolusioner teknologi informasi dan ilmu kehidupan yang mulai menguji premis dan praktek pada sistem kekayaan intelektual. Beliau berkata bahwa “In future, it seems inevitable that technology will increasingly dictate the shape of the international architecture and its governance”. Dilihat bahwa the emergence of technologies akan mempunyai dampak radikal pada lanskap kekayaan intelektual yang ada. Jika kita memahami teknologi itu dimensi penuh (systematic literature review), maka kita dapat mengantisipasi tantangan utama untuk administrasi, kebijakan, dan tata kelola kekayaan intelektual.

Masalah pertama terkait dengan:

1. Tujuan khusus ke-2 yaitu: untuk beberapa kasus, sulit untuk menerapkan perubahan (micro-) services jadi perlu perancangan yang benar Mencari model perancangan deployment di Sentra KI sehingga kesulitan /kesalahan berkurang dalam menerapkan perubahan services itu [perubahan terjadi ketika terjadi perubahan manajemen Sentra KI]; Terkait tujuan ke-4 pendidikan doctor;

2. Tujuan khusus ke-4 yaitu: Perlu high automation dalam melakukan (microservice architecture) deployment Menemukan model automation dimaksud dalam deployment di Sentra KI suatu perguruan tinggi tempat eksperimen. Terkait tujuan ke-1 PDD S3;

Metode pertama yang dipakai di sini, memahami sistem komputer (Systematic Mapping Studies, SMS) sebagai bagian teknologi informasi yang menimbulkan tantangan utama tersebut. Terkait permintaan global meningkat untuk hak kekayaan intelektual, sekarang kekayaan tersebut menjadi lebih sentral ke knowledge economy, permintaan untuk hak tersebut berlanjut meningkat dan kelihatannya terus demikian. Dalam tahun 2015, di-file-kan 2,9 juta aplikasi paten, bersama 6 juta aplikasi merek dagang, dan 0,87 juta aplikasi desain (industri).

Hal ini adalah extra-ordinary numbers. Mengelola permintaan meningkat ini adalah tantangan besar untuk kantor kekayaan intelektual. Solusi teknologi informasi datang pada arus di mana ada peluang baru mengatur lebih baik permintaan ini dan mengadministrasikan proses-proses kekayaan intelektual secara umum. Sistem kekayaan intelektual sekarang sudah cocok untuk banyak keperluan, tetapi ada area di mana ia perlu menyesuaikan. Kecerdasan buatan (artificial intelligence, AI) dan the life sciences adalah dua area utama pengembangan ilmu pengetahuan dan teknologi yang akan meningkatkan tantangan penting untuk kekayaan intelektual yaitu area kebijakan terkait multi-dimensional nature. Contohnya, AI meningkatkan isu-isu teknologi dan ekonomi berjangkau dari insentif produksi sistem AI yang berguna bagi pergeseran tenaga kerja. Isu etika dan tata kelola yang tak dapat dicegah akan terbit dari aplikasi teknologi informasi dalam life science. Kita perlu berfikir hati-hati tentang teknologi yang terlibat untuk sistem kekayaan intelektual dan administrasinya. Di sini arti penting penggunaan systematic mapping studies (SMS) dalam disertasi ini untuk memberikan pertimbangan dalam pemikiran tersebut.

SMS mengurangi bias melalui urutan langkah metodologis yang ketat untuk meneliti literatur. Mereka mengandalkan protokol ulasan yang didefinisikan dengan baik dan dievaluasi untuk mengekstraksi, menganalisis dan mendokumentasikan hasil. Peneliti mengikuti proses yang disajikan dalam (Petersen et al., 2008) dengan ulasan tiga langkah yang mencakup perencanaan, pelaksanaan, dan dokumentasi. Tinjauan ini dilengkapi dengan evaluasi hasil setiap langkah. Selain itu, Peneliti menyediakan kerangka karakterisasi tambahan untuk konteks studi.

Tabel 3.1. Proses riset SLR (Systematic Literature Reviews) /SMS.

Perencanaan Tinjauan. Langkah 1 - Mengidentifikasi kebutuhan untuk SLR. Kita dapat membuat eksplisit tujuan umum dan ruang lingkup studi menggunakan PICO (populasi, intervensi, comparation, outcome) kriteria, lihat Tabel 3.2. Langkah 2 - Menentukan pertanyaan penelitian. Sebagai aktivitas berikutnya, Peneliti mendefinisikan pertanyaan penelitian untuk membantu membentuk protokol peninjauan, Tabel 3.3.

Tabel 3.2. Kriteria PICO

Tabel 3.3. Research Questions

Langkah 3 - Tentukan dan evaluasi review Protocol. Peneliti mengembangkan sebuah protokol untuk studi pemetaan berdasarkan (Petersen et al., 2008) dan pengalaman dengan SLRs.

Melakukan Tinjauan. Melakukan dimulai dengan pemilihan studi dan menghasilkan data yang diekstraksi dan informasi yang disintesis. Langkah 1 - Pilih studi utama (seleksi studi dan penilaian kualitatif). Istilah pencarian yang digunakan dikembangkan menggunakan (Petersen et al., 2008) dan dipandu oleh pertanyaan penelitian. Meskipun pada awalnya Peneliti hanya menggunakan istilah 'microservice' (dan variasinya sebagai istilah penelusuran), untuk menghindari mengecualikan studi apa pun dalam konteks yang muncul. Tahun 2014 dipilih sebagai tahun perbatasan microservice sebagai pola arsitektural hanya digunakan secara konsisten sejak saat itu. Kejadian sebelumnya disebut layanan mikro seperti skala kecil, tetapi tanpa referensi yang jelas terhadap gaya arsitektur atau pola.

Langkah 1A – seleksi awal. Langkah ini mencakup seleksi judul dan abstrak potensi studi utama – yang dilakukan terhadap kriteria penyertaan /pengecualian.

Tabel 3.4. Kriteria inclusion /exclusion

Langkah 1B - seleksi akhir. Hal ini didasarkan pada pemindaian validasi studi, metode untuk layanan mikro dan dukungan alat dan rincian pendekatan evaluasi.

Langkah 1C – penilaian kualitatif studi termasuk. Peneliti terutama berfokus pada kekakuan teknis konten yang disajikan. Peneliti mendasarkan penilaian kualitatif pada berbagai faktor seperti penilaian Umum (G) dan penilaian spesifik (S). Skor Kualitas memberi Peneliti kuantifikasi numerik untuk menentukan peringkat studi yang dipilih, namun mengingat keterkinian pengembangan, Peneliti mendaftar pustaka dan tesis /disertasi selama ada bukti tinjauan yang sedang dilakukan. Langkah 2 dan 3 - Ekstraksi dan Sintesis Data. Untuk merekam data yang diekstraksi dari studi yang dipilih, Peneliti mengikuti (Petersen et al., 2008) menggunakan format terstruktur berdasarkan dimensi karakterisasi.

Metode kedua yang digunakan adalah the establishment of multi-stakeholder platforms and other partnerships. Such opportunities will only expand misalnya tantangan kebijakan terkait globalisasi dan akselerasi pacuan perubahan teknologi mengantisipasi tantangan sistem yang berelasi ke prinsip fundamental transparansi sistem kekayaan intelektual yang dibangun. Setiap orang dapat mencari paten, merek, desain, atau kekayaan intelektual lainnya sepanjang mereka mencocoki kondisi tertentu. Misalnya kondisi yang melibatkan publicly disclosing certain information about the new technology, product or service. Hal ini membuatnya mungkin untuk yang lain menemukan siapa pemilik teknologi, produk, atau layanan, dan ruang lingkup hak terkait. Metode ini sudah diterapkan dalam URL https://dgip.go.id/ untuk e-PENELUSURAN KI, e-INFORMASI KI, dll.

Platform dimaksud adalah micro service architecture. Proses merekonstruksi mikrolayanan dengan menganalisis data desain monolitik diuraikan dalam gambar berikut ini. Untuk merekonstruksi data desain sebagai layanan mikro, dilakukan kegiatan rinci dalam empat langkah. Penjelasan untuk setiap langkah sesuai gambar berikut.

Gambar 3.3. Proses-proses rekonstruksi layanan mikro berbasis container.

Penjelasan detil ada di Bab 2 sub-bab AI. Data desain monolitik berasal dari system awal IPO (intellectual property office) atau kantor Sentra Kekayaan Intelektual dengan kondisi yang berbeda satu dengan lainnya walau pun sebagian besar masih dalam tahap awal di model-1, model-2 Smart IPO Model atau stage 1 IPO Development Model. Penelitian dimulai dengan metode rekayasa perangkat lunak terutama praktek desain layanan lincah, desain kustom didorong dan domain, model formal untuk layanan mikro, identifikasi, spesifikasi, dan realisasi layanan kandidat. Dibahas juga keamanan dan kualitas layanan dalam micro service, penyesuaian dengan peraturan perlindungan data umum dan persyaratan privasi data. Pengaturan layanan micro focus pada penanganan kesalahan /konsistensi, konfigurasi /ketersediaan, akuntansi, kinerja, dan keamanan /recoverability.

Manfaatnya adalah memfasilitasi pertukaran dan penggunaan efisien hak-hak kekayaan intelektual dari stake holder terkait, yang mendukung pengembangan teknologi, pertumbuhan bisnis, dan kemajuan sosial. Transparansi selalu menjadi corner-stone sistem kekayaan intelektual. Tetapi kecenderungan privatisasi fungsi yang secara tradisional ditangani sektor publik dan kebangkitan teknologi baru seperti blockchain, menyediakan secure means of record keeping yang dapat diharapkan untuk lebih jauh mengaburkan jalur di antara atmosfer publik dan privat.

Singkatnya, pola integrasi serupa dapat ditemukan dalam arsitektur mikro-layanan dan kontrak cerdas blockchain. Sifat terdistribusi kedua arsitektur mendorong pesan asinkron dan penggunaan pialang pesan, dalam bentuk kisi peristiwa atau bus layanan, untuk menyampaikan informasi di antara layanan dan kontrak cerdas.

Gambar 3.4. Metode kedua terkait dengan Industry 4.0

Analisis data desain monolitik

Pada langkah ini, desain data monolitik dari target rekonstruksi mikro-layanan dikumpulkan dan dianalisis. Target dimaksud adalah system dengan konsep service-oriented architecture (SOA) yang dibangun oleh Sentra Kekayaan Intelektual atau IPO (Intellectual Property Office) atau kantor sejenis. Ciri awal adalah arsitektur dalam official website atau laman resmi-nya, apakah sudah mengimplementasi SOA atau belum? Apakah arsitekturnya sudah focus pada pengembangan platform [system] inovasi dan kewirausahaan (innovation and entrepreneurship system, IES)?

Pengembangan micro service architecture untuk data science dalam technology and innovation support center (TISC) yang dimiliki oleh Smart IPO. Layanan mikro itu terkonfigurasi dengan container, dan teknologi orkestrasi container mengelola beberapa container terdistribusi. Teknologi tersebut, seperti Kubernetes, Docker Swarm, dan Mesosphere, telah muncul untuk mendukung manajemen distribusi kontainer. Bagaimana pertimbangan memilih ketiga hal tersebut, akan diuraikan dalam bab pembahasan.

Mengumpulkan desain data monolitik

Jenis desain data yang akan dikumpulkan adalah diagram kelas data desain UML yang ditentukan oleh pola ECB {Entity Control Boundary}. Desain diambil dari beberapa situs Sentra KI teridentifikasi.

Sebelum menuju UML, digunakan desain data DFD untuk aplikasi monolitik mulai dari modifikasi “system transaksi tiket online” (simak Figure 2.70 tentang Microservices through the method presented by Chen et. al.) menjadi system transaksi tiket pelayanan technology and innovation support center dari Smart IPO (Intellectual Property Office) dan IES (Innovation & Entrepreneurship System), dengan prioritas penanganan keamanan dan kualitas layanan dalam microservices (mengacu pada URL https://loketvirtual.dgip.go.id/). Penyesuaian dengan peraturan perlindungan data umum dan persyaratan privasi data. Pengaturan layanan micro pada kesalahan /konsistensi, konfigurasi /ketersediaan, akuntansi, kinerja, dan keamanan /recoverability.

Disesuaikan juga tiga stereotip (dari Table 2.28 tentang UML design data collection and hierarchy mapping). Pembahasan mulai dari system transaksi tiket pelayanan, selanjutnya mengidentifikasi temuan dari beberapa situs web Sentra Kekayaan Intelektual.

Penelitian mulai dari rangkuman presentation layer beberapa situs web Sentra Kekayaan Intelektual bertipe boundary mulai dari class stereotype related to input /output (misalnya Main Screen UI [android], satu varian misalnya window login for secret project; [a small warning message] biling pop up window, https://sourceforge.net/projects/pop-up-window/ atau https://www.howtogeek.com/136894/how-to-create-popup-reminders-with-no-additional-software/). Diinventarisasi contoh lain dari presentation layer ini.

Dari tempat yang sama selanjutnya dirangkum business logic layer bertipe control mulai dari membership process controller, reservation, payment, yang merealisasi fungsi utama aplikasi terkait kekayaan intelektual.

Terkait membership process controller, ada keterangan yang bisa melengkapi pembahasan penelitian di URL https://www.oasis-open.org/khelp/members/user_help/html/membership_application_process.html, di sana diterangkan:

1) Aturan akuisisi keanggotaan;

2) Tahapan dalam proses aplikasi keanggotaan;

3) Bagai mana menentukan status aplikasi keanggotaan;

4) Di mana menemukan proses keanggotaan suatu organisasi;

5) Aplikasi Public, Self-Renewals, Auto-Renewals dan Administrator-Managed Memberships.

Terkait business logic layer bertipe control untuk reservation, ada keterangan yang bisa melengkapi pembahasan penelitian di URL sbb:

1) https://www.oreilly.com/library/view/software-architecture-patterns/9781491971437/ch01.html

2) http://home.mastersoftwareinc.net/process/modguide/md_techinf.htm

Terkait hal sejenis untuk payment belum ditemukan literatur yang sesuai, mengacu pembahasan business logic layer dengan control type.

Mengklasifikasi 3-tier layer

STEREOTYPES, PROFILES, AND TAGS – UML. Seperti dengan kata kunci, stereotip ditampilkan dengan simbol guillemets, seperti «kepengarangan». Tetapi, mereka bukan kata kunci, yang dapat membingungkan. Sebuah stereotipe mewakili perbaikan dari konsep pemodelan yang ada dan didefinisikan dalam profil UML-informal, kumpulan stereotip terkait, tag, dan kendala untuk mengkhususkan penggunaan UML untuk domain tertentu atau platform, seperti profil UML untuk manajemen proyek atau untuk pemodelan data.

UML mendefinisikan banyak stereotip, seperti «Destroy» (digunakan pada sequence diagrams), dan juga memungkinkan yang ditentukan pengguna. Dengan demikian, stereotip menyediakan mekanisme perpanjangan di UML. Sebagai contoh, gambar menunjukkan stereotipe Deklarasi, dan penggunaannya. Stereotip menyatakan satu set tag, menggunakan sintaks atribut. Ketika elemen (seperti kelas Square) ditandai dengan stereotip, semua tag berlaku untuk elemen, dan dapat ditetapkan nilai. (Authors n.d.)

Gambar3.5. Deklarasi stereotype dan penggunaannya.

Memetakan layer berdasarkan jenis kelas

Hierarki 3-tier didefinisikan, dan pemetaan hirarkis dilakukan. Stereotip adalah sebagai berikut: jenis < > adalah lapisan presentasi, jenis < > adalah lapisan logika bisnis, dan jenis < > adalah pemetaan untuk lapisan persistensi.

Mengekstraksi layanan mikro

Grafik dibangun berdasarkan informasi kelas yang dikumpulkan dan diklasifikasikan dalam langkah sebelumnya. Kemudian, kegiatan berikut dilakukan untuk memperoleh Layanan mikro dari unit entitas:

1) Analyze class relationship and construct graph;

2) Reconstruct business logic-centric graph;

3) Extract microservice based on main entity.

Metode ketiga yang dipakai terkait teknologi blockchain, yang akan meningkatkan efisiensi dan keamanan sistem kekayaan intelektual yang fungsi tradisionalnya memelihara rekaman publik HAKI yang berelasi ke pengetahuan, teknologi, dan kerja-kerja budaya. Hal ini lebih bermakna teknologi privat dari pada registrasi publik. Banyak eksperimen dilakukan dengan blockchain dalam the copyright sphere, diaplikasikan dalam semua lisensi kekayaan intelektual. Kita perlu peduli bahwa dengan teknologi blockchain, sektor privat akan menjadi ancillary record keeper. Yang perlu dipertimbangkan apakah dampak pada transparansi pasar untuk knowledge goods? Akankah penggunaan teknologi ini memacu efisiensi pasar? Apakah ia memperbaiki sistem manajemen hak kekayaan intelektual? Banyak potensi besar itu akan diteliti dalam disertasi yang diusulkan proposalnya ini terkait dengan beberapa perguruan tinggi Indonesia yang sudah membangun WIPO TISC.

Salah satu rekomendasi WIPO yang menarik perhatian DJKI Kemenkumham yaitu WIPO menyarankan untuk mengembangkan strategi jangka panjang yang secara progresif yakni mengenalkan dan memaksimalkan penggunaan Artificial Intelligence (AI) dalam pemeriksaan permohonan KI. (Yos dan Alva 2019)

Selain itu, WIPO juga meminta DJKI menggunakan “big data” (data science) untuk memenuhi kebutuhan pengguna dan stakeholder KI, serta memanfaatkan teknologi blockchain untuk keamanan bertransaksi dan komersialisasi (kekayaan intelektual).

Teknologi blockchain berbentuk buku digital (ledger) yang mencatat semua riwayat transaksi yang terjadi di dalam sebuah jaringan. Catatan transaksi dienkripsi dalam sebuah kriptografi yang terdiri atas deretan alfanumerik. Kemudian hal itu ditambahkan dengan sendirinya ke dalam riwayat transaksi tersebut. Freddy Harris menjelaskan, dengan blockchain ini kita dapat menelusuri kekayaan intelektual terdaftar yang ada di Indonesia. “Mulai dari sebuah karya dibuat, siapa saja penggunanya, dan berapa hak ekonomi dari penggunaan karya tersebut,” jelasnya.

Blockchain adalah buku besar terdistribusi dan terdesentralisasi yang berisi blok transaksi yang terhubung. Tidak seperti pendekatan buku lain, blockchain jaminan Tamper Bukti penyimpanan transaksi yang disetujui. Karena organisasi yang didistribusikan dan terdesentralisasi, blockchain digunakan dalam IoT misalnya untuk mengelola konfigurasi perangkat, menyimpan data sensor dan mengaktifkan pembayaran mikro. Bagai mana gagasan menggunakan blockchain sebagai layanan untuk IoT dan implementasi Cloud dan Edge yang diinangi oleh blockchain? (Samaniego, Jamsrandorj, and Deters 2016)

Sekarang, big data menguatkan traksi (di samping pengertian di awal metode penelitian, makna traksi adalah gaya gesek maksimum yang bisa dihasilkan antara dua permukaan tanpa mengalami slip. Definisi lain dari traksi adalah gaya tangensial yang ditransmisikan secara melintang terhadap dua permukaan melalui gesekan atau lapisan fluida yang menghasilkan gerakan, memberhentikan laju, atau transmisi daya [id.wikipedia.org/wiki/Traksi]).

Big data mendapat proteksi kekayaan intelektual di Jepang sehingga perusahaan bebas menjual informasi yang mereka koleksi dan timbun di sana. Idenya adalah untuk membuka harta karun (se-)luas data dan membiarkan industri baru mekar. (Nikkei 2017) Bisa disimak apa yang dilakukan dua perusahaan yaitu: PT Big Data Indonesia dan PT All Data International.

PT Big Data Indonesia adalah Systems Integrator Company. Dia menyediakan empat layanan yaitu: 1) Technology services; 2) Managed services; 3) Professional services; 4) Integrated services. PT All Data International adalah big data analytic company. Dia menyediakan solusi sbb: a] 360o Degree View of Customer; b] Potential Customer Lead Generation; c] Customer Value Chain; d] Customer Churn Analysis; e] Fraud Detection; f] Predictive Maintenance.

Kita bergerak ke arah Internet of Things, sejumlah besar data dibangkitkan. Major online platforms seperti Facebook dan Youtube sedang mengreasi vast quantities of valuable data dari aktivitas mereka. Hal ini memberi mereka kesempatan memegang data tersimpan, peluang ekonomi signifikan. Ada banyak pertanyaan kompleks, mengemuka tentang kepemilikan data itu. Pertanyaan-pertanyaan ini juga menyentuh privasi dan isu-isu keamanan. Semua pertanyaan ini akan diteliti jawabannya termasuk untuk perihal berikut. Siapa yang memiliki data personal atau data yang dibangkitkan oleh kehadiran seseorang? Akan diteliti redefinisi kepemilikan dalam relasi ke data ini, serta hak dan obligasi yang menyerang ke mereka.

Ada Strategi ICT dan Kecerdasan Buatan untuk IPOS (Intellectual Property Offices) mengadministrasi kekayaan intelektual, sesuai dokumen WIPO no. WIPO /IP /IT AI /18 /2, original: English, date: February 8, 2018. Dipilihkan apa yang ditulis delegasi Singapura sebagai berikut. Solusi bisnis yang potensial dapat mengadopsi AI adalah: 1) Image Search for Trademarks; 2) Trade Marks Class Recommendation Tool; 3) Trade Marks Distinctiveness Checker; 4) Trade Marks Outcome Simulator (Trade Marks Image Search + Class Recommendation Tool + Distinctiveness Checker); 5) Patents auto checker; 6) Patents auto classification tool; 7) Image Search for Designs.

Metode keempat yang digunakan adalah menganalisis Strategi ICT dan AI dari semua negara yang dirangkum dalam dokumen terkait. Selanjutnya dikonfirmasi dengan banyak perguruan tinggi Indonesia ber-TISC, bagai mana kemungkin terhadap semua strategi itu? Strategi itu terkait COBIT [5] (https://www.ant.co.id/training-coverage.php) karena kegiatan perguruan tinggi termasuk training di mana mutu training coverage perlu dijaga dengan standar itu. Diagram dari Andalan Nusantara Teknologi bisa dijadikan acuan /referensi.

Gambar 3.6. Training coverage terkait ICT Strategy.

ICT Strategy, governance, dan managerial training areas yang menjadi prioritas disertasi ini antara lain: 1) ICT Strategy & Continuity; 2) ICT Governance, Risk & Compliance COSO, COBIT, NIST, ISO & ISACA – CGEIT & CRISC; 3) Emerging Technologies Cloud, Artificial Intelligent [AI], Machine Learning [ML] & Data Science [DS]; 4) Enterprise architecture Zachman, NIST, TOGAF, Archimate & IT4IT Frameworks; 5) Business Analytics AI, ML, DS; 6) Business & ICT Agility DevOps & DevSecOps [Lean, Scrum, Kanban, CI /CD, Docker & Kubernetes]; 7) ICT Service Management ITSM, ITIL, ISO; 8) Cloud Computing Plan, Assessment, implementation & monitoring.

Hal ini terkait permasalahan pertama yaitu bagai mana tinjauan komprehensif data science dengan kata kunci big data, data analysis, data analytics dari banyak perguruan tinggi Indonesia yang sudah membangun TISC, digunakan empat metode dalam tabel 3.5 sebagai berikut.

Tabel 3.5. Resume penggunaan empat metode.

Metode

Pengertian

Masalah yang Diselesaikan

Pertama

Data science

Memahami sistem komputer sebagai bagian teknologi informasi yang menimbulkan tantangan utama dengan SLR dan /atau SMS.

TISC adalah sistem komputer untuk para stake holder kekayaan intelektual terutama inventor, pencipta, desainer. Filsafat ilmu informatika, mengembangkan ilmu data dalam TISC.

Kedua

Big data

The establishment of multi-stakeholder platforms and other partnerships. Such opportunities will only expand Apache Spark /Hadoop (Yahoo, FB), Oracle (BDMP, Analytics, Cloud BDP), Cloudera, MapR, Hortonworks, Talen BDP, DataBricks, Qubole.

Konsep TISC bagus tetapi mengapa baru 17 perguruan tinggi Indonesia yang mengimplementasikannya? Bagai mana sebenarnya keinginan stake holder? Alternatif: AWS, MS Azure, Snowflake, Google Cloud Platform /Big Query, NoSQL, dll.

Ketiga

Data analysis

Terkait teknologi blockchain, yang akan meningkatkan efisiensi dan keamanan sistem kekayaan intelektual yang fungsi tradisionalnya memelihara rekaman publik HAKI yang berelasi ke pengetahuan, teknologi, dan kerja-kerja budaya.

Pada hubungan intellectual property dan blockchain technology, ada digital transformation dengan transdisciplinary engineering methods untuk social innovation of Industry 4.0. Bagai mana TISC memanfaatkan teknologi blockchain misalnya untuk proteksi kekayaan intelektual dalam supply chain.

Keempat

Data analytics

Menganalisis Strategi ICT dan AI dari semua negara yang dirangkum dalam dokumen WIPO. Selanjutnya dikonfirmasi dengan banyak perguruan tinggi Indonesia ber-TISC, bagai mana kemungkin terhadap semua strategi?

Kemungkinan strategi ini bisa dikonfirmasi dalam pertemuan Intellectual Property Offices (IPOs) seperti ASKII pada ICT Strategies dan Artificial Intelligence untuk administrasi kekayaan intelektual sebagai prioritas agenda TISC pada perguruan tinggi Indonesia.

Masalah kedua yaitu Bagai mana instalasi development tools and services-nya untuk software and moral implementation? Bagai mana memetakan paten dan publikasi riset terkait? Bagai mana sustainable development knowledge platform yang cocok untuk kompleks deployment? Masalah kedua terkait dengan:

1. Tujuan khusus pertama: Mencoba melakukan perbaikan moral(ity) terhadap kerepotan ketika satu entity pada database berubah maka setiap entity yang sama di setiap database service harus diubah Dilakukan eksperimen terkait hal ini (software, moral implementation) pada entity suatu kekayaan intelektual pada database HAKI;

2. Tujuan khusus ketiga: Untuk microservice architecture deployment yang kompleks, perlu konfigurasi untuk menjalankan setiap services karena memiliki run time yang berbeda Mengukur seberapa kompleks deployment di Sentra KI suatu perguruan tinggi tempat eksperimen, bagai mana konfigurasi untuk menjalankan services tersebut?

Terkait masalah kedua, ada empat tahapan yang dilibatkan dalam penyiapan dan menjalankan TISC secara sukses yaitu: 1) Project planning; 2) Project initiation; 3) Resources development; 4) Service provision. Karya disertasi dibuat untuk mengungkap pengembangan micro services untuk data science terkait semua tahapan itu untuk skala Sentra Kekayaan Intelektual. Dilakukan pemodelan dari tahap view inquiry data, tahap register user, tahap choice event, tahap ticket registration (list), hingga tahap payment (consolidation).

Ada empat stake holder yaitu WIPO (Enables sharing of experiences and best practices among TISCs), Government Authority (Assesses user needs), National Focal Point (Identifies potential host institutions, assesses their capacities, and supports them in joining the TISC project), dan Host Institution (Provides administrative and technical staff required to deliver technology and innovation support services). Karya disertasi dibuat untuk mengungkap pengembangan data science terkait peran semua pihak tersebut. Ada keterkaitan dengan keempat metode di atas yang telah digunakan dengan responden stake holder dari 17 perguruan tinggi penerap TISC. Sebagai contoh perguruan tinggi penerap TISC, IPB resmi menjadi salah satu anggota TISC WIPO, sebagai Host Institution dengan penandatanganan Nota Kesepahaman (Memorandum of Understanding) antara Rektor IPB dengan PLT Dirjen DJKI (simak URL http://hendra.staff.ipb.ac.id/2017/11/05/tisc/).

Selain IPB, terdapat 16 perguruan tinggi lain yang juga menandatangani MoU serupa, yaitu Telkom University, Universitas Negeri Yogyakarta, Universitas Islam Indonesia, Universitas Muhammadiyah Malang, Universitas Trunojoyo Madura, Universitas Kristen Petra, Universitas Negeri Gorontalo, Institut Teknologi Bandung, Universitas Brawijaya, Universitas Gunadarma, Universitas Muhammadiyah Surakarta, Universitas Muhammadiyah Makassar, Institut Teknologi Nasional Malang, Universitas Airlangga, Universitas Kristen Indonesia, dan Universitas Sultan Ageng Tirtayasa.

Tabel 3.6. Resume Program TISC WIPO dan Implementasi-nya.

Program /TISC WIPO

Implementasi

1) peningkatan akses informasi teknologi, teknik dan know-how ilmiah;

instalasi development tools and services-nya termasuk micro services.

Program yang menyediakan para inovator dalam negara-negara berkembang dengan akses berbasis lokal, teknologi informasi berkualitas tinggi dan layanan terkait; Fokus pada sistem informasi di Perguruan Tinggi, LPPM, dan Sentra Kekayaan Intelektual.

2) penyediaan layanan bantuan dalam penelusuran dan analisa basis data teknologi, khususnya basis data paten, untuk kebutuhan teknik dan bisnis;

memetakan paten dan publikasi riset terkait

Menolong para inventor guna mengeksploitasi potensi inovatif mereka; Fokus pada sistem informasi di laboratorium, special purpose vehicles, dan supporting system organization.

3) peningkatan pengetahuan dan manfaat kekayaan intelektual secara umum serta informasi paten khususnya;

sustainable development knowledge platform yang cocok

dan mengreasi, melindungi, dan mengatur kekayaan intelektualnya. Fokus pada kegiatan sosialisasi antar fakultas internal perguruan tinggi dan Asosiasi Sentra Kekayaan Intelektual Indonesia.

4) peningkatan kesadaran mengenai kekayaan intelektual.

Komunitas Ekonomi Kreatif

Komunitas Sahabat UMKM

Fokus pada diklatnas dan diklatda di ASKII dan ASKI Lampung, ASKII SulSel.

NOVELTY dari disertasi ini adalah boosting method (standar teknis dan tool box) yang diusulkan untuk meningkatkan reliabilitas Kantor HAKI dalam mengimplementasi TISC dalam empat tahap dengan validasi respons empat stake holder. Hal itu didukung pengembangan micro services (architectures) untuk data science dengan inventarisasi sumber daya terkait hal itu di Indonesia dan global yang bisa dimanfaatkan oleh banyak sentra kekayaan intelektual di kampus mau pun instansi lainnya dalam rangka persiapan antisipasi menghadapi Industry 4.0 dengan memperkuat fase-fase sebelumnya (Industry 3.0 hingga Industry 1.0).

Gambar 3.7. Terlihat bahwa tiada indikasi untuk local TISC untuk wilayah Republik Indonesia (tahun 2013). Kini menurut Hendra Wibowo, staf dari IPB, sudah ada 17 local TISC [walau pun belum ada satu pun yang terdaftar di WIPO]. (Sumber: http://www.wipo.int/edocs/mdocs/africa/en/wipo_tisc_lus_14/wipo_tisc_lus_14_t_2.pdf)

Pada tahun 2019 jika kita cari di Google dengan kata kunci “wipo tisc data science dissertation”, yang terkait disertasi, hanya muncul buku berjudul “Mapping Patents and Research Publications of Higher Education Institutes and National R&D Laboratories of India”. Jika ditambahkan kata kunci “computer system” maka akan muncul Road map for establishing Technology & Innovation Support Centers (TISC) dan dokumen WIPO “Making IP Work”. Tidak ada disertasi terkait, JADI DISERTASI INI ADALAH YANG PERTAMA TERKAIT TISC & micro services terkait.

Pada prinsipnya pembahasan disertasi me-review peta jalan tersebut khususnya untuk skala Indonesia dengan 17 perguruan tinggi yang sudah menerapkan TISC, selanjutnya membuat pemodelan untuk project planning untuk mempercepat implementasi TISC di Indonesia berdasarkan pengalaman 17 perguruan tersebut untuk ranah policy, services, infra-structures, development, solutions, dan information.

Berikut ini dipetakan distribusi Science & Techno Park (STP) yang berdekatan dengan distribusi 17 perguruan tinggi ber-TISC berdasarkan cluster per-pulau. Hal ini dalam rangka menginventarisasi peluang kerja sama perguruan tersebut dengan STP terdekat di lingkungannya, agar memudahkan penyusunan contoh project planning, project initiation sesuai situasi, kondisi karakter tiap Sentra KI sehingga bisa tergambar bagai mana resources development dan services provision-nya.

Gambar a

Gambar b

Gambar 3.8. Distribusi perguruan tinggi yang sudah ber-MoU dengan DJKI, distribusi STP (Zubaidah 2017), info STP tambahan (belum sampai 100 Taman Sains dan Teknologi Indonesia) (Penulis 2015). Di gambar-a tampak di Pulau Sumatera belum ada satu pun perguruan tinggi ber-TISC. Di gambar-b tampak berkumpul begitu banyak STP di Pulau Jawa yang didukung banyak perguruan tinggi ber-TISC. Sedangkan di Pulau Sulawesi lima STP berpeluang dikoneksikan dengan dua perguruan tinggi ber-TISC.

Gambar 3.9. Usulan skema interkoneksi antara TISC yang rencananya dibangun dan dimiliki oleh Sentra KI di perguruan tinggi dengan STP yang ada di sekitarnya. Di sini akan dimodelkan, disimulasikan rencana keberadaan TISC di Unhas. Jaringan diperluas dengan sebaran SMA dan SMK binaan yang ada di sekitar tiga perguruan tinggi tersebut. Selanjutnya SMA /SMK membangun jaringan dengan sebaran SMP yang ada di sekitar sekolah masing-masing. Seterusnya SMP membangun jaringan dengan sebaran SD di sekeliling sekolah masing-masing. Akhirnya SD membangun jaringan dengan sebaran TK /PAUD yang ada di lingkungannya. Dengan skema seperti ini insya Allah, terintegrasi sistem yang mendukung inovasi dan teknologi sejak usia dini, memaksimalkan pembinaan intelektualitas otak kanan, tengah, dan kiri. Perhatikan buku Dahsyatnya Otak Tengah karya Hartono Sangkanparan penerbit Visimedia Pustaka. Perhatikan buku Menyeimbangkan Otak Kiri & Otak Kanan karya Pangkalan Ide penerbit PT Elex Media Komputindo. (https://www.zonareferensi.com/fungsi-otak/)

Rancangan atau desain penelitian diartikan sebagai strategi untuk melaksanakan penelitian. Pada penelitian eksperimental harus dijelaskan variable berpengaruh mau pun variable bebas, serta variable control. Bahan dan alat yang dipakai harus dijelaskan pada bagian ini. Pada penelitian non-eksperimental, harus dijelaskan jenis penelitian yang dipilih. Variabel berpengaruh adalah kebijakan WIPO, kebijakan Pemerintah Pusat dan Pemerintah Daerah, kesepakatan ASKII, kebijakan pimpinan perguruan tinggi. Variabel control adalah banyak parameter dari pengembangan ilmu data di pusat dukungan teknologi dan inovasi yang ada di banyak perguruan tinggi di Pulau Jawa (akan dipilih beberapa institusi). Variabel bebas adalah banyak parameter dari pengembangan ilmu data di pusat dukungan teknologi dan inovasi yang ada di beberapa perguruan tinggi di Pulau Sulawesi.

Strategi yang dipilih adalah mengawali riset dengan penelitian kepustakaan dan penelitian kualitatif, diakhiri dengan penelitian kuantitatif dengan tema besar pengembangan micro services untuk ilmu data pada system pendukung teknologi dan inovasi. Penelitian kepustakaan merupakan penampilan argumentasi penalaran keilmuan yang memaparkan hasil berdasarkan kajian pustaka dan hasil olah pikir peneliti mengenai suatu masalah /topic kajian sebagai mana tertera pada paragraph di atas. Hal ini yang dapat pembaca rasakan di bab pendahuluan, bab tinjauan pustaka, dan bagian awal bab metode penelitian. Sumber kepustakaan untuk bahan kajian berupa jurnal penelitian, disertasi, tesis, skripsi, laporan penelitian, buku teks, makalah, laporan seminar, diskusi ilmiah, atau terbitan-terbitan resmi pemerintah-pemerintah (misalnya Indonesia, Singapura, Australia, Swiss, dll) dan lembaga-lembaga lain (seperti ASKII, ASEAN, APEC, WIPO, dll).

Systematic literature review (SLR) or mapping study (SMS) dari riset pada microservices menguji the maturity in general dan mengidentifikasi trends, research gaps dan, arah masa depan. Tersedia pertumbuhan minat dalam container dan microservices dalam cloud, ada keperluan mengeksplorasi agenda riset. SLRs and SMS melakukan identify, classify and synthesize a comparative overview of state-of-the-research and enable (Petersen et al., 2008; Kitchenham et al., 2009).

Bahan-bahan pustaka harus dibahas secara kritis dan mendalam dalam rangka mendukung gagasan dan /atau proposisi untuk menghasilkan kesimpulan dan saran. Bagian utama disertasi ini, berdasarkan kajian pustaka terletak pada bab 1: pendahuluan, bab 2: tinjauan pustaka (kajian atas bahan kepustakaan tersebut di atas), dan bab 5: penutup.

Bab 2 berisi gagasan pokok diteruskan dengan metode kajian mendalam, dan diakhiri dengan rangkuman pembahasan dan implikasi. Metode kajian menjelaskan semua langkah yang dikerjakan peneliti sejak awal hingga akhir. Pada bagian ini dapat dimuat hal-hal yang berkaitan dengan anggapan-anggapan dasar atau fakta-fakta yang dipandang benar tanpa adanya verifikasi dan keterbatasan, atau aspek-aspek tertentu yang dijadikan KERANGKA (BER-)PIKIR.

Selanjutnya dilakukan analisis masalah dan variable yang terdapat dalam judul kajian, dalam hal ini adalah masalah pengembangan ilmu data dan variable pusat dukungan teknologi dan inovasi (TISC). Analisis masalah menghasilkan variable dan hubungan antar- variable. Peubah pertama adalah technology and innovation support center (TISC). Variable- variable berikutnya ialah:

1. Dokumen institusi-institusi internasional yaitu WIPO, dll.

2. Kebijakan pemerintah-pemerintah, misalnya Indonesia, dll.

3. Kesepakatan national vocal point, ialah ASKII, dll.

4. Host institution standard operational procedures dari Sentra KI, dll.

Selanjutnya dari empat variable di atas akan diturunkan banyak variable lagi, dilakukan analisis variable dengan mengajukan banyak pertanyaan yang berkaitan dengan hubungan antar- variable. Analisis ini diperlukan untuk menyusun alur berpikir dalam memecahkan masalah yaitu pengembangan ilmu data (development data science). Perlu ditekankan bahwa tulisan tentang metode kajian hendaknya didasarkan atas kajian teori dan khazanah ilmu, yaitu paradigm, teori, konsep, prinsip, hukum, postulat, dan asumsi keilmuan yang relevan dengan masalah yang dibahas.

Dari tiap pertanyaan diidentifikasi alternative model pemecahan masalah atau jawabannya. Dari setiap alternative tersebut diidentifikasi konsep-konsep yang relevan yang diperlukan sebagai bahan pertimbangan untuk memilih alternative pemecahan masalah atau jawaban yang tepat. Lebih lanjut tiap konsep dijabarkan lagi menjadi sub-konsep berdasarkan keperluan, misalnya berdasarkan makna atau segi lainnya.

Pada hakikatnya peninjauan konsep menjadi beberapa sub-konsep dilakukan untuk menyusun alur berpikir dalam pengkajian masalah. Hal ini dilakukan terhadap semua konsep yang ada. Berdasarkan uraian ini disusun bab-bab yang diperlukan. Tiap bab diberi judul yang sesuai. Bahan-bahan untuk pembahasan konsep dan sub-konsep dicari dan dikumpulkan dari berbagai sumber, yaitu buku, jurnal, (masalah di forum) ilmiah, makalah, atau sumber-sumber yang lain.

Secara ringkas dapat dikatakan bahwa Bab 2 berisi uraian masalah secara rinci, alternative model pemecahan masalah, dan problem solving-nya. Bagian ini merupakan hasil pemikiran atau ide yang baru dari peneliti mengenai masalah yang dibahas. Seyogyanya di sini tercermin penguasaan peneliti mengenai bidang ilmu yang relevan dengan permasalahan.

Analisis dan pemecahan masalah yang dilatar-belakangi penguasaan materi keilmuan akan tajam dan komprehensif. Juga perlu tercermin di sini gagasan dan wawasan peneliti yang tajam dalam mengkaji masalah. Perlu dipelihara konsistensi cara berpikir sejak awal pembahasan. Gagasan dan buah pikiran penulisan harus disajikan bentuk alur-alur pikir yang logis sehingga mudah ditangkap makna-nya.

Penelitian kualitatif mengutamakan uraian dalam bentuk verbal atau deskriptif. Penelitian ini bertujuan mengungkap proses pembentukan dan dinamika sebuah realitas social serta menginterpretasikan makna di balik dua hal tersebut. Penelitian ini menghasilkan dan mengolah data yang bersifat deskriptif, seperti transkrip wawancara, catatan lapangan, gambar, foto, rekaman video (Poerwandari, 2005, hlm 42). Terkait system computer /system informasi, ada realitas social yaitu masyarakat informasi /brain ware sebagai pemuncak sekaligus pengguna /users dari piramida system tersebut. Lebih khusus lagi masyarakat dimaksud adalah stake holder kekayaan intelektual.

Realitas social adalah sesuatu yang subjektif dan diinterpretasikan, bukan sesuatu yang berada di luar individu. Manusia tidak secara sederhana mengikuti hukum-hukum di luar dirinya, melainkan dia menciptakan rangkaian makna dalam menjalani kehidupannya. Ilmu yang didasarkan pada pengalaman sehari-hari masyarakat, bersifat induktif, ideografis, dan tidak bebas nilai. ((NPM) 10410029 Bab 3.Pdf n.d.). Proses dan makna dimaksud, diungkap secara menyeluruh sesuai dengan konteks-nya melalui pengumpulan data dari latar alami dan menempatkan peneliti sebagai instrumen utama penelitian. Penelitian semacam ini dapat berciri eksploratif, deskriptif, dan eksplanatif, bergantung pada pilihan strategi yang digunakan. Latar alami dapat berasal dari masyarakat internasional seperti WIPO, hingga komunitas local di Sentra Kekayaan Intelektual dari perguruan tinggi setempat.

Sebuah laporan penelitian kualitatif disusun dengan substansi dan format yang sesuai dengan ciri penelitian itu sendiri. Laporan disusun dalam bentuk narasi, grafik, matriks, atau cara penyajian lainnya dengan tetap menunjukkan ciri alamiahnya dan menggunakan logika induktif. Gaya penulisan dapat bersifat formal dalam arti memuat hal-hal pokok pada bagian awal (Bab 1) lalu dipertajam dengan contoh /ilustrasi dari data. Gaya penulisan juga dapat bersifat informal dalam arti bagian awal (Bab 2) berisi paparan cerita /ilustrasi lalu pada bagian akhir (Bab 4) diberikan analisis, interpretasi, dan kesimpulan (Bab 5).

Bab 3 Metode Penelitian berisi pendekatan (kualitatif: logika induktif; kuantitatif: logika deduktif) dan jenis penelitian (modifikasi). Pengelolaan peran sebagai peneliti: selalu mengikuti arah dari (komisi) Pembimbingan dan hasil-hasil seminar proposal, seminar hasil, seminar /konferensi nasional /internasional, dll. Di Bab 3, dipilih 2 lokasi penelitian yaitu di P. Sulawesi dan P. Jawa. Sumber data berasal dari berbagai pihak, minimal dari empat stake holder penerima manfaat penelitian disertasi ini. Prosedur pengumpulan data penelitian kepustakaan dengan mendatangi Perpustakaan Pusat Unhas di Tamalanrea dan Perpustakaan FT Unhas di COT (Center of Technology) dan CSA (Center of Scientific Activity), berkedudukan di Gowa. Teknik analisis, pemeriksaan validitas temuan, tahap-tahap penelitian dan jadwalnya diuraikan dalam halaman-halaman berikutnya bab terkait. Qualitatif research adalah jenis penelitian yang menghasilkan penemuan yang tidak dapat dicapai (diperoleh) dengan menggunakan prosedur statistika atau dengan cara lain dari kuantifikasi (pengukuran). (Aselm & Juliet Corbin, 1997).

Jenis penelitian kuantitatif lebih menekankan penggunaan angka atau bilangan (metode numeric) dengan logika deduktif. Berdasarkan karakteristiknya, penelitian ini cenderung baku meski pun mahasiswa bersama (komisi) pembimbing dapat saja melakukan penyesuaian. Alokasi penulisan sbb. Bab 3 Metode Penelitian memuat: (rancangan penelitian), waktu dan lokasi penelitian, bahan dan alat yang digunakan dalam penelitian, serta metode analisis secara rinci (populasi dan sampel, teknik pengumpulan data, definisi operasional). Bab 4 Hasil Penelitian dan Pembahasan menguraikan: hasil penelitian dan pembahasannya. Bila ada maksud memisahkan secara jelas mana bagian hasil dan mana bagian pembahasan, hal ini bisa dilakukan menjadi: Deskripsi Hasil Penelitian dan Pembahasan (diletakkan di belakang hasil).

Dari Diskusi Publik RUU Perlindungan Data Pribadi: Bgmn Seharusnya Bisnis Melindungi Privasi Konsumennya, diselenggarakan oleh ELSAM (Lembaga Studi & Advokasi Masyarakat) dan Koalisi Advokasi RUU Perlindungan Data Pribadi, diketahui bahwa praktik pengumpulan data skala besar telah berdampak signifikan bagi penikmatan dan jaminan perlindungan hak atas privasi seseorang. Kendati dalam proses pengumpulannya mengacu pada prinsip anonimitas sekali pun, resiko terjadinya kebocoran atau penyalahgunaan, yang memungkinkan seseorang terprofil juga sangat besar. Menurut berita JPNN.Com terjadi peretasan WhatsApp (WA), salah satu parpol mengingatkan urgensi kedaulatan digital. Perusahaan siber Israel, NSO Group (Technologies) diduga meretas 1.400 pengguna WA di 20 negara.

356

Tabel 3.7. State of the art dari Pengembangan Micro Service Architecture untuk Data Science dalam

TECHNOLOGY AND INNOVATION SUPPORT CENTER

NO

PENELITI /TAHUN

JUDUL PENELITIAN /TULISAN

PENERBIT

Parameter /Pokok Permasalahan

JENIS DATA

METODE /Usulan Riset

HASIL /Korelasi dengan Usulan Riset

1

Dhar, V. /2013

Data Science and Prediction

Communications of the ACM

The term /ilmu data, prediksi keperluan HAKI.

definisi

Studi pustaka /Big data KI dikelola untuk menghasilkan prediksi.

Use of the term "data science" is increasingly common, as is "big data”. Di samping dua istilah itu, ada istilah ketiga yaitu predictive analytics.

Korelasinya, data science menjadi peruntukan dalam pengembangan microservice architectures.

1a

Dhar, V. /2013

Data science

https:

//en.wikipedia.org

/wiki/Data_science

the term /deskripsi data science dan data mining

definisi

Studi pustaka /Membuat perincian dari data science berupa deskripsi semua materi yang diterang-kan.

Data science is a multi-disciplinary field that uses scientific methods, processes, algorithms and systems to extract knowledge and insights from data in various forms, both structured and unstructured,[1][2] similar to data mining.

Korelasinya, data science sudah mulai diterangkan pada Bab 1 Tabel 1.1.

Korelasinya, data mining sudah mulai dijelaskan pada Bab 2 Tabel 2.2.

Jeff Leek /2013

The key word in "Data Science" is not Data, it is Science

Simply Statistics

https:

//simplystatistics.org

/2013/12/12

/the-key-word-in-data-science-is-not-data-it-is-science/

1b

Hayashi, Chikio /1998

What is Data Science? Fundamental Concepts and a Heuristic Example

Studies in Classification, Data Analysis, and Knowledge Organization. Springer Japan. pp. 40–51. 

the term /Memperjelas hubungan data science dan machine learning.

definisi

Studi pustaka /Studi tentang algoritme, analisis komponen prinsip, regularisasi (terkait machine learning).

Data science is a "concept to unify statistics, data analysis, machine learning and their related methods" in order to "understand and analyze actual phenomena" with data.[3] It employs techniques and theories drawn from many fields within the context of mathematics, statistics, information science, and computer science.

2

Author team /2019

About this Specialization Ask the right questions, manipulate data sets, and create visualizations to communicate results

Johns Hopkins University, https:

//www.coursera.org

/specializations/jhu-data-science

the term /Pertanyaan yang benar untuk manipulasi himpunan data guna visualisasi.

definisi

How to /Melakukan exercise untuk 3 kerja itu dalam 10 course in Specialization dengan studi kasus di Sentra KI.

Ask the right questions, manipulate data sets, and create visualizations to communicate results. This Specialization covers the concepts and tools you'll need throughout the entire data science pipeline, from asking the right kinds of questions to making inferences and publishing results.

3

Author team /2019

Data platforms and analytics, Helping people and organizations unlock the power of data.

https://www.microsoft.com/en-us/research/research-area/data-platform-analytics/

Data platforms and architectures, Data wrangling and enrichment, Social data and impact.

A broad range of topics related to the management and analysis of data.

These include: infrastructure for large-scale cloud data systems, reducing the total cost of ownership of systems including auto-tuning of data platforms, query optimization and processing, enabling approximate ways to query large and complex data sets /Pemodelan dan simulasi hal tersebut.

Applying statistical and machine learning techniques to improve database system components, stream processing, adding database capabilities to actor frameworks, self-service data cleaning and transformation at scale, search over structured data, metadata management, and information extraction.

4

Remco R. Bouckaert dkk /2018

WEKA Manual

for Version 3-9-3

University of Waikato, Hamilton, New Zealand Alex Seewald (original Commnd-line primer) David Scuse (original Experimenter tutorial)

Command line

Graphical user interface

Data

Appendix

Bibliography

Konsep dasar:

Data set,

Classifier,

Weka.filter,

Weka.classifier,

Launching WEKA,

Package manager,

Simple CLI,

Explorer,

Experimenter,

Knowledge Flow,

Workbench,

ArffView,

Bayesian network classifiers,

WEKA mempunyai EXPERIMENTER di mana pengguna bisa melakukan ekperimentasi. Terkait WEKA, untuk eksperimen awal, penggunaan graphical user interface dirasakan cukup.

Untuk penggunaan mendalam, direkomentasikan command line interface karena ada beberapa fungsionalitas yang tidak tersedia dengan GUI dan penggunaan jauh lebih sedikit memory.

Paket Weka.filter digunakan untuk menransformasi input data untuk pre-processing, transformation, feature generation, dll.

WEKA focus pada algoritme machine learning. Hal ini disebut Classifiers.

Dalam doc directory WEKA, anda temukan dokumentasi semua java classes. Perhatikan well-documented source code, dapat ditemukan di weka –src.jar dan dapat diekstraksi dengan jar utility dari Java Development Kit.

KONSEP DASAR

Himpunan jenis-jenis data, yaitu dataset adalah konsep sangat mendasar dari machine learning. Suatu dataset adalah ekuivalen ke two-dimensional spreadsheet atau table basis data.

Dalam WEKA, hal ini diimplementasi oleh weka.core.Instance. Tiap instance terdiri nomor atribut, bisa nominal (= one of a predefined list of values), numeric (= a real or integer number) or a string (= an arbitrary long list of characters, enclosed in ”double quotes”).

5

RapidMiner GmbH

/2001-2019

RapidMiner Studio

RapidMiner GmbH

How to start RapidMiner Studio (Windows)

How to start RapidMiner Studio (Linux)

How to start RapidMiner Studio (Mac)

Acquire extensions for RapidMiner Studio

Community forum

Log file

NOTE ON CONFIGURATION FILES

Please note

To start RapidMiner Studio, you can use the "RapidMiner Studio.exe" file located in the same

directory as this readme. If you do not want to/cannot use .exe file, you can also

start RapidMiner Studio via the "RapidMiner-Studio.bat" file also located in this folder.

Di awal pengoperasian RapidMiner, muncul Windows Security Alert sbb:

Karena Kampus Elektro merupakan tempat kerja, tanda centang kedua dihapus. Juga muncul

Pembaharuan ini dilakukan segera. Selanjutnya masuk ke auto model di samping dua pilihan lain yaitu blank dan Turbo Prep.

STATE OF THE ART RADEN ARUM SETIA PRIADI D053182003

NO

PENELITI /PENULIS

JUDUL PENELITIAN /TULISAN

TAHUN /Usulan Riset

JENIS PENELITIAN /Pokok Permasalahan

Algoritme /Ekstraksi /Fitur /Klasifikasi

TINJAUAN DATA /HASIL /AKURASI / Korelasi dengan Usulan Riset

6

Iwan Sofana

Cloud Computing, Teori dan Praktik (OpenNebula, VMware, dan Amazon AWS) (Sofana 2012)

2012

Penelitian cloud computing di perusahaan.

Apakah cloud computing server dapat dibangun dengan sarana seadanya?

Apa manfaat-nya bagi pengguna computer?

Secara konsep, cloud computing adalah sebuah model client-server, di mana resources seperti server, storage, network, dan software dapat dipandang sebagai kumpulan services. Ia dapat diakses oleh users setiap saat secara remote.

Inti dari teknologi cloud computing adalah virtualisasi. Physical machines diganti dengan virtual machines. Demikian pula, physical network dan physical storage diganti oleh virtual network dan virtual storage.

Pendahuluan, virtualisasi, definisi & organisasi, memanfaatkan layanan. Seluk beluk hypervisor, jenisnya, ESX, KVM, Xen, lainnya.

Meng-instal dan menggunakan hypervisor. Xen LiveCD, Xen cloud platform, ESXi, ESX, instalasi ESXi pada flash disk.

Mengidentifikasi kebutuhan, file system, dan storage. Memperkirakan resources, fasilitas back up. Cloud server berbasis OpenNebula, persiapan, dll.

7

2B Solutions, Inc.

Weka Smart Fridge Tracks Vaccine Inventory using Microsoft Dynamics CRM and Azure IoT

https://www.2bsolutions.com/about-us/

June 2016

We improve the ability of businesses to respond to their customers and critical events from anywhere.

We are a Gold Microsoft Partner with competencies in Microsoft Mobility Solutions, Microsoft Business Solutions and ISV/Software Solutions.

2B Solutions, Inc. specializes in custom building Dynamics 365 and mobile applications to allow our customers to manage any kind of resources from company car /truck fleets, to medications throughout a pharmacy, to dog trainers and their schedules.

Our custom mobile applications include a complete mobile inventory and store management application for retailers and warehouses.  2B Solutions has also developed mobile applications for mobiles sales, asset tracking and event tracking.

Microsoft Azure

· Microsoft Azure API Management

· Microsoft Azure Blob storage

· Microsoft Azure DocumentDB

· Microsoft Azure IoT Suite Dashboard

· Microsoft Azure IoT Hub

· Microsoft Azure Stream Analytics

· Microsoft Azure PowerShell

· Microsoft Azure Service Bus

· Microsoft Azure SQL Database

Microsoft Dynamics CRM Online Professional

Visual Studio 2015

Windows 10 Pro

Windows 10 IoT Core

Microsoft Surface tablets

Raspberry Pi 2 single-board computers

8

L. Ellenburg, Senior Manager of Informatics

RapidMiner Server Highly scalable, collaborative enterprise data science deployment platform

https://forums.bsdinsight.com/attachments/... · PDF file

https://forums.bsdinsight.com/attachments/rapidminer_datasheet_server-8-120617-pdf.13088/

2017

“RapidMiner allows us to go from an anecdotal approach to a data-supported approach for operational decisions. This enables us to create more meaningful interventions and provide better patient care.”

Data science, deployed

Optimized enterprise data science teamwork

Seamlessly operationalize, leverage enterprise infrastructure

Highly scalable, distributed architecture

(Data science, deployed) RapidMiner Server allows for fast and simple collaboration for largescale enterprise data science projects. Users across the organization can easily access, reuse and share models and processes in a versioncontrolled, secure and centrally managed environment. RapidMiner Server easily integrates analytic results into business processes and applications with its rich set of connectors, BI integration and webservice APIs. With a few clicks, you can set-up scheduled processing and continuously score data in real-time.

Key features: Computation & scalability, Repository, Queues, Collaboration, Scheduling, Management & monitoring, Integration & operationalization, Connections, Extensions.

Korelasi dengan Usulan Riset: Studi pemanfaatan RapidMiner Server dikombinasi dengan berbagai platform yang tersedia.

NO

PENELITI /PENULIS

JUDUL PENELITIAN /TULISAN

TAHUN /Usulan Riset

JENIS PENELITIAN /Pokok Permasalahan

Algoritme /Ekstraksi /Fitur /Klasifikasi

TINJAUAN DATA /HASIL /AKURASI / Korelasi dengan Usulan Riset

B. Waktu dan Lokasi Penelitian

Pada rencana semula sebelum terjadi bencana covid-19, penelitian lapangan disebutkan tempat dan kondisi wilayah serta waktu pelaksanaan penelitian sebagai berikut:

1. Identifikasi karakteristik lokasi: Pulau Sulawesi sebagai tempat eksperimentasi penelitian disertasi, Pulau Jawa sebagai tempat variable control untuk pembanding. Lihat Gambar 3.6 untuk mencermati perbedaan kedua pulau tersebut.

2. Alasan memilih lokasi: Pulau Sulawesi sudah terdapat perguruan tinggi yang mengadakan nota kesepahaman TISC dengan DJKI yaitu Universitas Muhammadiyah Makassar, sudah terdapat beberapa STP sebagai mana terlihat pada Gambar 3.7. Di pulau ini terdapat Universitas Hasanuddin, termasuk dalam klaster pertama perguruan tinggi terkemuka, tetapi belum mempunyai nota kesepahaman TISC dengan DJKI.

Seiring terjadinya bencana covid-19, marak WFH (Work from Home) akibat tingkat penularan penyakit yang cepat, rencana normal tidak bisa diterapkan lagi. Diperlukan modifikasi skema kerja menjadi lebih banyak menggunakan jaringan internet, secara online. Waktu pelaksanaan penelitian menjadi molor dari rencana semula akibat kesulitan pelaksanaan bimbingan disertasi. Di-reschedule, waktu penelitian dimulai setelah selesai seminar proposal di bulan Agustus 2020.

C. Sumber Data, Populasi, dan Teknik Sampling

Pada umumnya sumber data berasal dari empat penerima manfaat penelitian disertasi sebagai mana disebut di Bab 1. Populasi yang menjadi focus penelitian disertasi adalah kumpulan Sentra Kekayaan Intelektual dengan TISC-nya, ada atau tiada. Teknik sampling menggunakan metoda kemudahan akses informasi terhadap data yang dikuasai oleh para penerima manfaat penelitian disertasi tersebut. Apakah diperoleh melalui internet, atau peneliti harus datang ke lokasi menjemput informasi?

Gambar 3.10. Tujuan penelitian membawa manfaat ke tujuan TISC.

D. Teknik /Instrumen Pengumpul(-an) Data

Data kualitatif diperoleh melalui berbagai macam teknik pengumpulan data misalnya wawancara, analisis dokumen, diskusi terfokus, atau observasi, misalnya melalui kuisioner atau daftar pertanyaan. Penting juga dimanfaatkan fasilitas repository yang sudah dibangun oleh banyak instansi, khususnya perguruan tinggi.

Bagian ini harus memuat uraian lengkap dan rinci tentang langkah-langkah dan prosedur pengambilan dan pengumpulan data, misalnya pengukuran langsung, observasi, pelaksanaan tes, pelaksanaan wawancara langsung, atau pengiriman angket. Bila menggunakan orang lain sebagai pengumpul data, perlu dijelaskan cara pemilihannya.

Bagian ini melaporkan teknik pengumpulan data yang digunakan, misalnya wawancara mendalam (indepth interviews), observasi terlibat (participant observation), penggunaan dokumen, dsb. Perlu dijelaskan bagai mana data-data dari berbagai teknik tersebut direkam, dicatat, dan dipotret.

Teknik wawancara dilakukan terhadap empat stake holder kekayaan intelektual yaitu: a) WIPO [international], b) Government Authority [Pemerintah, DJKI], c) National Vocal Point [ASKII], d) Host Institution [Sentra KI]. Sebagian besar dilakukan wawancara tidak langsung menggunakan kuisioner. Wawancara langsung dan mendalam (indepth interviews) dilakukan terhadap para pihak yang bisa diakses.

Gambar 3.11. Eksekusi tujuan khusus nomor satu, meninjau data yang sudah dikoleksi dan ditimbun oleh Sentra KI.

E. Teknik Analisis (Data)

Pada bagian ini perlu diuraikan jenis analisis yang digunakan dan alasan pemilihannya. Apa bila teknik analisis data yang terpilih sudah cukup dikenal, misalnya analisis statistic, maka pembahasannya tidak perlu dilakukan panjang lebar.

Sebaliknya jika teknik analisis yang digunakan jarang terpakai atau teknik yang baru dan belum popular, maka uraian tentang analisis ini perlu diberikan secara lebih rinci. Apa bila dalam analisis digunakan program computer maka perlu disebutkan namanya, misalnya SPSS for Windows Version 10. Bagian ini menjelaskan bagai mana proses reduksi data, penyajian data, dan penarikan kesimpulan dilakukan.

Gambar 3.12. Eksekusi tujuan khusus nomor dua, teknik analisis data menyesuaikan terhadap proses dan permasalahan yang dihadapi.

Diuraikan bagai mana penelusuran dan pengaturan transkrip wawancara, catatan lapangan, dan bahan-bahan lain dilakukan. Dijelaskan bagai mana pengerjaan, pengorganisasian, pemecahan, dan sintesis data, serta pencarian pola, interpretasi makna, dan penentuan substansi yang akan dilaporkan. Dijelaskan bagai mana analisis data dilakukan selama dan setelah pengumpulan data dengan teknik analisis domain, analisis taksonomis, analisis komponensial, dan analisis tema. Untuk studi kasus multi-arena perlu dijelaskan bagai mana analisis komparasi dilakukan.

F. Pengelolaan Peran sebagai Peneliti

Peran peneliti dalam penelitian kualitatif adalah sebagai pencetus ide, perencana, pengumpul data, penganalisis, hingga akhirnya sebagai penyimpul hasil penelitian. Penelitian kualitatif menekankan bahwa bahwa peneliti sendiri atau dengan bantuan orang lain merupakan pengumpul data utama (Moeleong) (Hidayat 2012) Oleh sebab itu peneliti merupakan hal kunci untuk melakukan penelitian. Peneliti tidak hanya berperan sebagai pengambil data, pengolah data, dan penemu informasi hasil penelitian. Akan tetapi peneliti juga menjadi teman untuk subjek penelitian sehingga hasilnya lebih akurat dan valid karena semakin subjek tersebut percaya kepada peneliti, maka akan memudahkan mereka untuk berceritera jujur dan meminimalisasi faking (fake?).

Gambar 3.13. Eksekusi tujuan khusus nomor tiga, penting peran peneliti dibimbing oleh promotor dan para co-promotor.

G. Pemeriksaan Validitas Temuan /Kesimpulan

Data platforms and architectures melalui building infrastructure untuk next-generation cloud systems, dari innovations in hardware, databases and distributed data management ke the scalable data architectures yang dimungkinkan.

Gambar 3.14. Eksekusi tujuan khusus nomor empat, proses mendekati kesimpulan akhir.

Techniques seperti optimized and approximate query processing over data that may be streaming, unstructured or encrypted memastikan bahwa data and insights are always available securely and on demand. Semua temuan diperiksa validitasnya agar bisa dibahas untuk menghasilkan simpulan.

Gambar 3.15. Skema secara umum tahapan penelitian.

H. Tahap-tahap Penelitian dan Jadwalnya

Dijalani /dialami, tahapan dimaksud adalah: 1) Perkuliahan dua semester sejak awal tahun 2019; 2) Penyempurnaan proposal hingga seminar-nya; 3) Penentuan promotor dan co-promotor, 4) Seminar proposal, 5) Memulai penelitian, diawali dengan pembahasan tentang cloud computing. Tahapan penelitian dan jadwalnya akan banyak mengalami penyesuaian di tengah pandemi corona, covid-19 dengan adanya WFH (Work from Home), social /physical distancing.

Ada para pihak yang mengatakan bahwa cloud computing identic dengan data center (computation), atau sebuah Lembaga dengan fasilitas dan modal yang kuat. Cloud computing sering diidentikkan dengan “ruang kemewahan”. Hal ini dikarenakan untuk membangun cloud computing server diperlukan sarana seperti software dan hardware yang mumpuni. Istilah cloud computing diilhami oleh gambar awan yang lazim digunakan pada saat digambarkan diagram jaringan internet. Dalam praktiknya ada kaitannya antara cloud computing dan internet.

Gambar 3.16. Cloud computing dengan tiga pihak: 1) client computers, 2) distributed servers, dan 3) data centers (hlm 3, (Sofana 2012))

Cloud computing adalah sebuah model client-server di mana resources seperti server, storage, network, dan software dapat dipandang sebagai layanan yang dapat diakses oleh pengguna secara remote dan setiap saat. Pengguna dapat menikmati berbagai layanan yang disediakan oleh cloud computing provider tanpa perlu terlalu banyak meminta bantuan teknis atau support dari pihak provider. Infrastruktur cloud computing seperti itu yang disebut “cloud”.

Cloud computing dan data center dalam praktiknya sulit untuk dipisahkan. Data center jika diterjemahkan yaitu pusat data adalah suatu fasilitas yang digunakan untuk menempatkan system computer dan komponen-komponen yang terkait seperti system telekomunikasi dan penyimpanan data. Fasilitas ini biasanya mencakup juga catu daya redundant (cadangan), koneksi komunikasi data redundant, pengontrol lingkungan (AC, ventilasi), pencegah bahaya kebakaran, serta peranti keamanan fisik).

Sering data center diidentikkan dengan Network Operations Center (NOC). Ia merupakan sebuah area terbatas (tertutup bagi orang luar). Di dalamnya terdapat berbagai fasilitas untuk memonitor aktivitas server, web traffic, dan performa network. Dalam praktiknya NOC tidak harus satu ruangan dengan servers atau perangkat networks. Sebaiknya NOC terpisah dari tempat servers karena (idealnya) ruang server sangat dingin, kering, dan tidak ramah bagi manusia.

Desain dan perencanaan data center harus memperhatikan minimum aspek sbb:

1. Lokasi aman, memenuhi syarat sipil bangunan, geologi, vulkanologi, dan tipografi;

2. Terproteksi dengan system cadangan untuk system catu daya, pengatur udara /lingkungan, dan komunikasi data;

3. Menerapkan tata kelola standar data center, yang meliputi: a) Standard Operating Procedures; b) Standar Prosedur Perawatan; c) Standar dan Rencana Pemulihan dan Mitigasi Bencana; d. Standar Jaminan Kelangsungan Bisnis.

Suatu data center memiliki kelas atau tingkatan yang disebut TIER. Lembaga yang membuat spesifikasi tier adalah Telecommunications Industry Association (TIA). Ia diakreditasi oleh ANSI (American National Standards Institute). Pada tahun 2005 TIA mempublikasikan ANSI /TIA-942 yaitu Telecommunications Infrastructure Standard for Data Centers yang mendefinisikan empat tingkatan (tier) data center.

Data center paling sederhana didefinisikan sebagai TIER 1. Data center semacam ini hanyalah sebuah ruang server yang mengikuti basic guidelines dalam proses instalasi system computer. Tingkatan data center paling “mewah” adalah TIER 4. Data center-nya didesain untuk keperluan critical computer systems, dan menyediakan perangkat serba redundant. Security-nya sangat ketat, lokasi aman, memiliki system pendingin yang memenuhi persyaratan, dan lain-lain.

Jika kita menyebut RapidMiner Server, maka terbayang suatu deployment platform untuk data science yang melibatkan kolaborasi enterprise yang dapat di-skala sangat tinggi. Jadi jika kita ingin mengembangkan micro service architecture untuk data science dalam technology and innovation support center, maka metode yang bisa dicoba adalah mencontoh deployment platform pada RapidMiner Server.

Mulai dari awal, akan disurvei di antara banyak sentra kekayaan intelektual, bagai mana sebaran posisi datacenter-nya dari TIER 1 hingga TIER 4. Dari pemetaan itu bisa disusun bagai mana strategi deployment platform? Dari acuan tersebut beberapa pertanyaan yang perlu dikonfirmasi terkait:

1) Bagai mana data science deployment platform?

2) Bagai mana optimized enterprise data science teamwork?

3) Bagai mana seamlessly, operationalize, leverage enterprise infra-structure?

4) FOKUS: Bagai mana highly scalable, distributed architecture? Bagai mana gambaran arsitektur berbasis micro service dapat di-skala tanpa batas, mengantarkan reliable and lightning fast data science dalam produksi jasa dari sentra kekayaan intelektual.

Berikut daftar fitur kunci yang perlu diperiksa juga: 1) Computation & scalability; 2) Repository; 3) Queues; 4) Collaboration; 5) Scheduling; 6) Management & monitoring; 7) Integration & operationalization; 8) Connections; 9) Extensions.

I. Metode Penelitian Kuantitatif

Metode penelitian yang tepat dan benar semakin dirasakan urgensinya dan menjadi hal yang sangat penting bagi keberhasilan suatu penelitian. Dalam sidang disertasi, banyak pertanyaan yang diajukan oleh dewan penguji tentang bagai mana metode yang dipilih dan bukan apa yang sudah dihasilkan dari penelitiannya. (Prasetyo and Jannah 2014)

Metode yang digunakan akan memiliki nilai yang lebih tinggi dari pada hasil yang dicapai. Ketika metode yang dipilih salah, hasil yang dicapai menjadi tidak relevan lagi. Kesalahan dalam penggunaan metode bisa jadi diakibatkan masih langkanya literatur yang membahas secara rinci mengenai metode penelitian, khususnya kuantitatif.

Melalui metode harus dengan jelas tergambar di antaranya bagai mana cara penelitian dilaksanakan yang tertata secara sistematis, landasan teori tentang rancangan penelitian (research design), model yang digunakan, atau teknik-teknik yang dapat digunakan dalam pengumpulan, pengolahan, dan analisis data.

Pembahasan penelitian kuantitafi mulai dari pemilihan topik hingga cara menyajikan data yang ada dalam laporan, dibahas prinsip penelitian, peran etika, dll. Bagai mana seseorang bisa menerapkan pendekatan kuantitatif dengan menggunakan asumsi dasar yang ada. Bagai mana membuat rancangan penelitian kuantitatif? Bagai mana menyusun sebuah kerangka teori dan penjelasan tentang teknik pengukuran.

Bagai mana membuat rancangan penelitian kualitatif? Bagai mana menyusun kerangka teori dan penjelasan tentang teknik pengukuran? Pembahasan mengenai pengertian populasi dan sampel. Prioritas penelitian kuantitatif adalah survei. Cara menyusun instrument dalam penelitian kuantitatif? Bagai mana membuat definisi populasi? Teknik menarik sampel yang dapat digunakan. Mengolah dan menganalisis data yang sudah dikumpulkan dari lapangan. Bagai mana menyajikan informasi yang dihasilkan dalam bentuk laporan?

Bagian ke-1, Seksi 1: Prinsip-prinsip penelitian, hakikat ilmu pengetahuan, etika, dilemma. Seksi 2: Pendekatan penelitian kuantitatif, asumsi dasar, contoh dalam kehidupan sehari-hari. Seksi 3: Jenis penelitian, klasifikasi berdasarkan manfaat /tujuan /dimensi waktu /teknik pengumpulan data.

Bagian ke-2, Seksi 4: Rencana penelitian kuantitatif, rancangan penelitian, pemilihan topik, pembuatan latar belakang masalah, perumusan masalah, tujuan dan signifikansi penelitian. Seksi 5: Penyusunan kerangka teori dan pengukuran, tinjauan kepustakaan, konstruksi model teoritis, model analisis, hipotesis, pengukuran. Seksi 6: Teknik penarikan sampel, definisi, alasan menarik sampel, teknik penarikan sampel, besaran sampel, masalah yang dihadapi dalam pembuatan kerangka sampel.

Bagian ke-3, Seksi 7: Pengumpulan, pengolahan, dan penyajian data, ragam penelitian kuantitatif, survei, eksperimen, analisis isi (content analysis), existing statistics /documents. Seksi 8: Analisis data kuantitatif, data coding, data entering, data cleaning, data output, data analyzing, pengujian hipotesis. Seksi 9: Laporan penelitian, tahapan pembuatan laporan, komponen laporan.

J. Metode Penelitian Survei

Sebuah pedoman untuk merencanakan dan merancang penelitian secara baik dan benar terdiri atas lima bagian yang membahas tahap-tahap dalam proses penelitian, mulai dari pengenalan terhadap tipe dan metode hingga laporan penelitian. Cara-cara dalam mengukur dan menyusun skala, mengumpulkan, dan menganalisis data?

Bagian Satu: Proses penelitian terdiri atas: 1) Metode dan proses, 2) Proses survei, 3) Unsur-unsur survei, 4) Penentuan variable dan hubungan antar-variabel, 5) Pemanfaatan perpustakaan. Bagian Dua: Pengukuran dan penyusunan skala terdiri atas: 6) Prinsip-prinsip pengukuran dan penyusunan skala, 7) Validitas dan reliabilitas instrument penelitian.

Bagian Tiga: Pengumpulan data terdiri atas: 8) Penentuan sampel, 9) Pembuatan kuesioner, 10) Teknik wawancara. Bagian Empat: Analisis data terdiri atas: 11) Mengkode data, 12) Pengolahan data, 13) Prinsip-prinsip analisis data, 14) Metode analisis standardisasi. Bagian Lima: Laporan penelitian terdiri atas: 15) Penulisan hasil penelitian.

Sudah dipilih sampel penelitian ini adalah 17 perguruan tinggi yang menjalin MoU dengan DJKI terkait TISC. Akan dikategorisasi cluster perguruan tinggi dari cluster satu hingga cluster terakhir. Kuesioner akan dibagikan kepada pengurus sentra (ha)ki dari semua perguruan tinggi itu secara online.

Bagian pertama dari kuesioner terdiri atas identitas responden bisa terdiri atas: 1) Nama Sentra Kekayaan Intelektual; 2) Nama-nama pengurus Sentra KI tersebut berikut nomor kontak yang bisa dihubungi; 3) Alamat di dunia nyata (building, address, post codes) dan dunia maya (website, e-mail address); 4) Informasi awal tentang infra-struktur kampus (diawali dengan fasilitas data center, UPT TIK, Prodi Informatika atau Teknik /Ilmu Komputer).

Bagian kedua terkait teknik wawancara yang dilakukan peneliti terhadap semua responden di atas, dilakukan secara online via WhatsApp, Skype, LINE, FB /Messenger, Twitter, Zoom. Semua sarana itu juga digunakan untuk pengumpulan data dari responden.

Selanjutnya eksekusi Bagian ketiga Seksi 7 dari Metode Penelitian Kuantitatif dan Bagian Empat Metode Penelitian Survei dilakukan pada komputer-komputer peneliti dan Computer Hardware & Networking and Software Engineering Laboratory, Jurusan Teknik Elektro, Universitas Hasanuddin, Makassar.

K. Microservice Architecture

Arsitektur microservices adalah gaya pengembangan perangkat lunak yang membagi perangkat lunak menjadi beberapa layanan deployable kecil dan independen. Setiap layanan dapat dipanggil dengan protokol standar seperti HTTP, sehingga dapat digunakan pada berbagai platform (misalnya mobile, web, desktop). (Naily et al. 2018)

Keragaman pengguna perangkat lunak berbasis microservices menyebabkan peningkatan variasi dalam persyaratan perangkat lunak. Dalam rangka mengakomodasi variabilitas ini, diusulkan sebuah kerangka kerja untuk perangkat lunak berbasis microservices berdasarkan pendekatan Software Product Line Engineering (SPLE). Hal ini disebut Framework ABS Microservices Framework, karena mengandalkan platform pengembangan bahasa Abstract Behavioral Specification (ABS) yang siap mendukung SPLE. (Setyautami, et al. n.d.)

Kerangka kerja yang dibuat dalam penelitian telah menunjukkan lebih banyak fleksibilitas untuk mengakomodasi perangkat lunak variabilitas dari pada kerangka kerja layanan mikro lainnya. Oleh karena itu, ABS Microservices Framework dapat mendukung industri perangkat lunak untuk mendistribusikan perangkat lunak variabel berkualitas tinggi dan kehandalan. Bahasa Abstract Behavioral Specification (ABS) adalah pemodelan executable dan bahasa pemrograman yang mendukung SPLE dengan menerapkan pendekatan Delta Oriented Programming (DOP).

Penelitian disertasi masih berkutat di domain engineering pada problem space. Rencananya proses berlanjut ke bawah (application engineering) untuk menyediakan himpunan fitur. Dikarenakan durasi waktu yang terbatas, belum sempat dikerjakan sisi kanan yaitu: solution space menuju penyediaan common implementation artifacts.

Jadi pada problem space, penelitian masih berkutat focus pada urusan variability dengan problem area, sedikit dibahas structure and selection rules untuk elemen-elemen solusi Product Line platform. Juga focus pada specification product variant, sedikit dibahas elemen-elemen platform yang dibutuhkan (dan elemen-elemen aplikasi tambahan jika diperlukan).

L. Project Planning

Pertama, project planning disesuaikan dengan Road-map dari WIPO sebagai mana telah awal disinggung pada Bab 1 di beberapa halaman awalnya. Diacu di sini bagian-bagian yang terkait dengan disertasi. Terkait latar belakang, urusan mengapa diperlukan TISC? Ternyata dari empat alasan yang ada, semua berkaitan dengan Industry 4.0 dan Society 5.0. Berikut ini penjelasannya.

Alasan pertama, berbunyi: untuk memungkinkan pengguna untuk manfaat secara efektif dari peningkatan aksesibilitas yang ditawarkan oleh pencarian internet (termasuk perangkat pencarian seperti kata kunci, pemotongan, klasifikasi, dll) melalui bantuan langsung pribadi (face-to-Face) social media technology!

Aspek IndustRy 4.0 bisa dianggap terkait dengan cyber physical systems yaitu kegiatan manufaktur terintegrasi melalui penggunaan perangkat fisik teknologi wireless dan big data secara massif. Intinya IR 4.0 terkait extended brain, Generasi Z yang membutuhkan implementasi industry itu.

Hal ini bisa difasilitasi perguruan dengan membuat tata kelola, rencana induk masuk ke dalam research university goal yaitu terdepan dalam inovasi. Hal ini dicapai dengan pengembangan Sentra KI plus TISC-nya. Diprioritaskan inovasi teknologi.

Kekayaan intelektual adalah ruang bagi para industriawan untuk berkolaborasi dalam proses tri dharma perlu Infra-struktur 4.0, sudah masuk dalam RPJP (Unila) 2045.

Alasan kedua adalah: memperkuat basis teknologi lokal (dengan membangun pengetahuan local). Pengetahuan dimaksud terkait kekayaan intelektual yang dikelola oleh Sentra KI.

Alasan ketiga adalah: untuk meningkatkan transfer teknologi (misalnya dengan menyelidiki kemungkinan perizinan, joint venture, dll). Hal ini bisa dipermudah dengan pengembangan micro service untuk data science dalam TISC.

Alasan keempat adalah: untuk membantu pengguna lokal untuk membuat, melindungi, memiliki dan mengelola hak kekayaan intelektual mereka. Oleh karena itu Sentra KI perlu mengelola komunitas HAKI-nya dengan teknologi informasi yang dikembangnya.

Technology searches terutama untuk patent searches sudah difasilitasi oleh WIPO dan DJKI. Sedangkan untuk non-patent (scientific and technical literature) searches, sebagian sudah difasilitasi oleh kedua institusi ini, meski pun demikian masih terbuka peluang untuk selain itu, misalnya terkait komersialisasi dan pengembangan kekayaan intelektual yang dikelola.

Berbagai layanan yang lebih luas untuk pengguna (tidak hanya informasi paten dan non-patent), termasuk:

1) saran tentang seluruh proses inovasi, dari konsepsi ide untuk komersialisasi produk berdasarkan ide ini peluang pengembangan micro service terbuka lebar;

2) proses melindungi inovasi misalnya menggunakan paten secara garis besar sudah diatur WIPO & DJKI, terbuka peluang pengembangan micro services untuk detil perlindungan;

pusat dukungan teknologi dan inovasi harus strategis terletak dekat dengan pengguna. Itulah sebabnya mengapa TISC perlu masuk ke dalam Sentra KI. TISC juga harus, jika sesuai, akan tersebar di seluruh wilayah nasional. Itulah sebabnya mengapa Sentra KI perlu mengembangan TISC dengan website-nya.

Kehadiran TISC diperlukan untuk memberi bantuan terutama untuk stake holder non-spesialis dan spektrum pengguna semakin luas:

a. Individual inventors sivitas akademik

b. Small and medium enterprises UMKM

c. Industry tenant, sponsor

d. Researchers in technology centers and universities

e. Academia (ranging from schools to universities)

f. IP professionals konsultan HAKI, etc.

Initial Needs Assessments: Analisis kelembagaan dan pengguna /pemangku kepentingan harus dilakukan untuk menganalisis layanan informasi paten yang tersedia saat ini, serta persyaratan di masa mendatang. Hal ini bisa dilakukan Sentra KI bersama komunitas HAKI-nya. Karena layanan TISC berbasis permintaan vis-à-vis penggunanya, mengetahui kebutuhan pengguna adalah cara terbaik untuk menyediakan layanan yang efektif dan efisien.

Kuesioner dapat dipersiapkan sehingga memberikan ide pertama: a. jenis informasi yang diperlukan oleh pengguna, misalnya mengenai paten, merek dagang, hak cipta, dll? b. untuk tujuan apa adalah informasi IP yang diperlukan (informasi teknologi, pesaing, dll)? c. bagaimana informasi ini diterima (dari mengunjungi perusahaan, informasi online, Jaringan, selama pelatihan, dll)? d. dimana pengguna lokasi pilihan ingin menerima informasi (Lembaga seperti Universitas, Kamar Dagang, Pusat Teknologi, Mobile)? e. biaya apa yang akan diterima? Gratis atau berbiaya rendah?

Analisis kebutuhan pengguna dapat dilakukan sebagai berikut:

a. Menghubungi pengganda (lembaga pemerintah, industry asosiasi, dll.) untuk alamat dan kontak lebih lanjut focus ke STP, Science & Techno Park sebagai hub semua itu;

b. Mungkin menawarkan insentif untuk kuesioner yang dikembalikan serta menempatkan kuesioner di situs web;

d. Mengadakan diskusi kelompok terarah asosiasi dan mengumpulkan informasi selama sesi pelatihan.

Project planning berlanjut dengan penyesuaian Making Indonesia 4.0 fokus pada beberapa strategi yang diuraikan pada keterangan gambar 3.17 dengan penjelasan sbb.

1) Perbaikan alur aliran material, tentu disesuaikan dengan tupoksi Sentra KI yaitu aliran material dokumen pendaftaran, pemeliharaan, komersialisasi dan koneksi dengan semua stake holder;

Gambar 3.18. Peta jalan yang bisa diikuti di level Sentra KI antara lain: 1) Memperbaiki alur aliran material, 2) Mendesain [ulang] zone industry, 3) Meningkatkan kualitas SDM, 4) Pembentukan eko system inovasi.

2) Mendesain [ulang] zone industry, di sini arti penting dari Science & Techno Park dan yang sejenis terkait dengan pengaturan zone tersebut;

3) Meningkatkan kualitas SDM, focus sumber daya insani untuk kaderisasi eksponen pegiat Sentra KI di masa depan, dengan sumber utama yaitu sivitas akademik kampus sendiri;

4) Pembentukan eko system inovasi, pertama internal dengan system HAKI Fakultas (lab dll), divisi kerja sama dan divisi komunikasi & informasi Jurusan, kedua eksternal dengan ASKII.

Gambar 3.19. Minimal enam service yang ada pada Technology & Innovation Support Center.

Ringkasnya project planning terdiri atas:

1) Permintaan resmi ke WIPO, hal ini dilakukan oleh pemerintah suatu negara; Pengujian keperluan pengguna dan kapasitas sebagai mana telah diterangkan di atas;

2) Identifikasi focal point yaitu ASKII & DJKI, hanya saja belum terlihat peran ASKII untuk urusan TISC. Identifikasi institusi potential host yaitu para perguruan tinggi yang sudah menandatangani nota kesepahaman TISC dengan DJKI.

M. Project initiation dan Resources development

Pada tahap ini dilakukan inisiasi proyek dan pengembangan sumber daya dengan prinsip SMART (specific, measureable, attainable, realistic, and time-bound). Timeline untuk implementasi mengambil sumber daya yang tersedia.

Best practices terdiri atas: 1) Proses inklusif konsultasi, 2) Information gathering, 3) Perencanaan, 4) Aktivitas pengembangan TISC terintegrasi dengan national intellectual property, innovation and development strategies improving access to technological information and building specialist services.

WIPO dan otoritas pemerintah menandatangani Service Level Agreement (SLA) merinci masing-masing kontribusi dan tanggung jawab. SLA juga secara resmi menunjuk national focal point dan contact point pada bagian WIPO.

Kontribusi dari WIPO dapat mencakup: • Dukungan untuk akses ke database Paten, sistem dan ilmu pengetahuan dan teknologi, sumber daya; • Pelatihan di lokasi dan kursus pembelajaran jarak jauh; • Materi informasi dan pelatihan; • Dukungan untuk kegiatan peningkatan kesadaran; • Platform dan kegiatan untuk memfasilitasi pertukaran pengalaman dan praktik terbaik dalam jaringan nasional TISCs atau antara jaringan yang berbeda.

SLA juga dapat mendokumentasikan layanan yang akan diberikan dan struktur biaya yang mungkin untuk layanan yang berbeda. Meskipun tidak ada biaya yang biasanya dikenakan untuk layanan dan sumber daya yang disumbangkan oleh WIPO, mereka mungkin akan dikenakan biaya untuk layanan nilai tambah lainnya pada kebijaksanaan pemerintah yang berpartisipasi, untuk memastikan keberlanjutan keuangan dari TISCs.

National institutional agreements. Otoritas pemerintah atau titik fokus juga dapat menandatangani perjanjian kelembagaan nasional dengan lembaga tuan rumah. Perjanjian institusional dapat detail kontribusi dan tanggung jawab dari titik fokus nasional dan lembaga host dan spesifik pada contoh perlakuan terhadap data rahasia.

Praktik terbaik:

• Perjanjian institusional dapat berguna bagi cara memastikan bahwa decisionmakers di host sepenuhnya menyadari dan berkomitmen untuk proses pengembangan TISC dalam Lembaga. Hal ini dapat membantu mengelola ekspektasi memastikan bahwa sumber daya yang diperlukan dibuat tersedia untuk berhasil membangun TISCs.

• Perjanjian institusional juga dapat membantu memastikan standar kualitas layanan yang seragam, dengan termasuk komitmen dalam hal sumber daya diinvestasikan (misalnya jumlah atau latar belakang staf, ruang lingkup sarana atau prasarana teknis) atau dalam hal layanan yang ditawarkan (misalnya jam buka dan sertifikasi).

Dalam fase inisiasi, masalah bisnis atau peluang diidentifikasi, solusi didefinisikan, proyek terbentuk, dan tim proyek ditunjuk untuk membangun dan memberikan solusi kepada pelanggan.

Kasus bisnis dibuat untuk menentukan masalah atau peluang secara rinci dan mengidentifikasi solusi yang dipilih untuk implementasi. Kasus bisnis meliputi:

1) Penjelasan rinci tentang masalah atau kesempatan dengan judul seperti pendahuluan, tujuan bisnis, masalah /pernyataan peluang, asumsi, dan kendala;

2) Daftar solusi alternatif yang tersedia, analisis manfaat bisnis, biaya, risiko, dan masalah, Deskripsi solusi yang disukai, Persyaratan proyek utama

Sebuah rencana diringkas untuk pelaksanaan yang mencakup jadwal dan analisis keuangan. Bagian pertama sudah dijelaskan dalam Bab 1 dan Bab 2, plus sedikit asumsi dan kendala. Di Bab 3 dijelaskan bagian kedua, dimulai dari daftar solusi sebagai alternative yang tersedia.

Diketahui bahwa ada beberapa free micro services yang tersedia. Pertama, dari Trend Micro di URL https://www.trendmicro.com/en_us/small-business/worry-free-services-suites.html berupa online management center. Tersedia single, intuitive web console untuk in-depth visibility dan control melintasi organisasi keseluruhan, bisa mengatur multiple devices dengan single agent. Tersedia high-fidelity machine learning yang dikombinasi dengan state-of-the-art detection techniques yang memberikan proteksi terluas melawan ransomware dan advanced attacks, menggunakan a blend of advanced threat protection techniques untuk mengelimiasi security gaps melintasi banyak user activity, any endpoint, dan any mailbox.

Kedua, dari AWS di URL https://aws.amazon.com/microservices/ ada fasilitas AWS Accounts termasuk 12 Months of Free Tier Access, termasuk penggunaan Amazon EC2, Amazon S3, dan Amazon DynamoDB. Microservices adalah pendekatan arsitektur dan organisasi untuk pengembangan perangkat lunak di mana perangkat lunak terdiri atas layanan independen kecil yang berkomunikasi melalui API yang ditentukan dengan baik. Layanan ini dimiliki oleh tim kecil yang mandiri. Arsitektur microservices membuat aplikasi lebih mudah untuk skala dan lebih cepat untuk mengembangkan, memungkinkan inovasi dan mempercepat waktu-ke-pasar untuk fitur baru.

Ketiga, dari Azure di URL https://docs.microsoft.com/en-us/azure/?product=featured di sini tersedia Azure documentation untuk pelajari cara membuat dan mengelola aplikasi yang hebat menggunakan Layanan Cloud Microsoft Azure. Dapatkan dokumentasi, contoh kode, Tutorial, dan banyak lagi.

Keempat, ada fasilitas dari NGINX di URL https://www.nginx.com/resources/library/designing-deploying-microservices/ untuk pemakai system operasi di luar MS Windows, misalnya Ubuntu. Arsitektur microservices adalah standar baru untuk membangun aplikasi. Mengkonversi aplikasi Anda ke pendekatan layanan mikro membuat mereka lebih fleksibel, lebih stabil, dan jauh lebih cepat dan lebih mudah untuk memperbarui.

Kelima, dari hook.io di URL https://hook.io/ yaitu micro service and web hook hosting, free to try. Gratis Microservice dan Webhook hosting. Terapkan kode Anda dalam hi