works cited · web view2021. 3. 4. · melalui urutan langkah metodologis yang ketat untuk...
TRANSCRIPT
466
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 memfasilitasi 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.
467
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.
Dengan Yahoo dan 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
IoT di mana sejumlah besar data dibangkitkan.
468
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.
Bagai mana melakukan systematic evaluation arsitektur RESTful
dan WS-* yang dapat mempermudah tugas mengoptimalkan komunikasi
antar-services, yang mengeksekusi transaksi-transaksi, yang terkendala
eksistensi microservices (plus keterangan architecture, standar teknis dan
tools box) dalam suatu containers atau clusters, misalnya disediakan oleh
Docker /Kubernetes, dalam suatu sistem berbasis komputer, dan jaringan
komputer sustainable development knowledge platform (minimal
memenuhi data science standard).
469
Dirumuskan pendekatan masalah yang dipecahkan disertasi dalam
uraian sebagai berikut. Terkait Masalah Pertama yaitu bagai mana
instalasi development tools and services untuk Docker /Kubernetes
software and penanganan moral implementation-nya? Bagai mana hal
tersebut mempermudah penanganan tugas mengoptimalkan komunikasi
antar-services, yang mengeksekusi transaksi-transaksi? Bagai mana
sustainable development microservices architecture (platform and
framework) yang cocok untuk complex deployment tersebut?
Metode pertama, memahami sistem komputer (Systematic
Mapping Studies, SMS) sebagai bagian teknologi informasi yang
menimbulkan tantangan utama 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. Kita perlu berfikir hati-hati
tentang teknologi yang terlibat untuk sistem kekayaan intelektual dan
administrasinya. Di sini arti penting penggunaan systematic mapping
470
studies (SMS) dalam disertasi ini untuk memberikan pertimbangan dalam
pemikiran tersebut.
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 Research Questions.
Sebagai aktivitas berikutnya, Peneliti mendefinisikan beberapa pertanyaan
penelitian untuk membantu membentuk protokol peninjauan, Tabel 3.3.
Tabel 3.2. Kriteria PICO
471
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
472
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. Panduannya difokuskan pada permasalahan
RESTful dan WS-* dengan studi kasus pada system di Universitas
Hasanuddin.
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.
473
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, General) dan penilaian Spesifik (S, Specific). 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.
Gambar 3.3. Tahapan Systematic Mapping Study (SMS). (Cxakır, Akbulut, and ̈nen 2019)
Kecerdasan buatan (artificial intelligence, AI) dan the life sciences
adalah dua area utama pengembangan ilmu pengetahuan dan teknologi
474
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. Dua kolaborator AI adalah:
1) DS yaitu Data Science, terkait Machine Learning [ML], Big Data
[BD], Prediction [P] predictive analytics (data analysis, data
analytics). Dari Google Workspace Marketplace tersedia BPI Tools.
Ternyata fitur Sheets: Add-Ons BPI Tools hanya muncul
Help, tidak muncul Start Tools (tidak jadi digunakan). Oleh karena
itu perlu dicari satu per-satu aplikasi untuk DS, ML, BD, P di
aplikasi lainnya.
2) BA (Business Analytics), bisa disebut BI (Business Intelligence),
dimulai dari ZoomData, terkait Hadoop, karena berbayar, tidak jadi
digunakan. Dicoba dahulu pemanfaatan BI /BA dari fasilitas yang
sudah terinstalasi. Misalnya BI /BA dengan Zoho Analytics.
Tabel 3.5. Rekapitulasi CRISP-DM, Larose dan OSEM(I)N.
No CRISP-DM OSEM(I)N Larose1 Pemahaman Bisnis
(business understanding);Obtaining our data; deskripsi
2 Pemahaman Data (data understanding);
Scrubbing /clean our data; klasifikasi
3 Pengolahan Data (data preparation);
Exploring /visualizing our data will allow us to find patterns and trends;
kluster
4 Pemodelan (modeling); Modeling our data will allow us predictive power as a wizard;
asosiasi
475
5 Evaluasi (evaluation); INterpreting our data. estimasi
6 Penyebaran (deployment). --- prediksi
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.
Hal dimaksud adalah micro service-based (architecture)
platform, terkait juga dengan framework-nya. Proses merekonstruksi
mikro-layanan dengan menganalisis data desain monolitik diuraikan dalam
gambar berikut ini. Untuk merekonstruksi desain data sebagai layanan
mikro, dilakukan kegiatan rinci dalam empat langkah. Penjelasan untuk
setiap langkah sesuai gambar berikut.
Gambar 3.4. Proses-proses rekonstruksi layanan mikro berbasis container.
476
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 (focus pada RESTful dan WS-*). Jika
dimungkinkan, dibahas juga keamanan dan kualitas layanan dalam micro
service, penyesuaian dengan peraturan perlindungan data umum dan
persyaratan privasi data.
Pengaturan microservices focus pada RESTful dan WS-*,
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
477
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 3.5. Metode kedua terkait dengan Industry 4.0
PERTAMA: 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). Atas
bimbingan para promotor, target tersebut diprioritaskan system SOA yang
ada di Universitas Hasanuddin, misalnya yang akan dibangun oleh Sentra
Kekayaan Intelektual atau IPO (Intellectual Property Office).
478
Ciri awal arsitektur dlm official website atau laman resmi-nya,
apakah sdh mengimplementasi SOA atau blm? Hal ini terkait dgn design
approach, mana yang dipilih: green-field atau brown-field? Jika Sentra KI
betul-betul baru, babat alas, maka green-field yang dipilih. Berbeda
dengan system di Unhas yang sudah berkembang sehingga dipilih
brown-field.
Karena Sentra HAKI yang menjadi sample awal penelitian sudah
cukup lama (Sentra HAKI Unila lahir 2004), dipilih pendekatan desain
brown-field (engineering), yaitu gradual implementation methodology,
yang menolong securing existing investments. Konstruksi brownfield
berelasi ke potongan lahan yang telah sedang dikembangkan dan
terkontaminasi dengan pembangunan system baru (micro services).
Sedangkan system SOA di Universitas Hasanuddin sudah ada beberapa
yang memakai RESTful (di Perpustakaan, SIM LP2M, Academic
Information System).
Apakah arsitekturnya sudah focus pada pengembangan platform
[system] inovasi dan kewirausahaan (innovation and entrepreneurship
system, IES)? Dari hasil survei, sebagian besar laman Sentra KI belum
IES platform sehingga, pendekatan brown-field, hanya bisa tracking ke
indikasi IES yang samar-samar dari para pengelola sebelumnya.
Research sample akan berangkat dari kondisi demikian.
479
Pengembangan micro service based (architecture) platform and
framework untuk data science development dalam technology and
innovation support center (TISC) focus pada penanganan tugas yang
terkendala eksistensi layanan mikro itu (terkait RESTful dan WS-*). Micro
services 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.
Design practices dengan design for failure misalnya dibawakan
oleh AWS outage menuju focus dalam diskusi sekitar cloud world. Hanya
aplikasi yang dirancang untuk (antisipasi) kegagalan mampu menahan,
antisipasi pemadaman. Tetapi hal ini tidak menjadi prioritas riset disertasi
karena focus pada domain-driven design untuk mewujudkan IES
platform, terkait dengan RESTful dan WS-*
Mengumpulkan desain data monolitik
Jenis desain data yang akan dikumpulkan adalah diagram kelas
data desain UML yang ditentukan oleh pola ECB {Entity Control
Boundary}. Pada mulanya desain diambil dari beberapa situs Sentra
Kekayaan Intelektual teridentifikasi. Kini diprioritaskan desain tersebut
diambil dari beberapa system di Universitas Hasanuddin.
Sebelum menuju UML, digunakan desain data DFD untuk aplikasi
monolitik sebagai contoh dari modifikasi “system transaksi tiket online”
480
(simak Figure 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 stereotype (dari Table tentang UML design
data collection and hierarchy mapping). Pembahasan mulai dari system
transaksi tiket pelayanan, selanjutnya mengidentifikasi temuan dari
beberapa system yang ada di Universitas Hasanuddin.
Penelitian bisa mulai dari rangkuman presentation layer beberapa
situs system yang ada (misalnya website di Perpustakaan, SIM LP2M
termasuk di dalamnya 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/).
481
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.
482
Direncanakan akan dicari literatur terkait payment services di Universitas
Hasanuddin.
Mengklasifikasi 3-tier layer
STEREOTYPES, PROFILES, AND TAGS – UML. Seperti dengan
kata kunci, stereotipe 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 stereotipe 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 stereotipe, seperti «Destroy»
(digunakan pada sequence diagrams), dan juga memungkinkan yang
ditentukan pengguna. Dengan demikian, stereotipe menyediakan
mekanisme perpanjangan di UML. Sebagai contoh, gambar menunjukkan
stereotipe Deklarasi, dan penggunaannya. Stereotipe menyatakan satu
set tag, menggunakan sintaks atribut. Ketika elemen (seperti kelas
Square) ditandai dengan stereotipe, semua tag berlaku untuk elemen, dan
dapat ditetapkan nilai. (Authors n.d.)
483
Gambar 3.6. Deklarasi stereotype dan penggunaannya.
Memetakan layer berdasarkan jenis kelas
Hierarki 3-tier didefinisikan, dan pemetaan hirarkis dilakukan.
Stereotipe adalah sebagai berikut: jenis < <Boundary> > adalah lapisan
presentasi, jenis < <Control> > adalah lapisan logika bisnis, dan jenis <
<Entity> > adalah pemetaan untuk lapisan persistence.
KEDUA: Mengekstraksi layanan mikro
Grafik dibangun berdasarkan informasi kelas yang dikumpulkan
dan diklasifikasikan dalam langkah sebelumnya. Kemudian, kegiatan
berikut dilakukan untuk memperoleh microservices dari unit entitas: 1)
Analyze class relationship and construct graph; 2) Reconstruct business
logic-centric graph; 3) Extract microservice based on main entity.
484
Tersisa dua tahap lagi yaitu: 1) Mengimplementasi layanan mikro
[KETIGA], dan 2) Deploy microsercive [KEEMPAT]. Keduanya akan
dijelaskan detil dalam uraian metode penelitian berikutnya. Terjadi
perubahan focus disertasi, tidak membangun system melainkan
mencarikan solusi terhadap penanganan tugas mengoptimalkan
komunikasi antar-services, yang mengeksekusi transaksi-transaksi, yang
terkendala kehadiran micro services. Difokuskan lagi pada urusan
RESTful dan WS-*
Untuk melaksanakan dua tahap ini, terlebih dahulu dilakukan
taxonomy of Microservices Architectures sebagai berikut.
485
Gambar 3.7. Microservice taxonomy.
486
Microservices adalah novel architectural style yang mencoba
mengatasi kekurangan dari arsitektur monolitik dan terpusat, di mana
logika aplikasi di-enkapsulasi dalam potongan-potongan besar yang
dapat diterapkan.
Kebalikannya, microservices adalah komponen kecil, dibangun di
sekitar kemampuan bisnis, yang mudah dipahami, digunakan, dan
diskalakan secara independen, bahkan menggunakan tumpukan teknologi
yang berbeda. Masing-masing berjalan dalam proses khusus dan
berkomunikasi melalui mekanisme yang ringan, seringkali merupakan API
RESTful.
Metode kedua dijabarkan melalui bantuan microservice taxonomy
dengan pilihan alternatif sesuai kondisi institusi Sentra KI dan prioritas
dari pengelolanya, berdasarkan pengetahuan layanan mikro yang bisa
diimplementasikan. Sebagai alternatif pembanding, diambilkan kondisi
system di Universitas Hasanuddin.
Metode ketiga yang dipakai terkait eksplorasi 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,
487
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?
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) Hal itu mulai
dicobakan menggunakan perangkat ERP yaitu Bitrix24. 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). Eksperimen untuk big data diawali dengan
penggunaan Bitrix24.
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
488
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)
Hal itu mulai dicobakan menggunakan perangkat di e-Procure URL
https://e-procure.net/, di mana ada e-Procure Smart Contract yang
menggunakan payment protection via blockchain smart escrow dari
kumpulan e-Procure Cloud Suite.
489
Gambar 3.8. Kumpulan solusi untuk bisnis dari e-Procure Cloud Suite.
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. Tidak ada free big data
provider Indonesia (di luar kampus) sehingga digunakan untuk
eksperimen provider dari luar negeri, misalnya: a) Big data software
490
[https://www.getapp.com/business-intelligence-analytics-software/big-data/p/free/], b)
Big data tools [https://www.softwaretestinghelp.com/big-data-tools/].
Sedangkan di dalam kampus, sudah dikenal istilah data repository.
Hal ini adalah permulaan yang baik sebelum memulai big data analytics.
Contohnya: http://repository.unhas.ac.id/ dan
http://repository.lppm.unila.ac.id/
Tabel 3.6. Perbandingan data asing dan data Indonesia serta kode follow up (FU) penelitian.
No Asing Indonesia /Keterangan lain FU
1 https://www.data.gov/ https://data.go.id/
2 https://data.gov.uk/
3 https://www.census.gov/data.html https://mikrodata.bps.go.id/mikrodata/index.php/home
4 https://www.tylertech.com/products/socrata Socrata
5 http://open-data.europa.eu/en/data/ - access denied
European Union Open Data Portal
6 http://www.data.gc.ca/ - can't reach Canada Open Data
7 https://opengovernmentdata.org/data/ US, EU, Canada, CKAN
8 https://www.cia.gov/library/publications/the-world-factbook/
https://www.bin.go.id/
9 https://healthdata.gov/ https://satudata.kemkes.go.id/
10 https://digital.nhs.uk/ http://www.hscic.gov.uk/home
11 https://www.unicef.org/reports UNICEF
12 https://www.who.int/en/ WHO
13 https://registry.opendata.aws/ Amazon Web Services public datasets
14 https://developers.facebook.com/docs/graph-api Facebook Graph
15 https://www.gapminder.org/data/ Gapminder
16 Face.com – menjadi URL https://www.instagram.com/logodotcom/
A fascinating tool for facial recognition data
17 http://www.stat.ucla.edu/data/ - 404 not found UCLA
18 http://buzzdata.com/content/ - 404 not found Buzzdata
19 https://www.qlik.com/us/products/qlik-sense/data-sources
Data Market
20 https://www.google.com/publicdata/directory Google Public data explorer
21 https://trends.google.com/trends/explore Google Trends
22 https://www.google.com/finance Google Finance
23 http://storage.googleapis.com/books/ngrams/books/datasetsv2.html
Google Books Ngrams
24 https://www.ncdc.noaa.gov/data-access/quick-links#loc-clim
https://www.bmkg.go.id/
25 https://www.junar.com/ Junar
491
26 https://wiki.dbpedia.org/ DBPedia
27 http://topsy.com/ - mati Topsy
28 http://ww25.likebutton.com/?subid1=20201029-1157-1516-a2b0-a41d94d44cb3 – diambil alih
Likebutton
29 http://developer.nytimes.com/docs Searchable
New York Times – page not found
30 http://www.freebase.com/ - 404. That’s an error.
Freebase
31 https://aws.amazon.com/datasets/million-song-dataset/
Million Song Data Set
32 http://archive.ics.uci.edu/ml/index.php UCI Machine Learning Repository
33 https://fisher.osu.edu/fin/fdf/osudata.htm - 404 Page not Found Financial Data Finder at OSU
34 https://www.smartdatacollective.com/tag/the-big-data-guru/
bernardmarr September 16, 2014
35 https://www.pewresearch.org/internet/datasets/ Pew Research Center
36 http://portals.broadinstitute.org/cgi-bin/cancer/datasets.cgi The BROAD Institute
Sumber: 1) https://www.smartdatacollective.com/big-data-20-free-big-data-sources-everyone-should-know/; 2) https://www.forbes.com/sites/bernardmarr/2016/02/12/big-data-35-brilliant-and-free-data-sources-for-2016/#4df832b9b54d
Dari sekian banyak Big Data Software, ada satu yang mempunyai
fitur /opsi free forever untuk penelitian yaitu MongoDB yang akan dicoba
untuk dua alternatif prioritas yaitu Google dan Azure. Alternatif lain yang
dicoba belakangan yaitu AWS.
Dari sekian banyak Big Data Tools, ada satu yang mempunyai fitur
/opsi “This software is free to use under the Apache License”. Cukup
banyak langkah yang harus disiapkan untuk Hadoop: Setting up a Single
Node Cluster di URL https://hadoop.apache.org/docs/stable/hadoop-
project-dist/hadoop-common/SingleCluster.html
Hal-hal lain yang perlu disiapkan juga misalnya: 1) Free big data &
data images, 2) Opensource big data databases, 3) Big data sets
492
available for free, 4) Free public data sets for data science project, 5)
Open data sets and machine learning projects.
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. 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.
Untuk urusan internet of things, peneliti mengacu pada Zotera IoT
sebagai mana diuraikan di Bab 2, L. Zotera Industrial IoT. Hal ini
dikerjakan setelah aransemen data science selesai karena IoT terkait
dengan hardware yang terhubung, misalnya smart building /smart office
tempat kedudukan IPO (Intellectual Property Office).
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
493
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 yang dirangkum dalam dokumen tertentu. Selanjutnya
dikonfirmasi dengan kondisi nyata 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.
494
Gambar 3.9. 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.
495
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 sebagai berikut.
Tabel 3.7. 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
Terkait teknologi
blockchain, yang akan
meningkatkan efisiensi
Pada hubungan intellectual
property dan blockchain
technology, ada digital
496
analysis dan keamanan sistem
kekayaan intelektual yang
fungsi tradisionalnya
memelihara rekaman
publik HAKI yang berelasi
ke pengetahuan,
teknologi, dan kerja-kerja
budaya.
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.
Bagai mana hasil evaluasi arsitektur tersebut bisa bermanfaat
dalam microservices taxonomy (khususnya implementation, technology
stack, data exchange, menuju REST /HTTP, RPC alike, dan MQ),
mempermudah tugas-tugas pengembangan data science [predictive
analytics (data analysis, data analytics)], dan big data [DPB] memakai
kecerdasan buatan (artificial intelligence) dalam pengembangan
microservices architecture (platform & framework) yang sudah
497
disesuaikan (RESTful & WS-*) untuk mengoptimalkan komunikasi antar-
services, yang mengeksekusi transaksi-transaksi tersebut.
Terkait masalah kedua di atas, diusahakan empat tahapan yang
bisa dieksekusi yaitu: 1) Project planning; 2) Project initiation; 3)
Resources development; 4) Service provision. Karya disertasi dibuat untuk
mengungkap pengembangan microservice-based platform and framework
terkait semua tahapan itu dengan pemodelan.
Perlu dicarikan penyelesaian, bagaimana pengembangan data
science [predictive analytics (data analysis, data analytics)], big data
[DPB] bisa dilakukan dalam microservices architecture (platform &
framework) yang sudah disesuaikan? Jika kita memahami teknologi
dimensi penuh (systematic literature review), maka kita dapat
mengantisipasi tantangan utama untuk administrasi, kebijakan, dan tata
kelola kekayaan intelektual.
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
498
metode di atas yang telah digunakan dengan responden stake holder dari
(17+3) 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. Masih ada tiga lagi perguruan
tinggi yang menyusul 17 rekannya ini.
Tabel 3.8. 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
Program yang menyediakan para
inovator dalam negara-negara
berkembang dengan akses
berbasis lokal, teknologi informasi berkualitas tinggi dan
layanan terkait; Fokus pada sistem
499
services. 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 KreatifKomunitas 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 framework dan platform berbasis
layanan mikro (terkait RESTful dan WS-*) untuk pengembangan ilmu data
meningkatkan reliabilitas Kantor HAKI dalam mengimplementasi TISC
dalam empat tahap dengan validasi respons empat stake holder.
Pembangunan microservices architecture [framework dan platform]
untuk pengembangan data science focus pada: 1) IP valuation services,
500
2) IP infringement monitoring, 3) IP dissemination, 4) IP marketplace
[mana yang terlebih dahulu bisa diimplementasikan].
Pembangunan dengan inventarisasi sumber daya infra-struktur
(focus pada: Data Center & DRC, hi speed internet, private cloud) 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 3.10. Terlihat bahwa dahulu tiada indikasi untuk local TISC untuk
wilayah Republik Indonesia (tahun 2013). Kini menurut Hendra Wibowo,
staf dari IPB, sudah ada 17 local TISC [sekarang sudah ada 20 TISC yang
terdaftar di WIPO]. (Sumber: http://www.wipo.int/edocs/mdocs/africa/en/wipo_tisc_lus_14/wipo_tisc_lus_14_t_2.pdf)
501
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.
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.
502
PERGURUAN TINGGI TANDA TANGAN MOU DENGAN DIREKTORAT JENDERAL KEKAYAAN INTELEKTUAL
WILAYAH PERGURUAN TINGGI
PULAU SUMATERA
UNAND Science Techno Park
STP - RIAU
Batam Tecno Park
Techno Park Pelalawan
STP - BENGKULU
STP - PALEMBANG
ATP - MUSI RAWAS
Techno Park Lampung Tengah
BPTP Lampung
Gambar a
503
PULAU JAWA Universitas Gunadarma Jakarta
NSTP - Kawasan Nuklir Pasar Jumat Universitas Kristen Indonesia
NSTP - SERPONG Universitas Sultan Ageng Tirtayasa Tangerang
STP - IPB Institut Pertanian Bogor Bogor
Bogor Agro Science Techno Park
Cirebon Science Park
Taman Sains Enjiniring Pertanian Institut Teknologi Bandung Bandung
UNPAD Science Techno Park
Bandung Techno Park
ITB Innovation Park
Cimahi Techno Park Telkom University
STP LIPI Universitas Negeri Yogyakarta Yogyakarta
Baron Techno Park
Techno Park Pekalongan
UGM Science Techno Park PurwomartaniUniversitas Islam Indonesia
STP - JEPARA
STP - SOLO Universitas Muhammadiyah Surakarta Surakarta
STP -SRAGENUniversitas Kristen Petra Surabaya
Techno Park GroboganUniversitas Airlangga
DIGITAL SCIENCE TECHNOPARK
Marine Science Techno Park (MSTP)
BalingtanUniversitas Brawijaya Malang
ATP KLATENUniversitas Muhammadiyah Malang
ITS Science Techno Park
CCSTP Institut Teknologi Nasional Malang
PULAU MADURA Universitas Trunojoyo Madura Bangkalan
PULAU BALI
Tohpati Center
PULAU KALIMANTAN
STP - KALTARA
Balitra
Techno Park Penajam Paser Utara
PULAU SULAWESI Universitas Negeri Gorontalo Gorontalo
BPTP Sulteng
ATP POLEWALI MANDAR Universitas Muhammadiyah Makassar Makassar
Techno Park Bantaeng
ICT Center of Excellence
Sulawesi Selatan Science Park
PULAU SUMBAWA
STP - SUMBAWA
Techno Park Banyumulek
PULAU PAPUA
STP - PAPUA BARAT
Gambar b
Gambar 3.11. 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.
504
Computer-Based Information Sistem
Mengacu pada sistem informasi yang dikembangkan berbasis teknologi komputer.
Hardware TISC UNIVERSITAS HASANUDDIN Universitas Muhammadiyah Makassar Universitas Negeri GorontaloSoftware Tempat eksperimen Tempat eksperimen Tempat eksperimen
People INVENTOR POTENSIAL POTENSIAL POTENSIALProcedures PENDAFTARAN
InformationKEKAYAAN INTELEKTUAL 630 HAKI 281 HAKI 3 PATEN HAKI
RANGKING 3 RANGKING RANGKING
CBISPULAU KALIMANTAN
STP - KALTARA
Balitra
Techno Park Penajam Paser Utara
PULAU SULAWESI
BPTP Sulteng
ATP POLEWALI MANDAR
Techno Park Bantaeng
ICT Center of Excellence
Sulawesi Selatan Science Park
PULAU SUMBAWA
STP - SUMBAWA
Techno Park Banyumulek
PULAU PAPUA
STP - PAPUA BARAT
Gambar 3.12. 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
505
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 berubah dari “pengembangan micro services untuk
ilmu data pada system pendukung teknologi dan inovasi” menuju
“PENANGANAN BEBERAPA TUGAS TERTENTU YANG
TERKENDALA EKSISTENSI PENGGUNAAN MICROSERVICES”.
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-
506
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.
507
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
508
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.
509
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.
510
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
511
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).
Pengembangan ilmu data focus pada analisis penyiapan infra-
struktur (Data Center & DRC, private cloud) dan penyiapan penanganan
data (structured, unstructured, data exchange, big data, data analytic)
sehingga optimalisasi komunikasi antar-services, yang mengeksekusi
transaksi-transaksi, TIDAK TERKENDALA dengan eksistensi micro
services. Untuk keperluan itu dilakukan systematic evaluation arsitektur
RESTful dan WS-*
512
.
510
Tabel 3.9. State of the art dari Micro Service Architecture (Framework & Platform) untuk Data Science
NO P
ENELITI
/TAHUN
JUDUL
PENELITIAN
/TULISAN
PENERBIT Parameter
/Pokok
Permasalahan
JENIS DATA METOD
E /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
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]
511
berupa deskripsi semua materi yang diterang-kan.
[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 Statisticshttps://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
Johns Hopkins University, https://
the term /Pertanyaan yang benar untuk manipulasi
definisi How to /Melakuka
Ask the right questions, manipulate data sets, and create visualizations to communicate results. This Specialization covers the concepts and tools you'll need
512
sets, and create visualizations to communicate results
www.coursera.org/specializations/jhu-data-science
himpunan data guna visualisasi.
n exercise untuk 3 kerja itu dalam 10 course in Specialization dengan studi kasus di Sentra KI.
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 Manualfor Version 3-9-3
University of Waikato, Hamilton, New Zealand Alex
Command line
Konsep dasar:Data set,Classifier,Weka.filter,Weka.classi
WEKA mempunyai EXPERIMENTER di mana pengguna bisa melakukan ekperimentasi. Terkait WEKA, untuk eksperimen awal, penggunaan graphical user
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.
513
Seewald (original Commnd-line primer) David Scuse (original Experimenter tutorial)
Graphical user interface
Data
Appendix
Bibliography
fier,
Launching WEKA,Package manager,Simple CLI,Explorer,Experimenter,Knowledge Flow,Workbench,ArffView,Bayesian network classifiers,
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.
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)
Log file
NOTE ON CONFIGURATION FILES
Please note
To start RapidMiner Studio, you can use the "RapidMiner Studio.exe" file located in the samedirectory as this readme. If you do not want to/cannot
Di awal pengoperasian RapidMiner, muncul Windows Security Alert sbb:
514
How to start RapidMiner Studio (Mac)
Acquire extensions for RapidMiner Studio
Community forum
use .exe file, you can alsostart RapidMiner Studio via the "RapidMiner-Studio.bat" file also located in this folder.
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 D053182003NO PENELITI /
PENULISJUDUL 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,
2012 Penelitian cloud
Apakah cloud
Secara konsep, cloud computing adalah sebuah model client-server, di mana resources seperti
515
Teori dan Praktik (OpenNebula, VMware, dan Amazon AWS) (Sofana 2012)
computing di perusahaan.
computing server dapat dibangun dengan sarana seadanya?
Apa manfaat-nya bagi pengguna computer?
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://
June 2016 We improve the ability of businesses to respond to their customers and critical events from anywhere.
2B Solutions, Inc. specializes in custom building Dynamics 365 and mobile applications to allow our
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
516
www.2bsolutions.com/about-us/
We are a Gold Microsoft Partner with competencies in Microsoft Mobility Solutions, Microsoft Business Solutions and ISV/Software Solutions.
customers to manage any kind of resources from company car /truck fleets, to medications throughout a pharmacy, to dog trainers and their schedules.
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 DatabaseMicrosoft Dynamics CRM Online ProfessionalVisual Studio 2015Windows 10 Pro Windows 10 IoT CoreMicrosoft 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.bsdinsig
2017 “RapidMiner allows us to go from an anecdotal approach to a data-supported approach for operational decisions.
Data science, deployed
Optimized enterprise data science teamwork
Seamlessly
(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.
517
ht.com/attachments/... · PDF file
https://forums.bsdinsight.com/attachments/rapidminer_datasheet_server-8-120617-pdf.13088/
This enables us to create more meaningful interventions and provide better patient care.”
operationalize, leverage enterprise infrastructure
Highly scalable, distributed architecture
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
9 Dr. K S Wagh, Ravindra Thool
A Comparative study of SOAP vs REST web services provisioning techniques for mobile host.
July 2012(Wagh and Thool 2012)
Keywords Mobile Web Services, SOAP, REST, RESTful
(17) (PDF) A Comparative study of SOAP vs REST web services provisioning techniques for mobile
Web services are moving towards mobile wireless world as a new emerging technology for mobile applications communication. Now mobile devices can operate as web service providers due to the advancement in mobile device capabilities and it has also become possible due to improvement in web service development technologies and wireless communication techniques. Today’s most important need is to provide uninterrupted, lightweight, continuous web services to resource constrained mobile device in wireless environment. This paper presents a detailed comparison between two frameworks used for providing web services through SOAP and REST and also discusses the problems and challenges in these two frameworks. With the help of comparison we can decide which frame work is most suitable for wireless
518
host (researchgate.net)
environment and fulfills the current needs of accessing lightweight mobile web services continuously from resource constrained mobile device. (17) (PDF) A Comparative study of SOAP vs REST web services provisioning techniques for mobile host. Available from: https://www.researchgate.net/publication/264227921_A_Comparative_study_of_SOAP_vs_REST_web_services_provisioning_techniques_for_mobile_host [accessed Feb 23 2021].
518
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 terkait 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. 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 tiga kali, waktu
penelitian dimulai setelah selesai seminar proposal di bulan Februari
2021.
519
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?
Survey Design. Survei dirancang dengan tujuan untuk
mengkonfirmasi (atau tidak) karakteristik umum, keuntungan, dan
tantangan yang terkait dengan microservices, seperti yang ditunjukkan
oleh studi pemetaan.
Survei ini memiliki banyak pertanyaan dan dibagi menjadi tiga
bagian. Bagian pertama adalah tentang latar belakang peserta, termasuk
pertanyaan tentang pengalaman dengan perangkat lunak pengembangan
dan dengan microservices serta tentang ukuran aplikasi /angka layanan
yang sudah bekerja dengan mereka.
Bagian kedua terkait dengan definisi dan trade-off menggunakan
microservices. Misalnya, ini termasuk pertanyaan tentang ukuran layanan
mikro, dan keuntungan dan masalah yang dihadapi oleh pengembang
saat menggunakan teknologi ini.
520
Akhirnya, bagian ketiga terdiri atas pertanyaan terbuka tentang
teknologi yang digunakan oleh pengembang saat menerapkan aplikasi
microservices. Dibahas juga bagai mana penanganan tugas
mengoptimalkan komunikasi antar-services, yang mengeksekusi
transaksi-transaksi. Studi kasus dalam system terkait micro services di
Universitas Hasanuddin.
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.
521
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.
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.
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
522
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?).
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.
523
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.
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.
524
Gambar 3.11. 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).
525
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.
526
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?
527
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
528
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.
529
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
530
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+3) 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
531
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. 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
532
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
533
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)
534
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;
535
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 3.12. 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;
536
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 3.13. 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
537
yaitu para perguruan tinggi yang sudah menandatangani nota
kesepahaman TISC dengan DJKI.
L. 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 (Kemenkumham) 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
538
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,
539
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.
M. Service Provision
Terdiri atas dua hal yaitu: 1) Basic services, 2) Additional services.
Layanan-layanan dasar minimal adalah:
540
1) Akses ke online patent database systems dan sumber daya ilmu
pengetahuan dan teknologi;
2) Akses ke industrial property related publications;
3) Asistensi dalam pencarian dan pengambilan teknologi informasi.
Tergantung pada keperluan yang diuji dan ketersediaan kapasitas,
TISC juga menyediakan layanan-layanan tambahan sbb:
1) Pelatihan dalam basis data pencarian;
2) On-demand searches (novelty, state of the art, and infringement);
3) Pemantauan teknologi dan pesaing;
4) Informasi dasar pada industrial property law;
5) Informasi dasar pada industrial property management dan strategi;
6) Informasi dasar pada komersialisasi dan pemasaran teknologi.
Selanjutnya dilakukan pemodelan terhadap semua proses bisnis
tersebut di atas, diawali class MicroService yang memodelkan suatu
micro service serta meliputi nama dan indikasi bila mana micro service
adalah stateful atau tidak.
N. Architectonic Support
Dukungan yang berelasi ke, atau karakteristik arsitektur, desain,
dan konstruksi, berelasi ke scientific systematization of the totality of
knowledge pada tiga dukungan yaitu:
541
1. Design patterns, yang paling penting yaitu: a] Singleton, b] Factory
method, c] Strategy, d] Observer, e] Builder, f] Adapter, g] State.
(Team 2018)
2. Reference architecture, focus pada implementasinya untuk cyber
physical systems (CPS IoT & cloud technology) untuk
mendukung condition based maintenance (CBM). Pemeliharaan
adalah esensial untuk meningkatkan kinerja asset industry dan
proses reactive /proactive maintenance. Yang pertama focus
pada perbaikan asset ketika kerusakan terjadi. Yang kedua focus
pada pencegahan perbaikan dan kerusakan asset melalui metode
preventif dan prediktif. (Larrinaga et al. n.d.)
3. Model-driven (approaches) ke teknik software telah memperluas
pengaruhnya dengan Object Management Group's Model-Driven
Architecture (MDA). Ternyata MDA tidak cocok lagi untuk software
system development karena tidak menyediakan concrete and
comprehensive process untuk governing software development
activities. Penggantinya adalah Model-Driven Development.
O. Implementation, Technology Stack
Microservice tools yang bisa dipakai adalah:
1. Wiremock: Testing Microservices; WireMock adalah perpustakaan
fleksibel untuk layanan web yang stubbing dan mocking. Ini dapat
542
mengkonfigurasi respons yang dikembalikan oleh API HTTP ketika
menerima permintaan tertentu. Ini juga digunakan untuk menguji
Layanan Mikro. Download link: http://wiremock.org/
2. Docker: Docker adalah proyek open source yang memungkinkan
kami membuat, menyebarkan, dan menjalankan aplikasi dengan
menggunakan kontainer. Dengan menggunakan kontainer ini,
pengembang dapat menjalankan aplikasi sebagai satu paket. Ini
memungkinkan Anda untuk mengirim perpustakaan dan
dependensi lainnya dalam satu paket. Download link:
https://www.docker.com/
3. Hystrix: Hystrix adalah perpustakaan Java yang fault tolerance.
Alat ini dirancang untuk memisahkan titik akses ke layanan jarak
jauh, sistem, dan perpustakaan pihak ketiga di lingkungan
terdistribusi seperti Layanan Mikro. Ini meningkatkan sistem secara
keseluruhan dengan mengisolasi layanan yang gagal dan
mencegah efek bertingkat kegagalan. Download Link:
https://github.com/Netflix/Hystrix
Disiapkan Docker sebagai pilihan utama, didampingi Wiremock
cadangan, Front-end technologies meliputi: HTML /HTML5; CSS;
JavaScript; UI-frameworks and libraries: ReactJS, AngularJS, React,
Node.js, jQuery, dan lain-lain.
Back-end technologies meliputi: Operating system (pakai
windows dan ubuntu); Web server: Nginx (terkait keberhasilan ubuntu),
543
Apache (untuk localhost); Programming languages: C#, Java, PHP,
Python, Objective-C dan lain-lain (misalnya Weka); Various frameworks
build over programming languages: Node.js, .NET, Django, dan lain-lain;
Databases: Microsoft SQL Server, MySQL, PostgreSQL, Oracle, Neo4j,
and others; Cloud infrastructures and services: AWS, Microsoft Azure,
Google Cloud, Heroku, dan lain-lain.
Sesuatu yang dipertimbangkan ketika memilih technology stack
yaitu: 1) Project requirements and features; small projects (MVP or
single-page applications) well-established stacks as Python-Django or
Node.js-React sudah memadai; Medium-size projects like online stores
or mid-market applications; Large projects, such as complex marketplaces
or enterprise applications; 2) Resources and experience; 3) Scalability; 4)
Maintainability; 5) Security; 6) Development speed. Ready Solutions: a]
Combines Linux OS, Apache web server, MySQL database, PHP / Perl /
Python LAMP Stack; b] MEAN stack adalah himpunan JavaScript
technologies untuk developing complex, high-performance, and reliable
applications; c] MERN stack; d] MEVN stack.
Di bagian technology stack terdapat tiga materi yaitu: 1) Languages
[formal, object oriented, scripting, ad hoc]; 2) Interaction model [sync,
async]; 3) Data exchange [REST /HTTP, RPC-alike, MQ {message
queues}]. Selanjutnya penulisan focus pada RESTful dan WS-*
544
P. Implementation, Service Interfaces
Service interfaces adalah makna berbeda dari menspesifikasi
kontrak untuk komunikasi micro services. Nilai yang mungkin adalah
formal (didefinisikan melalui formal contract), tech-tied (antarmuka terkait
dengan teknologi implementasi), ad-hoc (didefinisikan dalam bahasa
baru).
Pendekatan implementasi mendefinisikan ad-hoc languages untuk
memprogram micro services atau mendefinisikan bagian berbeda dari
arsitektur-nya (dalam bentuk DSL, Domain Specific Languages).
Beberapa di antaranya menyediakan semi-formal support, dengan
merangkul standar seperti MOF (Meta Object Facility) atau OCCI (Open
Cloud Computing Interface). Arsitektur layanan mikro secara intuitif terkait
dengan bahasa yang ringan dan skrip seperti JavaScript atau Python.
Bahasa khusus domain (DSL) adalah bahasa komputer yang
dikhususkan untuk domain aplikasi tertentu. Ini berbeda dengan bahasa
tujuan umum (GPL), yang secara luas berlaku di seluruh domain. Ada
berbagai macam DSL, mulai dari bahasa yang banyak digunakan untuk
domain umum, seperti HTML untuk halaman web, hingga bahasa yang
hanya digunakan oleh satu atau beberapa perangkat lunak, kode lunak
MUSH.
Meta Object Facility (MOF), standar OMG yang diadopsi, (revisi
terbaru MOF 1.4) menyediakan manajemen metadata kerangka kerja, dan
545
serangkaian layanan metadata untuk memungkinkan pengembangan dan
interoperabilitas model dan metadata yang didorong Sistem. Contoh
sistem ini yang menggunakan MOF termasuk alat pemodelan dan
pengembangan, sistem gudang data, repositori metadata dll. Sejumlah
teknologi yang distandarisasi oleh OMG, termasuk UML, MOF, CWM,
SPEM, XMI, dan berbagai profil UML, gunakan teknologi turunan MOF
dan MOF (khususnya XMI dan baru-baru ini JMI yang pemetaan MOF ke
XML dan Java masing-masing) untuk pertukaran yang digerakkan oleh
metadata dan manipulasi metadata.
Open Cloud Computing Interface terdiri atas serangkaian
spesifikasi komunitas-memimpin terbuka yang disampaikan melalui Open
Grid Forum. OCCI adalah Protokol dan API untuk semua jenis tugas
Manajemen. OCCI awalnya diinisiasi untuk membuat API manajemen
jarak jauh untuk Layanan berbasis model IaaS, yang memungkinkan
pengembangan alat yang dapat dioperasikan untuk tugas umum termasuk
penyebaran, penskalaan otonom, dan pemantauan. Sejak itu berevolusi
menjadi API fleksibel dengan fokus yang kuat pada integrasi, portabilitas,
interoperabilitas, dan inovasi sambil tetap menawarkan tingkat
ekstensibilitas yang tinggi. Rilis Open Cloud Computing Interface saat ini
cocok untuk melayani banyak model lain selain IaaS, termasuk misalnya
PaaS dan SaaS.
546
Q. Implementation, Supporting Systems
Dalam urusan implementasi terkait system pendukung, ada hal
yang perlu diperhatikan yaitu: data storage (ada urusan SQL dan NoSQL)
dan service discovery (ada urusan Client-side, Server-side, dan Hybrid).
Pembahasan difokuskan pada service discovery yang terkait dengan
RESTful dan WS-*
Works Cited"(NPM) 10410029 Bab 3.Pdf." eteses uin-malang ac id. n.d. http://etheses.uin-
malang.ac.id/597/7/10410029%20Bab%203.pdf (accessed 07 30, 2019).
Hidayat, Anwar. Penjelasan Lengkap Tentang Penelitian Kualitatif. 10 14, 2012. https://www.statistikian.com/2012/10/penelitian-kualitatif.html (accessed 07 30, 2019).
Penulis, Tim. Science Techno Park. 2015. http://stp.ristekdikti.go.id/stp (accessed 5 1, 2019).
Prasetyo, Bambang, and Lina Miftahul Jannah. Metode Penelitian Kuantitatif. Depok, Jakarta: Divisi Buku Perguruan Tinggi PT Raja Grafindo Persada, 2014.
Sofana, Iwan. Cloud Computing, Teori & Praktik, OpenNebula, VMware, dan Amazon AWS. Bandung: INFORMATIKA, 2012.
Zubaidah, Neneng. Kemenristek Dikti Bangun 9 Sains Tekno Park. 12 14, 2017. https://autotekno.sindonews.com/read/1265543/124/kemenristek-dikti-bangun-9-sains-techno-park-1513209522 (accessed 5 1, 2019).