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).