1

RINGKASAN PROPOSAL DISERTASI

PENGEMBANGAN ARSITEKTUR LAYANAN MIKRO UNTUK

ILMU DATA DALAM PUSAT DUKUNGAN TEKNOLOGI DAN INOVASI

DEVELOPMENT OF MICROSERVICES ARCHITECTURE FOR

DATA SCIENCE IN TECHNOLOGY AND INNOVATION SUPPORT CENTER

RADEN ARUM SETIA PRIADI

D053182003

PROGRAM PASCASARJANA

PROGRAM STUDI TEKNIK ELEKTRO

UNIVERSITAS HASANUDDIN

MAKASSAR

2020

2

BAB I, PENDAHULUAN

A. Latar Belakang

Disertasi ini termasuk dalam salah satu bidang ilmu /kajian (riset)

yang menjadi pokok dari PS3ITE (Program Studi Strata 3 Ilmu Teknik elektro,

sekarang Prodi S3 Teknik Elektro) yaitu Sistem Komputer yang tumbuh ke

arah pengembangan sistem berbasis komputer, jaringan komputer,

kecerdasan buatan dan rekayasa perangkat lunak. [1] (Penyusun, Studi Kelayakan

Program Studi (Baru) S3 Ilmu Teknik Elektro, 2012) Bidang kajian /riset disertasi ini

direncanakan menitikberatkan pada topik /tema penelitian yaitu research

challenge pada pengembangan micro services architecture untuk data

science dengan teknologi cloud computing dan diimplementasi dalam TISC

(Technology and Innovation Support Center), yaitu:

Skema program yang menyediakan para inovator /inventor dalam

negara-negara berkembang dengan akses berbasis sumber daya lokal,

teknologi informasi berkualitas tinggi dan layanan terkait sesuai

kebutuhan, menolong mereka guna mengeksploitasi potensi inovatif

mereka dan mengreasi, melindungi, dan mengatur kekayaan

intelektualnya.

3

Tabel 1.1. Pemetaan kesenjangan masalah

Kesenjangan teoritis Kesenjangan praktis

Kesenjangan harapan

Secara teoritis sudah ada road map dari WIPO tentang TISC. Ternyata institusi di NKRI yaitu DJKI belum sepenuhnya menjalankan road map tsb.

Sudah ada MoU 17 PT dengan DJKI terkait TISC, sayangnya belum ada satu pun institusi Indonesia terdaftar di WIPO sudah memiliki TISC.

Kesenjangan kenyataan

Sudah berkembang data science di Indonesia tetapi pengembangannya kurang menyentuh TISC.

Sudah berkembang data center di banyak PT tetapi hal itu belum terpakai dalam urusan Sentra KI.

Posisi topic penelitian disertasi dalam konteks keilmuan, yaitu belum

adanya penelitian lain yang pernah dilakukan serta temuannya; dengan

demikian posisi topic yang diajukan menjadi jelas sebagai penelitian baru

(terkait TISC, tiada disertasi) atau penelitian lanjutan (terkait micro service

architecture) atas penelitian yang pernah ada. Hanya ditemukan dokumen

WIPO Technology and Innovation Support Centers (TISCs) Report 2017

di URL https://www.wipo.int/edocs/pubdocs/en/wipo_tisc_report_17.pdf [34]

(Author W. R., 2017). Fokus sistem berbasis komputer atau computer-based

systems yang diteliti adalah WIPO TISC seperti tertera di Latar Belakang.

WIPO mengamanatkan untuk di tiap negara ada satu instansi pemerintah

yang mengurusi TISC, dalam konteks Indonesia, instansi yang dimaksudkan

adalah DJKI yaitu Direktorat Jenderal Kekayaan Intelektual.

4

Gambar 1.1. Posisi topic penelitian TISC dalam konteks keilmuan [34]

Masalah terkait bisa dirumuskan di sini adalah bagai mana

pengembangan komprehensif micro service architecture (standar teknis dan

tool box) untuk data science dengan kata kunci big data, data analysis, data

analytics, dari banyak perguruan tinggi Indonesia yang sudah membangun

TISC bisa memfasilitasi keperluan Sentra KI? Bagai mana sustainable

development knowledge platform (micro service architecture) yang cocok

untuk data science (bagi tiap regional perguruan tinggi Indonesia, misalnya

tiap pulau spesifik: Sumatera, Jawa, Sulawesi, Kalimantan, Papua, dll)?

Misalnya ada beberapa pilihan tersedia yaitu: https://www.lagomframework.com/,

http://microservice-frame.work/, https://aws.amazon.com/microservices/,

https://www.clariontech.com/blog/5-best-technologies-to-build-microservices-architecture.

5

B. Rumusan Permasalahan

Batasan permasalahan untuk disertasi ini diambil dari dokumen WIPO

“Making IP Work” yaitu hanya membahas terkait computer system

technical infra-structure ditinjau pendekatan dari semua ranah tersebut

(policy, services, infra-structures, development, solutions, dan information).

[6] (Team, WIPO Brochure IP Work, 2014) Diusahakan observasi dilakukan

secara langsung terhadap ke-17 perguruan tinggi Indonesia penerap TISC

untuk mengambil data dari tangan pertama.

Low reliability of IP Offices due to the implementation of TISC bisa

dimaknai rendahnya kualitas kinerja Kantor HAKI yaitu Sentra Kekayaan

Intelektual dalam mengimplementasi Pusat Dukungan Teknologi dan Inovasi

sebagai infra-struktur andalan dalam melayani semua stake holder-nya.

Oleh karena itu perlu dikembangkan micro service architecture untuk data

science-nya. Terkait hal itu, pokok-pokok permasalahan yang turut dikaji oleh

filsafat (ilmu) [17]:

1. Apa yang disebut benar dan apa yang disebut salah (logika)? Salah

bisa dimaknai melanggar ketentuan yang berlaku, mulai dari

internasional (WIPO), nasional (Menteri Kumham), lokal (Rektor).

Untuk kasus tertentu, sulit untuk menerapkan perubahan (micro-)

services jadi perlu perancangan yang benar dan tidak mempunyai

kesalahan. Bagaimana model perancangan deployment di Sentra KI

6

sehingga kesulitan /kesalahan berkurang dalam menerapkan

perubahan services [ketika terjadi perubahan manajemen Sentra KI]?

2. Mana yang dianggap baik dan mana yang dianggap buruk (etika)?

Ada intellectual property ethics dari Tech Terms, MediaSmarts, Titania,

Investopedia. Etika adalah himpunan prinsip moral yang mengatur

kebiasaan kelompok atau individu. Etika komputer adalah himpunan

prinsip moral yang meregulasi penggunaan komputer. Beberapa isu

umum termasuk hak kekayaan intelektual (hak cipta electronic

content), urusan privasi (data pribadi), dan bagaimana komputer

mempengaruhi masyarakat, misalnya high automation dalam

melakukan (microservice) deployment → Menemukan model

automation dimaksud dalam deployment di suatu Sentra KI perguruan

tinggi tempat eksperimen

3. Apa yang termasuk indah dan apa yang termasuk jelek (estetika)?

Keindahan menurut sudut pandang, point of view siapa? Disertasi ini

dibatasi pada sudut pandang WIPO, DJKI, dan pimpinan perguruan

tinggi (bisa diwakili para promotor /copromotor dan penilai). Estetika

tampak pada pengaturan yang dibuat, mulai dari road map-nya, desain

organisasi, final-nya desain TISC (Technology and Innovation Support

Center). Untuk microservice architecture deployment yang kompleks,

perlu konfigurasi untuk menjalankan setiap services karena memiliki

run time yang berbeda → Mengukur estetika kompleks deployment di

7

Sentra KI suatu perguruan tinggi tempat eksperimen, bagai mana

konfigurasi untuk menjalankan services tersebut?

4. Moral(ity) melakukan perbaikan terhadap kerepotan ketika satu entity

pada database berubah maka setiap entity yang sama di setiap

database service harus diubah → The Hardest Part About

Microservices: Your Data – Software ..., The moral of the story here is

that data, data integration, data ..., moral implementation?

C. Tujuan Penelitian

Secara khusus, tujuan penelitian (disertasi) ini adalah:

1. Mencoba melakukan perbaikan moral(ity) terhadap kerepotan ketika

satu entity pada database berubah maka setiap entity yang sama di

setiap database service harus diubah → Dilakukan eksperimen terkait

hal ini pada entity suatu kekayaan intelektual pada database HAKI;

2. Untuk beberapa kasus, sulit untuk menerapkan perubahan (micro-)

services jadi perlu perancangan yang benar → Mencari model

perancangan itu pada deployment di Sentra KI sehingga kesulitan

/kesalahan berkurang dalam menerapkan perubahan services itu

[perubahan terjadi ketika terjadi perubahan manajemen Sentra KI];

3. Untuk microservice architecture deployment yang kompleks, perlu

konfigurasi untuk menjalankan setiap services karena memiliki run

8

time yang berbeda → Mengukur seberapa kompleks deployment di

Sentra KI suatu perguruan tinggi tempat eksperimen, bagai mana

konfigurasi untuk menjalankan services tersebut?

4. Perlu high automation dalam melakukan (microservice architecture)

deployment → Menemukan model automation dimaksud dalam

deployment di Sentra KI suatu perguruan tinggi tempat eksperimen.

D. Manfaat Penelitian

Disertasi ini diharapkan membawa beberapa manfaat penting bagi

empat stake holder sebagai berikut

WIPO

(Enables sharing of experiences and best practices among TISCs) Penelitian

yang dilakukan terhadap 17 perguruan tinggi Indonesia penerap TISC akan

memungkinkan berbagi pengalaman dan cara terbaik mengelola sistem

komputer terkait micro service architecture untuk data science dalam TISC.

Government Authority

(Assesses user needs) Penelitian ini menguji dan mengonfirmasi keperluan

pengguna TISC di 17 perguruan tinggi tersebut terkait micro service

architecture untuk data science (computer system). Hal ini memungkinkan

Pemerintah (c.q. DJKI) mengidentifikasi prioritas nasionalnya.

National Focal Point

9

(Identifies potential host institutions, assesses their capacities, and supports

them in joining the TISC project) Penelitian ini mengidentifikasi potential host

institutions di antara 17 perguruan tinggi itu, di mana yang terbaik? Menguji

kapasitasnya terkait micro service architecture untuk data science sehingga

mendukung perguruan tinggi di sekitarnya bergabung dalam TISC Project.

Host Institution

(Provides administrative and technical staff required to deliver technology and

innovation support services) Penelitian ini menyediakan tata kelola

administratif dan staf teknis terkait micro service architecture untuk data

science yang diperlukan untuk mengantarkan TISC kepada stake holder-nya.

E. Penelitian Terkait dan Kontribusi Hasil Penelitian

WIPO adalah forum global untuk: 1) kebijakan kekayaan intelektual, 2)

layanan [termasuk TISC], 3) informasi, dan 4) kerja sama. Pada WIPO,

dipercaya bahwa KI dan inovasi berjalan dari tangan ke tangan. KI adalah

menghargai orang untuk ide-ide-nya dan kreasi orisinal. Hal ini terkait bisnis

berinvestasi dalam inovasi dan solusi baru. Hal ini bermakna menghidupkan

inovasi dan kreativitas untuk keuntungan semua. Metode kajian berkutat

pada dua hal (ruang lingkup) penting yaitu knowledge-sharing dan technical

infra-structure untuk menyelesaikan permasalahan di tingkat Sentra KI

dengan TISC-nya. Bagai mana pemodelan ideal untuk itu?

10

Gambar 1.2. Dua infra-struktur terkait sistem komputer yang di dalamnya

terdapat TISC yaitu knowledge-sharing dan technical infra-structure [6].

WIPO membangun infra-struktur KI untuk mengkoneksikan sistem dan

berbagi pengetahuan. Teknologi digital telah mengkreasi kemungkinan tak

terbatas untuk berbagi kerja, data, dan pengetahuan tanpa kendala lokasi

geografis. Meningkat, kantor KI dalam negara berbeda melakukan pooling

tasks untuk menghindari duplikasi usaha-usaha mereka dan menolong

mempercepat pemrosesan paten. Di Indonesia kantor KI bisa disebut sentra

kekayaan intelektual sudah mempunyai ASKII (Asosiasi Sentra Kekayaan

Intelektual Indonesia) yang berdiri sejak 30 Oktober 2017 [7]. Banyak negara

juga setuju berbagi basis data mereka tentang dokumen paten, membuka

akses ke informasi teknologi (dapat) bernilai untuk para inovator sedunia.

Untuk membuat kerja ini, Kantor KI perlu standar teknis umum sehingga

11

sistem teknologi informasi dalam negara berbeda dapat “berbicara” satu

dengan lainnya dan pertukaran data. Di sini celah masuk penelitian disertasi

ini. Peralatan yang baik juga diperlukan untuk secara bebas tersedia

sehingga orang dapat mengakses, bernavigasi, dan menggunakan data itu.

Standar teknis dan tool box seperti apa yang bisa meningkatkan

keterpercayaan kantor KI untuk mengimplementasikan TISC? Apakah terkait

micro service architecture untuk data science?

WIPO berkoordinasi dengan kantor KI, untuk kasus Indonesia, tentu

melalui Direktorat Jenderal Kekayaan Intelektual, mengembangkan world

wide interoperable tools dan standar teknis yang membuatnya lebih mudah

untuk orang di mana pun mengakses dan menggunakan teknologi informasi.

Hal ini adalah boosting method yang dipercaya bisa berkinerja terbaik

memperbaiki keterpercayaan implementasi TISC. Bagai mana metode itu

bisa mempengaruhi keterpercayaan tersebut? Hal itu [akan] menjadi

pembahasan disertasi ini. Infra-struktur berbagi pengetahuan ini menolong

mengatur level bidang “permainan” dengan menyediakan akses cepat,

bebas, dan universal ke kesejahteraan dari informasi yang dibangkitkan oleh

sistem kekayaan intelektual. Infra-struktur yang diperlukan untuk

berpartisipasi dalam knowledge economy, jalan raya-nya adalah internet,

jembatannya adalah interoperable data standards, dan kendaraannya adalah

(sistem) komputer dan basis data.

12

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

TECHNOLOGY AND INNOVATION SUPPORT CENTER

NO PENELITI

/TAHUN

JUDUL

PENELITIAN

/TULISAN

PENERBIT Parameter

/Pokok

Permasalahan

JENIS DATA METODE

/Usulan

Riset

HASIL /Korelasi dengan

Usulan Riset

1 Dhar, V. /2013

Data Science

and Prediction

Communications of the ACM

The term /ilmu data, prediksi keperluan HAKI.

definisi Studi

pustaka

/Big data

KI

dikelola

untuk

menghasil

kan

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.wikipedi

a.org

/wiki/Data_s

cience

the term /deskripsi data science dan data mining

definisi Studi

pustaka

/Membuat

perincian

dari data

Data science is a multi-disciplinary field that uses scientific methods, processes, algorithms and systems to

13

Jeff Leek /2013

The key word

in "Data

Science" is not

Data, it is

Science

Simply Statistics

https:

//simplystati

stics.org

/2013/12/12

/the-key-

word-in-

data-science-

is-not-data-

it-is-science/

science

berupa

deskripsi

semua

materi

yang

diterang-

kan.

extract knowledge and insights from data in various forms, both structured and unstructured,[1][2] similar to data mining. Korelasinya, data science sudah mulai diterangkan pada Bab 1 Tabel 1.1. Korelasinya, data mining sudah mulai dijelaskan pada Bab 2 Tabel 2.2.

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:

//www.cours

the term /Pertanyaan yang benar untuk manipulasi himpunan

definisi How to

/Melakuka

n exercise

untuk 3

kerja itu

Ask the right questions,

manipulate data sets,

and create visualizations

to communicate results.

This Specialization

14

sets, and create

visualizations

to

communicate

results

era.org

/specializatio

ns/jhu-data-

science

data guna visualisasi.

dalam 10

course in

Specializat

ion dengan

studi

kasus di

Sentra KI.

covers the concepts and

tools you'll need

throughout the entire data

science pipeline, from

asking the right kinds of

questions to making

inferences and publishing

results.

3 Author

team /2019

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

https://www.

microsoft.co

m/en-

us/research/r

esearch-

area/data-

platform-

analytics/

Data

platforms and

architectures,

Data

wrangling and

enrichment,

Social data

and impact.

A broad

range of

topics

related to

the

managemen

t and

analysis of

data.

These include:

infrastructure for

large-scale cloud

data systems,

reducing the total

cost of ownership

of systems

including auto-

tuning of data

platforms, query

optimization and

processing,

enabling

approximate ways

to query large and

complex data sets

/Pemodelan dan

simulasi hal

tersebut.

Applying statistical and

machine learning

techniques to improve

database system

components, stream

processing, adding database

capabilities to actor

frameworks, self-service

data cleaning and

transformation at scale,

search over structured data,

metadata management, and

information extraction.

4 Remco R.

Bouckaert

dkk /2018

WEKA Manual for Version 3-9-3

University of

Waikato,

Hamilton,

New

Zealand

Alex

Seewald

(original

Commnd-

Command

line

Graphical user

Konsep

dasar:

Data set,

Classifier,

Weka.filter,

Weka.classi

fier,

Launching

WEKA

mempunyai

EXPERIMENTE

R di mana

pengguna bisa

melakukan

ekperimentasi.

Terkait WEKA,

untuk eksperimen

awal, penggunaan

graphical user

interface

dirasakan cukup.

Untuk

penggunaan

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.

15

line primer)

David Scuse

(original

Experimente

r tutorial)

interface

Data

Appendix

Bibliography

WEKA,

Package

manager,

Simple CLI,

Explorer,

Experiment

er,

Knowledge

Flow,

Workbench,

ArffView,

Bayesian

network

classifiers,

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 RapidMin

er GmbH

/2001-2019

RapidMiner

Studio

RapidMiner

GmbH

How to

start

RapidMiner

Studio

(Windows)

How to

start

RapidMiner

Studio

(Linux)

Log file

NOTE ON

CONFIGURA

TION

FILES

Please

note

To start

RapidMiner

Studio, you

can use the

"RapidMiner

Studio.exe"

file

located in

the same

directory

as this

readme. If

you do not

want

Di awal pengoperasian

RapidMiner, muncul

Windows Security Alert

sbb:

16

How to

start

RapidMiner

Studio

(Mac)

Acquire

extensions

for

RapidMiner

Studio

Community

forum

to/cannot

use .exe

file, you

can also

start

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

D053182003

NO PENELITI

/PENULIS

JUDUL

PENELITIAN

/TULISAN

TAHUN

/Usulan Riset

JENIS

PENELITIAN

/Pokok

Permasalahan

Algoritme

/Ekstraksi

/Fitur

/Klasifikasi

TINJAUAN DATA /HASIL /AKURASI / Korelasi dengan Usulan Riset

17

6 Iwan

Sofana

Cloud

Computing,

Teori dan

Praktik

(OpenNebula,

VMware, dan

Amazon AWS)

(Sofana,

2012)

2012 Penelitian

cloud

computing

di

perusahaan.

Apakah

cloud

computing

server

dapat

dibangun

dengan

sarana

seadanya?

Apa

manfaat-

nya bagi

pengguna

computer?

Secara konsep, cloud computing adalah

sebuah model client-server, di mana

resources seperti server, storage, network,

dan software dapat dipandang sebagai

kumpulan services. Ia dapat diakses oleh

users setiap saat secara remote.

Inti dari teknologi cloud computing

adalah virtualisasi. Physical machines

diganti dengan virtual machines.

Demikian pula, physical network dan

physical storage diganti oleh virtual

network dan virtual storage.

Pendahuluan, virtualisasi, definisi &

organisasi, memanfaatkan layanan. Seluk

beluk hypervisor, jenisnya, ESX, KVM,

Xen, lainnya.

Meng-instal dan menggunakan

hypervisor. Xen LiveCD, Xen cloud

platform, ESXi, ESX, instalasi ESXi pada

flash disk.

Mengidentifikasi kebutuhan, file system,

dan storage. Memperkirakan resources,

fasilitas back up. Cloud server berbasis

OpenNebula, persiapan, dll.

7 2B Solutions, Inc.

Weka Smart Fridge Tracks Vaccine

June 2016 We improve the ability of businesses to

2B Solutions, Inc. specializes in

Our custom mobile applications include a complete mobile inventory and store management application for

18

Inventory using Microsoft Dynamics CRM and Azure IoT https://www.

2bsolutions.

com/about-

us/

respond to their customers and critical events from anywhere. We are a Gold Microsoft Partner with competencies in Microsoft Mobility Solutions, Microsoft Business Solutions and ISV/Software Solutions.

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

retailers and warehouses. 2B Solutions has also developed mobile applications for mobiles sales, asset tracking and event tracking.

Microsoft Azure • Microsoft Azure API Management • Microsoft Azure Blob storage

• Microsoft Azure DocumentDB

• Microsoft Azure IoT Suite Dashboard

• Microsoft Azure IoT Hub

• Microsoft Azure Stream Analytics

• Microsoft Azure PowerShell

• Microsoft Azure Service Bus

• Microsoft Azure SQL Database

Microsoft Dynamics CRM Online

Professional

Visual Studio 2015

Windows 10 Pro

Windows 10 IoT Core

Microsoft Surface tablets

Raspberry Pi 2 single-board

computers

8 L.

Ellenburg,

Senior

Manager of

Informatics

RapidMiner

Server Highly

scalable,

collaborative

enterprise data

2017 “RapidMiner

allows us to

go from an

anecdotal

approach to a

Data

science,

deployed

Optimized

(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

19

science

deployment

platform

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

https://forums.b

sdinsight.com/a

ttachments/rapi

dminer_datashe

et_server-8-

120617-

pdf.13088/

data-

supported

approach for

operational

decisions.

This enables

us to create

more

meaningful

interventions

and provide

better patient

care.”

enterprise

data science

teamwork

Seamlessly

operationali

ze, leverage

enterprise

infrastructur

e

Highly

scalable,

distributed

architecture

and share models and processes in a

versioncontrolled, secure and centrally

managed environment. RapidMiner

Server easily integrates analytic results

into business processes and

applications with its rich set of

connectors, BI integration and

webservice APIs. With a few clicks,

you can set-up scheduled processing

and continuously score data in real-

time.

Key features: Computation &

scalability, Repository, Queues,

Collaboration, Scheduling,

Management & monitoring,

Integration & operationalization,

Connections, Extensions.

Korelasi dengan Usulan Riset: Studi

pemanfaatan RapidMiner Server dikombinasi

dengan berbagai platform yang tersedia.

NO PENELITI

/PENULIS JUDUL

PENELITIAN

/TULISAN

TAHUN

/Usulan Riset JENIS

PENELITIAN

/Pokok

Permasalahan

Algoritme

/Ekstraksi

/Fitur

/Klasifikasi

TINJAUAN DATA /HASIL /AKURASI / Korelasi dengan Usulan Riset

20

21

BAB II, METODE PENELITIAN

Bagian ini memuat waktu dan lokasi penelitian, bahan dan alat yang

digunakan dalam penelitian serta metode analisisnya secara rinci.

Sistematika penulisan merupakan campuran dari penelitian kuantitatif dan

penelitian kualitatif, disebut penelitian modifikasi. Untuk memahami masalah

yang diselesaikan dengan metode penelitian, peneliti berangkat dari skema

/model dari WIPO pada Gambar 3.1. sebagai berikut.

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

22

A. Bagan Alir Penelitian

Pada table berikut ditunjukkan bagan alir penelitian dalam bentuk

diagram yang akan dicapai. Penelitian ini terbagi menjadi beberapa tujuan

sbb.

23

B. Prosedur Penelitian

Pada bagian ini diuraikan prosedur untuk menyelesaikan penelitian

yang terbagi dalam beberapa langkah, dimulai dari penyusunan proposal

penelitian, dengan studi literatur, mengumpulkan data, dll.

24

C. Computer System Technical Infrastructure

D. Flow chart

25

E. lanjut