Upload
others
View
2
Download
0
Embed Size (px)
Citation preview
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