Magang Riset di Pusat Riset
Sains Data dan Informasi: Web
Development for Research
Intelligence Project

1. Pengertian
Web Development for Research Intelligence Project adalah inisiatif pengembangan perangkat lunak yang berfokus pada pembuatan solusi berbasis web untuk mengotomatisasi dan menyempurnakan proses pengelolaan informasi penelitian. Ini melibatkan penggunaan teknologi web (frontend dan backend) untuk membangun platform yang dapat mengintegrasikan data dari database penelitian, jurnal ilmiah, repositori, dan sumber lainnya, kemudian menyajikannya dalam format yang mudah dipahami dan dapat dianalisis untuk menghasilkan 'research intelligence' (kecerdasan penelitian).
Kecerdasan penelitian di sini berarti pemahaman mendalam tentang lanskap penelitian, termasuk siapa yang meneliti apa, tren topik, kolaborasi, pendanaan, dampak publikasi, dan kesenjangan penelitian. 2. Tujuan Utama
Tujuan utama dari proyek pengembangan web untuk kecerdasan penelitian adalah:

• Sentralisasi Informasi Penelitian: Mengumpulkan data penelitian yang terfragmentasi dari berbagai sumber ke dalam satu platform terpusat.
• Peningkatan Aksesibilitas: Memungkinkan akses mudah dan cepat ke data dan informasi penelitian bagi pengguna yang relevan.
• Visualisasi Data Interaktif: Menyajikan hasil penelitian, tren, dan metrik dalam bentuk grafik, bagan, dan dashboard yang mudah dipahami untuk analisis cepat.
• Identifikasi Tren dan Pola: Membantu pengguna mengidentifikasi topik penelitian yang sedang berkembang, area panas, dan pola kolaborasi.
• Analisis Dampak Penelitian: Mengukur dan memvisualisasikan dampak publikasi, sitasi, dan kontribusi peneliti.
• Dukungan Pengambilan Keputusan Strategis: Menyediakan wawasan berbasis data untuk pengambilan keputusan terkait arah penelitian, alokasi sumber daya, atau strategi inovasi.
• Kolaborasi yang Lebih Baik: Memfasilitasi kolaborasi antar peneliti dengan menyediakan platform untuk berbagi data, temuan, dan wawasan.
• Efisiensi Waktu dan Sumber Daya: Mengurangi waktu yang dihabiskan untuk pencarian manual dan agregasi data penelitian.
• Manajemen Pengetahuan (Knowledge Management): Bertindak sebagai repositori pengetahuan yang terorganisir, memastikan bahwa temuan penelitian dan data tidak hilang.

3. Elemen Kunci
Beberapa elemen kunci yang biasanya ada dalam sebuah Web Development for Research Intelligence Project meliputi:

• Modul Pengumpulan Data (Data Ingestion Module):
  • Integrasi Sumber Data: Kemampuan untuk mengumpulkan data dari berbagai sumber seperti basis data jurnal (Scopus, Web of Science, PubMed), repositori institusional, database paten, data hibah, dan bahkan media sosial atau berita terkait penelitian.
  • API Connectors: Penggunaan API (Application Programming Interface) untuk menarik data secara otomatis dari sumber eksternal.
  • Crawling/Scraping: Untuk sumber yang tidak menyediakan API, teknik web crawling atau scraping mungkin digunakan (dengan mempertimbangkan etika dan legalitas).
• Basis Data (Database System):
  • Penyimpanan Terstruktur: Database relasional (misalnya, PostgreSQL, MySQL) atau NoSQL (misalnya, MongoDB, Neo4j untuk grafik relasi) untuk menyimpan data penelitian yang terstruktur dengan baik.
  • Data Model yang Kuat: Desain skema basis data yang mampu menampung berbagai jenis data penelitian (publikasi, peneliti, institusi, topik, sitasi, hibah).
• Modul Pemrosesan dan Transformasi Data (Data Processing & Transformation Module):
  • Pembersihan Data (Data Cleaning): Menangani inkonsistensi, duplikasi, dan kesalahan data.
  • Normalisasi dan Standardisasi: Memastikan data dalam format yang seragam.
  • Enrichment: Menambahkan informasi tambahan ke data yang ada (misalnya, data geolokasi, informasi organisasi).
  • Algoritma Text Mining/NLP: Untuk mengekstrak informasi dari teks tidak terstruktur (misalnya, abstrak, isi artikel) seperti kata kunci, topik, atau entitas.
• Modul Analisis Data (Data Analysis Module):
  • Statistika Deskriptif: Perhitungan metrik dasar (jumlah publikasi, sitasi, dll.).
  • Analisis Jaringan (Network Analysis): Untuk memvisualisasikan kolaborasi antar peneliti, institusi, atau koinvidu (co-authorship networks).
  • Analisis Tren: Algoritma untuk mengidentifikasi topik yang sedang naik daun atau menurun.
  • Machine Learning (Opsional): Untuk prediksi, klasterisasi, atau rekomendasi.
• Antarmuka Pengguna (User Interface - UI) dan Pengalaman Pengguna (User Experience - UX):
  • Dashboard Interaktif: Menyajikan ringkasan dan metrik kunci dalam bentuk visual yang dinamis.
  • Fungsi Pencarian dan Pemfilteran Lanjut: Memungkinkan pengguna untuk mencari data dengan kriteria yang kompleks.
  • Visualisasi Data: Grafik, bagan (bar, pie, line), peta panas (heatmap), word cloud, dan visualisasi jaringan.
  • Laporan Kustom: Kemampuan untuk membuat dan mengunduh laporan berdasarkan kueri pengguna.
  • Desain Responsif: Memastikan platform dapat diakses dengan baik di berbagai perangkat (desktop, tablet, mobile).
• Modul Keamanan dan Manajemen Pengguna (Security & User Management Module):
  • Otentikasi dan Otorisasi: Mengelola hak akses pengguna (misalnya, administrator, peneliti, pengunjung).
  • Keamanan Data: Melindungi data sensitif dari akses tidak sah.
• Modul Kolaborasi (Opsional):

Fitur berbagi temuan, diskusi, atau manajemen proyek.

Program Studi/Jurusan Pendidikan:
RPL / Informatika / Sistem Informasi / Teknologi Informasi 

Lokasi Kerja/Magang/Riset:
Bandung (KST Samaun Samadikun), Pusat Riset Sains Data dan Informasi (PRSDI), BRIN

Nama Pembimbing:
Rumadi, S.T., M.T.
ruma003@brin.go.id

Syarat Pengajuan:

• Surat Pengantar
• File Data CV
• File Data Foto
• File Data Identitas
• File Data Transkrip
• Surat Perjanjian Pemagangan
• File Proposal

Nama Berkas	Ukuran Berkas
Berkas SOP Layanan	0.08 MB
Template Surat Pengantar	0 MB
Template File Data CV	0 MB
Template File Data Foto	0 MB
Template File Data Identitas	0 MB
Template File Data Transkrip	0 MB
Template Surat Perjanjian Pemagangan	0.03 MB
Template File Proposal	0 MB