Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPengelolaan data penelitian merupakan hal yang penting bagi setiap lembaga penelitian. Tidak adanya aktivitas pengelolaan data dan penyimpanan data terpusat dalam lembaga penelitian berpotensi membuat data hasil penelitian tersebut hilang maupun tidak dapat digunakan kembali. Sistem informasi pengelolaan data dibutuhkan oleh lembaga penelitian untuk dapat mengelola data secara terpusat dengan memperhatikan proses bisnis penelitian dan kebutuhanterhadap proses penyimpanan dan sharing data penelitian. Pengumpulan data primer melalui wawancara kepada narasumber teknis yang memiliki kepakaran dan pengalaman langsung berkaitan pada pengelolaan data penelitian, serta validasi kredibilitas data dilakukan berjenjang ke jabatan peneliti yang lebih tinggi (madya dan utama) serta kepada pejabat struktural yang memfasilitasi kegiatan penelitian untuk mendapatkan pemodelan bisnis dan user requirement. Pemodelan sistem dilakukan dengan UML (Unified Modeling Language). Hasil dari penelitian ini adalah rancangan sistem informasi pengelolaan data yang selaras dengan kebutuhan proses bisnis Badan Penelitian dan Pengembangan SDM Kementerian Kominfo untuk memfasilitasi aktivitas penyimpanan, pelestarian dan berbagi akses data penelitian."

"ABSTRAKStudies of forest ecosystems enable gathering important information on the natural environment the development of which is more and more disturbed by the global climate change. The current research on the ecosystem functioning provides data that may be of much value for future analysis and prognostic studies. Modern measurement techniques used in the forest research have a significant influence on the increase in the database resources, especially those concerning the spatial data. Big data requires the use of advanced analytical technologies, such as data warehouses, computer clusters or cloud computing. Consequently, cooperation of specialists from various scientific disciplines, including forestry, geography, climatology and computer science, has become increasingly necessary. The IT system of the Forest Research Institute was modernized within the framework of the Operational Programme Innovative Economy 2007 until 2013. Its functionality allows integrating, storing and analyzing ever more big databases from dispersed sources. The idea of open access to data is realized by the FRI mainly through publication of research results in domestic and foreign scientific journals, in specialized information services and on scientific portals. On the other hand, open access to raw data still raises a lot of concern and controversies in the scientific community, especially in the context of copyright infringement."

"Meningkatnya pertumbuhan jurnal ilmiah bidang ilmu perpustakaan dan informasi tidak sebanding dengan adanya kesadaran pengelolaan data penelitian yang menyertainya, padahal data penelitian diperlukan sebagai bukti otentik keabsahan dan kualitas dari artikel yang dipublikasikan. Salah satu cara dalam menjamin ketersediaan akses terhadap data penelitian adalah melalui proses publikasi di penerbit, termasuk artikel di jurnal ilmiah. Penelitian ini bertujuan untuk: a) Mengidentifikasi kebijakan jurnal ilmiah bidang ilmu perpustakaan dan informasi dalam mendukung praktik pengelolaan data penelitian; b) Mengidentifikasi dan mendeskripsikan proses pengelolaan data penelitian pada jurnal ilmiah bidang ilmu perpustakaan dan informasi; c) Mengidentifikasi tantangan yang dihadapi dalam implementasi proses tersebut; dan d) Memberikan rekomendasi pengembangan kebijakan pengelolaan data penelitian pada jurnal ilmiah bidang ilmu perpustakaan dan informasi. Penelitian ini menggunakan pendekatan kualitatif dengan metode studi kasus. Penentuan informan melalui teknik purposive sampling yaitu para editor dan penulis pada jurnal ilmiah nasional bidang ilmu perpustakaan dan informasi yang terakreditasi peringkat SINTA dua. Teknik pengumpulan data menggunakan wawancara semi-terstruktur, observasi, dan studi dokumen yang dilakukan pada bulan Agustus 2021 – Maret 2022. Hasil penelitian menunjukkan bahwa penerbit jurnal ilmiah belum sepenuhnya memfokuskan perhatiannya pada data penelitian di dalam proses penerbitannya dengan belum tercantumnya pernyataan kebijakan penyerahan data penelitian. Namun demikian penelitian ini menemukan beberapa tantangan dan pengembangan kebijakan yang dapat diadopsi oleh penerbit jurnal ilmiah. Penelitian ini menyimpulkan bahwa penerbit jurnal ilmiah perlu untuk mempersiapkan kebijakan data yang jelas, SDM yang berkompeten, dan infrastruktur yang memadai. Penelitian ini menyarankan perlunya penelitian lanjutan mengenai kesiapan sumber daya manusia, infrastruktur, dan implementasi dalam rangka penerapan kebijakan penyerahan data penelitian di penerbit jurnal ilmiah. Selain itu, agar kebijakan dipatuhi, kolaborasi pemangku kepentingan perlu dilakukan.

---

The increasing growth of scientific journals in the field of library and information science is not followed by awareness of the management of research data accompanying it, while research data is needed as authentic evidence of the validity and quality of published articles. One way to ensure the availability of access to research data is through the publication process at publishers, including publishing articles in scientific journals. This study aims to: a) Identify the policies of scientific journals in the field of library and information science in supporting the practice of managing research data; b) Identify and describe the process of managing research data in scientific journals in the field of library and information science; c) Identify the challenges faced in the implementation of the process; and d) Provide recommendations for the development of research data management policies in scientific journals in the field of library and information science. This research uses a qualitative approach with a case study method. Determination of informants through purposive sampling technique, namely the editors and authors of national scientific journals in the field of library and information science that are accredited SINTA 2. The data collection technique used semi-structured interviews, observations, and document studies conducted from August 2021 – March 2022. The results of the study indicate that scientific journal publishers have not fully focused their attention on research data in the publishing process, as there is no policy statement for submitting research data. However, this study found several challenges and policy developments that can be adopted by scientific journal publishers. This research concludes that scientific journal publishers need to prepare research data policies, competent human resources, and adequate infrastructure. This research suggests that further research should be conducted on the readiness of human resources, infrastructure, and implementation of the policy for submitting research data to scientific journal publishers. In addition, in order that the policy to be complied with, stakeholder collaboration needs to be carried out. "

"Data penelitian merupakan output dari kegiatan penelitian dan aset penting bagi institusi penelitian. Research data management (RDM) merupakan aktivitas penyimpanan, akses, dan pelestarian dari data yang dihasilkan dari proyek penelitian. Implementasi RDM di institusi penting dalam mendukung berbagi data dan kolaborasi. Tujuan dari penelitian ini yaitu membangun model penilaian kesiapan RDM. Model yang dapat digunakan untuk membantu institusi penelitian dalam menilai tingkat kesiapan dan mengidentifikasi kesenjangan untuk mengembangkan strategi dalam menerapkan RDM. Model penilaian kesiapan RDM terdiri dari dua komponen, yaitu model kesiapan dan metode penilaian kesiapan. Model kesiapan dibentuk dari sejumlah faktor yang merupakan standar kriteria untuk menyiapkan institusi dalam menerapkan RDM. Kerangka kerja technology, organization, people, dan environment (TOPE) digunakan sebagai panduan dalam memilih faktor dan indikator. Fuzzy Delphi Method digunakan untuk memvalidasi faktor dan indikator yang diturunkan dari literatur. Faktor yang dihasilkan kemudian diintegrasikan dengan faktor yang diperoleh dari hasil wawancara dengan pengelola data penelitian di beberapa institusi penelitian di Indonesia. Setelah dilakukan validasi pakar, hasil akhir dari model kesiapan RDM terdiri dari empat dimensi, 13 faktor dan 42 indikator. Penelitian ini mengungkapkan bahwa lingkungan merupakan faktor kunci dari kesiapan RDM, faktor ini belum dibahas pada penelitian sebelumnya. Komponen kedua dari model penilaian kesiapan RDM yaitu metode penilaian yang terdiri dari pembobotan kriteria, instrumen penilaian, dan klasifikasi level kesiapan. Bobot dari dimensi dan faktor kesiapan ditentukan dengan menggunakan best worst method. Urutan dimensi berdasarkan besaran bobot yaitu technology, people, organization, dan environment. Besaran dari rentang nilai pada level kesiapan diperoleh berdasarkan pendapat dari para pakar. Kategorisasi dari level kesiapan RDM yaitu rendah (0 - 1,55), sedang (1,56 - 3,45), dan tinggi (3,46 - 5.00). Dalam penelitian ini, purwarupa dikembangkan sebagai sarana uji validasi dari model penilaian kesiapan yang dikembangkan. Pengujian black box menunjukkan bahwa fungsionalitas antar muka dari purwarupa berjalan dengan baik. Nilai system usability scale (SUS) sebesar 73,57 mengindikasikan bahwa antar muka dapat diterima. Sepanjang pengetahuan dari peneliti, model penilaian kesiapan yang siap pakai, dilengkapi dengan bobot dari dimensi dan faktor, dan level kesiapan belum ditemukan untuk konteks RDM khususnya untuk konteks Indonesia. Hasil dari penelitian ini dapat digunakan oleh institusi penelitian untuk menilai kesiapan mereka dan mengidentifikasi area perbaikan dan mengurangi potensi kegagalan dalam implementasi RDM.

---

Research data is the output of research activities and an important asset for research institutions. Research data management (RDM) is the activity of storing, accessing, and preserving data generated from research projects. RDM adoption in institutions is crucial for fostering data sharing and collaboration. The aim of this study is to provide a model for evaluating RDM preparedness. A model that can be used to help research institutes evaluate their level of preparedness and identify any gaps before developing strategies for implementing RDM. The RDM readiness assessment model consists of two components, namely the readiness model and the readiness assessment method. The readiness model is composed of a number of factors that are prerequisites for preparing institutions to implement RDM. The technology, organization, people, and environment (TOPE) framework is used as a guide in selecting factors and indicators. The Fuzzy Delphi Method is employed to validate the factors and indicators derived from the literature. The derived factors are then integrated with those learned from interviews with research data managers at various research institutions in Indonesia. The RDM readiness model ultimately consists of four dimensions, 13 factors, and 42 indicators after expert validation. The environment, which was not previously covered in studies, is revealed in this study to be a critical aspect in RDM readiness. The assessment technique, which is made up of weighting criteria, assessment instruments, and a readiness level categorization, is the second part of the RDM readiness assessment model. The best-worst method is used to calculate the weights of the readiness dimensions and factors. The order of dimensions based on the amount of weight is technology, people, organization, and environment. Expert reviews are used to determine the size of the range of values at the level of readiness. RDM readiness levels are divided into three categories: low (0 - 1.55), medium (1.556 - 3.45), and high (3.46 - 5.00). In this study, a prototype was developed as a means of validity testing of the readiness assessment model. Black box testing shows that the interface functionality of the prototype is running well. The interface has a satisfactory system usability scale (SUS) score of 73.57. To the best of the researchers' knowledge, there are no ready-to-use readiness assessment models for the RDM context, particularly for the Indonesian environment, that include weights from dimensions and components and levels of readiness. The results of this study can be used by research institutions to assess their readiness and identify areas for improvement and reduce potential failures in RDM implementation."