Dokumen tersebut membahas tentang Indonesia OneSearch (IOS) sebagai sistem penemuan nasional untuk repositori akses terbuka di Indonesia. IOS mengumpulkan data dari berbagai perpustakaan dan repositori melalui protokol OAI-PMH, melakukan pengolahan otomatis seperti penemuan kembali dan penghapusan duplikat, serta mengekstrak fakta dari dokumen untuk membangun grafik pengetahuan. Tujuan akhir IOS adalah memb

1. Repositori Akses
Terbuka di Indonesia
Ismail Fahmi, PhD.
Inisiator
Indonesia OneSearch (IOS)
Ismail.fahmi@gmail.com
Lokakarya Nasional PDII LIPI
10 Agustus 2016

2. 2
1992 – 2007 S1, Teknik Elektro, ITB
2003 – 2004 S2, Computational Linguistics, Universitas Groningen, Belanda
2004 – 2009 S3, Computational Linguistics, Universitas Groningen, Belanda
2000 – 2003 Inisiator IndonesiaDLN (Digital Library Network pertama di Indonesia)
Mengembangkan Ganesha Digital Library (GDL)
Mendirikan Knowledge Management Research Group (KMRG) ITB
Membangun Digital Library ITB
2009 – Sekarang Engineer di Weborama, Perusahaan berbasis big data (Paris/Amsterdam)
2012 – Sekarang Co-Founder Awesometrics, Media Monitoring & Analytics Company
2014 – Sekarang Founder PT. Media Kernels Indonesia, a Natural Language Processing Company
2015 – Sekarang Konsultan Perpustakaan Nasional, Inisiator Indonesia OneSearch
Ismail Fahmi, PhD.
Ismail.fahmi@gmail.com

3. Agenda
•Manfaat Open Access
•Pengumpulan Data
•Metadata
•Otomasi Pengolahan
•Temu Kembali
•Semantic Web
•Copyright
3

4. 4
Jack Andraka
15 tahun, USA

5. 5

6. Open Access Around The World
6

7. Goal
7
“To have a robust national
open access repository
discovery system”
INDONESIA
Discovery System

8. OAI Discovery System
8
Merupakan sebuah

9. Indonesia OneSearch (IOS)
9

10. Sumber Data: Perpustakaan
10
Total:
66.000+
* Sumber:Perpusnas 2016

11. Jenis Data
11
Katalog Buku E-Journal Digital Repository Museum
Discontinued

12. Pengumpulan Data
12
OAI-PMH
a low-barrier interoperability framework
Standard Interoperability Protocol
~75%
Repository di
seluruh dunia
‘OAI-Compliant’

13. Skenario Harvesting
13

14. Any Platforms – Any Collections
14
Any Platforms Any Collections

15. Standard OAI-PMH
15
Harvester Provider
(Repository)
Request Verbs:
• Identify
• ListMetadataformats
• ListSets
• ListIdentifiers
• ListRecords
• GetRecord
https://www.openarchives.org/OAI/openarchivesprotocol.html

16. Semua Harus Mengikuti Standard
16
http://an.oa.org/OAI-script?
verb=ListRecords&
from=1998-01-15&set=physics:hep&
metadataPrefix=oai_rfc1807
https://jurnal.uns.ac.id/index.php?
journal=alchemy&
page=oai&
verb=ListRecords&
metadataPrefix=oai_dc
badArguments:
journal,page
https://www.openarchives.org/OAI/openarchivesprotocol.html

17. Metadata
17
Paling banyak dimplementasikan
(berdasarkan data Indonesia OneSearch):
• MARC à marcxml
• DC à oai_dc
http://an.oa.org/OAI-script?
verb=ListRecords&metadataPrefix=oai_dc
http://an.oa.org/OAI-script?
verb=ListRecords&metadataPrefix=marcxml

18. Metadata Harus Standard
18
Semua platform software yang berbasis open source
seperti OJS, Eprints, Dspace, dan Koha, sudah
medukung dan comply dengan standard OAI-PMH dan
metadata.
Software lokal cukup banyak yang tidak mendukung
OAI-PMH, atau yang tidak comply.
SLIMS paling banyak digunakan di Indonesia, dan versi
lama belum comply. Versi OAI-PMH untuk SLIMs dapat
didownload di:
http://wiki.onesearch.id/doku.php?id=oai-slims

19. Otomasi Pengolahan
19
Valid?
Repository Admin
Harvester Admin
OAI Harvester & Index
Periodic
Harvesting
No Yes

20. Temu Kembali
20
• Auto-Suggest
• Relevancy Search
• Faceting
• Deduplication

21. Auto-Suggest
21

22. Relevancy & Facet
22
Sort by Relevancy, etc.
Facet

23. Duplicate Records
23

24. Deduplication
24
Sebelum Sesudah

25. Semantic Web
25

26. Contoh: Semantic Search
26
Fact Extraction

27. Fact Extraction
27
Fact extracted
from document

28. Fact Extraction dalam Medical
28
Fact extracted
from document

29. 29

30. Knowledge Graph
30

31. Resource Description Framework (RDF)
31

32. IOS: Fact Extraction
32

33. Text Analysis
33
Text Analysis is:
• the process of
analyzing unstructured
text,
• extracting relevant
information
• and then transforming
that information into
structured information
• that can be leveraged
in different ways

34. Contoh: Tesis “Hak Ulayat”
34

35. Contoh: Tesis dari UNDIP
35
Fullteks tesis: 112 halaman
Bahasa: Indonesia

36. 36
S
P
O

37. Fact Graph
37

38. Fact Graph
38

39. Co-occurrence Analysis
39

40. Open vs Closed Access
40

41. Open vs Closed Access
41

42. Contoh: Tesis dari UAJ
42

43. Open Access: Enabling Innovation
43
Tesis dari UNDIP Tesis dari UAJ

44. Text Analysis: Manfaat
44
Semoga bisa menjadi dasar
pemahaman:
• interdisiplinaritas,
• cross-disciplinarity,
• transdisciplinarity, dan
multidisciplinarity
- Edda Priyanto – Dosen Ilmu Perpustakaan UGM

45. Open Access Copyright
45
1. Authors sign a publishing
agreement where they will
have copyright but grant
broad publishing and
distribution rights to the
publisher.
2. The author choosesan end
user license under which
readers can use and share
the article.
3. The publisher makesthe
article available online with
the author's choice of end
user license.

46. Text Analysis: Open Access Licensing
46
PDF, 55 pages, English

47. Knowledge Graph: Open Access
47

48. People
48

49. Road Map IOS
49
Tahap 1 (2015): OneSearch Portal
OneSearch Portal (Bibliografi)
•Software Indonesia
OneSearch
•Harvesting data bibliografi
•Protokol standard OAI-PMH
•Repository: Katalog buku,
Jurnal Online, Repositori
digital
Tahap 2 (2016-2017): Text Analysis
Text Analysis (Full Teks)
• Crawling fullteks (PDF) TA, tesis,
disertasi, laporan penelitin,dan
artikel jurnal dari Intitusi di
Indonesia.
• Text analysis menggunakan
teknologi NLP (Natural Language
Processing)
• Information Extraction &
Knowledge Mapping berbasis
NLP
• Research Mapping antar Institusi
Tahap 3 (2018-2020):
Layanan Anti Plagiarism
No Plagiarism (Services)
• Sistem dan Layanan
NoPlagiarism untuk karya
berbahasa Indonesia.
• Sumber: Wikipedia (Bahasa
Indonesia), Online News, TA,
Tesis, Disertasi, artikel jurnal,
laporan penelitian (open
access)
• Layanan online plagiarism
checkinguntuk mahasiswa dan
peneliti di Indonesia

50. Kesimpulan
50
• Open Access akan membantu mempercepat terjadinya
INOVASI.
• Open Access Indonesia – Discovery System (OAI-DS),
dibutuhkan untuk mengelola seluruh repositori Open Access
dan seluruh jenis data (tidak terbatas pada e-jurnal).
• Indonesia OneSearch (IOS) adalah sebuah OAI-DS.
• Text Analysis dan Fact Extraction dalam IOS merupakan
langkah awal membangun Knowledge Graph dari seluruh
repositori Open Access di Indonesia.

51. Terimakasih
51
Ismail Fahmi, PhD
Email: ismail.fahmi@gmail.com
Hp: 0812 8908 3894