Implementasi Sistem Penyimpanan dan Penyesuaian Skema Metadata pada Repositori Data Penelitian Menggunakan CKAN

Seiring dengan berkembangnya ilmu pengetahuan yang semakin kolaboratif dan berbasis komputasi, peneliti dituntut untuk mampu mengelola dan menyimpan data penelitian secara lebih terstruktur. Salah satu platform yang dapat dimanfaatkan untuk kebutuhan ini adalah CKAN, yang berfungsi sebagai repositori data penelitian dan mendukung penerapan manajemen data. Namun, metadata CKAN secara default belum sepenuhnya memenuhi kebutuhan yang spesifik untuk pengembangan repositori data penelitian. Oleh karena itu penelitian ini berfokus pada penyesuaian skema metadata dari CKAN dan melibatkan implementasi sistem penyimpanan data penelitian pada repositori. Penelitian ini dilakukan dengan menggunakan metode pengembangan Waterfall. Metode pengujian yang digunakan pada penelitian ini adalah pengujian sistem black box dengan data uji berupa data skripsi dan beberapa variasi sampel dataset yang berbeda. Hasil pengujian menunjukkan bahwa seluruh fungsi pada repositori dengan metadata yang telah disesuaikan dapat berfungsi dan berjalan dengan baik sampai dengan proses penyimpanannya. Penelitian ini diharapkan dapat memberikan kontribusi positif terhadap efisiensi dan transparansi dalam manajemen data penelitian.

Along with the development of science that is becoming increasingly collaborative and computational-based, researchers are required to be able to manage and store research data in a more structured manner. One of the platforms that can be utilized for this need is CKAN, which functions as a research data repository and supports the implementation of data management. However, CKAN's default metadata does not fully meet the specific needs for the development of research data repositories. Therefore, this study focuses on customizing the metadata schema of CKAN and involves the implementation of a research data storage system in the repository. This study was conducted using the Waterfall development method. The testing method used in this study is black box system testing with test data in the form of thesis data and several variations of different dataset samples. The test results show that all functions in the repository with the customized metadata can operate and run properly up to the storage process. This study is expected to provide a positive contribution to efficiency and transparency in research data management.