MANAJEMEN DATA PENELITIAN DENGAN DATAVERSE: BEST PRACTICE PUSTAKAWAN MENGGUNAKAN SISTEM REPOSITORI ILMIAH NASIONAL LIPI

Instansi perpustakaan, lembaga penelitian dan pengembangan (litbang), dan lembaga pendidikan tinggi (universitas) pada era digital dan big data seperti sekarang ini telah mulai ramai membicarakan tentang bagaimana mengelola data-data dan karya ilmiah ke dalam suatu database atau portal terintegrasi. Hal tersebut dilakukan agar seluruah data dan karya ilmiah mereka dapat diakses, di-download, dan dibaca dengan mudah serta dapat digunakan kembali oleh peneliti dan masyarakat. Bagi mereka, data dan karya ilmiah telah menjadi aset intelektual yang harus dijaga dan dirawat dengan baik serta dapat diakses dalam jangka waktu yang panjang. Sebagai aset intelektual maka data dan karya ilmiah ini harus dapat dikutip, disitasi, dan digunakan kembali agar dapat berdampak pada peningkatan kualitas penelitian. Keseriusan dalam pengelolaan data dan karya ilmiah ini harus didukung oleh komitmen yang besar dari lembaga dan sivitas akademika agar dalam pemanfaatannya dapat efektif dan efisien serta berdampak pada peningkatan keilmuan lembaga dan penelitinya. Beberapa komitmen lembaga tersebut dapat diwujudkan dengan membangun database repositori data ilmiah dan melibatkan pustakawan dalam proses manajemen data penelitian (research data management/RDM). MacMillan (2014) mengatakan pustakawan dapat memberikan dukungan penelitian dalam bentuk repositori data ilmiah dan menginformasikan solusi atas permasalahan manajemen data. Terkait hal tersebut, pustakawan perlu mengembangkan keterampilan untuk mendukung pekerjaannya, khususnya ia harus memiliki kompetensi teknologi informasi untuk mengelola data penelitian. Dengan kompetensi tersebut pustakawan akan mampu membantu memenuhi kebutuhan informasi dan data bagi para peneliti. Tantangan pustakawan ke depan adalah mengintegrasikan literasi data ke dalam sesi pengajaran dan menyiapkan generasi ilmuan berikutnya dengan menggabungkan pemanfaatan data dan manajemen data dalam alur kerja penelitian mereka. Farida (2018) mengatakan bahwa dalam era big data, perpustakaan sebagai salah satu penyedia informasi tentunya memiliki sumber data yang terus bertambah dan perlu penanganan khusus dalam manajemen data, apalagi tren penelitian saat ini mengacu pada penelitian berbasis data. Hal senada juga dikatakan Wittenberg, Sackmann, & Jaffe (2018) bahwa pustakawan berperan sebagai penghubung (liaison) dan domain-sentric dalam menghubungkan peneliti dengan sumber-sumber informasi penting. Selain itu, pustakawan juga berperan sebagai konsultan dalam penentuan topik-topik penelitian yang sedang populer. Aktivitas tersebut merupakan bagian dari RDM. Contohnya pada kegiatan Tim Manajemen Data Penelitian di University of California, Berkeley yang telah menerapkan program dasar pelatihan RDM bagi pustakawan untuk meningkatkan ketrampilan sebagai penghubung kegiatan penelitian dan mendukung supplay data penelitian untuk komunitas penelitiannya. Pustakawan sebagai pengelola perpustakaan juga dituntut memiliki kemampuan dan keterampilan bidang teknologi informasi untuk mengelola data tersebut. Sebagai pengelola data penelitian, pustakawan tidak hanya berperan sebagai penelusur informasi dan penyedia data penelitian, tetapi sebagai aktor utama dalam penelitian yang diwujudkan dalam karya tulis ilmiah serta pengelola data penelitian agar dapat digunakan kembali oleh peneliti lainnya (Carlson & Kneale, 2011). Komitmen pengembangan database repositori data ilmiah dan pelibatan pustakawan dalam kegiatan pengelolaan data penelitian ini diimplementasikan oleh Pusat Data dan Dokumentasi Ilmiah – Lembaga Ilmu Pengetahuan Indonesia (PDDI LIPI) dalam bentuk database Repositori Ilmiah Nasional (RIN). Database RIN dibangun dengan platform Dataverse (https://dataverse.org/), yaitu sebuah aplikasi web open source untuk berbagi, melestarikan, mengutip, mengeksplorasi, dan menganalisis data penelitian. Berdasarkan uraian di atas, kajian ini membahas empat hal yaitu: (1) sekilas tentang Dataverse dan RIN; (2) pengelolaan data penelitian dengan Dataverse RIN?; (3) pemanfaatan data penelitian dengan Dataverse RIN; dan (4) tantangan pustakawan dalam manajemen data penelitian. Mengacu pada empat bahan bahasan tersebut, data kajian ini bersifat deskriptif – kualitatif. Data kajian bersumber dari studi dokumen/literatur dan simulasi melalui Dataverse RIN. Hasil simulasi penulis (pustakawan) merupakan best practice (pengetahuan, keterampilan, dan pengalaman) dalam pengelolaan dan pemanfaatan data penelitian melalui Dataverse RIN (Gambar 1). Gambar 1. Database RIN Sumber: https://rin.lipi.go.id/ Hasil studi dokumen/literatur dan simulasi ini menajdi dasar bahan pembahasan dan kesimpulan kajian ini.

Sekilas Dataverse dan RIN Dataverse adalah perangkat lunak berbasis open source yang memungkinkan hosting ke repositori data penelitian. Dataverse menyediakan fitur layanan infrastruktur dan pelestarian arsip, dan memungkinkan para peneliti untuk berbagi, mengendalikan, dan mendapatkan pengakuan untuk data mereka melalui antarmuka browser web yang mudah diakses (https://www.iq.harvard.edu/ product-development). Dataverse dikembangkan oleh The Institute for Quantitative Social Science (IQSS), bersama dengan kolaborator dan kontributor di seluruh dunia. Dataverse dibangun melalui proyek Virtual Data Center (VDC) yang dimulai sejak 1999-2006 kolaborasi antara Pusat Data Harvard-MIT (sekarang bagian dari IQSS) dan Perpustakaan Universitas Harvard. Fitur Dataverse mencakup layanan untuk: (1) peneliti, mengontrol penuh terhadap aksesibilitas data penelitian, ketersediaan web, kredit akademik, dan peningkatan jumlah sitasi; (2) jurnal, pengelola jurnal dapat mengajukan, meninjau, dan mempublikasikan data terkait dengan artikel yang diterbitkan di jurnal (Open Journal System); (3) institusi, institusi/lembaga dapat menetapkan solusi dan kebijakan pengelolaan data penelitian dalam komunitasnya—mencakup norma-norma untuk berbagi, melestarikan, mengutip, menjelajahi, dan menganalisis data penelitian; (4) pengembang, pengembang web dapat membangun komunitas pengguna dengan memperhatikan norma-norma untuk berbagi, melestarikan, mengutip, menjelajahi, dan menganalisis data penelitian, serta menyumbang ekstensi kode, dokumentasi, pengujian, dan/atau standar. Di dunia diketahui ada 36 institusi/lembaga yang menggunakan Dataverse untuk mengelola data penelitian, dan daftar lembaganya lihat pada Tabel 1. Tabel 1. Daftar Institusi/Lembaga Pengguna Dataverse di Dunia No Nama Portal Alamat URL Institusi/ Lembaga Negara 1 B o t s w a n a Harvard Data https://dataverse. bhp.org.bw Botswana Harvard AIDS Institute Partnership Bostwana 2 Repositório de DadosdePesquisa da UFABC http://dataverse. ufabc.edu.br/ Universidade Federal do ABC Brazilia 3 IBICT https:// repositoriopesquisas. ibict.br/ Cariniana Brazilia Brazilia 4 UWI (The University of the West Indies) https://dataverse.sta. uwi.edu/ The University of the West Indies Research Datasets Repository Cuba 5 CIMMYT https://data.cimmyt. org/ CIMMYT Research Data & Software Repository Network Mexico 6 UNB Libraries Dataverse https://dataverse.lib. unb.ca/ the University of New Brunswick Canada 7 Dalhousie University Dataverse https://dataverse. library.dal.ca/ The Dalhousie University Canada 8 University of Manitoba Dataverse https://dataverse.lib. umanitoba.ca/ University of Manitoba Canada 9 Abacus Dataverse Network http://dvn.library. ubc.ca/dvn/ The British Columbia Research Libraries’ Data Services, Canada 10 UAL Dataverse https://dataverse. library.ualberta.ca/ the University of Alberta Libraries/ University of Alberta Canada 11 Scholars Portal https://dataverse. scholarsportal.info/ Ontario universities Canada 12 Texas Data Repository Dataverse https://dataverse.tdl. org/ Texas Digital Library (TDL) United States 13 UNC Dataverse https://dataverse. unc.edu/ the Odum Institute for Research in Social Science United States 14 VTTI https://dataverse.vtti. vt.edu/ the Virginia Tech Transportation Institute United States 15 Libra Data https://dataverse.lib. virginia.edu/ the Rector and Visitors of the University of Virginia United States 16 Johns Hopkins University https://archive.data. jhu.edu Johns Hopkins University United States 17 H a v a r d Dataverse https://dataverse. harvard.edu/ The President & Fellows of Harvard College United States 18 Maine Dataverse Network http://dataverse.acg. maine.edu/dvn/ the ACG@ UMaine United States 19 Qualitative Data Repository https://data.qdr.syr. edu/ Syracuse University United States 20 LIPI DataverseRepositori Ilmiah Nasional (RIN) https://rin.lipi.go.id/ Lembaga Ilmu Pengetahuan Indonesia Indonesia 21 Center for I n t e r n a t i o n a l Forestry Research (CIFOR) https://data.cifor.org/ Center for International Forestry Research (CIFOR) Indonesia 22 DR-NTU (Data) https://researchdata. ntu.edu.sg/ Nanyang Technological University (NTU) Singapore 23 DataSpace@ HKUST https://dataspace.ust. hk/ HKUST Library, The Hong Kong University of Science and Technology China 24 Fudan University Social Science Data Repository https://dvn.fudan. edu.cn/home/ Fudan University China 25 P e k i n g University http://opendata.pku. edu.cn/ Peking University China 26 ICRISA T (Inter nat iona l Crops Research Institute for the Semi-Arid Tropics) http://dataverse. icrisat.org/ The International Crops Research Institute for the Semi-Arid Tropics (ICRISAT) India 27 ADA Dataverse- -The Australian Data Archive https://dataverse.ada. edu.au/ Institute for Quantitative Social Science Australia 28 D a t a v e r s e N O ( N e t w o r k s Norway) https://dataverse.no/ UiT The Arctic University of Norway Norwaygia 29 Dataverse e-cienciaDatos https://edatos. consorciomadrono. es/ Consorcio Madroño Spanyol 30 C I R A D : A g r i c u l t u r e Research and Development https://dataverse. cirad.fr/ CIRAD: Agriculture Research and Development France 31 Catalogues (CDSP) https://catalogues. cdsp.sciences-po.fr/ Center for SocioPolitical Data (Sciences Po and CNRS) France 32 INRA Science & Impact https://data.inra.fr/ INRA France 33 AUSSDA Dataverse https://data.aussda. at/ AUSSDA - The Austrian Social Science Data Archive Austria 34 HeiDATA https://heidata.uniheidelberg.de/ Heidelberg University Germany 35 IISH Dataverse https://datasets. socialhistory.org/ The Institute for Quantitative Social Science/ The President & Fellows of Harvard College Netherlands 36 DataverseNL https://dataverse.nl/ Data Archiving and networking Services (DANS)/ Dutch universities Netherlands Sumber: https://dataverse.org/ Tabel 1 menunjukkan bahwa ada 17 negara yang telah memanfaatan Dataverse untuk pengelolaan data penelitian. Kemudian pada Tabel 2 dan Gambar 2 ditunjukkan bahwa negara yang paling banyak memanfaatkan Dataverse adalah United States (8 lembaga), yaitu Texas Data Repository Dataverse, UNC Dataverse, VTTI, Libra Data, Johns Hopkins University, Havard Dataverse, Maine Dataverse Network, dan Qualitative Data Repository. Sementara di Indonesia hanya ada 2 lembaga pengguna Dataverse, yaitu Center for International Forestry Research (CIFOR) dan Lembaga Ilmu Pengetahuan Indonesia (LIPI). Gambar 2. Jumlah Dataverse di Berbagai Negara Platform Dataverse ini menjadi dasar pengembangan database RIN di LIPI sejak tahun 2016. RIN merupakan sarana untuk berbagi, melestarikan, mengutip, mengeksplorasi, dan menganalisis data penelitian (https://rin.lipi.go.id/). Platform ini memfasilitasi untuk membuat data secara online yang memungkinkan pemilik data dan pengguna lain dapat mereplikasi pekerjaan penelitian orang lain dengan mudah. Tujuan lembaga membangun database RIN yaitu untuk: (1) meningkatkan kesadaran para peneliti (di Indonesia) untuk berbagi data ilmiah/ penelitian guna peningkatan iptek dan kualitas hasil penelitian; (2) menyediakan sistem interoperabilitas pengelolaan data penelitian terintegrasi secara nasional. Pengaturan hak akses data penelitian di database RIN diserahkan kepada pemilik data, apakah data akan dibuka (open access) atau ditutup (closed access), sedangkan lembaga (PDDI LIPI) hanya berperan sebagai fasilitator dan depositor nasional untuk integrasi pengelolaan dan pemanfaatan data penelitian di Indonesia. Melalui database RIN, pengguna dapat kolaborasi dengan berbagai pihak pusat penelitian dan meminta untuk segera mempublikasikan aset penelitiannya sehingga masyarakat lebih mudah mendapatkan informasi dan membuat data center (Tempo. Co, 2019). Selain itu, pemilik data akan lebih mudah melakukan penyimpanan dan berbagi data, mendapatkan jaminan keteraksesan dan keamanan data dalam suatu sistem online yang terintegrasi. Pengelolaan Data Penelitian Dengan Dataverse RIN Manajemen atau pengelolaan data penelitian merupakan suatu proses untuk mengelola, menemukan, mengakses, dan menggunakan data, informasi dan semua hal yang berkaitan dengan kegiatan penelitian. Tujuan dari RDM ada Manajemen data penelitian bertujuan untuk: (1) memudahkan pemanfaatan kembali data primer penelitian untuk data pendukung pengembangan penelitian; (2) meningkatkan reputasi peneliti atau lembaga yang bersangkutan melalui sitasi dari penggunaan data; (3) menghubungkan antara data primer penelitian dan hasil penelitian (karya ilmiah). Dalam mengelola data penelitian, pustakawan (sebagai depositor, kurator, dan sebagainya, lihat Tabel 3) perlu memperhatikan siklus hidup data penelitian agar data yang dipreservasi dapat selalu tersedia dan diakses dalam jangka waktu panjang. Siklus hidup data penelitian ini dapat mengacu dan mengadopsi siklus hidup data penelitian UK Data Service (Gambar 3). Gambar 3. Siklus hidup data penelitian UK Data Service (Sumber: https://www.ukdataservice.ac.uk/manage-data/lifecycle) Mengacu pada siklus hidup penelitian UK Data Service, pengelolaan data penelitian di Indonesia melalui Dataverse RIN dapat dilakukan dengan tahapan sebagai berikut (Tabel 2).Tabel 2. Tahapan RDM Adopsi Siklus Hidup Data Penelitian UK Data Service No Siklus Hidup Data Penelitian (UK Data Service) Pengelolaan Data Penelitian Melalui Dataverse RIN Program RDM melalui Dataverse RIN 1 Perencanaan penelitian (Planning research) - Rencana penelitian - Manajemen perencanaan data - Fokus perencanaan berbagi - Rencana pengumpulan data, pengolahan protokol - Eksplorasi ketersediaan sumber data - Membuat kebijakan deposit data penelitian di Dataverse RIN - Menyusun proposal berdasarkan data dan kebutuhan kegiatan penelitian - Mendepositkan proposal dan data pendukung penelitian ke Dataverse RIN - Melakukan sosialisasi dan bimtek pengelolaan dan pemanfaatan data penelitian melalui RIN - Inisiasi kerjasama dan MoU pengelolaan data data penelitian melalui RIN - Pengusulan jabatan kurator data penelitian ke LIPI - Pengembangan sistem dan fitur Dataverse RIN secara bertahap - Membuat laporan pemanfaatan data dalam kurun waktu tertentu 3 Proses dan analisis (Processing and Analizing) - Memasukkan, mendigitalkan, menuliskan, dan menerjemahkan data - Mengecek, memvalidasi, membersihkan, menghilangkan identitas - Mengirim data - Mendeskripsikan dan mendokumentasikan data - Mengelola dan menyimpan data - Menganalisis dan menginterpretasikan data - Memproduksi hasil penelitian - Mensitasi sumber data - Menetapkan perangkat/ aplikasi pengolah data - Menyiapkan data terolah untuk deposit data ke Dataverse RIN 4 Publikasi dan berbagi data (Publishing and sharing data) - Memastikan copyright - Membuat dokumentasi pengguna - Membuat deskripsi metadata - Menyeleksi kesesuaian data - Mempublikasikan/ membagikan data - Mempromosikan data - Mengatur hak akses deposit data di Dataverse RIN - Menetapkan pengguna data (publik atau grup/komunitas) 5 Preservasi data (Preserving data) - Migrasi data ke format/ media terbaik - Menyimpan dan membackup data - Membuat dokumentasi preservasi - Menjaga dan mengkurasi data - Melakukan back up data penelitian ke database selain Dataverse RIN - Migrasi data dan membuat dokumentasi preservasi data 6 Penggunaan kembali data (Re Using data) - Menghubungkan dengan sistem analisis - Melakukan penelitian pengembangan - Menghubungkan review penelitian - Meneliti pendanaan - Menggunakan data untuk pengajaran dan pembejaran - Menginformasikan pemanfaatan data penelitian di Dataverse RIN ke publik, baik melalui pertemanan, research group, media sosial, web/database lain Berikut ini ada beberapa hal yang perlu diperhatikan pustakawan atau pengelola data ketika mengelola data penelitian melalui Dataverse RIN: 1. Pengelolaan data penelitian ini dapat dilakukan oleh individu (peneliti/pemilik data), grup/komunitas, ataupun institusi/lembaga. 2. Pengelola data dapat mengoperasionalkan Dataverse RIN mulai dari pembuatan akun pengguna, manajemen dataverse dan dataset, pengaturan peran, pendeskripsian metadata, pengaturan akses data, validasi/kurasi data, publikasi, berbagi data, hingga penggunaan kembali data penelitian. 3. Penamaan Dataverse dan/atau Dataset dapat ditetapkan berdasarkan kebijakan pemilik data, apakah berdasarkan nama departemen, jurnal, laboratorium, organisasi atau institusi, peneliti, grup peneliti, proyek penelitian, kursus pembelajaran, atau kategori lainnya. Pada saat mengelola konten data penelitian, depositor data harus mengetahui hierarki manajemen Dataverse—Dataset—File. Dataverse adalah ruang penyimpanan Dataverse adalah tempat kumpulan dari beberapa Dataset dan juga dapat berisi kumpulan Dataverse (data penelitian, kode, dokumentasi, dan metadata) dan data lainnya yang dapat diatur sesuai kebutuhan peneliti, departemen, jurnal, dan organisasi (Gambar4). Agar dataset dapat terpublikasi, pengguna harus mempublikasikan Dataverse terlebih dahulu sebelum dataset dalam dataverse itu dapat dipublikasikan. Dataset adalah wadah untuk menyimpan dan mengelola data, dokumentasi, kode, dan deskripsi metadata yang menggambarkan Dataset tersebut (Gambar 5). Dataset terdiri dari tiga level metadata, antara lain: 1. Citation Metadata, metadata apapun yang diperlukan untuk menghasilkan kutipan data dan metadata umum lainnya dapat diterapkan ke Dataset apapun 2. Domain Specific Metadata, dukungan khusus ini digunakan untuk Dataset Social Science, Life Science, Geospatial, and Astronomy. 3. File-level Metadata, bervariasi tergantung pada jenis file data. Sedangkan file adalah objek digital yang disimpan dalam format tertentu yang terbaca oleh sistem komputer. Format file data yang dapat disimpan di Dataverse mencakup: (1) Image: JPEG, JPG2000, PNG, TIFF, GIF; (2) Text: plain text (TXT), HTML, XML, PDF/A, PDF, DOC, RTF; (3) Audio: AIFF, WAVE; (4) Containers: TAR, GZIP, ZIP, RAR; (5) Databases: prefer XML or CSV to native binary formats (Dataverse, 2019). Gambar 4. Skema diagram manajemen dataverse dan dataset Gambar 5. Skema diagram manajemen dataset dan file Pemanfaatan Data Penelitian dengan Dataverse RIN Dalam pemanfaatan data penelitian, depositor data harus memahami beberapa peran dan kompetensi berikut ini (Tabel 3). Tabel 3. Daftar Peran & Kompetensi Pengelola Data Penelitian di Dataverse No Peran Deskripsi Kompetensi 1 Admin Peran yang memiliki seluruh izin akses untuk Dataverse, Dataset, dan file. Memahami & mengetahui sistem kerja aplikasi Dataverse Memahami level dan mampu membuat peran pengguna berdasarkan tugas dalam pengelolaan data 2 Curator Peran yang dapat m e n g u b a h / e d i t ketentuan dan lisensi Dataset dan menerbitkan Dataset. Memahami dan mampu melakukan proses kurasi data penelitian mulai dari akuisisi data, manajemen dataverse/ dataset/file, validasi data, publish data, dan pemanfaatan kembali data 3 Contributor Peran yang dapat m e n g u b a h / e d i t ketentuan dan lisensi Dataset, serta submit untuk di-review. Mampu melakukan submit data dan editing data dalam dataset 4 Dataset Creator Peran yang dapat m e n a m b a h k a n Dataset ke dalam Dataverse. Mampu membuat dataset dan mengelola file data dalam dataset 5 Dataverse + Dataset Creator Peran yang dapat m e n a m b a h k a n Dataverse ke dalam Dataverse (subDataverse) dan m e n a m b a h k a n Dataset ke dalam Dataverse. Mampu membuat dan mengelola Dataverse dan Dataset dalam suatu/ berbagai research project Mampu mengedit metadata Dataverse, Dataset, dan File dalam suatu/berbagai research project 6 Dataverse Creator Peran yang dapat m e n a m b a h k a n Dataverse ke dalam Dataverse (subDataverse). Mampu membuat dataverse utama dan sub-dataverse secara sistematis 7 File Downloader Peran yang dapat mengunduh file yang sudah diterbitkan. Memahami dan mampu menggunakan sistem pencarian informasi di dataverse dan proses mengunduh data 8 Member Peran yang dapat melihat Dataverse dan Dataset yang belum diterbitkan. Memahami cara registrasi dan mampu menggunakan sistem pencarian informasi di dataverse Sumber: Roles in the Texas Data Repository (McEniry & Mumma, 2018) Berdasarkan peran pengguna di atas, depositor dan pengguna umum dapat memanfaatkan kembali data penelitian melalui Dataverse RIN dengan cara: (1) menelusur dan mendownload data penelitian melalui Dataverse RIN sesuai kebutuhan. Apabila data dibatasi aksesnya (dengan alasan tertentu), pengguna dapat menghubungi pemilik data melalui menu request access; (2) data yang telah di-donwload, dimanfaatkan untuk pengembangan penelitian sejenis (satu bidang keilmuan) atau untuk meningkatkan kolaborasi penelitian, baik antar-individu peneliti maupun antarinstansi/lembaga. Platform Dataverse juga memungkinkan peneliti melakukan kolaborasi dalam memanfaatkan data penelitian baik untuk internal tim penelitian maupun eksternal tim penelitian (Yoganingrum, et al. 2015). Tantangan Pustakawan dalam Manajemen Data Penelitian Lembaga atau institusi yang telah menetapkan kebijakan pengelolaan data penelitian seperti di LIPI dan beberapa lembaga litbang di Indonesia, telah menempatkan perpustakaan sebagai sumber referensi penelitian dan pustakawan sebagai kolaborator dan pengelolah data penelitian. Kebijakan tersebut tentunya berdampak pada pergeseran (shifting) peran pustakawan di lembaga tersebut. Sebagaimana yang terjadi pada pustakawan di LIPI, yakni sejak ujicoba pengembangan Database RIN pada tahun 2015 dan diterbitkannya dokumen kebijakan pengelolaan data penelitian di lingkungan LIPI, yaitu: (1) Naskah Akademik Rancangan Kebijakan Implementasi Repositori Ilmiah Nasional; (2) Peraturan Kepala Lembaga Ilmu Pengetahuan Indonesia Republik Indonesia Nomor 12 Tahun 2016 tentang Repositori dan Depositori Lembaga Ilmu Pengetahuan Indonesia; dan (3) Peraturan Kepala LIPI Nomor 1 Tahun 2019 tentang Organisasi dan Tata Kerja Lembaga Ilmu Pengetahuan Indonesia, peran pustakawan di LIPI bergeser dari pustakawan pengelola koleksi perpustakaan menjadi pustakawan pengelola data ilmiah. Selain itu, tugas dan fungsi PDDI juga bergeser dari pusat dokumentasi dan informasi ilmiah menjadi pusat repositori dan depositori (data) ilmiah dan non-ilmiah. Mengacu tugas dan fungsi lembaga, Pustakawan PDDI dituntut mampu melakukan penyusunan kebijakan teknis, rencana, dan program pengelolaan data, informasi, dan dokumentasi ilmiah dan non-ilmiah. Sebagai pustakawan pengelola data penelitian lembaga, ia memiliki tantangan dalam pelaksanaan tugas dan pekerjaannya. Ada beberapa tantangan pustakawan dalam pengelolaan data penelitian lembaga, yakni sebagai berikut. Mampu memahami konsep dan proses kurasi data penelitian di Dataverse RIN Kurasi data telah muncul sebagai area tanggung jawab baru bagi peneliti, pustakawan, dan profesional informasi di lingkungan perpustakaan digital (Tammaro, et al., 2017). Dalam beberapa tahun terakhir, pengembangan di bidang kurasi digital dan kurasi data terjadi secara cepat serta di tahun 2007 peran digital data kurasi untuk perpustakaan dan pustakawan menjadi topik baru di penelitian, percakapan, perkembangan kebijakan, pendidikan dan perdebatan (Kusumaningrum, Riyanto, & Triasih, 2018). Adapun proses kurasi data penelitian di Dataverse RIN, yaitu: 1) Menilai dan memilih dataset yang sudah di-input ke Dataverse RIN, apakah sudah sesuai kriteria sebagai data penelitian atau tidak. Jika tidak sesuai kriteria, kurator menginformasikannya ke pemilik data. Kriteria data penelitian menurut DMPTool (2019) yaitu data penelitian yang bersumber dari kegiatan: (a) observasi (pembacaan sensor, telemetri, hasil survei, gambar); (b) eksperimental (sekuens gen, kromatogram, pembacaan medan magnet); (c) simulasi (model iklim, model ekonomi); dan (d) asli/kompilasi (penambangan teks dan data, database terkompilasi, model 3D). 2) Memeriksa kelengkapan metadata, apakah sudah lengkap atau sesuai pada setiap Dataset. Jika tidak lengkap, kurator melengkapi metadata deskriptif data, sedangkan substabsi datanya dikembalikan kepada pemilik data. 3) Mengecek dan meninjau konten file data, apakah data dapat dibaca dengan perangkat aplikasi komputer atau ditutup aksesnya. Jika file data tidak dapat dibuka/ dibaca, kurator menginformasikannya ke pemilik data tentang tata cara membaca file data tersebut dalam sebuah catatan file dokumensi (contoh: readme text) yang di-upload ulang pada Dataset. 4) Mengecek struktur data tabular (Ms.Excel atau .csv), apakah memiliki identitas header pada setiap data tabular dalam satu Dataset. Jika tidak ada, pemilik data melengkapi identitas header—termasuk menjelaskan mengenai cell yang kosong dan satuan pengukuran pada setiap data dalam satu data tabular. 5) Mengubah format file ke format umum yang terbaca oleh aplikasi umum dan terkini, misalnya data tabular apapun dapat dibuka menggunakan aplikasi spread sheet umum, seperti Ms.Excel atau Libre Office. 6) Mengevaluasi hasil kurasi data, apakah Dataset tersebut mudah diakses dan ditemukan dengan konsep FAIRness (Fineable, Accesible, Interoperable, Reuseable) atau sulit ditemukan. Jika sulit ditemukan, kurator memahami kembali isi Dataset yang sudah di-upload dan konfirmasi ulang ke pemilik data (untuk perbaikan isi metadata). 7) Mendokumentasikan semua kegiatan tahapan kurasi data untuk bahan perbaikan kualitas data di Dataverse RIN. Mampu mendeskripsikan data penelitian berdasarkan standar metadata di Dataverse Skema cantuman/ruas metadata Dataverse RIN menggunakan metadata deskriptif berdasarkan Data Documentation Initiative (DDI), yaitu standar internasional untuk menggambarkan data yang dihasilkan oleh survei dan metode pengamatan lainnya dalam bidang ilmu sosial, perilaku, ekonomi, dan kesehatan (https://www.ddialliance. org/). Metadata deskripstif data di Dataverse RIN ditetapkan berdasarkan jenis data dan bidang keilmuan (Tabel 4). Tabel 4. Skema Cantuman/Ruas Metadata di Dataverse* Kolom Cantuman/ Ruas Metadata Dataverse SITASI JURNAL DATA GEOSPASIAL ILMU SOSIAL & HUMANIORA ILMU ASTRONOMI & ASTROFISIKA ILMU HAYATI Title Journal Geographic Coverage Unit of Analysis Type Design Type Sub Title Volume Country/ Nation Universe Facility Factor Type Alternative Title Issue State/ Province Time Method Instrument Organism Alternative URL Publication Date City Data Collector Object Other Organism Other ID Type of Article Other Collector Training Spatial Resolution Measurement Type Agency Geographic Unit Frequency Spectral Resolution Other Measurement Type Identifier Geographic Bounding Box Sampling Procedure Time Resolution Technology Type Author West Longitude Target Sample Size Bandpass Technology Platform Name East Longitude Actual Central Wavelength (m) Cell Type Affiliation North Latitude Formula Wavelength Range Identifier Scheme South Latitude Major Deviations for Sample Design Minimum (m) Identifier Collection Mode Maksimum (m) Contact Type of Research Instrument Dataset Date Range Name Characteristics of Data Collection Situation Start Affiliation Actions to Minimize Losses End Kolom Cantuman/ Ruas Metadata Dataverse Email Control Operations Sky Coverage Description Weighting Depth Coverage Text Cleaning Operations Object Density Date Study Level Error Notes Object Count Subject Response Rate Fraction of Sky Keywords Estimates of Sampling Error Polarization Terms Other Forms of Data Appraisal RedshiftType Vocabulary Notes Redshift Resolution Vocabulary URL Type Redshift Value Topic Classification Subject Minimum Terms Text Maximum Vocabulary Vocabulary URL Related Publication Citation ID Type ID Number URL Notes Language Producer Name Affiliation Abbreviation URL Logo URL Production Date Kolom Cantuman/ Ruas Metadata Dataverse Production Place Contributor Type Name Grant Information Grant Agency Grant Number Distributor Name Affiliation Abbreviatio URL Logo URL Distribution Date Depositor Deposit Date Time Period Covered Start End Date of Collection Start End Kind of Data Series Name Information Software Name Version Related Material Kolom Cantuman/ Ruas Metadata Dataverse Other References Data Sources Origin of Sources Characteristic of Sources Noted Documentation and Access to Sources Sumber: Texas Data Repository Metadata Dictionary (Mumma, 2018) Mampu menggunakan thesaurus online dan mendeskripsikan kata kunci data Kata kunci pada Dataverse berguna untuk mempercepat pencarian informasi data dan pengindeksan di Daverse RIN. Agar dapat diindeks global, sebaiknya menggunakan kata kunci (keyword) berbahasa inggris dan terkendali. Berikut ini daftar dokumen thesaurus online untuk menentukan kata kunci data (Tabel 5). Tabel 5. Daftar Thesaurus Online untuk Penentuan Kata Kunci No. Nama Thesaurus Ruang Lingkup Keilmuan URL Website 1 ASFA Thesaurus Ilmu Perairan, Kelautan, & Perikanan http://www.fao.org/3/ak5032e.pdf 2 UNESCO Thesaurus Pendidikan, Budaya, Ilmu Alam, Ilmu Sosial & Humaniora, Komunikasi & Informasi http://vocabularies.unesco. org/browser/thesaurus/en/ 3 AGROVOC Multilingual Thesaurus Pertanian http://agrovoc.uniroma2. it/agrovoc/agrovoc/ en/?clang=es 4

Dataverse merupakan plaform pengelola data penelitian berbasis open source yang dapat digunakan untuk menyimpan, mempublikasikan, dan berbagi data dengan peneliti dan masyarakat global. Ketersediaan dan aksesibilitas data penelitian melalui Dataverse membuat data lebih bermakna karena data di sitasi dan memberikan impact factor bagi pengembangan iptek dan peningkatan kualitas penelitian berikutnya. Pemanfaatan Dataverse untuk layanan RIN memberikan kemudahan bagi para lembaga/ institusi, peneliti dan masyarakat untuk mengelola datanya secara mandiri dan terintegrasi, serta dapat disimpan dan diakses dalam jangka waktu yang panjang. Dalam mengelola Dataverse RIN, depositor data perlu memahami ketentuan dan tahapan pengelolaan data penelitian agar dalam pemanfaatannya efektif dan berdampak pada peningkatan kualitas penelitian. Seorang depositor harus memahami Dataverse, Dataset, dan file data yang dikelola melalui Dataverser RIN. Selain itu, depositor harus memahami setiap peran pengguna agar Dataverse, Dataset, dan file yang dipublikasikan dapat digunakan oleh pengguna berdasarkan batasan aksesnya, apakah untuk publik, grup/komunitas, atau tertutup. Terkait dengan pengelolaan dan pemanfaatan Dataverse RIN, pustakawan PDDI LIPI memiliki peran dan tantangan yang semakin besar untuk menyadarkan para peneliti dan sivitas akademika di berbagai universitas untuk berbagi data dan senantiasa meningkatkan kualitas penelitiannya. Peran pustakawan sebagai pengelola data penelitian harus aktif dalam penyusunan regulasi dan kebijakan pengelolaan data penelitian, memahami konsep dan proses validasi/kurasi data penelitian melalui Dataverse, kolaborasi penelitian, menyediakan layanan data penelitian di perpustakaan, dan membudayakan gerakan literasi ilmiah ke masyarakat. Berdasarkan pembahasan di atas, penulis berharap agar kajian ini dapat: (1) dimanfaatkan pustakawan untuk meningkatkan kompetensi pengelolaan data penelitian untuk kemajuan bidang kepustakawanan; dan (2) menjadi bahan masukan kebijakan pengelolaan data penelitian yang melibatkan peran aktif pustakawan khususnya di lembaga litbang dan perguruan tinggi di Indonesia.