Berkala Ilmu Perpustakaan dan Informasi, Vol. 16 No. 2, Desember 2020 ISSN 2477-0361 Berkala Ilmu Perpustakaan dan Informasi, Vol. 16, No. 2, Desember 2020, Hal. 142-154 DOI: 10.22146/bip.v16i1.424 ISSN 1693-7740 (Print), ISSN 2477-0361 (Online) Tersedia online di https://journal.ugm.ac.id/v3/BIP Identifikasi kecakapan inovasi lembaga riset di Indonesia berbasis dokumen 1 2 3 Aris Yaman , Bagus Sartono , Agus M. Soleh 1 Pascasarjana, IPB University 2,3 Departemen Statistika dan Sain Data, IPB University e-mail: arisyaman@apps.ipb.ac.id Naskah diterima: 22 Juni 2020, direvisi: 7 Oktober 2020, disetujui: 19 Oktober 2020 ABSTRAK Pendahuluan. Invensi yang dihasilkan lembaga-lembaga riset di Indonesia terindikasi adanya duplikasi. Pemetaan spesialisasi invensi lembaga riset penting untuk dilakukan. Penelitian ini mengkhususkan pada pemetaan kecakapan inovasi lembaga riset di Indonesia. Metode penelitian. Penelitian ini menggunakan metode analisis dokumen teknologi berbasis paten untuk memetakan potensi teknologi. Data yang digunakan merupakan data paten terdaftar pada database DJKI. Data analisis. Metadata analisis dilakukan menggunakan metode K-means Clusterring dengan bantuan software R. Hasil dan Pembahasan. Temuan pada pre analisis menunjukkan bahwa ketika peubah bebas yang terlibat dalam model sangat besar, metode Localized feature selection, dapat efektif menseleksi peubah tanpa kehilangan banyak informasi. Hasil analisis menggunakan metadata paten menunjukkan bahwa terdapat 5 kelompok teknologi dominan yang yang mampu dihasilkan oleh lembaga riset di Indonesia, antara 1) Teknologi terkait pengembangan teknologi instrumen pengukuran dan pengujian; 2) Teknologi terkait makanan dan bahan makanan; dan 3) Alat uji mikrostruktural; 4) Radar dan sejenisnya; 5) Teknologi dalam bidang pertanian. Kesimpulan dan Saran. Temuan menunjukkan bahwa masih terdapat tumpang tindih invensi oleh beberapa lembaga riset yang berbeda pada klaster teknologi yang sama. Selain itu, K-means Clustering dengan pre analisis LFSBSS memiliki performa yang baik dalam memisahkan klaster teknologi dengan jelas. Kata kunci: k-means clustering; paten; teknologi spesialis; metadata analisis ABSTRACT Introduction. Duplication in inventions produced by research institutions in Indonesia becomes an issue. It is important to map the specialization of the invention in research institutions. This study examines the mapping of the innovation in research institutions in Indonesia. Data Collection Method. This study uses a patent-based technology document analysis method to map the potential of technology. The data used is patent data registered in the Direktorat Jenderal Kekayaan Intelektual (DJKI) database. Data Analysis. Metadata analysis was conducted by using the K-Means Clustering method with R software. Results and Discussions. The findings in the pre-analysis show that when the independent variable involved in the model are very large, the Localized feature selection method can effectively select variables without losing much information. There are 5 dominant technology groups that can be produced by research institutions in Indonesia, namely 1) Technology related to the development of measurement and testing instrument technology; 2) Technologies related to food and food ingredients; and 3) microstructural test equipment / detectors; 4) radar technology; 5) Technology in agriculture. 142