| dc.identifier.citation | Dou Henri, J. M. (2004). Benchmarking R&D and companies through patent analysis using free databases and special software: a tool to improve innovative thinking. World Patent Information 26, 297–309. Goarin, C. D. (2013). Patent analysis, detection of new markets foremployment. HAL Id: hal-00913373 https://hal.archives-ouvertes.fr/hal-00913373 Jakobiak, F. (1994). Le brevet source d’information. Paris, Dunod. Quoniam, L., Baaziz, A. (2014). Patents used by NPE as an Open Information System in Web 2.0 – Two mini case studie. Journal of Intelligence Studies in Business Vol 4, No 2 ,51-60. Rostaing, H. (2000). Guide d'utilisation de Dataview: logiciel bibliométrique d'aide à l'élaboration d'indicateurs de tendances. Marseille: CRRM. Rostaing, H. (1996). La bibliométrie et ses techniques. Toulouse, Sciences de la Société. Tarapanoff, K. (2001). Intelligence obtained by applying data mining to a database of French theses on the subject of Brazil. Information Research, 7(1). Available at: http://InformationR.net/ir/7-1/paper117.html | in_ID |
| dc.description.abstract | Riset terapan dalam bidang renewable energy senantiasa dibutuhkan untuk menekan porsi
pemanfaatan energi fosil. Pada umumnya riset terapan terpublikasikan dalam bentuk paten. Dalam
konteks ini ada kebutuhan menganalisis data paten dengan tujuan untuk menseleksi sektor-sektor
teknologi yang menarik untuk dijadikan landasan orientasi riset selanjutnya. Data paten tersebut
merupakan data teks yang tersedia dalam pangkalan data. Teridentifikasi masalah yaitu pertama,
mentransformasikan data dari format teks kepada data numerik, dan kedua, pengelompokan yang
digunakan sebagai landasan penseleksian informasi yang menarik. Untuk menjawab permasalahan
tersebut, dalam paper ini dibahas metode pemakaian kurva Zipf untuk menseleksi kelompok sektor
teknologi yang menarik dan analisis bibliometrika untuk mentranformasikan dari data teks kepada
data numerik. Dalam hal ini, data harus berformat bibliografik dan mengandung field IPC
(International Patent Classification) yang berbentuk kode-kode klasifikasi yang
merepresentasikan sektor-sektor teknologi. Data paten dikumpulkan dari pangkalan data
international Espacenet. Diperoleh hasil dari 2349 dokumen paten teridentifikasi sebanyak 202
sektor teknologi dan tiga kelompok sektor teknologi yaitu kelompok dengan kategori trivial,
interesting, dan noise. | in_ID |
