PENERAPAN METODE SOCIOGRAM UNTUK VISUALISASI KOLABORASI PENELITI PADA KOLEKSI IPBANA
BIMO SETYAWAN
DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa skripsi berjudul Penerapan Metode Sociogram untuk Visualisasi Kolaborasi Peneliti pada Koleksi IPBana adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir disertasi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, Juli 2013 Bimo Setyawan NIM G64090050
ABSTRAK Bimo Setyawan. Penerapan Metode Sociogram untuk Visualisasi Kolaborasi Peneliti pada Koleksi IPBana. Dibimbing oleh FIRMAN ARDIANSYAH dan BADOLLAHI MUSTAFA. Institut Pertanian Bogor (IPB) telah banyak melakukan penelitian. Jumlah penelitian yang dilakukan oleh IPB setiap tahunnya cukup fluktuatif, namun secara keseluruhan jumlah penelitian IPB mengalami peningkatan. Sebagian besar penelitian tersebut melibatkan lebih dari satu orang peneliti baik peneliti IPB maupun peneliti dari instansi lain di luar IPB. Hingga saat ini informasi mengenai keterhubungan antarpeneliti tersebut hanya disajikan dalam bentuk tabel pada website LPPM IPB. Penyajian dalam bentuk tabel dirasa kurang efektif sehingga diperlukan adanya visualisasi informasi mengenai keterhubungan antarpeneliti dalam penelitian IPB. Pada penelitian ini, dibuat sebuah visualisasi informasi keterhubungan peneliti dalam penelitian IPB berbasis web menggunakan data IPBana dan sistem kepegawaian IPB. Metode visualisasi yang digunakan dalam penelitian ini ialah metode Sociogram. Keterhubungan antarpeneliti dimodelkan dalam sebuah graf yang menghubungkan 2 buah entitas peneliti (node) melalui sebuah penelitian (edge). Visualisasi tersebut dapat dilihat hingga 3 level keterhubungan. Peneliti IPB dimodelkan dengan sebuah node berwarna biru, sedangkan peneliti eksternal dimodelkan dengan sebuah node berwarna hijau. Penelitian dimodelkan dengan sebuah edge berwarna merah. Ukuran node berbanding lurus dengan jumlah penelitian, sedangkan ukuran edge berbanding lurus dengan jumlah kolaborasi. Kata kunci : Institut Pertanian Bogor, Sociogram, Visualisasi Informasi
ABSTRACT Bimo Setyawan. Applying Sociogram Method for Visualization of Researcher Colaboration on IPBana Collection. Supervised by FIRMAN ARDIANSYAH and BADOLLAHI MUSTAFA. Bogor Agricultural University (IPB) has been doing a lot of researches. The amount of research conducted by IPB each year was fluctuated, but generally increased. Most of these studies involved more than one researcher, IPB researchers and researchers from other institutions outside the university. Until now, information about collaboration between the researchers was presented only in written form on the website of LPPM IPB. The presentation in written form is not effective so that it is necessary to visualize the information of researchers’ linkage for the research collaboration in IPB. In this study, the visualization of researchers’ linkage information was made in web-based, using the data from IPBana collection and IPB staffing system. Visualization method utilized in this study is Sociogram. The linkages between researchers were modeled in a graph connecting 2 research entities (nodes) through a research (edge). Visualization can be seen up to 3 levels of lingkages. IPB researchers were modeled by a blue node, while the external researchers were modeled with a green node. Research was
modeled with a red edge. Node size was made proportional to the amount of research, whereas the size of the edge is directly proportional to the amount of collaboration. Keywords : Bogor Agricultural University, Information Visualization, Sociogram
PENERAPAN METODE SOCIOGRAM UNTUK VISUALISASI KOLABORASI PENELITI PADA KOLEKSI IPBANA
BIMO SETYAWAN
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer pada Departemen Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013
Penguji : 1 Dr Yani Nurhadryani
Judul Skripsi : Penerapan Metode Sociogram untuk Visualisasi Kolaborasi Peneliti pada Koleksi IPBana Nama : Bimo Setyawan NIM : G64090050
Disetujui oleh
Firman Ardiansyah, SKom MSi Pembimbing I
Drs Badollahi Mustafa, MLib Pembimbing II
Diketahui oleh
Dr Ir Agus Buono, MSi MKom Ketua Departemen
Tanggal Lulus:
PRAKATA Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Desember 2012 ini ialah visualisasi informasi, dengan judul Penerapan Metode Sociogram untuk Visualisasi Kolaborasi Peneliti pada Koleksi IPBana. Terima kasih penulis ucapkan kepada ayah, ibu, serta seluruh keluarga atas segala doa dan kasih sayangnya. Ungkapan terimakasih juga disampaikan kepada Bapak Firman Ardiansyah, SKom MSi dan Bapak Drs Badollahi Mustafa, MLib selaku pembimbing, serta Ibu Dr Yani Nurhadryani dan Bapak Auzi Asfarian, SKom yang telah bayak memberi saran. Disamping itu, penulis juga mengucapkan terimakasih kepada Srividola Wulandari, Chusnul Arifin Rasuandar, Fahri Amirullah, Nadya Elsanoviany Putri, Riandi Angga Permana, dan teman-teman ilmu komputer angkatan 46 yang selalu memberikan semangat dan dukungannya. Semoga karya ilmiah ini bermanfaat.
Bogor, Juli 2013 Bimo Setyawan
DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN PENDAHULUAN
vii vii vii 1
Latar Belakang
1
Perumusan Masalah
2
Tujuan Penelitian
2
Ruang Lingkup Penelitian
2
METODE
3
Tahapan Penelitian
3
Data
3
Data Transformation
4
Analytical Abstraction
4
Visualization Transformation
4
Visualization Abstraction
4
Visualization Mapping Transformation
5
View
5
Pengujian Sistem
5
Spesifikasi Perangkat Lunak dan Perangkat Keras
6
HASIL DAN PEMBAHASAN Data
7 7
Data Transformation
10
Analytical Abstraction
11
Visualization Transformation
11
Visualization Abstraction
11
Visualization Mapping Transformation
12
View
15
Pengujian Sistem
16
LAMPIRAN RIWAYAT HIDUP
19 23
DAFTAR TABEL 1 2 3 4
Data peneliti anggota sebelum dipisahkan dan setelah dipisahkan Contoh data IPBana sebelum praproses dan setelah praproses Contoh indeks nama peneliti dan penelitian Contoh tabel kolaborasi peneliti berserta nomor penelitian dan subjek penelitian 5 Warna yang merepresentasikan kerja tim (Kuno 2004)
9 9 11 12 14
DAFTAR GAMBAR 1 2 3 4 5 6 7 8 9 10
Tahapan penelitian Perbandingan jumlah data lengkap dan data tak lengkap Contoh metadata koleksi IPBana dalam aplikasi Winisis Perbandingan jumlah penelitian yang dilakukan secara berkolaborasi dengan penelitian yang dilakukan secara individu pada data tak lengkap Perbandingan jumlah penelitian yang dilakukan secara berkolaborasi dengan penelitian yang dilakukan secara individu pada data lengkap Visualisasi peneliti tanpa leveling Perbedaan warna dapat diidentifikasi dengan mudah Halaman web visualisasi peneliti Visualisasi pola keterhubungan antar peneliti dalam sebuah subjek penelitian Visualisasi tanpa legenda
3 7 7 8 8 13 14 15 16 16
DAFTAR LAMPIRAN 1 2 3 4
Daftar atribut koleksi IPBana tahun 1965-2008 Contoh laporan penelitian “fg winarno” tahun 1973-1994 Hasil pengujian sistem berdasarkan skenario pengujian Hasil heuristic evaluation pengujian sistem
19 20 21 22
PENDAHULUAN Latar Belakang IPBana adalah koleksi yang mencakup publikasi ilmiah IPB baik yang ditulis oleh perorangan maupun atas nama institusi IPB. Koleksi IPBana terdiri atas beberapa jenis karya yaitu buku (termasuk diktat, buku rujukan, prosiding), makalah, artikel, laporan, dan laporan penelitian. Koleksi IPBana terdiri atas beberapa atribut. Salah satunya ialah atribut subjek penelitian. Subjek penelitian merupakan sebuah unit analisis yang menjadi pusat perhatian dalam sebuah penelitian. Berdasarkan subjek penelitian dapat dilakukan justifikasi mengenai titik ketertarikan seorang peneliti (Arikunto 2010). Berdasarkan koleksi IPBana yang dihimpun dari perpustakaan LSI IPB, terdapat 3323 karya sejak tahun 1965 hingga tahun 2008. Koleksi IPBana hanyalah sebagian kecil dari data penelitian IPB yang terekam. Beberapa penelitian tersebut melibatkan lebih dari 1 orang peneliti, baik peneliti IPB maupun peneliti dari instansi lain di luar IPB. Dalam koleksi IPBana terdapat 773 peneliti IPB, sedangkan berdasarkan data yang dihimpun dari Sistem Kepegawaian IPB (Simpeg) terdapat 2199 dosen tetap IPB. Berdasarkan data tersebut dapat dianalisis lebih lanjut informasi mengenai dosen tetap IPB yang aktif melakukan penelitian. Penelitian dan pengembangan merupakan salah satu fungsi dari tridharma perguruan tinggi. Oleh karena itu, diperlukan informasi mengenai produktivitas penelitian yang dilakukan oleh setiap peneliti. Hingga saat ini informasi mengenai penelitian dan keterhubungan antarpeneliti hanya disajikan dalam bentuk tabel. Penyajian informasi dalam bentuk tabel kurang efektif karena seseorang cenderung tertarik pada struktur, fitur, pola, tren, anomali, dan keterhubungan pada sekumpulan data. Visualisasi mendukung hal tersebut dengan merepresentasikan data dalam beberapa bentuk dengan interaksi yang berbeda (Grinstein dan Warad 2002). Oleh sebab itu, dibutuhkan adanya visualisasi informasi mengenai keterhubungan antarpeneliti dalam penelitian IPB. Selain itu, dengan visualisasi, produktivitas seorang peneliti dapat terlihat dengan mudah. Kolaborasi peneliti merupakan sebuah jejaring sosial. Berdasarkan Huang et al. (2006), jejaring sosial merupakan kumpulan aktor seperti manusia, organisasi, atau entitas sosial lainnya. Jejaring sosial dapat dimodelkan dengan menggunakan Sociogram. Metode ini dapat memodelkan jejaring sosial dengan menggunakan node dan edge. Node digunakan untuk memodelkan aktor, sedangkan edge digunakan untuk memodelkan hubungan antaraktor. Keterhubungan antaraktor mengindikasikan mereka memiliki hubungan sosial tertentu. Sociogram telah banyak digunakan untuk membantu mengeksplorasi dan memahami jejaring sosial (Huang et al. 2006). Metode Sociogram dipilih karena dalam penelitian ini dibutuhkan visualisasi keterhubungan antara 2 orang peneliti atau lebih yang dihubungkan oleh sebuah penelitian. Sociogram dapat merepresentasikan hubungan antara 2 buah entitas yang terhubung dengan sebuah relasi.
2 Perumusan Masalah Setiap peneliti yang terlibat di dalam sebuah penelitian dapat dibentuk visualisasi yang menghubungkan antara peneliti satu dengan peneliti lainnya serta keterhubungannya dengan subjek penelitian. Dengan demikian muncul pertanyaan sebagai berikut: 1 Bagaimana visualisasi kolaborasi peneliti dalam domain IPB dan peneliti lintas instansi? 2 Bagaimana visualisasi kolaborasi peneliti dalam sebuah subjek penelitian? 3 Bagaimana visualisasi keterhubungan peneliti dengan subjek penelitian? 4 Bagaimana visualisasi jumlah penelitian yang dilakukan oleh setiap peneliti? 5 Bagaimana visualisasi hubungan kedekatan antara peneliti satu dan peneliti lainnya? 6 Bagaimana visualisasi hubungan kedekatan antara seorang peneliti dan sebuah subjek penelitian? Tujuan Penelitian Tujuan dari penelitian ini ialah: 1 Memvisualisasikan kolaborasi peneliti dalam domain IPB dan peneliti lintas instansi. 2 Memvisualisasikan kolaborasi peneliti dalam sebuah subjek penelitian. 3 Memvisualisasikan keterhubungan peneliti dengan subjek penelitian. 4 Memvisualisasikan jumlah penelitian yang dilakukan oleh setiap peneliti. 5 Memvisualisasikan hubungan kedekatan antara peneliti satu dan peneliti lainnya. 6 Memvisualisasikan hubungan kedekatan antara seorang peneliti dan sebuah subjek penelitian. Ruang Lingkup Penelitian 1 2 3 4 5
Ruang lingkup penelitian ini yaitu: Data penelitian yang digunakan dalam penelitian ini ialah kumpulan data IPBana dan data Sistem Kepegawaian (Simpeg) IPB. Visualisasi hanya untuk data penelitian dosen IPB yang dilakukan secara berkolaborasi. Tidak terdapat perbedaan bobot produktivitas peneliti utama dan peneliti anggota. Pengguna hanya dapat melakukan pencarian berdasarkan nama peneliti dan subjek penelitian yang terdapat dalam database. Visualisasi peneliti hanya dibatasi hingga 3 tingkat kolaborasi.
3
METODE Tahapan Penelitian Secara umum, metode yang digunakan dalam penelitian ini mengacu pada framework yang telah dibuat oleh Chi pada tahun 1999. Metode yang digunakan terdiri atas tahap Data, Data Transformation, Analytical Abstraction, Visualization Transformation, Visualization Abstraction, Visual Mapping Transformation, dan View (Chi 1999). Selanjutnya, dilakukan pengujian sistem dengan menggunakan Nielsen’s heuristic evaluation (Nielsen 1995). Alur tahapan penelitian dapat dilihat pada Gambar 1. Data Data yang digunakan dalam penelitian ini ialah koleksi IPBana. Data tersebut diperoleh dari Perpustakaan IPB berupa database CDS/ISIS. CDS/ISIS atau Winisis merupakan sebuah aplikasi database yang secara khusus dibuat untuk perpustakaan, pusat-pusat informasi dan dokumentasi serta kearsipan (Mustafa 2005). Selain itu, pada penelitian ini juga digunakan data Simpeg IPB yang bersumber dari Direktorat Sumber Daya Manusia (SDM) IPB. Setelah data diakuisisi, selanjutnya koleksi IPBana diubah ke format CSV untuk mempermudah praproses data. Praproses data dilakukan untuk menghilangkan data yang tidak lengkap, mengurangi kesalahan pengetikan nama, dan mengurangi kesalahan pengejaan nama. Data Simpeg IPB digunakan sebagai
Gambar 1 Tahapan penelitian
4 acuan pegejaan nama untuk peneliti IPB. Algoritme jarak Levenshtein digunakan untuk mencocokkan nama peneliti pada koleksi IPBana dan Simpeg IPB. Algoritme jarak Levenshtein akan mencocokkan pengejaan nama peneliti pada data IPBana dengan nama peneliti pada data Simpeg IPB. Setiap nama pada data IPBana akan dikombinasikan dengan seluruh nama yang terdapat pada data Simpeg IPB. Kode ASCII untuk setiap karakter pada data IPBana akan dicocokkan dengan kode ASCII setiap karakter pada sebuah nama acuan yang sedang diperiksa. Selanjutnya nama peneliti pada data IPBana akan diganti dengan nama pegawai pada data acuan yang memiliki jarak Levenshtein terkecil. Data Transformation Data transformation merupakan proses untuk memperoleh bentuk data analytical abstraction. Bentuk data tersebut dapat diperoleh dengan melakukan ekstraksi data. Proses ekstraksi dilakukan dengan membuat indeks nama peneliti dan nomor penelitian yang dilakukan oleh setiap peneliti. Proses tersebut diawali dengan melakukan seleksi nama peneliti yang terdapat dalam laporan penelitian pada koleksi IPBana. Setelah diperoleh daftar nama seluruh peneliti, dicari nomor penelitian yang pernah dilakukan oleh masing-masing peneliti. Pencarian nomor penelitian tidak dibatasi pada posisi peneliti sebagai peneliti utama atau peneliti anggota. Analytical Abstraction Pada tahap ini, diperoleh tabel indeks penelitian. Hingga tahap ini, data tersebut belum dapat digunakan untuk melakukan proses mapping. Hal tersebut disebabkan indeks nama peneliti belum memuat pola kolaborasi. Visualization Transformation Bentuk data pada analytical abstraction akan dimampatkan ke dalam bentuk visualization transformation yang telah siap untuk dilakukan visualisasi. Pada tahap ini akan dibentuk pola kolaborasi berupa tabel keterhubungan antarpeneliti. Pola kolaborasi dibentuk dengan cara mengelompokkan nama peneliti yang pernah terlibat dalam sebuah penelitian. Pada tabel tersebut juga disimpan subjek penelitian dan tahun penelitian. Visualization Abstraction Pada tahap visualization abstraction, diperoleh tabel kolaborasi peneliti. Data pada tabel tersebut telah memuat seluruh informasi yang dibutuhkan untuk dilakukan proses mapping. Berdasarkan pola tersebut akan ditentukan sebuah teknik visualisasi yang sesuai. Pada penelitian ini teknik visualisasi yang digunakan ialah Sociogram.
5 Visualization Mapping Transformation Pada tahap ini, model data yang diperoleh pada tahap visualization transformation akan diimplementasikan ke dalam sebuah aplikasi komputer dengan menggunakan teknik visualisasi yang diperoleh pada tahap visualization abstraction. Pengimplementasian teknik tersebut dilakukan dengan menggunakan bahasa pemrograman (PHP) dan JavaScript. View Pada tahap ini diperoleh produk akhir dari visualization mapping transformation berupa web visualisasi kolaborasi peneliti. Pada web tersebut, pengguna dapat melakukan interaksi terhadap hasil visualisasi seperti zooming dan panning. Pengujian Sistem Pengujian sistem dilakukan pada tanggal 30 Mei 2013 oleh staf perpustakaan LSI IPB dengan menggunakan Nielsen’s heuristic evaluation (Nielsen 1995). Teknik ini digunakan karena pengujian dengan menggunakan Nielsen’s heuristic evaluation mudah untuk dilakukan, relatif murah, tidak membutuhkan waktu lama, dan dapat mengidentifikasi banyak masalah (Galitz 2007). Aspek yang dinilai dengan menggunakan pengujian ini ialah : 1
Visibility of system status Memberikan umpan balik kepada pengguna mengenai status sistem. Sebagai contoh jika sistem melakukan suatu proses yang membuuhkan waktu cukup lama untuk menampilkan hasil, ditampilkan sebuah progress bar sebagai umpan balik terhadap interaksi pengguna.
2
Match between system and real world Tata bahasa dan desain yang digunakan harus sesuai dengan karakteristik pengguna, misalnya untuk sistem dengan pengguna anak-anak, tata bahasa dan desain yang digunakan harus sesuai dengan usianya.
3
User control and freedom Memberikan kemudahan dan kebebasan bagi pengguna dalam berinterakasi dengan sistem, misalnya meyediakan fungsi undo dan redo.
4
Consistency and standards Penggunaan ikon dan pesan error harus konsisten dan familiar dengan pengguna, misalnya penggunaan ikon gunting untuk fungsi cut.
5
Error prevention Sistem dapat mencegah pengguna melakukan kesalahan yang fatal, misalnya ketika pengguna melakukan interaksi yang dapat menyebabkan kehilangan
6 data, sistem harus dapat menampilkan pesan konformasi sebelum melakukan proses tersebut. 6
Recognition rather than recall Sistem tidak ‘memaksa’ pengguna untuk mengingat informasi yang telah diberikan pada tahap sebelumnya, misalnya dalam form registrasi pengguna salah mengetikkan captcha, pengguna tidak diharuskan mengetikkan kembali informasi yang dibutuhkan dalam pengisian form tersebut.
7
Flexibility and efficiency of use Sistem dapat mengakomodasi pengguna ahli dan pemula, misalnya dengan memberikan shortcut command kepada pengguna ahli seperti shortcut command Alt+F4 untuk keluar aplikasi.
8
Aesthetic and minimalist design Desain yang digunakan tidak menyulitkan pengguna dalam mengakuisisi informasi, misalnya warna latar yang kurang kontras dengan warna tulisan.
9
Help users recognize, diagnose and recover from errors Sistem dapat menampilkan pesan error dan memberitahukan kepada pengguna tahapan yang benar.
10 Help and documentation Terdapat menu bantuan yang berisi tahapan cara penggunaan sistem. Pengujian sistem dilakukan dengan memberikan serangkaian skenario sistem kepada penguji. Waktu yang dibutuhkan oleh penguji untuk menyelesaikan sebuah tugas akan dicatat untuk mengetahui tingkat kesulitan dalam penggunaan aplikasi. Setelah itu, penguji diberikan sebuah form penilaian berdasarkan Nielsen’s heuristic evaluation. Spesifikasi Perangkat Lunak dan Perangkat Keras
Perangkat lunak yang digunakan dalam penelitian ini meliputi: Sistem Operasi Microsoft Windows 8 Professional 64-bit untuk menjalankan IDE Visual Studio Ultimate 2012, Sistem Operasi Microsoft Windows 7 Professional 32-bit untuk menjalankan aplikasi CDS/ISIS, Winisis 1.5 UNESCO 2003 build 3 untuk akuisisi data, DBMS MySQL versi 5.5.8 untuk pengolahan data, XAMPP versi 1.7.4 untuk menjalankan server lokal, CodeBlocks Release 12.11 rev 8629 sebagai IDE untuk mengembangkan aplikasi praproses dengan menggunakan bahasa pemrograman C, Visual Studio Ultimate 2012 sebagai IDE untuk mengembangkan aplikasi penghitung jarak Levenshtein dengan menggunakan bahasa pemrograman C#, dan
7
Google Chrome Browser versi 29.0.1546.0 canary untuk menampilkan visualisasi kolaborasi peneliti berbasis web.
HASIL DAN PEMBAHASAN Data Data IPBana terdiri atas 33 atribut dan 3323 record dalam rentang tahun 1965-2008 (Lampiran 1), sedangkan data Simpeg IPB terdiri atas banyak atribut dengan tingkatan hak akses yang berbeda-beda. Atribut yang digunakan dalam penelitian ini ialah nama pegawai tetap IPB. Data Simpeg IPB digunakan sebagai format acuan pengejaan nama peneliti. Koleksi IPBana dalam database CDS/ISIS dapat dilihat pada Gambar 2. Data IPBana pada Winisis selanjutnya diubah ke dalam format CSV. Tidak semua atribut pada data IPBana akan digunakan dalam penelitian ini. Atribut yang digunakan hanya atribut peneliti utama, peneliti anggota, judul penelitian, dan entri tambahan subjek. Pada data tersebut ditemukan adanya data yang tidak lengkap. Perbandingan jumlah data lengkap dan data tak lengkap dapat dilihat pada Gambar 3.
Gambar 2 Contoh metadata koleksi IPBana dalam aplikasi Winisis tak lengkap Gambar 3 Contoh metadata koleksi Data IPBana 1273 dalam aplikasi Winisis (38%)
Data lengkap 2050 (62%) Gambar 32 Perbandingan jumlah data lengkap dan data tak lengkap
8 Ketidaklengkapan data dapat disebabkan oleh operator yang hanya mengisi atribut badan pemilik tanpa mengisi atribut peneliti utama. Pada data tak lengkap, terdapat 172 penelitian yang tidak memiliki atribut peneliti utama, namun memiliki atribut peneliti anggota lebih dari 1 orang (kolaborasi). Hal tersebut dapat dilihat pada Gambar 4. Penelitian yang dilakukan secara berkolaborasi pada data lengkap berjumlah 829 data. Perbandingan antara jumlah penelitian yang dilakukan secara berkolaborasi dan individu pada data lengkap dapat dilihat pada Gambar 5. Dengan demikian pada penelitian ini digunakan 1001 data kolaborasi dengan 172 data bersumber dari data tak lengkap dan 829 data bersumber dari data lengkap. Setelah dilakukan konversi dari database CDS/ISIS ke dokumen CSV, seluruh nama peneliti anggota pada koleksi IPBana berada pada 1 kolom dokumen CSV. Hal ini akan menyulitkan dalam melakukan tahapan penelitian selanjutnya, namun ditemukan adanya simbol ‘^a’ di setiap awal penulisan nama seperti pada Tabel 1 kolom peneliti anggota. Simbol ‘^a’ merupakan tag atau sub field pada database CDS/ISIS yang digunakan sebagai kode sub-atribut. Pada kondisi ini, simbol ‘^a’ dapat digunakan sebagai penciri transisi nama seorang anggota ke anggota lain. Untuk memudahkan pemrosesan data ke tahap berikutnya, perlu dilakukan pemisahan antarnama peneliti anggota. Sebelumnya, dilakukan penghilangan karakter koma dan titik pada atribut nama peneliti utama dan nama peneliti anggota. Selanjutnya penulisan nama peneliti diubah menjadi lower case,
1 orang 1101 (86%)
Lebih dari 1 orang 172 (14%)
Gambar 4 Perbandingan jumlah penelitian yang dilakukan secara berkolaborasi dengan penelitian yang dilakukan secara individu pada data tak lengkap Lebih dari 1 orang 829 (40%) 1 orang 1221 (60%) Gambar 5 Perbandingan jumlah penelitian yang dilakukan secara berkolaborasi dengan penelitian yang dilakukan secara individu pada data lengkap
9 kemudian dilakukan pemisahan atribut nama peneliti anggota. Pengubahan penulisan nama dan pemisahan nama tersebut dilakukan dengan program yang dibuat dengan menggunakan bahasa pemrograman C. Hal ini ditujukan untuk mengurangi kemungkinan kesalahan pengetikan dan inkonsistensi format pengetikan. Pada program tersebut dilakukan pengecekan setiap karakter pada atribut nama peneliti anggota. Jika ditemukan simbol ‘^a’, maka dilakukan pemisahan atribut. Hasilnya dapat dilihat pada Tabel 1. Tabel 1 Data peneliti anggota sebelum dipisahkan dan setelah dipisahkan Peneliti Peneliti Peneliti Peneliti Peneliti Anggota Anggota 1 Anggota 2 Anggota 3 Anggota 4 ^aDarwis, darwis illah lien A.Aziz^aLisbetini^aIllah lisbetini^a aaziz^a sailah^a herlina Sailah^aLien Herlina ^aAgil, Mohamad^aNoordin, Muchidin^aAchjadi, Kurnia R.^aSupriatna, Iman
agil mohamad ^a
noordin, muchidin^ a
achjadi, supriatna, kurnia r.^a iman
Setelah peneliti anggota terpisah menjadi beberapa atribut, terlihat adanya pengejaan nama yang tidak sesuai dengan format acuan. Kesalahan format pada penulisan nama dapat disebabkan oleh 2 faktor. Faktor pertama ialah kesalahan pengetikan yang dilakukan oleh petugas saat melakukan input data, sehingga terjadi inkonsistensi penulisan nama. Faktor berikutnya adalah kesalahan format yang disebabkan oleh sub-atribut Winisis yang tidak terkonversi seluruhnya. Kesalahan yang terjadi pada faktor pertama berupa pembalikan nama peneliti dengan format [nama belakang, nama depan] pada beberapa record data. Selain itu, pada beberapa record terdapat kata (tr), [tr], (editor), dan (ed) pada akhir penulisan nama peneliti. Kesalahan yang disebabkan oleh faktor kedua ialah terdapat karakter ‘^a’ di setiap akhir nama peneliti anggota selain peneliti anggota terakhir. Tahap berikutnya ialah penyesuaian format pengetikan pada data IPBana dengan data Simpeg IPB. Penyesuaian format ini dilakukan menggunakan program yang dibuat dengan bahasa pemrograman C. Hasilnya dapat dilihat pada Tabel 2. Tabel 2 Contoh data IPBana sebelum praproses dan setelah praproses Sebelum Praproses Setelah Praproses darwis aaziz^a darwis aaziz agil mohamad^a
agil mohamad
suhendang endang^a
suhendang endang
Setelah dilakukan praproses data, diperoleh data IPBana dengan format pengetikan mendekati format pengetikan pada data Simpeg IPB. Namun, praproses data tersebut belum dapat mengkoreksi kesalahan pengejaan. Pada data
10 tersebut masih dijumpai kesalahan pengejaan nama seperti peneliti “abdullah kamarsuddin” dan “abdullah kamaruddin”. Kedua nama tersebut sebenarnya dimiliki oleh seorang peneliti yang sama sehingga digunakan algoritme jarak Levenshtein untuk mengoreksi kesalahan pengejaan nama peneliti. Pada penelitian ini diberikan sebuah threshold jarak minimal untuk mengganti nama peneliti pada data IPBana dengan nama peneliti pada data Simpeg IPB. Hal tersebut diperlukan untuk meminimalisir kesalahan pencocokan nama. Selain itu, thresholding juga digunakan untuk menentukan domain peneliti. Jika jarak terkecil berada pada threshold yang ditentukan maka peneliti tersebut dapat dikatakan berada pada domain IPB. Sebaliknya, jika minimum jarak yang diperoleh melebihi threshold yang ditentukan maka peneliti tersebut dapat dinyatakan sebagai peneliti eksternal (bukan berasal dari domain IPB). Penentuan threshold dilakukan dengan cara trial and error. Awalnya proses sinkronisasi dilakukan dengan menggunakan nilai 5 sebagai threshold. Namun, terdapat banyak kesalahan pencocokan nama peneliti, contohnya nama “siswandi” dikenali sebagai “sugiardi” dan “iswandi anas” dikenali sebagai “anggorodi”. Hal yang sama terjadi untuk nilai threshold 4, sehingga digunakan nilai 3 sebagai threshold. Nilai 1 dan 2 tidak diperhitungkan sebagai threshold karena hal ini akan mengakibatkan peningkatan jumlah kesalahan pecocokan nama. Seorang peneliti eksternal akan ditambahkan simbol ‘[E]’ di bagian akhir nama peneliti untuk menandakan bahwa peneliti tersebut bukan berasal dari domain IPB. Jika seorang peneliti dinyatakan sebagai peneliti dalam domain IPB, pengejaan nama peneliti yang digunakan adalah pengejaan nama peneliti pada data sistem kepegawaian IPB. Data Transformation Data IPBana yang telah disinkronisasi dengan data simpeg IPB kemudian diindeks untuk memudahkan dalam menemukan pola kolaborasi antarpeneliti. Sebelumnya seluruh data dalam dokumen CSV dimasukkan ke dalam DBMS MySQL. Selanjutnya setiap judul penelitian diberikan nomor penelitian mulai dari 1 hingga 1001 secara incremental. Setiap nama peneliti dipasangkan dengan nomor penelitian yang dilakukan. Proses pembuatan indeks dilakukan dengan menggunakan bahasa pemrograman PHP untuk memperoleh indeks nama peneliti dan nomor penelitian dapat dilihat pada kode berikut: var q_nama,q_peneliti,q_penelitian; Array nama_peneliti,peneliti,penelitian; q_nama = query(SELECT, (Peneliti1,Peneliti2,...,Peneliti9)); foreach q_nama as nama_peneliti { if(nama_peneliti!=null) { query(INSERT,peneliti(nama_peneliti)); } } q_peneliti = query(SELECT DISTINCT, (nama_peneliti)); foreach q_peneliti as peneliti { q_penelitian = query(SELECT, Nomor_penelitian(peneliti)); foreach q_penelitian as penelitian{ query(INSERT, index(peneliti,penelitian)) } }
11 Analytical Abstraction Pada tahap ini diperoleh hasil indexing yang dilakukan pada tahap Data Transformation. Hasilnya berupa sebuah tabel indeks nama peneliti dan penelitian yang dilakukan. Indeks tersebut dapat dilihat pada Tabel 3. Berdasarkan tabel indeks dapat ditentukan jumlah penelitian yang dilakukan oleh setiap peneliti dengan cara melakukan kueri SELECT peneliti, count(nomor_penelitian) FROM indeks GROUP BY peneliti. Jumlah penelitian terbanyak dimiliki oleh peneliti “fg winarno” dan “dedi fardiaz” yaitu sebesar 14 penelitian. Di sisi lain, terdapat 1040 peneliti yang hanya melakukan 1 kali penelitian secara berkolaborasi, 411 di antaranya merupakan peneliti IPB. Tabel 3 Contoh indeks nama peneliti dan penelitian Peneliti fg winarno fg winarno fg winarno fg winarno fg winarno fg winarno
Nomor penelitian 70 279 550 551 552 553
Visualization Transformation Selanjutnya, dibuat pola kolaborasi dengan atribut pasangan nama peneliti dan nomor penelitian yang dilakukan oleh kedua peneliti tersebut. Pola kolaborasi dibuat dengan menggunakan bahasa pemrograman PHP. Algoritme pembuatan pola kolaborasi dapat dilihat pada kode berikut: var q_peneliti, q_penelitian, q_coAuthor; Array peneliti, penelitian, coAuthor, subjek; q_peneliti = query(SELECT, nama_peneliti); foreach q_peneliti as peneliti { q_penelitian = query(SELECT, penelitian(peneliti)); foreach q_penelitian as penelitian { q_coAuthor = query(SELECT,Peneliti1,...,Peneliti9, subjek(penelitian)) foreach q_coAuthor as coAuthor { if((coAuthor!=NULL) and (coAuthor!=peneliti)) { query(INSERT, (peneliti, coAuthor, penelitian, subjek)); } } } }
Visualization Abstraction Pada tahap ini diperoleh tabel kolaborasi antarpeneliti. Hasilnya dapat dilihat pada Tabel 4. Tabel ini berisi pola keterhubungan antarpeneliti dengan nomor penelitian dan subjek penelitian. Berdasarkan tabel tersebut dapat
12 diperoleh jumlah kolaborasi antarpeneliti dengan cara melakukan kueri
SELECT peneliti_1,peneliti_2,COUNT (nomor_penelitian) FROM kolaborasi GROUP BY peneliti_1,peneliti_2.
Jumlah kolaborasi terbanyak dimiliki oleh peneliti “fg winarno” dengan “dedi fardiaz”, “maman duldjaman” dengan “nana sugana”, dan “fg winarno” dengan “srikandi fardiaz” yaitu sebesar 6 kali kolaborasi. Tabel 4 Contoh tabel kolaborasi peneliti berserta nomor penelitian dan subjek penelitian Peneliti 1
Peneliti 2
Nomor Penelitian
fg winarno fg winarno
dedi fardiaz
70
Subjek Chemistry
m sjachri [e]
70
Chemistry
fg winarno
r ansori [e]
70
Chemistry
fg winarno
dedi fardiaz
550
Water
fg winarno
dedi fardiaz
551
Water
Visualization Mapping Transformation Berdasarkan data yang diperoleh, dapat dibentuk visualisasi untuk memodelkan jumlah penelitian seorang peneliti, tingkat kolaborasi antarpeneliti, dan domain peneliti. Berdasarkan Mackinlay’s guidance, data kualitatif dapat direpresentasikan dengan menggunakan posisi, panjang, sudut, kemiringan, area, volume, kepadatan, dan bentuk (Spence 2001). Jumlah penelitian dan tingkat kolaborasi merupakan variabel bertipe kuantitatif. Dalam penelitian ini, jumlah penelitian direpresentasikan dengan area node, sedangkan tingkat kolaborasi direpresentasikan dengan area edge. Data kategorikal dapat direpresentasikan dengan menggunakan posisi, corak warna, tekstur, hubungan, perbatasan, kepadatan, kecerahan warna, bentuk, panjang, sudut, kemiringan, area, dan volume (Spence 2001). Domain peneliti merupakan variabel bertipe kategorikal, sehingga dalam penelitian ini domain peneliti akan dimodelkan dengan menggunakan corak warna. Sebuah relasi antara 2 atau lebih entitas dapat direpresentasikan dalam berbagai cara, salah satunya ialah dengan menggunakan sebuah garis lurus (Spence 2001). Kolaborasi antarpeneliti dimodelkan dengan sebuah garis lurus yang menghubungkan seorang peneliti dengan peneliti lainnya yang pernah terlibat dalam sebuah karya, sehingga dapat dikatakan garis penghubung antarpeneliti adalah sebuah judul karya. Metode visualisasi yang cocok untuk diterapkan dengan karakteristik tersebut ialah Sociogram. Node pada Sociogram digunakan untuk merepresentasikan individu, sedangkan edge digunakan untuk merepresentasikan relasi antarindividu. Visualisasi kolaborasi peneliti akan ditampilkan setelah pengguna memasukkan kata kunci pencarian berupa nama peneliti. Pengguna akan diberikan pilihan nama-nama peneliti yang relevan dengan setiap kombinasi karakter yang diketik di kotak pencarian. Pengguna hanya dapat melakukan pencarian berdasarkan nama peneliti. Selanjutnya, pengguna diminta memilih level visualisasi yang akan ditampilkan.
13 Pembatasan level visualisasi kolaborasi peneliti dirasa perlu untuk dilakukan. Hal tersebut diperlukan karena jika seluruh node ditampilkan pada saat bersamaan, bentuk visual yang ditampilkan akan menjadi sangat rumit dan sulit untuk dilihat keterhubungannya seperti terlihat pada Gambar 6. Selain itu, waktu komputasi yang dibutuhkan untuk menghasilkan graf tersebut juga relatif lama. Oleh sebab itu, pembatasan level saat menampilkan graf hasil visualisasi perlu untuk dilakukan. Terdapat beberapa pilihan susunan Sociogram, di antaranya melingkar, radial, kelompok, bebas, dan bertingkat (Huang et al. 2006). Pemilihan susunan dilakukan berdasarkan karakteristik keterhubungan dan kebutuhan visualisasi. Susunan radial dipilih dalam penelitian ini karena dibutuhkan adanya leveling pada visualisasi yang akan dibentuk. Pada penelitian yang dilakukan oleh Huang et al. (2006), diperoleh sebuah fakta yang menyatakan bahwa node yang paling penting sebaiknya diletakkan di bagian tengah. Hal tersebut dijadikan dasar pada peletakan node yang merupakan terget pencarian. Visualisasi tersebut dibatasi hingga 3 level keterhubungan saja. Hal tersebut dilakukan karena ketika terdapat seorang peneliti yang sering melakukan kolaborasi, bentuk visualisasi pada level ketiga dianggap sudah cukup rumit dan dirasa tidak memungkinkan untuk menambahkan tingkatan level dengan alasan waktu komputasi dan kerumitan visualisasi. Level visual yang ditampilkan dapat dikostumisasi sesuai dengan kebutuhan pengguna. Pilihan level yang tersedia ialah 1 level, 2 level, dan 3 level. Perbedaan warna dapat diidentifikasi tanpa membutuhkan perhatian khusus seperti terlihat pada Gambar 7 (Spence 2001). Berdasarkan Kuno (2004), kerja tim dapat disimbolkan dengan 3 warna dasar yang merepresentasikan kepercayaan yang dibutuhkan dalam sebuah kerja tim. Warna tersebut ialah Fellow Blue, Gut Green, dan Team Spirit. Warna tersebut dapat dilihat pada Tabel 5. Peneliti IPB dimodelkan dengan sebuah node berwarna Fellow Blue, peneliti eksternal dimodelkan dengan sebuah node berwarna Gut Green, sedangkan node subjek dimodelkan dengan warna hitam RGB(0,0,0). Pembedaan warna untuk peneliti IPB dan peneliti eksternal IPB dilakukan untuk memudahkan pengguna dalam melihat domain peneliti. Relasi antarpeneliti disimbolkan dengan sebuah edge dengan warna Team Spirit, sedangkan relasi antara peneliti dan subjek penelitian diberikan warna kuning RGB(255, 164, 35).
Gambar 6 Visualisasi peneliti tanpa leveling
14
Gambar 7 Perbedaan warna dapat diidentifikasi dengan mudah Tabel 5 Warna yang merepresentasikan kerja tim (Kuno 2004) Bentuk
Nama
RGB B
R
G
Heksadesimal
Fellow Blue
61
100
169
3d64a9
Gut Green
42
107
67
2a6b43
Team Spirit
217
49
42
d9312a
Diameter node yang terbentuk pada visualisasi berbanding lurus dengan jumlah penelitian yang dilakukan oleh setiap peneliti. Semakin banyak penelitian yang dilakukan oleh seorang peneliti, maka ukuran node-nya akan semakin besar. Diameter node diperoleh dari hasil penjumlahan 10 dengan jumlah penelitian dengan satuan piksel. Operasi penjumlahan digunakan untuk mengakomodasi peneliti yang hanya melakukan 1 kali penelitian. Jika operasi penjumlahan dihilangkan, maka node peneliti yang hanya melakukan 1 kali penelitian akan sulit untuk dilihat karena ukurannya menjadi 1 piksel. Pada visualisasi kolaborasi peneliti, ukuran edge berbanding lurus dengan jumlah kolaborasi yang dilakukan oleh 2 orang peneliti yang dihubungkan oleh edge tersebut. Untuk visualisasi keterhubungan antara subjek penelitian dan peneliti, ukuran edge berbanding lurus terhadap jumlah penelitian dengan subjek tersebut. Semakin banyak kolaborasi yang dilakukan, maka lebar edge-nya akan semakin besar. Lebar edge diperoleh dari hasil penjumlahan 10 dengan jumlah kolaborasi dengan satuan piksel. Angka 10 pada operasi penjumlahan ukuran node dan edge ditetapkan untuk mengakomodir pengguna dengan layar beresolusi kecil. Angka tersebut ditetapkan sebagai operan karena penguji cukup merasa nyaman dan mudah melihat visualisasi yang ditampilkan pada saat pengujian. Setelah model data berhasil divisualisasikan, ditambahkan fungsi zooming dan panning untuk memudahkan pengguna dalam berinteraksi dengan visualisasi yang dihasilkan. Zooming adalah peningkatan perbesaran secara halus dan berkesinambungan dari penurunan bagian pada gambar dua dimensi karena keterbatasan bidang gambar yang memiliki ukuran konstan, sedangkan panning adalah pergerakan yang halus dan kontinyu dari bidang gambar pada gambar dua dimensi (Spence 2001). Pengguna dapat melakukan aksi zoom-in hingga sebuah
15 node memenuhi area visualisasi, sedangkan aksi zoom-out dapat dilakukan hingga seluruh visualisasi yang disajikan menjadi sebuah titik. Aksi panning dapat dilakukan hingga tidak terdapat edge atau node pada area visualisasi. View Pada tahap ini, telah diperoleh sebuah visualisasi kolaborasi antarpeneliti berbasis web. Halaman web dapat dilihat pada Gambar 8. Judul penelitian dan subjek penelitian yang menghubungkan nama peneliti yang sedang menjadi target pencarian dengan peneliti pada level di bawahnya dapat dilihat di sisi kanan halaman web. Pengguna dapat melakukan aksi klik pada node yang akan dijadikan fokus visualisasi. Foto peneliti akan ditampilkan ketika pengguna meletakkan kursor di atas node peneliti. Pengguna juga dapat melakukan aksi klik pada subjek penelitian untuk melihat pola kolaborasi peneliti pada subjek tersebut. Selain itu, pengguna juga dapat mengunduh laporan penelitian seorang peneliti yang menjadi fokus visualisasi (root) dengan format CSV. Pengguna dapat mengunduh laporan tersebut dengan melakukan aksi klik pada tautan yang terdapat di bagian kiri halaman web. Laporan penelitian yang dihasilkan dapat dilihat pada Lampiran 2. Hasil visualisasi keterhubungan antarpeneliti dalam sebuah subjek penelitian dapat dilihat pada Gambar 9. Penelusuran kolaborasi peneliti dapat dilakukan dengan memilih opsi researcher pada combo box, memberikan input nama peneliti pada kolom pencarian, dan memilih tahun penelitian yang akan dilakukan. Selanjutnya pengguna diharuskan memilih level visualisasi dengan cara menekan salah satu tombol level di sisi kanan kolom pencarian. Pengguna juga dapat melakukan penelusuran subjek dengan memilih opsi subject pada combo box dan memberikan input subjek penelitian pada kolom pencarian. Legenda visualisasi juga dapat dihilangkan dengan melakukan aksi klik pada check box ‘Display Legend’. Hasilnya dapat dilihat pada Gambar 10.
Gambar 8 Halaman web visualisasi peneliti
16
Gambar 9 Visualisasi pola keterhubungan antar peneliti dalam sebuah subjek penelitian Pengguna dapat melakukan aksi scroll up pada bidang visualisasi untuk melakukan fungsi zoom in. Sebaliknya, pengguna dapat melakukan aksi scroll down pada bidang visualisasi untuk melakukan fungsi zoom out. Untuk melakukan fungsi panning pengguna dapat melakukan dragging pada area berwarna hitam. Selain kedua fungsi tersebut, pengguna juga dapat melakukan pemindahan posisi node. Proses pemindahan dapat dilakukan dengan melakukan dragging pada node yang akan dipindahkan. Pengujian Sistem Berdasarkan hasil pengujian sistem pada Lampiran 3, waktu rata-rata yang dibutuhkan pengguna untuk menyelesaikan tugas yang diberikan ialah 3.39 detik. Berdasarkan hasil pengujian sistem pada Lampiran 4, secara umum sistem ini dapat dikatakan telah cukup baik dengan nilai rata-rata 0.4. Beberapa permasalahan yang perlu diperhatikan ialah aesthetic and minimalist design (1), help users recognize, diagnose, and recover from errors (1), dan help and documentation (2). Dari ketiga permasalahan tersebut, hal yang perlu diperbaiki
Gambar 10 Visualisasi tanpa legenda
17 ialah help and documentation karena penguji memberikan nilai 2, sedangkan aesthetic and minimalist design dan help users recognize, diagnose, and recover from errors diberikan nilai 1. Oleh karena itu, ditambahkan help button di sisi kiri atas halaman web.
SIMPULAN DAN SARAN Simpulan Berdasarkan penelitian yang telah dilakukan, diperoleh model visualisasi kolaborasi peneliti dalam domain IPB dan peneliti lintas instansi dengan menggunakan corak warna. Peneliti IPB divisualisasikan dengan menggunakan warna Fellow Blue, sedangkan peneliti lintas instansi divisualisasikan dengan warna Gut Green. Kolaborasi peneliti dalam sebuah subjek penelitian divisualisasikan dengan menggunakan sebuah edge berwarna Team Spirit, sedangkan keterhubungan antara peneliti dengan sebuah subjek penelitian divisualisasikan dengan menggunakan sebuah edge berwarna kuning. Hubungan kedekatan antarpeneliti dan subjek divisualisasikan dengan menggunakan ukuran edge, sedangkan jumlah penelitian yang dilakukan oleh setiap peneliti divisualisasikan dengan menggunakan ukuran node. Saran Dalam penelitian ini, belum dapat menampilkan seluruh foto peneliti. Selain itu, pada aplikasi yang dibuat dalam penelitian ini juga tidak dapat mengunduh karya yang divisualisasikan. Pada penelitian selanjutnya diharapkan dapat menampilkan seluruh foto peneliti yang terdapat pada visualisasi serta dapat ditambahkan fungsi unduh dokumen. DAFTAR PUSTAKA Arikunto S. 2006. Prosedur Penelitian Suatu Pendekatan Praktek. Jakarta(ID): Rineka Cipta. Chi EH. 1999. A framework for information visualization spreadsheets [disertasi]. Minnesota (US): University of Minnesota. Galitz WO. 2007. The Essential Guide to User Interface Design: An Introduction to GUI Design Principles and Techniques. Indianapolis (US): Wiley Publishing, Inc. Grinstein GG, Warad MO. 2002. Invormation Visualization in Data Mining and Knowledge Discovery. San Diego (US): Academic Press. Kuno N. 2005. Tasteful Color Combination. Tokyo (JP): Page One. Mustafa B. 2005. WINISIS: Software Tepat Guna untuk Pengelolaan Perpustakaan, Dokumentasi, dan Informasi. Bogor (ID): IPB Press.
18 Nielsen J. 1995. 10 Usability Heuristics for User Interface Design. [diakses 2013 Mei 28]. Tersedia pada: http://www.nngroup.com/articles/ten-usabilityheuristics/. Spence R. 2007. Invormation Visualization Design for Interaction. Essex (UK): Pearson Education Limited.
19 Lampiran 1 Daftar atribut koleksi IPBana tahun 1965-2008 No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33
Nama Atribut ISBN Nomor Kendali Setempat Kode bahasa Nomor Panggil UDC Nomor Panggil Setempat Entri Utama Nama Orang Ent. Utama Badan korporasi Ent. Utama Nama Pert. Judul Judul Majalah/prosiding Edisi Impresum Deskripsi Fisik Seri Catatan Umum Catatan Karya Catatan Bibliografi Catatan Ringkasan Ent. Tambahan Subyek Kata Kunci Ent. Tamb. Nama Orang Ent. Tamb. Badan Korp. Ent. Nama Pertemuan Ent. Tamb. Orang Badan Pemilik Tanggal Sumber perolehan Banyak Eksemplar Kode Operator 008/35-37 Bahasa Jenis Koleksi Jenis Karya No. Induk
Sub-field a a abh a lab aq ab abc ab ab abc abce anvx tabc a a axyz a a ab andc a abc a
Nomor Atribut 20 35 41 80 99 100 110 111 245 246 250 260 300 440 500 502 504 520 650 695 700 710 711 759 850 980 984 985 986 990 991 998 999
20 Lampiran 2 Contoh laporan penelitian “fg winarno” tahun 1973-1994 Judul
P_1
P_2
P_3
Mempelajari pengaruh pendingin dan pengemasan terhadap daya simpan jambu bol (syzygium malacceusis (L.) Merr Perry)
liesbetini haditjaroko
fg winarno
muslihah marcoes [E]
Kimia organik II
fg winarno
dedi fardiaz
m sjachri [E]
fg winarno
dedi fardiaz
fg winarno
Air untuk industri pangan Extraksi, khromatografi dan elektrophoresis Spektroskopi Pigment dalam pengolahan pangan Penuntun Praktikum Teknologi pangan Biofermentasi dan biosintesa protein Pengantar teknology pangan Agricultural products and marketing system in Bogor area Fisiologi lepas panen Pengantar teknologi pangan Bahan tambahan untuk makanan dan kontaminan Bahan tambahan untuk makanan dan kontaminan
Subjek
Tahun
42
0
Chemistry
1973
s fardiaz [E]
Water
1973
dedi fardiaz
srikandi fardiaz [E]
Chemistry
1973
fg winarno
dedi fardiaz
srikandi fardiaz [E]
Analytical chemstry
1973
fg winarno
sri laksmi [E]
Pigments
1973
fg winarno
srikandi fardiaz [E]
Food technology
1974
fg winarno
srikandi fardiaz [E]
Biosynthesis
1979
fg winarno
srikandi fardiaz [E]
dedi fardiaz
Technology
1980
fg winarno
soesarsono wijandi
irlan soejono [E]
Management
1980
fg winarno
moehammad aman [E]
Agricultural operation
1981
fg winarno
srikandi fardiaz [E]
Food technology
1990
fg winarno
titi sulistyowati rahayu [E]
Food additif
1994
fg winarno
titi sulistyowati rahayu [E]
Food additif
1994
dedi fardiaz
P_4
r ansori [E]
P_5
P_6
P_7
P_8
P_9
21 Lampiran 3 Hasil pengujian sistem berdasarkan skenario pengujian No 1 2
3 4
5 6 7 8 9
10
11
12
13
Tugas Lakukan pencarian untuk nama peneliti ‘dodi nandika’ pada tingkat kedalaman 1 level. Lakukan penelusuran visualisasi kolaborasi peneliti ‘simon taka nuhamara’ pada visualisasi yang dihasilkan oleh tahap sebelumnya dengan melakukan clicking pada nama tersebut. Tingkatkan kedalaman visualisasi menjadi 2 level untuk peneliti ‘simon taka nuhamara’. Lakukan aksi zoom out dan zoom in dengan melakukan mouse scrolling pada area visualisasi. Geser graf tersebut dengan melakukan aksi drag pada area visualisasi selain node peneliti. Geser node peneliti dengan melakukan aksi drag pada node peneliti. Tingkatkan kedalaman visualisasi menjadi 3 level untuk peneliti ‘simon taka nuhamara’. Lakukan aksi zoom out sebanyak 3 kali scroll. Hilangkan nama peneliti pada node visualiasi dengan menghilangkan centang pada check box ‘Display Researcher Name’ (Klik). Munculkan nama peneliti pada node visualiasi denga mencentang check box ‘Display Researcher Name’ (Klik). Lihat judul penelitian yang pernah dilakukan oleh peneliti ‘simon taka nuhamara’ dan ‘soetrisno hadi’ dengan melakukan aksi klik pada nama ‘soetrisno hadi’ di sisi kanan visualisasi. Lihat judul penelitian yang pernah dilakukan oleh peneliti ‘simon taka nuhamara’ dan ‘dodi nandika’ dengan melakukan aksi klik pada nama ‘dodi nandika’ di sisi kanan visualisasi. Lakukan pencarian untuk nama peneliti ‘bimo setyawan’ pada tingkat kedalaman 1 level.
Hasil (√ / ×)
Komentar Waktu (detik) Singkat
√
OK
2,3
√
OK
6,5
√
Lambat
1,7
√
Mantap
5,3
√
Ok Sip
4,1
√
Bisa
5,3
√
Lambat
6,2
√
OK
1,7
√
OK
1,1
√
OK
1,1
√
OK mudah
4,2
√
OK ada
2,2
√
OK
2,4
Rata-rata waktu yang dibutuhkan umtuk menyelesaikan tugas
3,39
22 Lampiran 4 Hasil heuristic evaluation pengujian sistem No 1
2
3 4
5 6
7 8 9
10
Pokok Penilaian Visibility of system status Sistem telah dapat memberikan informasi kepada pengguna mengenai apa yang sedang berlangsung dan dapat memberikan feedback dengan waktu yang logis . Match between system and the real world Komponen ini meliputi kesesuaian dengan dunia nyata seperti penggunaan angka decimal yang tepat, pemilihan icon yang sesuai, dan sebagainya. User control and freedom Memudahkan pengguna untuk mengoreksi ketika pengguna membuat kesalahan. Consistency and standards Terdapat konsistensi penggunaan istilah/kata serta situasi pada sistem sesuai dengan standar website. Error prevention Sistem dapat menampilkan pesan error ketika pengguna melakukan kesalahan. Recognition rather than recall Pengguna tidak diharuskan mengingat dalam waktu lama mengenai informasi yang telah diberikan pada sebuah state sebelumnya. Selain itu, terdapat instruksi yang cukup jelas untuk menggunakan sistem. Flexibility and efficiency of use Sistem dapat digunakan oleh pengguna ahli dan pemula. Aesthetic and minimalist design Dialog tidak berisi informasi yang tidak relevan atau jarang dibutuhkan. Help users recognize, diagnose, and recover from errors Pesan error ditampilkan dalam bahasa sederhana (bukan code), menunjukan permasalahan dengan tepat, dan menyarankan sebuah solusi. Help and documentation Terdapat menu bantuan dan setiap informasi harus dapat ditelusuri dengan mudah, berfokus kepada tugas pengguna, berisi deretan langkah untuk dilakukan, dan tidak terlalu panjang.
Nilai*
Komentar
0
Header diganti dengan warna cerah
0
OK, tidak ada masalah
0
Mudah
0
OK, sesuai standar
0
OK, sudah tampil
0
OK, mantap
0
OK, bisa dipakai lancar
1
Cukup menarik
1
Ok
2
Penting ini dimunculkan
* : 0 Jika tidak terdapat masalah, 1 Jika terdapat masalah namun tidak terlalu penting untuk diperbaiki, 2 Jika terdapat masalah dan harus diperbaiki dengan prioritas rendah, 3 Jika terdapat masalah dan harus diperbaiki dengan prioritas tinggi, 4 Jika terdapat masalah dan harus diperbaiki sebelum rilis.
23
RIWAYAT HIDUP Penulis lahir di kota Jakarta pada tanggal 14 September 1991 sebagai anak bungsu dari pasangan Sabarudin dan Indah Setyawati. Penulis menghabiskan seluruh masa kecilnya serta mengenyam pendidikan di kota Tangerang Selatan. Penulis merupakan lulusan dari Sekolah Menengah Atas Negeri 1 Pamulang (2006–2009), Sekolah Menengah Pertama Negeri 2 Pamulang (2003–2006) dan Sekolah Dasar Negeri Pondok Benda 1 (1997–2003). Pada tahun 2009, penulis diterima sebagai Mahasiswa Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor. Pada tanggal 27 Juni 2012, penulis melaksanakan Praktik Kerja Lapangan di Badan Tenaga Nuklir Nasional (BATAN) sampai dengan tanggal 14 Agustus 2012. Penulis juga seorang pencinta olah musik, khususnya gitar. Selama mengikuti perkuliahan, penulis pernah menjadi asisten praktikum untuk Mata Kuliah Algoritme dan Pemrograman pada tahun 2011, 2012, dan 2013 di Departemen Ilmu Komputer Institut Pertanian Bogor.
