PROSIDING SEMMAU 2016

PROSIDING SEMMAU 2016

Penulis, Pemakalah SEMMAU 2016

Penerbit, STIKOM UYELINDO KUPANG

i |Buku 2, K upa ng, 17 Septe mber 2016

PROSIDING SEMMAU 2016 KOMITE Penulis : Pemakalah Seminar Nasional & Konferensi Sistem Informasi, Informatika & Komunikasi (SEMMAU 2016) ISBN

: 978-602-73628-0-3

Komite Program : Dr. Ir. Rila Mandala, M.Eng. (ITB) Dr. Achmad Nizar, S.Kom., M.Kom. (UI) Ir. Dana Indra Sensuse, M.Lis. ,Ph.D. (UI) Prof.Daniel Herman Fredy Manongga,M.Sc., Ph.D. (UKSW) Prof. Mustafid (UNDIP) Prof.Dr.Ir. Kuswara Setiawan,M.T. (UPH) Prof. Suyoto, P.hd Penyunting : Max ABR. Soleman Lenggu. S.Kom., M.T. Marinus I.J. Lamabelawa, S.Kom., M.Cs Fransiska S.E. Atonis Floriany M. Owa Marmi Y. Taek Adirwan Tajudin Maystri R.A. Ta’eko Ahmad Suhendra Desain Sampul : Max Lenggu Redaksi : Dapur Semmau Lembaga Penelitian, Publikasi dan Pengembangan pada Masyarakat Jl. Perintis Kemerdekaan 1, Kayu Putih, Kupang, NTT, Indonesia. Telp.(0380)8554501, Fax (0380) 8554501 Email : [email protected] http://www.semmau.uyelindo.ac.id. Penerbit : Sekolah Tinggi Manajemen Informatika & Komputer (STIKOM) Uyelindo Kupang. Jl. Perintis Kemerdekaan 1, Kayu Putih, Kupang, NTT, Indonesia. Telp.(0380)8554501, Fax (0380) 8554501 Email : [email protected] http://www.uyelindo.ac.id. Cetakan kedua September 2016 Hak Cipta di Lindungi Undang-undang Dilarang memperbanyak karya tulis ini dalam bentuk dan dengan cara apapun tanpa ijin tertulis dari penerbit. ii

|Buku 2, Kupa ng, 17 Septe mber 2016


Segala puji dan syukur selayaknya tercurah kehadirat Allah Yang Maha Kuasa yang tanpa henti mengucurkan rahmat dan karuniaNya, baik kurunia sehat, rejeki, kecerdasan, kemauan, dan bahkan juga karunia dalam bentuk kesadaran dan kemampuan bersyukur kepadaNya, dan dengan ijinnya Prosiding Seminar Nasional danKonferensi Sistem Informasi, Teknik Informatika, danKomunikasi (SEMMAU) tahun 2016 dengan Tema “EGOVERNMENT SEBAGAI DAYA DUKUNG TATA KELOLA PEMERINTAHAN”. dapat kami terbitkan. Buku Prosiding ini berisi sekumpulan Paper dari hasil penelitian ilmiah yang telah diseleksi, untuk dipresentasikan dalam kegiatan Seminar Nasional dan Konferensi Sistem Informasi, Teknik Informatika, dan Komunikasi (SEMMAU) tahun 2016 dan bertempat di Ballroom Sotis Hotel Kupang Nusa Tenggara Timut pada tanggal 17 September 2016, kegiatan ini diikuti oleh peserta pemakalah yang berasal dari berbagai perguruan tinggi yang tersebar di kawasan Nusa Tenggara Timur (NTT), maupun di luar NTT, yang terdiri dari 26 makalah dari para peserta pemakalah. Seminar Nasional yang bertemakan “E-GOVERNMENT SEBAGAI DAYA DUKUNG TATA KELOLA PEMERINTAHAN”.ini menghadirkan pembicara utama berkelas nasional yakni Prof.Dr. Ir. Ricardus Eko Indrajit, M.Sc.,M.B.A. Ucapan terima kasih kami sampaikan kepada Reviewer Paper dan pihak-pihak yang telah membantu penyelenggaraan Seminar Nasional dan Konferensi Sistem Informasi, Teknik Informatika, dan Komunikasi (SEMMAU) tahun 2016 ini. Semoga prosiding ini dapat bermanfaat dan dapat digunakan dengan sebaik-baiknya. Akhir kata, jika ada yang kurang berkenan selama penyelenggaraan kegiatan seminar maupun dalam penerbitan buku prosiding ini mohon dimaafkan. Semoga apa yang telah kita lakukanini bermanfaat bagi kemajuan bangsa dan negara dimasa depan. Amin.

Kupang, September 2016 Panitia,

Yampi R. Kaesmetan

iii

|Buku 2, K upa ng, 17 September 2016

PROSIDING SEMMAU 2016 DAFTAR ISI Halaman BERBAGI PENGETAHUAN MENGGUNAKAN EDMODO BERBASIS SOCIALIZATION MODEL SECI (Studi Kasus : SMK Negeri 1 Boyolali).

206 - 214

Dwi Kristiani, Eko Sediyono, Ade Iriani ANALISIS TOPIK-TOPIK YANG MEMPENGARUHI TERJADINYA SENTIMEN TERKAIT KENAIKAN HARGA BAHAN BAKAR MINYAK (BBM) PADA MEDIA ONLINE"

215 - 224

Bobby Christian Sandy, Danny Manongga, Ade Iriani. IMPLEMENTASI E-GOVERNMENT DI INDONESIA. Dien Novita. ADLER-32 INTEGRITY VALIDATION IN 24 BIT COLOR IMAGE.

Andysah Putera Utama Siahaan.

DESAIN UNTUK RANCANG BANGUN FITUR KEAMANAN.

Wawan Nurmansyah, Masayu Jamilah. PENERAPAN E-BISNIS UNTUK MENANGANI PROSES PENJUALAN PRODUK AGUAMOR BERBASIS WEB.

225 - 229

230 -235

236 - 242

243 - 247

Dewi Anggreini KLASIFIKASI BELIMBING MENGGUNAKAN K-NEAREST NEIGHBORS (KNN) BERDASARKAN CITRA RED-GREEN-BLUE (RGB)

248 - 251

Kana Saputra S, Fuzy Yustika Manik. IMPLEMENTASI PEMECAHAN SLIDING TILE PUZZLE MENGGUNAKAN METODE HEURISTIK (ALGORITMA A*, IDA* DAN BDA*)

252 - 259

Sabastianus A.S.Mola. ANALISIS SISTEM ANTRIAN DENGAN METODE NEXT EVENT TIME ADVANCED MECHANISM (Studi Kasus: PT. ASDP Persero Cabang Kupang)

260 - 264

Ardianus Wattileo, Marianus I.J. Lamabelawa MODEL PENGUKUR BERAT BADAN TERNAK SAPI TIMOR BERBASIS CITRA

Deddy B. Lasfet, Markus Daud Letik PENERAPAN ELECTRONIC CUSTOMER RELATIONSHIP MANAGEMENT UNTUK PRODUK INDUSTRI RUMAH TANGGA (Studi Kasus: Kabupaten Rote Ndao)

265 - 271

272 - 278

Wemmy A. Taka, Max ABR Soleman Lenggu.

iv

|B uku 2, K upang, 17 Septe mber 2016

PROSIDING SEMMAU 2016 PENCARIAN LEMBAGA KURSUS PENDIDIKAN DI KOTA KUPANG BERBASIS LOKASI PENIDAS.

279 - 283

Nyongri E. Akulas, Edwin Malahina, Fransiskus Tjiptabudi. SORTASI TEKSTUR BIJI JAGUNG SEBAGAI BENIH TANAM MENGGUNAKAN SELF ORGANIZING MAP (Studi Kasus: Desa Bismarak Kabupaten Kupang Timur Provinsi Nusa Tenggara Timur).

284 - 288

Marlinda Vasty Overbeek MODEL SISTEM MONITORING DAN EVALUASI AKADEMIK MAHASISWA BERBASIS WEB (STUDI KASUS STIKOM UYELINDO KUPANG).

Rafliana Natalia da Silva, Marinus I.J. Lamabelawa, Semlinda Juszandri Bulan. PEMETAAN HASIL LAUT WILAYAH KABUPATEN ALOR DENGAN ANALISIS KELOMPOK.

Kristian Martiul Malbiyeti Tnunay, Remerta Noni Naatonis, Marlinda V. Overbeek. SISTEM PENDUKUNG KEPUTUSAN PENENTUAN CALON PENERIMA RUMAH BANTUAN MENGGUNAKAN METODE PROMOTHEE.

289 - 294

295 - 304

305 - 308

Dony M Sitohang SISTEM INFORMASI GOEGRAFIS POLA PENYEBARAN UMAT BERAGAMA DI KABUPATEN TIMOR TENGAH UTARA MENGGUNAKAN METODE K-MEANS CLUSTERING.

309 - 317

Yovita Hilda Helly, Yampi Kaesmetan, Mardhalia Saitakela. PERBANDINGAN PENGUKURAN JARAK DALAM PENENTUAN KUALITAS BENIH JAGUNG PULAU TIMOR DENGAN K-NEAREST NEIGHBOR.

318 - 323

Dessy Leonarti Pollo, Marlinda Vasty Overbeek, Franki Yusuf Bisilin APLIKASI EVALUASI TENAGA AHLI PESERTA SELEKSI NASIONAL MENGGUNAKAN METODE TOPSIS (Studi Kasus: Satker P2JN Provinsi Nusa Tenggara Timur).

324 - 330

Albert Adrian Bayu Mila1, Menhya Snae2, Franki Yusuf Bisilisin. LELANG ONLINE BERBASIS WEBSITE PADA PEGADAIAN CABANG OESAO Adalberto Guterres, Benyamin Jago Belalawe, Mardhalia Saitakela

EVALUASI KINERJA DOSEN DAN KARYAWAN DI STIKOM UYELINDO KUPANG BERBASIS WEBSITE.

331 - 340

341 - 349

Lukas H.J.E. Babu, Emanuel Safirman Bata, Marlinda Vasty Overbeek SISTEM INFORMASI GEOGRAFIS PEMETAAN KAWASAN KONSERVASI PERAIRAN DI PERBATASAN LAUT SAWU NUSA TENGGARA TIMUR.

350 - 358

M. Nurhudah, Yampi R. Kaesmetan, Remerta Noni Naatonis

APLIKASI TUNTUNAN DOA SEHARI-HARI DIZIKIR DAN SUNNAH RASUL BAGI UMAT ISLAM BERBASIS ANDROID.

359 - 364

Mastura Masan, Emanuel Safirman Bata, Edwin A.U. Malahina

v

|Buku 2, K upang, 17 Septe mber 2016


ANALISI PEMASARAN RUMPUT LAUT KECAMATAN SULAMU MENGGUNAKAN METODE PERBANDINGAN EKSPONENSIAL (MPE).

365 - 369

Melkianus Babis, Max ABR Soleman Lenggu. PERBANDINGAN EKSTRAKSI TEKSTUR CITRA DENGAN METODE STATISTIK ORDE I DAN STATISTIK ORDE II UNTUK PEMELIHAN BENIH JAGUNG.

370 - 380

Antonius Yosef Tampani, Petrus Katemba. MANAJEMEN KINERJA KEPALA PENINGKATAN MUTU PAUD.

SEKOLAH

DAN

GURU

DALAM 381 - 387

Hasibun Asikin KAJIAN SITUS WEB RESMI PEMERINTAHAN KABUPATEN/KOTA NTT SEBAGAI WUJUD IMPLEMENTASI E-GOVERNMENT.

388 - 393

Maria Yenita Soru, Yohanes Payong

vi



PEMBICARA PERTAMA

YONAS SALEAN, S.H., M.Si WALIKOTA KUPANG

vii

|Buku 2, Kupang, 17 September 2016


PEMBICARA KEDUA

HERMAN HERRY ANGGOTA DPR RI KOMISI III

viii



KEYNOTE SPEAKER

PROF. DR. IR. R. EKO INDRAJIT, M.Sc., M.BA.

ix


PROSIDING SEMMAU 2016 BERBAGI PENGETAHUAN MENGGUNAKAN EDMODO BERBASIS SOCIALIZATION MODEL SECI (Studi Kasus : SMK Negeri 1 Boyolali) Dwi Kristiani1, Eko Sediyono2, Ade Iriani3 123

1

Fakultas Teknologi Informasi, Universitas Kristen Satya Wacana [email protected], 2 [email protected], 3 [email protected]

Abstrak Kompleksnya tugas dan kegiatan guru berupa tugas sekolah, kegiatan kemasyarakatan, kegiatan individu, dan urusan keluarga dapat mengurangi waktu Kegiatan Belajar Mengajar (KBM), sehingga guru harus mengganti jam pelajaran di lain waktu. Hal itu membuat situasi belajar menjadi tidak kondusif dan dapat mengacaukan proses KBM yang telah diprogramkan. Oleh karena itu diperlukan sebuah metode dan media pembelajaran yang dapat membantu kelancaran KBM walau guru tidak dapat hadir di kelas. Proses berbagi pengetahuan dalam KBM diuraikan berbasis fase Socialization pada model SECI untuk memberikan gambaran yang lebih jelas dan terarah dan memberikan alternatif solusi bagi guru yang tidak dapat bertatap muka langsung di kelas. Hasil penelitian menunjukkan bahwa terdapat beberapa kompetensi dasar yang dapat dipetakan berdasarkan fase Sosialisasi. Dampak penggunaan Edmodo terbukti dapat meningkatkan nilai hasil belajar siswa dan dapat mengurangi beban guru karena memiliki fitur-fitur yang dirancang untuk membantu proses pembelajaran individu maupun organisasi. Kata kunci: berbagi pengetahuan, edmodo, SECI, socialization 1.

PENDAHULUAN Kegiatan belajar mengajar (KBM) di sekolah terkadang menjadi kurang kondusif karena ketidak hadiran guru di kelas. Tugas utama guru memang mengajar di kelas, tetapi ada kalanya guru juga mempunyai tugas lain seperti pendampingan Kunjungan Industri (KI), workshop, rapat dinas, Pendidikan Latihan Profesi Guru (PLPG), Diklat Instruktur, Training of trainer (TOT), dan kegiatan sosial (urusan keluarga, kematian, dan lain-lain). Ketidakhadiran guru di kelas mengakibatkan materi yang seharusnya disampaikan menjadi tertunda sehingga guru harus tetap menyampaikanya materi di lain waktu dengan metode lain di luar jam KBM yang telah ditetapkan. Berbagi pengetahuan merupakan salah satu solusi bagi para guru untuk memberikan materi yang tertunda karena di dalamnya terdapat kegiatan mengidentifikasi, memilih, mengelola, menyebarkan, dan mentransfer informasi dan keahlian penting[1], tanpa menganggu proses KBM yang selanjutnya. Di era teknologi seperti sekarang, berbagi pengetahuan dapat dilakukan dengan memanfaatkan teknologi informasi seperti komputer, aplikasi, dan jaringan. Edmodo merupakan aplikasi opensource yang direkomendasikan oleh Lembaga Penjamin Mutu Pendidikan (LPMP) untuk membantu memecahkan masalah para guru juga sebagai penunjang kurikulum 2013 (kurtilas) yang dicanangkan oleh Menteri Pendidikan dan Kebudayaan di Jakarta. Penelitian ini akan membahas pola-pola berbagi pengetahuan di SMK Negeri 1 Boyolali berdasarkan

206

fase Sosialisasi dari model SECI. Kemudian merealisasikan pola-pola yang terbentuk menggunakan Edmodo dengan harapan dapat membantu proses KBM meskipun tidak terjadi tatap muka antara guru dan siswa di kelas. Selain iu dapat menambah variasi dalam pelaksanaan KBM sehingga dapat meningkatkan antusias siswa dalam belajar. Dengan meningkatnya antusias siswa dalam belajar, maka secara otomatis dapat meningkatkan pula hasil belajar atau nilai para siswa. 2.

KAJIAN LITERATUR Penelitian sebelumnya telah dilakukan oleh Nisaa, Kurniawati, dan Pratami dengan judul “Knowledge Conversion pada Proses Perencanaan Proyek di PT. LEN Railway System untuk Standardisasi Proses dengan Metode SECI”[2] melakukan konversi knowledge mengenai proses perencanaan proyek yang masih berupa tacit knowledge yang seiring waktu bisa hilang untuk didokumentasikan sesuai model SECI (Socialization, Externalization, Combination, Internalization). Tahap Socialization dilakukan dengan mengeksplorasi data dan proses bisnis kepada pelaku proyek per individu. Kemudian pada tahap Externalization, data-data tersebut diorganisasi sedemikin rupa dalam proses dokumentasi. Tahap Combination dilakukan dengan memilih best practice berdasarkan metode Delphi, metode AHP, dan metode factor rating. Tahap Internalization dilakukan dengan menyampaikan best practice dari hasil penelitian.

PROSIDING SEMMAU 2016 Penelitian yang dilakukan oleh Yudha berjudul “Kajian Penerapan Knowledge Management System Berbasis SECI Model dalam Format E-Mobile: Studi Kasus Universitas Indraprasta PGRI”[3] menjelaskan pentingnya penggunaan knowledge management system (KMS) berbasis teknologi e-mobile dalam proses perkuliahan Java. Pendekatan SECI digunakan dalam pembangunan KMS dan diuji kesiapannya dengan Knowledge Management Diagostic dan SQA untuk menguji kualitas aplikasi. Hasil penelitian menyatakan bahwa aplikasi telah dapat memfasilitasi proses SECI: Sosialisasi, tersedia pada menu “Tambah Materi”; Eksternalisasi, tersedia pada menu “Verifikasi Materi”; Kombinasi, merupakan aksi yang terjadi saat pengguna melakukan memilih menu “Tambah Materi”; dan Internalisasi, tersedia pada menu “Pencarian Materi”. Penelitian oleh Rahmah, Mega, dan Aditiyawijaya berjudul “Penerapan Knowledge Management berbasis Open Source di STT Terpadu Nurul Fikri”[4] menganalisis pemanfaatan aplikasi open source untuk mendukung proses knowledge management. Konversi pengetahuan berdasarkan model SECI dituangkan berupa fungsi-fungsi dalam aplikasi yaitu, Sosialisasi, berupa menu forum, chat e-learning, email, dan dokumentasi audio file di cloud file system; Eksternalisasi, berupa menu blog elearning, website, dan wiki; Kombinasi, berupa menu e-learning, cloud file management, dan single sign on; Internalisasi, berupa menu e-learning dan sistem informasi perpustakaan. Pada penelitian ini, dilakukan analisa berbagi pengetahuan yang terjadi di SMK Negeri 1 Boyolali berdasarkan fase Sosialisasi pada model SECI. Proses berbagi pengetahuan dari tacit ke tacit (Sosialisasi) akan dideskripsikan berdasarkan Kompetensi Dasar (KD) yang telah ditetapkan pada mata pelajaran Simulasi Digital. Selain itu analisis juga dilengkapi dengan penggunaan Edmodo sebagai aplikasi pendukung yang akan membantu proses Sosialisasi pada kegiatan belajar mengajar (KBM). Penilaian terhadap dampak penggunaan Edmodo akan dilakukan dengan membagi kuisioner kepada 32 orang siswa kelas X AK2 sebagai responden. Berdasarkan hasil belajar siswa, akan terlihat dampak dari pemanfaatan Edmodo dalam proses KBM, apakah dapat meningkatkan prestasi siswa atau sebaliknya. Berbagi pengetahuan merupakan salah satu metode atau salah satu langkah dalam manajemen pengetahuan yang digunakan untuk memberikan kesempatan kepada anggota suatu kelompok, organisasi, instansi atau perusahaan untuk berbagi ilmu pengetahuan teknik, pengalaman, ide yang mereka miliki kepada anggota lainnya[5]. Sedangkan knowledge (pengetahuan) adalah informasi yang kontekstual, relevan dan “actionable”[6]; alat pragmatis untuk memanipulasi dan mengontrol dunia[7]; bersifat komunal, aktivitas spesifik, terdistribusi, dan historis-cultural[8].

207

Sharing pengetahuan baru dapat dilakukan bila ada komunikasi yang terjalin lebih dari satu arah. Dengan berkumpulnya banyak orang, diharapkan akan selalu ada orang yang dapat saling menggantikan dan akan semakin banyak ide yang muncul sehingga lebih cepat dalam merespon masalah. Kualitas dapat diperoleh karena dengan sharing pengetahuan dengan lebih banyak orang dari banyak keahlian suatu solusi telah dipikirkan dari banyak aspek dan kemungkinan sharing pengetahuan tidak hanya dapat memperbaiki kinerja tiap individu, tetapi juga dapat mendorong munculnyaproduk baru, layanan baru ataupun menco ba inovasi-inovasi baru. Berbagi pengetahuan (knowledge sharing) dilakukan dengan berbagai metode seperti diskusi rutin, workshop, magang, dan pertemuan virtual dengan memanfaatkan teknologi informasi dan komunikasi seperti tele-conference, email, mailing list, web discussion-forum, webconference, wiki, blogging, dan lain-lain. Ada empat faktor utama yang mempengaruhi proses berbagi pengetahuan dalam kegiatan belajar mengajar: 1. Manusia: terdiri dari siswa, guru atau stakeholder, dimana akar permasalahannya adalah pada faktor manusia yang kesulitan dalam mengatur jadwal pertemuan. 2. Pengetahuan: tidak adanya tempat penyimpanan pengetahuan, dimana pengetahuan yang ada masih disimpan pada masing-masing benak siswa, guru ataupun stakeholder. 3. Infrastruktur: belum menggunakan teknologi informasi secara efektif dan efisien. 4. Content: belum semua kegiatan menggunakan teknologi informasi, baik dalam mengumpulkan content, pengembangan content, dan penyebaran content. Knowledge dapat dibagi menjadi dua jenis, yaitu tacit knowledge dan explicit knowledge. Tacit Knowledge merupakan pengetahuan yang dimiliki oleh seseorang dan sangat sulit diformulasikan atau dibagi dengan orang lain. Explicit Knowledge merupakan pengetahuan yang dapat diekspresikan dalam bentuk kata-kata, dapat dijumlahkan serta dapat dibagi dalam bentuk data, formula ilmu pengetahuan, spesifikasi produk, manual-manual, dan prinsip-prinsip universal[9]. Model berbagi pengetahuan menurut Nonaka dibuat dengan formulasi yang terkenal dengan sebutan model SECI sebagai proses terus menerus dalam menciptakan pengetahuan yang terlihat pada Gambar 1.

Gambar 1. Model SECI

PROSIDING SEMMAU 2016 Gambar 1 menjelaskan tentang proses penciptaan pengetahuan[5] atau empat konversi pengetahuan[7] yang dikenal dengan model SECI[8], yaitu: 1) Socialization (Sosialisasi), yaitu konversi dari tacit knowledge menjadi tacit knowledge yang baru melalui interaksi sosial dan berbagi pengalaman diantara anggota organisasi. 2) Externalization (Eksternalisasi), yaitu konversi dari tacit knowledge menjadi explicit knowledge yang baru. 3) Combination (Kombinasi), yaitu penciptaan explicit knowledge yang baru melalui penggabungan, pengkategorian, pengkelasan ulang, serta sintesis dari explicit knowledge yang ada. 4) Internalization (Internalisasi), yaitu penciptaan tacit knowledge yang baru dari penciptaan explicit knowledge yang ada. Fase Sosialisasi dalam model SECI mengacu pada tahapan penciptaan pengetahuan yang terjadi pada seseorang berdasarkan pengalaman secara pribadi, maupun pengalaman orang lain 9]. Dalam Sosialisasi terjadi konversi tacit knowledge, yaitu sebuah bentuk pengetahuan yang diam dalam benak manusia dalam bentuk intuisi, penilaian (judgement), kemampuan (skill), nilai atau pandangan hidup (value), kepercayaan (belief), serta pengalaman yang dialami selama hidupnya. Pengetahuan jenis ini cenderung melekat pada pikiran setiap individu sesuai kompetensi yang dimiliki, oleh karena itu dalam proses berbagi pengetahuan tacit ini diperlukan interaksi intens dari narasumber kepadan penerimanya. Dalam fase Sosialisasi, pengetahuan akan lebih mudah diterima apabila terjadi tatap muka, melalui pengalaman bersama dalam waktu dan tempat yang sama. Contoh fase Sosialisasi yang efektif adalah berupa kegiatan magang yang menuntut seseorang untuk menangkap pengetahuan atau belajar dari praktik langsung dari narasumber daripada hanya belajar dari buku teks. Edmodo adalah sebuah jejaring sosial untuk pembelajaran bersifat open source dan aman digunakan bagi guru, siswa, dan sekolah yang direkomendasikan oleh Lembaga Penjamin Mutu Pendidikan (LPMP). Edmodo adalah situs microblogging yang dapat digunakan di dalam kelas maupun rumah. Edmodo juga dapat membantu guru yang tidak bisa mengajar di kelas dengan memberikan materi pembelajaran secara online. Dengan Edmodo, guru bisa mengunggah materi pelajaran, memberikan tugas kepada siswa dengan menentukan waktu pengumpulannya. Siswa juga bisa berbagi pemikiran atau ide dengan menulis setiap gagasannya pada halaman grup yang dikunjunginya, sama halnya seperti Update Status pada Facebook. Edmodo dapat disebut sebagai “Facebook Guru dan Murid” karena fitur yang ditawarkan hampir sama dengan media sosial Facebook. Seperti dalam pembelajaran tatap muka, Edmodo juga mendukung

208

model pembelajaran “team teaching”, yaitu guru dengan dapat menyertakan guru lain untuk menjadi co-teacher. Fitur unggul lainnya adalah melibatkan orang tua untuk memantau perkembangan pendidikan yang diterima anak – anaknya dan menyediakan ruang untuk dapat berdiskusi dengan guru yang terlibat. Orang tua dapat melakukan akses selama mengetahui kode parent yang sama dengan kode yang diberikan kepada para siswa. Penggunaan Edmodo dapat menjadi solusi bagi permasalahan dalam proses KBM, seperti terbatasnya ruang dan waktu yang diperlukan guru dan siswa untuk berinteraksi dengan efisien. Padatnya kegiatan guru dengan tanggung jawab mengajar, tugas dinas dari sekolah, maupun urusan pribadi yang membuat guru berhalangan hadir di kelas kini tidak lagi menjadi sebuah masalah besar karena bisa ditanggulangi dengan memanfaatkan Edmodo sebagai media belajar dan berbagi pengetahuan. Sehingga proses KBM tidak hanya dapat berjalan secara tradisional dengan tatap muka didalam kelas saja, namun guru tetap dapat menjalankan tugasnya walaupun tidak dapat hadir secara fisik di kelas. Siswa yang sakit dan tidak dapat berangkat sekolah juga akan terbantu dengan adanya media ini, karena siswa tetap dapat mengikuti pelajaran dengan mengunduh materi yang telah diunggah guru dalam Edmodo, sehingga tidak akan membuat siswa ketinggalan pelajaran. Hal ini akan membuat interaksi antara guru dan siswa akan menjadi lebih mudah jika menggunakan Edmodo sebagai media pendukung dalam pembuatan, penyebaran, dan penerapan berbagi pengetahuan dalam KBM. Proses berbagi pengetahuan dalam KBM dengan memanfaatkan media Edmodo dapat dilihat pada Gambar 2.

Gambar 2. Pemanfaatan Edmodo dalam Proses Berbagi Pengetahuan dalam KBM Gambar 2 memperlihatkan tentang proses berbagi pengetahuan yang terjadi dalam proses KBM dengan memanfaatkan Edmodo sebagai media pembelajaran. Proses diawali dengan guru membuat rencana belajar (KBM) sesuai dengan kurikulum yang telah ditetapkan. Kemudian guru akan menyampaikan materi ajar kepada siswa di kelas. Jika guru berhalangan hadir karena mendapat tugas dinas (duty), maka guru dapat memberikan pengumuman kepada siswa bahwa ada materi atau pekerjaan rumah yang telah diunggah dalam Edmodo sesuai grup kelas

PROSIDING SEMMAU 2016 tersebut. Siswa dapat mengunduh materi dan pekerjaan rumah tersebut kapan saja dan dimana saja, entah dari sekolah atau dari rumah. Dengan diberikannya batas akhir pengumpulan tugas, akan membuat siswa harus membaca materi dan mengerjakan pekerjaan rumah yang diberikan guru secara mandiri (self study). Siswa yang telah selesai mengerjakan pekerjaan rumah dapat segera mengirimkan hasilnya di Edmodo sebelum batas pengumpulan berakhir. Selain itu guru dapat membuat sebuah ruang diskusi bagi siswa untuk membahas materi, tugas, maupun saling berbagi pengetahuan antara sesama siswa dan guru dengan siswa. 3.

METODE PENELITIAN Penelitian ini berusaha untuk memetakan polapola berbagi pengetahuan yang terjadi di SMK Negeri 1 Boyolali berdasarkan fase Sosialisasi pada model SECI. Data yang digunakan antara lain daftar kurikulum mata pelajaran Simulasi Digital, hasil pengamatan interaksi guru dan siswa pada aplikasi Edmodo, penilaian hasil belajar siswa, dan hasil pengisian kuesioner dari responden sebanyak 32 siswa kelas X, jurusan Akuntansi (AK) 2. Penelitian diawali dengan tahap: 1) Deskripsi Kompetensi Dasar, yaitu tahap dimana setiap Kompetensi Dasar (KD) yang terdapat dalam silabus mata pelajaran akan dideskripsikan dan dijelaskan kegiatan-kegiatan apa saja yang akan dilakukan siswa; 2) Identifikasi Proses Sosialisasi, yaitu tahap yang berfokus pada identifikasi proses sosialisasi yang terjadi pada setiap KD dengan kondisi guru mengajar di kelas secara langsung berhadapan dengan siswa; 3) Penerapan dalam Edmodo, yaitu tahap penggambaran kegiatan belajar mengajar (KBM) dengan kondisi guru tidak hadir di kelas sehingga harus difasilitasi menggunakan aplikasi Edmodo; 4) Analisa Respon Siswa, yaitu tahap menganalisa respon yang diberikan oleh setiap siswa dalam bentuk komentar pada setiap tugas yang diberikan oleh guru dalam Edmodo; 5) Analisa Hasil Belajar Siswa, yaitu membandingkan dan menganalisa hasil belajar siswa dengan dua skenario: tanpa menggunakan Edmodo dan dengan menggunakan Edmodo. 4.

HASIL DAN PEMBAHASAN Hasil penelitian ini akan dibagi menjadi dua bagian, yaitu yang pertama adalah hasil tahap 1 hingga tahap 3 dan yang kedua adalah hasil tahap 4 hingga tahap 5. Hasil analisa dan deskripsi kompetensi dasar yang terdapat pada mata pelajaran Simulasi Digital, hasil identifikasi fase Sosialisasi yang terjadi dalam KBM, dan bagaimana penerapannya dalam Edmodo bila terdapat kondisi guru tidak dapat mengajar di kelas dapat dilihat pada Tabel 2.

209

Kompetensi Dasar

Sosialisasi

Edmodo

GASAL Siswa melakukan Siswa pengamatan pada harus fitur-fitur Ms. Word, membaca Ms. Excel, Ms. tugas Power Point, tersebut melalui kemudian Edmodo mendiskusikan bisa di hasilnya di kelas lihat pada sehingga terjadi Gambar 4 saling tukar pendapat antar siswa. Pada akhir pertemuan guru memposting tugas lewat Edmodo. 2. Menerapkan Siswa melakukan Soal yang pengetahuan diskusi di kelas telah di pengelolaan tentang penggunaan kerjakan informasi media online atau para siswa digital dibagikan media sosial, yang melalui lewat sebelumnya pemanfaatan materinya sudah ada Edmodo. komunikasi Bisa pada edmodo. daring Karena materi sudah dilihat (online). selesai maka akan di pada Gambar 5. adakan evaluasi materi atau di sebut dengan Ulangan Tengah Semester. Tabel 2. Klasifikasi KD pada Fase Sosialisasi semester Gasal 1. Menerapkan pengetahuan pengelolaan informasi digital melalui pemanfaatan perangkat lunak pengolah informasi.

Tabel 2 berisi deskripsi kegiatan belajar yang akan dilakukan siswa di kelas sesuai fase Sosialisasi dan pemanfaatan dengan Edmodo berdasarkan poinpoin KD yang telah ditetapkan. Pada semester Gasal terdapat dua kompetensi dasar yang dideskripsikan, yaitu KD 1 dan KD 2 saja. KD 1 bertujuan untuk menerapkan pengetahuan pengelolaan informasi digital melalui pemanfaatan perangkat lunak pengolah informasi, yang diterjemahkan dalam fase Sosialisasi berupa kegiatan pengamatan pada fiturfitur aplikasi pengolah informasi, seperti Microsoft Word, Microsoft Excel, dan Microsoft Power Point. Setelah kegiatan pengamatan, guru akan mengajak siswa untuk mendiskusikan hasil pengamatan siswa terhadap aplikasi tersebut sehingga diharapkan akan terjadi tukar pendapat diantara para siswa, yang berarti disini telah terjadi fase Sosialisasi dalam berbagi pengetahuan siswa terhadap aplikasi yang telah diamatinya. Pemanfaatan Edmodo dalam KD 1 yaitu guru memberikan tugas yang diposting di Edmodo seperti pada Gambar 4.


Gambar 4. Posting tugas Guru pada Edmodo Pada akun guru akan muncul pemberitahuan (notifikasi) bahwa terdapat siswa yang memberikan komentar pada posting tersebut. KD 2 bertujuan untuk menerapkan pengetahuan pengelolaan informasi digital melalui pemanfaatan komunikasi daring (online), yang diterjemahkan dalam kegiatan Sosialisasi berupa diskusi di kelas yang membahas tentang penggunaan media online atau media sosial yang pernah dilakukan oleh siswa. Disini terjadi Sosialisasi saat siswa menceritakan pengalamannya saat menggunakan media online dan akan menjadi lebih efektif ketika ada siswa lain yang mengemukakan pendapatnya atau melakukan tanya jawab yang terlihat pada Gambar 5.

Gambar 5. Interaksi guru dan siswa Bila durasi untuk diskusi masih kurang dan perlu dilanjutkan, guru dapat memanfaatkan Edmodo sebagai media alternatif untuk diskusi tersebut. Guru dapat membuat grup yang bertujuan untuk mempertemukan kembali siswa-siswa kelas tersebut sehingga kegiatan diskusi dalam diteruskan tanpa mengganggu pelajaran lain dan dapat dilakukan di rumah sekalipun. Tabel 3. Klasifikasi KD pada Fase Sosialisasi semester Genap KD 1-3 Kompetensi Dasar 1. Memahami presentasi video 2. Menerapkan presentasi video untuk branding dan marketing

3. Memahami simulasi visual

210

Sosialisasi GENAP Siswa membuat kelompok untuk membuat film kemudian dipresentasikan. Materi yang disajikan adalah proses pembuatan suatu karya film dari pra-pembuatan, proses pembuatan, sampai tahap pascaproduksi Siswa melakukan diskusi di kelas tentang simulasi visual. Dilanjutkan dengan tanya jawab.

Edmodo

Siswa mengungg ah tugas di Edmodo seperti pada Gambar 6

Jika waktu diskusi di kelas dirasa kurang, maka dapat dilanjutkan di Edmodo

PROSIDING SEMMAU 2016 Kompetensi dasar pada semester Genap yang akan dideskripsikan meliputi KD 1-6 yang secara garis besar bertujuan untuk membuat siswa dapat memahami presentasi video untuk berbagai tujuan dan tahap pembuatannya, baik dari pra-produksi, produksi, hingga pasca-produksi. Pada KD 1 dan 2 siswa akan diajak guru untuk memahami bagaimana peran dan kekuatan sebuah video dalam menyampaikan pesan kepada penonton. Guru terlebih dahulu akan mengajak siswa untuk menonton videovideo yang memiliki dampak yang informatif dan mengajak siswa untuk mengungkapkan pendapatnya tentang video tersebut. Pada kegiatan ini terjadi Sosialisasi dari siswa dan guru yang bersama-sama menonton video dan saling memberikan respon sehingga ada pengalaman yang dialami bersama dan menimbulkan tukar pendapat, baik guru dengan siswa dan siwa dengan teman-temannya. Guru memiliki peran untuk mengontrol jalannya diskusi dan mengarahkan siswa untuk mulai menyampaikan idenya untuk membuat video dengan tujuan branding dan marketing. Pembuatan video dalam rangka branding dan marketing akan merangsang siswa untuk berpikir kritis dan inovatif dalam menyajikan sebuah merek yang akan ditawarkan kepada penonton. Guru bisa menyuruh siswa untuk membentuk kelompok dan memilih atau menciptakan sebuah merek dagang sesuai ide dan kreativitas siswa. Disini juga terjadi Sosialisasi ketika siswa melakukan pengumpulan ide (brainstorming) dan mendiskusikan bagaimana merek tersebut akan disajikan dalam bentuk video singkat kemudian hasil video diunggah di dalam Edmodo seperti pada Gambar 6.

Gambar 6. Video hasil kerja siswa yang diunggah dalam Edmodo KD 3 yaitu guru akan memberikan materi yang akan membantu siswa dalam memahami simulasi visual untuk menyampaikan ide dan konsep dalam bentuk grafis animasi, baik berupa dua dimensi ataupun tigas dimensi. Dalam KD ini guru wajib memperlihatkan contoh-contoh simulasi visual agar siswa boleh mendapatkan gambaran jelas dan memberikan referensi yang cocok dan mudah dipahami siswa untuk selanjutnya dapat digunakan dalam pengerjaan tugas yang diberikan oleh guru. Di dalam kelas bisa terjadi Sosialisasi saat guru menyampaikan materi dan memberikan waktu diskusi bagi siswa dalam kelompoknya untuk menyusun ide dan rencana pembuatan simulasi visual. Jika waktu diskusi di kelas tidak mencukupi, maka bisa dilanjutkan dalam grup yang telah dibuat

211

di Edmodo. Selain siswa bisa berdiskusi secara mandiri, guru tetap dapat memantau jalannya diskusi walau tidak ada bersama dengan siswa secara fisik. Tabel 4. Klasifikasi KD pada Fase Sosialisasi semester Genap KD 4-6 Kompetensi Dasar 4. Menerapkan fitur aplikasi pengolah simulasi visual tahap pra-produksi

5. Menerapkan fitur aplikasi pengolah simulasi visual tahap produksi 6. Menerapkan fitur aplikasi pengolah simulasi visual tahap pascaproduksi

Sosialisasi GENAP Para siswa mengajukan tahapan praproduksi yang akan jadikan acuan dalam proses pembuatan video kemudian dipresentasikan Para siswa mengajukan teknikteknik aplikasi simulasi visual untuk tahap produksi di kelas Para siswa mengajukan tahapan pascaproduksi yang bisa digunakan setelah produksi selesai. Di akhir pertemuan guru memberikan informasi akan di adakanya ulangan dengan menggunakan Edmodo

Edmodo

Ulangan dikerjakan lewat Edmodo dan siswa dapat langsung melihat hasilnya. Bisa dilihat pada Gambar 7.

KD 4 - 6 akan mengajak siswa untuk mempelajari tahap-tahap pembuatan simulasi visual dari tahap pra-produksi, tahap produksi, hingga tahap pasca-produksi dengan menggunakan aplikasi pengolah simulasi visual. Sosialisasi terjadi saat guru menjelaskan materi tersebut secara langsung kepada siswa didalam kelas. Selain itu guru bisa melakukan variasi dengan menugaskan siswa untuk menggali referensi secara mandiri dan kemudian dipaparkan didalam kelas dalam bentuk presentasi. Sosialisasi akan terjadi secara alami saat siswa menyampaikan materinya dihadapan teman-temannya dan terjadi diskusi saat ada siswa yang bertanya atau mengajukan pendapatnya. Pada akhir pemberian matere maka guru akan mengevaluasi pembelajaran dengan kata lain ulangan. Ulangan menggunakan edmodo lebih efektif dan efisien karena dibatasi oleh waktu untuk mengerjakanya seperti pada Gambar 7.


Gambar 7. Ulangan menggunakan Edmodo bisa dilakukan secara serempak Dalam hal ini Edmodo berguna jika secara mendadak guru tidak dapat hadir di kelas, sehingga siswa dapat mengerjakan soal – soal dalam edmodo. Dengan cara ini waktu belajar di kelas menjadi lebih efektif untuk diskusi dan praktikum sesuai materi yang dipelajari. Pola berbagi pengetahuan yang terjadi di kelas X berdasarkan fase Sosialisasi dan penerapannya dalam Edmodo dapat dilihat pada Gambar 8.

Gambar 8. Pola Berbagi Pengetahuan dalam KBM Pola yang terlihat pada Gambar 8 menggambarkan bagaimana KBM sekarang menuntut seorang guru untuk menyampaikan materi berdasarkan kurikulum yang berlaku dengan cara mengajar di kelas dalam bentuk ceramah. Setelah materi disampaikan, guru akan memberikan tugas, baik yang harus dikerjakan di kelas pada saat pelajaran atau tugas pekerjaan rumah untuk dibawa pulang. Tugas yang diberikan kepada siswa pun juga harus sesuai dengan silabus dan RPP yang berlaku. Selain pemberian tugas, guru juga memberikan kegiatan praktikum baik didalam kelas, maupun melalui media e-learning seperti Edmodo. Pada akhirnya, guru akan melakukan penilaian berdasarkan hasil kerja dan praktikum yang dilakukan oleh siswa. Proses KBM yang telah berlangsung terkadang tidak berjalan lancar seperti yang diharapkan, oleh karena itu seorang guru wajib menjalin komunikasi dengan siswa demi kelancaran KBM. Hal ini sering dilakukan dalam bentuk diskusi, baik berupa diskusi kelompok (terbuka) atau diskusi pribadi (tertutup). Diskusi kelompok bertujuan untuk memeriksa pemahaman siswa terhadap mata pelajaran yang diampu oleh guru. Dalam diskusi kelompok, guru

212

memberikan kebebasan kepada siswa untuk berpendapat, seperti apakah materi yang diajarkan sudah dipahami atau belum, apa saja kesulitan yang dialami siswa saat KBM dilaksanakan, apakah tugastugas yang diberikan bisa dikerjakan, dan lain-lain. Sedangkan diskusi pribadi bersifat tertutup karena hanya melibatkan guru dan satu orang siswa. Didalam diskusi ini, guru akan melakukan bimbingan konseling secara personal kepada siswa yang hasil belajarnya belum memenuhi batas KKM (Kriteria Ketuntasan Minimal) untuk diberikan bimbingan khusus atau pengulangan (remidi) pada tugas dan tes yang belum tuntas. Komunikasi yang baik antara guru dan siswa akan menciptakan suasana belajar yang nyaman, sehingga mendorong siswa untuk berjuang lebih keras dalam memenuhi batas tuntas pada setiap mata pelajaran yang diikuti. Edmodo sebagai media pembelajaran berbasis web dapat menjadi sarana yang memudahkan proses penyebaran materi dan melancarkan jalannya diskusi antara guru dan siswa karena masih dapat berjalan meskipun tanpa ada tatap muka di kelas. Proses ini didukung oleh sifat Edmodo yang dapat diakses kapan saja dan dimana saja asal terkoneksi dengan internet. Hal ini juga membuat siswa yang sebelumnya tertutup menjadi lebih terbuka kepada guru untuk menceritakan masalah yang dihadapinya selama proses KBM berjalan. Dengan terbukanya siswa kepada guru, akan membuat guru menjadi lebih peka terhadap kompetensi setiap siswa dan bisa merancang metode belajar yang menyenangkan daripada hanya melakukan ceramah di depan kelas. Hasil rekap nilai siswa pada mata pelajaran Simulasi Digital akan membuktikan bahwa terdapat perbedaan yang signifikan pada hasil belajar siswa sebelum dan sesudah penggunaan Edmodo dalam proses KBM yang disajikan pada Tabel 4. Tabel 4. Hasil rekap nilai siswa kelas X AK2 mata pelajaran Simulasi Digital

PROSIDING SEMMAU 2016 Dampak penggunaan Edmodo dalam KBM pada kelas X AK2 di mata pelajaran Simulasi Digital dapat dilihat pada Tabel 5. Tabel 5. Perbandingan jumlah siswa dengan hasil belajar di bawah KKM dan di atas KKM

Edmodo memungkinkan terwujudnya berbagi pengetahuan karena memiliki kelengkapan fitur yang dirancang untuk proses pembelajaran individu maupun organisasi. Hal itu menjadikan situasi belajar menjadi lebih kondusif dan menyenangkan dalam proses KBM yang telah diprogramkan, sehingga Edmodo dapat menanggulangi permasalahan apa bila guru tidak bisa hadir di kelas untuk kegiatan KBM. Edmodo sangat tepat sekali untuk penggunaan sebagai alternatif media pembelajaran yang dapat membantu mengurangi beban guru serta dapat meningkatkan nilai siswa. REFERENSI

Tabel 5 dapat menunjukkan bahwa terjadi kenaikan nilai di atas KKM sebelum menggunakan Edmodo dibandingkan dengan nilai di atas KKM setelah menggunakan Edmodo, pada KD 1 semester gasal kenaikan nilai sebesar 40,625%, KD 2 semester gasal sebesar 31,25%, kenaikan nilai KD 1 pada semester genap sebesar 12,5%, kenaikan nilai pada KD 2 semester genap sebesar 37,5%, kenaikan nilai pada KD 3 semester genap sebesar 6,25 %, kenaikan nilai pada KD 4 semester genap sebesar 3,12%, Kenaikan nilai pada KD 5 semester genap sebesar 31,25% dan kenikan nilai pada KD 6 semester genap sebesar 18,75%. Hal ini membuktikan bahwa penggunaan Edmodo dalam proses Sosialisasi dalam KBM dapat meningkatkan nilai siswa. 5.

KESIMPULAN Tugas guru adalah mengajar sesuai dengan Surat Keputusan (SK) yang telah di tetapkan, tetapi guru juga mempunyai tugas lain yang harus dikerjakan, baik tugas secara kedinasan maupun tugas sosial. Penelitian ini dilakukan dengan harapan guru tetap bisa melaksanakan tugas mengajarnya dengan baik tanpa meninggalkan tugas dan kegiatan berupa tugas sekolah, kegiatan kemasyarakatan, kegiatan individu, dan urusan keluarga yang dapat mengurangi waktu Kegiatan Belajar Mengajar (KBM). Berbagi pengetahuan merupakan proses yang dapat membantu organisasi maupun individu untuk mengidentifikasi, memilih, mengelola, menyebarkan dan mentransfer pengetahuan. Software opensource

213

[1]. Subagdjo, S. 2011. Perancangan Knowledge Manajemen untuk Pelayanan Perizinan Terpadu Satu Pintu. Konferensi Teknologi Informasi & Komunikasi Untuk Indonesia, 14-15 Juni 2011, Bandung. [2]. Nisaa, A.S., Kurniawati, A., dan Pratami, D. 2013. Knowledge Conversion pada Proses Perencanaan Proyek di PT. LEN Railway System untuk Standardisasi Proses dengan Metode SECI. J@TI Undip : Jurnal Teknik Industri Universitas Diponegoro. Vol III. No 1. [3]. Yudha, B. 2015. Kajian Penerapan Knowledge Management System Berbasis SECI Model dalam Format EMobile: Studi Kasus Universitas Indraprasta PGRI. Faktor Exacta 8(3): 279-289 [4]. Rahmah, A., Mega, K.N., dan Aditiyawijaya, H. 2015. Penerapan Knowledge Management berbasis Open Source di STT Terpadu Nurul Fikri. Open Journal System SEMNASTEKNOMEDIA ONLINE. Vol 3. No 1. [5]. Hendro, S. 2007. Pengantar Knowledge Sharing Untuk Community Development. Pengetahuan Kawasan Timur Indonesia, Makassar. [6]. Turban, E. 2008. Information Technology for Management Transforming Organizations in the Digital Economy (6th Edition ed.). Hoboken: John Wiley & Sons. [7]. Aarons, J. 2006. Ephistemology and Knowledge Management. In D. G. Schwartz, Encyclopedia of Knowledge Management (p. 166). Hershey:IDEA Group, Inc [8]. Iivari, J. 2000. Reflections on the role of knowledge management in information economy. InF. Burnstein,& H. Linger, Knowledge Management for Information Communities. Melbourne. [9]. Sangkala. 2007. Knowledge Management

PROSIDING SEMMAU 2016 Suatu Pengantar Memahami Bagaimana Organisasi Mengelola Pengetahuan Sehingga menjadi Organisasi yang Unggul. PT. Raja Grafindo Persada Jakarta. [10]. Dalkir, K. 2005. Knowledge Management in Theory and Practice. Elsevier, Oxford UK. [11]. Nanoka, Ikujiro, and Takeuchi, Hirotaka 1995. The Knowledge Creating Company: How Japanese Companies Create The Dinamics of Innovation. Oxford: Oxford University Press. [12]. Nugraha, N.W. 2015. Perancangan Konten e-Learning pada Kegiatan Alih Media dan Preservasi Berdasarkan Knowledge Conversion di PDII LIPI dengan Metode SEDI dan ADDIE, Telkom University. [13]. Nonaka, I. 2002. Adynamic theory of organizational knowledge creation. In C. W. Choo & N. Bontis (Eds). The strategic manajemen of intellectual capital and organization knowledge, pp 437-462. New York: Oxford University Press. [14]. Sugiyono. 2013. Metode Penelitian Kuantitatif, Kualitatif, R&D. Bandung : CV. Alfabeta [15]. Narbuko, Cholid, dan Achmadi, A. 2013. Metodologi Penelitian. Jakarta : PT Bumi Aksar [16]. Nanoka, komo+tayoma. 2000. SECI, Ba and Leadership: A Unifed Model of Dynamic Knowledge Creation, Long Range Planning. 33(1), pp. 5-34 [17]. Bahri, S. 2011. Psikologi Belajar. Jakarta: Rineka Cipta. [18]. Hamalik, O. 2011. Kurikulum dan Pembelajaran. Jakarta, Bumi Aksara [19]. Direktorat Pembinaan sekolah Menengah Atas Direkorat Jendral Manajemen Pendidikan Dasar dan Menengah Departemen Pendidikan Nasional. 2008. Bantuan pengembangan bahan ajar. Jakarta. [20]. Sumarno, A. 2011. Model Pembelajaran Konvensional. http://blog.elearning.unesa.ac.ai/alimsumarno/model-pembelajarankonfensional. Diakses tanggal 1 Januari 2012. [21]. Bahri. 2011. Psikologi Belajar. Jakarta; PT Rineka Cipta [22]. SEAMEO Regional Open Learning Centre (SEAMOLEC), 2013 [23]. Sadiman. 2007.Interaksi dan Motivasi Belajar Mengajar. Jakarta, PT. Raja Grafindo Persada [24]. Iriani, A. 2015. Berbagi Pengetahuan

214

dalam Transformasi: Studi Grounded Teory di UKM Batik Sragen. Salatiga: Satya Wacana University Press

PROSIDING SEMMAU 2016 ANALISIS TOPIK-TOPIK YANG MEMPENGARUHI TERJADINYA SENTIMEN TERKAIT KENAIKAN HARGA BAHAN BAKAR MINYAK (BBM) PADA MEDIA ONLINE Bobby Christian Sandy1, Danny Manongga2, Ade Iriani3 123

Magister Sistem Informasi, Universitas Kristen Satya Wacana [email protected], [email protected], [email protected]

1

Abstrak Bahan Bakar Minyak (BBM) memiliki peran yang sangat penting bagi kehidupan masyarakat. Kenaikan harga BBM berpengaruh besar hampir semua sektor, karena memicu peningkatan biaya dan operational. Kenaikan harga BBM di Indonesia selalu menjadi polemik di masyarakat, khususnya pada media online yang memunculkan reaksi masyarakat baik itu sentimen negatif maupun positif. Penelitian ini bertujuan untuk mengetahui topik-topik pembahasan apa saja yang mempengaruhi sentimen terkait kenaikan harga BBM. Kemudian mengetahui lokasi atau dari mana sumber opini berasal terkait kenaikan harga BBM. Analisis proses dan pengolahan data menggunakan pendekatan kualitatif dengan bantuan perangkat lunak Atlas ti. Data yang digunakan adalah data dalam bentuk teks dokumen terkait kebijakan kenaikan harga BBM, yang di ambil dari media online (detik.com dan kompas.com) pada tahun 2014 dan 2015. Berdasarkan hasil analisis dokumen, topik-topik pembahasan yang mempengaruhi terjadinya sentimen terkait kebijakan kenaikan harga BBM pada detik.com dan kompas.com adalah Biaya Produksi, Subsidi BBM, Daya Beli, Pelanggaran, Transportasi dan Program Kompensasi. Secara keseluruhan memiliki sentimen negatif, dengan jumlah 205 opini positif dan 502 opini negatif. Lokasi yang paling populer terkait kenaikan harga BBM adalah DKI Jakarta dengan 443 opini. Kenaikan harga BBM jika dilihat berdasarkan lokasi yang terkena sentimen terbesar adalah DKI Jakarta dengan 273 opini negatif terkait kenaikan harga BBM. Kata kunci: Analisis Sentimen, Kualitatif, Kenaikan Harga BBM, Atlas ti 1.

PENDAHULUAN Bahan Bakar Minyak (BBM) merupakan suatu komoditas penting dalam masyarakat. Dalam hal ini, harga bahan bakar minyak (BBM) mempengaruhi harga dari komoditas dan sektor lainnya. Kenaikan harga BBM memberikan dampak yang nyata terhadap multi sektoral dan bukannya tidak mungkin akan mengarah pada gejolak multi dimensi. Di bidang ekonomi, ketidakstabilan harga BBM secara pasti akan menaikkan biaya operational sehari-hari [1][19]. Ketidakstabilan harga BBM akan memberikan dampak terhadap perubahan harga BBM yaitu perubahan anggaran rumah tangga, bertambahnya biaya pada sektor transportasi yang akan mendorong semakin besar tingkat inflasi dan juga berpengaruh terhadap naiknya harga kebutuhan pokok, biaya produksi sehingga berpengaruh juga pada hargaharga barang yang lain[2][3]. Dampak dari Kenaikan harga BBM bagi masyarakat, menimbulkan banyak opini terkait kenaikan harga BBM jika dilihat dari tanggapan masyarakat di berbagai media khususnya media online. Opini terkait kanaikan harga BBM pada media online seperti pada detik.com dan kompas.com yang menunjukan adanya sentimen negatif dan positif [4].

215

Pada penelitian ini, dilakukan pengamatan berdasarkan lokasi dari sebuah teks berasal. Menurut Amitay et al., dengan mengetahui lokasi dari sebuah teks, masyarakat bisa tahu area mana yang sedang populer tentang suatu produk atau topik tertentu. Dengan melakukan pengamatan berita berdasarkan lokasi, masyarakat bisa mengetahui dari mana sumber dari opini tersebut berasal [20]. Melihat sentimen negatif dan positif dari masyarakat, sehingga perlu untuk mengetahui topik-topik pembahasan apa saja yang menjadi perhatian atau sorotan bagi masyarakat yang mempengaruhi terjadinya sentimen dan dari mana lokasi dari sebuah teks atau opini tersebut berasal terkait kenaikan harga BBM. Untuk memudahkan tahapan pengolahan data temuan penelitian ini, peneliti menggunakan perangkat lunak yang dikhususkan untuk mengolah data dan informasi pada metodologi kualitatif. Banyak perangkat lunak yang dapat membantu peneliti dalam mengolah data pada pendekatan metodologi kualitatif, diantaranya NU*DIST, ATLAS.TI, HyperResearch, Maxqda, The Ethnograph, dan QSR NVIVO. Dari sekian alternatif perangkat lunak pengolahan data dan informasi dengan metodologi kualitatif, penulis sebagai peneliti menggunakan perangkat lunak Atlas.ti. Perangkat lunak pengolahan data pada pendekatan metodologi

PROSIDING SEMMAU 2016 kualitatif ini membantu peneliti dalam entry data, proses coding, membangun model dan penyajian data (mapping) dalam bentuk network. Perangkat lunak Atlas.ti dapat membantu dalam mengorganisasi, memberikan kode, dan menganalisis data penelitian kita secara efisien dan terstruktur. Perangkat lunak ini mampu membaca berbagai jenis data, seperti data audio, data video, data gambar, maupun data tertulis (artikel, buku, data survey, ataupun transkip wawancara). Hal ini memungkinkan kita dalam melakukan trianggulasi dengan berbagai jenis pengumpulan data. Sejalan dengan apa yang telah dikatakan oleh Drijvers (2012), Atlas.ti memiliki empat keunggulan jika dibandingkan dengan software lainnya, yaitu: 1) Atlas.ti dapat membaca berbagai macam jenis data, 2) Perangkat lunak ini pun popular dikalangan peneliti kualitatif, bukti dari kepopuleran perangkat lunak ini salah satunya adalah konferensi khusus yang dimiliki oleh para pengguna Atlas.ti, 3) Atlas.ti memiliki panduan yang baik, terdapat bantuan secara online, dan dokumentasi lengkap, dan 4) harganya terjangkau [30]. Walaupun memiliki beberapa keunggulan yang telah disebutkan sebelumnya, Friese (2012) dalam bukunya mengatakan bahwa Atlas.ti ini sama halnya seperti perangkat lunak kualitatif lainnya, tidak benar-benar menganalisa data, hanya alat bantu sederhana yang dapat membantu proses analisis data kualitatif [14]. Hal ini dibenarkan oleh beberapa peneliti yang menggunakan Atlas.ti. Berikut beberapa penelitian yang telah menggunakan perangkat lunak Atlas.ti dalam penelitiannya, sebagai berikut: 1) Van Nes & Doorman (2010) menganalisis data penelitiannya secara kualitatif dibantu dengan perangkat lunak Atlas.ti dalam pemberian kode [31]. 2) Doorman dkk (2012) menggunakan Atlas.ti sebagai alat bantu proses analisis data kualitatif, dimulai dari pengorganisasian data, pemberian kode, sampai pendeskripsian data [32]. 3) Jupri (2015) dalam penelitiannya melakukan analisa data melalui tiga langkah dengan bantuan Atlas.ti, yaitu: 1) pengorganisasian data sesuai dengan klasifikasinya, 2) pendeskripsian data sesuai dengan kategorinya, dan 3) hasil di cek ulang melalui koding yang telah diberikan di awal analisis [33]. Penelitian ini bertujuan untuk menganalisis dua permasalahan yaitu: 1) Mengetahui topik-topik pembahasan apa saja yang mempengaruhi sentimen terkait kebijakan kenaikan harga BBM. 2) Mengetahui lokasi atau sumber dari opini terkait kenaikan harga BBM berasal. Proses analisis dan klasifikasi dokumen, dalam penelitian ini menggunakan data dalam bentuk teks dokumen yang

216

diambil dari media online (detik.com dan kompas.com). Data yang dikumpulkan adalah dokumen berisi tentang kenaikan harga BBM pada masa pemerintahan Joko Widodo dan Jusuf Kalla pada tanggal 17 November 2014, 1 Maret 2015, dan 28 Maret 2015 pada media online dengan menggunakan pendekatan kualitatif dengan bantuan perangkat lunak Atlas ti. 2.

KAJIAN LITERATUR Penelitian terdahulu yang berjudul Analisis Sentimen Kebijakan Publik Terhadap Ujian Nasional Dengan Metode Naïve Bayes Classifier (NBC). Penelitian ini menggunakan metode NBC dan Quintuple untuk mengklasifikasi dokumen yang terkait dengan ujian nasional. Dari hasil analisis dan klasifikasi dokumen secara keseluruhan menentukan sentimen publik dalam melaksanakan ujian nasional memiliki sentimen negatif, dengan kategori pendapat positif 32% dan pendapat negatif 68%. Hasil pengolahan data dan klasifikasi dokumen berdasarkan polaritas pendapat positif pada tahun 2012 memiliki sentimen positif lebih tinggi yaitu 44%, dibandingkan tahun 2013 dengan 20% sentimen positif. Sebaliknya untuk kategori pendapat negatif ujian nasional tahun 2013 memiliki sentimen negatif tertinggi yaitu 80% dibandingkan tahun 2012 yaitu 56% sentimen negatif. Hasil akurasi klasifikasi dokumen secara keseluruhan mengungkapkan bahwa akurasi klasifikasi dokumen menggunakan metode NBC memiliki tingkat akurasi yang tinggi, mencapai 93% dibandingkan dengan metode quintuple dengan akurasi 83% [8]. Dalam penelitian lain yang berjudul Sentiment Analysis of Online Media menunjukkan penggabungan model statistik untuk penjelasan prasangka pengguna dan model naïve bayes untuk klasifikasi dokumen. Data yang digunakan diambil dari sumber-sumber media online dalam bentuk artikel berita tentang penjelasan negatif, positif dan efek yang tidak relevan terhadap perekonomian irlandia. Penelitian ini menggunakan algoritma EM untuk penjelasan model estimasi prasangka pengguna, klasifikasi parameter dan sentimen dari artikel. Hasil dari penelitian ini mengungkapkan penggabungan dengan dua metode memiliki hasil yang lebih menonjol dari pada menggunakan estimasi prasangka dan klasifikasi parameter [7]. Penelitian yang berjudul Dampak Kebijakan Harga BBM Terhadap Kemiskinan di Indonesia dengan menggunakan pendekatan Model Dinamik, Penelitian ini dilakukan untuk mengetahui bagaimana hubungan antara kebijakan harga BBM dengan angka kemiskinan. Hasil penelitian ini menyebutkan dari simulasi skenario didapatkan bahwa skenario kebijakan konpensasi BBM secara langsung pada masyarakat miskin dapat mengurangi angka kemiskinan. Dengan jumlah orang miskin

PROSIDING SEMMAU 2016 pada tahun 2015 1.09%. Sedangkan dengan skenario kedua yaitu penurunan harga BBM didapatkan bahwa jumlah orang miskin pada 2015 sebesar 13.2 %. Namun untuk variabel tingkat pendapatan dan tingkat kesempatan kerja, nilai yang lebih tinggi ditunjukkan pada skenario penurunan harga BBM [3]. Penelitian dengan judul analisis sentimen pada twitter mengenai penggunaan transportasi umum darat dalam kota dengan metode support vector machine. Penelitian ini menggunakan metode Support Vector Machine. Penelitian ini bertujuan untuk mengetahui penilaian pelayanan transportasi umum darat dalam kota apakah positif atau negatif, serta mengetahui faktor opini apa yang sering muncul. hasil pengujian untuk kasus pada penelitian ini didapatkan bahwa SVM dapat diimplementasikan dengan nilai akurasi mencapai 78,12%. Variabel yang berpengaruh terhadap akurasi adalah jumlah data, perbandingan jumlah data latih dan uji, serta perbandingan jumlah data positif dan negatif yang digunakan [29]. Sedangkan pada penelitian yang berjudul Analisis Sentimen Terhadap Kenaikan Harga BBM Pada Media Online dengan bantuan perangkat lunak atlas ti. Hasil analisis dan klasifikasi dokumen, sentimen publik terkait kenaikan harga BBM pada detik.com dan kompas.com menunjukkan sentimen negatif. Hasil pengolahan data dan klasifikasi data secara keseluruhan menunjukkan opini positif 32% dan opini negatif 68%. Hasil klasifikasi dokumen berdasarkan polarisasi opini publik terkait kebijakan kenaikan harga BBM menunjukan bahwa pada detik.com memiliki opini positif 35% dan negatif 65%. Sementara itu, pada kompas.com memiliki opini positif 29% dan opini negatif 71% [4]. Sebagian besar dari penelitian terdahulu menggunakan metode-metode klasifikasi yang populer dan paling sering digunakan seperti Naïve Bayes Classifier (NBC), Quintuple, Support Vector Machine (SVM) dalam analisis sentimen. Dalam hal ini, peneliti mencoba untuk melakukan analisis dengan pendekatan yang berbeda yaitu dengan menerapkan pendekatan kualitatif dengan bantuan perangkat lunak Atlas.ti, yang sebelumnya belum pernah digunakan untuk memecahkan masalah terkait analisis sentimen. Penelitian [4] digunakan sebagai acuan dalam membangun penelitian ini. Dalam penelitian ini akan melakukan klasifikasi dokumen teks terkait kenaikan harga BBM berdasarkan sentimen dari publik. 2.1 Analisis Sentimen Sentiment analysis atau opinion mining mengacu pada bidang yang luas dari pengolahan bahasa alami, komputasi linguistic dan text mining yang bertujuan menganalisa pendapat, sentimen, evaluasi, sikap, penilaian dan emosi seseorang apakah pembicara atau penulis berkenaan dengan

217

suatu topik, produk, layanan, organisasi, individu, ataupun kegiatan tertentu [9]. Tugas dasar dalam analisis sentimen adalah mengelompokkan polaritas dari teks yang ada dalam sebuah kalimat, dokumen, fitur atau tingkat aspek kemudian menentukan pendapat yang dikemukakan dalam kalimat, dokumen, fitur atau tingkat aspek tersebut apakah bersifat positif, negatif, atau netral [6]. Ekspresi atau sentiment mengacu pada fokus topik tertentu, pernyataan pada suatu topik mungkin akan berbeda makna dengan pernyataan yang sama pada subject yang berbeda. Oleh karena itu, pada beberapa penelitian terutama pada review produk, pekerjaan didahului dengan menentukan elemen dari sebuah produk yang sedang dibicarakan sebelum memulai proses opinion mining [10]. Liu mengidentifikasikan bahwa kalimat opini adalah kalimat yang mengungkapkan pendapat positif atau negatif secara eksplisit maupun implisit. Liu juga mengatakan bahwa kalimat opini bisa dalam bentuk kalimat subjektif atau kalimat objektif. Pendapat eksplisit adalah pendapat yang diungkapkan secara eksplisit terhadap fitur atau objek dalam kalimat subjektif. Sementara itu, pendapat implicit merupakan pendapat tentang fitur atau objek yang tersirat dalam kalimat objektif [5]. 2.2 Atlas.ti Atlas.ti adalah sebuah tool penting yang memfasilitasi para peneliti untuk menganalisis data secara terorganisir dengan baik, sistematis, efektif dan efisien untuk analisis data dalam banyak studi kasus[11][12][13][14][15]. Perangkat lunak ini membuat data kualitatif lebih visual, portable dan juga memudahkan proses analisis. Atlas ti tidak hanya alat yang untuk mendukung analisis data kualitatif dan juga sebagai pendamping sampai akhir project [18]. Tool Atlas.ti membantu peneliti menganalisis secara sistematis fenomena data yang kompleks baik itu berupa teks dan multimedia. Atlas.ti juga mempunyai fitur tambahan untuk pengembangan teori seperti kemampuan untuk membangun sebuah diagram konseptual yang menunjukkan relevansi antara ide [16]. 3.

METODE PENELITIAN Penelitian ini menggunakan metodologi seperti dijelaskan pada Gambar 1 berikut :

PROSIDING SEMMAU 2016 3.2 Pemrosesan Data Dokumen teks berita yang telah dikumpulkan kemudian dilakukan pemrosesan data menggunakan pendekatan kualitatif dengan proses Coding dengan bantuan perangkat lunak Atlas ti. Terdapat tiga teknik Coding antara lain open coding, axial coding dan selective coding.

Gambar 1. Metodologi Penelitian 3.1 Pengumpulan Data Pengumpulan data yang dilakukan pada penelitian ini dilakukan secara manual yaitu dengan menggunakan teknik penelusuran internet. Pengumpulan data dalam penelitian ini menggunakan beberapa media online, yakni : http://www.detik.com dan http://www.kompas.com. Data yang digunakan adalah dalam bentuk dokumen teks berita dari media online (detik.com dan kompas.com). Data yang digunakan yaitu data dari hasil pengelompokkan polaritas dari teks yang ada dalam dokumen, kalimat atau fitur entitas/tingkat aspek apakah pendapat yang dikemukakan dalam dokumen atau kalimat memiliki aspek ekspresi atau sentimen. Sebagai contoh “Naiknya harga BBM, menurut Ipang, berdampak meningkatnya hargaharga kebutuhan pokok dan barang lainnya. Pendemo menilai pemerintah JOKOWI-JK tidak tepat menaikkan BBM lantaran harga minyak dunia mengalami penurunan”. Entitas atau objek adalah kenaikan harga BBM, aspeknya adalah kebutuhan primer, pendapat atau sentimennya adalah negatif, karena naiknya harga BBM berdampak meningkatnya harga kebutuhan pokok dan barang lainnya. Data yang dikumpulkan 239 teks berita atau artikel terkait kenaikkan harga BBM. Untuk periode waktu pengumpulan data pada detik.com dan kompas.com dilakukan per periode kenaikkan harga BBM yaitu pada tanggal 17 November 2014 sampai 30 Desember 2014; 28 Februari 2015 sampai 27 Maret 2015; dan 28 Maret 2015 sampai 30 April 2015.

218

3.2.1 Open Coding Proses open coding adalah proses identifikasi konsep, dimana fitur dan dimensi mereka ditemukan dalam data [27][28]. Selama proses open coding, data dipecah menjadi bagian-bagian diskrit, diteliti dengan seksama dan dibandingkan untuk kesamaan atau perbedaan. Peristiwa, kejadian, tindakan, benda dan interaksi yang ditemukan sama atau terkait secara konseptual dikelompokkan dalam konsep yang lebih abstrak yang disebut „kategori’. Proses dalam open coding dapat dilihat pada Tabel 1. Tabel 1. Contoh Awal open coding

Hasil open coding seperti ditunjukkan dalam Tabel 1, menghasilkan 234 sandi. Untuk mengurangi jumlah sandi yang dihasilkan, proses selanjutnya adalah mengelompokkan sandi-sandi ke dalam kelompok atau kategori yang lebih umum. Suatu sandi diberikan kepada suatu kejadian, aksi atau obyek dimengerti sebagai indikator-indikator dari suatu fenomena tertentu [28]. 3.2.2 Axial Coding Axial coding adalah proses yang merelasikan kategori-kategori kepada sub-kategori yang disebut „aksial’ karena penyandian terjadi disekitar suatu kategori sebagai sumbu, dan demikian

PROSIDING SEMMAU 2016 menghubungkan kategori pada tingkat sifat dan dimensi [27][28]. Tujuan dari Axial coding untuk mengumpulkan kembali data yang telah dipenggalpenggal selama Open coding. Proses pengelompokkan sandi-sandi ke dalam kategori yang lebih umum berdasarkan teori-teori yang mendukung ke dalam kategori tersebut. Contoh Proses Axial coding dapat dilihat pada Tabel 2.

Gambar 2 menunjukkan proses untuk mengidentifikasi kategori utama, atau kategori yang menjadi tema sentral dalam penelitian. Dalam hal ini yaitu mencari makna dari setiap kategori-kategori yang telah di integrasikan untuk mencari sentimen positif dan sentimen negatif dari setiap kategorikategori. 4.

Tabel 2. Contoh Pengelompokkan Menjadi Kategori Sandi Kategori Program Simpanan Keluarga Sejahtera Kompensasi Tidak Langsung Bantuan Simpanan Kesejahteraan Sosial Bahan Pokok Naik Kebutuhan Primer Bahan Pokok Naik Kerusuhan Aksi Demo Bentrokan Tarif Angkutan Naik Penyesuaian Tarif Tenaga Kerja Biaya Tidak Langsung Biaya Operational Sektor Yang Produktif Pengalihan Subsidi Contoh hasil Axial coding pada Tabel 2, memperlihatkan pengelompokkan sandi-sandi tersebut ke dalam kategori yang lebih tinggi. 3.2.3 Selective Coding Selective coding adalah kategori-kategori yang didapat selama Open coding dan Axial coding secara sistematis diintegrasi untuk membentuk skema yang lebih besar, yang merupakan suatu katerori utama. Prosedur Selective coding sangat mirip dengan Axial coding, kecuali untuk tingkat agregasi dimana Axial coding kategori-kategori dihubungkan kepada subkategori, sedangkan dalam Selective coding terjadi integrasi antara kategori inti dengan kategorikategori untuk mencari makna dari setiap kategori. [17]. Contoh proses Selective coding dapat dilihat pada Gambar 2.

HASIL DAN PEMBAHASAN Hasil penelitian yang telah dilakukan dengan menggunakan tiga teknik coding yaitu Open Coding, Axial Coding, dan Selective Coding dapat ditunjukkan pada Gambar 3.

Gambar 3. Visualisasi Sentimen Pada Dokumen Terkait Kenaikan Harga BBM Pada Detik.com dan Kompas. Gambar 3 merupakan hasil klasifikasi artikel atau dokumen pada media online Detik.com dan Kompas.com tahun 2014-2015. Hasil klasifikasi pada artikel atau dokumen menunjukkan bahwa opini terbanyak tahun 2014 pada Detik.com dengan 68 opini negatif dan 32 opini positif. Sedangkan pada tahun 2015 opini terbanyak pada Kompas.com dengan 32 opini negatif dan 6 opini positif. Hasil klasifikasi dokumen mengenai topik Opini Topik Pembahasan Detik.com Kompas.com 1 Biaya produksi 117 110 2 Subsidi BBM 87 42 3 Daya Beli 64 25 4 Pelanggaran 61 51 5 Transportasi 42 74 Program 6 19 15 Kompensasi pembahasan terkait kenaikan harga BBM dapat dilihat pada Tabel 3. No

Tabel 3. Opini Kenaikan Harga BBM Pada Detik.com dan Kompas.com

Gambar 2. Proses Selective coding

219

Data pada Tabel 3 dapat dijelaskan bahwa topik terhangat dan menjadi sorotan bagi masyarakat terkait kenaikan harga BBM yaitu Biaya Produksi,

PROSIDING SEMMAU 2016 Subsidi BBM, Transportasi, Daya Beli, Pelanggaran, dan Program Kompensasi. Keenam topik ini terekam melalui tiga proses Coding. Keenam topik ini dapat dijelaskan berdasarkan teori-teori yang mendukung keenam topik tersebut. Menurut Mulyadi Biaya Produksi adalah biaya-biaya yang terjadi untuk pengolahan bahan baku menjadi produk jadi yang siap dijual [22]. Sedangkan menurut Sutrisno, Biaya Produksi adalah biaya yang dikeluarkan untuk mengolah bahan baku menjadi produk selesai. Biaya ini dikeluarkan oleh departemen produksi yang terdiri dari biaya bahan baku, biaya tenaga kerja langsung dan biaya overhead pabrik [21]. Subsidi BBM menurut Sri Susilo adalah salah satu bantuan yang diberikan pemerintah Indonesia yang jumlahnya paling tinggi dibandingkan dengan subsidi lainnya. Pada hakekatnya subsidi diberikan untuk membantu golongan masyarakat yang mempunyai kemampuan lemah, bukan untuk golongan masyarakat yang mempunyai kemampuan ekonomi tinggi [23]. Menurut Nasution Transportasi diartikan sebagai pemindahan barang dan manusia dari tempat asal ke tempat tujuan, sehingga transportasi merupakan faktor penting dalam distribusi, sehingga apabila biaya transportasi naik maka biaya operational akan naik [24]. Menurut Putong Daya Beli adalah kemampuan konsumen membeli banyaknya jumlah barang yang diminta pada suatu pasar tertentu, dengan tingkat harga tertentu, pada tingkat pendapatan tertentu, dan dalam periode tertentu [25]. Pelanggaran adalah perbuatan yang bertentangan dengan apa yang secara tegas dicantumkan dalam undang-undang pidana dan juga merupakan tindak pidana yang lebih ringan dari kejahatan baik perbuatannya maupun hukumannya. Menurut Sofyandi Kompensasi dibedakan atas dua jenis yaitu kompensasi langsung dan kompensasi tidak langsung. Kompensasi langsung adalah kompensasi yang diberikan kepada karyawan sebagai imbalan atas pekerjaan yang dia lakukan untuk perusahaan. Contohnya gaji, insentif, bonus, tunjangan jabatan. Sedangkan kompensasi tidak langsung adalah pemberian kompensasi kepada karyawan sebagai upaya perusahaan untuk meningkatkan kesejahteraan karyawan. Contohnya tunjangan fasilitas, bantuan kepada karyawan, dan pelayanan yang diberikan perusahaan [26]. Dari hasil analisis pada Tabel 3, yang terekam melalui tiga proses Coding dapat memperlihatkan pengelompokkan sandi-sandi ke dalam kelompok atau kategori yang lebih umum kemudian mengidentifikasi kategori utama, atau kategori yang

220

menjadi sentral dalam penelitian. pengelompokkan dapat dilihat pada Tabel 4.

Hasil

Tabel 4. Topik-Topik Pembahasan Kenaikan Harga BBM

Tabel 4 merupakan Contoh hasil pengelompokkan topik-topik pembahasan kenaikan harga BBM. Terdapat enam topik terhangat pada kategori utama yang menjadi sorotan bagi masyarakat terkait kenaikan harga BBM. Pada penelitian ini, terdapat informasi mengenai enam topik positif dan enam topik negatif yang menjadi sorotan bagi masyarakat yang mempengaruhi terjadinya sentimen terhadap kenaikan harga BBM. Melalui informasi ini, dapat diketahui topik apa saja yang menjadi sorotan bagi masyarakat terhadap media online yaitu Detik.com dan Kompas.com dari dua sisi positif dan negatif yang dapat di tunjukkan pada Tabel 5. Tabel 5. Opini Topik-Topik Pembahasan Kenaikan Harga BBM Opini

No

Topik Pembahasan

1

Biaya produksi

Positif 31

Negatif 196

2

Subsidi BBM

116

13

3

Daya Beli

19

70

4

Pelanggaran

0

112

5

Transportasi

13

103

6

Program Kompensasi

26

8

Hasil analisis pada Tabel 5, dapat dijelaskan bahwa topik-topik yang menjadi sorotan bagi masyarakat terhadap media online yang memiliki kategori opini positif tertinggi yaitu topik

PROSIDING SEMMAU 2016 pembahasan terkait Subsidi BBM dengan 116 opini positif. Sementara itu, untuk opini negatif terkait topik pembahasan Biaya Produksi dengan 196 opini negatif.

Visualisasi sentimen terkait kenaikan harga BBM berdasarkan lokasi dapat di lihat pada Gambar 5.

Gambar 4. Visualisasi Perbandingan Sentimen Secara Keseluruhan Pada Detik.com dan Kompas.com

Gambar 5. Visualiasi Sentimen Terhadap Lokasi Pada Detik.com

Gambar 4 menunjukkan hasil pengolahan data dan klasifikasi dokumen, terkait kenaikan harga BBM pada Detik.com dan Kompas.com tahun 2014 dan 2015. Secara keseluruhan Detik.com memiliki 129 opini positif dan 261 opini negatif. Kompas.com memiliki 76 opini positif dan 241 opini negatif berdasarkan enam topik pembahasan yang menjadi sorotan bagi masyarakat yang mempengaruhi terjadinya sentimen terhadap kenaikan harga BBM.

4.2 Klasifikasi Lokasi Yang Mempengaruhi Terjadi Sentimen Terhadap Kenaikan Harga BBM Pada Kompas.com Tabel 7. Opini Kenaikan Harga BBM Pada Kompas.com Terkait Lokasi

4.1 Klasifikasi Lokasi Yang Mempengaruhi Terjadi Sentimen Terhadap Kenaikan Harga BBM Pada Detik.com. Tabel 6. Opini Kenaikan Harga BBM Pada Detik.com Terkait Lokasi

Tabel 6 menunjukkan bahwa lokasi dengan jumlah opini terbanyak dengan topik pembahasan terkait kenaikan harga BBM adalah DKI Jakarta dengan 125 opini positif dan 164 opini negatif. Jawa Timur 27 opini positif dan 45 opini negatif. Dari hasil analisis yang telah dilakukan pada Detik.com, bahwa DKI Jakarta merupakan lokasi dengan jumlah opini terbanyak yaitu 125 opini positif dan 164 opini negatif. Hal ini menunjukkan bahwa, masyarakat Indonesia terutama di DKI Jakarta belum bisa menerima kenaikan harga BBM. jika dilihat dari banyaknya sentimen negatif terkait kenaikan harga BBM.

221

Tabel 7 menunjukkan bahwa lokasi dengan jumlah opini terbanyak dengan topik pembahasan terkait kenaikan harga BBM adalah DKI Jakarta dengan 45 opini positif dan 109 opini negatif. Sulawesi Selatan 37 opini negatif. Sedangkan hasil analisis yang telah dilakukan pada Detik.com, menunjukkan bahwa DKI Jakarta merupakan lokasi dengan jumlah opini terbanyak yaitu 45 opini positif dan 109 opini negatif. Hal ini menunjukkan bahwa, masyarakat Indonesia terutama di DKI Jakarta belum bisa menerima kenaikan harga BBM. jika dilihat dari banyaknya sentimen negatif terkait kenaikan harga BBM. Visualisasi sentimen terkait kenaikan harga BBM pada lokasi dapat di lihat pada Gambar 6.

PROSIDING SEMMAU 2016 harga BBM pada masa pemerintahan Joko Widodo dan Jusuf Kalla. 4.4 Implikasi Penelitian

Gambar 6. Visualiasi Sentimen Terhadap Lokasi Pada Kompas.com 4.3 Analisis Lokasi Yang Terkena Sentimen Terbesar Terhadap Kenaikan Harga Bbm Pada Detik.com Dan Kompas.com Tabel 8. Opini Kenaikan Harga BBM Pada Detik dan Kompas.com Terkait Lokasi

Implikasi penelitian mengarahkan pada tiga aspek, yaitu: 1) Aspek sistem. Dengan adanya sistem analisis sentimen untuk pengklasifikasian opini/pendapat masyarakat terkait kenaikan harga BBM ini, dapat membantu masyarkat dalam mengetahui topik-topik apa saja yang mempengaruhi terjadinya sentimen. 2) Aspek manajerial. Secara manajerial hasil klasifikasi sentimen dapat digunakan pemerintah atau masyarakat untuk mengetahui topik-topik yang mengakibatkan terjadinya sentimen negatif dan positif. 3) Penelitian lanjutan. Penelitian ini dapat dikembangkan untuk klasifikasi teks atau dokumen. Data yang digunakan tidak hanya berasal dari dokumen atau teks saja, namun data dapat diambil dari komentar dari dokumen tersebut. Penelitian ini juga dapat dikembangkan dengan algoritma klasifikasi lain seperti algoritma Support Vector Machine, Neural Network, K-Nearest Neighbours, ataupun dengan menggunakan seleksi fitur seperti Genetic Algorithm. 5.

Tabel 8 menjelaskan bahwa lokasi dengan jumlah opini terbanyak terkait kenaikan harga BBM pada Detik.com dan Kompas.com yang memiliki opini tertinggi dalam kategori positif adalah DKI Jakarta 170 opini positif dan DI Yogyakarta 13 opini positif. Sementara itu untuk kategori negatif yang memiliki opini tertinggi adalah DKI Jakarta 273 opini negatif dan Jawa Timur 59 opini negatif. Hasil analisis dapat diketahui bahwa DKI Jakarta merupakan lokasi dengan jumlah opini terbanyak dan secara keseluruhan memiliki sentimen negatif. Hal ini menunjukkan bahwa masyarakat indonesia belum bisa menerima kenaikan harga BBM, jika di lihat banyaknya opini dari masyarakat yang menyebabkan sentimen negatif terkait kenaikan

222

KESIMPULAN Dari hasil analisis dan pembahasan, dapat disimpulkan bahwa topik-topik yang menjadi sorotan bagi masyarakat terkait kenaikan harga BBM yang mempengaruhi terjadinya sentimen antara lain adalah Biaya Produksi, Subsidi BBM, Daya Beli, Pelanggaran, Transportasi dan Program Kompensasi. Hasil analisis pada media online Detik.com dan Kompas.com secara keseluruhan memiliki sentimen negatif, dengan jumlah 205 opini positif dan 502 opini negatif. Hasil analisis pada media online Detik.com dan Kompas.com terhadap lokasi yang paling populer terkait kenaikan harga BBM adalah DKI Jakarta dengan 443 opini berdasarkan enam topik pembahasan terkait kenaikan harga BBM. Lokasi dengan sentimen terbesar terkait kenaikan harga BBM, jika dilihat dari banyaknya opini masyarakat Indonesia yang menyebabkan terjadinya sentimen negatif berdasarkan lokasi adalah DKI Jakarta dengan 273 opini negatif. Keterbatasan dalam penelitian ini yaitu hanya berfokus pada satu metode dalam proses klasifikasi dokumen. Berdasarkan permasalahan tersebut, penting untuk dilakukan kajian lebih lanjut dimana menggunakan metode klasifikasi lain atau dengan menggunakan machine learning dengan algoritma otomatis, sehingga waktu yang digunakan untuk penelitian lebih efissien. Dan dilakukan perbandingan untuk melihat tingkat akurasi dari metode klasifikasi tersebut.

PROSIDING SEMMAU 2016 Dan Sumber data yang digunakan, tidak hanya menggunakan sumber data dari kota-kota besar di Indonesia saja, melainkan menggunakan Sumber data dari seluruh wilayah di Indonesia sehingga hasil yang didapat bisa relevan dengan data yang ada. REFERENSI [1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

223

Suarjana, I.W. 2011. Pengaruh Kebijakan Pemerintah Dalam Menurunkan Harga Bahan Bakar Minyak Terhadap Reaksi Pasar Saham Di Bursa Efek Indonesia, Program pasca sarjana, universitas udayana denpasar. Siwantara, K.R,. Sinarwati, N. K and Yuniarta, G.A. 2015. Reaksi Investor Dalam Pasar Modal Terhadap Peristiwa Kenaikan Bahan Bakar Minyak, e-Journal S1 AK Universitas Pendidikan Ganesha, Volume 3 No.1 Tahun 2015. Wirjodirdjo, B dan Ummatin, K, K. 2010. Dampak Kebijakan Harga BBM Terhadap Kemiskinan di Indonesia : Sebuah Pendekatan Model Dinamik. Jurusan Teknik Industri, Institut Teknologi Sepuluh Nopember (ITS) Surabaya. Sandy, B, C,. Manongga, D and Iriani, A. 2015. analisis sentimen terhadap kenaikan harga BBM pada media online. Makalah Disajikan Dalam Seminar Nasional Dan Konterensi Sistem Informasi, Informatika Dan Komunikasi, STIKOM Uyelindo Kupang, 28 November Liu, B. 2010. Sentiment Analysis and Subjectivity, in Handbook of Natural Language Processing, 2nd Edition. Chapman & Hall / CRC Press. Dehaff, M. 2010. Sentiment Analysis, Hard But Worth It!. [Online]. Tersedia di: http://www.customerthink.com/blog/sentiment _analysis_hard_but_worth_it. Diakses : 22 Januari 2015 Salter-Townshend,Michael; Murphy, Thomas Brendan 2012, "Sentiment Analysis of Online Media", Lausen, B., van del Poel, D. and Ultsch, A. (eds.). Algorithms from and for Nature and Life. Studies in Classification, Data Analysis, and Knowledge Organization, Springer. Rupilele F,G,.Manongga, D and Utomo, W, H. 2013. Sentiment Analysis Of National Exam Public Policy With Naive Bayes Classifier Method (NBC), Journal of Theoretical and Applied Information Technology, Vol 58 No. 1, ISSN 1992-8645 Liu, Bing. 2012. Sentiment Analysis And Opinion Mining. Chicago: Morgan & Claypool Publisher. http://www.dcc.ufrj.br/~valeriab/DTMSentime ntAnalysisAndOpinionMining-BingLiu.pdf.

Diakses tanggal 29 Januari 2015. [10] Berry, M.W. and Kogan, J. 2010. Text Mining Aplication and theory. WILEY : United Kingdom [11] Lewis, B. 2004. NVivo 2.0 and ATLAS.ti 5.0: A comparative review of two popular qualitative data-analysis programs. Field Methods, 16(4), 439–469 [12] Lu, C.-J., and Shulman, S. W. 2008. Rigor and flexibility in computer-based qualitative research: Introducing the coding analysis toolkit. International Journal of Multiple Research Approaches, 2(1), 105-117. [13] Konopásek, Z. 2008. Making thinking visible with Atlas.ti: Computer assisted qualitative analysis as textual practices [62 paragraphs]. Forum Qualitative Sozialforschung / Forum: Qualitative Social Research, 9(2), Art. 12, http://nbn-resolving.de/urn:nbn:de:0114fqs0802124. [14] Friese, S. 2012. Qualitative data analysis with ATLAS.ti. London: SAGE Publications Ltd. [15] Rambaree, K. and Faxelid, E. 2013. Considering Abductive Thematic Network Analysis with ATLAS.ti 6.2. In N. Sappleton (Ed.). Advancing Research Methods with New Media Technologies p. 170-186). Hershey PA, USA: IGI Global [16] Silverman, D. 2000. Doing Qualitative Research : A Practical Handbook. London, Thousand Oaks, New Delhi: Sage. [17] Goulding, C. 2002. Grounded Theory: A Pactical Guide for Management, Business and Market Researchers (London: Sage Publications), hal. 74-96 [18] Mauthner, N. S., and Doucet, A. 2003. Reflexive accounts and accounts of reflexivity in qualitative data analysis. Sociology, 37 (3), 413-431 [19] Latif, A,.2015. Dampak Fluktuasi Harga Bahan Bakar Minyak Terhadap Suplai Sembilan Bahan Pokok Di Pasar Tradisional, http://journal.iaingorontalo.ac.id/index.php/ab, Vol 11 No. 1, ISSN 1907-0977 Tahun 2015 [20] Amitay, E., Har'El, N., Sivan, R., dan Soffer, A., 2004, Web-a-Where: Geotagging Web Content, Proceedings of SIGIR ’04 Conference on Research and Development in Information Retrieval, 273–280. [21] Sutrisno, 2001. Manajemen Keuangan Teori, Konsep dan Aplikasi, Edisi Pertama Cetakan Kedua, Ekonisia, Yogyakarta. 2004, Akuntansi Biaya. [22] Mulyadi. Yogyakarta: Aditya Media. [23] Sri Susilo, Y.2013. Subsidi Bahan Bakar Minyak (BBM) Dan Perekonomian Indonesia. Pustaka Baru.Yogyakarta [24] Nasution. 2004. Manajemen Transportasi (Edisi Kedua). Jakarta : Ghalia Indonesia.

PROSIDING SEMMAU 2016 [25] Putong, 2003, Daya beli dan sikap pelanggan terhadap pemakaian (usage) telpon diakses dari http://repository.upi.edu/operator/upload/t_mm b__0708028_chapter1.pdf pada tanggal 13 Mei 2016 [26] Sofyandi, Herman. 2008. Manajemen Sumber Daya Manusia. Yogyakarta: Graha Ilmu. [27] Strauss, A. L. (1990). Basics of qualitative research. Grounded theory procedures and techniques. USA: Sage Publications [28] Strauss, A. L. & Corbin, J (1997). Grounded theory in Practice. Thousand Oaks:Sage. Thousand Oaks: Sage [29] Novantirani, A,.Sabariah, M, K and Effendy, V. 2015. analisis sentimen pada twitter mengenai penggunaan transportasi umum darat dalam kota dengan metode support vector machine, makalah disajikan dalam eprocedding of Egnineering, Universitas Telkom, 1 April [30] Drijvers, P. (2012). Analysing qualitative data with ATLAS.ti. Modul Presentation in Freudenthal Institute: (pp. 1-37). The Netherlands: Utrecht University. [31] Van Nes, F. & Doorman, M. (2010). The Interaction Between Multimedia Data Analysis and Theory Development in Design Research. Mathematics Education Research Journal Vol. 22, No. 1: 6-30. [32] Doorman, M., Drijvers, P., Gravemeijer K., Boon P., & Reed H. (2012). Tool use and the development of the function concept: From repeated calculations to functional thinking. International Journal of Science and Mathematics Education 10: 1243-1267. [33] Jupri, A. (2015). The use of applets to improve Indonesian student performance in algebra. Unpublished Dissertation of Freudenthal Institute for Science and Mathematics Education, Faculty of Science. The Netherlands: Utrecht University.

224

PROSIDING SEMMAU 2016 IMPLEMENTASI E-GOVERNMENT DI INDONESIA Dien Novita Jurusan Sistem Informasi, STMIK GI MDP [email protected]

Abstrak Untuk menghadapi perubahan kemajuan teknologi pemerintah Indonesia telah mulai mengimplementasikan eGovernment di setiap instansi pemerintah, baik daerah maupun pusat. Implementasi e-Government di Indonesia diawali dengan pembuatan situs web pemerintahan dengan menyediakan layanan online.Tetapi dari kenyataan yang ada, banyak negara yang mengawali program-program e-Government 5-10 tahun yang lalu menyadari bahwa tingkat partisipasi publik dan penggunaan layanan e-Government tetap rendah meski investasi publik yang besar untuk membuat layanan pemerintah tersedia secara online telah dilakukan. Maka dari itu, perlu dilihat bagaimana implementasi e-Government di Indonesia. Implementasi e-Government di Indonesia, menurut lembaga dunia PBB masuk dalam kategori menengah jika ditinjau dari nilai EGDI, yaitu rata-rata sebesar 0,4487 dari tahun 2010-2014. Sedangkan implementasi e-Government di Indonesia, menurut KEMKOMINFO masuk dalam kategori baik jika dilihat dari tingkat provinsi, yaitu rata-rata sebesar 2,5 tahun 2015. Peluang terbesar Indonesia adalah perkembangan penetrasi internet di Indonesia yang luar biasa, sebanyak 55 juta penduduk Indonesia telah mengakses Internet, hampir setengahnya 48% mengakses melalui ponsel, dan sekitar 13% dari perangkat bergerak lainnya. Beberapa tantangan yang mungkin akan dihadapi adalah ketimpangan kualitas infrastruktur, kesiapan pemerintah daerah yang beragam, variasi tingkat melek internet dan teknologi secara umum antar daerah di Indonesia. Kata kunci: implementasi, e-Government, EGDI, PBB, KEMKOMINFO 1.

PENDAHULUAN Sekarang ini Indonesia tengah mengalami perubahan kehidupan berbangsa dan bernegara secara fundamental terkait perubahan kemajuan teknologi informasi. Perubahan yang tengah terjadi tersebut menuntut terbentuknya pemerintahan yang lebih fleksibel dalam melayani masyarakat, respon yang cepat, transparan, dan mampu menjawab tuntutan perubahan secara efektif. Untuk menghadapi perubahan kemajuan teknologi tersebut pemerintah telah mulai mengimplementasikan eGovernment di setiap instansi pemerintah, baik daerah maupun pusat. Implementasi e-Government di Indonesia diawali dengan pembuatan situs web pemerintahan dengan menyediakan layanan online. Tetapi dari kenyataan yang ada, banyak negara yang mengawali program-program e-government 510 tahun yang lalu menyadari bahwa tingkat partisipasi publik dan penggunaan layanan eGovernment tetap rendah meski investasi publik yang besar untuk membuat layanan pemerintah tersedia secara online telah dilakukan [1]. Maka dari itu, perlu dilihat bagaimana implementasi eGpvernment di Indonesia. E-Government merupakan salah satu alat untuk mewujudkan tujuan organisasi dan mengarahkan kepada tata pemerintahan yang baik. Diharapkan masyarakat dapat menyampaikan pendapatnya mengenai pemerintahan, dalam hal ini website eGovernment h arus bersifat interaktif (minimal ada alamat e-mail yang secara teratur dibaca dan dibalas)

225

agar masyarakat bisa menyampaikan usulan, teguran, atau hal lainnya mengenai institusi yang bersangkutan. Masyarakat dapat mengawasi jalannya institusi terkait dengan melihat berbagai kegiatan institusi tersebut [2]. 2.

E-GOVERNMENT E-Government secara umum dapat didefinisikan sebagai penerapan teknologi informasi dan komunikasi (TIK) untuk meningkatkan kinerja dari fungsi dan layanan pemerintah tradisional. Lebih spesifik lagi, e-Government adalah penggunaan teknologi dijital untuk mentransformasi kegiatan-kegiatan pemerintah yang bertujuan untuk meningkatkan efektivitas, efisiensi, dan penyampaian layanan [3]. Jadi intinya e-Government adalah proses perubahan pola layanan yang dilakukan pemerintah terhadap masyarakat dengan memanfaatkan teknologi, sehingga lebih praktis, cepat, dan bermanfaat. Pola layanan yang contoh sebelumnya berinteraksi harus bertatap muka dapat diganti dengan interaksi secara online dengan pemanfaatan internet melalui mobile dan komputer. Tujuan dari e-Government ialah penyampaian layanan pemerintah kepada masyarakat dengan lebih efektif. Umumnya, semakin banyak layanan online yang tersedia dan semakin luas penggunaan layanan tersebut, maka akan semakin besar dampaknya terhadap e-Government. E-Government hanya akan berhasil apabila ada permintaan dan dukungan yang kuat dari sebagian besar masyarakat. Beberapa

PROSIDING SEMMAU 2016 permintaan ini akan datang dari meningkatnya kesadaran akan peluang yang ditawarkan oleh penyampaian layanan pemerintah yang lebih cepat dan lebih baik. Masyarakat dan kalangan bisnis juga perlu dimotivasi untuk menggunakan layanan eGovernment melalui penyediaan konten dijital yang dapat diakses, menarik, dan relevan. Secara khusus, hal-hal berikut harus diimplementasikan untuk meningkatkan permintaan dan dukungan bagi layanan e-Government[4]: 1. Mengembangkan infrastruktur penyediaan layanan umum satu pintu yang multi-channel, meliputi pusat layanan masyarakat berbentuk fisik (di Indonesia, dikenal dengan layanan satu atap) dan tempat akses publik (public access point) lainnya seperti telecentre, call center, portal web, dan portal mobile. 2. Mengimplementasikan ukuran-ukuran yang akan meningkatkan kepercayaan publik terhadap transaksi yang didukung TIK dan berbagai interaksi lainnya dalam lingkungan dijital. 3. Meningkatkan pengembangan konten mobile dan online yang mudah digunakan, menarik, dan relevan, termasuk yang dikenal dengan ‘killer applications’. 4. Mengimplementasikan program-program yang bertujuan untuk meningkatkan aksesibilitas dan keterjangkauan TIK serta konten mobile dan online. Telah banyak diketahui bahwa implementasi eGovernment di banyak negara tidak menemui harapan. Salah satu studi menunjukkan bahwa 35 persen dari program-program e-Government di dunia mengalami kegagalan, 50 persen adalah kegagalan parsial, dan hanya 15 persen yang dianggap berhasil [5]. Faktor-faktor yang berkontribusi terhadap kegagalan penerapan e-Government di negara berkembang meliputi [4]: 1. Kurangnya kesepakatan dalam sistem administrasi publik, yaitu penolakan internal oleh pemerintah. 2. Kurangnya rencana dan strategi, yaitu eGovernment diperkenalkan dengan setengahsetengah dan tidak sistematik. 3. Kurangnya SDM, yaitu kurangnya pengembangan kapasitas institusi dan personel 4. Tidak adanya rencana investasi. 5. Kurangnya vendor sistem dan TI. 6. Ketidakmatangan teknologi, yaitu terlalu menekankan teknologi atau penerapan yang berorientasi teknologi. 7. Implementasi yang terburu-buru tanpa persiapan dan pengujian yang cukup. Tantangan yang paling penting ialah menyadari bahwa tidak ada solusi tunggal yang cocok untuk semua situasi. Asia dan Pasifik dikenal dengan

226

konteks politik, ekonomi, sosial, dan pemerintahan yang sangat beragam, yang masing-masing memerlukan pendekatan yang berbeda-beda. 3.

PENELITIAN TERDAHULU Dalam penelitian sebelumnya[6], telah dilakukan penelitian berjudul “Korelasi Korupsi dan Jumlah Penduduk Terhadap Kesuksesan eGovernment di Suatu Negara”. Penelitian tersebut membuktikan bahwa kesuksesan e-Government di suatu negara akan sulit tercapai jika tingkat korupsinya masih tinggi, sedangkan untuk negara yang padat penduduknya tidak dapat menjamin untuk kesuksesan implementasi E-Government dikarenakan besarnya dukungan dari masyarakat. Tahun 2015, Indonesia menempati urutan ke 88 dari 168 negara yang diamati Lembaga Tranparency International dengan skor indeks persepsi korupsi (Corruption Perception Index) sebesar 36 yang masih dibawah rata-rata skor dunia sebesar 43. Artinya, Indonesia dengan jumlah penduduk yang besar dan tingkat korupsi yang masih tinggi, akan cukup sulit menerapkan e-Government dengan baik. Dalam penelitian sebelumnya[7] juga, telah dilakukan penelitian berjudul “Faktor-Faktor Penghambat Pengembangan E-Government: Studi Kasus Pemerintah Kota Palembang, Sumatera Selatan”. Dari penelitian tersebut memberikan gambaran tentang hambatan pengembangan eGovernment di Indonesia khususnya Pemerintah Kota Palembang, yaitu lemahnya faktor kepemimpinan, langkanya SDM, kesenjangan dijital, kurangnya koordinasi, dan lemahnya pengaturan. 4.

METODE PENELITIAN Untuk melihat implementasi e-Government di Indonesia maka perlu dilakukan langkah-langkah penelitian yaitu mengumpulkan data sekunder penilaian implementasi e-Government di Indonesia dan analisis serta pembahasan dari data sekunder tersebut. Data sekunder yang dikumpulkan adalah data hasil penilaian implementasi e-Government negara-negara di dunia oleh PBB tahun 2010, 2012 dan 2014, khususnya untuk negara Indonesia. Data sekunder berikutnya adalah penilaian implementasi e-Government di Indonesia oleh Direktorat eGovernment, Ditjen. APTIKA-KEMKOMINFO RI (PeGI) tahun 2015. 5.

PENILAIAN IMPLEMENTASI E-GOV Dalam penelitian ini, penilaian implementasi eGovernment di Indonesia mengambil dari dua sumber, dari lembaga dunia yaitu PBB dan dari dalam negeri yang dilakukan KEMKOMINFO RI. PBB mendefinisikan e-Government sebagai penggunaan teknologi informasi dan komunikasi (TIK) dan penerapannya oleh pemerintah untuk menyediakaan informasi dan layanan publik ke masyarakat. Sejak tahun 2003 PBB mengembangkan indeks pengembangan e-Government (e-government

PROSIDING SEMMAU 2016 development index-disingkat EGDI). EGDI adalah indikator komposit yang mengukur kemauan dan kapasitas administrasi pemerintahan untuk menggunakan TIK untuk menyediakan dan memberikan layanan publik. EGDI diukur berdasarkan 3 komponen penilaian yang berbobot sama, yaitu [8]:

Tabel 2. EGDI Negara ASEAN 2014 [10]

1. Online Service Component (OSC) 2. Telecommunictaion Infrastructure Component (TIC) 3. Human Capital Component (HCC) Pengukuran Online Service Component menggunakan hasil pengamatan terhadap website pemerintah pusat, berbagai portal nasional dan beberapa website kementerian yang relevan. Sedangkan pengukuran dua sub indeks lainnya menggunakan data sekunder [8]. Telecommunictaion Infrastructure Component merupakan rata-rata aritmetik dari lima indikator yaitu [8]: 1. Jumlah pengguna internet per 100 penduduk, 2. Jumlah pemakai saluran telepon per100 penduduk, 3. Jumlah pengguna telepon seluler per 100 penduduk, 4. Jumlah pelanggan internet tetap per 100 penduduk, dan 5. Jumlah pengguna fasilitas broadband per 100 penduduk. Human Capital Component adalah rata-rata terbobot dari dua indikator yaitu [8]: 1. Rata-rata kemampuan membaca orang dewasa 2. Rasio partisipasi kasar siswa sekolah dasar sampai menengah atas . Berikut adalah Tabel 1 hasil penilaian implementasi e-Government di Indonesia oleh PBB tahun 2010 dan 2012 yang dibandingkan dengan negara-negara ASEAN. Tabel 1. EGDI Negara ASEAN 2010 dan 2012 [9]

Tabel 2 berikut adalah hasil penilaian implementasi e-Government diIndonesia oleh PBB tahun 2014 yang dibandingkan dengan Negaranegara ASEAN.

227

Tahun 2012 posisi Indonesia naik 12 peringkat, dari 109 pada tahun 2010 menjadi peringkat 97. Indonesia juga dimasukkan ke dalam daftar negara dengan kinerja terbaik bersama dengan 30 negara lainnya. Tetapi tahun 2014 posisi Indonesia kembali turun ke posisi 106, turun 9 peringkat. Dari nilai EGDI juga terjadi penurunan dari 0,4949 menjadi 0,4487. Penurunan peringkat dan nilai EGDI ini tidaklah cukup berarti jika dilihat perkembangan kemajuan e-Government di Indonesia beberapa tahun terakhir ini. Sebagai contoh, lelang pengadaan online (e-procurement) memasuki babak baru, setelah pada akhir 2011, Instruksi Presiden No. 17/2011, mewajibkan semua lembaga negara menggunakan e-procurement, dengan target yang jelas. Lembaga di tingkat pusat harus menggunakan e-procurement untuk 75% anggaran pengadaan yang dialokasikan, sedang lembaga di daerah, karena beragam pertimbangan (termasuk kesiapan), cukup 40%. Selain itu, banyak pemerintah daerah juga berlomba memberikan layanan perijinan yang lebih transparan. Bahkan pada tahun 2010, Kota Yogyakarta, sebagai contoh, masuk dalam peringkat lima dunia untuk kemudahan dalam mendapatkan ijin mendirikan bangunan, dibandingkan dengan birokrasi serupa di 183 negara yang disurvei oleh Bank Dunia. Berikut Tabel 3 perkembangan peringkat Indonesia dan perbandingannya dengan negaranegara ASEAN sejak edisi 2003, yang disarikan dari 7 edisi yang dirilis oleh PBB. Terlepas dari metodologinya yang terus disempurnakan hingga kini, selama kurun waktu sepuluh tahun, peringkat Indonesia cenderung menurun dari tahun 2003 sampai 2010. Baru pada edisi 2012 Indonesia mulai meningkat lagi, tetapi menurun lagi di tahun 2014. Secara umum peringkat negara ASEAN relatif stabil atau fluktuatif selama satu dasawarsa, kecuali Thailand dan Filipina yang cenderung menurun hingga edisi terakhir.

PROSIDING SEMMAU 2016 Tabel 3. Peringkat e-Government Negara ASEAN[10]

Di Indonesia pemeringkatan e-Government oleh lembaga Direktorat e-Government, Ditjen. APTIKA-KEMKOMINFORI. Peserta pemeringkatan dikelompokkan sesuai dengan jenis lembaga, yaitu pemerintah provinsi (pemprov), pemerintah kabupaten (pemkab), pemerintah kota (pemkot), lembaga kementerian, dan non kementerian.

Asesmen menggunakan kriteria yangdijelaskan secara sederhana sehingga mudah dimengerti semua pihak. Selanjutnya metoda dan hasil asesmen dipublikasikan. Evaluasi ini dilakukan secara periodik sehingga bisa diukur kemajuan (trend). Asesmen terdiri dari Kebijakan, Kelembagaan, Infrastruktur, Aplikasi, dan Perencanaan. Masingmasing dimensi memiliki bobot yang sama dalam penilaian karena semuanya penting, saling terkait dan saling menunjang. Sistem penilaian yaitu dengan pemberian peringkat (rating) pada para peserta yang dilakukan untuk masing masing dimensi dan secara keseluruhan adalah sebagai berikut [9]: 3,60 ≤ sangat baik ≤ 4,00 2,60 ≤ baik < 3,60 1,60 ≤ kurang < 2,60 1,00 ≤ sangat kurang < 1,60 Tabel 4 berikut menyajikan hasil penilaian implementasi e-Government untuk pemerintah provinsi.

Tabel 4. PeGI Tingkat Provinsi Tahun 2015[11]

Dari hasil penilaian implementasi eGovernment oleh KEMKOMINFO ini, secara ratarata baik, walaupun tidak seluruh provinsi yang ikut dalam penilaian ini. Dari dua penilaian terhadap implementasi eGovernment di Indonesia, dapat disimpulkan bahwa layanan online di Indonesia masih sangat kurang, infrastruktur telekomunikasi harus terus ditingkatkan, begitu juga kualitas sumber daya manusia. Namun demikian, kondisi mutakhir di Indonesia menunjukkan peluang sekaligus tantangan. Salah satu peluang adalah perkembangan penetrasi internet di Indonesia yang luar biasa, meskipun masih sekitar 21% dari total penduduk. Menurut data Nielsen, saat ini sebanyak 55 juta penduduk Indonesia telah mengakses Internet, hampir setengahnya (48%) melalui mengakses melalui ponsel, dan sekitar 13% dari perangkat bergerak lainnya (seperti tablet). Pengembangan layanan online-Government melalui ponsel dan perangkat bergerak lain, yang sering disebut dengan layanan m-Government (mobile government), harusnya menarik dipertimbangkan untuk masa

228

depan. Di Indonesia beberapa layanan mGovernment sudah bisa ditemukan, seperti mengecek status aplikasi perijinan melalui SMS. Sektor swasta nampaknya sudah memanfaatkan peluang ini dengan sangat baik, dengan mengembangkan beragam layanan bergerak. Beberapa tantangan yang mungkin akan dihadapi adalah termasuk di antaranya adalah ketimpangan kualitas infrastruktur, kesiapan pemerintah daerah yang beragam, variasi tingkat melek internet dan teknologi secara umum antar daerah di Indonesia. Namun, beberapa contoh sukses di lapangan seharusnya memicu banyak pemerintah daerah untuk selalu berusaha mengembangkan e-Government secara lebih baik lagi. Sebagai contoh, Sragen atau Jembrana. Kedua kabupaten ini tidaklah kaya, tetapi semangat dan niat baiknya dalam memberikan layanan e-Government kepada masyarakat telah mengalahkan tantangan yang ada. Dibutuhkan kreativitas di sini. Namun, yang tidak kalah penting adalah adanya political will dari pemimpin, termasuk bupati dan parlemen lokal.


6.

KESIMPULAN Kesimpulan dari implementasi e-Government di Indonesia ini adalah sebagai berikut: 1. Implementasi e-Government di Indonesia, menurut lembaga dunia PBB masuk dalam kategori menengah jika ditinjau dari nilai EGDI, yaitu rata-rata sebesar 0,4487 dari tahun 20102014. 2. Implementasi e-Government di Indonesia, menurut KEMKOMINFO masuk dalam kategori baik jika dilihat dari tingkat provinsi, yaitu ratarata sebesar 2,5 tahun 2015. 3. Peluang terbesar Indonesia adalah perkembangan penetrasi internet di Indonesia yang luar biasa, saat ini sebanyak 55 juta penduduk Indonesia telah mengakses Internet, hampir setengahnya (48%) melalui mengakses melalui ponsel, dan sekitar 13% dari perangkat bergerak lainnya. 4. Beberapa tantangan yang mungkin akan dihadapi adalah termasuk di antaranya adalah ketimpangan kualitas infrastruktur, kesiapan pemerintah daerah yang beragam, variasi tingkat melek internet dan teknologi secara umum antar daerah di Indonesia.

229

REFERENSI World Bank. “e-Government for All – Review of International Experience with Enhancing Public Access, Demand and Participation in eGovernment Services: Toward a Digital Inclusion Strategy for Kazakhstan”. ISG eGovernment Practice Technical Advisory Note (Draft version 30 June 2006). [2] Liikanen, Erkki. “E-Government and the European Union”. The European Journal for the Informatics Professional, Vol. IV, No. 2.April 2003. [3] Forman, Mark, e-Government: Using IT to transform the effectiveness and efficiency of government (2005) [4] ESCAP/APCICT. “Akademi Esensi Teknologi Informasi dan Komunikasi Untuk Pimpinan, Modul 3, 2009 [5] National Information Society Agency, Bridging Asia through e-Government,(Asia eGovernment Forum 2007, Seoul, Republic of Korea, 20 September 2007). [6] Novita, Dien. Korelasi Korupsi dan Jumlah Penduduk Terhadap Kesuksesan EGovernment di Suatu Negara. CSGTEIS 2013. Universitas Udayana. Bali. 2013. [7] Novita, Dien. Faktor-Faktor Penghambat Pengembangan E-Government: Studi Kasus Pemerintah Kota Palembang, Sumatera Selatan. Jurnal Eksplora Informatika. Vol. 4 No. 1. September 2014. STIKOM Bali. [8] E-Government Survey 2010, United Nation. [9] E-Government Survey 2012, United Nation. [10] E-Government Survey 2014, United Nation. [11] http://pegi.layanan.go.id/ diakses tanggal 1 Agustus 2016 [1]

PROSIDING SEMMAU 2016 ADLER-32 INTEGRITY VALIDATION IN 24BIT COLOR IMAGE Andysah Putera Utama Siahaan Faculty of Computer Science, Universitas Pembangunan Panca Budi [email protected]

Abstract The image integrity needs to be implemented in sending a picture. There is various image received have no originality. The small change of the pixels does not make the picture content detected by the eye. The integrity validation is very important to be applied. The picture captured by a camera has two dimensions. It is described in pixels such as Width and Length. This study is to validate all the pixels data or the color intensity of both dimensions. If there are a modification in the pixel, this method will give the wrong hash data. The validator will analyze the pixels in every layer such as red, green and blue to ensure the data transmitted is correct. Once there is a slight change in the pixels, the calculation gives the wrong value. It is very useful to compare the image before and after transmission. Keywords – Hash Function, Adler-32, Security 1.

INTRODUCTION

Integrity is an aspect that ensures that the data must not be changed without the permission of the authorized competent [3]. For the application of digital imaging, integrity aspect is paramount. It contains the confidential information[2]. Access to data is often sought after by intruders[6][9].The picture that has been submitted cannot be changed by the unauthorized parties. Violation of this would result in malfunctioning of the validation. It is especially in the fields of education, medicine, military, etc. It needs to prove the originality of the content. Some of them are used as the evidence of a fact. The integrity validation is not only saving someone's life, but it can be implemented on a security side. The highly use of imaging system leads to the data exchange over the air while attaching to the international network. While communication it is imperative to verify the message so that intruder cannot replace with the fake information [5]. For example, when the computer sends the picture, the third party can intercept it in the air, modify the content of the picture and send it to its destination. We should send them with the verification or the message digest. When the receiver checks the hash of the image, they can compare it to the hash send simultaneously. Sometimes, we do not understand what they are. The information retrieved is used directly without verification. Once we start it, it might run the script consists of some trojan or virus lines. Certain methods of checksums provide the way to verification to ensure the image integrity [6]. Adler-32 presents to be a practical approach to help manage the originality.

2.

THEORIES

2.1 Data Integrity Security goals cover three points such as availability, confidentiality, and integrity [7].A Understanding data integrity broadly refers to the confidence of resource system. Data integrity is paramount because it can ensure the data accuracy, consistency, accessibilities, and the high quality. Following the integrity rules is important. Data with integrity is identical on hold during any operation such as business transfer, storage or retrieval. In simple computer terms, data integrity is the assurance that data is consistent, certified and referenced. Data integrity means that the accuracy and correctness. Data integrity in a database system must be maintained to keep the truth of the stored data. Figure 1 illustrate the scheme of data integrity.

Figure 1. Data integrity scheme.

230


An Example of integrity is the relationship between parents and children. The relationship is noted in a record according to genealogy. If the parent record has one or more of the child records related to all, the database itself will take care of the referential integrity. It automatically guarantees the accuracy, consistensi and reliabily of the data, so there is no record of children raised without parents, and no parent will lose their child's records. It also ensures that no one can remove the parent record while the parents have a record of each child.

sum of the individual values of A from each step. At the beginning of an Adler-32 run, A is initialized to 1, B to 0. The sums are done modulo 6552. The bytes are stored in network order, B occupying the two most significant bytes [8]. The function may be expressed as A = B = =

2.2 Hash Function A way to test the integrity of the data is to provide a checksum or a sign that data is not changed. The easiest way to do is to calculate the existing characters so that if there is a change, the result will be different. A hash function is a one-way function that produces a "checksum" or "fingerprint" of the data. A message that passes to the hash function will produce output called Message Authenticated Code (MAC). Hash function mapped out a set of data into a limited smaller size.The calculation algorithms uses matrix to map the byte array [1][4]. Let us take a simple example, the mathematical modulus function. The result of the modular expression is the remainder of integer division. For example, "12 mod 5" produces a value of 2, because 12 divided by 5 to produce a value of 2 and the remainder is 2. Every day we use modulo operation to express the hours where the modulo is 12. The mod operator cannot be used as a good hash function without integrated to the other formula. There are a few requirements to be used practically. For example, the range of the result of the hash function should be enough so that the probability of two different messages will generate the same hash function output. It should be emphasized the word "probability", because there will be two pieces of data that can generate the same hash function output. This is due to the range of hash functions is smaller than the space of the input. To make two messages are intelligible and have the same hash function output is not easy. Another requirement of a good hash function is the change of the character or single bits in the data must produce different output. This property is called avalanche effect. 2.3 Adler-32 Mark Adler invented the Adler-32 hash function. He created in 1995 and modified the Fletcher checksum. The length is same as CRC. It offers the speed of validation process. He claimed that Adler-32 is more reliable than Fletcher-16 and slightly less reliable than Fletcher-32. It is obtained by calculating two 16-bit checksums A and B and concatenating their bits into a 32-bit integer. It runs on the hexadecimal platform. A is the sum of all bytes in the stream plus one, and B is the

231

1 + D1 + D2 + ... + Dn (mod 65521) 1 + D1) + (1 + D1 + D2) + ... + 1 + D1 + D2 + ... + Dn) (mod 65521) n×D1 + (n−1)×D2 + (n−2)×D3 + ... + Dn + n (mod 65521)

Adler-32(D) = B × 65536 + A

2.4 Image Preprocessing The most important thing in image hash function is the grayscale process. It is mostly done in the picture processing is changing the color image into the grayscale image, it is used to simplify the model image. The color image consists of three layers, red, green and blue. The grayscale process is to mix the layers and produce a single color layer. When there is a calculation performed using a three-layer, it will be changed by grouping the third layer becomes grayscale and the result is a grayscale image. In this image, there is no color, only the gradation of black and white. There are three ways to get the grayscale intensity. � �� =

� �� =

max �,�, �+�+

+min �,�,

2

3

� �� = 0.21 ∗ � + 0.72 ∗ � + 0.07 ∗

The formulas above describe how to get the grayscale intensity. Formula 1 concerns to the lightness, Formula 2 concerns to the average and Formula 3 concers to the luminosity. Formula 1 is to find the highest and lowest values of the value of R, G, B, then the highest and lowest values are summed and then multiplied by 0.5.Formula 2 is adding up all the value of R, G, B, then divided by 3, to obtain an average value of R, G, and B.Formula 3 is to multiply each value of R, G, B with a certain constant predefined value, then the result of multiplying the entire value of R, G, B add up to one another. 3.

PROPOSED WORK

In this research, we plan to calculate the color intensities of every layer. The color image has three layers of color intensities. The red, green and blue layer must be combined and averaged. The average of its color is stored in a grayscale section. We do not build three checksums. However, we combine the three layers into a single

(1) (2) (3)


converted layer and calculate the pixels. The first step is to split the colors and build the new intensity.

R11 R21 R31 R41 R51

11

G G21 G31 G41 G51

B11 B21 B31 B41 B51

RED R13 R23 R33 R43 R53

R12 R22 R32 R42 R52

12

G G22 G32 G42 G52

R14 R24 R34 R44 R54

GREEN G13 G14 G23 G24 G33 G34 G43 G44 G53 G54

B12 B22 B32 B42 B52

BLUE B13 B23 B33 B43 B53

B14 B24 B34 B44 B54

R15 R25 R35 R45 R55

reduce the amount of hash function. If we do not combine the color intensities, we have to make the separated hash evaluation and of course, it makes the computer performance slower. There are three formulas that calculate the Adler-32 Hash to generate the integrity value. �

= 1+

G15 G25 G35 G45 G55

=

�

�=0

�

(5)

(6)

�=0

Where: I A B D

B15 B25 B35 B45 B55

� = . 65536 + : : : :

(7)

Grayscale Intensity The sum of all bytes The sum of the individual values of A Adler-32

The Adler-32 is obtained by multiplying B to 65536. The value 65536 is derived from a 16-bit hexadecimal maximum value. It happens since Adler-32 consists of 16-bit (A) and 16-bit (B) sections. The 32 comes from 16 + 16.

Figure 2. Red, Green and Blue

The previous figure describes the extracted pixel of a 5 x 5 image length. It splits into three parts. R11 to R55 represents the red color, G11 to G55 represent to 4. EVALUATION This test runs a 15 x 10 pixels color image. We try the green color while B11 to B55 represent to the blue color. Then the grayscale evaluation converts the values to analyze the Alder-32 hash value if there is a change in into a single value. We can choose one of the formulas color intensity. Figur 4 below shows the original image. exists. We prefer to choose the average formula this time. The following equation shows how it performs. �=

Where: I R G B

: : : :

I11 I21 I31 I41 I51

�+�+ 3

(4)

New Intesity Red Color Intensity Green Color Intensity Blue Color Intensity GRAYSCALE I12 I13 I14 22 23 I I I24 I32 I33 I34 42 43 I I I44 52 53 I I I54

I15 I25 I35 I45 I55

Figure 3. New Intensity As we can see in Figure 3, the values inserted into the cells are obtained from the above formula. It aims to

232

Figure 4. A 10 x 15 image Let’s take an example, pixel 1 located at cell number 1 (Column = 1, Row = 1) consists of R = 192, G 192+203 +202 = 203 and B = 202. The Grayscale is = 200. 3 This calculation continues until reach the end of the pixel or reach pixel 150 where the grayscale of the last 124 +114 +105 pixel is = 114. 3


Table 1. Grayscale Intensites

29

4851

71950

66

10885

361608

30

4908

76858

67

10975

372583

31

5105

81963

68

11044

383627

32

5303

87266

69

11092

394719

33

5399

92665

70

11146

405865

34

5510

98175

71

11233

417098

35

5688

103863

72

11310

428408

36

5922

109785

73

11479

439887

37

6161

115946

74

11726

451613

No.

Tabel 1 shows the complete grayscale calculation of the previous image. This table will be the further data to find the Alder-32 value. The value is obtained by applied the earlier Alder-32 formula to these pixels value. Table 2 describes the overall process of Alder-32. Table 2. Overall process of Alder-32

B

11980

463593

No. 87

13144

A

614009

B

76

12194

475787

88

13387

627396

77

12297

488084

89

13502

640898

78

12350

500434

90

13537

654435

79

12378

512812

91

13596

668031

80

12414

525226

92

13622

681653

A

B

81

12457

537683

93

13650

695303

1

1

0

38

6415

122361

82

12492

550175

94

13681

708984

2

201

201

39

6614

128975

83

12548

562723

95

13710

722694

3

439

640

40

6654

135629

84

12585

575308

96

13814

736508

4

638

1278

41

6682

142311

85

12661

587969

97

13928

750436

5

799

2077

42

6744

149055

86

12896

600865

No.

A

B

No.

6

980

3057

43

6834

155889

7

1196

4253

44

6960

162849

8

1388

5641

45

7104

169953

9

1495

7136

46

7248

177201

10

1594

8730

47

7471

184672

11

1736

10466

48

7726

192398

12

1913

12379

49

7980

200378

13

2074

14453

50

8235

208613

14

2236

16689

51

8475

217088

15

2449

19138

52

8630

225718

16

2660

21798

53

8694

234412

17

2828

24626

54

8764

243176

18

3022

27648

55

8878

252054

19

3257

30905

56

9009

261063

20

3454

34359

57

9100

270163

21

3533

37892

58

9228

279391

22

3630

41522

59

9463

288854

23

3796

45318

60

9705

298559

24

3958

49276

61

9958

308517

25

4123

53399

62

10212

318729

26

4362

57761

63

10466

329195

27

4576

62337

64

10703

339898

28

4762

67099

65

10825

350723

233

A

75

There are 96 (12 x 8 pixels) + 1 calculations. No. 1, A = 1 and B = 0 is the inital state. The last A shows 13928 and the last B shows 750436. The calculation is not ended. A

= = = =

A % MOD_ADLER A % 65521 13928 % 65521 13928

B

= = = =

B % MOD_ADLER B % 65521 750436% 65521 29705

AD

= = = =

B . 65536 + A 29705 . 65536 + 13928 1946760808 (decimal) 74093668 (hexadecimal)

The Adler-32 value showed above is still in decimal format. Alder-32 runs in hexadecimal. The value in hexadecimal is 74093668. It is a combination of two 16-bit value. The first section is 7409 and the last is 3668. When sending this picture to the receiver, the sender must send this Adler-32 value (74093668) simultaneously. Afterward, the recipients synchrony their hash with the sender. Once the value is different,


there must be an error or interception while transmitting over the air. What about if the content has been modified or there are a small undetected object has been inserted into the picture. It is time to prove the hash function. Assume that we modify pixel number 1. The earlier values are R = 192, G = 203 and B = 202. The new values are R = 190, G = 203, and B = 201. It is a small change. It cannot be detected by naked eyes. We just modified the red and blue colors; the green keep similar. The originality can be detected only by using the computer program. That is why the sender always sends the integrity value with the picture; it is to protect the information inside. Tabel 3. The modified process 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 34 35 36 37 38 39 40 41 42

234

A 1 199 438 636 796 978 1195 1387 1494 1593 1735 1912 2073 2237 2451 2662 2830 3024 3258 3455 3534 3631 3797 3959 4124 4363 4577 4763 4851 4907 5104 5303 5399 5510 5688 5922 6161 6415 6613 6653 6681 6743

B 0 199 637 1273 2069 3047 4242 5629 7123 8716 10451 12363 14436 16673 19124 21786 24616 27640 30898 34353 37887 41518 45315 49274 53398 57761 62338 67101 71952 76859 81963 87266 92665 98175 103863 109785 115946 122361 128974 135627 142308 149051

No. 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84

A 6832 6959 7103 7247 7470 7725 7979 8234 8474 8629 8693 8763 8877 9008 9099 9227 9462 9704 9957 10211 10465 10703 10824 10884 10974 11044 11092 11146 11233 11310 11479 11728 11982 12196 12300 12353 12380 12416 12459 12494 12550 12587

B 155883 162842 169945 177192 184662 192387 200366 208600 217074 225703 234396 243159 252036 261044 270143 279370 288832 298536 308493 318704 329169 339872 350696 361580 372554 383598 394690 405836 417069 428379 439858 451586 463568 475764 488064 500417 512797 525213 537672 550166 562716 575303

No.

A

B

No.

A

B

85

12663

587966

92

13623

681657

86

12897

600863

93

13652

695309

87

13145

614008

94

13683

708992

88

13388

627396

95

13712

722704

89

13503

640899

96

13816

736520

90

13538

654437

97

13930

750450

91

13597

668034

Table 3 illustrates the process after we modify several color intensities. The modified A shows 13930 and the modified B shows 750450. Moreover, these values are completely different. The calculation is different from the earlier since there was a modification of the byte array. A

= = = =

A % MOD_ADLER A % 65521 13930% 65521 13930

B

= = = =

B % MOD_ADLER B % 65521 750450% 65521 29719

AD

= B . 65536 + A = 29719. 65536 + 13930 = 1947678314 (decimal) = 7417366A (hexadecimal) The hexadecimal value is 7417366A. If we compare to the previous value (74093668) or although we change only 1 bit, the hash value is entirely different. This method is used to testing the level of image originality. Every byte in array is connected each other. If we modify one of them, it affects to the rest.

V. CONCLUSION We wish to thank Mark Adler personally for the Alder-32 checksum algorithm. This algorithm runs fast for image processing. The Adler-32 value is obtained by concatenating two 16-bit A and B. It will be a 32-bit integer. Since it does not use the complex arithmetic expression, it can be applied to the bigger picture. Alder32 can calculate the originality of what senders send to the recipients. This research does not provide the information hiding; it is only to ensure what the senders send are what the receivers get. The picture can prove anything in real life. So it should be original if used as evidence. His feedback on this research made the algorithm can work together with the image processing.


concatenating two 16-bit A and B. It will be a 32-bit integer. Since it does not use the complex arithmetic expression, it can be applied to the bigger picture. Alder32 can calculate the originality of what senders send to the recipients. This research does not provide the information hiding; it is only to ensure what the senders send are what the receivers get. The picture can prove anything in real life. So it should be original if used as evidence. His feedback on this research made the algorithm can work together with the image processing. REFERENCES [1] A. P. U. Siahaan, “Three-Pass Protocol Concept in Hill Cipher Encryption Technique,” SNATI, Yogyakarta, 2016. [2] A. P. U. Siahaan, “RC4 Technique in Visual Cryptography,” SNATIA, Semarang, 2016. [3] B. Forouzan, Cryptography and Network Security, McGraw-Hill, 2006. [4] H. Anton dan C. Rorres, Elementary Linear Algebra, 2011: John Wiley & Sons. [5] R. Bhanot dan R. Hans, “A Review and Comparative Analysis of Various Encryption Algorithms,” International Journal of Security and Its Applications, vol. 9, no. 4, pp. 289-306, 2015. [6] S. K. Das, G. Sharma dan P. K. Kevat, “Integrity and Authentication using Elliptic Curve cryptography,” Imperial Journal of Interdiscliplinary Research, vol. 2, no. 5, 2016. [7] D. Shah, “Digital Security Using Cryptographic Message Digest Algorithm,” International Journal of Advance Research in Computer Science and Management Studies, vol. 3, no. 10, pp. 215-219, 2015. [8] M. Adler, “Wikipedia,” Wikipedia, 22 3 2016. [Online]. Available: https://en.wikipedia.org/wiki/Adler-32. [Diakses 8 7 2016]. [9] A. P. U. Siahaan, “BPCS Steganography Noise-For Region Security Improvisation,” International Journal of Science & Technoledge, vol. 4, no. 6, 2016.

235

PROSIDING SEMMAU 2016 DesainUntuk Rancang Bangun Fitur Keamanan Pada Intelligent Home Wawan Nurmansyah1, Masayu Jamilah2 1

Sains dan Teknologi, Universitas Katolik Musi Charitas [email protected], 2 [email protected]

Abstrak Berdasarkan data yang dihimpun oleh Asosiasi Telekomunikasi Seluler Indonesia (ATSI), hingga akhir tahun 2013 jumlahpelanggan ponsel di Indonesia telah mencapai 250 juta, padahal jumlah penduduk Indonesia sekitar 240 juta jiwa. Perbandingan angka tersebut menunjukan bahwa penetrasi seluler di Indonesia sebesar 110 persen dan berdasarkan data ATSI.Bahkan data terakhir yang dirilis oleh CIA, Indonesia menjadi negara ke-5 dan 6 yang paling agresif dalam menerima perkembangan teknologi telepon seluler. Perangkat yang dapat dijadikan media yang ditanamkan hasil pemrograman yang akan mengontrol produk dari mekatronik salah satunya adalah mikrokontroler seperti produk dari Arduino. Rancangan dan implementasi untuk keamanan pada intelligent home berupa produk prototype yang dapat terus dikembangkan dan diimplementasikan secara nyata yang berguna untuk membuka wawasan mahasiswa dan masyarakan pada pengembangan teknologi. Rancangan simulasi rangkaian elektronik pada embedded systemdigunakan untuk mensimulasikan rangkaian agar mendapatkan kepastian pada rangkaian tersebut berhasil. Acuan keberhasilan simulasi pada sistem intelligent home dilakukan dengan beberapa skenario yang disimulasikan dalam kejadian seperti : kebakaran dan masuk hunian tampa hak akses yang legal. Hasil desain skenario tes ini dinilai dari sisi respon dan sensitifitas perangkat yang nantinya dapat diujikan secara nyata. Kata kunci: Keamanan, Intelligent Home, Arduino

1.

PENDAHULUAN Elektronika dan mekanika yang digabungkan menjadi suatu media baru yang dapat digunakan untuk membantu manusia dalam berkerja tentunya masih dikontrol langsung dalam operasionalnya oleh manusia.Bagian mekatronik (mekanik dan elektronik) yang telah di kombinasikan dengan pemrograman terkomputerisasi diharapkan produk tersebut dapat bekerja sendiri dengan ketentuan dari program yang telah dimasukkan dalam produk tersebut. Perangkat yang dapat dijadikan media yang ditanamkan hasil pemrograman yang akan mengontrol produk dari mekatronik salah satunya adalah mikrokontroler seperti Arduino. Teknologi bertujuan untuk memudahkan manusia dalam beraktifitas berkerja, seperti : membuat dokumen, memproses data, merakit produk dalam industri, mendiagnosa kerusakan dan lain sebagainya. Bagian produk yang dapat membantu manusia tersebut bukan dimaksudkan akan menggantikan posisi dari manusia – manusia dalam suatu profesi dan kegiatan, terutama dalam ruang lingkup mengklasifikasi, mengelompokan, identifikasi dan mengenali sesuatu. Bagian – bagian dari produk teknologi yang berkembang yang dimaksudkan dapat menggantikan peranan suatu pekerjaan seseorang, hal tersebut dimaksudkan

236

karena ada sesuatu yang berhubungan dengan keamanan dari manusia tersebut. Produk elektronik yang masyarakat gunakan saat ini sangat beragam fungsi dan kegunaanya seperti perangkat elektronik mobile seperti handphone. Saat ini penggunaan perangkat mobile seperti handphone bukan saja digunakan untuk komunikasi akan tetapi perangakat tersebut bisa dijadikan media hiburan dan pembelajaran. Berdasarkan data yang dihimpun oleh Asosiasi Telekomunikasi Seluler Indonesia (ATSI), hingga akhir tahun 2013 jumlahpelanggan ponsel di Indonesia telah mencapai 250 juta, padahal jumlah penduduk Indonesia sekitar 240 juta jiwa [1]. Perbandingan angka tersebut menunjukan bahwa penetrasi seluler di Indonesia sebesar 110 persen dan berdasarkan data ATSI.Bahkan data terakhir yang dirilis oleh CIA, Indonesia menjadi negara ke-5 dan 6 yang paling agresif dalam menerima perkembangan teknologi telepon seluler [2]. Penggunaan teknologi seluler untuk pengontrolan media atau perangkat keras yang berbasiskan elektronik masih terus dikembangkan oleh para peneliti dan ada juga yang sudah diterapkan. Desain yang digunakan untuk mengontrol pintu garasi menggunakan Arduino Uno R3 melakukan koneksi dengan akses point dan

PROSIDING SEMMAU 2016 menggunakan Sensor Jarak HC-SR 04 untuk mendeteksi mobil atau kendaraan yang mendekati garasi [3]. Penggunaan mikrokontroller arduino menunjukkan hasil bahwa magnetic door lock yang digunakan untuk media yang dikontrol oleh mikrokontroller dapat bekerja dengan baik, hal ini dibuktikan dengan software IDE Arduino bahwa mikrokontroler dapat mendeteksi input dari keypad, delay yang diterapkan untuk mengaktifkan solenoid dapat berjalan [4]. Penerpan intelligent home pada tahapan pengontrolan perangkat pada fitur rumah tentunya bagian ini membantu dalam operasional keseharian, dalam sisi keamanan yang membedakan adalah bagian yang memberikan keamanan bagi penghuni dan keamanan rumah itu sendiri dalam ancaman bahaya, seperti : kebakaran, pencurian dan lain sebagainya yang tergolong dalam sisi keamanan pada suatu hunian seperti rumah atau apartemen.Penelitian pada desain fitur keamanan elektronik pada hunian rumah dengan memanfaatkan mikrokontroller arduino untuk implementasi pada intelligent home atau smart home yang menjadi output dari hasil sensor ini berupa alarm dan smart phone berbasis android. Aplikasi dari emulator dan virtual machine digunakan untuk mensimulasikan semua hasil desain dan rancangan yang selanjutnya akan diimplementasikan secara bertahap.

-

-

2.

METODE PENELITIAN Tahapan – tahapan pelaksanaan penelitian di identifikasikan 4 (empat) tahapan untuk menghasilkan model atau desain dari bagian fitur keamanan pada penerapan intelligent home :

a. Observasi studi literatur - Sistem alarm berbasis RFID dirancang untuk menjadi salah satu solusi masalah. Sistem alarm yang terdiri dari RFID tag dan RFID reader yang terintegrasi dengan alarm. RFID tag diletakkan pada kendaraan bermotor yang diparkir digarasi rumah dan RFID reader diletakkan pada jalur yang akan dilewati oleh tag pada saat kendaraan akan keluar dari garasi rumah dan sistem akan bekerja bila saat tag masuk jangkauan dari reader untuk mengaktifkan alarm [5]. - Penelitian yang mempresentasikan analisis beberapa pengamatan yang tidak biasa dilakukan dalam sistem monitoring prototype padasmart home. Packet delivery ratio (PDR) dan latency antara satu masalah keandalan beberapa yang telah dianalisis dan dibahas untuk membuat sistem yang lebih handal [6]. - Rancangan sebuah alat yang dapat mendeteksi suhu dan mengaktifkan kipas dengan bantuan microcontroller sebagai pusat kendali eksternal dari komputer dan pada microcontroller inilah komunikasi serial dengan komputer dilakukan. Prinsipnya ialah microcontroller membaca suhu sensor LM35 melalui ADC internal

237

-

microcontroller ATMega 8535 dan setelah data diproses maka data dikirim ke komputer [7]. Prototype Web Based Online Smarthome ini terdiri dari sistem pengontrolan dan kemanan yang keduanya tergolong murah. Aplikasi ini terdiri dari main program yang terletak di komputer server, sekaligus web server sehingga aplikasi ini dapat diakses melalui jaringan internet. Aplikasi yang terdapat di komputer server terhubung secara serial dengan mikrokontroller ATMEGA 8535 untuk mengatur kondisi lampu. Tidak hanya lampu, garasi, gerbang depan, lemari es, pompa air, dan semua peralatan yang menyala menggunakan sistem on/off juga bisa diatur dengan aplikasi ini. Komputer server terhubung dengan webcam yang digunakan untuk kemanan rumah, apabila ada pencuri maka gambar akan tersimpan. Aplikasi ini membutuhkan database untuk melakukan penjadwalan alat elektronik misalkan lampu, sehingga secara otomatis lampu akan menyala sesuai jadwal. Selain penjadwalan, hasil dari deteksi gerak menggunakan webcam juga dapat dilihat melalui web ini. Berdasarkan hasil pengujian didapatkan prosentase keberhasilan 93,75% [8]. Remote Terminal Unit (RTU) adalah bagian dari sistem kontrol yang merupakan antar muka antara objek yang dikontrol dengan master station.Kegiatan pengembangan RTU yang berbasis pada embedded controller. RTU yang dikembangkan terdiri dari embedded controller, mikrokontroler, dan modul input output. RTU ini juga telah dilengkapi dengan GUI (Graphical User Interface) sehingga apabila ada masalah komunikasi antara RTU dengan master station,sistem masih dapat dimonitor melalui GUI yang telah ada pada RTU. Komunikasi yang dipergunakan untuk berhubungan dengan master station adalah komunikasi berbasis IP (Internet Protocol) [9]. Sistem deteksi kebocoran gas LPG ini menggunakan sensor MQ 5 untuk mengukur kadar gas LPG di udara, software Visual Studio sebagai tampilan GUI, dan mikrokontroller Atmega8535 sebagai kontroller. TCP/IP digunakan sebagai jalur penyampaian data antara server dan client. Sistem pendeteksian kebocoran mampu berjalan otomatis sehingga mengurangi bahaya ledakan akibat kebocoran gas. Operator mampu melihat kondisi peralatan melalui GUI. GUI menampilkan data berupa kondisi gas LPG dan kondisi lampu. Peringatan berupa alarm akan muncul apabila terjadi kebocoran gas. Data konsentrasi gas direkam dan dapat disimpan dalam data logger [10].

b. Analisa kebutuhan Tahapananalisis kebutuhan yang ada pada fitur keamanan pada penerapan intelligent home adalah :

PROSIDING SEMMAU 2016 -

Bagian keamanan luar pagar (pintu pagar): kebutuhan sistem secara visual (interface pada aplikasi) membutuhkan bagian objek yang menunjukkan pagar rumah pada umumnya, pada logika berfikir adanya masukkan dari sensor yang menyatakan pagar halaman di jebol atau dilewati tanpa ijin. - Bagain keamanan pintu depan rumah : bagian interface menggambarkan objek daun pintu yang dapat membuka kunci dan memberikan informasi adanya getaran yang diberikan dari hasil “ketukan” oleh manusia yang meminta ijin masuk secara legal. - Bagian suhu dan effek lain adanya panas dari api (asap) :bagian keamanan dari kebakaran memiliki 2 (dua) indikator berupa suhu yang berlebih dan asap, pada interface diberikan visual dimana biasanya asap berada. Hasil dari bagian analisis kebutuhan dapat membantu untuk tahapan desain (rancangan logika program, rancangan aplikasi dan rancangan infrastruktur. c. Perancangan sistem, logika berfikir dan interface sistem Tahapanperancangan pada keamanan untuk intelligent home dibagi 3 bagian, sebagai berikut : 1. Perancangan sistem pada intelligent home : Hubungan semua elemen – elemen yang ada pada penerapan intelligent pada gambar 1, menjelaskan bagian dari mikrokontroller berupa Arduino uno yang telah deprogram dapat memberikan respon pada perangkat komputer dan smart phone yang telah memiliki aplikasi yang dapat menerima dan memberi respon sebaliknya pada mikrokontroller. Media penghubung dapat berupa jaringan LAN (local Area Network) atau untuk memperluas jangkauan dapat menggunakan media jaringan internet dari fasilitas ISP (Internet Service Provider)

Gambar 1. Rancangan penerapan sistem (sumber:https://blog.arduino.cc/2016/07/21/prototyp ing-a-smart-bulb-with-javascript-arduino-pubnub/) 2. Perancangan logika berfikir : Desain rancangan pola berfikir pada intelligent home dapat di contohkan 1 bagian keamanan yang sangat dianggap penting, yaitu sistem keamanan kebakaran. Sebagai inputan dapat digunakan 2 inputan berupa sensor suhu dan sensor asap.

238

Inputan sensor memberikan proses pengaktifan perangkat luar selama 3 menit untuk dimatikan otomatis dan memberikan masukkan pada smart phone dari aplikasi yang telah di install agar dapat mematikan alarm dari smart phone pengguna.

Start

Deteksi sensor Asap

Aktif perangkat Info aktif perangkat

T > 3 menit

Y non aktif

end

Gambar 2.Logika berfikir pada sistem keamanan kebakaran 3. Perancangan Interface sistem : Kebutuhan pada fitur aplikasi sistem keamanan pada intelligent home yang didesain berupa bagian yang menunjukkan adanya detektisi visual adanya asap yang menyatakan adanya kebakaran, adanya visual berupa pagar dan pintu rumah yang dapat berubah warna bila ada pendeteksian masukknya sesuatu dalam lingkungan rumah tanpa ijin atau bahaya lain seperti tanah longsor bila rumah yang berada dibawah bukit / gunung, adanya visual untuk memberikan adanya suara yang menyatakan kondisi rumah tidak aman. Bagian fitur lainnya berupa icon pengaturan dan icon keluar dari aplikasi. Tambahan lain berupa tanggal dan jam yang tampil pada satu frame aplikasi sistem keamanan pada intelligent home.


Intelligent Home Thursday, August 04, 2016

void loop(){ int val = digitalRead(inputPin); if (val == HIGH) { digitalWrite(ledPin, HIGH); // turn LED on if motion detected delay(500); digitalWrite(ledPin, LOW); // turn LED off } }

Gambar 3. Interface Via Mobile (smart phone) d. Implementasi Bagian implementasi pada penerapan rancangan sistem keamanan intelligent home masih berupa simulasi.Rancangan logika yang dihasilkan dari pemrograman berupa aplikasi yang dapat diinstall pada sistem operasi android menggunakan VMware dan rancangan elektronik dapat menggunakan aplikasi fritzing.Emulator dan virtual machine digunakan untuk mensimulasikan semua hasil desain dan rancangan yang selanjutnya akan diimplementasikan secara bertahap. Bagian rancangan mekatronik (mekanik dan elektronik) dan implementasi logika program menggunakan aplikasi Arduino. Gambar 4, 5, 6 dan 7 desain mekatronik dengan listing program sederhana untuk penggunaan sensor pada masing masing sistem keamanan pada penerapan intelligent home.

Gambar 4.PIR (Passive Infrared) motion sensor Source Code sederhana pada penerapan sensor gerak : const int ledPin = 13; const int inputPin = 2; void setup() { pinMode(ledPin, OUTPUT); pinMode(inputPin, INPUT); }

239

Gambar 5.Knock sensor pada pintu Source Code sederhana pada penerapan sensor getar : const int sensorPin = 0; // the analog pin connected to the sensor const int ledPin = 13; // pin connected to LED const int THRESHOLD = 100; void setup() { pinMode(ledPin, OUTPUT); } void loop() { int val = analogRead(sensorPin); if (val >= THRESHOLD) { digitalWrite(ledPin, HIGH); delay(100); // to make the LED visible } else digitalWrite(ledPin, LOW); }

PROSIDING SEMMAU 2016 Source Code sederhana pada penerapan sensor asap:

Gambar 6.Sensor temperatur LM35 Source Code sederhana pada penerapan sensor suhu: const int inPin = 0; const int outPin = 13; const int threshold = 25; trigger the output pin void setup() { Serial.begin(9600); pinMode(outPin, OUTPUT); } void loop() { int value = analogRead(inPin); long celsius = (value * 500L) /1024; Serial.print(celsius); Serial.print(" degrees Celsius: "); if(celsius > threshold) { digitalWrite(outPin, HIGH); Serial.println("pin is on"); } else { digitalWrite(outPin, LOW); Serial.println("pin is off"); } delay(1000); }

int redLed = 12; int greenLed = 11; int buzzer = 10; int smokeA0 = A5; int sensorThres = 400; void setup() { pinMode(redLed, OUTPUT); pinMode(greenLed, OUTPUT); pinMode(buzzer, OUTPUT); pinMode(smokeA0, INPUT); Serial.begin(9600); } void loop() { int analogSensor = analogRead(smokeA0); Serial.print("Pin A0: "); Serial.println(analogSensor); if (analogSensor > sensorThres) { digitalWrite(redLed, HIGH); digitalWrite(greenLed, LOW); tone(buzzer, 1000, 200); } else { digitalWrite(redLed, LOW); digitalWrite(greenLed, HIGH); noTone(buzzer); } delay(100); } Source code dari contoh sederhana pengaktifan semua sensor dapat dilihat penggunaan pin pada Arduino uno yang dapat di modifikasi sesuai dengan kebutuhan. Konsistensi dari penggunaan pin yang akan di program menjadi input dan yang dijadikan output harus sesuai dengan desain yang di gambarkan pada emulator atau aplikasi desain untuk media mekatronik atau spesifik software emulator perangkaian dan desain menggunakan Arduino agar meminimalisir kesalahan saat membangun sistem. 3.

HASIL DAN PEMBAHASAN Hasil dari penelitian ini masih berupa desain skenario penghujian yang dapat dijadikan acuan untuk melakukan pelaksanaan pengujian. Pengujian dilakukan untuk mendapatkan hasil dari penerapan desain logika pemikiran dan desain rancangan mekatronik.Pengujian dapat berupa memastikan rangan mekatranik terhubung dengan benar, logika program benar dan juga mengukur respon dari sensitifitas sensor.

Tabel1.Skenario pengujian fitur sistem keamanan pada penerapan intelligent home Gambar 7.Sensor Asap

240


No 1

2

3

Uji perangkat sistem Kebakaran

Pencurian

Gangguan hewan liar dan tanah longsor

4. Skenario - Lakukan pemberian asap pada sensor dan pastikan indikator berupa LED hidup dan pesan diberikan ke smart phone berupa visual asap berubah warna dan suara sirine hidup pada smart phone. Menghentikan sirine pastikan dapat di off dengan waktu yang telah di program atau pemberian instruksi dari smart phone . - Berikan suhu sampai dengan 80 derajat pada sensor dan pastikan indikator berupa LED hidup serta pesan diberikan ke smart phone berupa visual asap berubah warna dan suara sirine hidup. Menghentikan sirine pastikan dapat di off dengan waktu yang telah di program atau pemberian instruksi dari smart phone .

Lakukan pemberian getaran pada pintu dengan keras (mendorong pindu dengan paksaan pada posisi terkunci) dan pastikan indikator berupa LED hidup dan pesan diberikan ke smart phone berupa visual pintu berubah warna dan suara sirine hidup pada smart phone.

Lakukan pemberian gerakan dan gerakan yang melewati sensor dan pastikan indikator berupa LED hidup dan pesan diberikan ke smart phone berupa visual pagar berubah warna dengan suara suara sirine hidup.

Desain scenario uji pada setiap fitur pada intelligent home dapat terus berkembang dengan disesuaikan pada bagian bagian fitur yang terus bertambah.Hasil dari skenario yang dibuat dapat berupa keberhasilan dalam laporan berbentuk table, berupa grafik dari hasil sensitifitas sensor atau media inputan lainnya.

241

KESIMPULAN Bagian semua rancangan sistem, interface sampai dengan rancangan skenario pada penelitian ini dapat dijadikan bagian awal dari pembangunan atau implementasi penerapan intelligent home. Bagian dari desain algoritma pemikiran dapat disamakan untuk segala bagian sistem, yaitu semua sistem membutuhkan inputan sebelum proses pendeteksian diberikan untuk pengaktifan perangkat dan memberikan informasi pada smart phone. Tambahan lain seperti adanya alarm yang aktif selama 3 menit dapat dijadikan sebagai tambahan karena yang sangat dibutuhkan adalah bagian informasi dan kendali dari smart phone yang telah terintegrasi pada sistem keamanan intelligent home.

[1]

REFERENSI http://www.jia-xiang.biz/konsumsi-ponsel-diindonesia-sudah-menggila/ [tanggal akses : 18 februari 2015]

[2]

http://theglobejournal.com/teknologi/6negara-ini-penduduknya-pengguna-hpterbanyak/index.php [tanggal akses : 18 februari 2015]

[3]

G. Magdalena,F. A. Halim dan A. Aribowo, Perancangan Sistem Akses Pintu Garasi Otomatis Menggunakan Platform Android, Prosiding Conference on Smart-Green Technology in Electrical and Information Systems, Bali, ISBN: 978-602-7776-72-2, Hal: 301 – 305, 14-15 November 2013.

[4]

H.Guntoro, Y. Somantri, E. Haritman, Rancang Bangun Magnetic Door Lock Menggunakan Keypad dan Solenoid Berbasis Mikrokontroler Arduino Uno, ELECTRANS, VOL.12, NO.1, ISSN 1412 – 3762, (hal: 3948), MARET 2013

[5]

Wahyudi, E.R, Sistem Alarm Berbasis RFID Untuk Sistem Keamanan Rumah, Skripsi, Fakultas Teknik Universitas Indonesia, Jakarta, 2010

[6]

Ghayvat, H and Nag, A, et.al, Sharing Research Experiences Of WSN Based Smart Home, School of Engineering and Advanced Technology, Massey University, New Zealand, International Journal On Smart Sensing And Intelligent Systems, Vol. 7, NO. 4, ISSN : 1178 – 5608, (hal: 1997 - 2013), 2014.

[7]

Riantiningsih, N.W, Pengamanan Rumah Berbasis Microcontroller ATMEGA 8535 Dengan Sistem Informasi Dengan Menggunakan PC, Tugas Akhir, Universitas Sumatera Utara, Medan, 2009.

[8]

Arifiyanto, F dan Syafei, A.W, dkk. Perancangan Prototype Web-Based Online

PROSIDING SEMMAU 2016 Smart Home Controlled By Smartphone, TRANSIENT, VOL.2, NO. 4, ISSN: 23029927, (hal : 916 - 923), DESEMBER 2013. [9]

Sustika, R dan Mahendra, O. Pengembangan RTU (Remote Terminal Unit) untuk Sistem Kontrol Jarak Jauh berbasis IP, INKOM, Vol. IV, No. 2, (Hal :IV-88 - IV-94), Nopember 2010

[10]

Kirom, i.h dan Sumardi, dkk, Sistem Monitoring Kebocoran Gas LPG (Liquefied Petroleum Gas) Pada Smart Building Berbasis TCP/IP,Fakultas Teknik Universitas Diponegoro, [Diakses tanggal : 15pebruari2015:http://www.elektro.undip.ac.i d/el_kpta/wpcontent/uploads/2012/05/L2F00 8045_MTA.pdf]

242

PROSIDING SEMMAU 2016 PENERAPAN E-BISNIS UNTUK MENANGANI PROSES PENJUALAN PRODUK AGUAMOR BERBASIS WEB

Dewi Anggraini Program Studi Sistem Informasi, STIKOM Uyelindo Kupang [email protected]

Abstrak Perusahaan Aguamor Timorindo Baumata Kupang merupakan salah satu perusahaan air minum mineral yang bergerak dalam bidang Air Minum Dalam Kemasan (AMDK). Proses penjualan air minum Aguamor dari per bulan ke tiap tahun mengalami peningkatan dengan jumlah transaksi dari agen dan konsumen yang membutuhkan air minum untuk dikonsumsi. Aplikasi yang diterapkan pada perusahaan PT Aguamor diperlukan program website dan bertujuan memudahkan pekerjaan. Dalam membangun sistem ini ada beberapa software yang akan digunakan penulis yaitu Microsoft office, adobe photoshop 7.0, pemrograman php,xammp dan editor web yang akan digunakan dalam membangun sebuah sistem untuk mengetahui proses distribusi produk yang ada pada perusahaan. Hasil yang diperoleh dalam penelitian ini adalah menghasilkan sebuah aplikasi penerapan E-bisnis untuk menangani penjualan produk Aquamor Baumata berbasis Web. Dengan adanya website PEB Aguamor, Perusahaan Aguamor dapat mempromosikan serta memasarkan air minum dalam kemasan lebih cepat dan akurat. Keywords: PHP programming, E-Bisnis, website, PT Aguamor diferensiasi, dan keunggulan fokus. Keunggulan 1. LATAR BELAKANG biaya berarti menekankan pada pembuatan produk Perusahaan Aguamor Timorindo Baumata dan menyediakan jasa yang dianggap unik di seluruh Kupang merupakan salah satu perusahaan air minum industri dan ditujukan pada konsumen yang tidak mineral yang bergerak dalam bidang Air Minum terlalu peduli terhadap perubahan harga. Keunggulan Dalam Kemasan (AMDK). Melalui proses produksi diferensiasi berartiperusahaan berusaha Perusahaan Aquamor Baumata Kupang telah memproduksi dan memasarkan barang dengan berhasil merebut sekitar 80% pemasaran Air Minum karakteristik tertentu yang pada akhirnya Dalam Kemasan (AMDK) dengan wilayah mengakibatkan barang tersebut dianggap unik dan pemasaran Timor dan Sekitarnya. eksklusif oleh konsumen. Keunggulan fokus berarti Perusahaan Aguamor Baumata Kupang membuat produk dan menyediakan jasa untuk mengalami sedikit hambatan dan permasalahan memenuhi keperluan sejumlah kelompok kecil dalam memasarkan penjualan AMDK. Dari data konsumen. yang peneliti dapatkan, kapasitas produksi yang Guna mengatasi berbagai masalah yang di dihasilkan oleh perusahaan aquamor yang terjual hadapi Perusahaan Aquamor Timorindo Baumata baru sekitar 40-60% dengan alasan produk air Kupang terutama menyangkut proses penjualan air minum berkemasan belum dikenal oleh kalangan minum dalam kemasan, maka penulis mengangkat konsumen, sehingga diperlukan waktu dalam judul penelitian tentang Penerapan E-Bisnis Untuk memasarkan produk aquamor. Menangani Proses Penjualan Produk Aquamor Strategi pemasaran E-Bisnis perlu diterapkan Berbasis Web. pada Perusahaan Aguamor Baumata Kupang, sehingga proses penjualan produk AMDK 2. TUJUAN PENULISAN Aguamor di wilayah pulau Timor dan diluar pulau Tujuan dari penelitian ini adalah membangun Timor dapat memperoleh keuntungan kompetitif sebuah sistem informasi aplikasi yang dapat bisnis dan berjalan secara maksimal. Strategi tingkat membantu menangani proses penjualan produk bisnis dilakukan dalam rangka mempertahankan Aguamor berbasis web. kemampuan kompetisi dari perusahaan dibandingkan para pesaingnya pada bisnis yang 3. TINJAUAN UMUM PENERAPAN sama. Ada tiga landasan strategi bisnis yang STRATEGI E-BISNIS UNTUK membantu perusahaan memperoleh keunggulan MENANGANI PROSES PENJUALAN kompetitif, yaitu keunggulan biaya, keunggulan PRODUK AGUAMOR BERBASIS WEB

243

PROSIDING SEMMAU 2016 3.1 Penerapan Strategi Pujiana (2012) mengatakan bahwa strategi adalah sebuah rencana yang disatukan, luas dan terintegrasi, yang menghubungkan keunggulan strategi perusahaan dengan tantangan lingkungan dan yang dirancang untuk memastikan bahwa tujuan utama perusahaan dapat dicapai melaluipelaksanaan yang tepat oleh organisasi. Dari pengertian tersebut, dapat disimpulkan bahwa strategi perusahaan adalah suatu kesatuan rencana yang menyeluruh, komprehensif dan terpadu yang diarahkan untuk mencapai tujuan perusahaan. 3.2 Definisi E-Bisnis Definisi E-business secara sederhana adalah penggunaan internet untuk berhubungan dengan konsumen, rekan bisnis, dan supplier. Penggunaan internet menyebabkan proses bisnis menjadi lebih efisien. Dalam penggunaan e-business, perusahaan perlu untuk membuka data pada sistem informasi mereka agar perusahaan dapat berbagi informasi dengan konsumen, rekan bisnis, dan supplier dan dapat bertransaksi secara elektronik dengan mereka memanfaatkan internet. Beda e-business dengan e-commerce adalah ecommerce hanya berupa transaksi secara elektronik di internet sedangkan e-business termasuk juga pertukaran informasi secara online (Purwanto, 2012). 3.3 Website Website merupakan kumpulan halaman yang menampilkan informasi data teks, data gambar diam atau gerak, data animasi, suara, video dan atau gabungandari semuanya, baik yang bersifat statis maupun dinamis yang membentuk satu rangkaian bangunan yang saling terkait dimana masing-masing dihubungkan dengan jaringan-jaringan halaman (hyperlink). Secara terminologi website adalah kumpulan dari halaman-halaman situs, yang biasanya terangkum dalam sebuah domain atau subdomain, yang tempatnya berada di dalam world wide web (www) di Internet. World wide web terdiri dari seluruh situs web yang tersedia kepada publik. Halaman-halaman sebuah situs web (web page) diakses dari sebuah URL yang menjadi “akar” (root), yang disebut homepage (halaman induk; sering diterjemahkan menjadi “beranda”, “halaman muka”), URL ini mengatur web page untuk menjadi sebuah hirarki, meskipun hyperlink-hyperlink yang ada di halaman tersebut mengatur para pembaca dan memberitahu mereka susunan keseluruhan dan bagaimana arus informasi ini berjalan. Sebuah Web page adalah dokumen yang ditulis dalam format HTML (hyper text markup language), yang hampir selalu bisa diakses melalui HTTP, yaitu protokol yang menyampaikan informasi dari server website untuk ditampilkan kepada parapemakai melalui web browser. Semua publikasi dari website-website tersebut dapat membentuk sebuah jaringan informasi yang sangat

244

besar (Nugroho, 2009). Web page layaknya sebuah buku yang dapat menampung berbagai informasi tentang banyak hal baik bersifat komersil maupun non komersil. Melalui media web inilah seseorang dapat memberikan informasi tertentu kepada orang lain yang berada di seluruh dunia. Website mulai dikenal di Indonesia sekitar tahun 1998, dimana hanya perusahaan besar saja yang mampu memilikinya. Pada saat itu, website merupakan sebuah teknologi yang cukup mahal untuk dimiliki. Sehingga banyak pengusaha maupun produsen mengurungkan niat mereka untuk dapat memiliki media promosi ini. Langkanya penyedia jasa pembuatan web yang menawarkan harga murah membuat keinginan perusahaan-perusahaan tersebut untuk memiliki sebuah website murah hanya menjadi sebuah mimpi. Sekarang ini terdapat hampir milyaran halaman website yang memeriahkan dunia maya. Sebagian besar dari website tersebut adalah web komersial yang bersifat bisnis dan perdagangan. Rupanya media promosi dalam bentuk website sangat berperan penting dalam dunia usaha. Buktinya akhir-akhir ini banyak pengusaha besar maupun kecil telah menggunakan website sebagai salah satu media promosi dalam memasarkan produk ataupun jasa. 3.4 Personal home page (PHP) PHP adalah singkatan dari personal home page yang merupakan bahasa standar yang digunakan dalam dunia website. PHP adalah bahasa pemrograman yang berbentuk script yang diletakkan didalam web server. Ada beberapa pengertian tentang PHP, akan tetapi PHP dapat diartikan sebagai hypertext processor. Ini merupakan bahasa yang hanya dapat berjalan pada server yang hasilnya dapat ditampilkan pada client. Interpreter PHP dalam mengeksekusi kode PHP pada sisi server disebut serverside, berbeda dengan mesin maya Java yang mengeksekusi program pada sisi klienclientserver [3]. 3.5 MySQL MySQL merupakan software sistem manajemen database (database management system DBMS) yang sangat popular di kalangan pemrogram web, terutama dilingkungan Linux dengan menggunakan skrip dan Ped.Fungsi MySQL dapat dikatakan sebagai interpreter query, karena setiap kitamenggunakan query SQL (perintah SQL) kita harus meletakkannya di dalam fungsiini. Dengan kata lain, SQL tidak dapat dijadikan tanpa adanya fungsi MySQL.MySQL termasuk jenis relational database management system (RDBMS). Sehinggaistilah seperti tabel, baris dan kolom tetap digunakan dalam MySQL. Pada MySQL, sebuah database mengandung beberapa tabel, tabel terdiri dari sejumlah baris dankolom.SQL merupakan kependekan Structured Query language. SQL

PROSIDING SEMMAU 2016 digunakanuntuk berkomunikasi dengan sebuah database. SQL adalah bahasa yang meliputiperintahperintah untuk menyimpan, menerima, memelihara, dan mengatur aksesakseske basis data serta digunakan untuk memanipulasi dan menampilkan data dari database (Nugroho, 2009).

4

METODOLOGI Metodologi yang digunakan dalam penelitian ini terdiri dari langkah – langkah sebagai berikut :

4.1. Studi Kepustakaan Dilakukan dengan mencari literatur pendukung penelitian yang mampu memberikan informasi yang memadai dalam menyelesaikan penelitian ini serta membantu mempertegas teoriteori yang ada. 4.2. Metode Observasi Observasi dilakukan dengan cara mengadakan pengamatan secara langsung terhadap suatu objek yang akan diteliti terkait kasus strategi bisnis untuk menangani proses distribusi produk Aguamor Timorindo Baumata Kupang. 4.3. Wawancara Wawancara dilakukan untuk mengumpulkan informasi dari orang-orang (individu) secara tatap muka (face to face). Wawancara memiliki beberapa tujuan seperti mencari fakta data yang dicari, mengklasifikasi fakta, menghasilkan antusias, mengidentifikasi kebutuhan, dan mengumpulkan ide dan pendapat. 5 Hasil dan Pembahasan 5.1 Alur Dokumen Desain sistem secara umum dari yang diusulkan berbentuk logika metode yang digambarkan dengan menggunakan flowchart alur sistem, yang diharapkan dapat memenuhi kebutuhan akan informasi sesuai dengan permasalahan yang telah dipaparkan sebelumnya. Alur dokumen dapat dilihat pada gambar 1.

Gambar 1. Alur Dokumen 5.2 Diagram Konteks Diagram konteks merupakan diagram yang menggambarkan kondisi sistem yang ada baik output maupun input serta menyertakan terminator yang terlibat dalam penggunaan sistem. Diagram ini akan memberikan gambaran tentang keseluruhan sistem. Sistem dibatasi oleh boundary dapat digambarkan dengan garis putus. Dalam diagram konteks hanya ada satu proses. Tidak boleh ada store dalam diagram konteks (Jogiyanto, 2015).

Gambar 2. Diagram Konteks

245

PRO PROSIDING SEMMAU 2016

D) 5.3 Entity Relationship Diagram (ERD) Entity Relationship Diagram (ERD RD) merupakan teknik yang digunakan untuk k memodelkan kebutuhan data dari suatu organis nisasi, biasanya oleh sistem analis dalam tahap ta analisis persyaratan proyek pengemban angan sistem (Jogiyanto, 2015).

Gambar 5. Halaman akun dist istributor c.

Halaman beranda Melalui halaman beranda adminn dan distributor dapat mengakses halaman master ter dan transaksi terkait informasi produk Aguam mor, keranjang belanja, status pesanan, cara peme mesanan hubungi kami dan logout.

Gambar 3. ERD 5.4 Antarmuka sistem PEB Aguamor Berikut ini akan dibahas fungsi dan d cara kerja setiap halaman yang dihasilkan n oleh website PEB Aguamor. a. Halaman login Halaman login merupakan hal alaman untuk memastikan bahwa admin dan dis istributor dapat mengakses halaman awal website w PEB Aguamor tersebut.

b.

d.

Gambar 4. Halaman login in Halaman akun distributor Dengan halaman akun distributo utor pelanggan dapat mendaftar identitas pel elanggan dan mengakses website Aguamor unt ntuk memesan produk Aguamor yang akan diambbil pelanggan. e.

246

Gambar 6. Halaman beran randa Halaman produk Aguamor Melalui halaman produk Aguam amor, distributor dapat memesan produk-prod roduk Aguamor seperti aqua botol, air galon, dan an aqua gelas dan masing-masing kategori produkk tersebut.

Gambar 7. Halaman produk aguamor a Halaman status pemesanan Halaman status pemesanan an merupakan tampilan data status pemesanan an produk-produk yang sudah dipilih dan dipes esan oleh setiap

PRO PROSIDING SEMMAU 2016 distributor tersebut.

mengenai jenis air bersih yan ang peneliti telah tulis dalam penelitian ini. REFERENSI

[1] [2]

[3] Gambar 8. Halaman status pemeesanan f.

Halaman cara pemesanan Halaman cara pemesanan akan menampilkan serta menjelaskan cara bela elanja produk Aguamor dan memesan produk tersebut. ter

[4]

[5]

Gambar 9. Halaman cara pemes esanan 6 Penutup 6.1 Kesimpulan Berdasarkan permasalahan yang telah t dibahas, maka dapat disimpulkan bahwa den engan adanya aplikasi Penerapan E-Bisnis untuk mena enangani proses distribusi produk Aguamor berbasis is web (PEB), pihak karyawan perusahaan Aguamoor Timorindo Baumata Kupang dapat memprom omosikan dan memasarkan hasil produk dikalangan masyarakat m di Kota Kupang melalui jaringan internet et (online) dan dapat mempromosikan secara otomatis tis tanpa harus turun kelapangan. Aplikassi PEB in ini merupakan aplikasi yang dibuat untuk memperm rmudah proses pemasaran produk aqua Aquamor or Timorindo Baumata Kupang. 6.2 Saran Dari kesimpulan yang diambil, il, maka dapat dikemukan saran-saran yang akan sang ngat membantu untuk pengembangan perangkat lunak ini in selanjutnya : a. Untuk perusahaan Aguamoor Baumata, kiranya dapat menambahkan ddata-data yang lebih luas untuk memberi informasi i air bersih Aguamor Baumata. pengembang pro rogram atau b. Untuk programmer yang meneliti obje bjek yang sama dengan peneliti, diharapkan an menambah data-data yang lebih luas tenta ntang informasi

247

Jogiyanto, 2015, Peran rancangan dan Prosedur, Andi, Yogyakar arta Nugroho, Bunafit, 20 2009, Latihan Membuat Aplikasi We Web PHP & MySQL dengan Dreamw mweaver, Gava Media, Yogyakarta Nugroho, Bunafit, 22013, Dasar Pemrograman Web PHP-MySQL dengan Dreamweaver, Gava G Media, Yogyakarta. Pujiana, Sabar, 2012 12, Penerapan Manajemen Strategi, Gram ramedia Pustaka Utama, Jakarta Purwanto, Yudi, 2012,, Pengantar EBisnis, Graha Ilmu,, Yogyakarta

PROSIDING SEMMAU 2016 KLASIFIKASI BELIMBING MENGGUNAKAN K-NEAREST NEIGHBORS (KNN) BERDASARKAN CITRA RED-GREEN-BLUE (RGB) Kana Saputra S1, Fuzy Yustika Manik2 1

Fakultas Ilmu Komputer, Universitas Pembangunan Panca Budi Medan 2 Manajemen Informatika, STMIK Kaputama Binjai 1 [email protected], 2 [email protected]

Abstrak Saat ini tuntutan terhadap kualitas produk pangan yang dikonsumsi semakin kritis, terutama produk buah belimbing. Belimbing merupakan salah satu produk buah yang sering dikonsumsi. Untuk itu dibutuhkan cara untuk melakukan penyortiran belimbing berdasarkan kualitasnya. Sortasi secara konvensional membutuhkan waktu yang cukup lama serta rentan menyebabkan kecacatan pada buah. Untuk menjamin kualitas dan meningkatkan daya saing produk, dilakukan pengelompokan belimbing berdasarkan rasa dan kualitas. Penelitian ini bertujuan untuk mengelompokkan belimbing berdasarkan RGB dengan menggunakan metode k-Nearest Neighbors (KNN) dalam proses identifikasi buah belimbing yang manis dan berkualitas. Hasilnya menunjukkan bahwa metode KKN mampu mengidentifikasi buah belimbing manis sebesar 83.33% dan penggunaan parameter k mempengaruhi hasil klasifikasi. Kata kunci: Belimbing, Ektraksi fitur, Klasifikasi, KNN, RGB

1.

PENDAHULUAN Belimbing manis (Averrhoa carambola L) merupakan salah satu jenis tanaman hortikultura yang memiliki nilai ekonomis tinggi. Hal tersebut disebabkan karena buah belimbing manis tidak hanya digunakan sebagai bahan pangan yang dikonsumsi dalam bentuk buah segar, namun juga beraneka ragam bentuk olahan sampai dengan bahan obat alami atau herbal [1]. Guna menjamin kualitas dan meningkatkan daya saing produk, dilakukan pengelompokan terhadap belimbing manis. Hal ini sangat penting dilakukan agar produk yang dihasilkan dapat diterima konsumen dengan baik. Oleh karena itu, salah satu solusi yang dapat dilakukan adalah sortasi atau penyortiran buah sesuai kualitas yang diinginkan. Tetapi sortasi secara konvensional akan membutuhkan waktu yang cukup lama serta sangat rentan menyebabkan kecacatan pada buah. Beberapa teknik pemrosesan citra telah diterapkan untuk melakukan pengelompokan terhadap buah. Penelitian terdahulu telah dilakukan untuk mengelompokkan buah belimbing dengan Probabilistic Neural Networks (PNN) dengan tingkat akurasi sebesar 90.86% [2]. Penelitian lain mengenai sortasi buah belimbing menggunakan Jaringan Syaraf Tiruan (JST) multi-layer perceptron dengan akurasi sebesar 90,5% [3]. Untuk klasifikasi menggunakan metode K-Nearest Neighbors (KNN) untuk mengelompokkan jenis buah apel berdasarkan jenis-jenis buah apel dengan tingkat akurasi sebesar 90% [4]. Selain itu, penggunaan metode KNN untuk mengklasifikasi tingkat kematangan buah papaya

248

California mampu menghasilkan tingkat akurasi sebesar 83,34% [5]. Berdasarkan permasalahan dan penelitian terkait maka akan dilakukan penelitian untuk mengelompokkan buah belimbing berdasarkan rasa asam, sedang, dan manis dengan menggunakan metode KNN. 2. KAJIAN LITERATUR 2.1 BELIMBING Belimbing merupakan salah satu tanaman buah eksotis yang cukup banyak digemari berbagai lapisan masyarakat. Manfaat utama tanaman ini adalah sebagai penghasil buah segar, bahan buah olahan, dan juga obat tadisional. Menurut sejarah, tanaman belimbing berasal dari kawasan Malaysia, kemudian menyebar luas ke berbagai negara yang beriklim tropis lainnya di dunia, termasuk Indonesia. Pada umumnya belimbing ditanam dalam bentuk kultur pekarangan, sebagai usaha sambilan atau tanaman peneduh di halaman-halaman rumah. Belimbing dibedakan atas dua macam, yaitu belimbing manis (Averrhoa carambola L.) dan belimbing wuluh (Averhoa belimbi L.). Belimbing wuluh sering digunakan untuk bumbu masakan, terutama untuk memberi rasa asam pada masakan. Dalam sistematika tumbuhan, belimbing manis diklasifikasikan sebagai berikut: Kingdom : Plantae Divisi : Spermatophyta Sub divisi : Angiospermae Kelas : Dicotyledone Ordo : Oxalidales Famili : Oxalidaceae

PROSIDING SEMMAU 2016 Genus Species

: Averrhoa : Averrhoa carambola L.

Belimbing manis memiliki banyak kandungan gizi yang terkandung di dalamnya. Belimbing manis mengandung protein, lemak, kalsium, fosfor, besi, vitamin B, vitamin C, vitamin A kalium dan serat. Kandungan kalorinya rendah sehingga baik untuk diet [6]. 2.2 K-NEAREST NEIGHBOR K-Nearest Neighbor (KNN) adalah metode klasifikasi yang menentukan kategori berdasarkan mayoritas kategori pada k tetangga terdekat. Jika D adalah sekumpulan data pelatihan maka ketika data uji d disajikan, algoritma akan menghitung jarak antara setiap data dalam D dengan data uji d. penghitungan jarak dilakukan dengan menggunakan euclidian distance. Kemudian k buah data dalam D yang memiliki jarak terdekat dengan d diambil. Himpunan k merupakan k-nearest neighbor. Selanjutnya kategori data uji d ditentukan berdasarkan label mayoritas kategori dalam himpunan k-tetangga terdekat [7]. Ruang dimensi dibagi menjadi bagian-bagian berdasarkan klasifikasi data pembelajaran. Nilai k yang terbaik untuk algoritma ini tergantung pada data; secara umum nilai k yang tinggi akan mengurangi efek noise pada klasifikasi, akan tetapi membuat batasan antara setiap klasifikasi menjadi lebih kabur. Nilai k yang bagus dapat dipilih dengan optimasi parameter, misalnya dengan menggunakan cross-validation [7].

3.3 PEMBAGIAN DATA Seluruh data hasil ekstraksi masing-masing ciri dibagi menjadi data latih dan data uji. Persentase data latih yang dicobakan pada penelitian ini ditentukan dengan menggunakan k-fold cross validation. Jumlah k yang digunakan adalah 3. Mengingat data yang digunakan untuk pelatihan sedikit, pemilihan 3-fold cross validation cukup mampu untuk membuat variasi data, sehingga semua data digunakan, baik untuk data uji maupun data latih. Seluruh data hasil ekstraksi ciri dibagi menjadi 3 subset, yaitu D1, D2, D3. Masing-masing subset memiliki ukuran yang sama. Pada proses pertama D2, D3 menjadi data pelatihan dan D1 menjadi data pengujian, pada proses kedua D1, D3, menjadi data pelatihan dan D2 menjadi data pengujian, dan seterusnya.

3.

METODE PENELITIAN Metode penelitian meliputi pengumpulan data citra belimbing, ekstraksi fitur RGB, pembagian data dengan k-fold validation, model klasifikasi dengan KNN, dan evaluasi model dengan melihat hasil klasifikasi menggunakan confusion matrix. Tahapan penelitian dapat dilihat pada Gambar 1. 3.1 PENGUMPULAN DATA Data yang digunakan adalah citra belimbing yang terdiri dari belimbing rasa asam, belimbing rasa sedang, dan belimbing rasa manis. Jumlah citra belimbing yang diperoleh berjumlah 120 citra belimbing dengan pembagian data belimbing asam 40 citra, data belimbing sedang 40 citra, dan data belimbing manis 40 citra. 3.2 EKSTRAKSI CIRI Teknik yang digunakan adalah dengan mengekstrak citra RGB (Red-Green-Blue) belimbing menjadi beberapa nilai ciri, yaitu rata-rata R, ratarata G, rata-rata B, mean dan standar deviasi. Untuk satu citra belimbing, nilai ciri tersebut diperoleh dengan merata-ratakan semua piksel yang ada, dan berdasarkan nilai inilah dilakukan pengenalan. Jadi dari teknik yang ada, proses pengenalan dilakukan berdasarkan rata-rata semua piksel yang ada.

249

Gambar 1. Tahapan Penelitian 3.4 IMPLEMENTASI KNN Proses klasifikasi dengan KNN dilakukan menggunakan data latih yang sebelumnya sudah dibagi menggunakan k-fold cross validation. Dalam melakukan pelatihan dan pengujian data, karakter akan diambil satu per satu dari fitur yang ada. Dalam proses klasifikasi sebelumnya harus ditentukan dahulu nilai k, yaitu jumlah tetangga terdekat yang akan dilihat kelasnya untuk menentukan kelas terbanyak yang merupakan kelas dari titik baru.

PR PROSIDING SEMMAU 2016 Nilai k akan sangat berpengaruh pada pa akurasi hasil klasifikasi. Nilai k yang terbaik unt ntuk algoritma ini tergantung pada data. Secara umu um, nilai k yang tinggi akan mengurangi efek noise pada klasifikasi, tetapi membuat batasan antara setiap s klasifikasi menjadi kabur. Nilai k yang akan n dicobakan pada penelitian ini adalah 3 dan 5 . Klasi asifikasi yang akan dilakukan adalah didasarkan ciri-cciri warna buah belimbing yang menunjukkan buah b belimbing tersebut manis, sedang atau asam. SI 3.5 ANALISIS DAN EVALUASI Tahapan ini merupakan tahapan untuk menganalisis dan mengevaluasi si model yang diperoleh dari masing-masing metode yang digunakan. Proses perhitungan n akurasi hasil klasifikasi menggunakan rumus sepe perti berikut. 100%

1

Keterangan: : jumlah data yang berhasill dideteksi d : jumlah data yang diuji

sed1

181.39 181.26 144.27

168.97

21.39

Sedang

sed2

195.34 188.01 158.53

180.63

19.48

Sedang

sed3

196.92 194.25 159.50

183.56

20.88

Sedang

man6 204.23 187.67 154.23

182.04

25.47

Manis

man7 186.94 160.68 124.49

157.37

31.36

Manis

man8 190.57 181.18 159.28

177.01

16.06

Manis

4.2 HASIL KLASIFIKASI Proses training bertujuann untuk membangun model klasifikasi. Berdasarkann Tabel 2 diketahui bahwa akurasi terbesar untuk se setiap k ketetanggaan (k = 3 dan k = 5) diperoleh darii hhasil percobaan fold 1 dengan ketetanggaan k = 3 sebe besar 86.67% dan k = 5 sebesar 93.33%. Akan tetapi pi untuk menghindari terjadinya overfitting, maka dih ihitung rata-rata dari model 3-fold cross validation. K Kemudian hasil ratarata dibandingkan dengan ketig tiga model tersebut. Fold 2 dipilih sebagai model KN NN karena nilai fold 2 mendekati nilai rata-rata yang ddiperoleh. Tabel 2 Tingkat akurasi klasif sifikasi belimbing A Akurasi

Fold

4.

HASIL DAN PEMBAHASAN AN Pengujian dilakukan dengan an tujuan untuk mengetahui keberhasilan sistem dalam d klasifikasi dari buah belimbing. Skenario uji coba yang dilakukan dengan jumlah data citra tra buah belimbing sebanyak 120 citra. Pengujian dilaku kukan dengan cara memisahkan data menjadi dua bagian ba yaitu 80% digunakan sebagai data latih dan n 20% digunakan sebagai data uji. Beberapa sampel el citra yang telah terkumpul seperti yang ditunjukkann pada Gambar 2

(a)

Gambar 2 Sampel citra belimbing ng (a) Manis (b) Sedang (c) Asam 4.1 HASIL EKTRAKSI FITUR Pada tahap ektraksi fitur dilakukan dil ektraksi fitur yang berisi 5 nilai dari fitur ruang ru warna RGB, fitur mean dan fitur standar deviasi de dari citra belimbing. Contoh nilai hasil ektr ktraksi fitur dapat dilihat pada Tabel 1 di bawah ini: Tabel 1 Contoh hasil ektraksi fitur ur citra belimbing manis Citra R G B as1 169.67 186.40 142.46 as2 167.92 180.78 144.57

Mean 166.18 164.42

Std 22.17 18.36

Jenis Asam Asam

169.01 180.37 144.23

164.54

18.48

Asam

as3

250

k=5 93.33% 83.33% 76.67% 84.44%

Pengujian klasifikasi dilak lakukan terhadap 30 citra buah belimbing yang ng diperoleh dari perbandingan data latih dan da data uji sebesar 80% dan 20%. Data uji akan diklas lasifikasikan terhadap data training. Tabel 3 Hasil confusion matrix kklasifikasi belimbing manis untuk k = 3 Kelas Sebenar -nya

(c)

(b)

1 2 3 Rata-Rata

k=3 86.67% 83.33% 76,67% 82.22%

Asam Sedang Manis

Asam 10 0 0

Kelas Pre rediksi Sedang ang Manis 0 0 3 7 6 4

Total 10 10 10

Tabel 4 Hasil confusion matrix kklasifikasi belimbing manis untuk k = 5 Kelas Sebenar -nya

Asam Sedang Manis

Asam 10 0 0

Kelas Pre rediksi Sedang ang Manis 0 0 1 9 6 4

Total 10 10 10

Berdasarkan Tabel 3 dann Tabel 4 diketahui bahwa tingkat kesalahan metode de KNN untuk k = 5 lebih kecil dari k = 3. Untuk uk tingkat belimbing sedang pada k = 5 yang salahh pprediksi hanya satu sedangkan pada k = 3 terjadi 3 ke kesalahan klasifikasi. Sedangkan untuk buah belimbin ing yang asam tidak terjadi kesalahan klasifikasi. Haal ini terjadi karena fitur warna buah belimbing yang y asam sangat

PROSIDING SEMMAU 2016 berbeda dengan fitur warna buah belimbing yang memiliki tingkat kemanisan sedang dan manis. 4.3 EVALUASI Hasil perhitungan akurasi klasifikasi belimbing, dengan membagi jumlah data uji tiap kelas yang diklasifikasikan secara benar dengan total data uji. Berdasarkan hasil klasifikasi pada Tabel 3 dan Tabel 4 diperoleh nilai akurasi untuk tiap belimbing berdasarkan rasanya seperti pada Tabel 5.

[4]

[5]

Tabel 5 Tingkat akurasi klasifikasi belimbing Ketetanggaan

k=3

k=5

Kelas Asam Sedang Manis Rata-Rata Asam Sedang Manis Rata-Rata

Akurasi 100% 70% 60% 76.67 % 100% 90% 60% 83.33%

Berdasarkan Tabel 5 diketahui bahwa rata-rata akurasi untuk k = 5 lebih tinggi dibandingkan k = 3, yaitu sebesar 83.33%.

5.

KESIMPULAN Berdasarkan penelitian yang telah dilakukan dapat diambil kesimpulan sebagai berikut: a. Hasil klasifikasi belimbing berdasarkan RGB menggunakan KNN menunjukkan bahwa tingkat akurasi menggunakan k = 3 sebesar 76.67%, sedangkan menggunakan k = 5 sebesar 83.33%. b. Penggunaan parameter k mempengarui hasil klasifikasi, semakin besar nilai ketetanggaan (k) maka tingkat akurasinya akan semakin tinggi. c. Belimbing yang asam tidak terjadi kesalahan klasifikasi. Hal ini terjadi karena fitur warna buah belimbing yang asam sangat berbeda dengan fitur warna buah belimbing yang memiliki tingkat kemanisan sedang dan manis.

REFERENSI

[1] Balai Pengkajian Teknologi Pertanian. 2008. Pupuk & Pemupukan Tanaman Belimbing. Jakarta. Pengembangan [2] Zaki F. 2009. Probabilistic Neural Networks untuk penentuan kematangan belimbing manis. [Skripsi]. Jurusan Ilmu Komputer. [3] Abdullah MZ, M Saleh J, F Syahir, dan M Azemi. 2006. Discrimination and classification of fresh-cut starfruits

251

[6]

[7]

(Averrhoa carambola L) using automated machine vision system. Journal of Food Engineering. Ion HK. 2016. Identifikasi Jenis Buah Apel Menggunakan Algoritma K-Nearest Neighbor (KNN) dengan Ekstraksi Fitur Histogram. Skripsi.Fakultas Ilmu Komputer. Universitas Dian Nuswantoro Sugianto S dan Wibowo F. 2015 Klasifikasi Tingkat Kematangan Buah Pepaya (Carica Papaya L) California (Callina-Ipb 9) Dalam Ruang Warna HSV dan Algoritma K-Nearest Neighbors. Prosiding Senatek. Yulandari Siska. 2013. Hubungan Tingkat Pengetahuan Dengan Tingkat Konsumsi Buah dan Sayur Pada Anak Kelas IV-V SD Pertiwi. [Skripsi]. Fakultas Keperawatan, Universitas Andalas. Liontoni F dan Nugroho H. 2015. Klasifikasi Klasifikasi Daun Herbal Menggunakan Metode Naïve Bayes Classifier Dan K-Nearest Neighbor. Jurnal Simantec.

PROSIDING SEMMAU 2016 IMPLEMENTASI PEMECAHAN SLIDING TILE PUZZLE MENGGUNAKAN METODE HEURISTIK (ALGORITMA A*, IDA* DAN BDA*) Sebastianus A.S.Mola1 1

Fakultas Sains Dan Teknik, Universitas Nusa Cendana 1 [email protected]

Abstrak Sliding tile puzzle adalah sebuah permainan acak angka, huruf atau gambar yang harus disusun ke dalam pola yang benar. Permainan ini biasanya terdiri dari 9 kotak angka, satu kotak kosong dan delapan kotak teracak. Tujuan permainan ini adalah menyelesaikan kotak yang sudah teracak menjadi sebuah susunan yang benar. Cara menyelesaikan puzzle ini dengan menggeser kotak – kotak yang ada sehingga mencapai puzzle kembali ke pola dengan angka berurut. Metode Heuristik (Heuristik searching) merupakan salah satu metode yang dapat digunakan untuk menyelesaikan permainan slide tile puzzle secara selektif, dengan memberikan solusi berupa jalur terpendek dan waktu yang efisien, sehingga memungkinkan pengguna dapat menyelesaikan permainan puzzle ini dengan baik, cepat dan relevan. Beberapa algoritma yang menggunakan fungsi heuristik adalah Algoritma A* (A Star), Algoritma Iterative Deepening A* (IDA*) dan Algoritma Bi-directional A* (BDA*). Fungsi heuristik yang digunakan adalah dengan melihat banyaknya kotak pada posisi salah dan total keseluruhan jarak dari kotak yang berada di tempat yang salah untuk mencapai posisi yang benar. Tujuan dari pembuatan proyek akhir ini untuk mengimplementasikan pemecahan Sliding Tile Puzzle Menggunakan Metode Heuristik (Algoritma A*, IDA* dan BDA*). Dari aplikasi ini dapat dilihat bahwa Algoritma A*, IDA* dan BDA* mampu memberikan jalur dalam penyelesaian Sliding Tile Puzzle. Setelah pengujian berulang yang dilakukan dengan menggunakan 200 dataset, dapat dilihat perbandingan hasil antara Algoritma A* dengan Algoritma IDA* dan Algoritma BDA* dimana Algoritma BDA* menghasilkan jalur yang lebih pendek dalam menyelesaikan Sliding Tile Puzzle. Kata kunci: Sliding Tile Puzzle, Metode Heuristik, Algoritma A*, Algoritma IDA, Algoritma BDA*. 1.

PENDAHULUAN Program permainan (game) merupakan salah satu implementasi dari bidang ilmu komputer. Inti dari sebuah aplikasi permainan (game) adalah mengembangkan kemampuan otak untuk mengatur strategi, kecepatan, dan ketepatan dalam mencapai tujuan akhir. Perkembangan permainan pada masa kini sudah sangat pesat dengan jenis yang bermacam–macam dan tampilan yang menarik sehingga diminati oleh berbagai kalangan. Salah satu contoh permainan yang sering dimainkan adalah sliding tile puzzle atau yang biasa kita kenal dengan game puzzle. Puzzle terdiri dari beberapa jenis, ada yang menggunakan angka, huruf, dan gambar. Dalam permainan (game) puzzle, pemain diharapkan dapat mencapai tujuan akhir untuk membentuk sebuah puzzle menjadi sebuah angka atau pola yang benar dengan waktu yang cepat. Sliding tile puzzle adalah sebuah permainan acak angka yang harus disusun ke dalam pola yang benar. Permainan ini biasanya terdiri dari kotak 3 x 3, satu kotak kosong dan delapan kotak teracak. Cara menyelesaikan puzzle ini dengan menggeser kotak-kotak yang ada sehingga mencapai puzzle kembali ke pola dengan angka berurut. Umumnya orang yang memainkan puzzle ini membutuhkan waktu yang cukup lama. Hal ini disebabkan karena

252

pada slide puzzle tidak ada informasi tambahan yang dimiliki untuk membantu melakukan pencarian solusi, untuk membentuk susunan puzzle seperti semula pada saat proses penyusunan. Untuk menyelesaikan permasalahan ini dibutuhkan suatu algoritma pencarian efektif yang dapat diterapkan. Metode Heuristik (Heuristik searching) merupakan salah satu metode yang dapat digunakan untuk menyelesaikan permainan slide tile puzzle secara selektif, dengan memberikan solusi berupa jalur terpendek dan waktu yang efisien, sehingga memungkinkan pengguna dapat menyelesaikan permainan puzzle ini dengan baik, cepat dan relevan. Sehingga akan diterapkan 3 metode pencarian heuristik berupa pencarian satu arah algoritma A* (A Star) dan algoritma Iterative Deepening A* (IDA*), serta pencarian dua arah algoritma Bidirectional A* (BDA*). 2.

KAJIAN LITERATUR DAN PEGEMBANGAN HIPOTESIS 2.1 Kecerdasan Buatan Artificial Intelligence (AI) atau kecerdasan buatan merupakan cabang dari ilmu komputer yang mendayagunakan komputer sehingga dapat berperilaku cerdas seperti manusia. Pernyataan tersebut juga dapat dijadikan definisi dari AI.

PROSIDING SEMMAU 2016 Definisi ini menunjukkan bahwa AI adalah bagian dari komputer sehingga harus didasarkan pada prinsip-prinsip aplikasi dari bidangnya [5]. 2.2 Permainan (game) Puzzle Puzzle adalah representasi permainan teka-teki yang dapat diselesaikan dengan mengurutkan atau menyusun komponen-komponen pembentuknya sesuai dengan kondisi yang berurut. Komponen pada Puzzle adalah berupa kotak-kotak bernomor atau bergambar yang dapat diacak sedemikian hingga menjadi suatu pola random yang dapat dicari jalan penyelesaiannya [3]. 2.3 Heuristik Kata heuristik berasal dari sebuah kata kerja bahasa Yunani, heuriskein, yang berarti mencari atau memasukkan. Dalam dunia pemrograman, sebagian orang menggunakan kata heuristik sebagai lawan kata dari algoritmik, dimana kata heuristik ini diartikan sebagai suatu proses yang mungkin dapat menyelesaikan suatu masalah tetapi tidak menjamin bahwa solusi yang dicari selalu dapat ditemukan [6]. 2.3.1 Fungsi Heuristik Di dalam metode-metode yang termasuk heuristic search, fungsi heuristik memainkan peranan yang sangat menentukan. Suatu fungsi dapat diterima sebagai fungsi heuristik jika biaya perkiraan yang dihasilkan tidak melebihi dari biaya sebenarnya [7]. 2.3.2 Manhattan Distance Manhattan distance atau sering disebut Taxicab Geometry atau city block distance, diperkenalkan oleh Hermann Minkowski pada abad ke-19. Manhattan distance merupakan heuristik standar [7]. Pada kasus puzzle, fungsi heuristik Manhattan distance adalah sebagai berikut : h(n) = (abs(n,x-tujuan,x) + abs(n,y-tujuan,y)).....(1) Dengan, h(n) n,x n,y tujuan,x tujuan,y

= nilai heuristik untuk simpul n = nilai koordinat x dari simpul n = nilai koordinat y dari simpul n = nilai koordinat x dari simpul tujuan = nilai koordinat y dari simpul tujuan

2.3.3 Plateau Plateau adalah kondisi ketika ada dua (2) atau lebih evaluation state yang mempunyai nilai heuristic sama besar dan juga merupakan nilai terbaik. Untuk plateau cukup dapat diatasi dengan menerapkan aturan prioritas pergerakan kotak kosong. Misalnya, pergerakan kotak kosong ke atas adalah lebih diprioritaskan daripada pergerakan ke kiri, pergerakan kotak ke kiri lebih diprioritaskan daripada pergerakan ke kanan, dan seterusnya [8].

253

2.4 Teknik-Teknik Dasar dalam Pencarian Pencarian atau pelacakan merupakan salah satu teknik untuk menyelesaikan permasalahan Artificial Intelligence (AI). Keberhasilan suatu sistem salah satunya ditentukan oleh kesuksesan dalam pencarian dan pencocokan. 2.5 Algoritma Pencarian Terdapat banyak metode pencarian yang telah diusulkan. Berbagai metode yang ada dapat dibedakan ke dalam dua jenis, yaitu Pencarian Buta (blind search) dan Pencarian Terbimbing (heuristic search) [8]. Dalam paper ini digunakan metode pencarian terbimbing. 2.6 Algoritma A* (A star) Dalam kasus puzzle ini, algoritma A* membandingkan 2 posisi puzzle yaitu posisi puzzle awal (state awal) dengan posisi puzzle yang terurut dengan benar (state akhir). Rumus yang digunakan oleh algoritma A* yaitu [8]: F(n) = g(n) + h(n).................................................(2) dengan: F(n) = total biaya g(n) = Jumlah kotak yang berada di posisi salah h(n) = Jumlah langkah untuk mencapai posisi benar 2.7 Algoritma IDA* (Iterative Deepening A*) Merupakan salah satu metode pencarian yang merupakan pengembangan dari algoritma Depthfirst search, yang menjadi nilai batasan dari setiap penelusuran, berupa nilai yang paling minimum (gambar 2.1) 2.8 Algoritma BDA* (Bi-directional A*) Berbeda dengan A* dimana pencarian dilakukan pada satu arah, pada Bidirectional A* pencarian dilakukan pada dua arah, yaitu dari simpul asal dan simpul tujuan (gambar 2.2) 3. METODE PENELITIAN 3.1 Unified Modeling Language Unified modeling language (UML) merupakan sebuah bahasa pemodelan standar atau kumpulan teknik-teknik pemodelan yang dipakai untuk menspesifikasi (gambar 2.3) 3.2 Use Case Diagram Use case diagram adalah sebuah penggambaran dari sekelompok urutan kegiatan yang yang dikerjakan oleh sistem untuk menghasilkan keluaran yang dapat dilihat oleh pengguna (actor/user) [2]. 3.3 Software yang Digunakan Perangkat lunak (software) yang digunakan dalam pembuatan aplikasi ini adalah sistem operasi Windows 7, Program aplikasi Borland Delphi 7.0 dan Adobe Photoshop 7.


1.

OPEN = node asal CLOSE array kosong g=0 f’ = h’

2.

Ulangi sampai node tujuan ditemukan If OPEN kosong then Gagal Else BestNode = node yang ada di OPEN dengan f’ minimal Pindahkan node terbaik tersebut dari OPEN ke CLOSE If BestNode = goal then Sukses Else Bangkitkan semua suksesor BestNode tapi jangan buat pointer Untuk setiap suksesor kerjakan: Hitung g(suksesor) = g(BestNode) + actual cost(dari BestNode ke suksesor) {Periksa suksesor} If suksesor ada di OPEN then {sudah pernah digenerate tapi belum diproses} OLD = isi OPEN tersebut Tambahkan OLD sebagai suksesor BestNode Buat pointer dari OLD ke BestNode Bandingkan nilai g(OLD) dengan g(isi OPEN) If g(OLD) lebih baik then Ubah parent isi OPEN ke BestNode Ubah nilai g dan f’ pada isi OPEN End Else If suksesor ada di CLOSE then {sudah pernah digenerate dan sudah diproses} OLD = isi CLOSE Tambahkan OLD sebagai suksesor BestNode Bandingkan nilai g(OLD) dengan g(isi CLOSE) If g(OLD) lebih baik then Ubah parent isi CLOSE ke BestNode Ubah nilai g dan f’ pada isi CLOSE Propagasi untuk semua suksesor OLD dengan penelusuran DFS dengan aturan: Ulangi sampai node suksesor tidak ada di OPEN atau node tidak punya suksesor If suksesor ada di OPEN then Propagasi diteruskan Else If nilai g via suksesor lebih baik then Propagasi diteruskan Else Propagasi dihentikan End End End Else {suksesor tidak ada di OPEN maupun CLOSE} Masukkan suksesor ke OPEN Tambahkan suksesor tersebut sebagai suksesor BestNode Hitung f’ = g(suksesor) + h’(suksesor) End End End End

254


Gambar 2.1 pseudocode dari Algoritma A* [8] function IDA*(problem) returns a solution sequence inputs: problem, a problem local variables: f-limit, the current f-Cost limit root, a node root MAKE-NODE(INITIAL-STATE[problem]) f-limit f-Cost(root) loop do solution,f-limit DFS-CONTOUR(root,f-limit) if solution is non-null then return solution if f-limit is INFINITE then return failure end function DFS-CONTOUR(node,f-limit) returns a solution sequence and a new f-Cost limit inputs: node, a node f-limit, the current f-Cost limit local variables: next-f, the f-Cost limit for the next contour, initially INFINITE if f-Cost[node] > f-limit then return null, f-Cost[node] if GOAL-TEST[problem](STATE[node]) then return node,f-limit for each node s in SUCCESSOR(node) do solution,new-f DFS-CONTOUR(s,f-limit) if solution is non-null then return solution,f-limit next-f MIN(next-f,new-f) end return null, next-f Gambar 2.2 pseudocode dari Algoritma IDA* [8]

1. 2. 3.

4. 5.

6. 7.

Himpunan S, T ∈ φ ; nilai s dan d tidak boleh + ∞ ; tentukan ps(s) = 0 dan pd(d) = 0. Cari node us yang memiliki nilai ps(vs) + hs(vs) terkecil di S dan tambahkan us ke S. Jika us di D, lakukan langkah 7. Untuk semua node vs dimana sisi (us,vs) di dalam E, jika ps(us) + l(us,vs) lebih kecil dari ps(vs): ganti rute (s,vs) dengan rute (s,us) + sisi (us,vs) dan ganti nilai ps(vs) = ps(us) + l(us,vs) dan hapus vs dari S jika vs di dalam S. Cari node ud yang memiliki nilai pd(vd) + hd(vd) terkecil di D dan tambahkan ud ke D. Jika ud di S, lakukan langkah 7. Untuk semua node vd dimana sisi (vd,ud) di dalam E, jika l(vd,ud) + pd(ud) lebih kecil dari pd(vd): ganti rute (vd,d) dengan sisi (vd,ud) + rute (ud,d) dan ganti nilai pd(vd) = l(vd,ud) + pd(ud) dan hapus vd dari D jika vd di dalam D. Kembali ke langkah 2. Cari sisi (u,v) dengan meminimalisasi ps(u) + l(u,v) + pd(v) dimana u di dalam S dan v di dalam D. Jika ps(u) + l(u,v) + pd(v) < ps(us) + pd(ud) maka rute terpendek (s,d) = rute(s,u) + sisi(u,v) + rute(v,d) jika tidak, maka rute terpendek (s,d) = rute(s,us) + rute(ud,d).

Gambar 2.3 pseudocode dari Algoritma BDA* [8]

255


Gambar 3.1Use case diagram sistem [1] 3.4

Ilustrasi Perhitungan biaya (f(n)) Gambar 3.2 menunjukkan contoh data set dengan ukuran puzzle 3x3. Setiap kotak mempresentasikan simpul (node). Setiap kotak terhubung ke delapan kotak yang paling dekat, artinya setiap simpul (node) terhubung ke simpul lain yang berada di sebelah kanan, kiri, atas-kanan, bawah-kanan, bawah-kiri, dan atas-kiri dari simpul tersebut. Tujuan dari puzzle ini adalah melakukan pergerakan dari keadaan awal untuk mencapai konfigurasi nomor ubin tertentu.

Gambar 3.2 Contoh dataset 8 Puzzle ukuran 3 x3 Misalkan pada langkah pertama terjadi pembukaan node:

0+0+0+1+1+0+2+2 = 6, jadi nilai keseluruhan f(n)=g(n)+h(n) adalah f(n) = 4+6 = 10 (angka 0 tidak dihitung karena merupakan posisi kotak yang kosong). 4. HASIL DAN PEMBAHASAN 4.1 Hasil Sesuai dengan tujuan dari penelitian ini maka dapat diketahui hasil unjuk kerja dari metode heuristik (Algoritma A*, IDA* dan BDA*) dalam aplikasi Sliding Tile Puzzle, sehingga dapat dibuktikan bahwa ketiga algoritma tersebut dapat digunakan dalam penyelesaian puzzle dan dapat melihat perbandingan antara algoritma A*, algoritma IDA* dan algoritma BDA* [1]. 4.2 Pembahasan 4.2.1 Aplikasi Aplikasi ini merupakan aplikasi pemecahan puzzle dimana terdapat form menu utama dan form untuk input puzzle. Pada form input puzzle terlebih dahulu kita harus memilih ukuran puzzle yang akan diselesaikan dan kemudian dapat memilih batasan kedalaman yang digunakan dalam pemecahan puzzle tersebut. Didalam form terdapat tiga buah ukuran puzzle yang dapat dipilih, yaitu 3x3, 4x4 dan 5x5 [1].

Gambar 3.3 Ilustrasi langkah pertama untuk dataset pada contoh 3.2 Pada conoth pembukaan cabang atas (gambar 3.3) angka 1,2,4, dan 7 membutuhkan 0 langkah karena sudah berada pada posisi yang benar. Sedangkan angka 3,5,6, dan 8 berada di posisi yang salah jadi g(n) = 4. Jumlah langkah yang diperlukan masing-masing kotak yang salah untuk menuju posisi yang benar di goal state adalah angka 3 dan 8 membutuhkan 1 langkah sedangkan angka 5 dan 6 membutuhkan 2 langkah. Sehingga h(n) =

256

Gambar 3.1 Tampilan input puzzle [1] Setelah user mengisi semua dengan benar, maka masing-masing algoritma dapat menampilkan

PROSIDING SEMMAU 2016 jalur yang ditemukan, sehingga dari jawaban tersebut dapat dilihat bahwa algoritma mana yang lebih baik.

Gambar 3.2 Hasil pengujian [1] 4.3 Pengujian dataset Pengujian yang akan dilakukan terhadap aplikasi adalah dengan membandingkan ketiga algoritma dengan parameter perbandingan yaitu jumlah node yang digunakan, jumlah node yang dibangkitkan (generate node) dan jumlah langkah yang dibutuhkan untuk mencapai solusi. Untuk mempermudah melihat perbandingan dari hasil pengujian jumlah node yang digunakan, maka dibuat tabel sebagai berikut [1] : Tabel 1 perbandingan jumlah node A*, IDA* dan BDA* No Contoh Algorit Algor Algor itma kasus ma A* itma IDA* BDA * 1 1 2 3 4 7 2

3

8 6

0 5

1

5

2

7 8

4 6

0 3

2

0

3

1 4

5 7

6 8

20 node

20 node

12 node

36 node

36 node

28 node

20 node

20 node

8 node

Gambar 3.3 Grafik perbandingan jumlah node A*, IDA* dan BDA* Pada tabel 1 dapat dilihat perbandingan jumlah node yang di perlukan oleh Algoritma A*, Algoritma IDA* dan Algoritma BDA*. Dalam penyelesaian kasus, Algoritma BDA*. memiliki jumlah node yang sedikit dibandingkan algoritma A* dan algoritma IDA*. Tabel 2 perbandingan jumlah Generate node A*, IDA* dan BDA* No Contoh Algorit Algor Algor kasus ma A* itma itma IDA* BDA * 1 1 2 3 5 0 6 5 9 9 node 4 7 8 node node 2 1 2 6 7 5 8 72 72 69 3 0 4 node node node 3

2 4

3 5

6

7

8

38 node

38 node

29 node

Gambar 3.4 Grafik perbandingan jumlah generated node A*, IDA* dan BDA* Pada tabel 2 dapat dilihat perbandingan node yang dibangkitkan oleh Algoritma A*, Algoritma IDA* dan Algoritma BDA*. Dalam penyelesaian kasus, Algoritma BDA*. memiliki jumlah node yang dibangkitkan lebih sedikit dibandingkan algoritma A* dan algoritma IDA*. Tabel 3 Perbandingan jumlah langkah A*, IDA* dan BDA* No Contoh Algorit Algorit Algorit kasus ma A* ma ma IDA* BDA* 1 1 2 3 5 5 3 4 8 0 7 6 5 langkah langkah langkah 2

257

1 0

1

5

2


3

4

7 8

4 6

0 3

9 langkah

9 langkah

7 langkah

4 2 7

1 5 8

3 0 6

26 langkah

26 langkah

15 langkah

2 0 1 5 4 7

3 6 8

5 langkah

5 langkah

3 langkah

Gambar 3.5 Grafik perbandingan jumlah langkah A*, IDA* dan BDA* Tabel 3 merupakan perbandingan antara Algoritma A*, Algoritma IDA* dan Algoritma BDA* di dalam menyelesaikan sliding tile puzzle. Dari tabel 3 dapat dilihat bahwa, Algoritma BDA* mampu menyelesaikan contoh kasus puzzle dengan baik karena memiliki langkah yang lebih pendek dibandingkan algoritma A* dan algoritma IDA*. Berdasarkan dari analisa beberapa faktor di atas, dapat disimpulkan bahwa algoritma BDA* merupakan algoritma pencarian yang paling efektif dari pada ke-2 algoritma pencarian lainnya. Beberapa alasan yang dapat mendukung pernyataan tersebut adalah sebagai berikut [1] : 1) Algoritma BDA* selalu menemukan solusi dengan waktu yang relatif singkat dari algoritma lainnya. Dan apabila ada solusi lebih dari satu , maka BDA* akan menemukan solusi yang paling dekat dan membutuhkan waktu yang lebih sedikit. 2) Algoritma BDA* membutuhkan ruang memori yang lebih sedikit dari algoritma yang lain. 3) Jumlah node yang digunakan dalam pencarian solusi minimal, berbeda dengan ke-2 algoritma pencarian lainnya. 4) Apabila solusi terdapat pada level yang dalam, maka algoritma BDA* akan menemukannya lebih cepat dari algoritma pencarian lainnya. 5) Algoritma BDA* dipastikan dapat memberikan solusi yang diharapkan dan optimal.

258

5. KESIMPULAN 5.1 Kesimpulan Setelah mengetahui hasil perbandingan unjuk kerja metode heuristik (algoritma A*, IDA* dan BDA*) dapat ditarik kesimpulan sebagai berikut : a. Dataset yang diuji adalah 200 dataset, hasilnya 160 dataset dapat memecahkan kasus dan memberikan hasil yang complete (selalu menemukan solusi jika solusinya ada), sehingga dapat menemukan solusi untuk mencapai goal yang diinginkan, sedangkan 40 dataset lainnya tidak dapat diselesaikan karena tidak dapat menemukan solusi untuk mencapai goal. Dan tingkat keberhasilan dari pemecahan sliding tile puzzle dengan menggunakan metode heuristik (Algoritma A*, IDA* dan BDA* ) adalah 80 % dapat menemukan solusi dan 20 % tidak dapat menemukan solusi dari 200 kali pengujian. b. Algoritma BDA* adalah algoritma terbaik dalam mendapatkan jalur yanng lebih pendek yaitu 50 % dari 80 % tingkat keberhasilan dibandingkan dengan Algoritma A* dan Algoritma IDA*. c. Untuk perhitungan puzzle pada ukuran 4x4 dan 5x5, waktu pencarian yang dibutuhkan sedikit lebih lama dari ukuran 3x3 dan belum tentu ditemukan solusi. Ini disebabkan karena angka yang dibutuhkan lebih banyak. Pada beberapa kasus yang telah di uji hingga batasan kedalaman 50 langkah belum ada yang menemukan solusi, tetapi algoritma BDA* adalah algoritma yang lebih mendekati solusi. 5.2 Saran Beberapa saran yang dapat diberikan untuk membantu dalam pengembangan aplikasi ini lebih lanjut yaitu dapat dibuat jenis puzzlenya dalam bentuk gambar dan huruf agar tampilannya lebih menarik dan diharapkan dapat menggunakan metode-metode heuristik lainnya dalam penyelesaian pencarian jalur pada kasus Sliding Tile Puzzle dan dapat melakukan pengujian lebih dari 200 kasus yang ada untuk mendapatkan hasil yang lebih optimal. REFERENSI

[1]

Asunta, Maria. 2014, Implementasi Pemecahan Sliding tile puzzle Menggunakan Metode Heuristik (Algoritma A*,IDA* dan BDA*). Skripsi Ilmu Komputer. Kupang: Universitas Nusa Cendana.

PROSIDING SEMMAU 2016 [2] Booch, G., Rumbaugh, J. and Jacobson, I. 1999, The Unified Modeling Language User Guide. Addison-Wesley, Canada. [3] Jokodo, 2011, Game puzzle number. Jakarta : Universitas Gunadharma [4] Kusumadewi S., 2003, Artificial Intelegence : Teknik dan Aplikasinya, Yogyakarta: Graha Ilmu. [4] Kusumadewi S., 2003, Artificial, Intelligence, Teknik dan Aplikasinya. Yogyakarta: Graha Ilmu. [5] Kusumadewi, Sri, 2007, Pengantar Kecerdasan Buatan, Teknik Pencarian

259

Heuristik. Yogyakarta : Universitas Islam Indonesia. [6] Suyanto, 2007, Artificial, Intelligence, Searching, Reasoning, Planning and Learning, Informatika. [7] Suyanto, 2011, Artificial Intelligence, Bandung: Penerbit Informatika. [8] Yuliana, Ananda, dan Ibnu Surya, 2012, Implementasi Algoritma A Star dan Greedy Best First Searh pada pemecahan puzzle 8. Teknik Informatika.

PROSIDING SEMMAU 2016 ANALISIS SISTEM ANTRIAN DENGAN METODE NEXT EVENT TIME ADVANCED MECHANISM STUDI KASUS: PT. ASDP PERSERO CABANG KUPANG Ardianus Wattileo1, Marinus I.J. Lamabelawa2. Program Studi Teknik Informatika Strata Satu Stikom Uyelindo [email protected] 1, [email protected] Abstrak PT. Angkutan Sungai Danau dan Penyeberangan (ASDP) Persero adalah perusahaan yang bergerak di bidang transportasi laut. Peningkatan jumlah penumpang kapal yang signifikan membuat PT.ASDP Persero Cabang Kupang harus meningkatkan pelayanan kepada penumpang dengan membuat sistem antrian handal, sehingga penumpukan antrian penumpang dapat diselesaikan. Pada penelitian ini, dianalisis sistem antrian yang sedang berjalan pada PT. ASDP Persero Cabang Kupang, dan dikembangkan sistem antrian berdasarkan pendekatan mekanisme pemajuan waktu simulasi (Time Advanced Mechanism). Pendekatan ini pada discrete-event simulation digunakan model Next-Event Time Advance Mechanism(NETAM). Pendekatan ini digunakan untuk menghitung karakteristik simulasi pelayanan dari setiap penumpang pada loket pembelian tiket dengan model antrian Multi Channel-Single-Phase dan menggunakan disiplin antrian pertama datang pertama dilayani (FCFS). Selanjutnya dihitung performansi antrian yang terdiri dari tingkat kedatangan (λ) dan tingkat pelayanan (µ). Berdasarkan hasil perhitungan metode NETAM menggunakan algoritma modifikasi untuk 2 server didapatkan perhitungan rata-rata faktor utilisasi (U) adalah 0,9. Hasil nilai faktor utilisasi lebih kecil dari 1, menunjukan bahwa tingkat kedatangan lebih kecil dari tingkat pelayanan dengan kata lain performansi antrian lebih baik dibandingkan sistem antrian yang diterapkan saat ini. Kata Kunci: ASDP Kupang, sistem antrian, FCFS,, Multi-Chanel-Single-Phase, NETAM

1. PENDAHULAN Pelayanan terbaik merupakan hal utama yang harus diberikan oleh pelayan kepada konsumen dalam memenuhi kebutuhan. Suatu sistem antrian yang baik jika tingkat pelayan lebih tinggi dari tingkat kedatangan dan memberikan kepuasan kepada pelanggan. Dengan meningkatnya animo masyarakat dalam melakukan perjalanan, khususnya pelayanan di bidang jasa penyeberangan, ASDP diharuskan membenahi sistem pelayanan yang ada untuk meningkatkan pelayanan penjualan tiket. Pelayanan sistem yang efektif dan efisien, untuk dapat berinovasi secara cepat dan tepat dalam menerapkan sistem antrian yang baik agar dapat menciptakan pelayanan yang optimal. Pada penelitian ini diterapkan pendekatan Next Event Time advanced Mechanism (NETAM) pada sistem antrian yang akan diterapkan pada loket pembelian tiket kapal laut di PT. ASDP Persero Kupang. Berdasarkan pada latar belakang penelitian, maka rumusan masalah pada penelitian ini adalah bagaimana mengembangkan sebuah sistem antrian dengan menerapkan model antrian multi channel single phase dengan pendekatan Next Event Time Advanced (NETAM) berdasarkan disiplin antrian First Come First Served (FCFS) ke dalam sistem antrian pada loket pembelian tiket.

260

Tujuan dari penelitian ini adalah menganalisis dan menerapkan metode Next Event Time Advanced Mechanism (NETAM) pada sistem antrian multi channel single phase pada loket pembelian tiket kapal laut. Manfaat yang didapat dari penelitian ini adalah menerapkan suatu model sistem antrian pada loket pembelian tiket dan menjadi sebuah sistem alternatif dalam mengatasi permasalahan yang ada yaitu sering terjadi penumpukan antrian

1 TINJAUAN PUSTAKA A. Sistem Antrian Menurut kutipan [1] Antrian adalah orang-orang atau barang yang ada datang dan membentuk sebuah sebuah barisan dan menunggu untuk mendapatkan pelayanan, demikian. Menurut kutipan pada [2], flowchart atau bagan alir merupakan bagan (chart) yang menunjukan alir (flow) dari algoritma-algoritma didalam suatu program atau sistem secara logika. Flowchart Gambar 1 menggambarkan alur dari sistem antrian. Flowchart sistem antrian ini menggambarkan proses demi proses yang terjadi didalam sebuah antrian, dimulai dari pelanggan memasuki sistem antrian hingga pelanggan mulai di layani.


Start

Pelanggan Memasuki Antrian Pelanggan

Menunggu Di Antrian

T Server

Loket Sibuk?

Gambar 2. Multi channel – single sin phase

Y Pelanggan Dilayani

End

ant Gambar 1. Flowchart sistem antrian dim dari Flowchart sistem antrian dimulai pelangggan memasuki antrian, kemudia ian pelanggan menunggu untuk mendapatkan pelayan yanan, apabila pelayan sibuk maka pelanggan tetap tap mengantri namun apabila pelayan dalam statuss menganggur maka pelanggan akan mulai di layani ni. Gambaran tentang flowchart sistem antrian ini in berfungsi menjelaskan secara detail bagaimana sistem si antrian dapat terjadi kapan pelanggan memaasuki antrian untuk mulai mendapat pelayanan. B. Metode Next Event Timee Advance Mechanism(NETAM) Menurut kutipan pada [3] men engemukakan bahwa teori antrian pertama kali dikemu mukan oleh A. K. Erlang, seorang insinyur Denmark yang y bekerja di Copenhagen Telephone. Teori antrian yang dikemukan olehh A. A K. Erlang pada tahun 1909, ditemukan sebuahh pendekatan yang disebut Next Event Timee Advanced Mechanism (NETAM). Pendekatan ini in ditemukan berdasarkan perumusan waktu kedatan angan (arrival time) dan waktu kepergian (departuree time) t adalah sebagai berikut: ………………..........……......(1) ……………..........…...…......(2)

D. Disiplin Antrian First Come Fi First Served Menurut kutipan [5] menje jelaskan disiplin antrian first come first served (FCF FS) atau pertama datang pertama dilayani merupakan an sebuah disiplin antrian yang paling sering diterapk pkan dalam semua model sistem antrian. 3. METODE PENELITIAN A. Pendekatan Penelitian Penelitian ini menggunakann analisis data kuantitatif adalah penelitian tent ntang riset yang bersifat deskriptif. Analisis dil dilakukan adalah dengan pendekatan simulasi.Variab abel-variabel yang digunakan pada penelitian ini mer erupakan variabel antrian yang disimulasi kan den engan pendekatan oleh [6] disebut Next Event Time Advance Mechanism(NETAM) . B. Prosedur Analisis Simulasi Prosedur analisis data yang dig igunakan, dengan memakai model antrian Multi ti channel-Single phase. Flowchart antrian pada Ga Gambar 3 dengan sistem single server dan dimod odifikasi dengan algoritma Gambar 4. Algoritm itma Gambar 4 menggambarkan tahapan antrian di d dalam sistem antrian multi server. Pelayan yanan dilakukan berdasarkan pada status server ap apakah busy atau idle, jika busy maka pelayanann tidak melayani customer yang masuk kedalam sistem antrian namun jika idle maka customer ak akan mulai untuk dilayani.

C. Model Multi Channel Single Phase ase Menurut kutipan [4] dijelaskan ba bahwa model sistem antrian multi channel single sin phase merupakan sebuah model sistem antrian an yang sederhana dan cukup kompleks dan dalam penyesuaiannya dapat diselesaikan seca cara langsung berdasarkan kedatangan pelanggan dan pelayanan pelanggan.

Gambar 3. Flowchart Sistem Antri trian Single Server

261

PROSIDING SEMMAU 2016 Waktu rata – rata yang dihabiskan seorang pelanggan dalam keseluruhan sistem antrian, yaitu waktu menunggu dan dilayani adalah: λ

λ

……………….....………….(5)

Waktu rata – rata yang dihabiskan seorang pelanggan untuk menunggu dalam antrian sampai dilayani adalah: λ (

……………......……………..(6)

λ)

Probabilitas pelayan sedang sibuk, yaitu probabilitas seorang pelanggan harus menunggu dikenal dengan faktor utilisasi (utilization factor) adalah: Gambar 4. Modifikasi flowchart sistem antrian multi server Keterangan pada Gambar 4 dijelaskan sebagai berikut: TM = Clock of the simulation AT = scheduled time of the next arrival DT = scheduled time of the next departure SS = status server (1 = busy, 0 = idle) WL = Length of the waiting line (jumlah pelanggan yang antri) MX = Length (in time units) of a simulation Perhitungan probabilitas pada sebuah sistem antrian terdapat delapan perhitungan probabilitas, perhitungan probabilitas tersebut akan dijelaskan oleh [2] dijelaskan pada persamaan sebagai berikut: Probabilitas tidak adanya pelanggan dalam suatu sistem antrian baik yang sedang dalam antrian maupun yang sedang dilayani adalah sebagai berikut:

1−

λ

………………….....………(1)

Probabilitas terdapat n pelanggan dalam suatu sistem antrian adalah λ

∙

λ

1−

λ

……........(2)

Rata-rata jumlah pelanggan dalam suatu sistem antrian, yaitu jumlah pelanggan yang dilayani dan yang berada dalam baris antrian adalah: λ λ

……………………….....………..(3)

Rata – rata jumlah pelanggan yang berada dalam baris antrian adalah: λ (

262

………………….....………...(4)

λ)

λ

…………………......……………….(7)

Probabilitas bahwa pelayan menganggur, yaitu probabilitas seorang pelanggan dapat dilayani adalah:

1−

1 − ……………….....…….(8) λ

Keterangan : λ: Jumlah rata – rata orang yang dilayani per satuan waktu (jam) µ :Jumlah rata – rata orang per satuan waktu (jam) Lq:Jumlah konsumen yang diharapkan menunggu dalam antrian L :Jumlah rata – rata konsumen yang diharapkan dalam antrian Wq :Waktu yang diharapkan konsumen selama menunggu dalam antrian W : Waktu yang diharapkan konsumen selam dalam sistem Po : Probabilitas n tidak ada orang dalam sistem Pn : Probabilitas kapasitas orang dalam sistem C. Perancangan Perancangan sistem adalah menentukan bagaimana mencapai sasaran yang ditetapkan yang melibatkan pembentukan (configuring) perangkat lunak dan komponen perangkat keras sistem dimana setelah pemasangan sistem akan memenuhi spesifikasi yang dibuat pada akhir fase analisis sistem. Berdasarkan kebutuhan informasi dan kebutuhan data yang ada, maka berikutnya akan dilakukan perancangan implementasi system untuk mensimulasikan data antrian pada loket pembelian tiket. Simulasi Sistem antrian yang dikembangkan dapat berjalan pada platform windows, dan dibuat dengan menggunakan bahasa pemrograman Microsoft Visual Basic.Net 2010 dan Microsoft. Access 2007 sebagai pengolah basis data.


1) Flowchart Simulasi Sistem Antrian Flowchart sistem dimulai dengan operator menginput data atau akun yang dimiliki oleh operator, pada proses login. melakukan login maka proses selanjutnya akan dilanjutkan pada proses pengolahan data antrian yang nantinya data antrian yang diolah dan dismulasikan. Gambar 7. Data Flow Diagram Level 0 4) Hasil simulasi dengan NETAM DFD merupakan diagram yang menyatakan aliran data dari suatu bagian ke bagian yang lain. Gambar 7 menunjukkan diagram aliran data simulasi sistem antrian.

Gambar 5. Flowchart sistem antrian 2) Hierarchy Input-Process Output(HIPO) HIPO merupakan alat dokumentasi program yang berdasarkan fungsinya untuk meningkatkan efisiensi usaha perawatan program

Gambar 6. HIPO 3) Data Flow Diagram DFD merupakan diagram yang menyatakan aliran data dari suatu bagian ke bagian yang lain. Gambar 7 menunjukkan diagram aliran data simulasi sistem antrian.

263

Tabel 1. Performansi simulasi (λ, µ,Po,Rn,L) Tujuan λ µ Po Rn L Rote 20 22 0.09 0 10.0 Sabu – Waingapu29 30 0.03 0 29.0 Ende Lewoleba 18 20 0.10 0 9.00 Sabu 20 23 0.13 0 6.67 Aimere 22 23 0.04 0 22.0 Larantuka 17 20 0.15 0 5.67 Sabu 21 24 0.13 0 7.00 Alor 13 15 0.13 0 6.50 Tabel 2. Performansi simulasi(Lq,W,Wq,U,I) Tujuan Lq W Wq U I Rote 0.9 9.09 0.50 0.45 1 0.09 Sabu – Waingap 28.0 0.9 1.00 0.97 0.03 u3 7 Ende Lewoleb 0.9 a 8.10 0.50 0.45 0 0.10 Sabu 0.8 5.80 0.33 0.29 7 0.13 Aimere 21.0 0.9 4 1.00 0.96 6 0.04 Larantuk 0.8 a 4.82 0.33 0.28 5 0.15 Sabu 0.8 6.13 0.33 0.29 8 0.13 Alor 0.8 5.63 0.50 0.43 7 0.13 4. HASIL DAN PEMBAHASAN Berdasarkan data penelitian, dengan mengambil rata-rata dari semua sampel penelitian dapat dilakukan pengujian dengan data hasil rata-rata dari semua sampel harian. Data diuji coba dengan

PROSIDING SEMMAU 2016 menggunakan 8 data sampel dengan tujuan keberangkatan ke lokasi yang berbeda-beda. Perhitungan dengan menggunakan algoritma multi server pada gambar 4 dan dilakukan oleh [7] di dapatkan hasil perhitungan performansi yang digambar pada tabel 1 dan tabel 2. Berdasarkan Tabel 1 terlihat pada setiap tujuan nilai (λ) lebih kecil dari nilai (µ). Secara rata-rata nilai (λ)=20 dan nilai (µ)=22,125. Hal ini menunjukkan tingkat rata-rata kedatangan (lambda) lebih kecil dari rata-rata pelayanan(miu) pada setiap tujuan keberangkatan. Tingkat kesibukan server paling tinggi pada Tabel 1 adalah pada tujuan keberangkatan Sabu-Waingapu-Ende dan tingkat kesibukan pelayan terendah adalah tujuan Larantuka. Nilai faktor utilisasi (U) pada Tabel 2 secara rata-rata adalah sebesar 0.9, nilai U= 0.90 menyatakan tingkat kedatangan lebih kecil dari tingkat pelayanan pada sistem antrian yang dibagun pada penelitian ini. Sehingga sistem antrian yang dibangun pada penelitian ini dengan menerpakan model antrian multi channel single phase dn disiplin antrian first come first serve. Dapat diterpakan pada sistem antrian loket tiket.

Adapun saran untuk penelitian selanjutnya adalah: a. Penelitian ini menggunakan dua orang pelayan dalam melakukan pelayanan pada loket penjualan tiket. Untuk penelitian selanjutnya dapat disimulasikan lebih dari dua server untuk melakukan proses simulasi. b. Sistem antrian ini dapat di kombinasikan dengan metode lain, seperti algoritma genetik untuk menghasilkan perhitungan yang lebih handal dan akurat. c. Pada penelitian selanjutnya dapat digunakan data antrian untuk tujuan keberangkatan yang lain. REFERENSI [1]

[2]

[3]

5. KESIMPULAN DAN SARAN A. Kesimpulan Simpulan dari penelitian ini adalah sistem dapat mengolah data berdasarkan data inputan yang ada dan dapat mensimulasikan data antrian yang diinput dan menghitung nilai probabilitas dari data antrian yang telah diinput. Adapun simpulan dalam penelitian ini sebagai berikut: a. Berdasarkan hasil Tabel 1 secara rata-rata didapat nilai (λ)=20 dan nilai (µ)=22,125. Hal ini menunjukkan nilai λ < µ. Dengan kata lain pada Sistem antrian multi server diperoleh hasil tingkat kedatangan penumpang(λ) lebih kecil dari tingkat pelayanan dari sistem antrian yang dibangun(µ). b. Nilai faktor utilisasi (U) pada Tabel 1 didapatkan rata-rata sebesar 0.90 nilai faktor (U) = 0.90 lebih kecil dari 1 menunjukan bahwa tingkat kedatangan lebih kecil dari tingkat pelayanan dari sistem antrian yang dibuat. c. Penerapan pendekatan Next Event Time Advance Mechanism (NETAM) dengan model antrian Multi Chanel Single Phase dan disiplin antrian First Come First Serve (FCFS), dapat membantu mengurangi jumlah antrian pada loket tiket PT ASDP Persero. d. Sistem dapat mensimulasikan dengan cepat dan akurat data antrian yang diinputkan dan melakukan perhitungan probabilitas dengan tepat dan akurat. B. Saran

264

[4] [5] [6] [7]

Heizser, R., 2005, Operations Management (Operasi Manajemen) Jilid 2. Ed.7.Jakarta [ID]:Salemba Empat. Taylor, B. W., 2005, Introduction to Management Science (Sains Manajemen), Vol. 2, Ed.8, diterjemahkan oleh Vitha, S. Jakarta [ID]:Salemba Empat. Pahlevi, G., 2010, Rancang Bangun Sistem Pendukung Keputusan Menetukan Penerima Beasiswa dengan Menggunakan Metode Simple Additive Weighting (SAW), Skripsi, Program Studi Teknik Informatika. Universitas pembangunan Nasional Surabaya [ID]: Jawa Timur. Aminudin. 2002, Prinsip-Prinsip Riset Operasi. Jakarta [ID]: Erlangga. Kakiay, R., 2004, Dasar Teori Antrian untuk Kehidupan Nyata, Yogyakarta [ID]: ANDI. Djati, B.S.L ,2007, Simulasi Teori dan Aplikasi. Yogyakarta [ID]: ANDI. Meo, M, Belalawe, B.J., 2013, Algoritma Model Antrian Pada Kantor Pegadean Cabang Kupang, Jurnal Hoaq-Tekonologi Informasi. Vol 2 No.1 :65-67

PROSIDING SEMMAU 2016 MODEL PENGUKUR BERAT BADAN TERNAK SAPI TIMOR BERBASIS CITRA Deddy B. Lasfeto1, Markus Daud Letik2 1

Teknik Elektro, Politeknik Negeri Kupang Teknik Elektro, Politeknik Negeri Kupang 1 [email protected], 2 [email protected] 2

Abstrak Penelitian ini menggunakan kamera digital untuk mengambil gambar ternak sapi dan dilakukan pengolahan citra untuk mengetahui ukuran fisik tubuh ternak sapi yang tampak. Pada citra input hasil tembakan kamera akan dilakukan proses segmentasi citra untuk memisahkan citra sapi dari latarbelakang dan menghilangkan objekobjek lain dalam citra yang bersifat pengganggu (noise). Selanjutnya dengan computer vision dilakukan proses identifikasi titik-titik tertentu dari fisik Ternak Sapi yang digunakan untuk menentukan bobot badan (proses komputasi) Ternak Sapi secara otomatis. Penentuan berat badan ternak sapi timor berbasis citra ini, ditentukan berdasarkan ciri fisik ternak sapi yang tampak yakni panjang badan dan lebar dada ternak sapi tersebut, dan dilakukan komputasi berat badan ternak sapi berdasarkan rumusan konversi yang baku dan diakui secara umum. Sistem analisis citra yang dibangun mampu mengaktualisasi nilai panjang badan dan lebar dada terak sapi dari nilai piksel yang tampak pada citra. Sistem yang dibangun memiliki dua model yakni model manual dan model ekspektasi maksimum. Pada model manual, pengguna system dapat menginputkan titik penentu panjang badan dan lebar dada ternak sapi Timor dalam citra yang tampil pada sistem komputer. Pada model yang ke dua yakni model ekspektasi maksimum, pengguna tidak perlu lagi menginputkan titik-titik tersebut melainkan secara otomatis sistem analisis berbasis citra ini akan melakukan komputasi. Kata kunci : Citra, Computer Vision, Manual, Ekspektasi Maksimum, Komputasi 1.

PENDAHULUAN Jual beli ternak sapi antara peternak dan pembeli yang sering dijumpai, masih berdasarkan perkiraan kasar dalam menentukan bobot badan. Harga disepakati umumnya lewat tawar-menawar pada hakekatnya bukan berdasarkan bobot badan. Selain itu pada pasar-pasar hewan resmi, fasilitas timbangan ternak sapi juga tidak selalu ada. Pada ternak sapi yang dijualbelikan antar pulau, penimbangan bobot badan dilakukan di karantina. Penjualan ternak sapi yang tidak melalui penimbangan terlebih dahulu dapat menimbulkan kerugian pada peternak ataupun pembeli. Penimbangan menggunakan timbangan mekanis masih memiliki kendala yang dihadapi dalam melakukan pembobotan badan ternak sapi, yakni: 1) Perlu peneraan alat ukur yang tepat sehingga dapat mengetahui bobot ternak sapi yang sebenarnya; 2) Bila ternak sapi dipaksakan untuk menaiki timbangan maka kondisi stress sapi juga dapat mempengaruhi, lagipula ternak sapi yang menaiki timbangan dan tidak berada pada posisi yang tetap dan tidak bergerak-gerak juga dapat mempengaruhi pembacaan nilai sebenarnya pada penunjukan alat ukur;

3) Perlu mengarahkan ternak sapi untuk menaiki timbangan yang disediakan, hal ini juga memerlukan bantuan manusia yang cukup besar; 4) Penimbangan ternak sapi yang dilakukan secara mekanis, yang umumnya mengakibatkan ternak sapi mengalami stress, dapat menurunkan berat badan ternak sapi (± 2%), disamping faktor lain, seperti kemungkinan luka-luka akibat gesekan pembatas kandang. Untuk mendapatkan cara yang lebih praktis dan lebih ekonomis, bidang Teknologi Elektro dan Informatika dapat diaplikasikan untuk membantu memberikan solusi atas permasalahan tersebut, dengan menggunakan pengolahan citra untuk mengetahui ukuran fisik tubuh ternak sapi yang tampak tersebut dan berat badannya. Penelitian ini bertujuan untuk menemukan cara lain sebagai pengganti timbangan mekanis dalam mengukur berat badan ternak sapi. Target khusus yang diharapkan tercapai adalah Memiliki produk teknologi informasi yang lebih efisien dan efektif secara ekonomis (dalam hal: waktu, biaya, dan tenaga manusia) yang dipakai masyarakat luas khususnya peternak di Pulau Timor untuk mengukur berat badan Ternak Sapi. 2.

265

KAJIAN LITERATUR DAN PEGEMBANGAN HIPOTESIS

PROSIDING SEMMAU 2016 Beberapa hasil penelitian di bidang peternakan, khususnya pada peternakan sapi potong, merumuskan bahwa penentuan bobot badan ternak dapat dilakukan dengan cara mengukur lingkar dada dan panjang badan ternak tersebut. Antara panjang badan, lingkar dada, dan bobot badan ternak mempunyai hubungan yang linear (McNitt, 1983). Menurut Soenarjo (1988)[2], antara besar lingkar dada dan bobot badan ternak terdapat korelasi yang positif. Hal ini menunjukkan bahwa bila telah mengetahui ukuran-ukuran tubuh ternak maka dapat dibuat suatu persamaan yang menggambarkan hubungan antara masing-masing ukuran linear tubuh dengan bobot badannya. Ensminger dan Olentine (1980), mengungkapkan cara penentuan bobot badan sapi potong, seperti pada Gambar 2.1 berikut yakni: 1) mengukur lebar dada (LD), dari titik di belakang tulang belikat (c), ke bawah melingkari bawah tubuh, di belakang siku (d); 2) mengukur panjang badan (PB), yakni panjang dari titik bahu ke tulang duduk (pin bone), yaitu dari titik a ke titik b.

d

Gambar 1. Penentuan panjang badan dan lebar dada ternak sapi Menurut Schoorl yang ditulis oleh Siregar (2007), konversi ukuran fisik tubuh yang tampak ke berat badan ternak sapi adalah (rumus pengukuran ini berlaku untuk sapi potong dewasa): Berat badan =

(Lebar dada

+ 22 )

2

100

Berat badan = kg Lebar dada = cm Panjang badan = cm

Menurut Soeprapto, dkk (2006), bobot badan ternak sapi dapat dihitung dengan rumus: Berat badan =

Panjang Badan + (Lingkar dada ) 10840

2

Berat sapi = kg Panjang badan = cm Lingkar dada = cm Menurut Murtidja (1993), penentuan berat badan sapi potong berdasarkan ukuran panjang badan dan lebar dada adalah:

266

Berat sapi = Panjang badan x Lebar Dada x 70, dimana: Berat sapi = kg Panjang Tubuh/badan = m Lebar dada = m Semua hasil penelitian ini menunjukkan bahwa panjang badan dan lebar dada dapat digunakan untuk menghitung bobot badan ternak sapi. Hal ini menjadi acuan bahwa dalam penelitian ini, mendapatkan ukuran panjang badan dan lebar dada dari ternak sapi merupakan hal pokok yang harus dicapai dalam pengolahan citranya. Representasi citra berkaitan dengan karakterisasi kuantitas yang diwakili oleh setiap piksel. Citra dapat menyatakan luminans objek (misalnya pada gambar yang diambil dengan kamera), sifat penyerapan oleh jaringan tubuh (pencitraan sinar X), profil suhu (pencitraan inframerah) dan lain-lain. Secara umum, citra didefinisikan sebagai suatu fungsi kontinu atas intensitas cahaya f (x,y) dalam bidang dua-dimensi. Besaran x dan y menyatakan koordinat, sedangkan nilai f pada setiap titik (x,y) menyatakan intensitas atau kecerahan atau derajat keabuan pada titik tersebut. Suatu citra digital adalah citra kontinu yang diubah ke dalam bentuk diskret baik koordinat maupun intensitasnya. Citra digital dapat dianggap sebagai suatu matriks dengan indeks baris dan kolom menyatakan koordinat setiap titik pada citra, dan nilai tiap-tiap elemennya menyatakan intensitas cahaya pada titik tersebut. Satu titik pada citra digital dapat diidentikkan dengan sebuah piksel. Ciri spasial dari setiap objek dapat dinyatakan oleh aras keabuan, distribusi probabilitas gabungan atau distribusi spasialnya. Ciri objek yang paling sederhana dan mungkin paling berguna adalah amplitude sifat fisiknya, misalnya reflectivity, transmissivity, nilai-nilai tristimulus (warna), atau tanggapan multispekstral. Sebagai contoh, dalam citra rekam medis dengan sinar X, amplitude aras keabuan menyatakan karakteristik penyerapan oleh jaringan tubuh dan dapat digunakan untuk membedakan antara tulang dengan jaringan lain atau untuk membedakan antara jaringan sehat dengan jaringan yang tidak sehat (Jain, 1989). Tujuan yang diharapkan dari proses segmentasi khusus pada penelitian ini adalah untuk memisahkan latar belakang (background ) dari objek (foreground). Oleh karena itu agar proses segmentasi menjadi sederhana, maka segmentasinya menggunakan deteksi tepi. Dengan menggunakan proses deteksi tepi, maka akan terlihat jelas perbedaan antara objek dengan latarbelakangnya. Segmentasi citra (image segmentation) merupakan langkah awal pada proses analisis citra yang bertujuan untuk mengambil informasi yang terdapat di dalam citra. Segmentasi citra membagi

PROSIDING SEMMAU 2016 setiap citra ke dalam bagian-bagian atau objekobjek. Sampai sejauh mana pembagian tersebut dilakukan tergantung pada masalah yang dihadapi. Idealnya, langkah segmentasi tersebut dihentikan pada saat objek yang diinginkan sudah berhasil dipisahkan. Dengan segmentasi yang efektif, kemungkinan besar akan didapatkan hasil yang baik. Algoritma segmentasi untuk citra monochrome biasanya berdasarkan satu dari dua sifat nilai gray-level: diskontinuitas dan similaritas. Pada diskontinuitas, pendekatan yang dilakukan adalah memisahkan citra berdasarkan terjadinya perubahan nilai graylevel yang drastis. Sebaliknya pada similaritas, pendekatan dilakukan berdasarkan thresholding, region growing, region splitting, dan merging. Pengolahan citra dapat dilakukan dengan komputer apabila citra tersebut dalam bentuk digital. Analisis citra dengan bantuan komputer melibatkan studi mengenai ekstraksi ciri, segmentasi dan teknik klasifikasi. Dalam computer vision systems pada Gambar 2, dilakukan pra-pengolahan pada citra input. Proses pra-pengolahan dapat berupa pemugaran citra, peningkatan citra atau sekedar penyesuaian representasi data saja. Proses selanjutnya adalah ekstraksi ciri tertentu untuk segmentasi citra menjadi komponen-komponennya. Citra tersegmentasi menjadi input bagi blok pengklasifikasi. Ciri spasial dari setiap objek dapat dinyatakan oleh aras keabuan, distribusi probabilitas gabungan atau distribusi spasialnya. Ciri objek yang paling sederhana dan mungkin paling berguna adalah amplitude sifat fisiknya, misalnya reflectivity, transmissivity, nilai-nilai tristimulus (warna), atau tanggapan multispekstral. Sebagai contoh, dalam citra rekam medis dengan sinar X, amplitude aras keabuan menyatakan karakteristik penyerapan oleh jaringan tubuh dan dapat digunakan untuk membedakan antara tulang dengan jaringan lain atau untuk membedakan antara jaringan sehat dengan jaringan yang tidak sehat (Jain, 1989).

Computer vision merupakan proses otomatis yang mengintegrasikan sejumlah besar proses untuk persepsi visual, seperti akuisisi citra, pengolahan citra, klasifikasi, pengenalan (recognition), dan membuat keputusan. Computer vision terdiri atas teknik-teknik untuk mengestimasi ciri-ciri objek di dalam citra, pengukuran ciri yang berkaitan dengan geometri objek, dan menginterpretasi informasi geometri tersebut. Proses-proses di dalam computer vision dapat dibagi menjadi tiga aktivitas: 1) Memperoleh atau mengakuisisi citra digital. 2) Melakukan teknik komputasi untuk memperoses atau memodifikasi data citra (operasi-operasi pengolahan citra). 3) Menganalisis dan menginterpretasi citra dan menggunakan hasil pemrosesan untuk tujuan tertentu, misalnya memandu robot, mengontrol peralatan, memantau proses manufaktur, dan lain -lain. Hipotesis Dalam pembobotan badan ternak sapi ini, hasil yang akan diperoleh melalui pengolahan citra adalah menghasilkan panjang badan dan lebar dada ternak sapidan berat badan ternak sapi. Hasilnya dibandingkan dengan hasil penimbangan mekanis, sehingga hipotesis dalam penelitian ini adalah: hasil analisis pengolahan citra tidak berbeda secara signifikan dengan hasil penimbangan langsung. 3.

METODE PENELITIAN Penelitian yang dilaksanakan, untuk mengetahui bobot badan ternak sapi potong, berdasarkan ciri fisiknya yang tampak, dan yang terukur. Dalam hal ini yang menjadi objek penelitian (objek citra) atau sampel penelitian Ternak Sapi Potong adalah: Sapi Timor dan jumlah ternak sapi yang diambil citranya sebanyak 15 (lima belas). Struktur secara keseluruhan metode pengolahan citra ternak sapi untuk mendapatkan ukuran fisik yang tampak secara garis besar ditunjukkan oleh diagram berikut: S A P I

Panjang, Lebar,

Konversi piksel ke cm

Konversi Unit cm ke berat

Berat ternak sapi

Gambar 3. Diagram Rancangan Pembobotan Ternak Sapi Gambar 2. Sistem Visi Komputer (Jain, 1989) Menurut Gonzalez dan Woods (1993), Untuk dapat mengenali objek-objek yang ada dalam suatu citra, maka diperlukan beberapa proses analisis citra lebih dahulu. Secara umum proses analisis citra dibagi menjadi tiga bagian, yaitu: pengolahan aras rendah pengolahan aras menengah dan pengolahan aras tinggi.

267

Citra ternak sapi akan dilakukan proses pengolahan citra untuk mendapatkan ukuran fisik (panjang badan dan lebar dada) kemudian dilakukan proses konversi untuk mendapatkan bobot badan ternak tersebut. Akuisisi data/citra

PROSIDING SEMMAU 2016 Faktor lain yang berpengaruh pada keberhasilan sistem yang dibangun adalah jarak pengambilan citra. Dalam penelitian ini, jarak akuisisi objekobjek citra berbeda-beda. Akan tetapi, dalam menghemat dan menguji performans (unjuk kerja) sistem, maka 1 (satu) objek citra yang diambil jarak yang berfariasi namun diukur jarak akuisisinya. Proses ini, dijelaskan dalam tabel berikut: Tabel 1. Jarak Akuisisi/ pengambilan citra n( d(1) d(2) d(3) d(4) i)

1 d 2 x ... x 1 x 5 Keterangan : n(i) = Objek pemotretan (Ternak Sapi) ke-i (i=1,2,3,...,15) d(i) = Jarak Akuisisi ke-i (i=1,2,3,4) (meter) x = Jarak pemotretan tidak diukur pasti namun dilakukan secara acak Faktor lainnya adalah sudut pemotretan. Dalam penelitian ini, antara posisi pemotret dan objek citra, diatur berada dalam posisi sekitar ± 900 (tegak lurus). Dalam analisis citra ini, bila kamera berbeda maka perlu dilakukan rekalibrasi untuk mendapatkan angka konversi piksel ke centimeter (cm). Pengukuran Pada tahap ini, dilakukan pengukuran fisik objek citra yakni pengukuran panjang badan, dan lebar dada dari semua sampel ternak sapi yang menjadi objek citra. Pengukuran ini akan bermanfaat pada tahap pengujian, sebagai pembanding untuk mengukur keberhasilan sistem pengolahan citra yang dibangun. Rancangan sistem Melakukan pengolahan citra dengan teknik deteksi tepi, dan teknik segementasi citra untuk mendapatkan ciri fisik yang nampak pada ternak sapi sesuai dengan ketentuan dalam menggambarkan bobot fisik ternak sapi. Selanjutnya akan mengkonversikan hasil deteksi dari pengolahan citra ke dalam bobot ternak sapi. Secara umum sistem yang dibangun melalui alur pada gambar 4. Input Citra

Proses Segmentas

Proses Identifikasi

Proses Komputasi

Gambar 4. Diagram prosedur pengolahan citra Pada citra input hasil tembakan kamera akan dilakukan proses segmentasi citra untuk memisahkan citra sapi dari latarbelakang dan

268

menghilangkan objek-objek lain dalam citra yang bersifat pengganggu (noise). Selanjutnya dengan computer vision dilakukan proses identifikasi titiktitik tertentu untuk menentukan garis mendapatkan ukuran panjang badan dan lebar dada ternak sapi. Setelah mendapatkan ukuran-ukuran tersebut, dilakukan proses komputasi untuk menghitung bobot badan ternak sapi tersebut, berdasar rumus yang telah diakui baku. 4.

HASIL DAN PEMBAHASAN Sistem analisis citra (IAS) dibangun menggunakan Bahasa Pemrograman MATLAB untuk mengimplementasikan sistem pengolahan citra dalam komputasi bobot sapi. Masukan IAS (Image Analysis System) adalah citra raster sapi dan keluaran adalah bobot sapi dalam satuan kilogram. Pengambilan (akuisisi) citra tetap diatur pada sudut akuisisi yang tegak lurus. Tampilan awal antarmuka pengguna IAS terdapat dalam Gambar 5.

Gambar 5. Tampilan awal antarmuka IAS Penekanan tombol load dilakukan untuk memilih dan load citra yang akan diproses. Sistem yang dibangun ini yakni dengan menginput citra sendiri dalam hal ini maka perlu penekanan tombol load. Setelah tombol load ditekan maka akan diminta untuk diinputkan citra yang akan diproses, sebagaimana ditunjukkan oleh gambar berikut:

Gambar 6. Load Citra yang akan diproses Setelah citra yang akan diproses tersebut dinputkan ke dalam IAS yang dibangun maka, akan dilanjutkan pada mode pilihan yang akan digunakan yakni mode pilihan manual dan otomatis untuk melakukan analisis terhadap citra ternak sapi yang diproses. Tombol load membaca citra menggunakan

PROSIDING SEMMAU 2016 fungsi imread dalam tool box image processing. Sintaks fungsi imread adalah: varout = imread(nama file) Fungsi imread membaca string file (nama file) dan memberikan keluaran matriks citra pada varout. Karena citra hasil akuisisi memiliki format RGB maka varout adalah matriks berdimensi m x n x b dengan masing-masing adalah m adalah ukuran panjang citra, n adalah lebar citra, dan bidang warna. Dalam penelitian ini, resolusi gambar/citra ternak sapi yang diolah adalah 538 x 403 piksel.

Gambar 9. Proyesi pada jarak pengambilan terdekat Menggunakan relasi tangensial pembuktian sebelumnya, dapat diketahui:

Proses kalibrasi 1. Dasar analisis secara matematis

P1 =

P × D1 P × D1 = P , P2 = , D1 D2

P3 =

P × D1 , dan D3

3.

P4 =

pada

P × D1 . D4

Ilustrasi tampilan citra pada monitor:

Gambar 7. Model Tangensial Segitiga Pada segitiga OAB dengan: p′ pa = a dan D D′ pb′ pb tan β = , = D′ D

tan α =

Berlaku:

p a + pb p ′ + pb′ . = a D D′

Bukti: p a

+

p b D

D

=

p′ a D′

+

p′ b

⇒ tanα + tanβ = tanα + tanβ

.

D′

Gambar 10. Ilustrasi tampilan citra pada monitor Ilustrasi bidang proyeksi sebelumnya:

Dengan demikian diperoleh relasi: pa + pb pa′ + pb′ P P′ P× D′ ⇒ = ⇒ P′ = = . D D′ D D′ D

Besaran P’ merupakan panjang proyeksi P pada jarak D’. Dengan menggunakan pembuktian tersebut di atas, maka proses kalibarsi dapat dijelaskan pada langkah berikut ini. 2. Ilustrasi proses akuisisi citra ternak sapi di lapangan: Gambar 11. Ilustrasi tampilan citra pada bidang proyeksi Komputasi skala piksel ke cm adalah: n

R= Gambar 8. Ilustrasi Akuisisi citra di lapangan Proyeksi P pada bidang pengambilan dengan jarak terdekat D1, dapat terlihat seperti gambar berikut:

269

Pi

∑ Pxi i =1

n

cm / px

Dengan menggunakan R, dengan diberikan panjang (Lx) atau Lebar (Wx), dalam unit piksel, maka dapat diperoleh panjang dan lebar dalam cm, L dan W, sebagai berikut: L = Lx * R (cm)

PROSIDING SEMMAU 2016 W = Wx * R (cm) Selanjutnya pengolahan citra dilakukan dalam dua model : a. Model Manual Pada model ini, pengguna sistem perlu menginputkan titik pembentuk panjang badan dan lebar dada ternak sapi pada citra ternak sapi tersebut yang tampil pada sistem kpmputer. Model tahapan ini ditampilkan dalam algoritma berikut: 1) Input Citra 2) Input 4 (empat) titik yang mendefinisikan titik pembentuk panjang badan dan lebar dada ternak sapi

Gambar 15. Bagan Alir Proses Komputasi Proses normalisasi jarak dan tipe kamera yang digunakan adalah untuk konversi unit piksel ke cm. Bila menggunakan rumus ke-2 atau ke-3 dapat dipindahkan opsi pilihan yang ada, dan secara otomatis akan ditampilkan nilai bobot ternak tersebut.

Gambar 12. titik pembentuk panjang badan dan lebar dada ternak sapi 3) Identifikasi 2(dua) titik pembentuk garis panjang dan 2(dua) titik pembentuk garis lebar 4) Plot garis panjang dan lebar, serta hitung panjang garis lebar dada dan panjang badan dalam piksel

b. Model Ekspektasi Maksimum Pada model ekspektasi maksimum, yakni tanpa melakukan proses input titik pembentuk panjang badan dan lebar dada ternak sapi, sehiingga secara otomatis sistem akan melakukan proses analisis citra sesaat setelah citra ternak diinput ke sistem. Model analisis citra yang telah dilaksanakan untuk proses Otomatisasi pembobotan fisik ternak sapi dengan menggunakan metode ekspektasi maksimum dijelaskan dalam algoritma berikut: 1) Input citra 2) Hitung peta tepi dengan teknik gradien warna 3) Proyeksi titik tepi pada arah horisontal dan arah vertikal 4) Hitung histogram titik-titik proyeksi arah horisontal dan vertikal

Gambar 13. Plot garis panjang dan lebar 5) Konversi dari unit piksel menjadi unit cm 6) Komputasi bobot

Gambar 16. Histogram titik-titik proyeksi 5) Hitung Ekspektasi Maksimum (EM) pada histogram arah horisontal dan vertikal berdasar cacah kelas yang diinputkan

Gambar 14. Komputasi bobot Mode konversi bobot digambarkan dalam diagram alir berikut:

270


3.

secara otomatis ini yang oleh peneliti dinamakan sebagai model ekspektasi maksimum. Penentuan berat badan ternak sapi dapat dilakukan dengan metode berbasis citra menggunakan rumusan konversi yang disepkati secara baku/umum. REFERENSI

Gambar 17. Ekspektasi maksimum (EM) 6) Tetapkan 4(empat) titik terpilih dari kurva EM sebagai titik pembentuk garis panjang badan dan garis lebar dada ternak sapi

[1] Soenarjo, Ch. 1988. Pegangan Kuliah Ilmu Tilik Ternak. Jakarta : CV. Baru

[2] Ensminger,E,M ; & G.C.Olentine, Jr. 1980.

[3] [4] [5] Gambar 18. Titik terpilih dari kurva EM 7) Identifikasi 2(dua) titik pembentuk garis panjang dan 2(dua) titik pembentuk garis lebar

[6] [7] [8]

Gambar 19. Identifikasi 2(dua) titik pembentuk 8) Hitung panjang garis lebar dada dan panjang badan dalam piksel 9) Konversi dari unit piksel menjadi unit cm 10) Komputasi bobot 5. KESIMPULAN Berdasarkan temuan dan analisis yang dilakukan maka dapt disimpulkan sebagai berikut: 1. Proses kalibrasi kamera dan sistem citra untuk mendapatkan nilai aktual fisik ternak yakni panjang badan dan lebar dada ternak sapi merupakan hal yang sangat fundamental untuk keberhasilan analisis citra ini, karena nilai piksel pada citra ternak sapi hasil pemotretan sangat berpengaruh pada nilai aktual panjang badan dan lebar dada dari ternak sapi tersebut. 2. Penggunaan teknik informatika berbasis citra untuk penentuan berat badan ternak sapi timor ini, dapat dilakukan dalam dua model yakni, mode manual dengan cara penginputan titik penentu panjang badan dan lebar dada ternak sapi pada citra ternak yang tampil di komputer, dan dapat juga dilakukan secara otomatis tanpa melakukan penginputan titik tersebut. System

271

Feeds & Nutrition – Complete. West Sierra Avenue Clovis California : The Ensminger Publishing Company Soeprapto,H., Z.Abidin. 2006. Cara Tepat Penggemukan Sapi Potong. Jakarta : Agromedia Pustaka Siregar,S. B.,2007. Penggemukan sapi. Jakarta : Penebar Swadaya. Murtidja, B,A. 1993. Beternak Sapi Potong. Yogyakarta : Kanisius Jain, K, Anil. 1989. Fundamental of Digital Image Processing. Prentice Hall Gonzalez, R. C., R.E.Woods, 1993. Digital Image Processing Addison-Wesley Publishing Company, Inc. Munir, Rinaldi. 2004. Pengolahan Citra Digital Dengan Menggunakan Pendekatan Algoritmik. Bandung : Penerbit Informatika

PROSIDING SEMMAU 2016 PENERAPAN ELECTRONIC CUSTOMER RELATIONSHIP MANAGEMENT UNTUK PRODUK INDUSTRI RUMAH TANGGA (Studi Kasus: Kabupaten Rote Ndao) Wemmy A. Taka1, Max ABR Soleman Lenggu2 123

123 Program Studi Teknik Informatika Strata Satu STIKOM Uyelindo Kupang, Jl. Perintis Kemerdekaan I, Kayu putih-Kupang-NTT Email: [email protected], [email protected]@yahoo.co.id

Abstrak Badan usaha didirikan dengan tujuan mendapatkan keuntungan yang semaksimal mungkin, tetapi terkadang badan usaha cenderung melupakan bahwa pelanggan merupakan salah satu aset yang sangat berperan penting dalam membantu pencapaian tujuan tersebut, sehingga badan usaha kurang memperhatikan pelanggannya. Rote Ndao adalah salah satu kabupaten di Propinsi Nusa Tenggara Timur, di Kabupaten Rote Ndao tersebar industriindustri rumah tangga. Saat ini masyarakat pelaku industri rumah tangga memasarkan produk hasil olahannya dengan cara konvensional yaitu dengan menitipkan hasil olahannya di pasar-pasar dan memajangnya di rumahrumah. Dengan adanya model pemasaran seperti ini maka produsen merupakan penjual sehingga produk-produk yang terjual tidak sesuai harapan. Jika hal ini dibiarkan terus maka roda perputaran ekonomi akan semakin melambat, karena itu dibutuhkan sebuah metode penjualan yang melibatkan teknologi sekaligus membangun sebuah jaringan antar penjual dan pembeli atau antar produsen dan konsumen teknologi tersebut dinamakan Electronic-Customer Relationship Management (eCRM). Penerapan produk eCRM untuk industri rumah tangga pada Kabupaten Rote Ndao membantu melakukan pemasaran produk secara online.Selain itu, diterapkannya eCRM untuk produk home industri Kabupaten Rote Ndao dapat mempermudah konsumen maupun calon konsumen dalam memperoleh informasi dan melakukan pembelian produk home industri Kabupaten Rote Ndao melakukan pemesanan produk kapan pun dan dimana pun. Kata kunci: eCRM, Industri, Produk, Rote Ndao, Website 1. PENDAHULUAN Pada dasarnya setiap badan usaha di Kabupaten Rote Ndao didirikan dengan tujuan mendapatkan keuntungan yang semaksimal mungkin, tetapi terkadang badan usaha cenderung melupakan bahwa pelanggan merupakan salah satu aset yang sangat berperan penting dalam membantu pencapaian tujuan tersebut, sehingga badan usaha kurang memperhatikan pelanggannya. Pelanggan mempunyai peran yang penting bagi kelangsungan suatu badan usaha, karena jika badan usaha tidak mengenal pelanggannya dan apa yang mereka inginkan, badan usaha tidak dapat mempertahankan pelanggannya. Rote Ndao adalah salah satu kabupaten di Propinsi Nusa Tenggara Timur, berdasarkan data Dinas Perindustrian tahun 2015 di Kabupaten Rote Ndao tersebar industri-industri rumah tangga baik indusri yang bergerak di bidang kuliner yang berjumlah 185 (seratus delapan puluh lima) industri maupun bidang kerajinan tangan yang berjumlah 610 (enam ratus sepuluh) industri. Saat ini masyarakat pelaku industri rumah tangga memasarkan produk hasil olahannya dengan cara konvensional yaitu dengan menitipkan hasil olahannya di pasar-pasar dan memajangnya di rumah-rumah. Dengan adanya model pemasaran seperti ini maka produsen merupakan penjual sehingga produk-produk yang

272

terjual tidak sesuai harapan, misalnya produk kerajinan tangan tenun ikat dari lima puluh sampai seratus lembar kain tenun yang diproduksi hanya bisa terjual dua lembar dalam satu bulan, demikian juga dengan produk olahan lainnya. Jika hal ini dibiarkan terus maka roda perputaran ekonomi akan semakin melambat, karena itu dibutuhkan sebuah metode penjualan yang melibatkan teknologi sekaligus membangun sebuah jaringan antar penjual dan pembeli atau antar produsen dan konsumen. Teknologi yang memungkinkan untuk membangun jaringan antar pelaku usaha dan konsumen adalah Customer Relationship Management (CRM). Konsep mengelola hubungan dengan pelanggan dalam dunia bisnis, dikenal dengan nama CRM (Customer Relationship Management). Secara umum menuturkan bahwa CRM adalah suatu pendekatan untuk mengenali pelanggan sebagai inti bisnis dan menyadari bahwa keberhasilan perusahaan tergantung pada evektivitas pengelolaan hubungan dengan pelanggan. Kini proses CRM, dapat dikonversikan kedalam sistem yang disebut dengan ElectronicCustomer Relationship Management (e-CRM). Salah satu contoh implementasinya adalah penggunan aplikasi CRM dengan memanfaatkan website, yang kemudian dikenal dengan istilah CRM web-based (CRM berbasis web).

PROSIDING SEMMAU 2016 Afrina dan Ibrahim, [1] merancang electronic customer relationship management (e-CRM) sebagai sistem informasi dalam peningkatan layanan perpustakaan digital fakultas ilmu komputer Unsri. Hasil penelitian yaitu dengan ada sistem yang dibuat dapat meningkatkan layanan penggunan digital. Dengan adanya hasil penelitian ini maka masyarakat secara umum dapat memperoleh informasi dengan mudah dan user dari akademisi akan mudah untuk mendapatkan informasi sebagai pendukung untuk reseach. Hasil-hasil lain yang diperoleh dari penelitian ini adalah (a) Bagi pengguna layanan perpustakaan, hasil kegiatan penelitian ini dapat memberikan manfaat seperti memudahkan pengguna layanan perpustakaan dalam mencari informasi koleksi bahan pustaka tanpa harus datang ke perpustakaan karena dapat diakses melalui internet. Dapat merasakan kepuasan atas pelayanan, dan kenyamanan karena diterapkannya konsep E-CRM, sehingga menciptakan atau menambah minat membaca, (b) Dengan perangkang lunak ini, pengguna layanan perpustakaan dapat dengan mudah mengakses semua informasi perpustakaan, karena dapat diakses dimanapun, kapanpun tanpa terbatas dengan ruang dan waktu, (c) Ketua perpustakaan dapat dengan mudah untuk memonitoring pelayanan perpustakaan, sehingga jika terjadi ketidakpuasan user, dapat langsung dilakukan evaluasi, (d) Dengan adanya sistem ini maka dapat menjalin relasi dengan perpustakaan universitas lain, bahkan bisa menjalin relasi dengan perpustakaan universitas luar negeri, (e) Dengan konsep E-CRM maka pengguna perspustakaan akan mendapatkan update data perpustakaan secara real time. Balajar dari penelitian pada Toko Yen-Yen dan pada perpustakaan digital fakultas ilmu komputer Unsri maka perlu diterapkan metode e-CRM untuk produk industri rumah tangga Kabupaten Rote Ndao. Dari konsep E-CRM dan adanya masalah yang dihadapi oleh badan usaha dan pelaku bisnis industri rumah tangga Kabupaten Rote Ndao maka dibutuhkan sebuah website interaktif yang nyaman bagi konsumen dengan menerapkan model Bussines to Customer (B2C), website tersebut akan memudahkan kegiatan jual beli produk industri rumah tangga Kabupaten Rote Ndao, serta memudahkan komunikasi mungkin dengan tingkat respon yang tinggi yang akan membentuk relasi antara produsen dan konsumen ataupun relasi antara konsumen dan konsumen. Untuk permasalah ini maka ditarik sebuah solusi yaitu dengan diterapkan eCRM untuk produk industri rumah tangga Kabupaten Rote Ndao. 2. METODOLOGI PENELITIAN Metode penelitian adalah ilmu yang membicarakan cara, jalan atau petunjuk praktis dalam penelitian atau membahas teoretis berbagai metode atau dapat dikatakan sebagai cara untuk membahas tentang dasar-dasar filsafat ilmu dari metode penelitian [2].

273

Bahan Penelitian a. Studi Kepustakaan Metode ini dilakukan dengan mencari literatur pendukung penelitian yang mampu memberikan informasi yang memadai dalam menyelesaikan penelitian ini serta membantu mempertegas teoriteori yang ada. Literatur pendukung pada penelitian ini berupa skripsi dan jurnal yang telah ada sebelumnya. b. Metode Observasi Observasi penelitian yang dilakukan dengan cara mengadakan pengamatan langsung terhadap suatu objek yang akan diteliti terkait dengan penerapan CRM untuk produk industri rumah tangga untuk di dapatkan data-data yang akurat untuk menyelesaikan kasus yang dimaksud. c. Wawancara Wawancara merupakan teknik pengumpulan data yang dilakukan secara tatap muka langsung. Pada metode wawancara melakukan tanya-jawab dengan pemilik industri rumah tangga untuk di dapatkan data-data yang akurat untuk menyelesaikan kasus yang dimaksud. d. Kuesioner Metode ini dilakukan dengan cara membagikan daftar pertanyaan tertulis kepada responden yakni pengguna website. Setiap jawaban dari responden dicatat dan di olah untuk menghasilkan sebuah informasi sehingga dapat mendukung jalannya perancangan sebuah aplikasi. Peralatan Penelitian Pada penelitian ini menggunakan peralatan penelitian berupa hardware dan software dalam pengerjaannya. Peralatan tersebut antara lain: Perangkat keras yang digunakan untuk merancang dan membangun sistem dengan menggunakan: Laptop Asus X455l dengan spesifikasi prosesor Intel Core i3, RAM 2 Gb, hardisk 500 Gb. Sementara itu Software atau perangkat lunak yang digunakan yaitu sistem operasi Windows 8.1 Profesional 64 Bit, Adobe Dreamweaver CS6 dan Xampp. Prosedur Analisis Data Prosedur analisis data adalah metode-metode, prosedur-prosedur, konsep-konsep pekerjaan yang akan digunakan untuk mengembangkan suatu sistem informasi diebut metode pengembangan system [3]. Metodologi yang digunakan dalam melakukan penelitian tantang penerapan customer relationship management untuk produk industri rumah tangga terlihat pada Gambar 1 berikut:

PROSIDING SEMMAU 2016 untuk mengoreksi kesalahan yang ada pada sistem. Flowchart sistem aplikasi SiModus

Gambar 2. Flowchart SiModus Flowchart system pada aplikasi website eCRM untuk produk industri rumah tangga Kabupaten Rote Ndao (SiModus) menggambarkan alur program dari admin dan flowchart untuk costumer atau pelanggan serta pemesanan auto respond dari sistem. Hal ini merupakan fasilitas utama dari sistem yang dibangun. Use case diagram Gambar 1. Prosedur analisi data 1) Pengumpulan informasi, pengembang dan pemakai bertemu dan mendefinisikan objek keseluruhan dari perangkat lunak, mengidentifikasi segala kebutuhan yang diketahui dan area garis besar yang mana definisi lebih jauh merupakan keharusan kemudian dilakukan perancangan kilat. Perancangan kilat berfokus pada penyajian dari aspek-aspek perangkat lunak tersebut yang akan nampak bagi pemakai. 2) Perancangan perangkat lunak dilakukan untuk merancang perangkat lunak yang akan dikembangkan sehingga dapat diperoleh gambaran detail sistem. Hasil dari perancangan perangkat lunak ini berupa sebuah dokumen deskripsi perancangan perangkat lunak. Selain desain juga terdapat implementasi perangkat lunak (coding). Implementasi perangkat lunak dilakukan dengan membuat program atau website untuk produk industri rumah tangga Kabupaten Rote Ndao. 3) Pengujian perangkat lunak Pengujian perangkat lunak produk industri rumah tangga Kabupaten Rote Ndao dilakukan dalam dua tahap yaitu: a) Pengujian fungsionalitas perangkat lunak yang dilakukan oleh pengembang sistem aplikasi. Hasil dari pengujian perangkat lunak ini berupa sebuah dokumen perencanaan, deskripsi dan hasil uji perangkat lunak. b) Pengujian pengguna dilakukan dengan cara membagi kuesioner kepada responden. Responden yang terlibat dalam pengujian perangkat lunak ini adalah masyarakat khususnya yang sudah terbiasa menggunakan internet. Pengujian ini bertujuan

274

Gambar 3. Use case diagram SiModus Class diagram Berikut adalah class diagram dari website SiModus:

Gambar 4. Class diagram admin SiModus


Gambar 5. Class diagram pengguna SiModus

Gambar 8. Sequence diagram ubah password 2. Sequence diagram mengolah data propinsi

Perancangan Arsitektur Layar Perancangan arsitektur layar berfungsi untuk mendiskripsikan kategori sistem sebagai penghubung antar komponen user interface. Perancangan arsitektur yang digunakan adalah arsitektur layar (layer architecture) dimana terdapat pemisahan tanggung jawab dari setiap layar. Perancangan SiModus dapat dilihat pada Gambar 8 berikut ini.

Gambar 9. Sequence diagram data propinsi 3. Sequence diagram mengolah data kategori

Gambar 6. Arsitektur layar SiModus Sequence Diagram Sequence diagram adalah suatu diagram yang menggambarkan interaksi antar objek di dalam sebuah sistem. Interaksi tersebut berupa pesan yang digambarkan terhadap waktu. Sequence diagram login administrator

Gambar 7. Sequence diagram login admin 1. Sequence diagram ubah ubah password

275

Gambar 10. Sequence diagram data kategori 4. Sequence diagram mengolah data barang

Gambar 11. Sequence diagram data barang

PROSIDING SEMMAU 2016 5. Sequence diagram mengolah data pelanggan a) Sequence diagram tambah data pelanggan

Gambar 12. Sequence diagram mengolah data barang b) Sequence diagram hapus data pelanggan

Gambar 13. Sequence diagram mengolah data barang 6. Sequence diagram login pelanggan

8. Sequence diagram mengolah data pemesanan

Gambar 16. Sequence diagram data pemesanan 9. Sequence diagram mengolah data konfirmasi a) Sequence diagram tambah data konfirmasi

Gambar 17. Sequence diagram data tambah konfirmasi b) Sequence diagram hapus data konfirmasi

Gambar 14. Sequence diagram login Pelanggan 7. Sequence diagram mengolah data keranjang Gambar 18. Sequence diagram hapus data konfirmasi 10. Sequence diagram cetak laporan dan struk a) Sequence diagram Cetak laporan

Gambar 15. Sequence diagram data keranjang

276

Gambar 19. Sequence diagram cetak laporan

PROSIDING SEMMAU 2016 b) Sequence diagram Cetak struk

2. Tampilan Menu Halaman Pengguna a. Menu login admin Menu login admin adalah menu login untuk administrator dengan cara memasukan username dan password.

Gambar 20. Sequence diagram cetak struk 3. HASIL DAN PEMBAHASAN SiModus adalah sebuah perangkat lunak yang dibuat untuk mempermudah penjualan produk industri rumah tangga Kabupaten Rote Ndao. Website ini juga dapat membantu dalam proses informasi dan promosi produk industri rumah tangga Kabupaten Rote Ndao. Selain membantu pelanggan website SiModus dapat membantu administrator dalam mengolah data barang, data order data pelanggan dan melakukan cetak laporan. Bardasasarkan hasil perancangan website SiModus berikut adalah proses implementasi dari SiModus.

Gambar 23. Menu login admin b. Menu utama admin Dalam halaman menu utama admin terdapat beberapa sub menu seperti, ubah password, data provinsi, data kategori, data barang, data pemesanan, data pelanggan, data konfirmasi tranfer, cetak laporan dan logout.

Gambar 24. Menu utama halaman admin 4. KESIMPULAN

Gambar 21. Implementasi SiModus Hasil 1. Tampilan Menu Halaman Pengguna a. Tampilan Menu Utama Halaman utama yang terdapat pada website SiModus Terdiri dari beberapa Menu yaitu: home, profil, barang, panduan pembelian, buku tamu dan konfirmasi pembelian.

Berdasarkan uraian-uraian dan pembahasan yang telah dipaparkan dalam penulisan ini dapat ditarik beberapa kesimpulan yakni penerapan eCRM untuk produk home industri Kabupaten Rote Ndao dapat membantu melakukan pemasaran produk secara online. Selain itu, diterapkannya eCRM untuk produk home industri Kabupaten Rote Ndao dapat mempermudah konsumen maupun calon konsumen dalam memperoleh informasi dan melakukan pembelian produk home industri Kabupaten Rote Ndao melakukan pemesanan produk kapan pun dan dimana pun. REFERENSI

Gambar 22.Tampilan halaman utama

277

[1] Afrina, A. & Ibrahim, A. 2013. Rancang Bangun Electronic Costumer Relationship Management (E-CRM) Sebagai Sistem Informasi Dalam Peningkatan Layanan Perpustakaan Digital Fakultas Ilmu Komputer Unsri. Sriwijaya (ID). Jurnal Sistem Informasi. ISSN: 2085-1588. Vol. 5. No. 2. Diakses tanggal 7 Febuari 2016. Waktu 13:24. Tersedia pada: http://ejournal.unsri.ac.id/.

PROSIDING SEMMAU 2016 [2] Noor, J., 2011. Metodologi Penelitian: Skripsi, Tesis, Disertasi dan Karya Ilimiah. Jakarta (ID): Kencana. [3] Jogiyanto. 2005. Mengembangkan Sistem Waterfall untuk Menganlisa Sistem Pendataan Anggota Baru. Jakarta (ID): Gramedia.

278

PROSIDING SEMMAU 2016 PENCARIAN LEMBAGA KURSUS PENDIDIKAN DI KOTA KUPANG BERBASIS LOKASI Nyongri E. Akulas1, Edwin Malahina2, Fransiskus Tjiptabudi3 123

STIKOM Uyelindo Kupang, jl. Perintis Kemerdekaan I Kayu Putih [email protected], [email protected], [email protected]

Abstrak Dalam penjelasan Undang-undang Nomor 20 Tahun 2003 pasal 26 ayat 5, dijelaskan bahwa kursus dan pelatihan adalah bentuk pendidikan berkelanjutan untuk mengembangkan kemampuan peserta didik dengan penekanan pada penguasaan keterampilan, standar kompetensi, pengembangan sikap kewirausahaan serta pengembangan kepribadian. Sejalan dengan Undang-undang Sisdiknas Nomor 20 Tahun 2003 Pasal 26 ayat 5, maka kursus dan pelatihan diselenggarakan dengan tujuan untuk memberikan bekal pengetahuan, keterampilan, kecakapan hidup, dan sikap untuk mengembangkan diri, mengembangkan profesi, bekerja, usaha mandiri, dan/atau melanjutkan pendidikan ke jenjang yang lebih tinggi, kepada masyarakat yang mebutuhkan. Pemetaan lokasi kursus pendidikan di Kota Kupang masih belum tertata, fakta yang terjadi adalah tempat kursus dibangun di tempattempat yang tidak strategis yang mengakibatkan masyarakat kesulitan mendapatkan informasi tentang keberadaan kursus tersebut. Selain tempat yang kurang strategis, jarak juga mempengaruhi suatu lokasi kursus. Kondisi seperti ini bisa menganggu stabilitas pelayanan pendidikan non formal (luar sekolah) di Kota Kupang. Pembangunan sistem informasi geografis (SIG) merupakan salah satu langkah untuk membantu mengatasi permasalahan tersebut. Dengan adanya SIG, pemetaan lembaga kursus pedidikan ini selain membantu tersedianya sarana informasi bagi masyarakat Kota Kupang, SIG juga berguna sebagai media analisa perencanaan dalam proses pembangunan peningkatan sarana dan prasarana pendidikan. Hasil akhirnya diharapkan mampu menjadi sarana informasi masyarakat dan rekomendasi pihak terkait untuk meningkatkan layanan pendidikan non formal di wilayah Kota Kupang. Kata Kunci: Kupang, Layanan, Lembaga kursus pendidikan, Lokasi, WebGIS

__________________________________________________________________________________ 1.

PENDAHULUAN

Kemajuan teknologi dan informasi merupakan sebuah kenyataan perkembangan peradaban dunia yang memberikan banyak akses bagi terjadinya perubahan pola kehidupan masyarakat dalam berbagai bidang. Oleh karenanya, dunia pendidikan senantiasa dituntut untuk terus-menerus mengikuti alur perkembangan ilmu pengetahuan dan teknologi yang kian berkembang pesat. Pendidikan yang berkualitas harus didukung dengan teknologi yang canggih. Pengertian pendidikan menurut UU No. 20 Tahun 2003 tentang Sistem Pendidikan Nasional adalah usaha sadar dan terencana untuk mewujudkan suasana belajar dan proses pembelajaran agar peserta didik secara aktif mengembangkan potensi dirinya untuk memiliki kekuatan spiritual keagamaan, pengendalian diri, kepribadian, kecerdasan, akhlak mulia, serta ketrampilan yang diperlukan dirinya, masyarakat, bangsa dan negara. Dalam penjelasan Undang-undang Nomor 20 Tahun 2003 pasal 26 ayat 5, dijelaskan bahwa kursus dan pelatihan adalah bentuk pendidikan berkelanjutan untuk mengembangkan kemampuan peserta didik dengan penekanan pada penguasaan keterampilan, standar kompetensi, pengembangan 279

sikap kewirausahaan serta pengembangan kepribadian. Sejalan dengan Undang-undang Sisdiknas Nomor 20 Tahun 2003 Pasal 26 ayat 5, maka kursus dan pelatihan diselenggarakan dengan tujuan untuk memberikan bekal pengetahuan, keterampilan, kecakapan hidup, dan sikap untuk mengembangkan diri, mengembangkan profesi, bekerja, usaha mandiri, atau melanjutkan pendidikan ke jenjang yang lebih tinggi, kepada masyarakat yang mebutuhkan. Kursus adalah lembaga pendidikan yang termasuk ke dalam jenis pendidikan non formal. Kursus merupakan suatu kegiatan belajar-mengajar seperti halnya sekolah. Perbedaannya adalah bahwa kursus biasanya diselenggarakan dalam waktu pendek dan hanya untuk mempelajari satu keterampilan tertentu. Misalnya, kursus bahasa inggris tiga bulan atau 50 jam, kursus montir, kursus memasak, menjahit, musik dan lain sebagainya. Pemetaan lokasi kursus pendidikan di Kota Kupang masih belum tertata, fakta yang terjadi adalah tempat kursus dibangun di tempat-tempat yang tidak strategis yang mengakibatkan masyarakat kesulitan mendapatkan informasi tentang keberadaan kursus tersebut. Selain tempat yang kurang strategis, jarak juga mempengaruhi suatu lokasi kursus. Kondisi

PROSIDING SEMMAU 2016 seperti ini bisa menganggu stabilitas pelayanan pendidikan non formal (luar sekolah) di Kota Kupang. Masalah yang sama pernah dialami Nur Qolis dan Arna Fariza (2014) yang melakukan penelitian dengan judul pemetaan dan analisa sebaran sekolah untuk peningkatan layanan pendidikan di Kabupaten Kediri dengan GIS. Dengan menggunakan SIG, selain membantu tersedianya sarana informasi bagi masyarakat Kabupaten Kediri, SIG juga berguna sebagai media analisa perencanaan dalam proses pembangunan peningkatan sarana dan prasarana pendidikan, karena SIG mempunyai kemampuan analisis keruangan (spatial analysis) maupun waktu (temporal analysis) sehingga teknologi ini sering dipakai dalam proses perencanaan. Hasil akhirnya diharapkan mampu menjadi sarana informasi masyarakat dan rekomendasi pihak terkait untuk meningkatkan layanan pendidikan di wilayah Kabupaten Kediri [1]. Siti Suryani, Priyo Sidik Sasongko, dan Edy Suharto (2013) melakukan penelitian dengan judul sistem informasi geografis pemetaan sekolah tingkat pendidikan dasar dan menengah di Kota Serang. Tujuan dari penelitian ini adalah untuk merancang dan membangun sebuah sistem informasi geografis pemetaan sekolah di wilayah Kota Serang yang berbasis web [2]. Pada tahun 2015, Yuliansyah Rachman Nur Rizky, Arief Laila Nugraha, Arwan Putra Wijaya melakukan penelitian dengan judul aplikasi sistem informasi geografis berbasis web untuk persebaran sekolah menengah atas di Kota Serang. Tujuan dari penelitian ini yaitu untuk merancang dan membangun suatu sistem informasi geografis mengenai persebaran SMA berbasis web agar dapat menyajikan informasi secara terintegrasi dari data spasial dan data non spasial. Selain itu, untuk memberikan kemudahan kepada pengguna seperti masyarakat dalam pencarian lokasi sekolah serta instansi terkait untuk memperbaharui informasi seputar pelayanan yang diberikan [3]. Dari masalah-masalah yang pernah dialami oleh penelitian-penelitian terdahulu dapat disimpulkan bahwa peran teknologi informasi dalam mengembangkan pendidikan sangat penting. Sistem teknologi informasi yang dibuat harus mudah dan bisa dipahami oleh masyarakat dan pada penelitian ini membuat suatu sistem informasi geografis berbasis lokasi dengan Web GIS. Hasil akhirnya diharapkan mampu menjadi sarana informasi masyarakat dan rekomendasi pihak terkait untuk meningkatkan layanan pendidikan non formal di wilayah Kota Kupang. Hasil dari penelitian penulis ialah dapat membangun sebuah website pencarian lembaga kursus pendidikan yang dapat digunakan untuk mencari lokasi kursus pendidikan yang ada di Kota Kupang.

280

2.

METODE PENELITIAN

Metode-metode rekayasa perangkat lunak, memberikan teknik untuk membangun perangkat lunak. Berkaitan dengan serangkaian tugas yang luas yang menyangkut analisis kebutuhan, konstruksi program, desain, pengujian, dan pemeliharaan (Pressman 2010). Metode penelitiaan yang dipakai dalam penelitian ini menggunakan metote Waterfall. Metode ini merupakan metode yang sering digunakan oleh penganalisa sistem pada umumnya. Inti dari metode waterfall adalah pengerjaan dari suatu sistem dilakukan secara berurutuan atau secara linier. Jadi jika langkah satu belum dikerjakan maka tidak akan bisa melakukan pengerjaan langkah 2, 3, dan seterusnya. Secara otomatis tahapan ketiga akan bisa dilakukan jika tahap pertama dan kedua sudah dilakukan [4].

Gambar 1 Alur metode waterfall Secara garis besar metode waterfall mempunyai langkah-langkah sebagai berikut: 1. Analisis Kebutuhan Langkah ini merupakan analisis terhadap kebutuhan sistem. Pengumpulan data dalam tahap ini bisa dengan studi literatur (kepustakaan), observasi dan wawancara. a. Studi literatur (kepustakaan) merupakan langkah awal dalam metode pengumpulan data. Studi pustaka merupakan metode pengumpulan data yang diarahkan kepada pencarian data dan informasi melalui dokumen-dokumen, baik dokumen tertulis, foto-foto, gambar, maupun dokumen elektronik yang dapat mendukung dalam proses penulisan. b. Observasi merupakan langkah kedua dalam melakukan pengumpulan data setelah penulis melakukan studi pustaka. Observasi merupakan teknik pengumpulan data dengan cara melakukan pengamatan tentang keadaan yang ada di lapangan. Dengan melakukan observasi, penulis menjadi lebih memahami tentang subyek dan obyek yang sedang diteliti.

PROSIDING SEMMAU 2016 c. Wawancara merupakan langkah yang diambil selanjutnya setelah observasi dilakukan. Wawancara atau interview merupakan teknik pengumpulan data dengan cara bertatap muka secara langsung antara pewawancara dengan informan. Wawancara dilakukan jika data yang diperoleh melalui observasi kurang mendalam 2. Desain Sistem Proses desain akan menerjemahkan syarat kebutuhan ke sebuah perancangan perangkat lunak yang dapat diperkirakan sebelum dibuat coding. Proses ini berfokus pada: struktur data, arsitektur perangkat lunak, representasi interface, dan detail prosedural. Tahapan ini akan menghasilkan dokumen yang disebut software requirment. Dokumen inilah yang akan digunakan programer untuk melaukan aktivitas pembuatan sistemnya. 3. Penulisan Kode Program Penulisan Kode Program (Coding) merupakan penerjemahan desain dalam bahasa yang bisa dikenali oleh komputer. Dilakukan oleh programer yang akan menerjemahkan transaksi yang diminta oleh user. Tahapan inilah yang merupakan tahapan secara nyata dalam mengerjakan suatu sistem. Dalam artian penggunaan komputer akan dimaksimalkan dalam tahapan ini. Setelah pengkodean selesai maka akan dilakukan testing terhadap sistem yang telah dibuat tadi. Tujuan testing adalah menemukan kesalahan-kesalahan terhadap sistem tersebut dan kemudian bisa diperbaiki. 4. Pengujian Program Tahapan ini bisa dikatakan final dalam pembuatan sebuah sistem. Setelah melakukan analisis, desain dan pengkodean maka sistem yang sudah jadi akan digunakan oleh user sebagai pengujian pengguna. 5. Penerapan Program Perangkat lunak yang sudah disampaikan kepada user pasti akan mengalami perubahan. Perubahan tersebut bisa karena mengalami kesalahan karena perangkat lunak harus menyesuaikan dengan lingkungan yang baru, atau karena user membutuhkan perkembangan fungsional.

Gambar 3 Usecase diagram CosGIS Use case CosGiS di bagi menjadi dua yaitu admin dan pengguna. Tugas admin seperti yang terlihat pada gambar 3 yaitu kelola data pada setiap antarmuka website CosGIS sedangkan pada usece pengguna, pengguna hanya dapat melihat informasi yang sudah disediakan pada antarmuka tampilan website CosGIS.

Smartphone

Website Server

Komputer Desktop

Laptop

Gambar 2 Arsitektur CosGIS Gambar 4 Sequence diagram Login 281

PROSIDING SEMMAU 2016 Antarmuka beranda merupakan tampilan awal layout CosGIS berisi informasi layout gambar beberapa lembaga kursus pendidikan yang ada di Kota Kupang dan informasi sambutan dari Kepala Dinas.

Gambar 5 Contoh Sequence Kelola data CosGIS

Gambar 8 Antarmuka struktur organisasi Antarmuka struktur organisasi memuat informasi bagan alir struktur dalam Dinas PPO Kota Kupang mulai dari Kepala Dinas sampai staf-staf beserta tugas masing-masing.

Gambar 6 Contoh Sequence menampilkan informasi pada antarmuka CosGIS Gambar 9 Antarmuka Visi dan Misi 3.

HASIL DAN PEMBAHASAN Hasil dari penelitian ini berupa website pencarian lembaga kursus pendidikan di Kota Kupang, adapun tampilan layout dalam aplikasi ini adalah sebagai berikut :

Gambar 7 Antarmuka Beranda 282

Antarmuka visi dan misi memuat informasi berupa visi dan misi yang akan dijalankan pada masa pemerintahan Kepala Dinas yang sekarang menjabat.

Gambar 10 Antarmuka informasi data kursus pada setiap kecamatan

PROSIDING SEMMAU 2016 Kelebihan Hasil dari pengujian fungsionalitas terdapat beberapa kelebihan dari sistem yaitu: a. Sistem memberikan informasi yang jelas dan akurat kepada pengguna mengenai informasi lokasi lembaga kursus pendidikan. b. Sistem memudahkan pengguna dalam mengakses dan mencari informasi mengenai lokasi lembaga kursus pendidikan. c. Mampu menentukan jarak lokasi terpendek antara user dan tempat lembaga kursus tujuan. Gambar 11 Antarmuka peta Antarmuka peta memuat informasi berupa posisi awal pengguna disesuaikan dengan kelurahan dimana pengguna berada sekarang menuju lokasi kursus pendidikan yang dipilih dan akan ditampilkan rute berserta jarak dalam bentuk peta google maps.

Kekurangan Dari kelebihan sistem yang ada maka dalam pengujian fungsionalitas terdapat juga beberapa kekurangan sistem yaitu, perlu dikembangkan dalam bentuk web responsive yang bisa disesuaikan dengan layar perangkat mobile. 4.

KESIMPULAN Setelah melakukan penelitian ini, telah diuraikan bahwa Dinas Pendidikan Pemuda dan Olahraga belum memiliki website sehingga masyarakat kurang mengetahui informasi tentang lokasi lembaga kursus pendidikan di Kota Kupang. Hasil kuesioner yang ada juga menunjukkan bahwa 96,7% dari masyarakat Kota Kupang setuju dengan adanya pemilihan jenis huruf, ukuran huruf, desain menu pada antarmuka website CosGIS user friendly, dan informasi yang disajikan sesuai dengan kebutuhan user sudah tepat. REFERENSI [1]

Gambar 12 Antarmuka Bantuan Antarmuka bantuan memuat informasi berupa bagaimana cara menggunakan website pencarian lembaga kursus pendidikan di Kota Kupang.

[2]

[3]

[4] Gambar 13 Antarmuka Kritik dan Saran Antarmuka kritik dan saran ketika diakses pengguna akan diminta memasukkan komentar atau sarang terhadap tampilan antarmuka dan informasi yang ada pada website CosGIS Website yang dibangun terdapat beberapa kelebihan dan kekurang seperti berikut : 283

Pressman. R.S, 2010. Software Engineering: a practitioner’s approach. New York: McGraw-Hill. Qolis, N., Fariza, A., 2014. Pemetaan dan Analisa Sebaran Sekolah Untuk Peningkatan Layanan Pendidikan di Kabupaten Kediri Berbasis GIS. Jurusan Teknik Informatika Politeknik Elektronika Negeri Surabaya Institut Teknologi. Jurnal Masyarakat Informatika, No. 2, Vol. 3, ISSN 1089 – 2030. Suryani, S., Sasongko P.S., Suharto Edy., 2013. Sistem Informasi Geografis Pemetaan Sekolah Tingkat Pendidikan Dasar dan Menengah di Kota Serang. Program Studi Teknik Informatika, Fakultas MIPA, Universitas Diponegoro, Jurnal Masyarakat Informatika, No. 3, Vol. 2, ISSN 2086 – 4930 Yuliansyah, Arief, Arwan, 2015. Aplikasi Sistem Informasi Geografis Berbasis Website Untuk Persebaran Sekolah Menengah Atas. Program Studi Teknik Geodesi Fakultas Teknik Universitas Diponegoro. Jurnal Geodesi Undip. Volume 4, Nomor 1, Tahun 2015 ISSN: 2337-845X.

PROSIDING SEMMAU 2016 SORTASI TEKSTUR BIJI JAGUNG SEBAGAI BENIH TANAM MENGGUNAKAN SELF ORGANIZING MAP (Studi Kasus: Desa Bismarak Kabupaten Kupang Timur Provinsi Nusa Tenggara Timur) Marlinda Vasty Overbeek Program Studi Teknik Informatika Strata 1, STIKOM Uyelindo Kupang [email protected]

Abstrak Pemilihan biji jagung untuk pembenihan belum terlalu diperhatikan oleh para petani lokal di Pulau Timor Provinsi Nusa Tenggara Timur sehingga terjadi gagal panen. Sortasi kebanyakan masih dilakukan secara manual oleh para petani sehingga hasil panen juga tidak memuaskan. Tekstur biji jagung baik untuk dijadikan benih tanam adalah memiliki tekstur tidak retak, tidak susut, tidak bolong dan tidak pecah. Pada penelitian ini akan dikembangkan suatu pembelajaran mesin berbasis pengelompokan menggunakan citra digital. Untuk ekstraksi ciri digunakan ekstraksi orde dua yaitu Gray Level Co-occurrence Matrix dengan menggunakan empat ciri Haralick. Sedangkan untuk teknik pengelompokan yang digunakan adalah menggunakan Self Organizing Map (SOM). Hasil yang dihasilkan pada penelitian ini memberikan rata-rata kesalahan pada tiap ciri Haralick sebesar 25% dengan waktu pelatihan tercepat adalah 12 second untuk ciri Contrast. Kata kunci: benih jagung, citra digital, gray level co-occurrence matrix, Self-Organizing Map, tekstur 1. PENDAHULUAN Sebagai bahan pangan penting kedua setelah padi, jagung di Indonesia terutama di Provinsi Nusa Tenggara Timur mendapat prioritas utama. Selain sebagai bahan pangan, jagung banyak digunakan sebagai pakan ternah, bahan baku industri kecil dan menengah. Karena banyak digunakan diberbagai bidang, maka pemilihan biji jagung sebagai benih tanam menjadi penting. Pemakaian disegala bidang menjadikan jagung diperhatikan untuk produksinya di Provinsi Nusa Tenggara Timur, terutama di Pulau Timor. Produksi jagung di Provinsi Nusa Tenggara Timur tahun 2014 mencapai 707 643 ton atau 26.17 kg/hektar [1] dimana produksi meningkat selama empat tahun terakhir. Meskipun begitu, pemilihan benih jagung menjadi permasalahan tersendiri bagi para petani karena pemilihan biji jagung sebagai benih tanam masih dilakukan secara manual. Jagung yang baik untuk dijadikan media benih tanam harusnya memiliki mutu yang tinggi dilihat dari genetik, fisik maupun fisiologisnya. Pemilihan yang masih dilakukan secara kasat mata oleh para petani lokal menjadi satu permasalahan utama dalam penelitian ini. Benih jagung yang baik seharusnya tidak mudak rusak teksturnya (pecah, susut, atau bolong), padahal jagung biasanya disimpan oleh para petani di suatu tempat penyimpanan selama satu tahun sebelum dijadikan benih yang menjadikan jagung tersebut rentan untuk menjadi susut, retak atau bolong. Kerusakan ini yang sulit dideteksi secara visual. Perbaikan sortasi biji jagung ini dilakukan menggunakan pengolahan citra digital. Teknik ini

284

dinilai mampu mengatasi permasalahan tersebut karena pengolahan citra digital memiliki kemampuan yang lebih peka untuk melakukan sensor yang lebih tinggi dari manusia yang masih melihat secara subyektif dan sangat dipengaruhi oleh kondisi psikis pengamatnya. Sebagai pembelajaran mesin, maka digunakan pengelompokan dengan Self Organizing Map (SOM) Kohonen dua dimensi. SOM adalah jaringan syaraf tiruan yang mampu mempelajari dan mengorganizir informasi tanpa memberikan keluaran yang benar pada pola input. Model ini sangat efektif untuk memecahkan masalah yang kompleks [2]. Diharapkan dengan penelitian ini menghasilkan suatu sistem yang mampu membantu petani untuk lebih cepat dan tepat untuk menentukan biji jagung yang bermutu sebagai benih sehingga mendapatkan hasil panen yang lebih baik dan unggul. 2. LANDASAN TEORI 2.1. Jagung Jagung adalah tanaman musiman yang siklus hidupnya diselesaikan dalam 80 sampai 150 hari. Termasuk dalam kerajaan Plantae, divisi Spermatophyta, dengan nama ilmiah Zea mays L. Sebelum dilakukan penanaman, biji jagung harus melalui proses sedemikian rupa sehingga dapat digunakan untuk proses penanaman kembali [1]. Pemilihan bibit jagung harus sesuai dengan jenis lahan yang ditanam, agar mendapatkan kualitas yang baik dari jagung. Penyiapan benih jagung di Nusa Tenggara Timur khususnya di Pulau Timor masih menggunakan

PROSIDING SEMMAU 2016 cara-cara tradisional atau secara kasatmata. Jagung biasanya diletakan pada ‘rumah bulat’ sebagai tempat penyimpanan benih jagung selama satu tahun baru dikeluarkan untuk ditanam pada musim tanam. Pemilihan secara kasatmata oleh para petani pun masih dilakukan karena ketiadaaan mesin sortasi biji jagung. Gambar 1 dan gambar 2 menampilkan tempat penyimpanan benih jagung dan benih jagung yang hendak ditanam kembali.

Gambar 3. Self-Organizing Map5 5 dengan winning node adalah c[5]

Gambar 1. Jagung di ruang penyimpanan

Gambar 2 Benih jagung yang dijadikan benih 2.2. Self-Organizing Map (SOM) Jaringan Kohonen diperkenalkan oleh Teuvo Kohonen tahun 1982. Jaringan Kohonen memberikan sebuah tipe dari SOM; kelas khusus dari jaringan syaraf tiruan [3]. SOM merupakan metode berdasarkan model dari pendekatan jaringan syaraf tiruan [4]. Jaringan SOM menggunakan metode pembelajaran unsupervised untuk memetakan data yang berdimensi tinggi ke dimensi yang lebih rendah. Jaringan SOM terdiri dari dua lapisan (layer), yaitu lapisan input dan lapisan output (Gambar 3). Setiap neuron dalam lapisan input terhubung dengan setiap neuron pada lapisan output. Setiap neuron dalam lapisan output merepresentsikan kelas dari input yang diberikan.

285

Setiap neuron output mempunyai bobot untuk masing-masing neuron input. Proses pembelajaran dilakukan dengan melakukan penyesuaian terhadap setiap bobot pada neuron output. Setiap input yang diberikan dihitung jarak Euclideannya dengan setiap neuron output, kemudian dilakukan pencarian neuron output yang mempunyai jarak minimum. Neuron yang mempunyai jarak paling kecil disebut sebagai neuron pemenang (winner).

dengan: = jarak Euclidean = bobot neuron ke – i = input vektor ke –i Setelah mendapat neuron pemenang, kemudian memperbaharui nilai bobot neuron pemenang dan neuron tetangganya. 1

dengan Wij adalah bobot untuk neuron output ke-j dan neuron input ke-i, α(t) adalah laju pembelajaran, dan h(t) adalah fungsi tetangga. Secara garis besar metode SOM adalah sebagai berikut [6];[5]: a. Inisialisasi bobot (Wij) dengan nilai acak, laju pembelajaran dan fungsi tetangga b. Pilih input X secara acak dari himpunan input, kemudian di normalisasikan c. Hitung tingkat kemiripan dengan menggunakan jarak Euclidean untuk semua neuron. Pilih neuron pemenangnya, yaitu neuron yang mempunyai jarak Euclidean paling kecil. d. Perbaharui bobot neuron pemenang dan bobot neuron tetangganya

PROSIDING SEMMAU 2016 e. Perbaharui laju pembelajaran dan kurangi fungsi tetangga secara linear atau eksponensial. f. Lakukan langkah 2 sampai 5 hingga tercapai nilai epoch (nilai maksimum iterasi). 3. METODE PENELITIAN 3.1. Bahan Penelitian Data yang digunakan dalam penelitian ini berupa citra benih jagung yang diambil langsung dari desa Bismarak Kabupaten Kupang. Citra yang digunakan hanya citra jagung lokal yang disebut dengan lamuru sebanyak 100 citra. Dimensi awal citra adalah 2484 x 2134 pixel yang disimpan dalam format file JPG kemudian di resize menjadi 100 x 100pixel sebelum diproses lebih lanjut. 3.2. Prosedur Penelitian Berdasarkan analisis sistem maka pada penelitian ini dibangun sistem secara garis besar digambarkan pada Gambar 4 yang dimulai dari deskripsi data yang digunakan, praproses, ekstraksi dengan gray level co-occurrence matrix(GLCM), pengelompokan dengan SOM, dan evaluasi sistem.

>threshold (T) berwarna hitam maka bukan merupakan daerah yang akan dioperasikan atau bukan Region of Interest (RoI). Selanjutnya digunakan GLCM mendapatkan ciri tekstur dan hasil dari GLCM akan digunakan sebagai masukkan pada pemetaan dengan SOM. Arah dari GLCM yang digunakan adalah (0 , 45 , 90 , 135 dengan d = 1. 4. HASIL DAN PEMBAHASAN Penelitian ini diawali dengan melakukan pengumpulan sampel benih jagung lokal Pulau Timor yang telah disimpan pada ruang penyimpanan yang disebut sebagai ‘rumah bulat’. Citra hasil dari pengambilan di lapangan diproses dengan pengolahan citra digital. Dalam penelitian ini menggunakan perangkat lunak Matlab 2010. Hasil dari pengolahan citra ini adalah pembangkitan data numerik dari setiap citra benih jagung. Data dipisahkan menjadi benih layak dan tidak layak. Data yang digunakan dalam penelitian ini menggunakan data sebanyak 100 data citra jagung. Data lalu dilakukan ekstraksi untuk mendapatkan nilai citra yang lebih kecil untuk diproses untuk menghemat waktu pengerjaan. Ekstraksi ciri menggunakan ciri tekstur Gray Level Co-occurrence matrix (GLCM) dengan ciri Haralick yang digunakan adalah energy, contrast, correlation, dan homogeneity. Penggunaan keempat ciri Haralick sebagai ekstraktor karena pada penelitian sebelumnya, ciri –ciri tersebut menghasilkan akurasi yang cukup baik, yaitu sekitar 80% [7]. Setelah dilakukan ektraksi ciri, data lalu dikelompokkan. Pembelajaran mesin untuk pengelompokan yang digunakan adalah Self Organizing Map (SOM) Kohonen. Data tersebut dipetakan secara dua dimensi untuk mendapatkan label dari tiap data vektor atau instance dari data citra. Berikut pada Gambar 5, Gambar 6, Gambar 7, dan Gambar 8 menampilkan hasil pemetaan akhir dari empat ciri Haralick dengan menggunakan SOM.

Gambar 4 Prosedur penelitian Pada Gambar 4 menunjukkan langkah pengerjaan dari penelitian. Adapun tahapannya yaitu benih jagung diambil citranya dengan ukuran awal 2484 x 2134 pixel yang disimpan dalam format*.JPG lalu di resize lagi menjadi 100 x 100 pixel. Tahapan kedua adalah praproses, di mana citra yang sudah di resize diproses untuk mendapatkan nilai informasi yang penting. Kemudian citra diubah menjadi ambang keabuan 8 bit. Selanjutnya dilakukan penapisan noise dengan median filter menggunakan kernel filter [7 7]. Hasil ini akan dilakukan segmentasi sebagai masukkan dari ekstraksi ciri tekstur. Jika nilai pixel citra

286

Gambar 5 Hasil pemetaan ciri energy

PROSIDING SEMMAU 2016 pengelompokan data. Tabel 1 dan 2 menampilakn hasil akurasi secara efektivitas dan secara efisiensi. Tabel 1 Hasil akurasi efektivitas sortasi jagung dengan ciri Haralick Pengujian Contrast Correlation Energy Homogeneity TE 0.000 0.000 0.000 0.000 QE 0.316 0.319 0.183 0.277 PE 13.333 23.333 43.333 20.000

Gambar 6 Hasil pemetaan ciri contrast

Gambar 7 Hasil pemetaan ciri correlation

Gambar 8 Hasil pemetaan ciri homogeneity Hasil dari pengelompokan kemudian dievaluasi menggunakan perhitungan berdasarkan efektivitas dan efisiensi. Efektivitas menggunakan pengukuran Topographic Error (TE), Quantization Error (QE), dan Percentage Error (PE). Sedangkan untuk efisiensi dilakukan pengukuran waktu pelatihan (running time) tiap ciri Haralick dalam

287

Tabel 2 Hasil akurasi efisiensi sortasi jagung dengan ciri Haralick Ciri Watu Latih (sec) Contrast 12 Correlation 13 Energy 14 Homogeneity 14 Dari hasil Tabel 1 dan Tabel 2 untuk pengujian efektivitas dan efisiensi, didapatkan bahwa ciri Contrast, memberikan nilai PercentageError yang paling kecil, yaitu 13.333%, tetapi ciri Energy memberikan hasil QuantizationError yang paling kecil, yaitu 0.183, walaupun pada pengujian efisiensi ciri Contrast memiliki waktu pelatihan paling cepat, yaitu 12 second. Untuk TopographicError, tidak ada kesalahan distorsi dalam vektor data sehingga 0% error yang didapatkan. Dari hasil akurasi yang didapatkan diketahui bahwa ciri tekstur yang paling tinggi kebenarannya adalah ciri Contrast dengan tingkat kesalahan 13.333%. Rata-rata kesalahan yang dihasilkan adalah 25% untuk setiap ciri Haralick untuk pembelajaran mesin dengan kelompok. Walaupun demikian, bisa dikatakan bahwa pembelajaran mesin dengan kelompok bisa digunakan untuk memilih benih yang sesuai untuk ditanam kembali. 5. KESIMPULAN Pada penelitian untuk sortasi benih jagung lokal Pulau Timor Provinsi Nusa Tenggara Timur dengan menggunakan pengelompokan SOM menunjukkan bahwa rata-rata kesalahan dalam pengelompokan untuk tiap ciri Haralick menggunakan SOM adalah sebesar 25%. Ciri yang terbaik yang didapat gunakan dalam pengelompokan benih jagung dengan SOM adalah ciri contrast yang memiliki Percentage Error terkecil yaitu sebesar 13.333% dengan waktu latih 12 second.

REFERENSI [1] [BPS] Badan Pusat Statistik. 2014. Nusa Tenggara Timur Dalam Angka. Kupang (ID): BPS [2] Limin F. 1994. Neural Network in Computer Intelligence. McGraw-Hill [3] Larose DT. 2004. Discovering Knowledge in Data : An Introduction to Data Mining. John Wiley & Sons, Inc.

PROSIDING SEMMAU 2016 [4] Han J, Kamber M, Pei J. 2012. Data Mining Concepts and Techniques third edition. Waltham (US) : Morgan Kaufmann Publishers [5] Zhang XT, Chen JS, Dong JK. 2007. Color Clustering using Self-Organizing Map. Proceedings of the 2007 International Conference om Wavelet Analysis and Pattern Recognition. doi: 10.1109/ICWAPR.2007.4421574

288

[6] Okubo K, Ogawa T, Kanada H. 2007. Impact Perforation Image Processing using a SelfOrganizing Map. SICE Annual Conference 2007. doi : 10.1109/SICE.2007.4421148 [7] Overbeek MV, Kaesmetan YR, 2015. Ekstraksi tekstur benih jagung lokal Pulau Timor dengan Gray Level Co-occurance Matrix. SEMMAU I Conference 2015.

PROSIDING SEMMAU 2016 MODEL SISTEM MONITORING DAN EVALUASI AKADEMIK MAHASISWA BERBASIS WEB (STUDI KASUS STIKOM UYELINDO KUPANG) Rafliana Natalia da Silva1, Marinus I.J. Lamabelawa2, Semlinda Juszandri Bulan3 Program StudiTeknikInformatika Strata Satu STIKOM Uyelindo Kupang, jl. Perintis Kemerdekaan I Kayu Putih E-mail:[email protected], [email protected],[email protected]

Abstrak Melalui sistem monitoring dan evaluasi akademik yang intensif diharapkan mahasiswa dapat mengikuti perkuliahan terencana dengan baik dan dapat menyelesaikan studinya tepat waktu dengan hasil yang memuaskan tanpa mengalami hambatan. Dalam penelitian ini monitoring dan evaluasi dilakukan terhadap mahasiswa STIKOM Uyelindo Kupang. Penelitian ini menggunakan website sebagai media yang dapat membantu kelancaran belajar mahasiswa, fakultas, jurusan maupun program studi dalam kegiatan akademik selama menempuh studi program sarjana maupunprogram diploma. Tujuan dari penelitian ini adalah untuk memudahkan dosen wali dalam mengetahui perkembangan mahasiswa perwalian setiap semester. Selain itu dengan adanya penelitian ini maka dapat membantu dosen wali mengetahui informasi mengenai kendala yang dihadapi mahasiswa dalam pelaksanaan kegiatan akademik maupun keuangan secara cepat dan akurat. Metode yang digunakan sebagai tahapan penelitian adalah metode prototype. Hasil dari penelitian ini adalah adanya sebuah sistem berbasis website yang dapat membantu dosen wali dan prodi serta badan penjaminan mutu dalam memantauperkembangan mahasiswa setiap semester. Kata kunci: Monitoring, Evaluasi, Dosen, Website.

__________________________________________________________________________________ 1. PENDAHULUAN Teknologi internet dewasa ini telah menjadi alternatif media komunikasi dan pertukaran informasi yang paling efektif. Perkembangan web pun semakin pesat di semua bidang, baik dari sisi teknologi maupun dari sisi user. Aplikasi web yang tersedia di internet menawarkan kemudahan bagi para penggunanya. Segala tugas dan pekerjaan menjadi lebih ringan dengan bantuan aplikasiaplikasi tersebut. Sebagai salah satu perguruan tinggi swasta yang menyediakan layanan berbasis teknologi komputer, Sekolah Tinggi Manajemen Informatika Komputer (STIKOM) Uyelindo Kupang perlu suatu sistem monitoring dan evaluasi akademik mahasiswa dalam upaya menghasilkan lulusan yang bermutu dan berdaya saing tinggi. Sistem monitoring dan evaluasi akademik mahasiswa STIKOM Uyelindo Kupang selama ini masih mengalami beberapa kendala, diantaranya dosen wali sulit mengetahui perkembangan mahasiswa perwaliannya, baik dari segi keuangan maupun kegiatan akademiknya. Disisi lain Biro Administrasi Umum dan Kepegawaian (BAUK) juga sulit memonitoring jumlah angsuran dan tunggakan dari setiap mahasiswa. Dari permasalahan tersebut, perlu dibangun suatu sistem aplikasi berbasis web yang menyediakan informasi mengenai kendala yang dihadapi mahasiswa dalam 289

pelaksanaan kegiatan akademik maupun keuangan secara cepat dan akurat. Web adalah kumpulan halaman yang menampilkan informasi berupa teks, gambar, animasi, suara, video, baik bersifat statis maupun dinamis yang dapat diakses melalui browser. Menurut [1]web adalah suatu metode untuk menampilkan informasi di internet, baik berupa teks, gambar, suara maupun video yang interaktif dan mempunyai kelebihan untuk menghubungkan satu dokumen lainnya yang dapat diakses melalui sebuah browser. Penjaminan model sistem monitoring dan evaluasi akademik mahasiswa berbasis web memberikan kemudahan bagi dosen wali dan program studi dalam mengetahui perkembangan mahasiswa setiap semester. Aplikasi ini juga dapat membantu BAUK dalam memantau proses heregristrasi mahasiswa. Pada [2] dilakukan sebuah penelitian dengan judulRancang Bangun Aplikasi Audit Mutu Akademik Internal Universitas Sam Ratulangi Berbasis Web. Metode yang digunakan sebagai tahapan penelitian adalahmetodologi rapid aplication development (RAD). Tujuan dari penelitian ini adalah membangun aplikasi audit mutu akademik internal sehinggaproses pengolahan data audit lebih cepat dan efisien. Hasil yang diperoleh dalam penelitian ini adalah pihak audit tidak perlu

PROSIDING SEMMAU 2016 lagi menggunakan kertas dalam pengolahan data audit. Berdasarkan penelitian terdahulu pada [2] aplikasi berbasis web sangat berpengaruh terhadap proses pengolahan data audit dan mempercepat kinerja dalam pengauditan mutu akademik. Dengan adanya penelitian ini sangat membantu peneliti dalam melakukan penelitian selanjutnya. Selanjutnya penelitian oleh [3] tentang dokumentasi borang akreditasi berbasis Web pada STIKOM Uyelindo. Dari penelitian-penelitian diatas, peneliti membangun suatu aplikasi berbasis web yang dapat memudahkan dosen wali dalam mengetahui perkembangan mahasiswa perwaliannya setiap semester dengan judul Sistem Monitoring dan Evaluasi Akademik Mahasiswa Berbasis Web. 2.

METODE PENELITIAN

Metodologipenelitian yang digunakan dalam penelitian ini terdiri dari studi pustaka, observasi, wawancara dan metode pengembangan perangkat lunak model prototype. Model ini dipilih karena prototype yang dibuat dapat digunakan untuk mengelola kembali kebutuhan dari perangkat lunak yang akan dikembangkan, sehingga pengembangan perangkat lunak tidak harus merancang lagi semua dari awal. Prosedur Analisis Data Dalam merancangsuatu perangkat lunak sistem monitoring danevaluasi, terdapattahapan-tahapan perancangan berdasarkan [4]. Perancangan dibuat agar sistem akanmencapaihasilsesuaidengan yang dinginkan pengguna akhir (end user). Tahapantahapantersebutdapatdijelaskansebagaiberikut: 1. Identifikasi dan perumusan masalah Pada tahap ini dilakukan identifikasi parameter atau atributatribut apa saja yang dapat digunakan untuk sistem monitoring dan evaluasi akademik mahasiswa. Tahapan ini juga dapat menentukan model analisis yang akan digunakan dalam sistem monitoring dan evaluasi akademik mahasiswa. Perumusan masalah dibuat setelah melakukan identifikasi masalah. 2. Tujuan penelitian Tahapan ini digunakan untuk mengembangkan sistem infornasi yang mampu untuk mendukung sistem monitoring dan evaluasi akademik mahasiswa berbasis web. 3. Studi kepustakaan Pada tahap ini dilakukan proses pengumpulan literatur seperti buku, publikasi jurnal nasional dan jurnal internasionalyang sesuai dengan topik penelitian, juga berupa artikel yang relevan dengan topik penelitian. 4. Studi lapangan Studi lapangan dilakukan di Kampus STIKOM Uyelindo Kupang dengan cara melakukan observasi dan wawancara dengan narasumber yaitu Badan Penjaminan Mutu(BPM). Studi lapangan dilakukan 290

untuk memperoleh data-data yang berkaitan dengan tema penelitian yaitu berupa data hasil monitoring dan evaluasi akademik mahasiswa. 5. Pengumpulan data Pada tahap ini dilakukan pengumpulan data yang diperoleh dari studi lapangan. Adapun data yang digunakan dalam penelitian ini yaitu berupa data perwalian, data riwayat perkuliahan dan data riwayat registrasi mahasiswa. 6. Analisis perangkat lunak Pada tahap ini dilakukan analisis secara lengkap semua kegiatan yang terjadi pada sistem yang sedang berjalan, kemudian didefinisikan kebutuhan fungsional yang akan dibangun. Analisis dimaksud meliputi tujuan pembuatan sistem informasi, identifikasi pemanfaat dan pengelola, fungsi-fungsi yang bisa dilakukan oleh sistem, entitas-entitas yang berperan penting dalam perancangan basis data, serta desain fungsi sistem informasi secara umum. 7. Perancangan Perancangan dilakukan mengikuti kaidah dari paradigma pengembangan software prototyping. Perancangan berfokus pada penyajian kepada pelanggan, misalnya dengan membuat input dan format output. Tahapan selanjutnya adalah dilakukan evaluasi oleh pelanggan apakah prototyping yang sudah dibangun sudah sesuai dengan keinginan pelanggan. Tahap perancangan meliputi perancangan basis data, perancangan arsitektur, perancangan antarmuka, dan perancangan prosedur dan aliran informasi, serta perancangan input-output. 8. Implementasi Dalam tahap ini hasil perancangan algoritmadetail diterjemahkan kedalam bahasa pemrograman PHP Adobe Dreamweaver CS6 dan menggunakan MySQL untuk penyimpanan basis data. 9. Pengujian Pengujian dilakukan setelah sistem sudah menjadi suatu perangkat lunak yang siap pakai. Dalam tahap pengujian, pelanggan mengevaluasi apakah sistem yang sudah jadi sudah sesuai dengan yang diharapkan. Apabila sistem menunjukkan hasil yang valid maka sistem siap untuk digunakan.Pengujian ini dilakukan dengan black box. 10. Hasil penelitian Hasil penelitian berupa sistem informasi yang mampu memonitoring dan evaluasi akademik mahasiswa dengan berbasis web.Secara umum prosedur penelitian yang akan dilakukan ini dapat dilihat pada Gambar1.

PROSIDING SEMMAU 2016 2. Diagram konteks Diagram konteks merupakan gambaran yang memiliki fungsi untuk menunjukkan hubungan antara sistem dengan lingkungan yang mengaksesnya dimana sistem tersebut ditempatkan. Diagram konteks merupakan gambaran yang sebenarnya menjelaskan kembali alur dokumen secara lebih singkat. Gambar 3 berikut ini adalah diagram konteks dari model sistem monitoring dan evaluasi akademik mahasiswa pada STIKOM Uyelindo Kupang.

Gambar 3. Diagram konteks Gambar 1.Prosedur Analisis Data. Perancangan Perangkat Lunak 1. Alur dokumen Alur dokumen atau yang disebut juga flowchart merupakan gambaran tentang bagaimana cara kerja sistem yang dapat dibangun dengan menggunakan simbol-simbol yang mewakili keadaan sebenarnya pada sistem dan gambaran tentang dokumendokumen tersebut beredar. Tampilan flowchart sistem ini dapat dilihat pada Gambar 2.

3. Hierarchy input output process (HIPO) Hierarchy input output process biasa disebut diagram berjenjang adalah sebuah hirarki yang dapat menyatakan siklus pembangunan sistem serta struktur fungsi-fungsi dari sebuah desain program. Diagram pada Gambar 4 menggambarkan tentang tingkatan-tingkatan yang berlaku pada sistem.

Gambar 4.HIPO

Gambar 2. Alur dokumen 291

4. Data flow diagram (DFD) DFD adalah suatu model logika data atau proses yang dibuat untuk menggambarkan dari mana asal data dan kemana tujuan data yang keluar dari sistem, dimana data disimpan, proses apa yang menghasilkan data tersebut dan interaksi antara data yang tersimpan dan data yang dikenakan pada data tersebut seperti pada Gambar 5.

PROSIDING SEMMAU 2016 2.0

0 Data Mahasiswa

1.0

ADMIN

Data Mahasiswa, Data Status Mahasiswa, Data Dosen Wali, Data Prodi, Data Semester.

Data Dosen Data Prodi ENTRI DATA

MAHASISWA

Data Konsultasi

Data Tanggapan BPM

BPM

Data Semester

Data Konsultasi

Informasi Konsultasi Mhs Informasi Tanggapan Dosen

D1

Mahasiswa

D2

Status

D3

Dosen

D4

Prodi

D5

Semester

2.1

Data Status Mahasiswa

Data Mahasiswa Data Status Mahasiswa Laporan Evaluasi Akademik LAPORAN EVALUASI AKADEMIK

Data Semester

D7

Data Konsultasi

Tanggapan DOSEN WALI

Data Tanggapan BPM Data Konsultasi

Informasi Tanggapan Dosen Wali

BPM

Data Dosen

Informasi Konsultasi Mahasiswa Informasi Konsultasi Mahasiswa

Laporan Evaluasi Akademik Informasi Konsultasi Mhs Informasi Tanggapan BPM

status

D3

dosen

D4

prodi

D5

semester

D6

konsultasi

INFORMASI TANGGAPAN DOSEN WALI

Data Konsultasi

2.3

Data Prodi LAPORAN

mahasiswa

D2

2.2

Data Semester

DOSEN WALI

Data Prodi

D6 Bimbingan

Data Tanggapan BPM

2.0

Data Dosen

D1

INFORMASI KONSULTASI MAHASISWA

Data konsultasi

Data Status Mahasiswa Data Mahasiswa

2.4 Informasi Tanggapan BPM

INFORMASI TANGGAPAN BPM

Data Tanggapan BPM

D7

tanggapan

Gambar 5.DFD Level 0 a. Data flow diagram level 1 proses 1.0 dan 2.0 Perancangan aliran data dan informasi pada Gambar 5. dilakukan pemecahan(breakdown). Proses 1.0 dipecah menjadi 7 proses menjadi DFD level 1 proses 1.0. seperti terlihat pada Gambar 6. Proses 2.0 dipecah menjadi 4 proses yakni proses 2.1 sampai 2.4.seperti terlihat pada Gambar 7. Pada DFD memiliki tempat penyimpanan sementara (data store) terdiri dari data master dan data transaksi yang teridiri dari data mahasiswa, status mahasiswa, dosen, prodi, data semester,data konsultasi, dan data tanggapan. Data tanggapan berisi data-data konsultasi yang merupakan data yang akan diolah menjadi informasi yang digunakan dosen wali dalam memantau mahasiswa. 1.0 1.1 Data Mahasiswa Data Mahasiswa

DATA MAHASISWA

D1

mahasiswa

D2

status

Gambar 7.DFD level 1 proses 2.0 3.

HASIL DAN PEMBAHASAN Aplikasi model sistem monitoring dan evaluasi akademik mahasiswa merupakan perangkat lunak berbasis web yang dikembangkan khusus bagi STIKOM Uyelindo Kupang dalam memantau perkembangan mahasiswa setiap semester. Aplikasi inidapat memudahkan dosen wali mengetahui informasi mengenai kendala yang dihadapi mahasiswa dalam pelaksanaan kegiatan akademik maupun keuangan secara cepat dan akurat. Aplikasi ini dibangun dengan menggunakan bahasa pemrograman PHP dan MySQL untuk pengelola database management sistem (DBMS). Selanjutnya dilampirkan hasil output dari program berupa form-form input, form proses, dan form output yang ditampilkan pada Gambar 8 sampai Gambar 21.

1.2 Data Status Mahasiswa

Data Status Mahasiswa DATA STATUS MAHASISWA

Antarmuka Sistem 1. Antarmukalogin

1.3 ADMIN

Data Dosen

Data Dosen DATA DOSEN

D3

dosen

D4

Prodi

D5

Semester

1.4 Data Prodi

Data Prodi DATA PRODI

1.5

Data Semester

Data Semester DATA SEMESTER

1.6 MAHASISWA

Data Konsultasi DATA KONSULTASI

Data Konsultasi

D6

konsultasi

1.7 BPM

Data Tanggapan BPM

DATA TANGGAPAN BPM

Data Tanggapan BPM

D7

tanggapan

Gambar 8. Antarmuka login Gambar 6.DFD level 1 proses 1.0

292

2. Antarmuka menu utama admin


Gambar9.Antarmukamenu utama admin 3. Antarmuka data semester

Gambar10.Antarmukadata semester 4. Antarmuka data prodi

Gambar11.Antarmukadata prodi 5. Antarmuka data dosen

Gambar13.Antarmukadata mahasiswa 7. Antarmuka data BPM

Gambar14.Antarmukadata BPM 8. Antarmuka data status mahasiswa

Gambar15.Antarmukadata status mahasiswa

9. Antarmuka admin sistem

Gambar12.Antarmukadata dosen 6. Antarmuka data mahasiswa

293

Gambar16.Antarmukaadmin sistem 10. Antarmuka bimbingan mahasiswa


Gambar21.Antarmukamenu BPM Gambar17.Antarmukabimbingan mahasiswa 11. Antarmuka tanggapan BPM

4.

KESIMPULAN Berdasarkan hasil penelitian maka penulis mengambil kesimpulan bahwa dengan menggunakan sistem baru yang telah dibangun dapat mempermudah STIKOM Uyelindo Kupang dalam melakukan monitoring dan evaluasi akademik terhadap mahasiswa.

REFERENSI [1] [2] Gambar18.Antarmukatanggapan BPM 12. Antarmuka menu laporan

[3]

[4] Gambar19.Antarmukamenu laporan 13. Antarmuka konsultasi

Gambar20.Antarmukakonsultasi 14. Antarmuka menu BPM

294

Yuhefizar. 2008. 10 Jam menguasai internet,Elex media komputindo, Jakarta. Rindengan T, Lumenta A, Rindengan Y. 2015. RancangBangunAplikasi Audit MutuAkademik Internal Universitas Sam RatulangiBerbasis Web. E-journal TeknikInformatika, Vol. 6, No. 1, ISSN: 2301-8364. [diunduh 3 Maret 2016] Tersediapada: http://ejournal.unsrat.ac.id/index.php/informat ika/article/view/9979 Muskanan, R.Y., 2014. Sistem Administrasi dan dokumentasi lampiran borang akreditasi Program Studi Teknik Informatika Strata Satu. Skripsi, Program Studi Teknik Informatika, STIKOM Uyelindo Kupang. Kristanto A. 2008. Perancangan Sistem Informasi dan Aplikasinya. Yogyakarta, Gava Media.

PROSIDING SEMMAU 2016 PEMETAAN HASIL LAUT WILAYAH KABUPATEN ALOR DENGAN ANALISIS KELOMPOK Kristian Martiul Malbiyeti Tnunay1, Remerta Noni Naatonis2, Marlinda V. Overbeek3 1

Program Studi Teknik Informatika Strata Satu STIKOM Uyelindo Kupang Program Studi Sistem Informasi Strata Satu STIKOM Uyelindo Kupang 3 Program Studi Teknik Informatika Strata Satu STIKOM Uyelindo Kupang [email protected], [email protected], [email protected] 2

Abstrak Kabupaten Alor merupakan salah satu Kabupaten yang banyak pulaunya di provinsi Nusa Tenggara Timur terletak di bagian Timur Laut.Secara astronomis, Kabupaten Alor terkenal kaya dengan keanekaragaman hayati laut. Hal ini dibuktikan dengan letak geografis yang memiliki wilayah perairan lebih besar dari wilayah daratan, sehingga sebagian besar masyarakat di Alor berprofesi sebagai nelayan dan petani rumput laut. Sektor kelautan yang beragam dengan keunikannya tentu dapat memberikan pendapatan yang sangat besar bagi masyarakat sekitar maupun pemerintah. Namun banyaknya hasil laut tersebut untuk saat ini hanya bisa dinikmati oleh penduduk di Kabupaten Alor saja. Dengan adanya pemetaan hasil laut wilayah Kabupaten Alor dengan analisis kelompokan K-Means, dengan jumlah data yang akurat mengenai hasil laut yang ada di wilayah Kabupaten Alor dan layak digunakan pada penelitian saya. Hasil pemetaan yang di dapatkan dengan pengukuran kelompok Davies Bouldin Index didapatkan pengelompokan ikan jenis tongkol menghasilkan nilai indeks terkecil yaitu 0.276, dengan rata-rata indeks yang dihasilkan untuk keseluruhan kelompok adalah 17.361.

Kata Kunci : algoritme K-Means, analisis kelompok, hasil laut, ikan, rumput laut, peta, webgis Alor memiliki 17 Kecamatan dengan 175 Desa atau 1. PENDAHULUAN Kelurahan.[1] Kabupaten Alor merupakan salah satu Kabupaten Alor terkenal kaya dengan Kabupaten yang banyak pulaunya di propinsi Nusa keanekaragaman hayati laut. Hal ini dibuktikan Tenggara Timur terletak di bagian Timur Laut. dengan letak geografis yang memiliki wilayah Secara astronomis, Kabupaten Alor termasuk dalam perairan lebih besar dari wilayah daratan, sehingga wilayah Provinsi Nusa Tenggara Timur, Secara sebagian besar masyarakat di Alor berprofesi geografis terletak, antara sebelah Timur 125-° sampai sebagai nelayan dan petani rumput laut. Sektor dengan 48° Bujur Timur. Sebelah barat 123 °sampai kelautan yang beragam dengan keunikannya tentu dengan 43°bujur timur, Sebelah utara8° sampai dapat memberikan pendapatan yang sangat besar dengan 6°Lintang Selatan. Dan sebelah selatan 8° bagi masyarakat sekitar maupun pemerintah. Namun sampai dengan 36° lintang selatan. Batas administratif banyaknya hasil laut tersebut untuk saat ini hanya Kabupaten Alor adalah sebagai berikut: Sebelah bisa dinikmati oleh penduduk di Kabupaten Alor Timur, Selat Wetar dan perairan Republik Demokrasi saja. Pemerintah Kabupaten Alor telah melakukan Timor Leste, Sebelah Barat, Selat Alor dan dan promosi melalui berbagai media baik melalui media perairan Kabupaten Lembata, Sebelah Utara, Laut masa, maupun media elektronik, tetapi metode Flores, Sebelah Selatan, Selat Ombay tersebut belum cukup untuk memberi informasi Secara Geografis Kabupaten Alor termasuk 183 tentang kekayaan hasil laut secara meluas kepada Kabupaten kota di Indonesia yang tergolong masyarakat di luar pulau Alor maupun dunia. kabupaten tertinggal. Kabuaten Alor juga termasuk Analisis kelompok merupakan teknik 112 kabupaten atau kota di Indonesia yang multivariat yang mempunyai tujuan utama untuk dikategorikan sebagai Kabupaten perbatasan, dan mengelompokan objek-objek berdasarkan termasuk dalam salah satu dari 26 pusat kegiatan karakteristik yang dimilikinya. Analisis kelompok strategi Nasional. Salah satu dari 92 gugusan pulaumengklasifikasi objek sehingga setiap objek yang pulau kecil terluar dan sebagai kabupaten kepulauan paling dekat kesamaannya dengan objek lain berada dengan jumlah pulau sebanyak 15 buah dan 9 buah dalam kelompok yang sama. kelompok-kelompok diantaranya berpenduduk, yaitu pulau Alor, Pantar, yang terbentuk memiliki homogenitas internal yang Pura, Tereweng, Ternate, Buaya, Kangge, Pura dan tinggi dan heterogenitas eksternal yang tinggi. Pulau Kepa. Sedangkan 6 pulau lainnya belum atau Solusi analisis kelompok bersifat tidak unik, anggota tidak berpenduduk yaitu pulau Kambing, Rusa, kelompok untuk tiap penyelesaian atau solusi Batang, lapang, Sika dan Pulau Kapas. Kabupaten

295

PROSIDING SEMMAU 2016 tergantung pada beberapa elemen prosedur dan beberapa solusi yang berbeda dapat diperoleh dengan mengubah satu elemen atau lebih. Solusi kelompok secara keseluruhan bergantung pada variabel-variabel yang digunakan sebagai dasar untuk menilai kesamaan. Penambahan atau pengurangan variabel-variabel yang relevan dapat mempengaruhi substansi hasil analisis kelompok. Pada tulisan ini penulis menggunakan metode analysis K-Means sebagai solusi untuk pengklasifikasian karakteristik dari objek. Alasan penggunaan algoritma K-Means diantaranya ialah karena algoritma ini memiliki ketelitian yang cukup tinggi terhadap ukuran objek, sehingga algoritma ini relatif lebih terukur dan efisien untuk pengolahan objek dalam jumlah besar.[2] Berdasarkan masalah yang sudah dikemukakan sebelumnya maka akan dilakukan sebuah aplikasi pemetaan hasil laut wilayah perairan Kabupaten Alor berbasis lokasi dengan menggunakan metode pengelompokan dengan K-Means dengan jumlah data yang akurat mengenai hasil laut yang ada di wilayah Kabupaten Alor dan layak digunakan pada penelitian. Website yang dihasilkan ini diharapkan dapat menampilkan gambaran peta hasil laut di daerah Kabupaten Alor yang akan di petakan hasil lautnya,sehingga lebih menarik dan dapat dinikmati oleh masyarakat luas, penyajian informasi dalam bentuk web akan memudahkan masyarakat untuk mendapatkan informasi mengenai hasil laut yang berada di Kabupaten Alor.

Mulai

Data Ikan

Prapr oses

Ekstr asi Ciri

Pengelompokan dngn K-Means

Tidak Pengujian

Validasi hasil uji

YA

Hasil Valid

Pemetaan daerah potensial

Selesai

Gambar 1. Analisis data 2. METODE PENELITIAN Bahan Penelitian Bahan penelitian ini terdiri atas wawancara, studi pustaka dan observasi untuk menggali sumber pengetahuan dari pegawai yang berada pada kantor perikanan Kabupaten Alor.

1. Data Ikan Tahap awal sebelum pemrosesan hasil laut adalah tahap akusisi atau pengumpulan data. Data hasil laut yang digunakan dalam penelitian ini, adalah pemetaan hasil laut di wilayah perairan dengan membutuhkan data yang akurat

Prosedur Analisis Data Prosedur analisis data digambarkan sebagai berikut:

2. Praproses Tujuan praproses adalah mentransformasi data ke suatu format yang prosesnya lebih mudah dan efektif untuk mendapatkan data hasil laut yang lebih akurat dan mengurangi waktu komputasi untuk masalah berskala besar, sehingga membuat nilai data menjadi lebih kecil tanpa mengubah informasi. Proses dilakukan dengan perskalaan data dalam jangka [ 0 – 1 ]: Xik =

Dimana : X = Rata-rata I = Fitur

296

PROSIDING SEMMAU 2016 3. Ekstrasi Ciri Data hasil laut akan diekstrasi pemetaan menggunakan algoritma K-means yang dapat mempertimbangkan persamaan data. 4. Pengelompokan dengan K-means Pengelompokan dilakukan dengan menggunakan algoritma K-means, Clustering digunakan dalam data mining untuk mengelompokan data-data kedalam kelompok atau beberapa kelompok berdasarkan suatu kemiripan variabel atau atribut data

K = Nilai dari fitur/atribut

Mulai

Menentukan jumlah kelompok (k)

Menghitung centroid

Menghitung jarak

Menghitung data berdas arkan jarak minimum

normalisasi: luas daerah n=4 min xik = 27,53 max xik = 158,59 x luas (1) = (3) =

,

,

,

,

,

,

,

,

luas (4) =

Ada Vektur da ta berpindaah

Ya Tidak ada yang berpindah

= 0.15891

x luas selesa i

= 0,25 ,

x luas (2) =

, ,

, ,

= 0.07513

, , ,

x

=0

Normalisasi: jenis ikan N=4 min xik = 8100 max xik = 13 500 x ikan (1) = x ikan (3) = x ikan (2) = x ikan (4) =

= 0.25

=0

Tidak

Gambar 2. Blok diagram Algoritma K-means 5. Pengujian Pada tahap pengujian, setelah sistem selesai dirancang dan diimplementasi, terlebih dahulu sistem harus diuji.Tujuan dari pengujian sistem ini adalah untuk mengetahui apakah sistem yang dibuat sudah sesuai dengan perancangan dan hasil yang diharapkan. 6. Pemetaan daerah potensial Daerah yang potensial telah diproses kemudian dijadikan layout peta sebagai acuan dalam penentuan lokasi penangkapan masyarakat nelayan berdasarkan hasil pengolahan program Arcview.

= 0.05231

= 0,54148

Normalisasi: rumput laut N=4 min xik = 4300 max xik = 9245 Penerapan algoritma K Means x luas (1) =

=0

x luas (3) =

=0,25

x luas (2) =

= 0.15227

(4) =

297

= 0,17527

x luas

Data pengujian yang digunakan adalah berupa tabel yang atribut yaitu nama kabupaten, luas wilayah dan jumlah penduduk serta jumlah instance adalah 22. Metode K-Means Clustiering digunakan dalam data mining untuk mengelompokan data-data kedalam cluster atau beberapa kelompok

PROSIDING SEMMAU 2016 berdasarkan suatu kemiripan variabel atau atribut data.

Gambar Hasil perhitungan matlab

Mulai

Jumlah cluster

Tentukan centroid

Tentukan jarak setiap dokumen terhadap setiap centroid

Tidak

Objek tidak ada yang berpinda group

Selesasi

Ya

Gambar 3. Flowchart K-Means Langkah- langkah perhitungannya adalah: 1. Menentukan jumlah cluster data 2. Tentukan titik pusat cluster 3.Menghitung jarak obyek dengan centroid 4. Kelompokan obyek 5.Jika kelompok data hasil perhitungan baru sama dengan hasil perhitungan kelompok data baru maka selesailah perhitungannya. Diketahui : Jumlah Cluster = 3, jumlah data =10, jumlah atribut= 8

3. HASIL DAN PEMBAHASAN Analisis Kebutuhan Website pemetaan hasil laut merupakan web yang dibangun untuk memberikan informasi tentang hasil laut. Web yang dibangun dapat memudahkan masyarakat untuk memperoleh informasi tentang hasil laut yang dapat diakses dengan berbagai macam perangkat seperti smartphone dan tablet serta mampu memberikan tampilan yang sesuai dengan tampilan pada saat diakses dengan menggunakan komputer dan laptop. Informasi yang ditampilkan menggunakan website tentang pemetaan hasil laut dapat berjalan pada platform Windows, dan dibuat dengan menggunakan bahasa pemrograman MySQL untuk pengelolaan data dan sebagai penyimpanan database itu sendiri. Untuk lebih jelasnya perhatikan gambar di bawah ini. Internet

server2

Konsumen computer

Perhitungan untuk mendapatkan nilai cluster Untuk mengukur jarak antara dengan pusat cluster digunakan Euclidian Distance, kemudian akan didapatkan matriks jarak yaitu Cluster. Rumus Euclidian Distance:

Hasil Pengujian dengan Matlab Pengujian data tiap jenis hasil laut dengan Software matlab menghasilkan data berupa Nilai cluster centroids seperti pada Gambar 15 berikut :

298

Admin

pengguna

User

Gambar 5. Analisis kebutuhan Kebutuhan Khusus Kebutuhan khusus meliputi kebutuhan antarmuka dan kebutuhan fungsionalitas perangkat lunak. Kebutuhan antarmuka eksternal dapat dibagi menjadi tiga yaitu kebutuhan antarmuka pemakai, antarmuka perangkat keras dan antarmuka perangkat lunak. 1) Kebutuhan antarmuka eksternal a. Antarmuka pengguna Pengguna dari PHLKA yaitu user yang bisa mengoperasikan laptop atau PC. Alamat webgis PHLKA dimasukkan kedalam ExAddress bar pada Mozilla atau aplikasi lain yang dapat mengakses internet, selanjutnya user sudah dapat menggunakan webgis PHLKA sesuai kebutuhan user. b. Antarmuka perangkat keras

PROSIDING SEMMAU 2016 Perangkat yang digunakan untuk menjalankan pemetaan daerah endemik malaria dan kaki gajah berbasis lokasi (PHLKA) tersebut adalah : 1) Leptop Acer 32 Bit/ 64 Bit processor Intel® Celeron ® CPU N2840 2) RAM 2 GB 3) Hardisk 500 GB 4) Printer Canon IP 2770 c. Antarmuka perangkat lunak Kebutuhan perangkat lunak yang digunakan untuk membagun SIG PHLKA antara lain : 1) Nama : Google maps API Sumber : Goog Fungsi : Menampilkan Peta 2) Nama : personal home page (PHP). Sumber : PHP/FI Fungsi : sebagai bahasa pemrograman 3) Nama : Xampp Sumber : Apache Friends Fungsi : sebagai tool yang memiliki d c paket perangkat lunak. 4) Nama : Operamini, Mozilla, Internet c Explorer dan Google Chrome Sumber : Opera, Mozilla, Microsoft c dan Google Fungsi : sebagai web browser 5) Nama : Microsoft windows 7 Ultimate Sumber : Microsoft Fungsi : Sistem operasi

2. Sequence diagram Sequence diagram adalah suatu diagram yang menggambarkan interaksi antar objek di dalam sebuah sistem. Interaksi tersebut berupa pesan yang digambarkan terhadap waktu. Sequence diagram terdiri dari dimensi horizontal (objek-objek) dan dimensi vertikal (waktu). Perancangan sequence diagram dapat di lihat pada gambar berikut ini. a. Sequence diagram login administrator

1. Use case diagram Use case diagram merupakan model diagram PHLKA yang digunakan untuk menggambarkan requirement fungsional yang diharapkan dari sebuah sistem. Use case diagram menekankan pada “siapa” melakukan “apa” dalam lingkungan sistem perangkat lunak yang akan dibangn. Use case diagram sebenarnya terdiri dari dua bagian besar yaitu Use case diagram dan Use case description. Untuk lebih jelas dapat dilihat pada gambar berikut:

Gambar 8. Sequence diagram Beranda c. Sequence diagram informasi profil

Gambar 7. Sequence diagram login administrator b. Sequence diagram informasi beranda

Gambar 9. Sequence diagram informasi profil a. Sequence diagram informasi berita

Gambar 6. Usecase diagram

299

Gambar 10. Sequence diagram informasi berita

PROSIDING SEMMAU 2016 b.

Sequence diagram informasi gallery

b. Antamuka menu profil

Gambar 15. Antarmuka menu profil c. Antarmuka menu berita

c.

Gambar 11. Sequence diagram informasi Gallery Sequence diagram informasi peta

Gambar 16. Antarmuka menu berita d. Antarmuka menu gallery

Gambar 12. Sequence diagram informasi peta d. Sequence diagram informasi kontak

Gambar 17. Antarmuka menu gallery e. Antarmuka menu peta

Gambar 13. Sequence diagram kontak 1. Perancangan antarmuka a. Antarmuka beranda Gambar 18. Antarmuka menu peta

Gambar 14. Antarmuka menu beranda

300

4 HASIL DAN PEMBAHASAN Implementasi a. Antarmuka beranda Antarmuka beranda merupakan antarmuka awal ketika user melakukan penginputan alamat

PROSIDING SEMMAU 2016 website secara valid. Pada antarmuka menu beranda terdapat informasi tentang gambaran umum dari Kabupaten Alor dan hasil laut. Halaman beranda dapat dilihat pada gambar berikut

Gambar 19. Menampilkan halaman beranda b. Antarmuka profil Antarmuka profil adalah antarmuka yang berisi tentang informasi, profil terdapat beberapa sub menu terdiri dari: visi misi, geografis, data kecamatan dan alamat kantor perikanan, dan setiap menu ada berbagai macam informasi seperti pada gambar berikut ini: 1. Antarmuka Visi misi

Gambar 20. Menampilkan halaman beranda

Gambar 22. Menampilkan halaman data kecamatan c. Antarmuka berita Antarmuka menu Berita terdapat informasi mengenai hasil laut dan keindahan laut, seperti pada gambar berikut ini:

Gambar 23. Menampilkan halaman berita d. Antarmuka gallery Antarmuka gallery adalah antarmuka yang berisi informasi tentang gambar-gambar hasil laut dan daerah kabupaten alor, seperti pada gambar berikut ini:

2. Antarmuka geografis

Gambar 24. Menampilkan halaman gallery Gambar 21. Menampilkan halaman geografis 3. Antarmuka data kecamatan

301

e. Antarmuka peta Antarmuka peta adalah antarmuka yang berisi informasi tentang daerah-daerah yang

PROSIDING SEMMAU 2016 potensial, pengunjung dapat memilih jenis ikan dan dapat melihat juga daerah potensial, seperti pada gambar berikut ini:

Gambar 25. Menampilkan halaman beranda f. Antarmuka kontak Antarmuka kontak dapat digunakan oleh user untuk menyampaikan pesan, keluhan, pujian, masukan tentang hasil laut yang ada di Kabupaten Alor. Pada halaman ini user diminta untuk menginputkan nama, email dan pesan.

Gambar 26. Menampilkan halaman kontak Pembahasan A. Pengujian Program 1. Davies-Bouldin Index Metrik Davies-Bouldin Index (DBI) diperkenalkan oleh David L. Davies dan Donald W. Bouldin (1979) yang digunakan untuk mengevaluasi cluster. Validasi internal yang dilakukannya adalah seberapa baik clustering sudah dilakukan dengan menghitung kuantitas dan fitur turunan dari set data. Sum of square within cluster (SSW) sebagai metrik kohesi dalam sebuah cluster ke-i diformulasikan oleh persamaan [3]. SSWi = 1/2∑

d(xj,ci

mi adalah jumlah data yang berada dalam cluster kei, sedangkan ci adalah centroid cluster ke-i suku d() dalam persamaan bisa menggunakan formula ketidakmiripan. Hal ini biasanya disesuikan dengan formula ketidakmiripaan (jarak) yang digunakan ketika proses pengelompokan sehingga validasi yang diberikan juga mempunyai maksud yang sama terhadap proses pengelompokan. Sementara metrik untuk seperasi antara dua cluster, misalnya cluster i dan j, digunakan formula

302

sum of square between cluster (SSB) dengan mengukur jarak antara centroid ci dan cj seperti pada persamaan berikut: SSBi,j =d(ci , cj) Didefinisikan Rij adalah ukuran rasio seberapa baik nilai perbandingan antara cluster ke-i dan cluster kej. Nilai didapatkan dari kelompok kohessi dan separasi. Cluster yang baik adalah yang mempunyai kohesi yang sekecil mungkin dan separasi yang sebesar mungkin. Rij diformulasikan oleh persamaan berikut: Ri,j= , Sifat-sifat yang dimiliki Rij sebagai berikut: 1. Ri,j ≥ 0 2. Ri,j = Rj,i 3. Jika SSWj ≥ SSWr dan SSBi,j = SSBi,r maka Ri,j ˃ Ri,r 4. Jika SSWj = SSWr dan SSBi,j ≤ SSBi,r maka Ri,j ˃ Ri,r Nilai Davies-Bouldin Index (DBI) didapatkan dari persamaan berikut: K= adalah jumlah cluster yang digunakan. Dari syarat-syarat perhitungan yang didefinisikan diatas, dapat diamati bahwa semakain kecil nilai SSW maka hasil clustering yang didapat juga lebih baik secara esensial, DBI menginginkan nilai sekecil (Non-negatif ≥ 0) mungkin untuk menilai baiknya cluster yang didapat. Index tersebut didapat dari rata-rata semua index cluster, dan nilai yang didapat bisa digunakan sebagai pendukung keputusan untuk menilai jumlah cluster yang palig cocok diginakan. DBI juga banyak digunakan untuk membantu K-means dalam menentukan jumlah cluster yang tepat untuk digunakan karan biasanya K-means belum bisa mengetahui berapa cluster yang digunakan untuk clustering data.

PROSIDING SEMMAU 2016 Contoh perhitungan jarak data dalam cluster 1 ke centroid-nya sebagai berikut:

Berikut ini R yang pdidapatkan dari persamaan: R1,2 = R1,3 = Nilai SSW untuk cluster 2 dan 3 di hitung dengan cara yang sama seperti diatas: Tabel 13. Perhitungan SSW hasil clustering cakalang, pada validasi dengan Davies-Bouldin Index

SSb didapatkan dengan menghitung jarak (Euclidean) antar-centroid, hasilnya disajikan seperti pada perhitungan SSB pasangan diantara 3 cluster tersebut sebagai berikut:

Tabel 14. Perhitungan SSB hasil clustering cakalang pada validasi dengan Davies-Bouldin Index

303

R2,3 =

,

,

,

= = =

= 57,21452

,

, ,

, ,

= 280,5606 = 1,177283

Tabel 15. Perhitungan R dan DBI hasil clustering tembang pada validasi dengan Davies-Bouldin Index

2. Pengujian Penguna Pengujian unjuk kerja dilakukan dengan melakukan pengujian terhadap responden pengguna webgis P-HLKA, untuk mendapatkan jumlah responden penulis menggunakan teknik Solvin. Rumus Solvin untuk menentukan jumlah sampel minimal (n) jika diketahui ukuran populasi (N) pada " taraf signifikanan α adalah : ! . Hasil "#$ perihitungan diperoleh 20 responden dari kalangan masyarakat umum khususnya yang sudah terbiasa dengan teknoligi internet. Responden diberikan pertannyaan kuesioner, hasil dari responden pengguna aplikasi dapat dilihat pada Tabel 10 berikut :

PROSIDING SEMMAU 2016 5.

KESIMPULAN Berdasarkan hasil penelitian dan pengamatan selama melakukan pengumpulan data yang berhubungan dengan monitoring dan distribusi hasil laut di Dinas Perikanan Kabupaten Alor maka penulis mengambil kesimpulan bahwa dengan menggunakan komputer dan memiliki website akan meningkatkan efisiensi kerja pada Dinas Perikanan Kabupaten Alor dan sistem baru ini mempermudah dalam mengolah data dengan melakukan penambahan, pengubahan penghapusan data sehingga bila diperlukan informasi dapat dilihat dengan mudah. REFERENSI [1] BPS Kabupaten Alor, 2012. Buku [2] Juhadi dan Liesnoor, 2006. Pemetaan dengan mengelompokkan suatu kumpulan wilayah yang berkaitan dengan beberapa letak geografis [Internet]. [diunduh 20 februari 2016]; Bandung (ID): Universitas Pasudan.

304

PROSIDING SEMMAU 2016 SISTEM PENDUKUNG KEPUTUSAN PENENTUAN CALON PENERIMA RUMAH BANTUAN MENGGUNAKAN METODE PROMETHEE Dony M Sihotang Fakultas Sains dan Teknik, Universitas Nusa Cendana [email protected]

Abstrak Proses pemberian rumah bantuan pada Dinas Pekerjaan Umum Kabupaten Timor Tengah Selatan merupakan salah satu kebijakan pemerintah dalam upaya untuk meningkatkan kesejahteraan masyarakat. Pada proses ini sering menimbulkan konflik karena terjadi kesalahan di dalam proses penyeleksiannya. Pada Penelitian ini dilakukan perancangan dan pembuatan aplikasi sitem pendukung keputusan dengan mengunakan metode PROMETHEE (preference rangking organization for enrichment evaluation) dimana proses diawali dengan memasukan data calon peserta, data kriteria, data penggolongan kriteria dan data penilaian untuk selanjutnya diseleksi dan dilakukan perangkingan calon peserta penerima rumah bantuan. Pengujian sistem dilakukan dengan membandingkan hasil dari sistem dan hasil penerima rumah bantuan dari panitia pemberian rumah bantuan. Hasil pengujian pertama tahun 2011 pada desa Enoneontes sebanyak 27 data, diperoleh hasil yang sama antara hasil perhitungan dari sistem dan hasil verifikasi, pada tahun 2012 pada desa Billa sebanyak 33 data, diperoleh hasil perangkingan yang berbeda dengan hasil verifikasi, dan pada tahun 2013 pada desa Fatumnasi sebanyak 41 data, diperoleh hasil perangkingan yang berbeda dengan hasil verifikasi dari panitia, karena pada sistem perangkingan dilakukan berdasarkan nilai net flow tertinggi hingga terendah sedangkan pada hasil penerima rumah bantuan dari panitia, berdasarkan berapa banyak jumlah kriteria yang dipenuhi. Kata Kunci : Calon penerima rumah bantuan, Sistem Pendukung Keputusan, PROMETHEE.

1.

PENDAHULUAN Proses penyeleksian calon penerima rumah bantuan yang saat ini berjalan pada Dinas Pekerjaan Umum Kabupaten TTS sering kali terjadi pemberian rumah bantuan yang salah sasaran disebabkan adanya unsur kekeluargaan dan proses penyeleksiannya masih dilakukan dengan cara manual, yaitu proses penyeleksiannya dilakukan dengan cara menilai kriteria-kriteria yang ada dengan melihat setiap batasan maksimal dan batasan minimal pada suatu kriteria kemudian ditentukan apakah kriteria itu dipenuhi atau tidak oleh pendaftar. Cara yang sama dilakukan untuk masingmasing kriteria terhadap setiap alternatif yang ada, sehingga dalam penentuan calon penerima rumah bantuan juga membutuhkan waktu yang cukup lama untuk mengecek kembali berapa alternatif yang telah memenuhi sejumlah kriteria yang ada untuk di jadikan alternatif yang terpilih sebagai penerima rumah bantuan, karenanya perlu dibuat suatu sistem pendukung keputusan yang dapat membantu proses penyeleksian yang sedang berjalan pada Dinas Pekerjaan Umum Kabupaten TTS. Untuk membuat sistem pendukung keputusan tersebut, metode promethee akan diimplementasikan pada sebuah Aplikasi. Metode promethee akan menghasilkan perangkingan calon penerima rumah bantuan berdasarkan nilai net flow tertinggi hingga

305

terendah untuk dijadikan acuan dalam pengambilan keputusan. 2.

KAJIAN LITERATUR Promethee adalah suatu metode penentuan urutan (prioritas) dalam analisis multikriteria. Masalah pokoknya adalah kesederhanaan, kejelasan, dan kestabilan. Dugaan dari dominasi kriteria yang digunakan dalam promethee adalah penggunaan nilai dalam hubungan outranking [1]. Promethee adalah metode peringkat yang cukup sederhana dalam konsep dan aplikasi dibandingkan dengan metode lain untuk analisis multikriteria [2]. Kaidah yang digunakan dalam penetapan propritas alternatif yaitu:

Max{f1(a),f2(a),f3(a),..,fk(a)|a∈R}

(1)

dimana k adalah sejumlah kumpulan alternatif, dan fi (i = 1, 2,....,k) merupakan nilai/ukuran relatif kriteria untuk masing-masing alternatif. Dalam aplikasinya sejumlah kriteria telah ditetapkan untuk menjelaskan k yang merupakan penilaian dari R (real world). Promethee termasuk dalam keluarga dari metode outranking yang dikembangkan oleh B. Roy, dan meliputi dua fase: a. Membangun hubungan outranking dari k.

PROSIDING SEMMAU 2016 b. Eksploitasi dari hubungan ini memberikan jawaban optimasi kriteria dalam paradigma permasalahan multikriteria. Dalam fase pertama, nilai hubungan outranking berdasarkan pertimbangan dominasi masing-masing kriteria.Indeks preferensi ditentukan dan nilai outranking secara grafis disajikan berdasarkan preferensi dari pembuat keputusan. Data dasar untuk evaluasi dengan metode Promethee disajikan dalam tabel 1: Tabel 1. Data Dasar Analisis Promethee [3]

Penelitian yang dilakukan oleh [6] dalam jurnalnya yang berjudul “Optimasi Multi-kriteria Menggunakan Metode Promethee”, kriteria-kriteria yang di pakai dalam contoh kasus yang diambil adalah jumlah pekerja, kekuatan listrik, biaya konstruksi, biaya perawatan, jumlah rumah yang di gusur, tingkat keamanan. Sedangkan alternatifalternatif yang digunakan adalah Garut, Tasikmalaya, Cianjur, Suka Bumi, Bogor, dan Tanggerang. Pada penelitian ini menghasilkan pengambilan keputusan pada situasi di mana beberapa tujuan yang sering kali saling bertentangan serentak harus dipenuhi secara optimal, dengan mempertimbangkan terbatasnya sumber daya yang ada. 3.

Telah banyak penelitian yang dilakukan dengan metode Promethee [4], dalam jurnalnya yang berjudul “Sistem Pendukung Keputusan (SPK) mengunakan metode promethee, (Studi Kasus: Pengisisan Bahan Bakar Umum)”, pada penelitian ini kriteria yang digunakan adalah luas tanah, harga tanah, kepadatan lalu lintas, banyak jalur angkutan, jarak dengan SPBU lain, dan administrasi. Sedangkan alternatif yang digunakan dalam penelitian ini yaitu jalan Kota Baru, Jalan Sungai Raya, Jalan Pancasila, Jalan Siantan, Jalan Podomoro dan Jalan Supadio. Sistem Pendukung Keputusan menggunakan metode promethee yang menghasilkan rangking berdasarkan ukuran leaving flow, entering flow, dan net flow dari setiap alternatif. Penelitian dengan metode yang sama dilakukan oleh [5]. Dalam penelitiannya yang berjudul “Sistem Pendukung Keputusan untuk menentukan peserta JAMKESMAS”, kriteriakriteria yang digunakan dalam penelitian ini adalah luas lantai per anggota rumah tangga, jenis lantai rumah, jenis dinding rumah, fasilitas buang air besar (jamban), sumber air minum, penerangan yang digunakan, bahan bakar yang digunakan, frekuensi makan dalam sehari, kemampuan membeli daging/ayam/susu dalam seminggu, kemampuan membeli pakian baru bagi setiap anggota rumah tangga, kemampuan berobat ke Puskesmas/poliklinik, lapangan kerja kepala rumah tangga, pendidikan kepala rumah tangga dan kepemilikan aset/barang berharga, sedangkan alternatif-alternatif yang digunakan adalah calon peserta Jamkesmas yang telah mendaftarkan diri. Sistem ini menghasilkan urutan rangking dari calon peserta Jamkesmas yang telah diseleksi, dan dapat membantu para pengambil keputusan dalam penentuan peserta Jamkesmas.

306

METODE PENELITIAN Proses dimulai dengan penyerahan data calon penerima rumah bantuan kepada panitia (gambar 1). Selanjutnya panitia akan melakukan pengecekan kelengkapan dokumen para calon penerima rumah bantuan. Jika dokumen belum lengkap maka panitia akan mengembalikan dokumen kepada calon penerima rumah bantuan untuk dilengkapi. Sebaliknya jika dokumen sudah lengkap maka panitia mulai mengisi biodata calon perima rumah bantuan untuk diseleksi berdasarkan kriteria dengan cara melihat kriteria mana yang di penuhi oleh calon penerima rumah bantuan yang akan digunakan untuk menentukan hasil penyeleksian calon penerima rumah bantuan dan akan menghasilkan laporan hasil perankingan yang akan digunakan dalam pengambilan keputusan.

Gambar 1. Flowchart sistem yang sedang berjalan

PROSIDING SEMMAU 2016 Pada sistem yang dibuat terdapat perbedaan pada proses penyeleksian, dimana proses penyeleksian pada sistem yang lama masih dilakukan secara manual dan pada sistem yang baru digunakan perhitungan PROMETHEE dalam menyeleksi calon penerima rumah bantuan dan menghasilkan hasil perankingan yang akan diberikan ketua tim verifikasi untuk dijadikan acuan dalam pengambilan keputusan. Flowchart sistem baru dapat dilihat pada gambar 2.

Gambar 2. Flowchart sistem yang diusulkan 4.

HASIL DAN PEMBAHASAN Telah dilakukan pengujian terhadap 41 data calon penerima bantuan. Hasil perhitungan promethee dari data tersebut dapat dilihat pada tabel 2. Sedangkan hasil verifikasi dari panitia calon penerima rumah bantuan pada tahun 2013 Desa Fatumnasi Kecamatan Kuatnana adalah Anselmus Penu, Yosina Tuan, Tobias Atti. Hasil tersebut menunjukan terdapat beberapa perbedaan dari sistem pendukung keputusan dengan metode promethee dengan hasil yang diperoleh dari tim verifikasi. Hasil dari sistem pendukung keputusan yang dibangun menunjukan ranking pertama atas nama Tobias Atti sedangkan dari hasil verifikasi untuk rangking 1 adalah Anselmus Penu. Jika dilihat dari kriteria yang dimiliki oleh masingmasing calon penerima rumah bantuan dan nilai bobot pada setiap kriteria maka calon penerima rumah bantuan Tobias Atti lebih layak menjadi

307

calon penerima rumah bantuan dengan nilai net flow Tobias Atti yaitu 0,19 dan Anselmus Penu yaitu 0,19. Tabel 2. Hasil perangkingan dari SPK

Calon penerima rumah bantuan Anselmus Penu mendapat rangking 2 hasil dari sistem pendukung keputusan dan hasil dari verifikasi. Jika dilihat dari kriteria yang dimiliki oleh calon penerima rumah bantuan dan nilai bobot pada setiap kriteria maka calon penerima rumah bantuan Anselmus Penu layak menjadi calon penerima rumah bantuan dengan nilai net flow sama dengan Yosina Tuan yaitu 0,9. Calon penerima dengan nama Yosina Tuan mendapat rangking 3 pada hasil dari sistem pendukung keputusan dan hasil verifikasi. Jika dilihat dari kriteria yang dimiliki oleh masingmasing calon penerima rumah bantuan dan nilai bobot pada setiap kriteria maka calon penerima rumah bantuan Yosina Tuan layak menjadi calon penerima rumah bantuan dengan nilai net flow sama dengan Anselmus Penu yaitu 0,9. 5. KESIMPULAN 1) Dari pengujian Desa Fatumnasi memberikan hasil yang lebih pantas (obyektif) dari hasil yang diberikan oleh tim verifikasi. 2) Dari pengujian sistem yang dilakukan dengan membandingkan hasil dari sistem yang dibangun dengan hasil verifikasi yang diperoleh dari panitia

PROSIDING SEMMAU 2016 penentuan calon penerima rumah bantuan, dengan menggunakan penggolongan kriteria yang ditentukan yaitu kriteria umur, penghasilan, tanggungan jiwa, pekerjaan, jenis kerusakan lantai, jenis kerusakan dinding, jenis kerusakan atap dan jenis kerusakan rumah maka sitem yang dibangun mengunakan metode promethee lebih pantas digunakan karena menghasilkan perangkingan berdasarkan nilai net flow dari yang tertinggi hingga yang terendah.

[1]

[2]

[3]

[4]

[5]

[6]

308

REFERENSI Deshmukh, S.C., 2013, Preference Ranking Organization Method of Enrichment Evaluation (Promethee), International Journal of Engineering Science Invention, Vol. 2: 2834. Tomic, V., 2011, Promethee Method Implementation With Multi-Criteria Decisions, Facta Universitatis, Vol. 9: 193-202. Siregar, D.C., 2016, Analisis Kinerja Supplier Bahan Baku dengan Metode AHP dan Promethee, Skripsi, Fakultas Teknik, Medan. Yuwono, B., Kodong, F.R., Yudha, H.A., 2011, Sistem Pendukung Keputusan Menggunakan Promethee (Studi kasus: Stasiun Pengisian Bahan Bakar Umum), TELEMATIKA, Vol 8 No.1: 63-74. Arsita, R., 2013, Sistem Pendukung Keputusan Penerima Jaminan Kesehatan Masyarakat (JAMKESMAS) dengan Metode Promethee, Pelita Informatika Budi Darma, Vol IV: 106114 Optimasi Santika, K., 2013, MultikriteriaMenggunakan Metode Promethee, JBPTUNIKOMPP, 1-4.

PROSIDING SEMMAU 2016 0SISTEM INFORMASI GEOGRAFIS POLA PENYEBARAN UMAT BERAGAMA DI KABUPATEN TIMOR TENGAH UTARA MENGGUNAKAN METODE K-MEANS CLUSTERING Yovita Hilda Helly1, Yampi Kaesmetan2, Mardhalia Saitakela3, Program Studi Teknik Informatika Strata SatuSTIKOM Uyelindo Kupang 3 Email:[email protected], [email protected], [email protected] Abstrak Kabupaten Timor Tengah Utara merupakan salah satu Kabupaten yang berada di wilayah provinsi Nusa Tenggara Timur. Secara geografis kabupaten Timor Tengah Utara terletak antara 9º 02’ 48” dan 9º 37’ 36” lintang selatan dan antara 124º 04’ 02” dan 124º 46’ 00” bujur timur. Kabupaten Timor Tengah Utara memiliki jumlah penduduk sebanyak 243.984 jiwa, dengan luas wilayah sebesar 2.669,7 km2. Secara administrasi pemerintahan, kabupaten Timor Tengah Utara memiliki 24 kecamatan, 33 kelurahan dan 161 desa. Sebagian besar penduduk di kabupaten Timor Tengah Utara memeluk agama Katolik, namun seiring bertambahnya waktu banyak pendatang yang tinggal dan menetap. Selain menetap para pendatang yang umumnya berasal dari Jawa, Makasar dan Bali, juga membawa ajaran agama mereka masuk ke kabupaten ini. Berdasarkan jumlah serta kepadatan penduduk di 24 kecamatan yang ada maka perlu diketahui pola penyebaran umat beragama di kabupaten tersebut. Pola penyebaran ini sangat penting untuk diketahui agar dapat membantu pihak Kementrian Agama dalam mengontrol serta memantau setiap kegiatan keagamaan. Pengelompokan ini dibuat untuk membantu pihak Kementrian Agama serta memberikan informasi kepada masyarakat mengenai penyebaran umat beragama di kabupaten Timor Tengah Utara yang dapat dilihat melalui website Kementrian Agama Kabupaten Timor Tengah Utara. Metode K-means digunakan untuk mengelompokan agama dan rumah ibadah untuk mengetahui wilayah mana yang lebih dominan dengan agama tertentu. Kata kunci: K-means, Penyebaran, Timor Tengah Utara, Umat Beragama, Website. 1. PENDAHULUAN Kabupaten Timor Tengah Utara merupakan salah satu Kabupaten yang ada di Provinsi Nusa Tenggara Timur. Berdasarkan data dari Badan Pusat Statistik, Kabupaten TTU memiliki jumlah penduduk sebanyak 297.181 jiwa pada tahun 2014. Penyebaran penduduk di Kabupaten TTU masih dikatakan tidak merata, karena masyarakat pedesaan memiliki jumlah penduduk lebih sedikit serta jarang. Sedangkan untuk masyarakat yang berada di dalam Kota Kefamenanu, memiliki jumlah penduduk yang padat. Sehingga dapat dilihat dengan jelas pula pola penyebaran umat beragama masyarakat pedesaan dengan masyarakat perkotaan. Berdasarkan data yang diambil pada Kementrian Agama, Kabupaten TTU memiliki jumlah umat beragama Katholik sebanyak 281.668 jiwa, Kristen Protestan 15.226 jiwa, Islam 97 jiwa, Hindu/Budha dan lainnya sebanyak 190 jiwa. Dengan kata lain, sebagian besar penduduk Kabupaten TTU adalah umat beragama Katholik. Sering bertambahnya waktu, Kabupaten TTU, khususnya Kota Kefamenanu sudah banyak mengalami perkembangan mengenai umat beragama yang diakibatkan oleh banyaknya para pendatang yang berasal dari Makasar, Jawa, Bali, serta daerah-daerah dari luar Pulau Timor maupun dari luar Provinsi Nusa Tenggara Timur. Para pendatang tinggal dan menetap, serta berbaur dengan masyarakat lokal. Selain mengembangkan

309

usaha mereka di Kota Kefa, mereka juga membawa ajaran-ajaran kepercayaan mereka masuk di Kota Kefa. Dengan melihat jumlah serta kepadatan penduduk, perlu diketahui pula pola penyebaran umat beragama di Kabupaten TTU. Pola penyebaran ini sangat penting untuk diketahui, agar memudahkan Kementrian terkait dalam hal ini Kementrian Agama dalam mengontrol serta memantau setiap kegiatan keagamaan agar tidak mengganggu kenyamanan umat beragama yang lain. Dengan dibuatnya pengelompokan atau cluster umat beragama, maka proses sosialisasi keagamaan, penempatan guru-guru agama serta rohaniawan serta pembangunan rumah ibadah akan lebih mudah dan tidak akan mengecewakan pihak manapun, sehingga kerukunan hidup antar umat beragama dapat tercapai dan tidak terjadi konflik antar umat beragama. Ada beberapa faktor yang dapat mempengaruhi terjadinya konflik antar umat beragama, yaitu perbedaan doktrin dan sikap mental, perbedaan suku dan ras pemeluk agama, perbedaan tingkat kebudayaan, dan yang terakhir adalah masalah mayoritas dan minoritas golongan agama. Hampir di setiap daerah sering terjadi konflik dengan masalah mayoritas dan minoritas, salah satu contoh pada kasus pengrusakan rumah ibadah di Desa Bijeli pada tahun 2013 lalu. Dimana massa (umat Katholik) melakukan pengrusakan rumah ibadah umat Kristen Protestan, hal ini terjadi


karena kurang adanya komunikasi dan koordinasi yang baik antara tokoh-tokoh agama dengan pihak Kementrian Agama. Dangan adanya kejadian seperti itu, pihak Kementrian Agama harus lebih berhati-hati dalam memberikan izin untuk menempatkan dan membangun sebuah rumah ibadah di suatu desa. Sistem Informasi Geografis (SIG) adalah sistem yang berbasis komputer yang digunakan untuk menyimpan data spasial dan manipulasi informasi geografis dan menyajikan informasi dalam bentuk tata letak, lokasi, dan kondisi suatu daerah dengan menggunakan peta sebagai antar muka. Pengembangan perangkat lunak basis data digital-map yang dikenal dengan SIG, dapat dimanfaatkan dalam pemetaan penyebaran umat beragama di sebuah kota Kabupaten atau Provinsi. Berdasarkan pengamatan di lapangan, penyebaran umat beragama di kabupaten TTU kurang terdata dengan baik. Kementrian Agama Kabupaten TTU belum menyediakan sebuah sistem untuk mengetahui pola penyebaran umat beragama di Kabupaten TTU. Tujuan dari penelitian ini adalah membuat rekayasa SIG berbasis web untuk pola penyebaran umat beragama dan melakukan analisa cluster pola penyebaran umat beragama menggunakan metode K-Means sehingga mempermudah dalam melihat pola penyebaran umat beragama di Kabupaten TTU. Adapun penelitian terdahulu yang berkaitan dengan penelitian ini berjudul Sistem informasi geografis berbasis web untuk pemetaan sebaran alumni menggunakan metode K-Means. [1] SIG berbasis web untuk pemetaan data sebaran alumni Polines, bertujuan untuk mengetahui jumlah populasi alumni di masing-masing provinsi, selain itu juga melakukan analisa klaster data sebaran alumni menggunakan metode K-Means, untuk mengetahui tingkat kesesuaian bidang kerja yang didapat alumni dengan kompetensi program studi. Pada tesis ini, dikaji suatu sistem untuk pemetaan sebaran alumni yang bertujuan untuk mengukur tingkat kesesuaian bidang kerja dengan kompetensi masing-masing program studi. Pemetaan sebaran alumni dilakukan dengan pengelompokkan data menggunakan metode clustering K-Means. Mekanisme pengelompokan atau clustering pada sistem ini didasarkan pada empat variabel penelitian yaitu jenis perusahaan, klasifikasi jabatan, bidang kerja, dan kompetensi prodi. Sedangkan letak geografis alumni akan digunakan sebagai filtering data pada saat pengguna memilih lokasi pemetaan data alumni di suatu wilayah provinsi. Dalam penelitian ini klaster terbagi 3 (tiga) macam, yaitu : Klaster 1: Alumni dengan bidang kerja sesuai dengan kompetensi, Klaster 2: Alumni dengan bidang kerja kurang sesuai dengan kompetensi, dan Klaster 3: Alumni dengan bidang kerja tidak sesuai dengan kompetensi. Berdasarkan

310

data yang diperoleh dari data primer maupun data sekunder sejumlah 100 orang alumni yang bekerja di pulau Jawa. Diperoleh hasil 51 alumni bekerja sesuai dengan kompetensinya, sedangkan 23 alumni dengan pekerjaan kurang sesuai dan 26 alumni tidak sesuai dengan kompetensinya. Sistem informasi geografis visualisasi clustering penyakit ISPA di Kecamatan Kaliwungu. Penelitian ini bertujuan membuat sebuah Sistem Informasi Geografis (SIG) penyakit Infeksi Saluran Pernapasan Akut (ISPA) yang memudahkan masyarakat untuk mengenal ISPA dan lokasi yang berpotensi ISPA di Kecamatan Kaliwungu, Yogyakarta. ISPA terjadi karena virus yang bervariasi namun mampu menyebabkan penambahan angka kematian terutama bagi balita di Indonesia. ISPA merupakan sebuah penyakit infeksi yang menyerang salah satu bagian atau lebih dari saluran napas, mulai dari hidung hingga alveoli. Di Kecamatan Kaliwungu angka penyebarannya per tahunnya mencapai angka 400 pasien lebih, sampai saat ini, dan tidak ada sistem informasi geografis. Diharapkan masyarakat dapat mengetahui tentang apa itu ISPA dan penyebaran penyakit ISPA di wilayah Kecamatan Kaliwungu lebih detail dan membentuk masyarakat tanggap ISPA dengan adanya visualisasi hasil clustering. Pihak medis mampu menyelesaikan target pemberantasan penyakit ISPA P2 dari Dinas Kesehatan [2]. Clustering merupakan pekerjaan yang memisahkan data atau vector ke dalam sejumlah kelompok (cluster) menurut karakteristiknya masing-masing. Data-data yang mempunyai kemiripan karakteristik akan berkumpul dalam cluster yang sama, dan data-data dengan karakteristik berbeda akan terpisah dalam cluster yang berbeda. Tidak diperlukan label kelas untuk setiap data yang diproses dalam clustering, karena nantinya label baru bisa diberikan ketika cluster sudah dibentuk [3]. 2. METODE PENELITIAN Metode penelitian merupakan sebuah langkah atau prosedur yang akan dilakukan dalam pengumpulan data atau informasi guna memecahkan permasalahan dan menguji hipotesis penelitian. Metode penelitian yang digunakan untuk memperoleh data-data yang diperlukan dalam penelitian ini adalah: 1. Pengambilan data primer Pengambilan data primer dilakukan dengan cara sebagai berikut: a. Wawancara Pengumpulan data dengan cara wawancara ini dilakukan untuk mencari data dan informasi tentang hal-hal yang dibutuhkan dalam proses penelitian. Wawancara dilakukan dengan lembaga terkait yang dijadikan objek penelitian


yaitu Kantor Kementrian Agama Kabupaten Timor Tengah Utara. b. Observasi Penelitian ini dilakukan pada saat pendataan umat beragama yang ada di setiap kecamatan yang ada di wilayah Kabupaten Timor Tengah Utara. 2. Pengambilan data sekunder Untuk mendapatkan data, gambaran atau keterangan yang lebih lengkap peneliti menggunakan studi literatur dengan cara mengumpulkan beberapa literatur yang terkait dengan judul penelitian yang diambil terutama yang berkaitan dengan Sistem Informasi Geografis, Clustering, serta hal-hal yang berkaitan dengan agama. Sumber literatur yang diambil berupa buku, paper, jurnal, karya ilmiah dan situs-situs penunjang lainnya.

General Web Design Defelopment Life Cycle Derived From Literature Planni Analy Desi Implem Pub Mainte ng sis gn entation lish nance

Bahan Penelitian

Sistem Informasi Geografi Pola Penyebaran Umat Beragama Di Kabupaten Timor Tengah Utara (SIG PP-UBER) merupakan sebuah yang dibangun untuk membantu pihak Kementrian Agama Kabupaten Timor Tengah Utara untuk memberi informasi mengenai penyebaran umat beragama Di Kabupaten Timor Tengah Utara. SIG PP-UBER dibangun dengan menggunakan SPSS Statistics 18.0 untuk mengolah data umat beragama, Macromedia Dreamweaver MX 2004, Xampp dan ArcGis 10.1. SIG PP-UBER ini dikelola oleh admin untuk melakukan pengolahan database. Sedangkan user (pengguna) akan mengakses SIG PP-UBER melalui website Kementrian Agama Kabupaten Timor Tengah Utara. Dalam pengaksesannya, SIG PPUBER memerlukan media internet agar bisa mengakses website dan menampilkan petadengan baik. Untuk lebih jelasnya perhatikan gambar berikut ini :

Adapun bahan yang digunakan penulis untuk membuat program ini adalah 1. Data laporan umat beragama di Kabupaten TTU yang diperoleh dari kantor Kementrian Agama Kabupaten Timor Tengah Utara. 2. Peta Kabupaten Timor Tengah Utara yang akan dikembangkan. Bahan penelitian yang digunakan berupa file word dan excel yang berisi data rekapan umat beragama serta dokumentasi dan data spatial yang didapat dari hasil peneltian lapangan. Peralatan Penelitian Adapun peralatan yang digunakan dalam mendukung pengambilan dan pengolahan data dalam penelitian ini adalah: a. Perangkat lunak atau software, meliputi: 1. Sistem Operasi Windows 7 2. ArcGis 10.1 3. Microsoft office Excel 2007 4. Macromedia Dreamweaver MX 2004 5. SPSS Statistics 18.0 6. Web browser Mozilla Firefox 7. Xampp b. Perangkat keras, yaitu satu paket laptop dengan spesifikasi sebagai berikut: 1. Laptop Acer Aspire 4752Z, intel B950 processor (500GB HDD) 2. 2 GB DDR3 Memory 3. Printer Canon Pixma MP237 Prosedur Analisis Data Pada penelitian ini, dilakukan beberapa tahapan yang saling berkaitan antara satu tahap dengan tahap lainnya. Tabel 1. Prosedur Analisis Penelitian

311

Web develo pment planni ng

Web reque rment engin eering

Web aplic ation desig n

Web technica l impleme ntation

Web system operation

Comprehensive Web Based Development Life Cycle Derived From Case Studies 3. HASIL DAN PEMBAHASAN Perspektif Produk

Gambar 1. Arsitektur SIG PP-UBER Fungsi Produk Fungsi produk dari SIG PP-UBER adalah sebagai berikut : 1) Fungsi beranda Fungsi beranda merupakan fungsi yang digunakan untuk menampilkan halaman utama pada saat mengakses website KemenAg yang berisi

PR PROSIDING SEMMAU 2016

tentang informasi tentang Keme mentrian Agama Kabupaten TTU. 2) Fungsi profil Fungsi profil merupakann fungsi yang digunakan untuk menampilkan an profil dari Kementrian Agama yang berupa visi vis dan misi dari kantor Kementrian Agama, serta struktur organisasi. 3) Fungsi informasi keagamaan Fungsi informasi keagamaan an ini merupakan fungsi yang digunakan untuk meelihat informasi keagamaan yang berupa data umat um beragama, rumah ibadah dan rohaniawan di 24 kecamatan yang ada Di Kabupaten Timor Tenga gah Utara. 4) Fungsi peta sebaran umat beragam gama Fungsi peta sebaran umat um beragama merupakan fungsi untuk melihat pe penyebaran umat beragama, dan rumah ibadah di K Kabupaten TTU berupa peta 2 dimensi dan peta iterak raktif. 5) Fungsi login Merupakan fungsi yang digunakan d oleh admin untuk masuk dan melakuk ukan pengolahan data dari agama yang ada di Kabupaaten TTU. 6) Fungsi pengolahan data Merupakan fungsi yang digunakan d oleh admin untuk melakukan pengolaha ahan data seperti menambah data, mengubah dan men enghapus data.

Mulai

Mulai

Normalisasi

Jumlah cluster (K)

Tentukan centroid Clustering Ya Hitung jarak antara objek ke centroid dengan Euclidean Distance Objek data berpindah cluster

Peta

Selesai

Tidak

Selesai

Mengelompokan objek ke dalam cluster berdasarkan nilai jarak terkecil

Gambar 3. Flowchart rt metode K-means Metode Dalam Sistem Metode ini mempartisii data ke dalam cluster sehingga data yang memil iliki karakteristik yang sama dikelompokan ke dal alam satu cluster yang sama dan data yang mempun unyai karakteristik yang berbeda di kelompokan ke dalam d cluster yang lain. Secara umum algoritma dasar dari K-means Clustering adalah sebagai ber berikut: a) Tentukan jumlah cluster b) Tentukan titik pusat cluste ster c) Menghitung jarak objekk ddengan centroid Kelompokan objek il perhitungan baru sama d) Jika kelompok data hasil dengan hasil perhitungan an kelompok data baru maka selesai perhitungann annya. Berikut adalah langkah-la langkah pengoperasian metode K-means secara manu anual : Diketahui; Jumlah cluster=5, Jumlah data=24, Jumlah atribut=9.

Flowchart Sistem Flowchart sitem SIG PP-UB BER terbagi atas dua yaitu flowchart penggunaan SIG IG PP-UBER dan flowchart metode K-means Clustering Clu yang terdapat dalam aplikasi SIG PP-UBE BER. Mulai

Menampilkan Halaman Beranda

Tidak

Data

Tidak

Tidak

Profil

Informasi Keagamaan

Tidak

Peta Sebaran Umat Beragama

Tabel 2. Tabel sampel datase set jumlah umat beragama dan rumah ibadahh ttahun 2015

Login Login Gagal

Tidak

Login Berhasil

Ya Ya

Ya

Ya

Ya

Ya

Ya

Visi & misi

Struktur organisasi

Agama hindu / budha

Agama islam

Agama katolik

Agama kristen

Data Kecamatan

Menampilkan Halaman Visi & misi

Menampilkan Halaman struktur organisasi

Menampilkan Data agama Hindu/Budha

Menampilkan data agama Islam

Menampilkan data agama Katolik

Menampilkan data agama Kristen

Menampilkan Data Kecamatan

Selesai

Selesai

Selesai

Selesai

Selesai

Selesai

Selesai

Menampilkan peta sebaran umat beragama

Informasi Olah Data

Tidak

Ya

Ya

Ya

Ya

Selesai Olah Data Agama Hindu

Olah Data Agama islam

Olah Data Agama katolik

Olah Data Agama kristen

Olah Data Kecamatan

Menampilkan olah data agama Hindu

Menampilkan data agama Islam

Menampilkan data agama Katolik

Menampilkan olah data agama Kristen

Menampilkan olah data kecamatan Kab TTU

Selesai

Selesai

Selesai

Selesai

Selesai

Gambar 2. Flowchart SIG PP--UBER Kemudian data yang ng ada akan dilakukan proses normalisasi, sehingga ga hasil dari normalisasi itulah yang digunakan unt ntuk melakukan proses clustering. Tabel 3. Tabel Hasil Normali alisasi

312


Kecamatan

Tabel 4. Tabel Jarak Objek Dengann Pusat P Cluster Cluster Membership ip Case Number kecamatan Cluster er Distance 1 Miomaffo 1 1,119 Barat 2 Miomaffo 5 ,820 Tengah 3 Musi 3 ,709 4 Mutis 5 ,506 5 Miomaffo 2 ,510 Timur 6 Noemuti 2 ,510 7 Bikomi Selatan 1 ,860 8 Bikomi Tengah 5 ,844 9 Bikomi 5 ,764 Nailulat 10 Bikomi Utara 5 ,617 11 Naibenu 5 ,679 12 Noemuti Timur 5 ,878 13 Kota 4 ,000 Kefamenanu 14 Insana 3 ,891 15 Insana Utara 3 ,819 16 Insana Barat 5 ,686 17 Insana Tengah 5 ,530 18 Insana Fafinesu 5 ,961 19 Biboki Selatan 5 ,736 20 Biboki Tanpah 5 ,962 21 Biboki 5 ,781 Moenleu 22 Biboki Utara 1 ,718 23 Biboki Anleu 1 ,476 24 Biboki Feotleu 3 ,708 Jarak hasil perhitungan akan a dilakukan perbandingan dan dipilih jarak terde rdekat antara data dengan pusat cluster, jarak ini men enunjukan bahwa data tersebut berada dalam satu ke kelompok dengan pusat cluster terdekat. Tabel 5. Tabel pengelompokan data ta cluster

313

Miomaffo Barat Miomaffo Tengah Musi Mutis Miomaffo Timur Noemuti Bikomi Selatan Bikomi Tengah Bikomi Nailulat Bikomi Utara Naibenu Noemuti Timur Kota Kefamenanu Insana Insana Utara Insana Barat Insana Tengah Insana Fafinesu Biboki Selatan Biboki Tanpah Biboki Moenleu Biboki Utara Biboki Anleu Biboki Feotleu

1 1

2

Cluster 3 4

5

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

Gambar 4. Peta Haasil Clustering Kebutuhan Fungsionalitass Perangkat Lunak ase SIG PP-UBER user Pada gambar use cas langsung berinteraksi denga gan sistem. User bebas memilih informasi yang ters ersedia sesuai kebutuhan user. Pada menu inform masi keagamaan akan menampilkan informasi beru erupa data dari masingmasing agama yaitu agamaa Hindu/Budha, Islam, Katolik, dan Kristen dan jug uga data kecamatan yang berada di wilayah Kabupaten en TTU. Sedangkan admin ata tau pengelola jika ingin melakukan pengolahan data ta harus melakukan login terlebih dahulu, setelah itu barulah admin bisa melakukan pengolahan data ta agama, kecamatan dan


adminseperti panambahan data, perubahan data dan melakukan penghapusan data.

Gambar 7. Sequence diagram Beranda 2) Sequence diagram informasi keagamaan

Gambar 5. Use Case diagram SIG PP-UBER Perancangan Arsitektur Layar Perancangan arsitektur layar berfungsi untuk mendiskripsikan kategori sistem sebagai penghubung antar komponen user interface. Perancangan arsitektur yang digunakan adalah arsitektur layar (layer architecture) dimana terdapat pemisahan tanggung jawab dari setiap layar. Perancangan arsitektur PP-UBER dapat dilihat pada gambar berikut ini.

Gambar 8. Sequence diagram Informasi Keagamaan Perancangan Antarmuka a. Antarmuka beranda Antarmuka menu utama merupakan antarmuka setelah user membuka SIG PP-UBER. Pada antarmuka beranda ini terdiri dari 6 menu utama yaitu menu beranda, profil, informasi keagamaan, peta sebaran umat beragama, dan login. Antarmuka beranda dapat dilihat pada gambar 9 berikut

Gambar 6. Arsitektur Layar SIG PP-UBER a. Sequence diagram Sequence diagram adalahsuatu diagram yang menggambarkan interaksi antar objek di dalam sebuah sistem. Interaksi tersebut berupa pesan yang digambarkan terhadap waktu. Sequence diagram terdiri dari dimensi horizontal (objekobjek) dan dimensi vertikal (waktu). Perancangan sequence diagram () dapat di lihat pada gambar berikut ini. 1) Sequence diagram beranda

Gambar 9. Antarmuka menu beranda b. Antarmuka Profil Antarmuka profil merupakan halaman yang berfungsi untuk menampilkan profil yang berisi informasi mengenai Kementrian Agama Kabupaten TTU yang berupa visi dan misi, struktur organisasi dan kontak dari Kementrian Agama Kabupaten

314


TTU . Untuk lebih jelasnya dapat dilihat pada gambar 10 berikut ini.

Gambar 13. Antarmuka login

Gambar 10. Antarmuka profil c. Antarmuka informasi keagamaan Antarmuka informasi keagamaan merupakan antarmuka yang berfungsi untuk menampilkan informasi keagamaan di setiap Kecamatan yang ada diwilayah Kabupaten TTU berupa jumlah rumah ibadah, jumlah umat beragama, dan rohaniawan. Untuk lebih jelasnya dapat dilihat pada gambar 11 berikut

f. Antarmuka pengolahan data Antarmuka pengolahan data merupakan antarmuka yang berfungsi untuk menampilkan menu pengolahan data seperti penambahan data, ubah dan melakukan penghapusan data, yang diperuntukan bagi administrator untuk melakukan pengolahan data keagamaan. Untuk lebih jelasnya dapat dilihat pada gambar 14 berikut

Gambar 14. Antarmuka pengolahan data

Gambar 11. Antarmuka informasi keagamaan d. Antarmuka peta sebaran umat beragama Antarmuka peta sebaran umat beragama merupakan antarmuka yang berfungsi untuk menampilkan peta sebaran umat pada kabupaten TTU. Untuk lebih jelasnya dapat dilihat pada gambar 12 berikut

1. Proses implementasi SIG PP-UBER SIG PP-UBER diimplementasikan berdasarkan perancangan yang telah dibahas pada sebelumnya. Adanya proses implementasi ini berguna untuk mengetahui sejauh mana SIG dapat digunakan oleh pengguna. Oleh karena itu implementasi dan penggujian SIG ini diperlukan.

Gambar 15.Implementasi SIG PP-UBER

Gambar 12. Antarmuka peta e. Antarmuka login Antarmuka login merupakan antarmuka yang berfungsi untuk menampilkan menu login bagi administrator untuk melakukan pengolahan data keagamaan. Untuk lebih jelasnya dapat dilihat pada gambar 13 berikut

315

2. Antarmuka Sistem Berikut ini akan dibahas fungsi dan cara kerja setiap halaman dari website SIG PP-UBER. a. Halaman beranda Merupakan halaman utama yang menampilkan beberapa menu untuk mengakses fungsi-fungsi utama dalam sistem yaitu fungsi profil, fungsi peta sebaran umat beragama, dan fungsi login.


Gambar 16. Tampilan halaman an beranda utama

Gambar 19. Tampila ilan halaman peta (peta itera raktif)

b. Halaman menu profil Halaman profil merupakann halaman yang digunakan untuk melihat profil Kem mentrian Agama. semua profil yang telah diisi olehh operator dalam website berupa, visi dan misi, stru truktur organisasi serta kontak dari kantor Kementriann Agama.

e. Halaman login Halaman login mer erupakan halaman yang digunakan oleh operator or untuk masuk ke pengolahan data keagamaan an, data admin dan data kecamatan.

Gambar 17. Tampilan halama man profil

lan halaman login Gambar 20. Tampilan

c. Halaman informasi keagamaan Halaman informasi keagamaaan merupakan halaman yang digunakan untuk me melihat informasi keagamaan berupa jumlah umat be beragama, rumah ibadah erta rohaniawan yang ada ad di wilayah Kabupaten TTU.

f. Halaman pengolahan data ata Halaman pengolaha han data merupakan halaman yang digunakann oleh operator untuk melakukan fungsi pengola lahan data keagamaan seperti penambahan data, a, merubah data, dan menghapus data.

Gambar 18. Tampilan halaman an informasi keagamaan

Gambar 21. Tampilan hala laman pengolahan data agamaa

d. Halaman peta Halaman peta merupakann halaman yang digunakan untuk menampilka lkan informasi keagamaan yang dituangkan kedalam am peta iteraktif.

316

D SARAN KESIMPILAN DAN Simpulan Berdasarkan hasil il pembahasan di atas, Penulis mengambil kesimp mpulan SIG PP-UBER


yang dapat diakses melalui website Kementrian Agama Kabupaten Timor Tengah Utara, Website SIG PP-UBER dibangun dengan menggunakan Arcgis 10.1 dalam pembuatan peta dan Macromedia Dreamweaver MX 2004 dalam pembuatan website dengan menggunakan database PHPMyAdmin. Website SIG PP-UBER ini dibuat untuk membantu pihak Kementrian Agama Kabupaten Timor Tengah Utara dalam memberikan informasi mengenai penyebaran umat beragama di Kabupaten Timor Tengah Utara. Saran Setelah membangun web SIG ini ada beberapa saran untuk pengembangan web SIG ini selanjutnya yaitu : a. Dalam pengembangan website SIG PP-UBER, perlu dilakukan pembaharuan setiap tahunnya berdasarkan data pertambahan umat beragama, rumah ibadah serta rohaniawan. b. Diperlukan pembekalan bagi pengelola website SIG PP-UBER terutama dalam menyajikan informasi ke dalam peta sehingga nantinya tidak akan mengalami kendala. c. Bagi peneliti yang ingin mengembangkan ini dapat dikembangkan lebih lanjut, lebih lengkap dan lebih terperinci. REFERENSI [1]Handoko S, 2012. Sistem Informasi Geografis Berbasis Web Untuk Pemetaan Sebaran Alumni Menggunakan Metode K-Means. [Tesis]. Semarang(ID): Program Pasca Sarjana Sistem Informasi, Universitas Diponegoro. [2]Setyandari R, 2014. Sistem Informasi Geografis Visualisasi Clustering Penyakit ISPA Di Kecamatan Kaliwungu. [Jurnal].Semarang (ID): Fakultas ilmu komputerUniversitas Dian Nuswantoro. [3] Prasetyo, 2014.Data Mining Mengolah Data Menjadi Informasi Menggunakan Matlab.Yogyakarta(ID): Andi. [4] Suhardinal, 2016. Rencana Strategi 2016-2020. Kefamenanu(ID): Kementrian Agama Kabupaten Timor Tengah Utara.

317

PROSIDING SEMMAU 2016 PERBANDINGAN PENGUKURAN JARAK DALAM PENENTUAN KUALITAS BENIH JAGUNG LOKAL PULAU TIMOR DENGAN K- NEAREST NEIGHBOR

Dessy Leonarti Pollo1, Marlinda Vasty Overbeek2, Franki Yusuf Bisilisin3 123 Program Studi Teknik Informatika Strata Satu 123 STIKOM Uyelindo KupangJl. Perintis Kemerdekaan I - Kayu Putih – Kupang – NTT 1 [email protected] , [email protected], [email protected]

Abstrak Penentuan kualitas biji jagung yang akan dijadikan benih harus lebih diperhatikan secara serius. Pemilihan biji jagung untuk pembenihan yang tepat terkadang memerlukan waktu dan ketelitian yang tinggi, sehingga tak jarang jagung yang dipilih sebagai benih pun tidak menghasilkan produk jagung sesuai harapan. Teknologi diperlukan untuk membantu masalah yang akan dihadapi. Salah satunya penentuan benih jagung untuk pembenihan untuk menggunakan komputer dengan melakukan klasifikasi terhadap biji dijadikan benih dengan membandingkan pengukuran jarak. Data yang digunakan adalah 100 benih jagung lokal Pulau Timor, data ini berbasis citra sehingga data akan diekstraksi. Ekstraksi ciri pada penelitian ini menggunakan color histogram. Klasifikasi pada penelitian ini menggunakan metode k- Nearest Neighbor dan menggunakan jarak euclidean, cityblock (manhattan) dan minkowski. Sistem yang akan dibangun menggunakan Matlab sebagai bahasa pemrograman. Penelitian ini menghasilkan akurasi terbaik yaitu 93% untuk klasifikasi menggunakan jarak cityblock (manhattan) dengan k = 3. Kata kunci: benih, jagung, color histogram, jarak, k- nearest neighbor 1. PENDAHULUAN Jagung (Zea mays l.) merupakan satu sumber karbohidrat yang cukup potensial terutama di Indonesia Timur. Selain sebagai sumber bahan pangan, jagung juga menjanjikan banyak harapan untuk dijadikan sebagai bahan baku berbagai macam keperluan industri. Bagi masyarakat NTT jagung adalah tanaman pangan utama yang selalu diusahakan di ladang atau di kebun bersamaan dengan tanaman pangan lain seperti padi ladang, umbi-umbian, dan kacang-kacangan dalam pola tanaman campuran (mixed-cropping system), bahkan komoditas ini diusahakan juga di pekarangan rumah penduduk [1]. Permasalahan dalam menentukan benih untuk penanaman kembali, khususnya jagung di NTT sampai saat ini masih menjadi persoalan penting. Jatuhnya harga jagung di pasaran diakibatkan oleh kerusakan benih yang akandipakai[2].Pada kenyataannya petani belum begitu memahami proses pembibitan yang baik, agar mendapat hasil yang baik pula. Pemilihan benih jagung dapat dilakukan dengan klasifikasi yang merupakan pembelajaran yang terbimbing (supervised learning). PenerapanSupervised learningsudah banyak digunakan untuk klasifikasi, misalnya 318

Jaringan syaraf tiruan[3], support vector machine[2] dan k- Nearest Neighbor[4]. Penelitian mengenai penentuan kualitas biji jagung untuk pembenihan berdasarkan tingkat kecerahan warna menggunakan support vector machine. Penelitian ini menerapkan support vector machine untuk mengklasifikasikan biji jagung untuk pembenihan berdasarkan tingkat kecerahan warna dan bertujuan untuk membantu petani dalam menentukan kualitas biji jagung untuk benih. Akurasi yang diperoleh menggunakan polyorder 3 mendapatkan akurasi tertinggi yaitu untuk jagung kuning sebesar 82% dan untuk jagung putih sebesar 76% [2]. Penelitian mengenai sistem klasifikasi kualitas biji jagung berdasarkan tekstur berbasis pengolahan citra digital menggunakan metode ekstraksi ciri statistik dan k- Nearest Neighbor[4]. Metode k- nearestneighbor (k-NN) dapat menghasilkan akurasi yang diharapkan pada sistem klasifikasi kualitas biji jagung. Terbukti dengan menggunakan cityblock distance dapat menghasilkan akurasi 91,85%. k- Nearest Neighbor (k-NN) merupakan metode supervised learning yang melakukan klasifikasi berdasarkan kedekatan jarak suatu data dengan data yang lain [5]. Pada algoritma k-NN jarak dari satu vektor data ke vektor data yang lain dapat dihitung. Nilai jarak digunakan sebagai nilai


kedekatan atau kemiripan antara data testing t dengan dataset. Metode ini memiliki tingkat keakuratan ke yang cukup tinggi karena data yang masuk akan diklasifikasikan berdasarkan kemiripan an ciri yang ada dari data sebelumnya yang sudah di diklasifikasikan [6]. Dalam penelitian ini diterapk pkanmetode kNNdengan membandingkan jarak ak euclidean, cityblock (manhattan) dan minko kowski untuk menentukan kualitas benih jagun ung, sehingga memudahkan untuk menentukan benih ih jagung yang layak. Berdasarkan latar belakang masalah m yang telah dipaparkan, maka dalam peneli elitian ini akan dibandingkan jarak dalam perhitunga gan penentuan benih jagung. Hasil yang dihara rapkan dalam penelitian ini adalah mendapatkann jarak untuk pengklasifikasian benih yang menghas asilkan akurasi terbaik. 2. METODE PENELITIAN Metodologi adalah suatu caraa kerja yang digunakan untuk membangun suatu siste istem yang baru. Metodologi penelitian yang akan digu igunakan dalam penelitian ini terdiri dari langkah-langka kah berikut: Sampel

Akusisi Citra

Praproses

Ekstraksi Ciri Warna

Klasifikasi k-NN

Hitung Jarak

319

1

Hasil

Gambar 1. Pengembangan sistem sis Sistem klasifib kasi kualitas as benih jagung terdiri dari: pengambilan sampel, akusisi citra, praproses, ekstraksi ciri, hitung jarak, klasifikasi k dan hasil. Sampel akan diolah oleh sistem klasifikasi k dan hasilnya berupa klasifikasi kualitas benih b jagung. Sistem akan dirancang menggunak akan tampilan Graphical User Interface sehinggaa tampil lebih menarik dan mudah dioperasikan. 2.1 Prosedur Analisis Data Prosedur analisis data digambbarkan sebagai berikut:

1

1

1

pen Gambar 2. Alur prosedur penelitian 1. Citra benih jagung Tahap awal sebelum pemrosesan pe citra adalah tahap akusisi atau pengumppulan data. Data citra yang digunakan dalam peneli elitian ini, adalah citra benih jagung yang diambil bil menggunakan kamera digital, dengan dimensi cit citra awal4608 x 3456 pixel, di salah satu rumah bulat lat (rumah pemali) kampung Masik, Desa Numponi ni, Malaka dan disimpan dengan format file *. jpg.

jagung Gambar 3. Citra benih jag 2. Praproses Tujuan praproses adalah m mentransformasi data ke suatu format yang prosesnyaa llebih mudah dan efektif untuk mendapatkan nilai ya yang lebih akurat dan mengurangi waktu komputasi si untuk masalah berskala besar, sehingga membuat ni nilai data menjadi lebih kecil tanpa mengubah iinformasi yang dikandungnya [7].Proses ini dilakuka kan dengan resize atau pengubahan dimensi dari citra aw awal menjadi 100 x 100 pixel, kemudian diubah kee skala keabuan,


selanjutnya citra yang telah melaluii ttahapan tadi akan melalui proses penghilangan nois oise menggunakan fungsi median filterdengan kernel 3 x 3.

Gambar 4. Cropping dan citra hasil ha praproses 3. Ekstraksi ciri warna Data citra adalah proses pr pemetaan menggunakan color histogram(C (CH)yang dapat mempertimbangkan persamaan warna w pada tiap piksel warna yang terasosiasikan an ke semua bin histogram[8].Pada proses ini mat atriks citra yang sebelumnya berukuran 100 x 100 10 akan diubah menjadi vektor 1 x 256. Banya yaknya data yang digunakan adalah 100 data citra be benih jagung lokal Pulau Timor sehingga vektor yang dihasilkan sebanyak 100 vektor citra beih jagu gung. Vektor inilah yang akan menjadi dataset masukk kkan untuk proses klasifikasi. HR,G,B[r, g,b]=N. Prob {R = r,G = g,B=b}.(1)

Gambar 5. Matriks citra hasil prap aproses dan vektor ukuran 1 x 256 4. Bagi data Data citra yang telah melalu lui tahap praposes kemudian dibagi dengan k-fold. Me Metode k-foldcross validation merupakan skenario dimana d membagi sama rata dari seluruh data yang ada da untuk dijadikan sebagai data testing pada setiap fold ldnya. Citra benih jagung yaitu 100 citra benih jag agung lokal Pulau Timor. Jika k yang digunakan ada dalah 4-fold, maka metode yang digunakan adal alah 4-foldcross validation. Dataset dibagi menjadii data d training dan data testing, sebesar 75% untuk ddata training dan 25% untuk data ta testing [7]. 320

Tabel 1. 4-fold cros oss validation

5. Klasifikasi dengan k- Neare rest Neighbor Klasifikasi dilakukann dengan data masukkan berupa matriks komposisi da dari proses ektraksi ciri yang telah dilakukan sebelum mnya, proses klasifikasi akan menghasilkan dua kelas as data yaitu kelas data layak dan tidak layak. k- Nea earest Neighbor (k-NN) adalah metode pengukura ran kemiripan yang sederhana. Penelitian ini m menggunakan tiga cara dalam pengukuran kemiripann nnya, yaitu berdasarkan euclidean, cityblock (man anhattan), minkowsky. Euclidean, cityblock (manha hattan) dan minkowsky tergolong dalam metode ppengukuran kemiripan berdasarkan geometrik. Analis lisis yang dilakukan pada k-NN adalah pengaruh pen enggunaan pengukuran kemiripan dan nilai yang ng digunakan terhadap akurasi sistem dalam mengkla klasifikasi kualitas benih jagung. Berikut adalah pseudo docode untuk klasifikasi k-NN: Input: k, the number of nearest neighb hbors; D, the set of test sample; T, the set of training sample. Output: L, the label set of test sample. 1: readDataFile(TrainingData) a) 2: readDataFile(TestingData) 3: L={} 4: for each d in D and each t in T do 5: Neighbors(d) ={} 6: if |Neighbors(d)|

Input Vektor Hasil Color Histog ogram

Menentukan Jumlah Tetangga Terd rdekat : K K = 3, 4, 5. Hitung Jarak Test Data ke Data Training Tr Menggunakan Jarak Euclidea ean

Tentukan Kelompok Test Data Berdasar arkan Kelas Mayoritas Pada K

Tidak

Validasi Ya Hasil

Gambar 6. Blok diagram klasifikasii k-NN dengan jarak euclidean Input Vektor Hasil Color Histog ogram

Menentukan Jumlah Tetangga Terd rdekat : K K = 3, 4, 5. Hitung Jarak Test Data ke Data Training Tr Menggunakan Jarak City block (M Manhattan )

Tentukan Kelompok Test Data Berdasaarkan Kelas Mayoritas Pada K

Tidak

Gambar 8. Blok diagram klasifikas asi k-NN dengan jarak minkowsky Langkah-langkah dalam ppengklasifikasian menggunakan k-NN antara lain ad adalah menginput vektor hasil color histogram kemud udian menentukan jumlah tetangga terdekat (k), k yangg digunakan 3, 4, dan 5. Selanjutnya menghitung jara arak test data ke data training menggunakan jarak jar Euclidean, cityblock dan minkowsky. Kemudi dian menentukan kelompok test data berdasarkan kelas las mayoritas pada k. 6. Evaluasi Evaluasi penentuan kualita itas benih jagung berdasarkan tingkat kecerahan warna, wa dilakukan untuk memprediksi seberapa bbaik classifier memprediksi label kelas tupel. Sensitivitas S dan spesifitas dapat digunakan untuk ppenentuan label tupel, sensitivitas disebut juga sebag bagai tupel positif yang bernilai benar, sedangkan spe spesifisitas adalah tupel negatif yang bernilai benar. Ca Cara mencari nilai sensitivitas dan spesifitas dapat diru irumuskan dengan [6].

Validasi Ya

Hasil

Gambar 7. Blok diagram klasifikasii k-NN dengan jarak cityblock (manhattan tan)

321

Gambar 9. Confusion Maatrix Sensitivitas = ........................... ....................... (2) Spesifisitas = ........................... ....................... (3) Sedangkan akurasi keseluruhan dihitu itung dengan: Akurasi = x 100% ......... ....................... (4)


3. HASIL DAN PEMBAHASAN Penelitian ini diawali dengan melakukan pengumpulan sampel benih jagung lokal Pulau Timor yang telah disimpan selama satu tahun pada rumah penyimpanan bibit yang disebut sebagai ‘rumah bulat’ di kampung Masik, Desa Numponi, Malaka.Citra hasil lapangan lalu diproses dengan pengolahan citra digital. Dalam penelitian ini menggunakan perangkat lunak Matlab R2010a. Hasil dari pengolahan citra ini adalah pembangkitan data-data numerik dari setiap citra benih jagung tersebut akan dipisahkan menjadi benih jagung layak dan tidak layak. Pada penelitian ini digunakan klasifikasi knearest neighbor (k-NN) denganmenggunakan jarak euclidean, cityblock (manhattan) dan minkowski. Skenario data yang digunakan adalah skenario empatfold validasi silang (4-fold cross validation). Hasil perhitungan yang didapatkan dari klasifikasi kNNdapat dilihat pada Tabel 2 untuk menampilkan hasil perhitungan sensitivitas, Tabel 3 untuk menampilkan hasil perhitungan spesifisitas dan Tabel 4 untuk menampilkan hasil perhitungan akurasi. Tabel 2. Perhitungan sensitivitas Jarak Jarak Jarak cityblock minkowski euclidean k

3

4

5

3

4

5

3

4

Ske nar io 1

92 %

92 %

10 0 %

10 0%

10 0%

1 0 0 %

Ske nar io 2

92 %

10 0 %

92 %

10 0%

10 0%

9 2 %

62 %

69 %

67 %

77 %

77 %

81 %

90 %

90 %

90 %

81 %

3 8 % 8 0 %

1 0 0 % 1 0 0 % 7 7 % 8 5 %

1 0 0 % 1 0 0 % 7 7 % 8 5 %

82 %

88 %

87 %

92 %

89 %

7 8 %

9 0 %

9 0 %

Ske nar io 3 Ske nar io 4 Rat arat a

k Ske nari o1 Ske nari o2 Ske 322

5 9 2 % 8 0 % 4 6 % 8 0 % 7 5 %

Tabel 3. Perhitungan spesifisitas Jarak Jarak Jarak euclidean cityblock minkowski 3 4 5 3 4 5 3 4 5 9 8 9 10 10 10 10 10 83 2 3 2 0 0 0 0 0 % % % % % % % % % 8 8 8 10 92 10 10 92 90 3 3 3 0 % 0 0 % % % % % % % % 8 8 8 10 10 10 10 10 10

nari o3 Ske nari o4 Rat arata

k Ske nari o1 Ske nari o2 Ske nari o3 Ske nari o4 Rat arata

3 % 7 5 % 8 3 %

3 % 5 0 % 7 5 %

5 % 6 0 % 8 0 %

0 % 80 %

0 % 80 %

0 % 40 %

0 % 40 %

0 % 40 %

0 % 50 %

88 %

83 %

85 %

85 %

83 %

81 %

Tabel 4. Perhitungan akurasi Jarak Jarak Jarak cityblock minkowski euclidean 3 4 5 3 4 5 3 4 5 9 8 9 10 10 10 10 10 8 2 8 6 0 0 0 0 0 8 % % % % %% % % % % 8 9 8 10 96 96 10 96 8 8 2 8 0 % % 0 % 4 % % % % % % 7 7 7 88 88 68 88 88 7 2 6 6 % % % % % 2 % % % % 8 8 7 84 84 72 76 76 7 0 4 6 % % % % % 6 % % % % 8 8 8 93 89 84 91% 90 8 3 5 6 % % % % 0 % % % %

Dari Tabel 2, Tabel 3 dan Tabel 4, sensitivitas memberikan hasil yang paling besar adalah pada = 3 dengan jarak cityblock (manhattan), nilai sensitivitas mencapai 92% ini menunjukkan bahwa sistem secara handal mampu mengenali semua data positif tidak sebagai negatif. Spesifisitas memberikan hasil yang paling besar adalah pada = 3 dengan jarak cityblock (manhattan), nilai spesifisitas mencapai 88% ini menunjukkan bahwa sistem secara handal mampu mengenali semua data negatif tidak sebagai positif.Sedangkan untuk akurasi nilai yang = 3 dengan jarak paling besar adalah pada cityblock (manhattan), nilai akurasi mencapai 93% ini menunjukkan bahwa sistem dapat mengklasifikasikan dengan benar. Dilihat dari nilai k, maka = 3 menghasilkan nilai yang paling besar pada sensitivitas, spesifisitas, dan akurasi. Hal ini menunjukkan bahwa semakin kecil nilai k yang digunakan maka error rate yang dihasilkan semakin kecil. Hasil perhitungan sensitivitas dapat dilihat pada gambar 10, dan gambar 11 untuk perhitungan spesifisitas. Untuk akurasi ditunjukkan pada gambar 12.


dengan menggunakan jarak cityblock (manhattan) memiliki akurasi tertinggi dalam melakukan klasifikasi dibanding jarak euclidean dan jarak minkowski. REFERENSI

Gambar 10. Perhitungan sensitivitas

Gambar 11. Perhitungan spesifisitas

Gambar 12. Perhitungan akurasi 4. KESIMPULAN Pada penelitian untuk membandingan pengukuran jarak dalam penentuan kualitas benih jagung lokal Pulau Timor dengan k- Nearest Neighbor menunjukkan bahwa akurasi terbaik sebesar 93% sehingga dapat dikatakan bahwa metode k- Nearest Neighbor dapat mengklasifikasikan dengan benar dengan menggunakan jarak cityblock (manhattan) dan = 3. Metode k- Nearest Neighbor 323

[1] Yusuf, Pohan, A. Syamsuddin. 2013. Jagung Makanan Pokok Untuk Mendukung Ketahanan Pangan Di Provinsi Nusa Tenggara Timur. Sulawesi Selatan. 18 Juni. [2] Bilaut, C. A. R. 2015. Penentuan Kualitas Benih Jagung Untuk Pembenihan Berdasarkan Tingkat Kecerahan Warna Menggunakan Support Vector Machine. [Skripsi]. Kupang [ID]: STIKOM Uyelindo Kupang. [3] Fauziah, F. 2012. Sistem Penerjemah Huruf Korea Ke Huruf Latin Dan Bahasa Indonesia Berbasis Pengolahan Citra Digital Dan Jaringan Syaraf Tiruan Self-Organizing Map (SOM). [Skripsi]. Bandung [ID]: Universitas Telkom. 2012. Sistem Klasifikasi [4] Permatasari D. Kualitas Biji Jagung Berdasarkan Tekstur Berbasis Pengolahan Citra Digital. [Skripsi]. Bandung [ID]: Institut Teknologi Telkom. [5] Prasetyo, E. 2012. Data Mining: Konsep dan Aplikasi menggunakan Matlab. Yogyakarta [ID]: Andi. [6] Medjahed, S. A. Saadi, T. A. Benyettou, A. 2013.Breast Cancer Diagnosis by using kNearest Neighbor with Different Distances and Classification Rules. International Journal of Computer Applications. vol. 62. Ed. 1. hal 1-5. [7] Han, J. Kamber, M. Pei. 2012. Data Mining Concept and Technique. Ed. 3. Morgan Kaufmann. Waltham [US]. [8] Fitrianto F. 2011. Identifikasi Jenis Penyakit Kulit Berdasarkan Analisis Warna Dan Tekstur Pada Citra Kulit Menggunakan Klasifikasi KNN. [Skripsi]. Semarang [ID]: Universitas Diponegoro.

PROSIDING SEMMAU 2016 APLIKASI EVALUASI TENAGA AHLI PESERTA SELEKSI NASIONAL MENGGUNAKAN METODE TOPSIS (Studi Kasus : SATKER P2JN PROVINSI NUSA TENGGARA TIMUR)

Alberth Adrian Bayu Mila1,Menhya Snae2,Franki Yusuf Bisilisin 3 Program Studi Teknik Informatika Strata Satu,STIKOM Uyelindo Kupang Jl.Perintis Kemerdekaan I-Kayu Putih– Kupang–NTT- Indonesia Email:[email protected],[email protected],[email protected] Abstrak Data tenaga ahli peserta seleksi nasional pada satuan kerja (Satker) perencanaan dan pengawasan jalan nasional (P2JN) Provinsi NTT dalam proses evaluasinya masih dikerjakan secara manual, sehingga membutuhkan waktu yang cukup lama untuk mengevaluasi tenaga ahli, memberi kesempatan kepada tenaga ahli untuk memalsukan data pengalaman kerja, dan data fisik yang disimpan dalam waktu yang cukup lama bisa mengakibatkan kerusakan dan hilang. Oleh karena itu, diperlukan sebuah metode yang menyediakan sarana untuk mendukung keputusan yang akan diambil panitia Satker P2JN dalam mengevaluasi tenaga ahli. Metode TOPSIS adalah salah satu metode yang digunakan untuk menyelesaikan masalah multi kriteria. Metode TOPSIS didasarkan pada konsep dimana alternatif terpilih yang terbaik tidak hanya memiliki jarak terpendek dari solusi ideal positif, namun juga memiliki jarak terpanjang dari solusi ideal negatif. Diharapkan penelitian ini dapat membantu dan mempermudah kerja bagian perencanaan dalam menampilkan hasil evaluasi secara tepat dan cepat. Kata kunci: Aplikasi, Data Tenaga Ahli, Evaluasi, TOPSIS.

1. PENDAHULUAN Perkembangan teknologi di bidang komputer pada saat ini telah mengubah pola pikir yang seluasluasnya kepada para pengambil keputusan pada suatu instansi, perusahaan, organisasi, lembaga pendidikan, dan sebagainya. Hal ini dikarenakan teknologi membantu menyelesaikan pekerjaan secara cepat, tepat dan untuk jumlah data yang banyak, tidak terkecuali yang terjadi di satuan kerja (Satker) Perencanaan dan Pengawasan Jalan Nasional (P2JN) Provinsi NTT[1]. Satker (Satuan Kerja) Pengawasan dan Perencanaan Jalan Nasional (P2JN) Provinsi NTT merupakan salah satu instansi pemerintah pusat yang berada di Kota Kupang yang terletak di Jln. W. J. Lalamentik nomor 24, Provinsi Nusa Tenggara Timur. Satker P2JN berada di bawah naungan Dinas Pekerjaan Umum yang merupakan bagian dari bidang Bina Marga[2]. Tenaga ahli merupakan komponen penting sebagai pelaksana dari hasil perencanaan jalan nasional apabila tenaga ahli tersebut lulus dari hasil seleksi nasional oleh Satker P2JN bagian perencanaan. Evaluasi tenaga ahli saat ini masih dikerjakan secara manual, sehingga membutuhkan waktu yang lama untuk mengevaluasi tenaga ahli, memberi kesempatan kepada tenaga ahli untuk memalsukan data pengalaman kerja, dan data fisik 324

yang disimpan dalam waktu yang cukup lama bisa mengakibatkan kerusakan dan hilang[3]. Penelitian dengan judul “Sistem Pendukung Keputusan Pemilihan Laptop dengan Metode Topsis”,kehadiran berbagai merk laptop dengan beragam spesifikasi yang dijual di pasaran membuat pengguna menjadi kesulitan dalam menentukan pilihan yang sesuai dengan keinginan dan anggaran mereka. Sehubungan dengan hal di atas, maka dirancanglah sebuah sistem pendukung keputusan pemilihan laptop agar pengguna dapat menentukan pilihan laptop dengan tepat sesuai dengan keinginan dan anggarannya[4]. TOPSIS merupakan suatu metode pendukung keputusan dimana alternatif terpilih yang terbaik tidak hanya memiliki jarak terpendek dari solusi ideal positif, namun juga memilki jarak terpanjang dari solusi ideal negatif. Konsepnya sederhana dan mudah dipahami, komputasinya efisien dan memiliki kemampuan untuk mengukur kinerja relatif dari alternatif-alternatif keputusan dalam bentuk matematis yang sederhana[5]. Berdasarkan masalah diatas maka dibutuhkan sebuah aplikasi yang mampu mengevaluasi tenaga ahli agar data tersebut bermanfaat sesuai dengan kebutuhannya. Program Visual Studio 2010 merupakan salah satu program yang biasanya digunakan untuk membuat berbagai aplikasi, yang dapat juga digunakan untuk membuat

PR PROSIDING SEMMAU 2016 aplikasi evaluasi tenaga ahli peserta ta seleksi nasional jasa konsultasi Satker P2JN Provinsi P NTT. Diharapkan penelitian ini dapatt membantu dan mempermudah kerja bagian peren rencanaan dalam menampilkan hasil evaluasi secara te tepat dan cepat.

2. METODOLOGIPENELITIAN Metodologi penelitian yang digunakan d untuk memperoleh data serta informasi dalam da melakukan penelitian. Berikut ini adalah lang ngkah - langkah yang dilakukan dalam melakukan penelitian. pe 2.1. Bahan Penelitian Bahan yang digunakan dal alam melakukan penelitian ini adalah data pengalam aman tenaga ahli dengan range pengalaman kerja da dari tahun 19752030. Data pengalaman tenaga ahli ah dapat dilihat pada Tabel 1. Tabel 1. Data tenaga ahli

perancangan sistem, taha ahap ini perancangan dilakukan sesuai kebutuhan an pengguna dari suatu sistem. Setelah itu tahap imp mplementasi sistem yaitu melaksanakan dan menerap rapkan hasil desain ke dalam program, selanjutnyaa tahap pengujian sistem apakah sistem berjalan sesuai dengan yang diharapkan. Mulai ai

Akusisii d data

Representas asi data

Perancang ngan

Implement ntasi

Tidak

Pengujia jian

Terjadi kesa salahan Ya

Ya

Selesai ai

2.2. Peralatan Penelitian Peralatan yang digunakan da dalam melakukan penelitian ini dibagi dalam perang angkat keras dan perangkat lunak sebagai berikut: a. Perangkat keras 1. Perangkat laptop Asus A455L, A Intel(R) Core(TM) i5-4210U 2. Memory 4 GB 3. Hardisk 1 TB b. Perangkat lunak 1. Sistem Operasi Windows 7 U Ultimate 2. Visual Basic 2010 3. Crystal Report 4. Microsoft Access 2007 2.3. Prosedur Analisis Data Terdapat beberapa tahap yyang dilakukan yaitu tahap akuisisi data denga gan mempelajari referensi-referensi yang terkait den engan penelitian, pengumpulan data pengalaman kerja ker tenaga ahli, sehingga memprosesnya untuk meendapatkan data yang dikehendaki, selanjutnya tah ahap representasi yang merupakan cara memasuk ukkan nilai ke komputer untuk di konversi, sel elanjutnya tahap 325

Gambar 1. Flowchar art penelitian Dari flowchart dii atas dapat dijelaskan tahapan-tahapan penelitian,, adalah a sebagai berikut: a. Akusisi data Akusisi data merupak pakan suatu sistem yang berfungsi untuk mengambil bil, mengumpulkan dan menyiapkan data hinggaa memprosesnya untuk menghasilkan data yang dikehendaki. dik Pada tahap ini dilakukan identifikasi pparameter atau atributatribut apa saja yang akan ddievaluasi. Data yang di akusisi adalah data tenaga ahli. ah b. Representasi data Representasi adalah ah suatu cara untuk memanipulasi informasi ole leh programmer dengan suatu bahasa pemrograman an atau notasi bahasa perintah lainnya untuk membbangun sebuah sistem. c. Perancangan Perancangan merupak akan tahapan selanjutnya setelah represntasi data, pperancangan perangkat lunak dilakukan untuk mera rancang perangkat lunak yang akan dikembangkan se sehingga dapat diperoleh gambaran detail sistem menggunakan m langkahlangkah pada metode TOPSI SIS. Tahap Perancangan dapat dilihat pada Gambar 2.


Gambar 2. Block Diagram Pada alur block diagram diatas dimulai dengan: 1. Menghitung matriks keputusan ternormalisasi fungsinya adalah memperkecil range data 2. Setelah mendapatkan range data maka langkah berikutnya adalah dengan menghitung matriks keputusan ternormalisasi terbobot dengan range data dikalikan dengan bobot pada setiap alternatif. 3. Menentukan solusi ideal positif dan negatif adalah menentukan nilai maksimal dan minimal dari hasil perhitungan matriks keputusan ternormalisasi terbobot. 4. Setelah mendapatkan solusi ideal positif dan negatif maka dihitung jarak antara solusi ideal positif dan solusi ideal negatif pada setiap alternatif. 5. Menghitung kedekatan relatif pada solusi ideal positif. 6. Setelah diketahui kedekatan relatif solusi ideal positif pada setiap alternatif maka dilakukan perangkingan, alternatif dengan nilai terbesar merupakan solusi yang terbaik. d. Implementasi Implementasi dilakukan setelah perancangan selesai dilakukan. Dalam tahap implementasi hasil desain/perancangan akan direperesentasikan ke dalam pemrograman Microsoft Visual Studio 2010. e. Pengujian Pengujian dilakukan menggunakan metode robust yang menitik beratkan pada pengujian kepekaan sistem terhadap kondisi yang berubah dengan menekankan pada kualitas sistem melalui inspeksi. Sasaran dari robust adalah menguji kepekaan sebuah sistem terhadap perubahan bobot kriteria. 3. HASIL DANPEMBAHASAN Pada bab ini akan dijelaskan beberapa hal terkait dengan aplikasi evaluasi tenaga ahli menggunakan metode TOPSIS. Adapun hal-hal yang dibahas adalah deskripsi sistem, implementasi dan pengujian sistem. 326

3.1. Deskripsi Sistem 1. Persepektif produk Pembangunan aplikasi evaluasi tenaga ahli peserta seleksi nasional menggunakan metode TOPSIS pada Satker Perencanaan dan Pengawasan Jalan Nasional Provinsi (EKTA), adalah sebuah perangkat lunak yang dibangun untuk membantu dan mempermudah panitia seleksi nasional jasa konsultasi pada Satker Perencanaan dan Pengawasan Jalan Nasional Provinsi NTT dalam mengevaluasi data tenaga ahli untuk keperluan lelang proyek jalan nasional yang akan dibangun atau direncanakan. Dengan adanya aplikasi EKTA, evaluasi data tenaga ahli lebih akurat, data tenaga ahli terintegrasi dengan baik sehingga memudahkan penggunanya dalam menampilkan data secara cepat, efisiensi waktu, dan tenaga. EKTA dapat berjalan pada platform Windows, dan dibuat dengan menggunakan bahasa pemrograman Visual Studio. Pengguna EKTA yaitu panitia seleksi nasional jasa konsultasi pada Satker Perencanaan dan Pengawasan Jalan Nasional Provinsi. Pengguna berinteraksi dengan sistem melalui GUI (graphical user interface). Untuk melakukan input data, pengguna menggunakan mouse dan keyboard, sedangkan untuk menampilkan output digunakan layar monitor. Pada sistem ini, arsitektur perangkat lunak yang digunakan berbasis stand alone atau dekstop. Semua data disimpan dan diolah pada satu komputer saja tanpa dihubungkan dengan komputer lainnya. Data yang disimpan digunakan untuk kebutuhan sistem dalam mengintegrasi data tenaga ahli serta menampilkannya. 2. Fungsi produk Fungsi produk EKTA adalah sebagai berikut: a. Fungsi login Fungsi login merupakan fungsi awal yang digunakan oleh pemakai sistem untuk bisa menggunakan EKTA. Fungsi login hanya bisa digunakan oleh pengguna yang mempunyai hak akses, hal ini untuk mencegah akses data yang tidak diijinkan dalam EKTA. b. Fungsi input data tenaga ahli Fungsi input data tenaga ahli merupakan fungsi yang digunakan pengguna untuk meng-input data tenaga ahli yang dibutuhkan dalam mengevaluasi data tenaga ahli peserta seleksi nasiaonal. Fungsi input data tenaga ahli meliputi: 1) Fungsi tambah data antarmuka input data tenaga ahli, merupakan fungsi yang digunakan untuk menambah atau menyimpan data pada antarmuka input data tenaga ahli. 2) Fungsi batal antarmuka input data tenaga ahli, merupakan fungsi yang digunakan untuk

PR PROSIDING SEMMAU 2016 membatalkan tambah dan proses p input-an selanjutnya dalam input data tena naga ahli. 3) Fungsiubah data antarmuka inp nput data tenaga ahli, merupakan fungsi yang di digunakan untuk mengubah data yang ada pada antarmuka a input data tenaga ahli. in data tenaga 4) Fungsi hapus data antarmuka input ahli, merupakan fungsi ya yang digunakan pengguna untuk menghapus da data antarmuka input data tenaga ahli yang sudah ah ada. 5) Fungsi cari data antarmuka inp nput data tenaga ahli, merupakan fungsi yang digunakan di untuk mencari tenaga ahli yang sudah ada. a c. Fungsi proses data tenaga ahli a merupakan Fungsi proses data tenaga ahli fungsi yang digunakan pen engguna untuk mengevaluasi data tenaga ahlii peserta seleksi nasional. Fungsi proses data tenagaa ahli a meliputi: 1) Fungsi tambah data antarmuk uka proses data tenaga ahli, merupakan fungsii yang y digunakan untuk menambah atau meenyimpan data antarmuka proses data tenaga ahl hli. 2) Fungsi batal antarmuka proses data d tenaga ahli, merupakan fungsi yang dig igunakan untuk membatalkan tambah dan pros roses selanjutnya dalam proses data tenaga ahli. 3) Fungsiubah data antarmuka pro roses data tenaga ahli, merupakan fungsi yang di digunakan untuk mengubah data yang ada pada antarmuka an proses proses data tenaga ahli. 4) Fungsi hapus data antarmuka pro roses data tenaga ahli, merupakan fungsi ya yang digunakan pengguna untuk menghapus ddata evaluasi tenaga ahli yang sudah ada. 5) Fungsi cari data antarmuka pro roses data tenaga ahli, merupakan fungsi yang digunakan di untuk mencari data hasil evaluasi tenaga ten ahli yang sudah ada. d. Fungsi mengolah cetak laporan hasil h evaluasi Fungsi cetak laporan hhasil evaluasi merupakan fungsi yang digunakan an panitia/admin untuk mencetak laporan hasil evalu luasi tenaga ahli. Laporan hasil evaluasi berisi nilai lai akhir evaluasi yang dihitung dari kriteria sesuaii Kerangka K acuan kerja (KAK). e. Fungsi mengolah cetak laporan hasil h TOPSIS Fungsi cetak laporan hasil h TOPSIS merupakan fungsi yang digunakan an panitia/admin untuk mencetak laporan hasil TO OPSIS. Laporan hasil TOPSIS berisi nilai hasil perhi hitungan TOPSIS terhadap beberapa alternatif (Tenaga ga ahli). 3.2. Implementasi 1. Proses implementasi aplikasi eevaluasi tenaga ahli. Aplikasievaluasi tenaga ahlidiim iimplementasikan berdasarkan rancangan yyang telah dibahassebelumnya.Gambar 3 di d bawah ini menunjukan proses implementasi si pada aplikasi evaluasi tenaga ahli. 327

Gambar 3. Implementas tasi aplikasi evaluasi tenagaah ahli. Komponen yang terl erlibat di dalam proses aplikasi pengolahan data pe personil dan pengalaman perusahaan adalah peralatan an input dan output yang akan digunakan oleh pengg gguna untuk melakukan pengolahan data. Berikut ini akan di dijelaskan proses-proses yang terjadi pada tahap implementasi i aplikasi, seperti yang ditunjukan pada da Gambar 3. a. Proses pertama terja rjadi pada pengguna, pengguna mengolah ddata master, proses, TOPSIS dan cetak lapora ran b. Proses kedua terjadi pada komputer yang terinstal aplikasi evalua luasi tenaga ahli. Pada tahap ini, komputer ak akan melakukan proses pengolahan data masterr ddan proses inputan. c. Proses ketiga merupaka kan proses cetak data evaluasi sesuai dengan masukan m yang diberikan pengguna. Keluaran ya yang dihasilkan berupa dokumen laporan hasil il evaluasi dan laporan hasil TOPSIS. 2. Antarmuka EKTA Berikut ini akan dib ibahas cara kerja setiap halaman serta dokumen yyang dihasilkan oleh aplikasi evaluasi tenaga ahli. li. Antarmuka yang ddirancang terdiri dari antarmuka login, antarmuk uka utama, antarmuka mengolah data tenaga ahli, li, antarmuka mengolah data proses, antarmuka TO TOPSIS dan antarmuka cetak. a. Antarmuka login Antarmuka login merupakan m menu yang digunakan oleh admin untuk tuk memasukan identitas pengguna serta sandi untukk masuk m ke menu utama. Menu login ini dira irancang agar program ini hanya boleh diakses atau ddigunakan oleh admin saja. Gambar 4 berikut ini ni menunjukan tampilan antarmuka login sebagai beri erikut.


Gambar 4. Antarmuka login lo b. Antarmuka utama Antarmukautama merupaka kan form yang menampilkan jendela utama aplikasi ap evaluasi tenaga ahli. Pada jendela ini terd rdapat sub menu yang dapat dipilih untuk ke subb menu lainnya. Gambar 5 berikut ini menunuj ujukan tampilan halaman utama.

Gambar 5. AntarmukaUt Utama c. Antarmukatenaga ahli Dalam antarmuka data m master terdapat antarmukamengolah data tenaga aahli. Antarmuka mengolah data tenaga ahli bertujuan an agar pengguna bisa meng-input data tenaga ahli. a Tampilan antarmuka mengolah data tenaga ahli ah dapat dilihan pada Gambar 6 berikut ini.

ata Tenaga ahli Gambar 7. Antarmuka input Data d. Antarmukaprosesdata tenaga ahli hli Dalam antarmuka data proses p terdapat antarmukaproses data tenaga ahli. ah Antarmuka proses data tenaga ahli ber bertujuan untuk mengevaluasi data tenaga ahli. Tamp mpilan antarmuka proses data tenaga ahli dapat dilihatt pada Gambar 8.

328

Gambar 8. Antarmuka prosesdata pro tenaga ahli e. Antarmuka TOPSIS Antarmuka TOPSIS S berfungsi sebagi form untuk merangking alter ternatif (tenaga ahli) berdasarkan multikriteriaa yang ada. Dalam antarmuka TOPSIS terdapa apat proses perhitungan TOPSIS yang ditampilkan pada p textbox. Data hasil TOPSIS akan digunakan admin a sebagai laporan kepada pimpinan atau sesuai ai kebutuhan. Antarmuka TOPSIS dapat dilihat pada Gambar G 9.

Gambar 9. Antarm rmuka TOPSIS f. Antarmuka cetak laporan an hasil evaluasi Antarmuka mengolah lah cetak laporan hasil evaluasi berfungsi sebagi gi cetak laporan hasil evaluasi yang akan digun unakan admin sebagai laporan kepada pimpinan atau a sesuai kebutuhan. Antarmuka cetak laporann hasil evaluasi dapat dilihat pada Gambar 10.

Gambar 10. Antarmuka cetak taklaporan hasil evaluasi. g. Antarmuka cetak laporan an hasil TOPSIS Antarmuka mengolah lah cetak laporan hasil TOPSIS berfungsi sebagi gi cetak laporan hasil TOPSIS yang akan digun unakan admin sebagai laporan kepada pimpinan atau a sesuai kebutuhan. Antarmuka cetak laporann hasil TOPSIS dapat dilihat pada Gambar 11.


Gambar 11. Antarmuka cetaklaporan ran hasil TOPSIS 3.3. Pengujian Sistem Pengujian sistem perangkatt lunak l dilakukan oleh pembuat aplikasi untuk mengu guji fungsi-fungsi yang terdapat dalam sistem. Saat pengujian p sistem dilakukan, penulis menggunakan meetode robust. Pengujian dengan metode de robust yang menitik beratkan pada pengujian sen sensitivitas sistem terhadap kondisi yang berubah denga gan menganalisis akurasi perhitungan sistem. Sasar aran dari robust adalah menguji sensitivitas sebuahh sistem terhadap perubahan bobot kriteria. Dalam permasalahan pe ini digunakan empat kriteria dan eempat alternatif seperti yang terdapat pada tabel diba bawah ini. Untuk menentukan total priorita itas global, dapat ditunjukan pada tabel 2 berikut ini: Tabel 2. Prioritas global

1. Analisa sensitivitas terhadap pe perubahan bobot kriteria pendidikan dan pengalam aman kerja Jika bobot kriteria pe pendidikan dan pengalaman kerja dirubah maka hhasilnya sebagai berikut: A1=(2*40)+(4 *30)+(2*20)+(2*10)= 0)=260 A2=(2*40)+(6 *30)+(1*20)+(2*10)= 0)=300 A3=(2*40)+(2 *30)+(2*20)+(1*10)= 0)=190 A4=(2*40)+(7 *30)+(1*20)+(1*10)= 0)=320 Prioritas global dan rangking ing pada setiap alternatif mengalami perubahan. Nilai Ni alternatif 4 mengalami perubahan atau tetap menjadi m prioritas sedangkan yang mengalami per erubahan adalah alternatif 1 kembali menjadi urutann kkedua, alternatif 2 berada pada urutan pertama dan aalternatif 3 pada urutan keempat. 2. Analisa sensitivitas terhadap pe perubahan bobot kriteria sertfikat keahlian dan da kemampuan berbahasa Jika bobot kriteria sertifika kat keahlian dan kemampuan berbahasa dirubah maka hasilnya sebagai berikut: A1=(2*40)+(4 *30)+(2*10)+(2*20)= 0)=280 A2=(2*40)+(6 *30)+(1*10)+(2*20)= 0)=350 A3=(2*40)+(2 *30)+(2*10)+(1*20)= 0)=180 A4=(2*40)+(7 *30)+(1*10)+(1*20)= 0)=370 Prioritas global berubah sedan angkan rangking pada setiap alternatif tidak mengalam ami perubahan. 329

3. Analisa sensitivitas terh rhadap perubahan bobot kriteria pendidikan dan sertifikat se keahlian Jika bobot kriteria pendidikan pe dan sertifikat keahlian dirubah maka hasiln ilnya sebagai berikut: A1=(2*20)+(4 *30)+(2*30)+ )+(2*20)=280 A2=(2*20)+(6 *30)+(1*30)+ )+(2*20)=330 A3=(2*20)+(2 *30)+(2*30)+ )+(1*20)=190 A4=(2*20)+(7 *30)+(1*30)+ )+(1*20)=360 Prioritas global berub ubah sedangkan rangking pada setiap alternatif tidak mengalami m perubahan. 4. Analisa sensitivitas terh rhadap perubahan bobot kriteria pengalaman kerja ke dan kemampuan berbahasa. Jika bobot kriteria ppengalaman kerja dan kemampuan berbahasa dirubah dir maka hasilnya sebagai berikut: A1=(2*20)+(4 *10)+(2*30)+ )+(2*40)=220 A2=(2*20)+(6 *10)+(1*30)+ )+(2*40)=220 A3=(2*20)+(2 *10)+(2*30)+ )+(1*40)=160 A4=(2*20)+(7 *10)+(1*30)+ )+(1*40)=190 Prioritas global dan rrangking pada setiap alternatif mengalami peruba bahan. Nilai alternatif 1 dan alternatif 2 mengalamii pperubahan atau menjadi prioritas pertama, alternatiff 3 menjadi urutan ketiga, alternatif 4 berada pada uruta tan kedua. Dari analisis sensitiv ivitas dapat disimpulkan bahwa perubahan bobot pada da setiap kriteria dengan nilai bobot yang melebihi nilai nil bobot kriteria lainya akan merubah prioritas glob lobal dan rangking pada setiap alternatif. 4. SIMPULAN DANSARA AN 4.1. Simpulan Berdasarkan hasil il penelitian dapat disimpulkan bahwa telah terb erbangun sebuah aplikasi evaluasi tenaga ahli pesert rta seleksi pada Satker P2JN Prov. NTT menggunak akan metode TOPSIS. 4.2. Saran Berdasarkan hasil penelitian pe dan simpulan yang ada, penulis menyarank nkan beberapa hal: 1. Diharapkan peneliti sela elanjutnya menggunakan metode yang dapat mem embedakan secara tegas nilai skala pengalaman kkerja sehingga menjadi pembatas yang lebih tepat terhadap hasil perhitungan. 2. Aplikasi ini belum m dirancang untuk dioperasikan secara onl nline. Karena itu bagi pihak lain yang ingin meengembangkan program serupa, dapat membuat/m /merancang sistem secara online. ENSI REFERE [1] Andi, 2011. Microso soft Visual Basic dan MySQL untuk Aplik likasi Point of Sales. Yogyakarta(ID): Graha ha Ilmu. [2] Hendarso. 2013. Satu tuan Kerja Pengawasan dan Perencanaan Jala lan Nasional. Edisi II. Surabaya(ID): Bina Gra raha.

PROSIDING SEMMAU 2016 [3] Kristanto. A. 2010. Perancangan Sistem Informasi dan Aplikasinya, Yogyakarta(ID): Grave Media. [4] Kurniasih D. 2013. Sistem Pendukung Keputusan Pemilihan Laptop dengan Metode TOPSIS. Medan(ID): STMIK Budi Darma Medan. [5] Liem S. 2011. Sistem Informasi Pendataan Buku Jurusan Teknik Elektro Politeknik Negeri Kupang. Kupang(ID): Politeknik Negeri Kupang. [6] Pridayanto H. 2014. Visual Basic NET Membuat Aplikasi Database dan Program Kreatif. Bandung(ID): Informatika.

330

[7] Rusmawan. U. 2011. Visual Basic. Net Untuk Semua Tingkat. Jakarta(ID): Elex Media Komputindo.


LELANG ONLINE BERBASIS WEBSITE PADA PEGADAIAN CABANG OESAO Adalberto Guterres1, Benyamin Jago Belalawe2, Mardhalia Saitakela3 Program Studi Teknik Informatika Strata Satu STIKOM Uyelindo Kupang 3 [email protected],[email protected], [email protected] Abstrak Perkembangan internet saat ini membuktikan bahwa internet menjadi salah satu kebutuhan dasar manusia saat ini, Dengan menggunakan internet manusia dapat melakukan banyak hal, karena dapat menghemat waktu, biaya dan tenaga. Lelang merupakan salah satu teknik penjualan barang yang diadakan di hadapan banyak orang, dengan harga penawaran yang terus meningkat seiring dengan tawaran dari pembeli dan barang lelang akan terjual jika tidak ada penawaran lebih tinggi lagi. Diharapkan hasil penelitian ini dapat mempermudah proses terjadinya lelang pada kantor Pegadaian Cabang Oesao yang tidak terbatas waktu dan tempat dan mempermudah pembeli atau anggota lelang dalam mengikuti lelang secara online dan mempermudah para karyawan pada kantor Pegadaian Cabang Oesao dalam memberikan pelayanan lelang terhadap masyarakat atau anggota lelang dalam mendapatkan barang lelang yang diinginkan serta dapat meningkatkan harga jual barang dari hasil pelelangan barang dan karyawan pada kantor Pegadaian Cabang Oesao tidak disibukkan dengan kegiatan lelang. Kata kunci: e-commerce, lelang, online, website. 1. PENDAHULUAN Menurut Pasal 1 peraturan Menteri Keuangan No.40/PMK.07/2006, pengertian lelang adalah penjualan barang yang terbuka untuk umum dengan penawaran secara tertulis atau lisan yang semakin meningkat atau menurun untuk mencapai harga tertinggi yang didahului dengan pengumuman lelang. Dalam penjualan barang secara lelang ini terdapat aspek-aspek positif yaitu: Apek kompetitif, yaitu dalam pelaksanaan lelang ini terjadi suatu persaingan bebas dalam hal pengajuan penawaran. Aspek built in control, yaitu adanya pengawasan langsung oleh masyarakat atau publik. Aspek obyektivitas, yaitu bahwa pelaksanaan lelang ini dipimpin oleh seorang pejabat lelang yang tidak memihak. Perkembangan internet saat ini membuktikan bahwa internet menjadi salah satu kebutuhan dasar manusia saat ini, karena dengan menggunakan internet manusia dapat melakukan banyak hal, karena dapat menghemat waktu, biaya dan tenaga. Lelang merupakan salah satu teknik penjualan barang yang diadakan di hadapan banyak orang, dengan harga penawaran yang terus meningkat seiring dengan tawaran dari pembeli dan barang lelang akan terjual jika tidak ada penawaran lebih tinggi lagi. Kantor Pegadaian Cabang Oesao merupakan salah satu perusahan Negara yang membantu masyarakat dalam pencairan dana cepat dengan cara menggadaikan barang yang berharga, tetapi tidak jarang barang yang telah digadaikan tidak di tebus kembali sehingga barang tersebut dilelangkan, tetapi sistem pelelangan yang terjadi di

331

Pegadaian Cabang Oesao masih menggunakan pengunguman lisan dan spanduk yang berisi informasi tanggal terjadi lelang dengan cara pelelangan seperti menjual barang di Toko khususnya barang berupa emas. [1] Dewahyu (2013) Melakukan penelitian yang berjudul sistem pelelangan website dan blog berbasis web menggunakan codeignier framework, dari pengangkatan tema pelelangan website online, melatar belakangi kemajuan teknologi informasi yang menciptakan suatu peluang bisnis dan profesi baru sebagai internet marketer, dan juga masih sedikitnya media jual beli website yang ada di internet, maka dengan web ini dibangun untuk pemecahan masalah tersebut. [2] Himawan (2013) Melakukan penelitian dengan judul website lelang online barang antik berbasis PHP dan sms gateway, bahwa dengan adanya website lelang online barang antik berbasis PHP dan sms gateway ini, lelang dapat dilakukan dimana saja dan kapan saja selamatersedia akses internet. Dengan hasil pada website ini adalah menghemat waktu danbiaya dibandingkan dengan datang secara langsung ke tempat showroom, pembeli dapat melihat katalog produk yang dilelang di halaman website ini, serta pemotongan saldo secara otomatis kepada pemenang lelang. Berdasarkan pada latar belakang dan penelitian terdahulu, maka perlu dibangun website lelang online pada kantor Pegadaian Cabang Oesao. Sehingga diharapkan dapat membantu kantor Pegadaian Cabang Oesao dalam menghemat waktu, biaya dan tenaga. Dari penjelasan pada latar belakang, maka peneliti ingin melakukan penelitian


pada kantor Pegadaian Cabang Oesao dengan judul Lelang Online Berbasis Website Pada Pegadaian Cabang Oesao.

referensi dalam pembuatan website lelang online pada Pegadaian Cabang Oesao.

2. METODE PENELITIAN

Data sekunder merupakan literatur atau berupa jurnal, hasil penilitian terdahulu, buku yang terkait dengan penelitian yang peneliti lakukan dan bahan referensi lainnya yang mendukung dalam penelitian ini

Metodologi penelitian adalah sekumpulan peraturan, kegiatan, dan prosedur yang digunakan untuk mendapatkan data sampai dengan pengujian program yang akan dibuat oleh pelaku. Metodologi juga merupakan analisis teoritis mengenai suatu cara atau metode untuk mendapatkan bahan dan informasi yang diperlukan untuk pemantapan proses perancangan dan pembuatan perangkat lunak. Adapun metodologi yang digunakan dalam penelitian ini terdiri dari urutan langkah-langkah berikut: 2.1 Metode Pengumpulan Data Teknik dalam pengumpulan data yang digunakan adalah sebagai berikut: a. Metode studi pustaka dilakukan dengan melakukan pencarian terhadap buku-buku yang berhubungan dengan penelitian lelang online maupun jurnal, artikel, baik yang terdapat di perpustakaan maupun yang terdapat di internet dan dapat digunakan sebagai referensi dalam penyusunan penelitian ini. b. Metode observasi atau metode pengamatan, peneliti melakukan peninjauan dan penelitian langsung pada kantor Pegadaian Cabang Oesao untuk memperoleh dan mengumpulkan data yang dibutuhkan guna menangani permasalahan yang terjadi yaitu. Kantor Pegadaian Cabang Oesao masih menggunakan pengumuman lisan dan spanduk yang berisi informasi tanggal terjadi lelang dengan cara pelelangan seperti menjual barang di toko khususnya barang berupa emas. c. Metode wawancara adalah proses memperoleh keterangan atau data untuk tujuan penelitian yang akan dilakukan dengan cara tanya jawab secara langsung dengan pimpinan dan pegawai pada kantor Pegadaian Cabang Oesao. 2.2 Bahan Penelitian Adapun bahan yang digunakan peneliti untuk membuat program ini adalah dengan menggunakan data hasil dari penelitian melalui wawancara dan pengumpulan data tertulis. Dokumen yang berisi data rekapan pelelangan pada Kantor Pegadaian Oesao. dan juga data yang berasal dari hasil observasi dilapangan. Dan beberapa bahan tambahan lainnya untuk menunjang proses pembuatan website lelang online. 2.3 Data Primer Sumber data primer yaitu tentang sistem pemasaran yang diperoleh lansung dari wawancara bersama pimpinan dan kariawan pada Pegadaian Cabang Oesao yang akan digunakan sebagai bahan

332

2.4 Data Sekunder

2.5 Prosedur Analisis Data Pada tahapan ini, dilakukan analisa sistem yang sedang berjalan di kantor Pegadaian Cabang Oesao, yang masih dilakukan secara manual dan melakukan identifikasi terhadap masalah yang muncul, yang nantinya akan mendapatkan solusi yang terbaik. Kegiatan- kegiatan yang dilakukan dalam tahapan ini, diantaranya adalah: 1. Deteksi masalah Melakukan deteksi masalah terhadap sistem yang sedang berjalan pada kantor Pegadaian Cabang Oesao yang masih dilakukan secara manual, dengan melakukan perumusan-perumusan masalah apa saja yang dapat menjadi kendala dari sistem lelang pada kantor Pegadaian Cabang Oesao, sehingga dapat diketahui permasalahanya. Perhatikan gambar 1Flowchart Sistem yang sedang berjalan. Mulai

Barang yang dilelangkan

Basis Data

Proses Lelang

Belum terjual

Barang terjual

terjual

Selesai

Gambar 1. Flowchart Sistem yang sedang berjalan. 2.

Penelitian dan investigasi awal Setelah melakukan deteksi masalah yang ada, maka mulailah dilakukan penelitian dan Investigasi secara langsung, yaitu untuk mengetahui secara langsung apa yang terjadi dalam lingkungan kantor Pegadaian Cabang Oesao, dengan cara wawancara pada pimpinan, pegawai maupun konsumen dan observasi pada kantor Pegadaian Cabang Oesao. 3. Analisa kebutuhan sistem Setelah melakukan penelitian dan investigasi awal, maka didapat data-data maupun informasi yang dapat diolah untuk kebutuhan analisa sistem,


dari penjelaskan gambar 1. sistem yang berjalan pada kantor Pegadaian Cabang Oesao maka sistem yang diusulkan pada kantor Pegadaian Cabang Oesao adalah sebuah web lelang online yang dapat dilihat pada gambar proses lelang mengunakan diagram alur data.

3.2 Perspektif produk Pengguna sistem lelang onlinedibagi menjadi tiga tipe yaitu administrator, userdan Penggunjung.Perancangan arsitektur sistem lelang onlinedapat dilihat pada gambar berikut:

Diagram Alur data menjelaskan tentang alur data pada sistem website lelang online yang akan dibanggung. Seperti pada gambar 2. diagram alur data sebagai berikut:

Gambar3. Arsitektur sistemlelang online.

Gambar 2. Diagram Alur Data. Berdasarkan gambar 2 diagram alur data maka alur data pertama dimulai dari user mendaftar sebagai anggota lelang dengan membawah data diri kepada admin yang diperluhkan menjadi anggota lelang maka admin akan menyimpan data anggota lelang, data petugas, data barang lelang dan data transaksi kedalam database sistem dan sistem akan menyimpan data user baru tersebut dan admin akan mencetak kartu anggota lelang yang akan diberikan pada user. Dengan mendapatkan kartu anggota lelang maka user sudah memiliki hak akses untuk mengikutih lelang online pada web browser. 3. HASIL DAN PEMBAHASAN 3.1 Analisis Kebutuhan Langkah ini merupakan analisa terhadap kebutuhan sistem. Pengumpulan data dalam tahap ini dengan melakukan studi kepustakaan yaitu referensi dari artikel dan buku-buku tentang sistem pelelangan. Tahapan ini akan menghasilkan data yang sesuai kebutuhan penelitian dari peneliti. Data inilah yang akan menjadi acuan analisis sistem untuk diterjemahkan ke dalam program. Sistemlelang onlineberbasis websitemerupakan sebuah sistem perangkat lunak berbasis internet yang yang dirancang dan untuk membantu memudahkan karyawan pada Kantor Pegadaian Cabang Oesaodanpeserta atau anggota yang mengikuti kegiatan pelelangan.

333

3.3 Fungsi Produk Pengoperasian sistem lelang online dibagi menjadi dua yaitu fungsi produk untuk halaman khusus atau halaman manajemen sistem oleh pihak pengelola sistem dan fungsi produk untuk pengoperasian halaman umum pengguna sistem. Berikut ini adalah penjelasan dari masing-masing fungsi produk di dalam sistem lelang online. a. Fungsi menampilkan halaman khusus Pengoperasian pengelolaan data secara khusus yang dilakukan oleh pengelola sistem dapat mempengaruhi semua halaman dalam sistem lelang online. Istilah create, read, update dan delete atau yang disingkat CRUD sudah menjadi dasar dari suatu sistem informasi. Karena halaman khusus lelang online sangat identik dengan istilah CRUD maka setiap perubahan data yang terjadi dalam halaman ini akan mempengaruhidata pada halamanumum pengguna sistem dan halaman khusus itu sendiri. Fungsi-fungsi dari tools yang terdapat dalam halamankhusus lelang online terdiri dari: 1) Fungsi login Fungsi login merupakan fungsi awal yang digunakan oleh admin untuk bisa mengakses halaman administrator. Hal ini untuk mencegah akses data yang tidak diinginkan ke halaman administrator. Setelah berhasil melalui tahap awal yaitu proses login maka admin atau pengelolah sistem lelang online akan dihadapkan pada halaman penting yaitu halaman administrator atau halaman pegelola sistem lelang online. Di halaman administrator pengolah sistem bebas melakukan apapun yang dikehendaki. 2) Fungsi pengolahan data admin Fungsi pengolahan data admin merupakan fungsi yang digunakan oleh admin untuk mengolah informasi data admin atau pengolahan informasi data dari petugas pengelola sistem. Fungsi pengolahan data adminhanya meliputi fungsi edit data dan delete data. Fungsi edit dan delete datamerupakan fungsi yang digunakan olehadmin


untuk melakukan perubahan data dann delete untuk menghapus data. 3.4 Karakteristik Pengguna Karakteristik pengguna sistem lelang le online adalah sebagai berikut: a. Admin Admin adalah salah satu pengg gguna sistem lelang online, sebutan untuk peringkatt tertinggi te user account khusus pada sistem dan an memiliki wewenang terbesar untuk melakukan an perubahanperubahan pada sistem. Karakteristik k dari d seorang admin adalah: 1) Mengerti pengoperasian komputer. 2) Memahami pengoperasian sistem. ngakat lunak 3)Memahami sistem tempat perang dijalankan. b. User User adalah salah satu pengguna sistem s lelang online, sebutan untuk peringkat kedua pada sistem dan memiliki wewenanguntuk meng ngikuti acara lelang pada sistem. Karakteristik darii seorang s User adalah: 1) Mengerti pengoperasian komputer er. 2) Sudah terdaftar sebagai anggotaa pada sistem lelang online. 3) Memahami tata cara pelelangan n barang pada sistem. c. Penggunjung Penggunjung dari sistem lela elang online ditujukan bagi seluruh kalangan masy asyarakat oleh sebab itu setiap penggunjung yang ingin gin mengakses layanan dari sistem m lelang onlineiniharusmengerticaramengoperasi asikankomput er dan cara mengoperasikan sistem yan ang digunakan untuk mengakses serta mengerti layanan an internet. 3.5 Kebutuhan Khusus Kebutuhan khusus meliputi kebutuhan antarmuka eksternal dan kebutuhan fungsionalitas fu perangkat lunak. Kebutuhan antarmuk uka eksternal dapat dibagi menjadi tiga yaitu tu kebutuhan antarmuka pemakai, antarmuka perangk gkat keras dan antarmuka perangkat lunak.

Perangkat keras yang dig digunakan untuk menjalankan sistem lelang onlinee adalah sebagai berikut: 1) Satu set perangkat komputer. 2) Terdapat sistem browser untuk uk akses internet. 3) Perngkat terhubung dengan int internet c) Antarmuka perangkat lunak Kebutuhan fungsional peran angkat lunak Use case diagram Pada use case diagram, pen enguna langsung berinteraksi dengan sistem. Penggun una bebas melihat informasi yang terdapat pada si sistem lelang di Kantor Pegadaian Cabang Oesao yyang tersedia di dalam sistem. Penjelasan use cas ase dapat dilihat pada penjelasan dalam tabel spesifik fikasi use case. Beranda

Lihat

Profil

Lihat Lihat

Berita

isi komentar Lihat

Koleksi

Lihat Isi

Kegiatan

Penggunjung Galery

Buku Tamu

Beranda Admin

<>

Lihat Data Profil <>

Kelolah Kelolah Data Berita

<>

Kelolah Kelolah Kelolah

<> Data Koleksi <>

Kelolah Data Kegiatan Admin

Kelolah Kelolah

<> <>

Data Galery

Login

<> <>

Data Buku Tamu

Data Transaksi

<>

<>

Data Peserta

Lihat

Beranda User

Kelolah Transaksi

User

Gambar 4. use case sistem lela elang online. Spesifikasi use case Spesifikasi rincian keseluruhan an data merupakan spesifika yang mejelaska skan brif description dari setiap use case dann basic flow dari aktor atau penguna. a. Analysis Sequence Diagram : Use Case Penggunjung.

1.

Kebutuhan Antarmuka Eks ksternal a)

Antarmuka pemakai Pengguna sistem terdiri dari penggguna khusus admin dan user.Admin dapat mengakses ses data secara keseluruhan dan melakukan perubahan an data secara berkala melalui internet, sedangkan an userhanya dapat mengaksessistem dengan sandi di dan nama user yang dimiliki untuk mengikuti ti lelang pada sistem lelang online. Sedangkan penggunjung p hanya dapat melihat halaman depann sistem dan mengisi buku tamu yang ada. b) Antarmuka perangkat keras dan an perangkat lunak

334

Gambar 5. Analisis Sequence Diag agram : Use Case Penggunjung. Flow of events :


1)

Penggunjun menjalankan antarm muka Sistem, sistem akam memanggil kontruktor UIWebsite. 2) Penggunjung memasukan data komentar ko dan data buku tamu, selanjutnya penggunjung p melakukan klik tombol simpan . Sistem S Akan melakukan validasi data koment ntar dan data buku tamu. 3) Jika rule terpenuhi maka prosess akan a menuju ke sistem akan menyimpan data pada pa database dan jika rule tidak terpenuhi maka ka kembali ke ControlManager. Case Login b. Analysis Sequence Diagram : Usee C Admin.

Use Case c. Analysis Sequence Diagram : U Kelolah Data Profil

Di : Use Gambar 7. Analisis Sequence Diagram CaseDataProfil Flow of events : 1) Admin menjalankan antarmuk uka Sistem, sistem akam memanggil kontruktor P ProfilUI. 2) Admin memasukan data pro rofil, selanjutnya Admin melakukan klik tombol ol simpan. Sistem Akan melakukan validasi data d profil oleh sistem pada file profil, den engan memanggil method data profil. 3) Jika rule terpenuhi maka pros oses akan menuju ke menu utama dan jika rule le tidak terpenuhi maka kembali ke profilManage ger. d. Analysis Sequence Diagram : U Use Case Kelolah Data Berita m : Use Case Gambar 6. Analisis Sequence Diagram Login Admin. Flow of events : Admin menjalankan antarmuka Sistem, Si sistem akam memanggil kontruktor Login inUI. 2) Admin memasukan username dan password, selanjutnya Admin melakukan n klik tombol login. Sistem Akan melakuk ukan validasi username dan password oleh siste stem pada file login, dengan memanggil il method getUsername dan getPassword. 3) Jika rule terpenuhi maka prosess akan a menuju ke menu utama admin dan jika ika rule tidak terpenuhi maka kembali ke loginM Manager.

1)

Gambar 8. Analisis Sequence Diag agram : Use Case DataBerita Flow of events :

335


1)

Admin menjalankan antarmuka Sistem, Si sistem akam memanggil kontruktor Berita itaUI. 2) Admin memasukan data berita,, selanjutnya Admin melakukan klik tombol sim impan. Sistem Akan melakukan validasi dataa berita oleh sistem pada file berita, dengan n memanggil method data berita. 3) Jika rule terpenuhi maka prosess akan a menuju ke menu utama dan jika rule tida idak terpenuhi maka kembali ke BeritaManager. e. Analysis Sequence Diagram : Usee C Case Kelolah Data Koleksi

Flow of events : uka Sistem, sistem 1) Admin menjalankan antarmuk akam memanggil kontruktor K Kegiatan UI. 2) Admin memasukan data Kegia giatan, selanjutnya Admin melakukan klik tombol ol simpan. Sistem Akan melakukan validasi dat ata Kegiatan oleh sistem pada file Kegiatan, den engan memanggil method data kegiatan. 3) Jika rule terpenuhi maka pros oses akan menuju ke menu utama dan jika rule le tidak terpenuhi maka kembali ke Kegiatan Maanager. g. Analysis Sequence Diagram : U Use Case Kelolah Data Galery

m : Use Case Gambar 9. Analisis Sequence Diagram DataKoleksi Flow of events : 1) Admin menjalankan antarmuka Sistem, Si sistem akam memanggil kontruktor Kolek leksi UI. 2) Admin memasukan data Koleksi,, selanjutnya Admin melakukan klik tombol sim impan. Sistem Akan melakukan validasi data K Koleksi oleh sistem pada file Koleksi, dengan an memanggil method data koleksi. 3) Jika rule terpenuhi maka prosess akan a menuju ke menu utama dan jika rule tida idak terpenuhi maka kembali ke Koleksi Manager er. f. Analysis Sequence Diagram : Usee C Case Kelolah Data Kegiatan

Gambar 10. Analisis Sequence Diagram am : Use Case DataKegiatan

336

Gambar 11. Analisis Sequence Diag iagram : Use Case DataGalery Flow of events : 1) Admin menjalankan antarmuk uka Sistem, sistem akam memanggil kontruktor G Galery UI. 2) Admin memasukan data Gal alery, selanjutnya Admin melakukan klik tombol ol simpan. Sistem Akan melakukan validasi da data Galery oleh sistem pada file Galery, den engan memanggil method data galery. 3) Jika rule terpenuhi maka pros oses akan menuju ke menu utama dan jika rule le tidak terpenuhi maka kembali ke Galery Mana nager. h. Analysis Sequence Diagram : U Use Case Kelolah Data Bukutamu

iagram : Use Case Gambar 12. Analisis Sequence Diag DataBukutamu Flow of events :


1) 2)

3)

i.

Admin menjalankan antarmuka Sistem, Si sistem akam memanggil kontruktor Buku kutamu UI. Admin memasukan data Bukutamu, selanjutnya Admin melakukan n klik tombol simpan. Sistem Akan melakukan n validasi data Bukutamu oleh sistem pada file ile Bukutamu, dengan memanggil method data bu bukutamu. Jika rule terpenuhi maka prosess akan a menuju ke menu utama dan jika rule tida idak terpenuhi maka kembali ke Bukutamu Mana nager. Analisis Sequence Diagram : Use Case Kelolah Data Transaksi

Gambar13. Analisis Sequence Diagram m : Use Case DataTransaksi Flow of events : 1) Admin menjalankan antarmuka Sistem, Sis sistem akam memanggil kontruktor Transak saksi UI. 2) Admin memasukan data Transaksi,, selanjutnya Admin melakukan klik tombol sim impan. Sistem Akan melakukan validasi data Tra ransaksi oleh sistem pada file Transaksi, dengan an memanggil method data transaksi. 3) Jika rule terpenuhi maka proses aka kan menuju ke menu utama dan jika rule tidak terp erpenuhi maka kembali ke Transaksi Manager. j.

Analysis Sequence Diagram : Use se Case Kelolah Data Peserta

Gambar 14. Analisis Sequence Diagram am : Use Case DataPeserta Flow of events :

337

Admin menjalankan antarmuk uka Sistem, sistem akam memanggil kontruktor P Peserta UI. 2) Admin memasukan data Pese serta, selanjutnya Admin melakukan klik tombol ol simpan. Sistem Akan melakukan validasi data da Peserta oleh sistem pada file Peserta, den engan memanggil method data peserta. 3) Jika rule terpenuhi maka pros oses akan menuju ke menu utama dan jika rule le tidak terpenuhi maka kembali ke Peserta Mana nager. k. Analysis Sequence Diagram m : Use Case Login User. 1)

iagram : Use Case Gambar 15. Analisis Sequence Diag Login User Flow of events : 1) User menjalankan antarmuka ka Sistem, sistem akam memanggil kontruktor L LoginUI. 2) User memasukan usernamee dan password, selanjutnya User melakuka kan klik tombol login. Sistem Akan mela elakukan validasi username dan password olehh sistem pada file login, dengan meman anggil method getUsername dan getPassword rd. 3) Jika rule terpenuhi maka pros oses akan menuju ke menu utama dan jika rule le tidak terpenuhi maka kembali ke loginManage ger. l. Analysis Sequence Diagram m : Use Case Transaksi User.

Gambar 16. Analisis Sequence Diag iagram : Use Case DataTransaksi.


Flow of events : 1) User menjalankan antarmuka Sistem, sistem akam memanggil kontruktor Transaksi UI. 2) User memilihdata Transaksi, selanjutnya User melakukan klik tombol tawar dan memasukan harga tawar. Sistem Akan melakukan validasi data Transaksi oleh sistem pada file Transaksi, dengan memanggil method data Transaksi. 3) Jika rule terpenuhi maka proses akan menuju ke menu utama dan jika rule tidak terpenuhi maka kembali ke Transaksi Manager. 3.6 Perancangan Perangkat Lunak 1. Perancangan arsitektur layar Perancangan antarmuka (dialog layar terminal interface) merupakan rancang bangun dai percakapan pengguna dengan aplikasi yang akan dibangun. Percakapan antarmuka tersebut terdiri dari tampilan antarmuka seorang admin untuk memasukkandata lokasi wisata kerusakan dan perawatan terumbu karang, dan juga tampilan antarmuka pengguna. 1. Sequence diagram Sequence diagram adalah suatu diagram yang menggambarkan interaksi antar obyek dan mengindikasikan komunikasi diantara obye-obyek tersebut. Diagran ini juga menunjukan serangkaian pesan yang dipertukarkan oleh obyek-obyek yang melakukan suatu tugas atau aksi tertentu. Obyekobyek tersebut kemudian diurutkan dari kiri ke kanan, aktor yang menginisiasi interaksi biasanya ditaruh di paling kiri dari diagram. 2. Class diagram Class diagram mengambarkan struktur statis class di dalam sistem. Class merepresentasikan sesuatu yang ditangani oleh sistem. Dengan melihat karakteristik sistem penjualan mulai dari bagian pengolahan data sampai pada transaksi beserta proses-proses yang terjadi, maka dapat dibuat class diagram sistem lelang online berbasis website ini.

Gambar 17. Class Diagram

338

3. Perancangan antarmuka 3.7 Perancangan Perangkat Lunak 1) Perancangan Antarmuka Perancangan antarmuka (dialog layar terminal interface) merupakan rancang bangun dari percakapan antara pemakai sistem dengan komputer. Percakapan tersebut terdiri dari proses memasukkan data ke dalam database, sehingga bisa menampilkan output atau keduanya. a) Halaman loginadmin Halaman login admin adalah halaman awal ketika petugas atau pengguna khusus mengunjungi halaman utama administrator. Halaman login ini digunakan sebagai proses autentifikasi atau proses validasi data admin sebagai kunci untuk mengakses halaman administrator.

Gambar 18. Halaman loginadmin b)

Halaman loginuser Halaman login user adalah halaman awal ketika petugas atau pengguna khusus mengunjungi halaman utama user. Halaman login ini digunakan sebagai proses autentifikasi atau proses validasi data user sebagai kunci untuk mengakses halaman user.

Gambar 19. Halaman login user


c)

Halaman utama penggunjung dan user Ini adalah perancangan prototype untuk halaman utama penggunjung dan user atau halaman penggunjung dan user yang akan tampil ketika seorang penggunjung dan user atau penguna pertama kali masuk. Halaman penggunjung dan user ini digunakan sebagai tempat melihat konten dan melakukan aksi yang ada dalam sistem.

Gambar 23. Halaman koleksi. Halaman Kegiatan Pada halaman tampilan ini akan berisi kegiatan – kegiatan yang dilakukan oleh Kantor Pegadaian Cabang Oesao. g)

Gambar 20. Halaman utama penggunjung Halaman utama Profil Perancangan prototype ini untuk menampilkan informasi halaman utama profil. Konten ini akan pertama kali muncul ketika pengguna memilih profil Kantor Pegadaian Oesao. Pada tampilan halaman utama profi ini, pengguna hanya sebatas melihat sejarah, Visi-Misi dan Stuktur Organisasi Kantor. d)

Gambar 24. Halaman kegiatan. Halaman Gallery pada tampilan website Halaman ini merupakan halaman untuk menampilkan gambar yang ada pada Kantor Pegadaian Oesao.

h)

Gambar 25. Halaman Gallery. Gambar 21. Halaman utama profil. Halaman Buku Tamu Halaman ini bertujuan untuk pengguna dapat mengisi buku tamu yang di sediakan.

i) e)

Halaman Berita Ini menjelaskan bagaiman berita pada kantor Pegadaian Cabang Oesao. Dan situasi atau keadaan Kantor.

Gambar 26. Halaman Buku Tamu. j)

Gambar 22. Halamna berita.

Halaman Login Halaman ini akan digunakan oleh pengguna atau penggunjung untuk mendaftar sebagai user dan dapat digunakan oleh user untuk login ke halaman user.

f)

Halaman Koleksi Pada halaman tampilan ini akan berisi gambar barang yang akan di lelangkan dan pengguna atau penggunjung dapat melakukan komentar pada barang lelangdengan memilih preview.

339

Gambar 27. Halaman Login.


3.8 Penerapan Program dan Pemeliha iharaan Perangkat lunak yang telah disampa paikan kepada seseorang pasti akan mengalamii perubahan. Perubahan tersebut bisa dikarenakan n mengalami kesalahan karena perangkat lun lunak harus menyesuaikan dengan lingkungan (pe periperal atau sistem operasi baru) atau karena na seseorang membutuhkan perkembangan fungsional. Penerapan program dilakukan mulai m dari mengunduh sistem lelang online denga gan membuka aplikasi Mozilla Firefox. Berikut ini membahas tentang fungsi dan cara kerja setiap halaman ha serta menu-menu yang dihasilkan oleh sistem si lelang online pada Kantor Pegadaian Cabang Oesao. O Pada bagian ini akan di gam mbarkan dan dijelaskan bagaimana proses manipula lasi data atau implementasi dari program in ini. Untuk mengimplementasikan sistem lelang online ini maka dibuatlah sebuah menu secara inte nteraktif untuk mempermudah pengguna dalam mel elakukan dan memanipulasi data melalui interface yan ang ada. 1.) Halaman Login Administrator ha awal Halaman login admin adalah halaman ketika petugas atau pengguna khususs m mengunjungi halaman utama administrator. Halama man login ini digunakan sebagai proses autentifikasi si atau proses validasi data admin sebagai kunci untuk tuk mengakses halaman administrator.

Gambar 28. Halaman loginantarmuka administrator a Halaman utama admin Ini adalah perancangan proto totype untuk halaman utama administrator atau hala laman control panel yang akan tampil ketika seorang ng admin atau petugas telah berhasil melewati prosess autentifikasi. a Halaman control panel ini digunak akan sebagai tempat pengolahan konten sistem

2)

Gambar 29. Halaman Utama anta tarmuka administrator Halaman menu utama Halaman menu utama merupaka kan antarmuka awal pada saat sistem lelang online ne dijalankan. Tampilan halaman menu utama yang g berisi menu

3)

340

Beranda, Profile, Berita, Kole oleksi, Gallery, Buku Tamu dan Login.

Kegiatan,

Gambar 30. Antarmuka halaman an menu utama 4. KESIMPULAN DAN SARA AN 4.1 Kesimpulan Berdasarkan hasil penelitian ddan pembahasan yang telah dilakukan oleh peneliti, dapat disimpulkan bahwa sistem lelang on online merupakan sistem yang menyediakan pelelanga gan secara online sehingga mempermudah masy asyarakat untuk mengikuti pelelangan emas pada K Kantor Pegadaian Oesao. Karena dengan menggunak akan kemampuan internet saat ini yang sudah terse rsebar luas maka anggota peserta lelang tidak per erluh hadir atau datang ke Kantor Pegadaian Caba bang Oesao untuk melakukan pelelangan. 4.2 Saran Penelitian yang dilakukan masih banyak kekurangan maka dari itu saran yan ang dapat peneliti berikan dalam penerapan sistem le lelang online ini adalah sebagai berikut: m 1. Bagi peneliti yang ingin mengembangkan sistem lelang online ini dapat at menambahkan tanggal barang dilelangkan. 2. Durasi waktu pelelangan bberhenti secara otomatis untuk mengakirih prose ses pelelangan. 3. Cara pembayar menggunakann sistem transaksi rekening atau pembayarang mela elalui bank. REFERENSI

[1] Dewahyu, A., K., 20 2013. Aplikasi Pelelangan Website dan Blog Berbasis Web Menggunakan Codeigniter Framework, Skripsi, Pr Program Pasca Sarjana Ilmu Komput uter, Amikom Yogyakarta(ID) : Yogyakar arta. [2] Himawan, H., 2013. W Website Lelang Online Barang Antik Berb rbasis Php Dan Sms Gateway, Skripsi, Proram Pasca Sarjana Ilmu Kompputer, Univ. Pembangunan Nasionall “VETERAN” (ID) : Jawa Timur

PROSIDING SEMMAU 2016 EVALUASI KINERJA DOSEN DAN KARYAWAN DI STIKOM UYELINDO KUPANG BERBASIS WEBSITE Lukas Haris Jhon Ebenheiser Babu1, Emanuel Safirman Bata2, Marlinda Vasty Overbeek3 Program Studi Teknik Informatika Strata Satu STIKOM Uyelindo Kupang, jl. Perintis Kemerdekaan I Kayu Putih E-mail: [email protected], [email protected], [email protected] Abstrak Evaluasi kinerja adalah suatu proses penilaian yang dilakukan terhadap seseorang atau sekelompok orang dalam satu perusahaan sesuai dengan standar kinerja atau tujuan yang ditetapkan. Dalam penelitian ini evaluasi kinerja dilakukan terhadap dosen dan karyawan yang bekerja di STIKOM Uyelindo Kupang. Penelitian ini menggunakan website sebagai media yang dapat membantu dalam melakukan penilaian kinerja dosen dan karyawan. Tujuan dari penelitian ini adalah untuk membantu badan penjaminan mutu pendidikan dalam menilai kinerja dari dosen dalam melaksanakan tugas serta mempermudah ketua program studi dalam menentukan kelayakan dosen dalam melakukan kegiatan belajar mengajar. Selain itu dengan adanya penelitian ini maka dapat membantu bagian kepegawaian dalam menilai kinerja karyawan yang bekerja di STIKOM Uyelindo Kupang. Hasil dari penelitian ini adalah adanya sebuah sistem berbasis website yang dapat membantu badan penjaminan mutu dan ketua program studi serta bagian kepegawaian dalam menilai kinerja dosen dan karyawan di STIKOM Uyelindo Kupang. Kata kunci: Evaluasi, Kinerja, Dosen, Karyawan, Website.

1.

PENDAHULUAN

Perkembangan teknologi informasi saat ini telah memberikan banyak kemudahan di berbagai aspek. Teknologi informasi telah membawa perubahan yang sangat mendasar bagi organisasi baik swasta maupun publik [1]. Peran teknologi informasi sangat penting dalam menentukan daya saing dan kemampuan untuk meningkatkan kinerja di masa datang. Kinerja merupakan suatu wujud dari keberhasilan yang dicapai oleh seorang pegawai atas pekerjaannya untuk mencapai tujuan yang telah ditetapkan oleh organisasi. Kinerja sangat dipengaruhi oleh kebijakan atasan dalam menempatkan posisi pegawai sesuai dengan kemampuan yang dimilikinya [2]. Penilaian kinerja karyawan merupakan sebuah metode untuk melakukan evaluasi dan apresiasi terhadap kinerja seorang karyawan di sebuah perusahaan. Fokus dari evaluasi tersebut adalah untuk mengetahui seberapa besar produktivitas seorang karyawan dan apakah karyawan tersebut bisa berkinerja baik atau lebih efektif pada masa yang akan datang sehingga para karyawan, organisasi, dan masyarakat keseluruhan bisa memperoleh manfaat yang baik [3]. Di STIKOM Uyelindo Kupang, penilaian kinerja dosen dan karyawan masih dilakukan secara manual dan belum bersifat terstruktur. Penilaian yang dilakukan terhadap kinerja dosen masih dilakukan berdasarkan hasil yang dicapai sampai akhir semester. Penilaian ini dilakukan dengan melihat absensi mingguan yang digunakan dalam melakukan proses belajar mengajar di kelas serta 341

melihat hasil monitoring apakah dosen bersangkutan mengajar tepat waktu atau tidak. Selain kedua aspek tersebut, penilaian yang dilakukan terhadap dosen juga dilakukan oleh mahasiswa. Penilaian ini dilakuakan dengan cara mengisi kuesioner evaluasi dosen di akhir semester. Namun cara ini sangatlah tidek efisien dikarenakan pemborosan sumber daya saat mencetak kuesioner sebanyak jumlah mahasiswa. Penjaminan kualitas pendidikan yang baik merupakan suatu indikator yang harus dicapai oleh setiap lembaga pendidikan tinggi. Demi mencapai hal tersebut maka setiap tenaga pengajar dari lembaga harus dinilai kinerjanya berdasarkan kriteria-kriteria yang telah ditetapkan oleh Direktorat Jendral Pendidikan Tinggi (DIKTI). Sebagaimana diamanatkan dalam UU Nomor 14 Tahun 2005 tentang Guru dan Dosen, dan Peraturan Pemerintah Republik Indonesia Nomor 37 Tahun 2009 tentang Dosen, disebutkan bahwa dosen adalah pendidik profesional dan ilmuwan dengan tugas utama mentransformasikan, mengembangkan dan menyebarluaskan ilmu pengetahuan, teknologi, dan seni melalui pendidikan, penelitian dan pengabdian kepada masyarakat. Tugas utama dosen tersebut adalah melaksanakan tridharma perguruan tinggi dengan beban kerja paling sedikit sepadan dengan 12 SKS dan paling banyak 16 SKS pada setiap semester sesuai dengan kualifikasi akademik. Pelaksanaan tugas utama dosen ini perlu dievaluasi dan dilaporkan secara periodik sebagai bentuk akuntabilitas kinerja dosen kepada para pemangku kepentingan. Kinerja dosen sebagai pengajar akan

PROSIDING SEMMAU 2016 berpengaruh terhadap kualitas proses dan hasil perguruan tinggi [4]. Kinerja karyawan yang bekerja di STIKOM Uyelindo Kupang dinilai berdasarkan beberapa kriteria yaitu keahlian, ketelitian, produktifitas, tanggung jawab, kesedian bekerja diluar jam kerja, loyalitas, bisa bekerja sama dalam tim, keterbukaan menerima saran, kreatif dan inovatif, motivasi serta penampilan (Remerta N 25 Januari 2016, komunikasi pribadi). Kriteria-kriteria tersebut menjadi tolak ukur dalam menilai kinerja karyawan. Penilaian yang dilakukan terhadap kinerja karyawan di STIKOM Uyelindo Kupang sampai saat ini masih secara manual. Penilaian tersebut dilakukan oleh bagian kepegawaian STIKOM Uyelindo Kupang. Pada tahun 2004, Genoveva dan Elisabeth [5] melakukan sebuah penelitian yang berjudul menyusun sistem penilaian kinerja dosen yang mendukung tri dharma perguruan tinggi. Sedangkan di tahun 2008, Cairuniza [6] melakukan sebuah penelitian yang berjudul menganalisa kinerja dosen dalam upaya meningkatkan kualitas belajar mengajar (Studi kasus: Fakultas Ekonomi BINUS University). Tujuan utama dari kedua penelitian ini adalah untuk mengevaluasi kinerja dosen. Hasil yang dicapai dari penelitian yang telah dilakukan adalah dapat membantu masing-masing perguruan tinggi dalam menilai kinerja dosen. Berdasarkan uraian latar belakang dan penelitian terdahulu, maka dilakukan sebuah penelitian dengan judul: Evaluasi Kinerja Dosen dan Karyawan di STIKOM Uyelindo Kupang berbasis Website, sehingga dapat mempermudah Badan Penjamianan Mutu (BPM) dalam menilai kinerja dari dosen di STIKOM Uyelindo Kupang secara keseluruhan, membantu ketua program studi dalam menilai kinerja karyawan berdasarkan kriteria yang ditetapkan di program studi serta kelayakan dosen dalam membimbing mahasiswa berdasarkan mata kuliah yang diasuh. Selain itu layanan ini dapat mempermudah bagian kepegawaian dalam menilai kinerja karyawan. 2.

METODE PENELITIAN

Dalam penelitian ini terdapat beberapa tahap yang dilakukan diantaranya studi literatur yaitu dengan mempelajari referensi-referensi yang terkait dengan penelitian yang dilakukan, pengumpulan data dari beberapa sumber guna mencapai tujuan dari penelitian ini, melakukan analisa terhadap data yang diperoleh, membuat perancangan sesuai dengan penelitian yang dilakukan, melakukan pengujian terhadap sistem yang dibangun serta mengimplementasikan sistem agar digunakan oleh pengguna.

342

2.1. Model Penyelesaian Masalah Dalam menyelesaikan masalah yang dihadapi, peneliti menggunakan model sekuensial linear. Metode pengembangan sistem sekuensial linier atau yang sering disebut juga dengan siklus kehidupan klasik [7]. Analisis

Desain

Coding

Pengujian

Pemeliharaan

Gambar 1. Model Sekuensi Linear. a.

b.

c.

d.

e.

Analisa yaitu proses yang dilakukan untuk mengumpulkan kebutuhan diintensifkan dan difokuskan khususnya pada kebutuhan perangkat lunak yang akan dibangun. Desain yaitu menerjemahkan syarat atau kebutuhan peangkat lunak kedalam sebuah representasi perangkat lunak yang dapat diperkirakan demi kualitas dari sistem. Pengkodean yaitu sebuah kegiatan yang dilakukan dengan membangun perangkat lunak yang telah dianalisa dan didesain sehingga menghasilkan sebuah aplikasi. Pengujian adalah tindakan yang dilakukan oleh pengembang dengan menguji sistem yang telah dibangun apakah sesuai dengan apa yang telah dianalisa dan dirancang atau sebaliknya. Pemeliharaan, Proses ini dilakukan setelah sistem yang dihasilkan disampaikan kepada pengguna, terutama jika sistem mengalami permasalahan yang belum ditemukan pada saat proses pengujian, permasalahan ini dapat berkaitan dengan permintaan pengguna yang membutuhkan perkembangan fungsional sistem maupun adanya penyesuaian dengan lingkungan eksternal seperti adanya perubahan periperal atau perubahan sistem operasi.

2.2. Prosedur Analisis Data Dalam prosedur analisis data terdapat beberapa tahap yang dilakukan. Bentuk dari prosedur analisa data dalam penelitian yang berjudul evaluasi kinerja dosen dan karyawan di STIKOM Uyelindo Kupang digambarkan ke dalam flowchart sebagai berikut:

PROSIDING SEMMAU 2016 diagram e-Kinerja dapat dilihat pada gambar berikut.

Mulai

Akuisisi Data

a.

Sequence diagram login

Analisis Data

Perancangan

: Pengguna/Admin

: Pengguna/AdminControl

: LoginUI()

: Pengguna/Admin 1: LoginUI()

Coding

2: 3: InputDataLogin()

Implementasi 4: validasiDataLogin()

5: getInformasiLogin() 6:

Pengujian

7: 8:

Cek validasi Sistem

Tidak

Gambar 4. Sequence diagram login

Ya Sistem valid

b. Selesai

Sequence diagram evaluasi dosen (level BPM dan Prodi)

Gambar 2. Prosedur Analisis Data 3.

: EvaluasiDosenControl

: EvaluasiDosenUI()

: BPM/Prodi

HASIL DAN PEMBAHASAN

: EvaluasiDosen

1: EvaluasiDosenUI() 2: getEvaluasiDosen()

Berdasarkan prosedur analisis data, maka langkah selanjutnya dalam penelitian ini adalah melakukan perancangan. Perancangan yang digunakan dalam penelitian ini adalah model perancangan berbasis object oriented. Berikut adalah use case diagram yang menggambarkan bentuk dari aplikasi yang akan dikembangkan dalam penelitian ini.

3: getEvaluasiDosen() 4: 5: 6: showEvaluasiDosen()

7:

Login

BPM

Evaluasi Dosen

Dosen

Gambar 5. Sequence diagram evaluasi dosen (level BPM dan Prodi) c. Sequence diagram evaluasi dosen (level Dosen)

Hasil evaluasi dosen

Kapegawaian

Evaluasi karyawan Prodi Hasil evaluasi karyawan : EvaluasiDosenControl

: EvaluasiDosenUI()

: Dosen

Mahasiswa

: EvaluasiDosen

1: EvaluasiDosenUI()

Kuesioner

2: getEvaluasiDosen() 3: getEvaluasiDosen() 4:

Kelola halaman evaluasi dosen

5: 6: showEvaluasiDosen()

Kelola halaman hasil evaluasi dosen 7:

Kelola halaman evaluasi karyawan Admin

8: InputDataEvaluasiDosen() 9: validasiDataEvaluasiDosen()

Kelola halaman hasil evaluasi karyawan

10: getDataEvaluasiDosen() 11:

12: 13: InsertDataEvaluasiDosen()

Kelola halaman kuesioner

14: InsertDataEvaluasiDosen() 15:

16: 17: getDataEvaluasiDosen()

Gambar 3. Use case diagram

18: getDataEvaluasiDosen() 19:

20:

3.1. Sequence diagram Sequence diagram adalah suatu diagram yang menggambarkan interaksi antar objek di dalam sebuah sistem. Interaksi tersebut berupa pesan yang digambarkan terhadap waktu. Perancangan sequence 343

21: showDataEvaluasiDosen() 22:

PROSIDING SEMMAU 2016 Gambar 6. Sequence diagram evaluasi dosen (level Dosen) d.

Gambar 8. Sequence diagram simpan data evaluasi karyawan f. Sequence diagram hasil evaluasi karyawan

Sequence diagram hasil evaluasi dosen (level BPM, Prodi dan Dosen) : HasilEvaluasiKaryawanControl

: HasilEvaluasiKaryawanUI()

: Kepegawaian

: HasilEvaluasiKaryawan

1: HasilEvaluasiKaryawanUI() 2: getHasilEvaluasiKaryawan() 3: getHasilEvaluasiKaryawan()

: HasilEvaluasiDosenControl

: HasilEvaluasiDosenUI()

: BPM/Prodi/Dosen

:HasilEvaluasiDosen 4:

1: HasilEvaluasiDosenUI()

5:

2: getHasilEvaluasiDosen() 3: getHasilEvaluasiDosen()

6: showHasilEvaluasiKaryawan()

4:

7:

5: 6: showHasilEvaluasiDosen()

7:

Gambar 9. Sequence diagram hasil evaluasi karyawan g. Gambar 7. Sequence diagram hasil evaluasi ……….…….dosen (level BPM, Prodi dan ……….…….Dosen)

Sequence diagram kuesioner

: KuesionerControl

: KuesionerUI()

: Mahasiswa

:Kuesioner

1: KuesionerUI() 2: getKuesioner() 3: getKuesioner() 4: 5:

6: showKuesioner()

7: InsertKuesioner()

8: InsertKuesioner() 9:

10:

11:

Gambar 10. Sequence diagram kuesioner

e.

Sequence diagram evaluasi karyawan (level Kepegawaian)

: EvaluasiKaryawanControl

: EvaluasiKaryawanUI()

: Kepegawaian

: EvaluasiKaryawan

1: EvaluasiKaryawanUI() 2: getEvaluasiKaryawan() 3: getEvaluasiKaryawan() 4: 5: 6: showDataEvaluasiKaryawan()

7:

8: InputDataEvaluasiKaryawan() 9: validasiDataEvaluasiKaryawan()

10: getDataTEvaluasiKaryawan() 11:

12: 13: InsertDataEvaluasiKaryawan()

14: InsertDataEvaluasiKaryawan() 15:

16: 17: getDataEvaluasiKaryawan()

18: getDataEvaluasiKaryawan() 19:

20: 21: showDataEvaluasiKaryawan() 22:

344

PROSIDING SEMMAU 2016 h.

Sequence diagram mengelola evaluasi dosen

: MengelolaEvaluasiDosenControl

: MengolahEvaluasiDosenUI()

: Admin

j.

Sequence diagram mengelola hasil evaluasi karyawan

: MengelolaEvaluasiDosen

1: MengolahEvaluasiDosenUI()

: MengolahHasilEvaluasiKaryawanControl

: MengolahHasilEvaluasiKaryawanUI()

: Admin

2:

: MengolahHasilEvaluasiKaryawan

1: MengolahHasilEvaluasiKaryawanUI()

3: InputKontenEvaluasiDosen() 4: validasiKontenEvaluasiDosen()

5: getKontenEvaluasiDosen()

2:

6: 7:

3: InputKontenHasilEvaluasiKaryawan()

8: InsertKontenEvaluasiDosen()

9: InsertKontenEvaluasiDosen()

4: validasiKontenHasilEvaluasiKaryawan()

5: getKontenHasilEvaluasiKaryawan()

10: 11:

6:


7:


8: InsertKontenHasilEvaluasiKaryawan()

14: 15:

9: InsertKontenHasilEvaluasiKaryawan()

16: showKontenEvaluasiDosen()

10: 11:

17:



18: editKontenEvaluasiDosen()

14:

19: validasiKontenEvaluasiDosen()

15:

20: getKontenEvaluasiDosen() 21:

16: showKontenHasilEvaluasiKaryawan()

22: 23: UpdateKontenEvaluasiDosen()

17:

24: UpdateKontenEvaluasiDosen() 25:

26: 27: getKontenEvaluasiDosen()


30:

Gambar 13. Sequence diagram simpan hasil evaluasi karyawan

31: showKontenEvaluasiDosen()

32: 33: getKontenEvaluasiDosenTerpilih() 34: deleteKontenEvaluasiDosen() 35: deleteKontenEvaluasiDosen()

36: deleteKontenEvaluasiDosen() 37:

38: 39: getKontenEvaluasiDosen()

k.

Sequence karyawan

diagram

mengelola

evaluasi


42: 43: showKontenEvaluasiDosen()

: MengolahEvaluasiKaryawanControl

: MengolahEvaluasiKaryawanUI()

: Admin

: MengolahEvaluasiKaryawan

1: MengolahEvaluasiKaryawanUI()

44: 2: 3: InputKontenEvaluasiKaryawan() 4: validasiKontenEvaluasiKaryawan()

5: getKontenEvaluasiKaryawan() 6:

Gambar 11. Sequence diagram hapus evaluasi dosen i. Sequence diagram mengelola hasil evaluasi dosen

7: 8: InsertKontenEvaluasiKaryawan()

9: InsertKontenEvaluasiKaryawan() 10:

11: 12: getKontenEvaluasiKaryawan()


15: 16: showKontenEvaluasiKaryawan() 17: 18: editKontenEvaluasiKaryawan() 19: validasiKontenEvaluasiKaryawan()


22:

: MengolahHasilEvaluasiDosenControl

: MengolahHasilEvaluasiDosenUI()

: Admin

: MengolahHasilEvaluasiDose

23: UpdateKontenEvaluasiKaryawan()

1: MengolahHasilEvaluasiDosenUI()

24: UpdateKontenEvaluasiKaryawan() 25:

26: 27: getKontenEvaluasiKaryawan()

2:


30: 31: showKontenEvaluasiKaryawan()

3: InputKontenHasilEvaluasiDosen()

32:

4: validasiKontenHasilEvaluasiDosen()

5: getKontenHasilEvaluasiDosen()

33: getKontenEvaluasiKaryawanTerpilih() 34: deleteKontenEvaluasiKaryawan() 35: deleteKontenEvaluasiKaryawan()

6:

36: deleteKontenEvaluasiKaryawan()

7:

37: 38:

8: InsertKontenHasilEvaluasiDosen()

39: getKontenEvaluasiKaryawan()

9: InsertKontenHasilEvaluasiDosen()


42:

10: 11: 12: getKontenHasilEvaluasiDosen()

43: showKontenEvaluasiKaryawan()

44:

13: getKontenHasilEvaluasiDosen() 14:

15: 16: showKontenHasilEvaluasiDosen() 17:

Gambar 12. Sequence diagram simpan hasil evaluasi dosen

345

Gambar 14. Sequence diagram hapus evaluasi karyawan

PROSIDING SEMMAU 2016 l.

Gambar 16. Class diagram e-Kinerja

Sequence diagram mengelola kuesioner

: MengolahKuesionerControl

: MengolahKuesionerUI()

: Admin

: MengolahKuesioner

3.3. Antarmuka Sistem

1: MengolahKuesionerUI()

2:

Sebelum pengguna menggunakan sistem evaluasi kinerja dosen dan karyawan di STIKOM Uyelindo (e-Kinerja) ini, pengguna diharuskan melakukan login terlebi dahulu. Sistem login yang digunakan disini adalah login multi user dimana setiap user yang menggunakan sistem ini dibatasi berdasarkan hak akses yang dimiliki. Berikut adalah hasil dari sistem yang dibangun:

3: InputKontenKuesioner() 4: validasiKontenKuesioner()

5: getKontenKuesioner() 6:

7: 8: InsertKontenKuesioner()

9: InsertKontenKuesioner() 10:

11: 12: getKontenKuesioner()


15: 16: showKontenKuesioner() 17:

18: editKontenKuesionern() 19: validasiKontenKuesioner()

20: getKontenKuesioner()

a. Antarmuka utama

21: 22: 23: UpdateKontenKuesioner

24: UpdateKontenKuesioner() 25:

26: 27: getKontenKuesioner()


30: 31: showKontenKuesionern()

32:

33: getKontenKuesionerTerpilih() 34: deleteKontenKuesioner() 35: deleteKontenKuesioner() 36: deleteKontenKuesioner()

Gambar 17. Antarmuka utama

37: 38: 39: getKontenKuesioner()


b . Antarmuka login

42: 43: showKontenKuesioner()

44:

Gambar 15. Sequence diagram hapus kuesioner 3.2. Class diagram Class diagram merupakan suatu diagram yang memperlihatkan atau menampilkan struktur dari sebuah sistem, sistem tersebut akan menampilkan sistem kelas, atribut, dan hubungan antara kelas ketika suatu sistem telah selesai membuat diagram. Perancangan class diagram eKinerja dapat dilihat pada gambar 34 berikut ini.

Gambar 18. Antarmuka login c. Antarmuka home (level akses dosen)

Login +inputDataLogin +getDataLogin +validasiDataLogin

Gambar 19. Antarmuka home EvaluasiDosen

+getEvaluasiDosen +showEvaluasiDosen +inputEvaluasiDosen

EvaluasiKaryawan

+getEvaluasiKaryawan +showEvaluasiKaryawan +inputEvaluasiKaryawan

MenuUtama +voidEvaluasiDosen +voidHasilEvaluasiDosen +voidEvaluasiKaryawan +voidHasilEvaluasiKaryawan +voidKuesioner

HasilEvaluasiKaryawan

+getHasilEvaluasiKaryawan +showHasilEvaluasiKaryawan

HasilEvaluasiDosen

d. Antarmuka evaluasi dosen (level akses dosen)

+getHasilEvaluasiDosen +showHasilEvaluasiDosen

Kuesioner

+getKuesioner +showKuesioner +inputKuesioner

Gambar 20. Antarmuka evaluasi dosen 346

PROSIDING SEMMAU 2016 e. Antarmuka hasil evaluasi dosen (level akses dosen)

Gambar 25. Antarmuka home

Gambar 21. Antarmuka hasil evaluasi dosen

j. Antarmuka evaluasi karyawan (level akses bagian kepegawaian)

f. Antarmuka home (level akses bpm dan prodi)

Gambar 26. Antarmuka evaluasi karyawan Gambar 22. Antarmuka home

k. Antarmuka hasil evaluasi karyawan (level akses bagian kepegawaian)

g. Antarmuka evaluasi dosen (level akses bpm dan prodi)

Gambar 27. Antarmuka hasil evaluasi karyawan Gambar 23. Antarmuka evaluasi dosen

l. Antarmuka home (level akses super admin)

h. Antarmuka hasil evaluasi dosen (level akses bpm dan prodi)

Gambar 28. Antarmuka home m. Antarmuka evaluasi dosen (level akses super admin) Gambar 24 Antarmuka hasil evaluasi dosen i. Antarmuka home (level akses kepegawaian)

347


Gambar 33. Antarmuka kuesioner

Gambar 29. Antarmuka evaluasi dosen n. Antarmuka hasil evaluasi dosen (level akses super admin)

r. Antarmuka home (level akses mahasiswa)

Gambar 34. Antarmuka home Gambar 30. Antarmuka hasil evaluasi dosen

s. Antarmuka kuesioner (level akses mahasiswa)

o. Antarmuka evaluasi karyawan (level akses super admin)

Gambar 35. Antarmuka kuesioner Gambar 31. Antarmuka evaluasi karyawan p. Antarmuka hasil evaluasi karyawan (level akses super admin)

4.

SIMPULAN Berdasarkan hasil penelitian maka penulis mengambil kesimpulan bahwa dengan menggunakan sistem baru yang telah dibangun dapat mempermudah STIKOM Uyelindo Kupang dalam melakukan penilaian terhadap kinerja dosen dan karyawannya.

REFERENSI [1]

Gambar 32. Antarmuka hasil evaluasi karyawan q. Antarmuka kuesioner (level akses super admin) [2]

348

Lestari B A H. 2007. Pengaruh Information Technology Relatedness Terhadap Kinerja Perusahaan Dengan Knowledge Management Capability Sebagai Variabel Intervening (Kajian Empiris Pada Perusahaan Perbankan Di Jawa Tengah). Semarang(ID): Universitas Diponegoro. Ridwan M, Suyono H, Sarosa M. 2013. Penerapan Data Mining Untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier [internet].


[3]

[4]

[5]

[6]

[7]

349

[diunduh 17 februari 2016]; 7(1) : 59-64. Tersedia pada: http://jurnaleeccis.ub.ac.id/ index.php/eeccis/article/view/204/176 Wongso A. 2014. 4 Tujuan Evaluasi Kinerja Karyawan [internet]. [diunduh 19 februari 2016]; http://www.andriewongso.com/articles /details/13947/4- Tujuan- Evaluasi-KinerjaKaryawan, diakses tanggal 19 Februari 2016. Sulastri T. 2007. Hubungan Motivasi Berprestasi dan Disiplin Dengan Kinerja Dosen [internet]. [diunduh 19 februari 2016]; 1(13) : 13-21. Tersedia pada: http://ejournalunisma.net/ojs/index.php/optimal/article/view /417/390 Genoveva, Elisabeth V M. 2004. Menyusun Sistem Penilaian Kinerja Dosen yang Mendukung Tri Dharma Perguruan Tinggi. Jakarta(ID): STIE IBII. Cairuniza L S. 2008. Menganalisa Kinerja Dosen Dalam Upaya Meningkatkan Kualitas Belajar Mengajar (Studi Kasus : Fakultas Ekonomi Binus University). Jakarta(ID): Binus University. Roger S P. 2002. Rekayasa Perangkat Lunak: Pendekatan Praktis. Yogyakarta(ID): Andi.

PROSIDING SEMMAU 2016 SISTEM INFORMASI GEOGRAFIS PEMETAAN KAWASAN KONSERVASI PERAIRAN DI PERBATASAN LAUT SAWU NUSA TENGGARA TIMUR M. Nurhudah1, Yampi R. Kaesmetan2, Remerta Noni Naatonis 3 123

Program Studi Teknik Informatika Strata Satu STIKOM Uyelindo KupangJl. Perintis Kemerdekaan I - Kayu Putih – Kupang – NTT Email:[email protected],[email protected], [email protected] 123

Abstrak Wilayah Laut Sawu yang berada pada Provinsi Nusa Tenggara Timur merupakan kawasan Circum-Pasifik dan terletak pada Zona Ekonomi Eksklusif (ZEE). Banyak faktor penyebab keadaan ini, Dengan adanya upaya perlindungan spesies bagi mamalia laut, harus adanya suatu pembentukan dan penetapan terhadap suatu batasan daerah kawasan perairan konservasi Laut Sawu, serta sebagai suatu penetapan dalam suatu kawasan yang menjadi kawasan perairan Laut Sawu yang harus dilindungi. Tujuan dari penelitian ini yaitu membuat suatu sistem infomasi geografis dalam kawasan konservasi perairan di perbatasan Laut Sawu Nusa Tenggara Timur, dengan menggunakan website sebagai sarana antarmuka penguna. Dengan melakukan analisa pengelompokkan potensi habitat dan spesies menggunakan metode algoritma K-Means sehingga mempermudah dalam melihat potensi habitat dan spesies dalam setiap zona konservasi perairan perbatasan Laut Sawu Nusa Tenggara Timur. Pada penelitian ini terdiri dua tahap pengumpulan data yatu data primer dengan melakukan wawancara untuk menggali sumber pengetahuan dari pegawai dari Kantor Balai Kawasan Konservasi Perairan Nasional (BKKPN) di Kupang. sedangkan data sekunder yaitu dengan studi literatur dengan mempelajari referensireferensi terkait dengan penelitian ini. Pada penelitian ini pun terdapat beberapa tahap analisis yang dilakukan yaitu analisis sistem berupa analisis masalah, pemecahan dan kebutuhan, kemudian langkah selanjutnya adalah perancangan sistem secara keseluruhan, lalu sistem siap untuk diimplementasikan, selanjutnya akan dilakukan pengujian sistem apakah berjalan sesuai dengan tujuan penelitian. Apabila sistem menunjukkan hasil yang valid, maka selanjutnya akan di validasikan data tersebut lalu di lakukan evaluasi. Sehingga menjadikan suatu hasil layanan informasi yang berupa peta spasial di Perairan kawasan konservasi Laut Sawu, yang mudah diakses, diketahui, dimengerti dan dipahami oleh masyarakat maupun petugas terkait dalam menjaga dan melestarikan batas wilayah yang termasuk dalam perairan konservasi. Kunci: BKKPN, Konservasi, Laut Sawu, Pemetaan, SIG

1. PENDAHULUAN Wilayah perairan Laut Sawu yang berada pada Provinsi Nusa Tenggara Timur merupakan daerah kawasan Circum Pasifik. Sehingga daerah ini, merupakan salah satu daerah yang terletak di dalam Zona Ekonomi Eksklusif (ZEE).Terutama sepanjang perairan laut yang berada Pulau Flores, Sumba, Sabu, Rote, dan Pulau Timor yang merupakan suatu wilayah jalur musiman yang ada di perairan tersebut.seperti hewan mamalia laut yang terbesar dan langka seperti paus, hewan endemik lainnya. Dengan kondisi seperti ini, maka jalur pulau–pulau yang berada dalam wilayah perairan Nusa Tenggara Timur dapat dikategorikan subur serta memiliki berbagai macam kekayaan tangkapan hasil laut dalam memberdayakan masyarakat yang berada dalam kawasan perairan Laut Sawu Nusa Tenggara Timur. [1] Kawasan perairan Laut Sawu yang terletak di Provinsi Nusa Tenggara dan berbatasan dengan wilayah pesisir barat Timor Leste, merupakan wilayah lintasan Arus Lintas Indonesia (Arlindo). Arlindo merupakan pertemuan dua massa arus dari Samudera Pasifik dan Samudera Hindia. Laut Sawu memanjang dari barat ke

350

timur sepanjang 600 km dan dari utara ke selatan sepanjang 250 km. Perairan Laut Sawu bagi pembangunan di Provinsi NTT bermakna strategis, karena hampir sebagian besar Kabupaten dan Kota di NTT sangat tergantung kepada Laut Sawu. Lebih dari 65% potensi lestari sumberdaya ikan di provinsi ini disu mbang oleh Laut Sawu. [2] Dengan adanya suatu upaya perlindungan spesies bagi mamalia laut dan biota laut yang hidup di dalamnya, maka harus dengan adanya penetapan terhadap suatu batasan daerah kawasan perairan konservasi Laut Sawu, serta di jadikan sebagai daerah penetapan dalam suatu kawasan yang menjadi kawasan perairan Laut Sawu yang harus dilindungi. Maka perlu dikembangkan strategi pengelolaan sumber daya perikanan dan kelautan secara berkelanjutan yang ada di perairan Laut Sawu Nusa Tenggara Timur, dan di dalam strategi besar Direktorat Jenderal Kelautan, Pesisir, dan Pulau-pulau Kecil dan Direktorat Konservasi Kawasan dan Jenis Ikan, dinyatakan bahwa perencanaan dan pengelolaan kawasan konservasi menjadi salah satu prioritas dan ditargetkan, dikelolah secara berkelanjutan. Sebanyak 15 spesies ikan yang langka, endemik dan terancam punah, serta meliputi seluruh kegiatan

PROSIDING SEMMAU 2016 pemeliharaan sesuai dengan kondisi dan situasi lokal maupun upaya pengembangan, pengawasan dalam pemanfaatan lebih lanjut. [3] Peta merupakan representasi dari permukaan bumi atau bagian dari permukaan bumi pada kertas.atau media lainnya. Informasi peta dapat berupa letak ataupun dalam bentuk geografis dari suatu lokasi tertentu. SIG berguna sebagai alat bantu (tools), data lebih padat karena dalam bentuk digital, kemampuan analisa spasial lebih cepat dan tipe analisa dapat dikembangkan, pemakai mendapatkan informasi yang lebih akurat, cepat dan dapat memanipulasi sesuai dengan spesifikasi yang dibutuhkan metode metode kerja. SIG yang komprehensif akan menyediakan sarana atau media yang lengkap untuk pengelolaan, visualisasi, serta sebagaisarana mengkomunikasikan suatu fenomena yang akan dikaji. [4] Tidak terlepas dari kendala dan hambatan yang dihadapi, maka permasalahan yang ada di kawasan Laut Sawu tersebut, yaitu seperti tata letak batas zona wilayah konservasi masih banyak belum diketahui oleh masyarakat setempat, baik nelayan lokal maupun nelayan asing, serta pengrusakan terumbu karang, penurunan populasi hewan penting, praktek penangkapan ikan yang tidak ramah lingkungan, dan illegal fishing maupun destructive fishing yang ada di sekitar di daerah perairan perbatasan Laut Sawu NusaTenggara Timur.Secara administratif kawasan Taman Nasional Perairan Laut Sawu terletak di Kabupaten Kupang, Kabupaten Rote Ndao, Kabupaten Timor Tengah Selatan, Kabupaten Sabu Rajua, Kabupaten Manggarai, Kabupaten Manggarai Barat, Kabupaten Sumba Timur, Kabupaten Sumba Tengah, Kabupaten Sumba Barat dan Kabupaten Sumba Barat Daya. Taman Nasional Perairan Laut Sawu telah ditetapkan 18 titik koordinat batas kawasan dan telah dimasukan dalam Keputusan Menteri Kelautan dan Perikanan No 38 tahun 2009 tentang pencadangan Kawasan Konservasi Perairan Nasional Laut Sawu dan sekitarnya di Provinsi Nusa Tenggara Timur. Kawasan konservasi Perairan Nasional Laut Sawu memiliki cakupan 151 desa pesisir (Zona Perairan Selat Sumba dan Zona Perairan Pulau Timor, Rote, Sabu, Batek) dan 28 Kecamatan. Total penduduk di Provinsi Nusa Tenggara Timur sebesar 4.448.873 jiwa dengan kepadatan penduduk 93,96 jiwa per km2, dengan laju pertumbuhan penduduk 1,79 persen per tahun. Teknologi sistem informasi geografis telah banya k digunakan untuk meningkatkan komunikasi dan kolab orasi dalam pengambilan keputusan (decision making) p engelolaan aset aset dan sumberdaya secara efektif, men ingkatkan alur kerja secara efisien, serta digunakan dalam perbaiki akses suatu informasi. Dalam teknologi SIG itu sendiri, mampu memberikan dan menunjukan kawasan- kawasan daerah yang telah ada dalam suatu wilayah tertentu. Pemetaan khususnya dalam bidang teknologi informasi yang berkembang saat ini, menjadikan suatu kebutuhan informasi sebagai bahan dalam pengambilan keputusan akibat dari semakin meningkatnya penggunaan dan kebutuhan informasi kehutanan baik

351

secara kualitatif maupun kuantitatif menyebabkan semakin rumitnya proses pengambilan keputusan dalam berbagai aspek pengelolaan sumber daya kelautan membuat kebutuhan informasisemakin penting. Informasi bisa dipandang sebagai input dasar dari perumusan kebijakan, perencanaan, pelaksanaan, serta pengawasan dan evaluasi. Maka informasi berupa spasial dan non spasial sangat diperlukan dalam langkah awal memetakan kesesuaian batasan wilyah dalam kelautan yang khususnya bagi wilayah kegiatan konservasi perairan Laut Sawu, untuk selanjutnya menjadi data dasar yang berguna. Peta merupakan representasi dari permukaan bumi atau bagian dari permukaan bumi pada kertas atau media lainnya. Informasi peta dapat berupa letak ataupun dalam bentuk geografis dari suatu lokasi tertentu. SIG berguna sebagai alat bantu (tools), data lebih padat karena dalam bentuk digital, kemampuan analisa spasial lebih cepat dan tipe analisa dapat dikembangkan, pemakai mendapatkan informasi yang lebih akurat, cepat dan dapat memanipulasi sesuai dengan spesifikasi yang dibutuhkan metode metode kerja. SIG yang komprehensif akan menyediakan sarana atau media yang lengkap untuk pengelolaan, visualisasi, serta sebagaisarana mengkomunikasikan suatu fenomena yang akan dikaji. Dalam penelitian yang berjudul Pemetaan sifat si fat tanah menggunakan WebGIS di Kecamatan Patrangs umbersari dan ajung Kabupaten Jember, mendefenisaka n pengertian peta merupakan sumber informasi penting karena bisa menyajikan data secara spasial atau keruangan. Peta memiliki banyak manfaat bagi pengguna peta, sarana bantu bagi penuangan ide atau pemikiran dalam rangka pelaksanaan kegiatan perencanaan serta, yang bertujuan sebagai sarana bantu dalam rangka pelaksanaan pengamatan terhadap areal yang akan diamati atau dilakukan kegiatan. Dalam teknologi informasi berkembang pesat ditandai dengan tinggi minat masyarakat akan informasi dengan ketersediaan sistem infomasi yang memadai.[5] Informasi dikaitkan pada media digital yang memungkinkan kombinasi antara informasi yang berbentuk tulisan atau gambar-gambar peta dengan pengguna dalam suatu kegiatan pemetaan konservasi sehingga perlu ada pengetahuan tentang minat masyarakat dan pemerintahan dalam memahami dan mengerti tentang pemetaan dalam menjaga daerah konservasi, sehingga memungkinkan manusia selalu menginginkan kemudahan kecepatan dalam mengakses data pemetaan dan sistem informasi yang relevan, serta memudahkan aktifitas konservasi di perairan Laut Sawu. Berdasarkan uraian di latar belakang yang ada, maka solusi yang diberikan adalah bagaimana batasan wilayah konservasi perairan Laut Sawu yang dibuat dalam bentuk infomasi geografis spasial (pemetaan), sehingga menjadikan suatu hasil layanan informasi yang berupa gambar peta perairan kawasan konservasi Laut Sawu, yang mudah diakses, diketahui, dimengerti dan dipahami oleh masyarakat maupun petugas terkait dalam menjaga dan melestarikan batas

PROSIDING SEMMAU 2016 wilayah yang termaksud dalam perairan konservasi. Oleh karena itu, penulis membuat suatu Sistem Informasi Geografis (SIG) sebagai proses pembuatan peta yang akan dibahas dalam penelitian dengan judul: Sistem Informasi Geografis Pemetaan Kawasan Konservasi Perairan di Perbatasan Laut Sawu Nusa Tenggara Timur.

2. METODE PENELITIAN Pada penelitian ini terdapat beberapa tahap yang dilakukan yaitu studi literatur dengan mempelajari referensi-referensi yang terkait dengan penelitian ini, pengumpulan data dari beberapa instansi persahaan yang ada di Kota Maumere analisis sistem berupa analisis masalah, pemecahan dan kebutuhan, kemudian langkah selanjutnya adalah perancangan sistem secara keseluruhan dengan menggunakan visual basic, setelah itu pengujian sistem apakah berjalan sesuai dengan tujuan penelitian. Apabila sistem menunjukkan hasil yang valid maka sistem siap untuk diimplementasikan. Pada penelitian ini terdapat 2 tahap pengumpulan data yang dilakukan yaitu:[1]. Pengumpulan data primer yaitu Pengambilan data primer dilakukan dengan metode wawancara langsung, guna mengumpulkan data yang dibutuhkan dengan pihak Balai Kawasan Konservasi Perairan Nasional [2] Pengambilan data primer Untuk mendapatkan data, gambaran atau keterangan yang lebih lengkap peneliti menggunakan studi literatur dengan cara mengumpulkan beberapa literatur yang terkait dengan judul penelitian yang dibuat, terutama yang berkaitan dengan Sistem Informasi Geografis, Clustering, pemetaan digital serta sumber literatur yang diambil berupa buku, paper, jurnal, karya ilmiah dan situs-situs penunjang lainnya. dan membagikan kuesioner kepada pegawai Balai Kawasan Konservasi Perairan Nasional (BKKPN) Provinsi Nusa Tenggara Timur dan masyarakat. Terdapat beberapa tahap yang dilakukan dalam Analisis data yaitu: [1] Studi pustaka yaitu tahap ini dilakukan pencarian pustaka dan pengumpulan informasi yang berhubungan dengan penelitian. [2] Mengidentifikasi masalah yaitu dilakukan untuk melihat dengan jelas tujuan dan sasaran dari penelitian yang akan dilakukan. [3] Pengumpulan data, dalam tahap pengumpulan data ini merupakan data sekunder yang diperoleh melalui wawancara dari beberapa pegawai Kantor Balai Kawasan Konservasi Perairan di Bolok yang ada di Kota Kupang. [4] Analisis sistem berupa analisis data, yaitu tahap ini dilakukan analisa data yang akan dibutuhkan sistem yaitu data spasial. Data tersebut diperoleh melalui tahap pengumpulan data dari tahapan penelitian yang dilakukan, serta menganalisa data-data yang terkait pembuatan digitalisasi peta dalam aplikasi website SIG kawasan konservasi perairan di perbatasan Laut Sawu Nusa Tenggara Timur. [5] Peran cangan sistem melalui. Use Case Diagram menggambar kan interaksi yang terjadi antara aktor dengan sistem. Pada tahap ini juga dilakukan perancangan untuk alur proses clustering data. [6]. Implementasikan ke website yaitu Dari data perancangan yang ada maka, selanjutnya

352

akan diimplementasikan ke dalam pembuatan website sistem infomasi geografis pemetaan kawasan konservasi Perairan Laut Sawu Nusa Tenggara Timur [7] Tahap pengujian, selanjutnya data peta digitasi akan dilakukan ke dalam tahap pengujian, sehingga data yang dibuat ke dalam bentuk peta tersebut, dapat diketahui apakah data dalam bentuk peta analisis spasial tersebut layak dijadikan sebuah informasi pemetaan atau tidak. Jika tidak maka akan di tindak lanjuti ulang kembali ke pengumpulan data-data sebelumnya. [8] Validasi, merupakan proses untuk memastikan bahwa program yang dijalankan akan dicek secara benar dan berguna. [9] Hasil, merupakan suatu proses secara sistematis dalam menentukan, menyediakan informasi untuk mengetahuihasil sejauh mana kegiatan proses pembuatan aplikasi SIG pemetaan Laut Sawu. Terdapat beberapa tahap perancangan yaitu: [1]. Deskripsi sistem dilakukan untuk memahami pemecahan masalah yaitu dapat menyajikan informasi tentang peta batas-batas wilayah kawasan konsevasi perairan di Laut Sawu NTT [2] Tahap fungsi produk, yaitu dilakukan untuk memahami pemecahan masalah yang terdapat dalam sistem informasi website SIGAs. [3 ] Flowchart sistem website SIGAs. [4] Tahap kebutuhan fungsional sistem [5] Kebutuhan antarmuka ekstenal. [6] Kebutuhan antarmuka internal. [7] Perancangan perangkat lunak. [8] Perncangan antarmuka. 2.1.Prosedur Analisis Data Analisis data menjelaskan cara menganalisis atau teknik mengolah data yang digunakan untuk menarik simpulan dari hasil kajian dari topik yang diteliti. Agar dapat diketahui tingkatan dalam pembuatan SIG pemetaan kawasan konservasi perairan perbatasan Laut Sawu Nusa Tenggara Timur, dapat dinilai dengan baik sejauh mana program yang dicapai. Bisa dilihat flowchartwebsite SIGAs pada gambar sebagai berikut:

Gambar 1. Flowchart analisis data

PROSIDING SEMMAU 2016 3. HASIL DAN PEMBAHASAN 3.1. Implementasi Sistem SIGAs adalah sebuah perangkat lunak berbasis w ebsite yang dibuat untuk membantu petugas Balai Kawa san Konservasi Perairan Nasional yang ada di Kota Kupang Provinsi Nusa Tenggara Timur. Sehingga dalam memberikan informasi bagi masyarakat, baik mengenai peta interaktif, dokumentasi kegiatan, dan luas zona kawasan konservasi, habitat dan biota laut yang ada dalam lokasi kegiatan konservasi perairan Laut Sawu Nusa Tenggara Timur. 1. Proses implementasi Website SIGAs diimplementasikan berdasarkan rancangan yang ada dalam dokumen website SIGAs. Berikut ini, adalah gambar yang menunjukan proses implementasi pada website SIGAs adalah sebagai berikut:

Gambar 3. Flowchart penerapan algoritma K-Means website SIGAs

d. Flowchart website SIGAs

Gambar 2. Implementasi website SIGAs Penjabaran dan komponen dari proses-proses yang terjadi pada implementasi website SIGAs, seperti yang ditunjukan pada gambar 2 adalah pengguna sebagai salah satu pengguna aplikasi website SIGAs untuk mendapatkan informasi yang sudah disediakan pada website SIGAs tersebut. a. Proses-proses implementasi web SIGAs yaitumeliputi: 1) Proses I yaitu: pengunjung website SIGAs mengunjungi halaman website dengan menggunakan laptop/komputer. 2) Proses II yaitu: Web SIGAs yang telah dibuka oleh user akan diproses ke data server. 3) Proses III yaitu: Web SIGAs akan dibuka dan dilihat oleh admin yang ada pada antarmuka website SIGAs. b. Komponen-komponenyangterlibat di dalamnyayaitu meliputi: 1) Penggunamengaksesinternetdanmengunjungi websiteSIGAs dan melihat produkyang akandipilih di dalamwebsite SIGAs (ProsesI). 2) Datapengunjung sertadata-data tentang konservasi telah disimpan oleh admin ke dalamdatabase serverhostinger (Proses II). 3) Admin akan menerima dan mengolah data-data dari para pengguna (ProsesIII). c. Metode algoritma K-Means pada implemantasi sistem website SIGAs dapat di lihat pada gambar berikut:

353

Gambar 4: Flowchartwebsite SIGAs e. Use case diagram

Gambar 5.Use case diagram website SIGAs Pada gambar 5use case website SIGAs diatas dapat dijelaskan bahwa pengguna langsung berinteraksi dengan sistem. Pengguna bebas memilih informasi yang tersedia sesuai kebutuhan. Pada menu search kabupaaten dan zona yang akan di-input dan akan menghasilkan informasi berupa pemetaan di daerah

PROSIDING SEMMAU 2016 Laut Sawu meliputi pengelompokkan habitat dan biota laut yang ada di setiap zona kawasan konservasi dan sebaran setacea dan luas wilayah batasan kawasan konservasi per zona yang ada di Kabupaten. Ketika user ingin melihat informasi daerah daerah di setiap Kabupat en user harus memilih dan mensearch terlebih dahulu. f. Perancangan perangkat arsitektur layar Dalam perancangan arsitektur layar berfungsi untu k mendiskripsikan kategori sistem sebagai penghubung antar komponen user interface. Dapat dilihat pada gamb ar 6 berikut:

Gambar 8.Class diagramwebsite SIGAs 1) Perancangan antarmuka Perancangan antarmuka merupakan rancang bangun dari percakapan antara pemakai sistem dengan computer, lebih jelasnya dapat diketahui sebagai berikut.

Gambar 6. Arsitektur layar website SIGAs

a. Antarmuka beranda Antarmuka menu beranda merupakan antarmuka setelah user membuka website SIGAs.Pada antarmuka beranda ini terdiri dari tujuh menu utama yaitu menu beranda, profil, inti, berkelanjutan, pemanfaatan, pariwisata, kontak. Untuk lebih jelasnya antarmuka beranda dapat dilihat pada gambar 9 berikut:

g. Sequence diagram Sequence diagramadalahsuatu diagram yang menggambarkan interaksi antar objek di dalam sebuah sistem. Interaksi tersebut berupa pesan yang digambarkan terhadap waktu.Sequence diagram terdiri dari dimensi horizontal (objek-objek) dan dimensi vertikal (waktu).Perancangan sequence diagram beranda dapat di lihat pada gambar berikut ini. Gambar 9. Antarmuka beranda b. Antarmuka profil Antarmuka profil merupakan halaman yang berfungsi untuk menampilkan profil yang berisi profil Balai Kawasan Konservasi Perairan Nasional Nusa Tenggara Timur.

Gambar 7.Sequncee diagram website SIGAs h. Class diagram Class diagram merupakan suatu diagram yang memperlihatkan atau menampilkan struktur dari sebuah sistem, sistem tersebut akan menampilkan sistem kelas, atribut, dan hubungan antara kelas ketika suatu sistem telah selesai membuat diagram. Perancangan class diagram SIGAs dapat dilihat pada gambar 8 berikut ini.

354

Gambar 10. Antarmuka profil

PROSIDING SEMMAU 2016 c. Antarmuka inti Antarmuka inti merupakan halaman antarmuka yang berfungsi untuk menampilkan informasi peta interaktif di zona inti disetiap kabupaten yang ada di Provinsi Nusa Tenggara Timur.

Gambar 14. Antarmuka pariwisata

Gambar 11. Antarmuka inti

d. Antarmuka berkelanjutan Antarmuka menu berkelanjutan merupakan halaman antarmuka yang berfungsi untuk menampilkan informasi peta interaktif di zona berkelanjutan disetiap kabupaten yang ada di Provinsi Nusa Tenggara Timur. Lebih jelasnya dapat dilihat pada gambar 12 berikut:

g. Antarmuka kontak Antarmuka kontak merupakan halaman yang berfungsi untuk menampilkan infomasi yang diantaranya nomor telepon, fax, alamat email, link blog dari pegawai kantor Balai Kawasan Konservasi Perairan Nasional Provinsi Nusa Tenggara Timur. Lebih jelasnya dapat dilihat pada gambar 15 sebagai berikut:

Gambar 15. Antarmuka kontak .

4. HASIL DAN PEMBAHASAN Gambar 12. Antarmuka berkelanjutan e. Antarmuka pemanfaatan Antarmuka menu pemanfaatan merupakan halaman antarmuka yang berfungsi untuk menampilkan informasi peta interaktif di zona pemanfaatan disetiap kabupaten yang ada di Provinsi Nusa Tenggara Timur.

Hasil implementasi sistem yaitu berbagai proses ke dalam sebuah aplikasi website SIGAs agar diolah, diimplementasikan dan menyajikan hasil data dengan baik kepada pengguna website SIGAs. Yaitu dapat dilihat sebagai berikut, diantaranya yaitu: a) Hasil cluster dengan algoritma K-Means Algoritma K-MeansClustering digunakan dalam data mining untuk mengelompokan data-data kedalam cluster atau beberapa kelompok berdasarkan suatu kemiripan variabel atau atribut data. Untuk itu dapat dilihat penerapannya dalm website SIGAs pada tabel 1 sebagai berikut: Tabel 1. Hasil titik pusat cluster Cluster

Atribut 1 Gambar 13. Antarmuka pemanfaatan f. Antarmuka pariwisata Antarmuka menu pariwisata merupakan halaman antarmuka yang berfungsi untuk menampilkan informasi peta interaktif di zona pariwisata disetiap kabupaten yang ada di Provinsi Nusa Tenggara Timur.

355

2

3

1.76544

-.54278 -.51729

Zscore(Pulau_Oseanik) 1.78885

-.44721 -.44721

Zscore(Terumbu_Karang)

Zscore(Selat)

1.78607

-.48639 -.35154

Zscore(Upwelling)

-.44721

-.44721 1.78885

Zscore(Koridor_Setasea)

-.03459

1.74033 -.57444

PROSIDING PRO SEMMAU 2016 Zscore(Lumba_lumba)

-.18572

1.768 6891 -.54056

Zscore(Penyu)

1.54050 -.678 7861 -.67861

Zscore(Paus)

-.45645

1.788 8862 -.45645

Berikut ini hasil, fungsi dan cara ra kerja setiap halaman dari website SIGAs yaitu sebagaii berikut: b

c) Halaman inti Halaman inti merupakan hala alaman untuk melihat informasi peta interaktif dan di zona na kawasan inti serta peta jpeg tiga dimensi, yang terdapat te keterangan didalamnya batas-batas wilayah, lua uas wilayah zona inti, index clustering habitat dan biota llaut tiap zona, serta pelestarian dan perlindungan ddi zona kawasan konservasi Laut Sawu Nusa Tenggar ara Timur.

a) Halaman beranda Halaman diisi dengan gambaran informasi in yang akan ditampilkan pada website SIGAspeta ta adminstratif daerah kawasan konservasi Laut Sawu Nusa Nu Tenggara Timur. Dapat dilihat pada gambar 16 beriku ikut:

Gambar 18. Halaman an inti

Gambar 16. Halaman beranda da b). Halaman profil Halaman profil merupakan halam laman yang digunakan untuk melihat profil Balai ai Kawasan Konservasi Perairan Nasional Provin vinsi Nusa Tenggara Timur.Semua profil yang telah h diisi oleh operator dalam website SIGAs berupa tugas dan fungsi BKKPN Provinsi Nusa Tenggara Timur. Tim

Gambar 17. Halaman profil

356

d) Halaman berkelanjutan Halaman berkelanjutan merupakan me halaman untuk melihat informasi peta inter teraktif dan di zona kawasan berkelanjutan serta peta jpe jpeg 3D yang terdapat keterangan di dalamnya batas-ba batas wilayah, luas wilayah zona berkelanjutan, index clu clustering habitat dan biota laut serta pelestarian dan per perlindungan di zona kawasan konservasi Laut Sawu Nus usa Tenggara Timur. Untuk itu dapat dilihat pada gambarr 19 sebagai berikut:

Gambar 19. Halaman berk rkelanjutan

PROSIDING PRO SEMMAU 2016 e) Halaman pemanfaatan Halaman pemanfaatan merupakan ha halaman untuk melihat informasi peta interaktif dan di zona z kawasan pemanfaatan serta peta jpeg tiga dimensii yyang terdapat keterangan didalamnya batas-batas w wilayah, luas wilayah zona pemanfaatan, index clusterin ing habitat dan biota laut, serta pelestarian dan perlindun ungan di zona kawasan konservasi Laut Sawu Nusa Ten enggara Timur. Untuk lebih jelas dapat dilihat pada gambar ar 20 berikut:

h) Halaman kontak Halaman kontak merupakan ffungsi untuk melihat informasi yang di antaranya ada nno tlp, fax, alamat email Balai Kawasan Konservasi si Perairan Nasional Provinsi Nusa Tenggara Timur, dan an blog dari pegawai BKKPN yang disediakan bertujuan an untuk pengaduan, kritik dan saran dari penggunaa umum di dalam mengakses website SIGAs.

Gambar 20. Halaman pemanfaat atan f) Halaman pariwisata Halaman pariwisata merupakan halaman ha untuk melihat informasi peta interaktif dan di zona z kawasan pariwisata serta peta jpeg 3D yang terdapa pat keterangan di dalamnya batas-batas wilayah, luas wilayah w zona pariwisata, index clustering habitat dan biota bi laut serta pelestarian dan perlindungan di zon ona kawasan konservasi Laut Sawu Nusa Tenggara Timu mur.

Gambar 21. Halaman pariwisat ata

357

Gambar 21. Halaman kkontak

5. KESIMPULAN DAN SARAN AN 5.1. Kesimpulan Berdasarkan hasil perancang ngan dan pengujian sistem dapat disimpulkan bahwa website SIGAs ini membantu pihak Balai Kawasan K Konservasi Nasional dalam memberikan informasi kepada k masyarakat terutama membantu pengguna atau tau masyarakat Nusa Tenggara Timur dalam mengetahu hui wilayah-wilayah potensi kawasan konservasi di per erbatsan Laut Sawu yang ada di Provinsi Nusa Tengg ggara Timur. Selain ituwebSIG ini juga dapat menampi pilkan id zona, luas zona, dan indexcluster pengelomppokkan habitat dan cetasea yang ada di Provinsi Nusa Te Tengggara Timur.

PROSIDING SEMMAU 2016 REFERENSI [1]

[2]

[3]

358

Suparta. A., Widiowati. N., Natalia. R., 2013, Taman Nasonal Laut Sawu Di Provinsi Nusa Ten ggara Timur, Journal of Conservation,No.5, Vol.1 http://repository.ipb.ac.id/handle/1234567 89/22249/paper.pdf Susanto. H., A., 2011, Progres Pengembangan Sistem Kawasan Konservasi Perairan Indonesia.ProcedingCoral Triangle Initiative on Coral Reefs, Fisheries, and Food SecurityJakarta [ID]: USAID-CTSP Hotty. R., M., I., 2015, Minat Wisata Cetasean Di Taman Nasional Perairan Laut Sawu Nusa Tenggara Timur, [Program Pasca Sarjana], Ilmu Kelautan, Fakultas Kelautan dan Perikanan, Universitas Nusa Cendana Kupang.

[4]

[5]

Ichtiara. C., 2008, Implementasi Aplikasi Sistem, [Skripsi],Fakultas Teknik Elektro, Universitas Indonesia. Busro. H., 2013, Pemetaan Sifat-Sifat Tanah Menggunakan WebGIS di Kecamatan Patrang Sumbersari dan Ajung di Kabupaten Jember, [ Program Pasca Sarjana], Ilmu Tanah, Universitas Jember, Jawa Timur.

PROSIDING SEMMAU 2016 APLIKASITUNTUNAN DOA SEHARI-HARI DZIKIR DAN SUNNAH RASUL BAGI UMAT ISLAM BERBASIS ANDROID Mastura Masan1, Emanuel Safirman Bata2, Edwin Ariesto Umbu Malahina3 1,2,3 STIKOM Uyelindo, Jl.Perintis kemerdekaan I – Kayu Putih – Kupang – NTT Email: [email protected], [email protected], [email protected]

Abstrak Android merupakan media smartphone yang sedang berkembang saat ini, keunggulan dari android yaitu sebagai sistem operasi yang bisa di ubah sesuai dengan keinginanya sendiri dan mudahnya mengembangkan aplikasi ini tanpa dipungut biaya. Saat ini aplikasi pembelajaran sudah di kemas dari cara yang lama ke cara yang baru dan dapat di akses melalui mobile smartphone yang menarik dan lebih praktis digunakan. Aplikasi tuntunan doa sehari-hari, dzikir dan sunnah rasul bagi umat islam berbasis android adalah aplikasi yang dapat memberikan kemudahan tuntunan praktis dalam media pembelajaran mengenai doa aktivitas sehari-hari, dzikir dan sunah rasul. Metode pengembangan dalam perancanagan aplikasi ini menggunakan waterfall model yaitu prosedur perangkat lunaknya dimulai dari tahap analisis, desain, coding, pengujian dan pemeliharaan. Dengan adanya aplikasi tuntunan doa sehari-hari, dzikir dan sunnah rasul ini maka di harapkan dapat membantu dan memudahkan umat islam dalam melakukan tuntunan pembelajaran yang lebih praktis. Aplikasi ini juga dilengkapi dengan audio pengucapan sehingga mempermudah dalam pembacaan. Kata kunci: android, doa, dzikir, sunnah rasul, waterfall. 1.

PENDAHULUAN

Teknologi berkembang dengan sangat pesat di era modernisasi ini. Teknologi mobile yang saat ini tidak hanya digunakan sebagai alat komunikasi saja, tetapi juga sebagai alat untuk memudahkan pengguna dalam kehidupan sehari-hari. Hal tersebut dapat terjadi karena pada teknologi mobile terdapat adanya banyak fasilitas, antara lain pengaksesan internet, e-mail, organizer, musik, game dan sebagainya yang dapat digunakan dimana saja, kapan saja secara lebih cepat dan mudah [1] Penerapan ilmu agama yang seharusnya ditanamkan sejak dini terkadang terabaikan dengan kondisi tuntutan hidup yang semakin mempersempit ruang dan waktu. Selama ini umat islam mempelajari doa sehari-hari,dzikir dan sunnah rasul melalui media buku maupun CD tutorial yang lebih beresiko gampang kotor, robek, hilang, dan tidak praktis untuk dibawa kemana-mana. Seiring berkembangnya teknologi, media komunikasi dan informasi semakin banyak memberikan kemudahan terhadap pengguna untuk saling berinteraksi dan memudahkan dalam segala hal. Androidmerupakan salah satu wujud dari perkembangan teknologi yang dapat mempersempit ruang dan waktu. Kini Androidtidak hanya menjadi alat komunikasi saja akan tetapi sudah menjadi sarana hiburan dan juga gaya hidup, oleh Karena itu, penulis tertarik untuk memaksimalkan penggunaan Android dan mengatasi masalah pada metode pembelajaran tuntunan doa sehari-hari, dzikir dan sunnah rasul menggunakan buku.

359

Seiring berkembangnya teknologi, media komunikasi dan informasi semakin banyak memberikan kemudahan terhadap pengguna untuk saling berinteraksi dan memudahkan dalam segala hal. Androidmerupakan salah satu wujud dari perkembangan teknologi yang dapat mempersempit ruang dan waktu. Kini Androidtidak hanya menjadi alat komunikasi saja akan tetapi sudah menjadi sarana hiburan dan juga gaya hidup, oleh Karena itu, penulis tertarik untuk memaksimalkan penggunaan Android dan mengatasi masalah pada metode pembelajaran tuntunan doa sehari-hari, dzikir dan sunnah rasul menggunakan buku [2] menjelaskan bahwa semangat atau motivasi belajar anak-anak dengan metode pembelajaran konvensional (metode kuno) lebih rendah dibandingkan dengan menggunakan multimedia berbasis mobile atau menggunakan teknologi tertentu. Hal ini dibuktikan dengan kurangnya keterkaitan atau minat membaca anak-anak dalam mendapatkan suatu informasi tentang Agama Islam yang disampaiakan secara terstruktur dan konsisten dalam format teks, gambar, grafik, video animasi dan suara yang dikemas dalam satu paket situs berbasis multimedia. Secara umum manfaat yang dapat diperoleh dari multimedia pembelajaran berbasis mobile ini adalah proses pembelajaran lebih menarik, lebih interaktif, dan kualitas belajar anak-anak dapat ditingkatkan dan proses pembelajaran dapat dilakukan dimana dan kapan saja. Dengan perkembangan dan kebutuhan teknologi saat ini tuntunan pembelajaran doa sehari-hari, dzikir dan sunnah rasul dapat dibuat menjadi lebih

PROSIDING SEMMAU 2016 praktis dan lebih interactive di smsrtphone berbasis Android. aplikasi ini mempunyaikelebihan yaitu memenuhi tujuan awal mampu menampilkan doasehari-hari, dzikir dan sunah rasul ketika pengguna mengakses. Aplikasi ini juga dilengkapi dengan fitur berupa audio yang dapat dilakukan aksi seperti play, pause, stop, rewind, forward dan sebagainya.Perangkat mobile, Android bagi masyarakat bukan barang asing lagi. Berbagai kalangan dari berbagai umur memanfaatkan Android untuk berbagai hal, salah satunya dibidang pendidikan. Telah banyak aplikasi Android dikembangkan oleh developer yang dipublikasikan di Google Playstore sehingga dapat membantu didalam pembelajaran. Dari latar belakang yang telah peneliti jabarkan, maka peneliti mengajukan judul: “Aplikasi Tuntunan Doa sehari-hari, Dzikir dan Sunnah Rasul bagi Umat Islam berbasis Android”. Dengan menggunakan bahasa pemrograman java yang dapat menunjang pembuatan aplikasi ini. Berdasarkan uraian di atas maka peneliti menyimpulkan bahwa Androidsebagai sebuah teknologi informasi memberi kemudahan bagi para pengguna dalam mengakses aneka informasi yang diinginkan. Khususnya aplikasi tuntunan doa sehari-hari, dzikir dan sunnah rasul bagi umat islam berbasis Android dirancang dengan tujuan untuk mempermudah kalangan umat Islam sebagai pedoman menjalankan tuntunan doa, dzikir dan sunnah rasul semata-mata untuk mendapatkan Ridho Allah S.W.T setiap hari. 2.

METODOLOGI PENELITIAN Metodologi penelitian merupakan seperangkat cara yang sistematik, logis dan rasional yang digunakan oleh peneliti ketika merencanakan, mengumpulkan, menganalisis dan menyajikan data untuk menarik kesimpulan. Metode penelitian yang akan digunakan dalam penelitian ini terdiri dari langkah-langkah dengan mencari literatur pendukung penelitian yang mampu memberikan informasi yang memadai dalam menyelesaikan penelitian ini serta membantu mempertegas teoriteori yang ada untuk menghimpun informasi yang relevan dengan topik atau masalah yang akan atau sedang diteliti. Informasi itu dapat diperoleh dari buku-buku ilmiah, karangan-karangan ilmiah, tesis dan disertasi peraturan-peraturan, ketetapanketetapan dan sumber-sumber tertulis baik tercetak maupun elektronik lain.Dalam penelitian yang dilakukan, digunakan data berupa referensi-referensi dari internet dan penelitian-penelitian terdahulu yang akan mendukung dalam penelitian penulis tentang pembuatan dan perancangan tuntunan doa seharihari, dzikir dan sunah rasul bagi umat islam berbasis Android.

360

2.1. Prosedur Analisis Data Analisis data menjelaskan cara menganalisis atau teknik mengolah data yang digunakan untuk menarik simpulan dari hasil kajian dari topik yang diteliti. Adapun prosedur analisis data pada penelitian ini memiliki tahapan yang dimulai dengan studi literatur, kemudian identifikasi masalah, tahap analisis data dan kebutuhanTahapan-tahapan tersebut digambarkan pada diagram alir pada gambar 2 berikut ini: 1. Studi literatur Penulis mencari bahan-bahan atau materi sumber yang dapat digunakan sebagai referensi penulis baik dari buku-buku, internet, jurnal dan tesis. 2. Identifikasi masalah Penulis menelusuri masalah yang hendak diteliti dengan membentuk batasan-batasan yang sudah ditentukan pada awal penelitian, serta mempelajari dengan rinci domain permasalahan yang dihadapi. 3. Analisis kebutuhan sistem Analisis kebutuhan sistem terbagi menjadi dua yaitu sistem non-fungsional dan sistem fungsional. Analisis non-fungsional merupakan analisis yangdibutuhkan untuk menentukan spesifikasi dari kebutuhan perangkat keras dan perangkat lunak sistem sedangkan analisis kebutuhan fungsionalmen ggambarkan proses kegiatan yang akan diterapkan dalam sebuah sistem dan menjelaskan kebutuhan yang diperlukan sistem agar sistem dapat berjalan dengan baik serta sesuai dengan kebutuhan. Analisis kebutuhan fungsional ini meliputi analisis kebutuhan sistem, analisis kebutuhan data dan pemodelan sistem. 4. Implementasi Pada tahap ini akan dilakukan konversi bahasa manusia ke dalam bahasa pemrograman berdasarkan desain yang telah dibentuk sebelumnya, dimana penulis akan menggunakan Eclipse sebagai pengembangan perangkat lunak. 5. Pengujian Pengujian atau evaluasi dilakukan untuk mengetahui kriteria yang diharapkan dari sistem ini sudah terpenuhi atau belum. Pengujian akan dilakukan, yakni pengujian pengguna.

PR PROSIDING SEMMAU 2016 Mulai

Studi Literlatur

Pengumpulan Data

Analisis Data

Perancangan

Tidak

User Smartphone

Penggujian

Benar

Ya

Implementasi

enelitian Gambar 1. Flowchart pen Metode yang digunakan dalam am menyelesaikan masalah dalam perancangan apl plikasi ini yaitu Metode sekuensial linear aatau waterfall. Metodewaterfallmerupakan salah satu sa model proses perangkat lunak yang mengabill kegiatan proses dasar seperti spesifikasi, penegmbng ngan, validasi dan evolusi dengan mempersentasikann nnya sebagai fasefase proses yang berbeda. Metode M waterfall mengusulkan sebuah pendek ekatan kepada perkembangan perangkat lunak yan ang sistematik dan sekuensial yang mulai pada tingka kat dan kemajuan sistem pada seluruh analisis, desain, in, kode, pengujian dan pemeliharaan [4]

Gambar 3. Arsitekturr A ApDOKIR Pada use case ApDOKIR R pengguna langsung berinteraksi dengan Aplikasi.. Use case diagram menggambarkan interaksi yang ddilakukan oleh aktor dengan sistem. Interaksi yang ng dilakukan aktor dengan sistem lebih ditekankan an pada “apa” yang diperbuat sistem dan bukan ““bagaimana” sistem melakukannya. Aktor pada sistem tem ApDOKIR terdiri dari satu aktor yaitu pengguna.

Gambar 4.Use case Diagra ram ApDOKIR a. Sequence diagram menu doa--doa Sequence diagram adalahh ssuatu diagram yang menggambarkan interaksi an antara obyek dan mengindikasikan komunikasi diagram ini juga menunjukkan serangkaian pesann yang dipertukarkan oleh objek diantara objek-objekk ttersebut, objek yang melakukan suatu tugas atau aksii ttertentu.

Gambar2.Waterfall Mo odel Pada aplikasi ini arsistekturr perangkat lunak yang digunakan berupa media informasi inf berbasis Android, dimana semua informasi si yang telah ada dikembangkan dalam bentuk sebuah s aplikasi ApDOKIR. Pengguna dapat meng ngakses infromasi menggunakan media smartphone berbasis b Android, pengguna dapat menentukan infor ormasi yang telah dipilih dan sistem akan melakuka kan proses sesuai dengan hasil yang dipilih oleh pengg gguna.

361

Gambar 5.Sequence diagra ram menu doa

PR PROSIDING SEMMAU 2016 3. HASIL DAN PEMBAHASAN 3.1. Perancangan ApDOKIR a.perancnagan menu utama Perancanagan menu utam ama merupakan Perancanagan awal pada saat apli plikasi ApDOKIR dijalankan. Tampilan Use interfac face menu utama yang berisi menu pilihan seperti men enu doa-doa, zikir dan sunah rasul dengan dilengkap api audio. Untuk lebih jelasnya bisa dilihat pada gamb mbar berikut ini. a.perancangan menu utama

Arab dan artinya dengan dilengk gkapi audio sehingga mempermudah umat muslim meemahami kandungan dari bacaan dzikir. Untuk lebihh jjelasnya bisa dilihat pada gambar berikut ini

Gambar 9. Perancangann m menu dzikir

Gambar 6. Perancangan menu utama ut aplikasi b.perancnagan menu doa-doa Perancangan menu Doaa pada aplikasi ApDOKIR akan menampilkan meenu-menu bacaan zikir dalam bahasa Arab, terjemaha han dalam bahasa Arab dan artinya sehingga mem mpermudah umat muslim memahami kandungan dari da bacaan doa. Untuk lebih jelasnya bisa diliha hat pada gambar berikut ini.

d.perancnagan menu sunah rasul Perancangan menu sunahh rasul pada aplikasi Apdokir akan menampilkan m menu-menu bacaan dzikir dalam bahasa Arab, terjem emahan dalam bahasa Arab dan artinya sehingga m mempermudah umat islam memahami kandungan ddari bacaan sunah rasul. Untuk lebih jelasnya bisaa ddilihat pada gambar berikut ini.

Gambar 8. Perancangan m menu sunnah

Gambar 7. Perancangan menu me doa c.perancangan menu dzikir Perancangan menu Dzikir ir pada aplikasi ApDOKIR akan menampilkan meenu-menu bacaan Dzikir dalam bahasa Arab, terjemah ahan dalam bahasa

362

e. Use Interface menu utama apli likasi Use interface merupaka kan tampilan menu utama pada aplikasi ApDOKIR. R. Pada tampilan ini akan menampilkan menu-menuu bacaan doa, zikir, dan sunnah rasul dalam bahasa asa Arab, terjemahan dalam bahasa Arab dan artinya sehingga mempermudah umat muslim meemahami kandungan dari bacaan sunah rasul. Untukk lebih jelasnya bisa dilihat pada gambar berikut ini.


Gambar 10User interface menu u uutama aplikasi f. Use Interface menu doa aplikasi Use interface menu Doaa pada aplikasi ApDOKIR akan menampilkan sub ub-sub menu doa, dimana pada tampilan ini penggun una akan memilih sub doa-doa dalam bahasa Arab, terjemahan te dalam bahasa Arab dan artinya beserta ta audio sehingga mempermudah umat muslim memaahami kandungan dari bacaan sunah rasul. Untuk lebih leb jelasnya bisa dilihat pada gambar berikut ini.

Gambar 12 User interface ce menu dzikir f. Use Interface menu sunah aplik likasi Use interface menu sunahh rasul pada aplikasi ApDOKIR akan menampilkan su sub-sub menu sunahsunah apa saja yang dilakukan an Rasulullah dalam aktivitas setiap hari, dimana na pada menu ini pengguna bisa langsung memilih lih menu sunnah yang hendak dibaca dalam bahasaa Arab, terjemahan dalam bahasa Arab dan artinya sehingga mempermudah umat muslim meemahami kandungan dari bacaan sunah rasul. Untukk lebih jelasnya bisa dilihat pada gambar berikut ini.

Gambar 11 User interface men enu doa-doa g. Use Interface menu dzikir aplikas asi Use interface menu Dzikir ir pada aplikasi ApDOKIR akan menampilkan sub ub-sub menu zikir, dimana pada menu ini pengguna na bisa langsung memilih menu dzikir yang henda dak dibaca dalam bahasa Arab, terjemahan dalam bahasa b Arab dan artinya beserta audio sehingga mem empermudah umat muslim memahami kandungan dari da bacaan sunah rasul. Untuk lebih jelasnya bisa dili ilihat pada gambar berikut ini.

363

Gambar 12 User interface menu Sunnah

PROSIDING SEMMAU 2016 4. KESIMPULAN 4.1. Simpulan Penelitian ini berhasil mengembangkan sebuah aplikasi panduan tuntunan doa, dzikir dan sunnh rasul berbasis android yang menyediakan layanan panduan tuntunana doa-doa aktivitas sehari-hari, zikir, dan sunah rasul bagi umat islam. Pengguna bisa mengetahui berbagai jenis doa-doa zikir dan sunah rasul yang hendak di baca yang dilakukan dalam aktivitas sehari-hari. Penelitian ini dikembangkan dengan menggunakan Eclipse juno.

364

REFERENSI [1] Irwanto, Gavin., F., 2010. Generator Angka Acak Dalam Game Sudoku Dengan Metode Backtracking Pada Android Os Mobile. Tugas Akhir. Surabaya:Institut 10 November. [2] Idhawati, H., Budi S., Ahmad, I., danDimas, A., Nugroho. Rancang bangun aplikasi pembelajaran agama islam untuk anakanak berbasis multimedia interaktif, Jurnal Informatika Vol 6, No. 2, Juli 2012 hal 223-225. [3] Harahap, N. S., 2012. Pemograman Aplikasi Mobile Smartphone dan Tablet PC Berbasis Android. Edisi Revisi ed. Bandung: Informatika Bandung. [4] Presman,S., Rogers., 2009,Software engenering. Ed. 13, No. 2, Jakarta[ID]: Erlangga.


ANALISIS PEMASARAN RUMPUT LAUT KECAMATAN SULAMU MENGUNAKAN METODE PERBANDINGAN EKSPONENSIAL (MPE) Melkianus Babis1, Max Abr Soleman Lenggu2 Program Studi Teknik Informatika Strata Satu STIKOM Uyelindo Kupang [email protected], [email protected], Abstrak Wilayah kabupaten kupang kecamatan sulamu desa sulamu merupakan salah satu wilayah pengembangan budidaya rumput laut. Budidaya tanaman rumput laut telah lama dilakasanakan oleh masyarakat, namun pemasaran hasil rumput laut masih dihadapkan pada berbagai masalah antara lain adalah lemahnya tawar petani sehingga harga jual rumput laut lebih banyak ditentukan oleh pedagang tanpa banyak melibatkan petani selaku produsen. Untuk itu dalam mengatasi permasalahan tersebut dilakukan analisis pemasaran rumput laut kecamatan sulamu menggunakan metode perbandingan eksponensial (MPE) berbasis website. Bahan penelitian yang dilakukan dengan menggambil data-data rumput laut beberapa kelompok tani yang ada di desa sulamu dan pedagang yang terlibat. Analisis data yang dilakukan dengan akusisi data, representasi data, perancangan, implementasi, pengujian sehingga dengan tujuan menghasilkan informasi pemasaran yang jelas tentang segala sesuatu yang berkaitan pemasaran hasil rumput laut. Kata kunci: Kecamatan Sulamu, Pemasaran, Rumput Laut, MPE, Website. 1. PENDAHULUAN Wilayah Kabupaten Kupang Kecamatan Sulamu Desa Sulamu merupakan salah satu wilayah pengembangan budidaya rumput laut, telah ditetapkan oleh pemerintah sebagai salah satu kabupaten yang masuk dalam pilihan di Provinsi NusaTenggaraTimur (NTT) untuk pengembangan industri pengolahan rumput laut. Wilayah ini memiliki luas 270,12 km² dengan panjang garis pantai 95,00 km² yang terbagi kedalam 6 (enam) desa 1 (satu) kelurahan diantaranya Desa Sulamu dengan luas wilayah 15,74 km². Budidaya tanaman rumput laut telah lama dilakasanakan oleh masyarakat, namun pemasaran hasil rumput laut masih dihadapkan pada berbagai masalah antara lain adalah lemahnya tawar petani sehingga harga jual rumput laut lebih banyak ditentukan oleh pedagang tanpa banyak melibatkan petani selaku produsen. Informasi mengenai pemasaran rumput laut laut yang dilakukan oleh petugas penyuluhan lapangan dirasakan belum optimal. melakukan penelitian mengenai sistem pendukung keputusan daerah target pemasaran tenun ikat pada kelompok usaha bersama (KUB) manekat mengunakan metode perbandingan eksponensial (MPE). yaitu proses pemasaran yang dilaksanakan

adakalah mengalami kendala. Kendala yang dimaksud misalnya tempat yang dijadikan sebagai daerah pemasaran tidaklah strategis, sehingga kain tenun tidak sampai pada konsumen baik pada yang domestic maupun nondomestic.),melakukan penelitian mengenai sistem pendukung keputusan daerah target pemasaran tenun ikat pada kelompok usaha bersama (KUB) manekat mengunakan metode perbandingan eksponensial (MPE). Rumusan masalah dalam penelitian ini yaitu proses pemasaran yang

365

dilaksanakan adakalah mengalami kendala. Kendala yang dimaksud misalnya tempat yang dijadikan sebagai daerah pemasaran tidaklah strategis, sehingga kain tenun tidak sampai pada konsumen baik pada yang domestic maupun nondomestic.[1] karena sampai sekarang para petani masih belum mendaptkan informasi pemasaran yang jelas tentang pemasaran hasil rumput laut. Dampak nya petani tidak dapat ambil bagian dalam penentuan harga rumput laut, petani hanya sebagai penerima harga bukan penentu harga, oleh karena itu posisi tawar petani lemah dan hal tersebut dimanfaatkan bagi para pedagang untuk mendapatkan keuntungan lebih, namun dilain pihak rumput laut merupakan mata pencarian utama bagi para petani. Yang mana metode perbandingan eksponensial membantu dalam hal menganalisis pemasaran yang buruk mengenai pemasaran rumput laut dapat merugikan dan seolah tidak mengahargai hasil kerja dari kelompok petani, untuk itu perlu dilakukan penelitian tentang analisis pemasaran rumput laut mengunakan metode perbandingan eksponensial pada kecamatan sulamu. Karena keberhasilan kegiatan bertani tidak hanya bergantung dari usaha dan kerja petani itu sendiri, tetapi juga didukung oleh lembaga pemasaran yang jelas.


2. METODE PENELITIAN 2.1. Prosedur Analisis Data Tahapan-tahapan penelitian yang dilakukan prosedur analisis data kali ini, dapat dilihat pada gambar 1 di bawah ini. A. Akuisisi data Terdapat beberapa tahap yang dilakukan yaitu tahap akuisisi data dengan mempelajari referensireferensi yang terkait dengan penelitian, pengumpulan data dari analisis pemasaran rumput laut, sehingga memprosesnya untuk mendapatkan data yang dikehendaki, selanjutnya tahap representasi yang merupakan cara memasukkan nilai ke komputer, selanjutnya tahap perancangan sistem, tahap ini menyangkut mengkonfigurasikan dari komponenkomponen perangkat lunak dan perangkat keras dari suatu sistem sehingga setelah instalasi dari sistem akan benar-benar memuaskan rancangan bangun yang telah ditetapkan pada akhir tahap analisa sistem. sistem yang baru sampai sistem menunjukan hasil yang valid. Mulai

Akusisi data

Representasi data

, Rumput laut pada waktu ini menjadi salah satu komoditas perikanan penting yang makin banyak dibudidayakan karena permintaan terhadapnya makin meningkat. Disamping karena kandungan carrageenan yang penggunaannya makin meluas. Rumput laut dengan kandungan bahan karagenan banyak dibudidayakan (spesies Eucheuma spp), yaitu (Eucheuma cottoni). Karena pada umumnya para petani nelayan memulai usaha budi daya rumput laut ini kekurangan modal, dalam prakteknya para petani nelayan banyak yang terikat kepada pedagang pengumpul yang bersedia memberikan modal dan keperluan keluarga sehari-hari sebelum panen. 3.

HASIL DAN IMPLEMENTASI

3.1. Metode Perbandingan Eksponensial (MPE) Metode Perbandingan Eksponensial (MPE) merupakan salah satu metode untuk menentukan urutan prioritas alternatif keputusan dengan kriteria jamak. [2] Dalam menggunakan metode perbandingan eksponensial ada beberapa tahap yang harus dilakukan, yaitu menyusun alternatif-alternatif keputusan yang akan dipilih, menentukan kriteria atau perbandingan keputusan yang penting. dan menentukan urutan prioritaskeputusan didasarkan pada skor atau nilai total masingmasing alternatif. Perhitungcan skor untuk setiap alternatif dalam metode perbandingan eksponensial adalah sebagai berikut:

Total nilai(�� ) =

� =1

(�� )��

Keterangan : ��

Perancangan

Implementasi

Tidak

��

= Total nilai alternatif ke= Derajat kepentingan relatif criteria ke-j pada pilihan keputusan

TKKj = Derajat kepentingan kriteria keputusan ke- , TKK > 0; bulat Pengujian

n = Jumlah pilihan keputusan m = Jumlah kriteria keputusan

Terjadi kesalahan Ya

Ya

Selesai

Gambar 1. Tahapan penelitian

366

Penentuan tingkat kepentingan kriteria dilakukan dengan cara wawancara dengan pakar atau melalui kesepakatan curah pendapat. Sedangkan penentuan skor alternatif pada kriteria tertentu dilakukan dengan memberi nilai setiap alternatif berdasarkan nilai kriterianya. Semakin besar nilai alternatif semakin besar pula skor alternatif tersebut. Total skor masing-masing alternatif keputusan akan relatif berbeda secara nyata karena adanya fungsi eksponensial


Petani rumput laut melakukan pemelihan pemasok saluran pemasaran rumput laut berdarkan saluran pemasaran yang ada. Terdapat tiga alternati pemasok yang dievaluasi yaitu: 1.Pedagang tengkulak 2.pedagang pengumpul 3.pedagang antar pulau

Kriteria yang dipertimbangkan dalam pemelihan pemasok adalah 1.rumput laut hijau 2.rumput laut coklat 3.rumput laut merah Tabel 1. Penilaian Nilai Defenisi 1 Sama Penting 2 Sama hingga cukup penting 3 Cukup penting 4 Cukup penting hingga tinggi kepentingannya 5 Tinggi kepentingannya 6 Tinggi kepentingannya hingga sangat tinggi 7 Sangat tinggi kepentingannya 8 Kepentingannya sangat tinggi hingga amat sangat tinggi 9 Kepentingannya amat sangat tinggi

Gambar 2. Use case diagram Aperla 1. Sequence diagram Sequence diagram adalahsuatu diagram yang menggambarkan interaksi antar objek di dalam sebuah sistem. Interaksi tersebut berupa pesan yang digambarkan terhadap waktu. Perancangan sequence diagram Aperla dapat dilihat berikut ini.

Tabel 2. Matriks keputusan dengan metode mpe

:User 1: Imputan nilai 3.2. Implementasi

: UserControl

2: Hitung jumlah data kriteria alternatif dan bobot 3:

Implementasidilakukansetelahperancanganseles aidilakukan.Dalamtahapimplementasihasildesain/peran cangandigunakanstarumldalammenerjemahkanperanca ngan, baikitu use case, sequence diagram, class diagram, dansebagainya. a. Use case diagram Use case ini memperlihatkan pada pengguna untuk menampilkan informasi home about krteria, alternatif analisis mpe. Use case dapat dilihat pada gambar 2 berikut:

:AnalisimpeUI()

4:Nilai alternatifperingkat 6: Tampil Nilai alternatifperingkat

5:

Gambar 3. Sequence diagramdiagramAnalisis MPE

367


b. Class diagram Class diagram merupakan suatu diagram yang memperlihatkan atau menampilkan struktur dari sebuah sistem, sistem tersebut akan menampilkan sistem kelas, atribut dan hubungan antar kelas ketika suatu sistem telah selesai membuat diagram. Pada class diagram aperla terdapat lima unsur menu interface tidak memiliki menu control dan entity karena aplikasi aperla tidak memiliki table-tabel. Perancangan class diagram aperla selengkapnya dapat dilihat pada gambar 3: memilihomeUI() (from use case view) homeUI() showome()

Gambar 5. Form analisis MPE memilihaboutUI() (from use case view) aboutUI() showabout() memilihkrteriaUI() (from use case view) kriteriaUI() showkriteria() memilihalternatifUI() (from use case view) alternatifUI() showalternatif() memilihanalisisMpeUI() (from use case view) analisisMpeUI() showAnalisisMpet()

Gambar 4. class diagram antar muka merupakan rancang bangun dari percakapan antara pemakai sistem dengan komputer. Percakapan tersebut terdiri dari proses memasukkan informasi kedalam (input), menampilkan keluaran (output) informasi atau dapat keduanya. Tampilan secara lengkap dapat dilihat pada gambar berikut ini.

C. Pengujian Berdasarkan nilai MPE dari ketiga alternatif pemasaran , maka yang menjadi prioritas pertama adalah pemasaran yang memiliki nilai MPE tertinggi yaitu rumput laut hijau sebesar 100.567.28 . 3. HASIL DAN PEMBAHASAN Tabel 3. Penilaian Alternatif Saluran Pemasaran yang berpotensial dalam pemasaran rumput laut. alternatif kriteria Rumput Rumput Rumput laut laut laut coklat hijau merah Pedagang 7 8 7 pengumpul Pedagang tengkulak

8

6

9

Pedagang antar pulau

9

7

7

Bobot

8

9

7

Perhitungan nilai MPE ( Metode Perbandingan Eksponensial )untuk masing-masing alternatif: Untuk alternatif pedagang pengumpul: MPE= 8^7 + 9^8 + 6^6 + 7^9 = 85.497.480 (Prioritas 2) Untuk alternatif pedagang tengkulak MPE= 7^7 + 7^8 + 4^6 +6^7 +6^5 +8^7 +8^5 =140.806.072 (Prioritas 1) Untuk pedagang antar pulau

368


MPE= 6^9 + 8^8 + 5^6 +6^7 +6^5 +8^7 +6^5 =53.947.960 (Prioritas 3) Berdasarkan nilai MPE dari ketiga alternatif pemasok pemasaran , maka pemasok pemasaranyang menjadi prioritas pertama adalah produk yang memiliki nilai MPE tertinggi yaitu pedagang tengkulak sebesar 140.806.072.

4. Kesimpulan Berdasarkan hasil penelitian dan pembahasan tentang analisis pemasaran rumput laut kecamatan Sulamu menggunakan metode mpe dapat disimpulkan bahwa: Tujuan yang ingin dicapai dari penelitian ini adalah menganalisis pemasaran rumput laut kecamatan Sulamu menggunakan metode perbandingan eksponensial. Sehingga dapat membantu petani rumput laut dalam menyelesaikan permasalahan yang terjadi dalam hal memilih pemasok pemasaran yang jelas dalam memasarkan keuntungan dari hasil rumput laut.

369

REFERENSI [1] Vemmy, 2007, sistimpendukungkeputusandaerah target pemasaranpadakelompokusahabersama (KUB) manekatmengunakanmetodeperbandinganeksponen sial, stikomuyelindokupang. . [2]Marimin, 2004,AplikasiTeknikPengambilanKeputusandalam ManajemenRantai. [3]Day, 1999, Market Driven Strategy Processes for Creating Value (ID): The Free Press, New York. [4]Deptan, 1990, Budidaya Pengolahan dan Pemasaran Rumput Laut. Penerbit PT. Penebar Swadaya Jakarta. [5]Elcom, 2013, Adobe Dreamweaver CS6, Jogjakarta (ID): Arcan


PERBANDINGAN EKSTRAKSI TEKSTUR CITRA DENGAN METODE STATISTIK ORDE I DAN STATISTIK ORDE II UNTUK PEMILIHAN BENIH JAGUNG Antonius Yosef Tampani1, Petrus Katemba2 Program Studi Teknik Informatika Strata Satu, STIKOM Uyelindo Kupang Jl. Perintis Kemerdekaan I - Kayu Putih – Kupang – NTT - Indonesia Email: [email protected] , [email protected], Abstrak Permasalahan dalam menentukan pemilihan benih jagung untuk penanaman kembali, khususnya jagung di Nusa Tenggara Timur sampai saat ini masih menjadi persoalan penting. Hal yang mempengarungi kualitas benih jagung yaitu ditemukan biji yang rusak, biji yang kusam, biji yang kotor, dan biji yang patah akibat proses pengeringan dan pemipilan. Penentuan kualitas biji jagung biasa dilakukan secara manual dengan pengamatan visual. Sistem manual membutuhkan waktu yang lama dan menghasilkan produk dengan mutu yang tidak konsisten karena keterbatasan visual, kelelahan, dan perbedaan persepsi masing-masing pengamat. Penelitian ini dilakukan dengan menggunakan perbandingan ekstraksi tekstur citra dengan metode statistik orde I (color moment) dan statistik orde II (GLCM) untuk pemilihan benih jagung. Statistik orde I (color moment) menunjukan probabilitas kemunculan nilai derajat keabuan piksel pada suatu citra, sedangkan statistik orde II (GLCM) menunjukan probabilitas hubungan ketetanggaan antara dua piksel yang membentuk sebuah matriks kookurensi dari data citra tersebut. Penelitian ini diharapkan dapat membantu proses klasifikasi dalam menentukan benih jagung. Algoritma -Nearest Neighbor ( -NN) yang digunakan pada penelitian untuk melakukan klasifikasi terhadap objek citra yang akan diteliti. Hasil penelitian ini berhasil dilakukan menggunakan k-Nearest Neighbor (k-NN) dengan jarak euclidean distance dan k=1 dengan hasil ekstraki color moment mendapat akurasi tertinggi yaitu 88% dan hasil ekstraksi ciri GLCM untuk ciri homogenitas sebesar 75.5%, korelasi sebesar 78.67%, kontras sebesar 65.75% dan energy sebesar 63.83% dengan akurasi rata-rata sebesar 70.93%. Kata kunci: benih jagung, citra digital, GLCM, color moment, tekstur.

1. PENDAHULUAN Jagung (Zea mays I.) merupakan salah satu tanaman pangan dunia yang terpenting, selain gandum, ubi dan padi. Selain sebagai sumber karbohidrat utama, jagung juga menjadi alternatif sumber pangan jagung yang telah direkayasa genetika juga sekarang ditanam sebagai penghasil farmasi [1]. Di Indonesia, jagung merupakan komoditas pangan kedua setelah padi dan sumber kalori atau makanan pengganti beras, disamping itu juga sebagai makanan ternak. Hal yang mempengaruhi kualitas biji jagung yaitu tingginya tingkat kerusakan yang terjadi saat proses pemipilan jagung dengan mesin sehingga banyak ditemukan biji yang rusak dan patah. Selama ini evaluasi kualitas dalam proses klasifikasi kualitas biji jagung masih dilakukan secara manual melalui pengamatan visual (dilihat secara kasat mata). Sistem manual membutuhkan waktu yang lama dan menghasilkan produk dengan kualitas yang tidak merata karena keterbatasan visual, kelelahan, dan perbedaan persepsi masingmasing pengamat [2]. Permasalahan dalam menentukan pemilihan benih jagung untuk penanaman kembali, khususnya jagung di Nusa Tenggara Timur sampai saat ini 370

masih menjadi persoalan penting. Jatuhnya harga jagung dipasaran diakibatkan oleh kerusakan benih jagung yang akan dipakai untuk benih, biasanya terjadi saat penyimpanan benih jagung yang telah terkelupas kulitnya sehingga memudahkan jamur untuk tumbuh secara cepat terutama dari jenis aspergillus yang berpotensi menimbulkan afltoksin [3]. Pemilihan benih jagung sering dilakukan oleh petani secara kasat mata atau manual tanpa melihat dari ciri-ciri fisik, tekstur maupun warna yang ada pada benih jagung yang akan digunakan untuk pembibitan kembali. Pemilihan benih jagung yang baik adalah benih jagung yang tidak terkelupas kulitnya, tidak berlubang, warna atau bentuk jagung yang cerah dan juga tidak berwarna hitam. Dari permasalahan yang telah diuraikan, pengolahan citra digital merupakan alternatif untuk mengatasi masalah tersebut. Citra digital (Digital Image) adalah sebuah citra diskrit dan telah di digitasi dengan baik dalam bentuk koordinat ruang (spasial) maupun nilai intensitasnya (gray level) [4]. Koordinat ruang dinyatakan dengan , , dengan x= dan = � . Intensitas/gray level dinyatakan dengan � , . Citra digital dapat dinyatakan sebagai sebuah matriks, dengan baris dan kolomnya menunjukkan sebuah titik dalam citra dan

PROSIDING SEMMAU 2016 nilai elemen-elemen matriksnya menunjukkan gray level (tingkat keabuan) pada titik tersebut. Kemampuan pengolahan citra digital yang canggih memungkinkan dapat digunakan lebih efektif dan efisien untuk mengidentifikasi kualitas produk pertanian. Salah satu contoh yaitu untuk menentukan kualitas benih jagung berdasarkan teksturnya. Penentuan kualitas pemilihan benih jagung yang baik sudah dilakukan menggunakan teknik pembelajaran supervised learning. Salah satu contoh metode supervised learning yang dapat digunakan untuk menentukan kualitas benih jagung untuk pembenihan adalah klasifikasi biji kopi menggunakan pengolahan citra dan fuzzy logic. Penelitian ini bertujuan untuk membangun sistem pemutuan secara digital dengan menggunakan kamera untuk mengambil gambar sampel biji kopi, kemudian komputer menghitung warna dan tekstur. Data hasil pengujian menunjukkan bahwa ciri warna hijau dan ciri tekstur entrophy, energy dan contrast yang dibentuk dari matriks kookurensi 1350 merupakan parameter penting dari fuzzy C means dalam menilai grade mutu biji kopi [5]. Selain penelitian klasifikasi biji kopi, ada pula penelitian tentang penentuan kualitas biji jagung untuk pembenihan berdasarkan tingkat kecerahan warna menggunakan support vector machine. Tujuan dari penelitian ini untuk mengklasifikasi biji jagung untuk pembenihan, sehingga menemukan biji jagung yang tepat untuk pembenihan berdasarkan tingkat kecerahan warna. Hasil penelitian ini berhasil dilakukan menggunakan support vector machine dengan fungsi kernel polynomial dan mendapat akurasi tertinggi yaitu jagung kuning sebesar 82% dan untuk jagung putih sebesar 76% [6]. Penelitian ini dilakukan dengan menggunakan perbandingan ekstraksi tekstur citra dengan metode statistik orde I (moment) dan statistik orde II (GLCM) untuk pemilihan benih jagung. Statistik orde I (color moment) menunjukan probabilitas kemunculan nilai derajat keabuan piksel pada suatu citra, sedangkan statistik orde II (GLCM) menunjukan probabilitas hubungan ketetanggaan antara dua piksel yang membentuk sebuah matriks kookurensi dari data citra tersebut. Penelitian ini diharapkan dapat membantu proses klasifikasi dalam menentukan benih jagung. Berdasarkan masalah yang diuraikan dan penelitian-penelitian yang dilakukan sebelumnya maka pada penelitian ini akan dibandingkan ekstraksi tekstur citra antara statistik orde I dan statistik orde II untuk mengetahui kualitas benih jagung berbasis pola citra digital sehingga mendapatkan hasil yang cepat dan akurat. Algoritma -Nearest Neighbor ( NN) yang digunakan pada penelitian untuk melakukan klasifikasi terhadap objek citra yang akan diteliti. Hasil yang diharapkan pada penelitian ini adalah mendapatkan hasil yang efektif dan efisien 371

dalam memilih benih jagung sehingga membantu para petani untuk menentukan kualitas benih jagung yang akan ditanam. 2. METODE PENELITIAN Berikut ini akan dijelaskan mengenai metodologi penelitian untuk perbandingan ekstraksi tekstur citra menggunakan metode statistik orde I dan statistik orde II untuk pemilihan benih jagung. Berikut adalah gambar pengembangan system yang dapat dilihat pada Gambar 1 berikut ini. Sampel

Akuisisi Citra

Praproses

Ekstraksi Ciri

Klasifikasi Tekstur Citra

Hasil

Gambar 1. Pengembangan sistem Benih jagung yang telah diakuisisi citranya kemudian diproses untuk pengambilan sampel data. Sampel data kemudian diolah untuk mendapat hasil akurasi dari citra data. Setelah diambil data citra kemudian dilakukan praproses, yaitu pengubahan ukuran citra dan mengubah citra ke skala keabuan dan diakhiri dengan proses penghilangan derau (noise), setelah itu tahapan selanjutnya adalah ekstraksi ciri. Setelah proses ekstraksi ciri, data akan dibagi menjadi data latih dan data uji. Pada tahapan akhir implementasi inferensi, data disimpan dan diolah kembali untuk menentukan kualitas jagung menggunakan perbandingan ekstraksi tekstur citra menggunakan statistik orde I dan statistik orde II untuk mencapai hasil akhir yaitu akurasi yang akan digunakan untuk klasifikasi citra benih jagung yang baik untuk dijadikan benih. 2.1. Prosedur Analisis Data Prosedur analisis data digambarkan sebagai berikut:

PROSIDING SEMMAU 2016 Gambar 3. Citra benih jagung layak dalam bentuk gambar dan matriks citra

Start

Data citra biji jagung

Praproses

Ekstraksi ciri

Pembagian Data

Data latih

Data uji

Klasifikasi dengan KNN

Model

Evaluasi

Tidak

Validasi

Ya Akurasi tercapai

End

Gambar 2. Alur prosedur penelitian

1. Citra benih jagung Tahap awal sebelum pemrosesan citra adalah tahap akusisi atau pengumpulan data. Data citra yang digunakan pada penelitian ini, adalah citra benih jagung yang diambil menggunakan kamera digital, dengan dimensi citra awal 2484 x 2134 pixel, di salah satu rumah bulat (rumah pemali) kampung Masik, Desa Numponi, Malaka dan disimpan dengan format file JPG. Citra yang akan dijadikan sampel akan di resize menjadi 300 x 300 pixel, untuk mendapatkan data penting yang dibutuhkan dalam proses pengklasifikasian benih jagung yang akan dijadikan benih. Berikut adalah gambar citra benih jagung.

Gambar 4. Citra benih jagung tidak layak dalam bentuk gambar dan matriks citra 2. Pra proses Tujuan pra proses adalah mentransformasi data ke suatu format yang prosesnya lebih mudah dan efektif untuk mendapatkan nilai yang lebih akurat dan mengurangi waktu komputasi untuk masalah berskala besar, sehingga membuat nilai data menjadi lebih kecil tanpa mengubah informasi yang dikandungnya [7]. Pada tahap praproses ini, dilakukan dengan cara cropping dan median filter. Berikut adalah gambar citra benih jagung.citra sebelum dan sesudah cropping.

Ukuran 2484 x 2134 Ukuran 300 x 300 Gambar 5. citra sebelum dan sesudah cropping.

3. Ekstraksi ciri Ekstraksi ciri dilakukan menggunakan Statistik orde I (color moment) menunjukan probabilitas kemunculan nilai derajat keabuan piksel pada suatu citra, sedangkan statistik orde II (GLCM) 372

PROSIDING SEMMAU 2016 menunjukan probabilitas hubungan ketetanggaan antara dua piksel yang membentuk sebuah matriks kookurensi dari data citra tersebut.. Proses ini berkaitan dengan kuantisasi karakteristik citra ke dalam sekelompok nilai ciri yang sesuai. Ciri yang didapatkan berupa matriks homogen, yang akan menjadi data masukkan ke dalam algoritma sebelum dilakukan proses klasifikasi [8]. Statistik orde I (Color moment) memiliki 3 ciri yaitu: a. Mean (µ) Mean (µ) menunjukkan ukuran dispersi dari suatu citra. Bentuk persamaan untuk menghitung Mean (µ) yaitu:

�=

�

�

Dimana f_n merupakan suatu nilai intensitas keabuan, sementara p(f_n ) menunjukkan nilai histogramnya (probabilitas kemunculan intensitas tersebut pada citra). b. Standar deviasi Standar deviasi atau simapangan baku adalah ukuran keragaman (variasi) data statistik tang paling sering digunakan. Standar deviasi atau simpangan baku merupakan akar kuadrat dari varian. Bentuk persamaan untuk menghitung Standar deviasi atau simpangan baku ( ) yaitu: =1

=

− ( =1 ( − 1)

2

1)

2

c. Skewness (α3 ) Skewness (α3 ) menujukkan tingkat kemencengan relatif kurva histogram dari suatu citra. Bentuk persamaan untuk menghitung Skewness (α3 ) yaitu:

α3 =

1 �3

� −µ

3

�

Statistik orde II atau GLCM (Gray Level Cooccurance Matrix) pada haralicknya memiliki 14 ciri atau fitur namun yang diambil dalam penelitian ini adalah 4 ciri yaitu: a. Angular second moment (homogenitas) Angular second moment (homogenitas) menunjukkan sifat homogenitas citra. Bentuk persamaannya yaitu:

�

=

{

, }2

Dimana ( , ) menyatakan nilai pada baris dan kolom pada matriks kookurensi.

b. Contrast Contrast menunjukkan ukuran penyebaran (momen inersia) elemen-elemen matriks citra. 373

Jika letaknya jauh dari diagonal utama, nilai kekontrasan besar. Secara visual, nilai kekontrasan adalah ukuran variasi antar derajat keabuan suatu daerah citra. Bentuk persamaannya yaitu: � �= k2 [ ( , )] |i – j| = k c. Correlation Correlation menunjukkan ukuran ketergantungan linear derajat keabuan citra sehingga dapat memberikan petunjuk adanya struktural linear dalam citra. Bentuk persamaannya yaitu:

� �=

− � � � �

d. Energy Energy menunjukkan keseragaman. Energy akan bernilai tinggi ketika nilai pixel mirip satu sama lain sebaliknya akan bernilai kecil menandakan nilai dari GLCM normalisasi adalah heterogen. Nilai maksimum dari energy adalah 1 yang artinya distribusi pixel dalam kondisi konstan atau bentuknya yang berpriodik ( tidak acak). Bentuk persamaannya yaitu:

�=

2

�( , )

Berikut digambarkan diagram alir untuk ciri statistik orde I dan ciri statistik orde II. Ciri statistik orde I Mulai

Citra tersegmentasi

Citra HSV

Color moment

Hasil vektor citra statistik orde I

Mean

Standar deviasi

Skewness

Masukkan pada klasifikasi

Selesai

Gambar 6. Diagram alir statistik orde I

PROSIDING SEMMAU 2016 yang di uji adalah 1, 3, dan 5. Dipilihnya nilai yang ganjil agar mengurangi kesalahan algoritma jika peluang kemiripannya sama. Berikut adalah algoritma metode - Nearest Neighbor ( -NN) adalah sebagai berikut.

Ciri statistik orde II Mulai

Citra tersegmentasi

Penentuan ambang batas threshold

Homogenitas

Hitung Otsu threshold Kontrast GLCM Korelasi Hasil vektor citra statistik orde II Energy Masukkan pada klasifikasi

Selesai

Gambar 7. Diagram alir statistik orde II. 4. Bagi data Data citra yang telah melalui tahap praproses kemudian dibagi dengan -fold. Metode -fold cross validation merupakan skenario dimana membagi sama rata dari seluruh data yang telah ada untuk dijadikan sebagai data testing pada setiap foldnya. Citra benih jagung yaitu 100 benih jagung alami. Jika yang digunakan adalah 4-fold, maka metode yang digunakan adalah 4-fold cross validation. Dataset dibagi menjadi data training dan data testing, sebesar 75% untuk data training dan 25% untuk data testing [7]. Berikut adalah gambar 4-fold cross validation.

Gambar 8. 4-fold cross validation 5. Klasifikasi dengan -Nearest Neighbor ( -NN) - Nearest Neighbor ( -NN) adalah metode pengukuran kemiripan yang sederhana. Pengukuran yang digunakan, yaitu berdasarkan Euclidean. Euclidean tergolong dalam metode pengukuran kemiripan berdasarkan geometrik. Analisis yang dilakukan pada -NN adalah pengaruh penggunaan pengukuran kemiripan dan nilai yang digunakan terhadap akurasi sistem dalam mengklasifikasi kualitas biji jagung. Nilai 374

Input: k, the number of nearest neighbors; D, the set of test sample; T, the set of training sample. Output: L, the label set of test sample. 1: readDataFile(TrainingData) 2: readDataFile(TestingData) 3: L={} 4: for each d in D and each t in T do 5: Neighbors(d) ={} 6: if |Neighbors(d)|
Gambar 9. algoritma metode - Nearest Neighbor ( -NN) Berikut merupakan rumus untuk jarak Euclidean.

Dengan �( , ) = jarak antara titik pada data training dan titik data testing yang akan diklasifikasi, dimana = 1, 2, … , dan = 1, 2, … , dan merepresentasikan nilai atribut serta merupakan dimensi atribut. 6. Evaluasi Evaluasi pemilihan benih jagung berdasarkan bentuk tekstur, dilakukan untuk memprediksi seberapa baik classifier memprediksi label kelas tupel. Dengan ketentuan true positif (TP) adalah tupel positif yang bernilai benar pada label klasisfikasi. True negatif (TN) adalah tupel positif yang diartikan sebagai negatif. Sensitivitas dan spesivisitas disebut juga sebagai tupel positif yang bernilai benar, sedangkan spesivisitas adalah tupel negatif yang bernilai benar. Cara mencari nilai sensitivitas dan spesivisitas dapat dirumuskan dengan [7].

Gambar 10. Confusion Matrix Sensitivitas =

� � + �


3. HASIL DAN PEMBAHASAN Pada bab ini akan dijelaskan beberapa hal terkait dengan analisis ekstraksi tekstur citra menggunakan metode statistik orde I dan orde II terhadap akurasi sistem penentuan benih jagung. Fitur moment yang digunakan yaitu: mean, standar deviasi dan skewness sedangkan fitur haralick (GLCM) yang digunakan yaitu: homogenitas, contrast, correlation, energy. Analisis hasil pengujian klasifikasi dengan K-Nearest Neighbour ditinjau dari penggunaan nilai k dan metode pengukuran jarak (Euclidean), serta analisis waktu komputasi sitem. Hasil dari pengolahan citra ini adalah pembangkitan data-data numerik dari setiap citra benih jagung tersebut akan dipisahkan menjadi benih jagung layak dan tidak layak. Hasil pengolahannya dapat dilihat pada Tabel 1 berikut ini.

Tabel 1. Hasil rata-rata pengolahan citra benih jagung untuk ciri color moment Ciri Nilai rata-rata Nilai rata-rata benih jagung benih jagung layak tanam tidak layak tanam Mean Standar deviasi

0.3516 0.2347

0.3347 0.2189

Skewness 0.0174 0.0126 Dari Tabel 1 dapat dilihat bahwa ciri color moment yang paling tinggi rata-ratanya adalah mean karena memiliki nilai rata-rata benih jagung layak sebesar 0.3516 dan benih jagung tidak layak sebesar 0.3347 hal ini berarti ukuran dispersi (penguraian atau pembiasan warna) dari suatu citra yang dimiliki cukup tinggi. Sedangkan ciri dengan nilai rata-rata rendah adalah pada skewness karena memiliki nilai rata-rata benih jagung layak sebesar 0.0174 dan benih jagung tidak layak sebesar 0.0126, hal ini berarti pengukuran tingkat kemencengan relatif dari suatu citra kurang. Karakteristik ciri mean pada citra benih jagung layak tanam dan tidak layak tanam Rata-rata dari ciri mean adalah 0.3516 untuk benih jagung layak tanam dan 0.3347 untuk benih jagung tidak layak tanam. Berdasarkan rata-rata pada benih layak tanam dan tidak layak tanam maka rentang nilainya tidak terlalu jauh yakni 0.0269, padahal perbedaan antara nilai ciri mean akan memudahkan program dalam membedakan jenis 375

1.5 1.0 0.5 0.0

fitur mean kelas 1 16 31 46 61 76 91

x 100%

Column1

sampel keGambar 11. Nilai mean citra benih jagung Karakteristik Ciri standar deviasi pada Citra Benih Jagung Layak Tanam dan tidak Layak Tanam Rata-rata dari ciri standar deviasi adalah 0.2347 untuk benih jagung layak tanam dan 0.2189 untuk benih jagung tidak layak tanam. Berdasarkan rata-rata pada benih layak tanam dan tidak layak tanam maka rentang nilainya tidak terlalu jauh yaitu 0.0158, padahal perbedaan antara nilai ciri standar deviasi akan memudahkan program dalam membedakan jenis benih layak tanam dan tidak layak tanam. Gambar 12 menampilkan nilai ciri standar deviasi pada setiap arah pada citra benih jagung. karakteristik fitur standar deviasi 1.50 1.00 0.50 0.00

fitur std kelas 1 18 35 52 69 86

TP +TN TP +TN +FN +FP

fitur sampel

Akurasi =

benih layak tanam dan tidak layak tanam. Gambar 11 menampilkan nilai ciri mean pada setiap arah pada citra benih jagung. karakteristik fitur mean

fitur sampel

��

Spesivisitas = ��+ Sedangkan akurasi keseluruhan dihitung dengan:

Column1

sampel keGambar 12. Nilai standar deviasi citra benih jagung Karakteristik ciri skewness pada citra benih jagung layak tanam dan tidak layak tanam Rata-rata dari ciri skewness adalah 0.0174 untuk benih jagung layak tanam dan 0.0126 untuk benih jagung tidak layak tanam. Berdasarkan ratarata pada benih layak tanam dan tidak layak tanam maka rentang nilainya tidak terlalu jauh yaitu 0.0048, padahal perbedaan antara nilai ciri skewness akan memudahkan program dalam membedakan jenis benih layak tanam dan tidak layak tanam. Gambar 13 menampilkan nilai ciri skewness pada setiap arah pada citra benih jagung. karakteristik fitur skewness

sampel keGambar 13. Nilai skewness citra benih jagung Pada penelitian ini digunakan klasifikasi k-NN dengan k-NN yang digunakan adalah euclidean distance dan nilai k yang dipakai adalah 1 dan menggunakan ekstraksi ciri orde I atau color moment. Skenario data yang digunakan adalah skenario empat fold validasi silang (4-fold cross validation). Hasil akurasi yang didapatkan dari klasifikasi k-NN untuk ciri mean adalah 90%, standar deviasi adalah 88% dan skewness adalah 86%. Validasi diulang satu kali untuk setiap ciri dan diambil rata-ratanya. Dari data hasil validasi didapatkan bahwa ekstraksi citra untuk membedakan benih jagung yang layak dan tidak layak sudah layak untuk digunakan. Untuk lebih jelasnya bisa dilihat pada perbedaan pengujian sensitivitas dan spesifisitas masing-masing ciri yang ditampilkan pada Tabel 2 sampai Tabel. Tabel 2. Pengujian sensitivitas dan spesivisitas color moment citra benih jagung Ciri Sensitivitas Spesifisit Akurasi as mean 92.42% 80.83 % 90% standar 88.67% 85 % 88% deviasi skewness 87.76% 78.33 % 86% Rata-rata 89.61% 81.38% 88% Dari Tabel 2, dapat dilihat bahwa pada ciri mean sensitivitas sebesar 92.42%, spesifisitas sebesar 80.83%, akurasi sebesar 90%, ciri standar deviasi sensitivitas sebesar 88.67%, spesifisitas sebesar 85%, akurasi sebesar 88% dan ciri skewness sensitivitas sebesar 87.76%, spesifisitas sebesar 78.33%, akurasi sebesar 86%. Dari ke 3 ciri tersebut memiliki nilai rata-rata untuk sensitivitas yaitu 89.61%, nilai ratarata untuk spesifisitas yaitu 81.38% dan nilai ratarata untuk akurasi yaitu 88% sehingga bisa dikatakan bahwa teknik klasifikasi dengan k-NN sudah memberikan hasil yang baik dalam mengklasifikasikan citra dengan teksur menggunakan ciri color moment. Hasil rata-rata pengolahan ekstraksi ciri GLCM dapat dilihat pada Tabel 3 berikut ini. Tabel 3. Hasil rata-rata pengolahan citra benih jagung untuk ciri GLCM Ciri Nilai rataNilai ratarata benih rata benih 376

Karakteristik ciri homogenitas pada citra benih jagung layak tanam dan tidak layak tanam Rata-rata dari ciri homogenitas adalah 0.9241 untuk benih jagung layak tanam dan 0.9243 untuk benih jagung tidak layak tanam. Berdasarkan ratarata pada benih layak tanam dan tidak layak tanam maka rentang nilainya tidak terlalu jauh, padahal perbedaan antara nilai ciri homogenitas akan memudahkan program dalam membedakan jenis benih layak tanam dan tidak layak tanam. Gambar 14 sampai Gambar 17 menampilkan nilai ciri homogenitas pada setiap arah pada citra benih jagung. karakteristik fitur homogenitas 0 derajad 2 1

Fitur 0

0

Kelas 1 16 31 46 61 76 91

Column1

Column1

Sampel keGambar 14. Nilai homogenitas citra benih jagung arah 00 karakteristik fitur homogenitas 45 derajad 1.5 1 0.5 0

fitur 45 kelas 1 16 31 46 61 76 91

kelas

fitur sampel

fitur skewness

jagung layak jagung tidak tanam layak tanam Homogeneity 0.9241 0.9243 Correlation 0.9967 0.9969 Contrast 0.4589 0.2903 Energy 0.0982 0.1056 Dari Tabel 14 dapat dilihat bahwa ciri tekstur yang paling tinggi rata-ratanya adalah korelasi karena memiliki nilai rata-rata benih jagung layak sebesar 0.9967 dan benih jagung tidak layak sebesar 0.9969 hal ini berarti ukuran ketergantungan linear derajad keabuan citra sehingga memberikan petunjuk adanya struktural linear dalam citra yang dimiliki sangat tinggi. Sedangkan ciri dengan nilai rata-rata rendah adalah energy karena memiliki nilai rata-rata benih jagung layak sebesar 0.0982 dan benih jagung tidak layak sebesar 0.1056 hal ini berarti keseragaman pada tekstur citra tersebut kurang.

Fitur kelas

1.50 1.00 0.50 0.00 1 21 41 61 81

fitur sampel


Column1

Sampel keGambar 15. Nilai homogenitas citra benih jagung arah 450


Kelas Column1

1.5 1 0.5 0

Fitur 90 Kelas 1 16 31 46 61 76 91

Fitur 90

fitur sampel

karakteristik fitur korelasi 90 derajad

1.5 1 0.5 0 1 16 31 46 61 76 91

fitur sampel

karakteristik fitur homogenitas 90 derajad

Sampel ke-

Column1

Sampel ke-

karakteristik fitur homogenitas 135 derajad


1 fitur 135

0.5

kelas 1 16 31 46 61 76 91

0

1.5 1 0.5 0

fitur 135 kelas 1 16 31 46 61 76 91

1.5

Fitur kelas

Gambar 20. Nilai korelasi citra benih jagung arah 900

Fitur kelas

Gambar 16. Nilai homogenitas citra benih jagung arah 90

Column1

Column1

Sampel ke-

Sampel keGambar 17. Nilai homogenitas citra benih jagung arah 1350

Gambar 21. Nilai korelasi citra benih jagung arah 1350

Karakteristik Ciri korelasi pada Citra Benih Jagung Layak Tanam dan tidak Layak Tanam Rata-rata dari ciri korelasi adalah 0.9967 untuk benih jagung layak tanam dan 0.9969 untuk benih jagung tidak layak tanam. Rata-rata yang hampir sama tersebut akan menyulitkan program untuk membedakan citra benih jagung. Gambar 18 sampai Gambar 21 menampilkan nilai ciri korelasi pada setiap arah pada citra benih jagung.

Karakteristik ciri kontras pada citra benih jagung layak tanam dan tidak layak tanam Rata-rata dari ciri kontras adalah 0.4589 untuk benih agung layak tanam dan 0.2903 untuk benih jagung tidak layak tanam. Perbedaan yang cukup jauh yaitu 0.1686 maka dapat memudahkan program untuk membedakan citra benih jagung layak dan tidak layak. Gambar 22 sampai Gambar 25 menampilkan nilai ciri kontras pada setiap arah pada citra benih jagung. karakteristik fitur kontras 0 derajad

Fitur 0

0

Kelas Column1

2 1

Fitur 0

0

Kelas 1 14 27 40 53 66 79 92

1

fitur sampel

2

1 14 27 40 53 66 79 92

fitur sampel


Sampel ke-

Column1

Sampel keGambar 18. Nilai korelasi citra benih jagung arah 00

Gambar 22. Nilai kontras citra benih jagung arah 00 karakteristik fitur kontras 45 derajad

2 1

fitur 45

0

kelas 1 14 27 40 53 66 79 92

Fitur kelas


Column1

Sampel keGambar 19. Nilai korelasi citra benih jagung arah 450 377

arah 00 fitur 45

karakteristik fitur energy 45 derajad

kelas

2

Sampel ke-

1

fitur 45

0

kelas 1 14 27 40 53 66 79 92

Column1

Fitur kelas

1.5 1 0.5 0 1 16 31 46 61 76 91

Fitur kelas


Gambar 23. Nilai kontras citra benih jagung arah 450

1.5

Gambar 27. Nilai energy citra benih jagung arah 450

1 karakteristik fitur energy 90 derajad

Kelas

1.5 1 0.5 0

Column1

Sampel keGambar 24. Nilai kontras citra benih jagung arah 900

2 1

fitur 135

0

kelas

Kelas Column1

Sampel keGambar 28. Nilai energy citra benih jagung arah 900

Sampel keGambar 25. Nilai kontras citra benih jagung arah 1350

2 1

fitur 135

0

kelas 1 14 27 40 53 66 79 92

Column1

Fitur kelas

karakteristik fitur energy 135 derajad 1 14 27 40 53 66 79 92

Fitur kelas

karakteristik fitur kontras 135 derajad

Fitur 90 1 16 31 46 61 76 91

0

Fitur 90 fitur sampel

0.5 1 16 31 46 61 76 91

fitur sampel

karakteristik fitur kontras 90 derajad

Column1

Sampel ke-

Column1

Sampel keKarakteristik ciri energi pada citra benih jagung layak tanam dan tidak layak tanam Rata-rata dari ciri energy adalah 0.0982 untuk benih jagung layak tanam dan 0.1056 untuk benih jagung tidak layak tanam. Berdasarkan rata-rata pada benih layak tanam dan tidak layak tanam maka rentang nilainya terlalu jauh, padahal perbedaan antara nilai ciri energy akan memudahkan program dalam membedakan jenis benih layak tanam dan tidak layak tanam. Gambar 26 sampai Gambar 29 menampilkan nilai ciri energy pada setiap arah pada citra benih jagung.

2 1

Fitur 0

0

Kelas 1 14 27 40 53 66 79 92

fitur sampel

karakteristik fitur energy 0 derajad

Column1

Gambar 29. Nilai energy citra benih jagung arah 1350 Pada penelitian ini digunakan klasifikasi k-NN dengan jarak yang digunakan adalah euclidean distance dan nilai k yang dipakai adalah 1 dan menggunakan ekstraksi ciri orde II atau GLCM. Skenario data yang digunakan adalah skenario empat fold validasi silang (4-fold cross validation). Hasil validasi yang didapatkan dari klasifikasi k-NN untuk setiap ciri adalah 63.82% untuk ciri energi, 75.5% untuk ciri homogenitas, 65.75% untuk ciri kontras, dan 78.67% untuk ciri korelasi. Validasi diulang satu kali untuk setiap ciri dan diambil rata-ratanya. Dari data hasil validasi didapatkan bahwa ekstraksi citra untuk membedakan benih jagung yang layak dan tidak layak sudah layak untuk digunakan. Untuk lebih jelasnya bisa dilihat pada perbedaan pengujian sensitivitas dan spesifisitas masing-masing ciri yang ditampilkan pada Tabel 4 sampai Tabel 7.

Sampel keGambar 26. Nilai energy citra benih jagung 378

Tabel 4. Pengujian sensitivitas dan spesivisitas ciri homogenitas citra benih jagung


Arah 0o 45o 90o 135o Rata-rata

Sensitivitas 100% 32.10% 96.25% 96.25% 81.15%

Spesifisitas 100 % 70.83 % 19.17 % 19.17 % 52.29 %

Akurasi 100% 51% 81% 81% 75.5%

Tabel 5. Pengujian sensitivitas dan spesivisitas ciri korelasi citra benih jagung Arah Sensitivitas Spesifisitas Akurasi 0o 77.5% 40 % 48% 45o 100% 100 % 100% 90o 100% 17.5 % 83.67% 135o 100% 17.5 % 83% Rata-rata 85% 53.12 % 78.67% Tabel 6. Pengujian sensitivitas dan spesivisitas ciri kontras citra benih jagung Arah Sensitivitas Spesifisitas Akurasi 0o 41.10% 80.41 % 49% 45o 27.37% 95.83 % 42% 90o 100% 100 % 100% 135o 98.80% 44.58 % 86% Rata-rata 61.50% 81.04 % 65.75% Tabel 7. Pengujian sensitivitas dan spesivisitas ciri energy citra benih jagung Arah Sensitivitas Spesifisitas Akurasi 0o 41.10% 81.41 % 49% 45o 95.23% 40 % 84% 90o 45.59% 76.35 % 52.29% 135o 63.69% 95 % 70% Rata-rata 61.40% 72.91% 63.82% Dari Tabel 15 sampai Tabel 18, dapat dilihat bahwa pada ciri homogenitas yaitu untuk sensitivitas sebesar 81.15%, untuk spesifisitas sebesar 52.29%, dan akurasi sebesar 75.5%, untuk ciri korelasi yaitu untuk sensitivitas sebesar 85%, untuk spesifisitas sebesar 53.12%, dan akurasi sebesar 78.67%, ciri kontras yaitu untuk sensitivitas sebesar 61.50%, untuk spesifisitas sebesar 81.04%, dan akurasi sebesar 65.75%, dan ciri energy yaitu untuk sensitivitas sebesar 61.40%, untuk spesifisitas sebesar 72.19%, dan akurasi sebesar 63.82% sehingga bisa dikatakan bahwa teknik klasifikasi dengan k-NN sudah memberikan hasil yang baik dalam mengklasifikasi citra dengan tekstur menggunakan ciri haralick. Dari kedua hasil pengujian klasifikasi yang digunakan yaitu ekstraksi color moment dan GLCM menggunakan klasifikasi k-NN dengan jarak euclidean distance untuk pemilihan benih jagung maka dapat dibandingkan bahwa ekstraksi yang paling baik untuk digunakan adalah ekstraksi color moment dengan nilai akurasinya mencapai 88% sedangkan ekstraksi GLCM untuk ciri korelasi mencapai 78.67%. Sehingga dapat disimpulkan 379

bahwa teknik klasifikasi dengan k-NN sudah memberikan hasil yang baik dalam mengklasifikasi citra dengan color moment dan GLCM. 4. SIMPULAN DAN SARAN 4.1. Simpulan Pada penelitian untuk pemilihan benih jagung lokal Pulau Timor Provinsi Nusa Tenggara Timur khusunya di Kampung Masik, Desa Numponi, Malaka dengan ekstraksi ciri color moment menunjukkan bahwa pada ciri mean, standar deviasi dan skewness memiliki validasi rata-rata sebesar 87.70% dan ekstraksi ciri GLCM menunjukkan bahwa pada masing-masing ciri memiliki tingkat akurasi yang beragam yaitu homogenitas sebesar 75.5%, korelasi sebesar 78.67%, kontras sebesar 65.75%, dan energy sebesar 63.82%. Dari hasil tersebut dapat disimpulkan bahwa ekstraksi ciri color moment dan ekstraksi ciri tekstur dengan GLCM mampu mengklasifikasikan citra ke dalam kelas benih layak tanam dan kelas benih tidak layak tanam. 4.2. Saran Berdasarkan hasil penelitian dan simpulan yang ada, maka saran yang ingin disampaikan adalah sebagai berikut: 1. Diharapkan untuk peneliti selanjutnya, dataset yang digunakan lebih banyak sehingga hasil akurasi yang didapat lebih tinggi. 2. Menggunakan metode klasifikasi yang pembelajarannya menggunakan eager learning sehingga pembatas menjadi lebih tegas atau crips untuk meningkatkan akurasi.

[1]

[2]

[3]

[4]

[5]

REFERENSI Anggraini, 2008. Pendugaan Mutu Fisik Jagung dengan Jaringan Saraf Tiruan menggunakan Parameter Warna Pada Pengolahan Citra Digital. Jurnal Volume ke-1. Padang (ID) : UNAND Padang. Supriatna, A. 2009. Identifikasi Mutu Fisik Jagung dengan menggunakan Teknologi Pengolahan Citra Digital dan Jaringan Syaraf Tiruan. Volume ke-31. Bogor (ID) : Badan Penelitian dan Pengembangan Pertanian Bogor. Agrologi, 2012. Mutu Fisiologis Jagung Tehadap Pembenihan, Jurnal Volume ke-11. Bogor (ID) : IPB Bogor. Purnomo, 2010. Konsep Pengolahan Citra Digital dan Ekstraksi Fitur. Yogyakarta (ID) : Graha Ilmu Yogyakarta. Maria, 2010. Klasifikasi Kualitas Biji Kopi menggunakan Pengolahan Citra dan Fuzzy Logic. Skripsi. Surabaya (ID) : Institut Teknologi Sepuluh November Surabaya.


[6] Bilaut, CA. 2015. penentuan kualitas biji jagung untuk pembenihan berdasarkan tingkat kecerahan warna menggunakan support vector machine. Skripsi. Kupang (ID) : Stikom Uyelindo Kupang. [7] Agmalaro, AM. 2012. Identifikasi Tanaman Buah Tropika Berdasarkan Tekstur Permukaan Daun menggunaka Jaringan Syaraf Tiruan. Jurnal Volume ke-2. Ilmu Komputer Agri Informatika. Bogor (ID) : IPB Bogor. [8] Han, J. Kamber, M. Pei, 2012. Data Mining Concept and Technique Edisi 3. Morgan Kaufmann. Amerika (US) : USA.

380


MANAJEMEN KINERJA KEPALA SEKOLAH DAN GURU DALAM PENINGKATAN MUTU PENDIDIKAN ANAK USIA DINI (Studi Kualitatif di Daerah Kabupaten Alor Provinsi Nusa Tenggara Timur) Hasibun Asikin Program Studi Teknik Informatika, STIKOM Uyelindo Kupang [email protected]

Abstrak Manajemen kinerja kepala sekolah dan guru PAUD secara mikro sangat penting dalam mengefektifkan proses pembelajaran. Proses pembelajaran mengupayakan agar siswa mampu menggunakan peralatan mentalnya secara efektif dan efisien sehingga tidak ditandai oleh segi kognitif saja, melainkan keterlibatan emosional yang kreatif. Penelitian ini bertujuan untuk menggambarkan kinerja kepala sekolah dan guru PAUD sebagai langkah strategis untuk memperbaiki dan meningkatkan kinerja guru PAUD di Daerah Kabupaten Alor Provinsi Nusa Tenggara Timur. Penelitian ini menggunakan metode deskriptif kualitatif. Permasalahannya adalah bagaimana meningkatkan manajemen kinerja kepala sekolah dan guru PAUD di Daerah Kabupaten Alor Provinsi Nusa Tenggara Timur. Simpulan dari penelitian ini adalah Pertama, kebijakan dan program PAUD di Daerah Kabupaten Alor Provinsi Nusa Tenggara Timur diarahkan pada peningkatan mutu belajar dengan memperkuat sumber daya guru dan fasilitas belajar lainnya. Kedua, implementasi kebijakan oleh satuan PAUD secara internal banyak menemukan kendala, khususnya yang berkaitan dengan kepala sekolah dan guru PAUD. Kata kunci: kinerja kepala sekolah, guru, pendidikan, anak usia dini. 1. PENDAHULUAN Setiap anak berhak memperoleh pendidikan yang baik. Pemerintah dan masyarakat memiliki tugas, tanggungjawab dan fungsi untuk menjalankan pendidikan baik. Anak-anak usia dini pun berhak untuk memperoleh pendidikan yang baik untuk mendukung pertumbuhan dan perkembangan mereka. Menurut NAEYC (National Association for The Education of Young Children) dalam [1] Aisyah, et. Al (2009:1-3) menyatakan bahwa anak usia dini adalah anak yang berada pada rentang usia 0-8 tahun, mencakup dalam program pendidikan di taman penitipan anak, penitipan anak pada keluarga (family child care home), pendidikan prasekolah baik swasta maupun negeri. Karakter yang dapat ditanamkan dan dikembangkan dalam pembelajaran yaitu kedisiplinan, kesabaran, kepedulian, tanggungjawab dan ketangguhan.Untuk mendidik anak-anak itu kepala sekolah dan guru PAUD harus sabar membimbing dan mengarahkan. Kualitas PAUD dapat dilihat dari segi proses dan hasilnya. PAUD Sangat membantu dalam mendukung program wajib belajar 9 tahun. Anak-anak usia 0-6 tahun perlu mendapat perhatian khusus karena pada usia inilah kesiapan mental dan emosional anak mulai dibentuk. Mutu pendidikan dan keberhasilan akademis secara signifikan dipengaruhi oleh kualitas masukan

381

pendidikan yaitu kesiapan mental dan emosional anak memasuki sekolah dasar. Guru berperan penting dalam meningkatkan kualitas anak didiknya mental, fisik dan psikis mereka. Selain guru, peran orang tua dalam memberikan pendidikan non-formal mulai dari buaian sampai liang lahat. Mereka berkembang secara fisik, mental, sosial, dan emosional. Perkembangan itu berkaitan dengan kematangan. Orang tua dapat melatih atau mengajar anak mulai bicara dan berjalan.Mereka mengajar atau melatih anak dalam hal keterampilan mengurus diri, sopan santun, nilai-nilai dan mengenal berbagai objek disekitarnya. Orang tua dan anggota keluarga lain menjadi guru pertama bagi anak, mereka menstimulasi perkembangan fisik dan mental anak. Keterampilan mengajar dan melatih anak tumbuh dengan sendirinya selama mereka bersama anak dari hari ke hari atau dari waktu ke waktu. Dalam perkembangan tersebut memunculkan pandangan para ilmuwan yang mendalami perkembangan pendidikan pra-sekolah PAUD. Jean Jacques Rousseau (1712-1778) menggambarkan cara pendidikan anak sejak lahir sampai remaja ideal. Dia menyarankan pendidikan kembali ke alam (a nature to nature).Pendidikan itu harus alamiah.

Friederich Wilhelm Froebel (1782-1852) sebagai pendiri “garden of children”atau “kindergarten”(taman kanak-kanak) berarti dalam kebun anak di Blankeburg. Dia menggambarkan pendidikan dapat membantu perkembangan anak secara wajar dan taman sebagai simbol dari pendidikan anak. Pendidikan TK perlu mengikuti sifat dari anak. Bermain dipandang sebagai suatu metode dari pendidikan dan cara dari anak untuk meniru kehidupan orang dewasa dengan wajar. Tokoh lain adalah Maria Montessori (1870-1952) sekolah sebagai Casa Dei Bambini atau rumah anak. Montessori memahami pendidikan sebagai aktivitas diri, mengarah pada pembentukan disiplin pribadi, kemandirian dan pengarahan diri. Kritik terhadap pandangan Montessori antara lain pendidikannya tidak ditekankan pada perkembangan bahasa dan sosial. Programnya yang tradisional kurang menekankan pada pengembangan kreativitas, musik dan seni [2] (Patmonodewo, 2010:11). Dari pandangan tersebut bahwa proses perkembangan dan pertumbuhan seseorang mengalami perbedaan. Untuk memaksimalkan perkembangan dan pertumbuhan anak khususnya usia 0-6 tahun pemerintah melalui Kementerian Pendidikan Nasional melaksanakan PAUD. Dalam penelitian ini, penulis ingin memfokuskan pada manajemen kinerja kepala sekolah dan guru PAUD di Daerah Kabupaten Alor Propinsi Nusa Tenggara Timur kini pengelolaan PAUD idealnya, anak usia dini apabila mendapatkan penanganan, pengasuhan, dan pendidikan sedini mungkin maka akan memberi dasar yang kuat untuk pendidikan selanjutnya. Komponen standar PAUD terdiri atas tingkat pencapaian perkembangan anak usia dini; pendidik dan tenaga kependidikan PAUD; program, isi, proses, dan penilaian PAUD; infrastruktur pendukung, sarana dan prasarana, serta pengelolaan dan pembiayaan. Pada pelaksanaanya, PAUD masih memiliki kelemahannya, seperti: kurikulum pengajaran tidak sesuai standar, kinerja, dan kualitas guru masih banyak yang belum sesuai standar pengelolaan pendidikan nasional. Dari fenomena perkembangan PAUD dilakukan melalui sosialisasi dan pengembangan kurikulum, mengaktifkan pendidikan, pelatihan, dan pengembangan, untuk meningkatkan efektifitas penyelenggaraan pendidikan. Permasalahan yang dihadapi pemerintah dan kepala sekolah PAUD antara lain: 1) Kurangnya tenaga pendidik; 2) Belum terpenuhinya kualifikasi pendidikan untuk syarat sebagai tenaga pendidik; 3) Kesalahan dalam proses pembelajaran dimana anak didik PAUD sudah dibina melalui pembelajaran baca, tulis dan hitung, padahal anak PAUD dibina akhlaknya melalui cara: bicara, bergaul, beribadat, makan, minum, berpakaian dan

382

lainnya; dan 4) Lemahnya daya dukung sarana dan prasarana pembelajaran. Masalah tersebut bersumber pada akar masalah yaitu lemahnya komitmen pimpinan sekolah dalam menyelenggarakan pendidikan PAUD secara benar. Kepala sekolah dan guru PAUD masih kekurangan.Secara kuantitas dan kualitas guru PAUD masih jauh dari kecukupan.Dari latar belakang tersebut tentu diperlukan manajemen kinerja guru yang baik sebagai ujung tombak proses pembelajaran berlangsung. Dari situlah menjadi motivasi tersendiri bagi penulis untuk meneliti secara mendalam tentang: “Manajemen Kinerja Kepala Sekolah dan Guru PAUD” (Studi Kualitatis di Daerah Kabupaten Alor Provinsi Nusa Tenggara Timur). Dalam pelaksanaan manajemen kinerja guru sangat menentukan keberhasilan pendidikannya. 2. LANDASAN TEORI a. Kinerja Kepala Sekolah dan Guru PAUD Secara normatif nilai-nilai keagamaan dapat menciptakan masyarakat yang sejahtera, adil dan makmur PAUD. Landasan teologis sebagai landasan normatif atau nilai ketuhanan mengacu pada Al-Qur’an dan As-Sunnah. Peningkatan kinerja sebagai fitrah manusia, dimana bekerja yang didasari prinsip-prinsip iman tauhid. Berkenaan dengan ciri orang yang memiliki etos kerja yang baik itu Allah berfirman dalam Al-Qur’an At-Taubat, 9:105, Dan katakanlah: “Bekerjalah kamu, maka Allah dan rasul-Nya serta orang-orang mukmin akan melihat pekerjaanmu itu, dan kamu akan dikembalikan kepada (Allah) yang mengetahui akan yang gaib dan yang nyata, lalu diberitakan-Nya kepada kamu apa yang telah kamu kerjakan”. Dari ayat tersebut manajemen kinerja kepala sekolah dan guru PAUD untuk terus berusaha dan berjuang dengan meningkatkan etos kerja yang berkualitas untuk menghasilkan output yang berkualitas. Dalam melakukan tugasnya kepala sekolah dan guru PAUD meningkatkan kinerja secara ikhlas adalah beramal semata-mata mengarapkan ridha Allah. Kinerja sebagai hasil kerja atau prestasi kerja. Kinerja atau performance diartikan sebagai hasil kerja atau prestasi kerja, tetapi juga bagaimana proses kerja berlangsung. Amstrong dan Barondalam [3] Wibowo(2011:2) mengungkapkan bahwa kinerja adalah tentang apa yang dikerjakan dan bagaimana cara mengerjakannya. Kinerja merupakan hasil pekerjaan yang mempunyai hubungan kuat dengan tujuan strategis organisasi, kepuasan, konsumen dan memberikan konstribusi ekonomi. Leslie (1995) kinerja adalah succesfullyroleachievement yang diperoleh seseorang dari pekerjaannya. Kinerja disebut juga semua kegiatan

atau tingkah laku yang kita alami yang dapat ditampilkan melalui jawaban yang kita buat untuk memberi hasil atau tujuan. Hersey dan Lanchard (1993) dikutip Dhiba bahwa kinerja merupakan fungsi dari motivasi dan kemampuan. Untuk menyelesaikan tugas atau pekerjaan seseorang harus memiliki derajat kesediaan dan tingkat kemampuan tertentu. Kesediaan dan keterampilan seseorang tidaklah cukup efektif untuk mengerjakan sesuatu tanpa pemahaman yang jelas tentang apa yang akan dikerjakan dan bagaimana mengerjakannya. Pandangan Hersey dan Lanchard sejalan dengan Keith Davis menganggap kinerja dipengaruhi faktor kemampuan (ability) dan faktor motivasi (motivation). Keith Davis (1994) diadopsi Mangkunegara (2001:67) mengemukakan bahwa faktor-faktor yang mempegaruhi kinerja adalah: a) Faktor motivasi. Motivasi terbentuk dari sikap seorang pegawai dalam menghadapi situasi kerja. Seseorang akan mampu mencapai kinerja maksimal jika ia memiliki motivasi tinggi (high motivation), sebaliknya jika seseorang memiliki motivasi yang rendah (low motivation) tidak mencapai kinerja yang baik. b) Faktor kemampuan. Secara psikologis kemampuan (Ability) pegawai terdiri dari kemampuan potensi (IQ) dan kemampuan reality(Knowledge + Skill). Artinya kepala sekolah dan guru yang memiliki IQ di atas rata-rata (IQ 110-120) dengan pendidikan yang memadai untuk jabatannya dan terampil dalam mengerjakan pekerjaan sehari-hari, maka ia akan lebih mudah mencapai kinerja yang diharapkan. Hersey & Lanchard dan Keith Davis ini berbeda dengan [4] Nanang Fattah (1999:19) menguraikan: kinerja diartikan sebagai ungkapan kemampuan yang didasari oleh pengetahuan, sikap, dan keterampilan dan motivasi dalam menghasilkan sesuatu. Pandangan Fattah menambahkan pengetahuan, sikap dan keterampilan, walau kemampuan dan motivasi merupakan hal yang mendasar. Pandangan Fattah ini ada kesamaan dengan Zane K. Quible(2005:214) menggambarkan bahwa kinerja merupakan: “Basic human traits affect employees’ job related behaviour and performance. These human traits include ability, aptituted, perception, values, interest, emotions, needs and personality”. Sifat dasar manusia mempengaruhi pekerjaan para pekerja berkaitan dengan tingkah laku dan penampilan. Sifat-sifat dasar ini meliputi kemampuan, sikap, pesepsi, nilai, minat, emosi, kebutuhan dan kepribadian. Kemampuan akan menentukan bagaimana seseorang dapat melakukan pekerjaan, bakan akan berperan dalam membantu melaksanakan pekerjaan jika ada kesesuaian dengan jenis pekerjaannya, demikian juga dengan persepsi, konsep diri, nilai-nilai, minat, emosi, kebutuhan dan kepribadian.

383

Pandangan Fattah dan Quible ada beberapa kesamaan, namun Quible secara khusus juga memasukan sikap, persepsi, nilai, minat, emosi, kebutuhan dan kepribadian sebagai bagian dari kinerja. Sementara Hersey & Lanchard dan Keith Davis memfokuskan kemampuan dan motivasi. Hal ini dari Gibson, et al (1995:56), menggambarkan secara rinci dan komprehensif tentang faktor-faktor yang berpengaruh terhadap kinerja, antara lain: 1) Variabel individu, meliputi kemampuan, keterampilan, mental fisik, latar belakang keluarga, tingkat sosial, pengalaman, demografi (umur, asal-usul, jenis kelamin). 2) Variabel organisasi, meliputi sumber daya, kepemimpinan, imbalan, struktur design pekerjaan. 3) Variabel psikologis yang meliputi persepsi, sikap, kepribadian, belajar dan motivasi. Lingkungan (environment) adalah elemen yang diperlukan untuk mengerjakan sesuatu secara kondusif terdiri dari: 1) Lingkungan fisik (alat-alat dan kondisi fisik tempat kerja), 2) Lingkungan manusia faktorfaktor kelompok seperti: kecocokan; keterpaduan tim; dan faktor penting kepemimpinan, dan 3) Lingkungan organisasi (kejelasan dari struktur, sistem, titik berat dan prioritas komunikasi, an budaya di tempat kerja). b. Pengertian PAUD Undang-undang No.20 Tahun 2003 tentang Sistem Pendidikan Nasional, Pasal 1 Ayat 14 bahwa: “PAUD adalah suatu upaya pembinaan yang ditujukan kepada anak sejak lahir sampai dengan usia 6 tahun yang dilakukan melalui pemberian rangsangan untuk membantu pertumbuhan dan perkembangan jasmani dan rohani agar anak memiliki kesiapan dalam memasuki pendidikan lebih lanjut”. Pasal 28 Ayat 2 bahwa: “PAUD dapat diselenggarakan melalui jalur pendidikan formal, nonformal, dan atau informal. Pasal 28 Ayat (4) yaitu:“PAUD pada jalur nonformal berbentuk Kelompok Bermain (KB), Taman Penitipan Anak (TPA), atau bentuk lain yang sederajat”. Istilah lain PAUD – nursey school (pra sekolah) program untuk pendidikan anak usia 2, 3, dan 4 tahun (Patmonodewo, 2000:43). Dalam UU No.2 Tahun 1989 tentang Sistem Pendidikan Nasional, Pasal 12 Ayat (2) menyebutkan “selain jenjang pendidikan sebagaimana dimaksud pada Ayat (1) dapat diselenggarakan pendidikan prasekolah”, adalah pendidikan diselenggarakan untuk mengembangkan pribadi, pengetahun, dan keterampilan yang melandasi pendidikan dasar serta mengembangkan diri secara utuh sesuai atas pendidikan sedini mungkin dan seumur hidup. Kepala sekolah dan guru yang memimpin lembaga pendidikan harus memiliki kompetensi sesuai yang dibutuhkan. Depdikbud dikutip [5] Trianto dan Tutik (2006:45) dan Usman (2004:16-20) menulis dimensi dasar tentang kemampuan guru, antara lain: 1)

Kemampuan profesional (professional skill) yaitu kemampuan yang harus dimiliki oleh guru berkaitan langsung dengan kegiatan PBM, antara lain: a) Penguasaan materi yang meliputi bahan pelajaran dan dasar keilmuan; b) Penguasaan landasan dan wawasan pendidikan dan keguruan; dan c) Penguasaan proses pendidikan, keguruan dan pembelajaran. 2) Kemampuan sosial (social skill) yaitu kemampuan dalam berinteraksi terhadap tugas dan lingkungan. 3) Kemampuan personal yaitu menyangkut karakteristik seorang guru meliputi: a) Sikap positif terhadap tugas dan kondisi pendidikan; b) Pemahaman, penghayatan dan penampilan nilai guru dan dosen; dan c) Penampilan sikap dan kepribadian sebagai panutan dan teladan bagi murid dan masyarakat. 1) Kompetensi pedagogik adalah kemampuan guru/dosen dalam mengelola proses pembelajaran peserta didik. Seorang guru yang memiliki kompetensi ini minimal menguasai bidang studi tertentu, ilmu pendidikan baik metode pembelajaran maupun pendekatan pembelajaran. Sementara kompetensi kelapa sekolah sesuai Kepmendiknas RI Nomor. 162/U/2003 tentang Pedoman Penugasan Guru dan Kepala Sekolah, dimana secara khusus kompetensi kepala sekolah harus memiliki: pengetahuan, keterampilan, sikap, perfomance dan etika kerja sesuai dengan tugas dan tanggungjawabnya sebagai kepala sekolah. 3. METODE PENELITIAN a. Sasaran Penelitian Sasaran penelitian ini adalah manajemen kinerja kepala dan para guru PAUD di Daerah Kabupaten Alor Propinsi Nusa Tenggara Timur khususnya Kecamatan Teluk Mutiara. Sasaran penelitian ini adalah PAUD Umini Moepali, Mushalla/Masjid, kantor pemerintah dan sekolah formal. Pola pelaksanaannya pula berbeda satu sama lain sebagai sampel. Alasan dalam penentuan lokasi penelitian ini: Pertama, kemudahan peneliti untuk mengakses tempat penelitian sehingga dapat berjalan dengan baik. Kedua, perbaikan manajemen kinerja kepala dan guru PAUD menjadi keharusan pemerintah untuk memperbaiki mutu output dalam meningkatkan mutu pendidikan nasional termasuk PAUD. Ketiga, meningkatnya animo masyarakat untuk menyekolahkan anak-anak usia dini cukup besar, sehingga perbaikan kinerja kepala dan guru PAUD mutlak diperlukan. Penelitian ini untuk mengungkapkan masalah penelitian secara mendalam dan sistematis. Metode penelitian ini menggunakan rancangan penelitian kualitatif (qualitative research disegin). Melalui rancangan penelitian ini menggambarkan dan menjelaskan secara holistik (menyeluruh) tentang manajemen kinerja kepala dan guru PAUD sesuai

384

konstruksi data kualitatif. Pendekatannya bersifat emik lebih dominan, ketimbang yang bersifat etik. Pendekatan emi(c)k merupakan esensi yang shahih untuk satu bahasa atau satu kebudayaan pada satu waktu tertentu. Pendekatan emik adalah struktur yang berarti peneliti berasumsi bahwa perilaku manusia terpola dalam sistem pola itu sendiri. Tujuan pendekatan emik adalah mengungkapkan dan menguraikan sistem perilaku bersama satuan strukturnya dan kelompok struktural satuan-satuan ini. Prosedur pengumpulan data digunakan antara lain: pengamatan langsung (observation partisipation), wawancara mendalam (depth interview) dan studi dokumentasi (documentary studies). Alat bantu yang digunakan peneliti dalam penelitian ini antara lain: camera, tape record, serta alat pencatat lainnya, seperti: pulpen, spidol, pencil, dan kertas. b. Sumber Data Informasi yang dikumpulkan berkaitan dengan manajemen kinerja kepala sekolah dan guru PAUD adalah: 1) Manajemen kinerja kepala sekolah dan guru PAUD. Hal ini berkaitan dengan kejadian-kejadianyang terjadi di PAUD. 2) Informan antara lain: kepala sekolah, para guru PAUD, Ketua RW, pengurus PKK atau posyandu dan orang tua. 3) Dokumentasi berupa informasi tertulis berkenaan dengan perencanaan, pelaksanaan, pengorganisasian, pengawasan dan pengevaluasian terhadap kegiatan pembelajaran sebagai sasaran penelitian. 4) Pemilihan informan kunci utama dan informan pendukung dalam penelitian ini disebabkan karena otoritas, pengetahuan dan pengalamannya dalam melaksanakan berbagai kegiatan PAUD sesuai dengan permasalahan yang diteliti. 5) Wawancara mendalam (depth interview) yag dilakukan pada informan kunci maupun informan pendukung antara lain: di ruangan kepala sekolah PAUD, ruangan guru sesuai kesempatan, kesepakatan dan tempat yang diminta oleh responden. 4. HASIL DAN PEMBAHASAN a. Potensi dan Keunggulan Potensi murid-murid sebagai subjek sekaligus objek dalam proses transformasi ilmu pengetahuan dan keterampilan berbeda. Peran guru sebagai pendidik, pengajar dan pelatih harus mampu memaksimalkan dan mengoptimalkan potensi peserta didik. Keberadaan peserta didik tidak hanya sekedar memenuhi kebutuhan saja belaka tetapi bagian dari kebermutuan lembaga pendidikan yang bersangkutan. Setiap PAUD yang diteliti memiliki potensi dan keunggulan masing-masing. Ada PAUD yang melakukan seleksi ketat untuk memilih SDM yang berkualitas. Ada juga PAUD yang tidak menyeleksi kepala sekolah dan guru secara memadai. Kenyataannya calon guru yang mengajar PAUD, siapa

yang mau mengajar. Mereka tanpa diseleksi dengan ketat, menyebabkan kinerjanya rendah. Kinerja merupakan hasil kerja dari pekerjaan yang telah dicapai dari pekerjaannya. Kinerja guru ini merupakan kemampuan guru dalam menjalankan tugas dan tanggung jawab untuk melaksanakan kurikulum. Didukung ketersediaan sarana dan prasarana sehingga para siswa tenang dan senang dalam proses pembelajaran. Manajemen kinerja adalah manajemen yang menciptakan hubungan dan memastikan komunikasi yang efektif antara kepala sekolah dan guru, guru dengan murid dan murid dengan sesamanya. Pada lembaga PAUD yang diteliti proses pengangkatan kepala sekolah dan guru antara PAUD yang satu dengan lainnya berbeda. PAUD yang secara finansial memadai didukung ketersediaan sarana dan prasarana memadai dan SDM yang berkualitas, seperti PAUD Ummini akan melakukan seleksi secara ketat kepala sekolah dan gurunya. Sementara PAUD lainnya tidak melakukan secara ketat, karena memang SDM yang tersedia sedikit. Guru yang diangkat oleh satuan pendidikan yang diselenggarakan oleh yayasan diberi gaji berdasarkan perjanjian kerja atau kesepakatan kerja bersama. Dengan sejumlah kegiatan secara teoritis dapat meningkatkan kompetensi kepala sekolah dan guru PAUD. Kondisi nyata dilapangan setiap PAUD menghadapi masalah yang berbeda, misalnya: tingkat pendidikan kepala sekolah dan guru yang variatif, sumber keuangan yang terbatas, saran dan prasarana minim. PAUD yang memiliki SDM berkualitas, pembiayaan yang memadai, sarana prasarana yang memadai tentu memiliki kinerja baik, motivasi dan keterampilan yang baik. Secara praktis tidak semua orang memiliki kinerja yang baik. Kinerja sangat dipengaruhi oleh kondisi individu yang bersumber dari organisasi. Individu guru atau kepala sekolah PAUD dipengaruhi kemampuan dan kompetensinya. Pengelolaan PAUD yang baik dipengaruhi oleh kemampuan kepala sekolah yang memberdayakan pekerjaannya, dan bagaimana meningkatkan kinerja melalui pelatihan, monitoring dan konseling. Peraturan Pemerintah No.32 tahun 2013 tentang Standar Nasional Pendidikan (SNP) memuat tentang: Standar sarana dan prasarana adalah standar nasional pendidikan yang berkaitan dengan kriteria minimal tentang ruang belajar, tempat berolahraga, tempat beribadah, perpustakaan, laboratorium, bengkel kerja, tempat bermain, tempat berekreasi, serta sumber balajar lain, yang diperlukan untuk menunjang proses pembelajaran, termasuk penggunaan teknologi infomasi dan komunikasi. Secara empiris standar pembiayaan sesuai dengan kebutuhan pengelolaan PAUD, namun secara praktis anggaran pendidikan yang tersedia tidak memadai.

385

Pembiayaan pendidikan yang diperoleh dari orang tua siswa tidak memadai. Standar sarana dan prasarana yang diisyaratkan kebijakan pemerintah belum dapat dipenuhi oleh PAUD yang diteliti. Secara umum, sarana prasarana yang dimiliki oleh PAUD yang diteliti antara lain : bangunan (ada yang milik sendiri dan ada juga meminjam pada lembaga lain), ruang belajar, ruang kepala sekolah dan guru, prosotan, ruang bermain, meja/kursi, whiteboard, media pembelajaran. Media pembelajaran adalah bahan, alat, maupun metode/teknik yang digunakan dalam kegiatan belajar mengajar, dengan maksud agar proses interaksi komunikasi edukasi antara guru dan anak didik dapat berlangsung tepat guna dan berdaya guna. Semua PAUD yang diteliti memiliki koleksi media cetak seperti: buku, pamflet, koran, dan sebagainya, media grafis adalah semua media yang mengandung grafis (tulisan/gambar), seperti: media bagan, media grafik, media poster, karikatur, maupun media gambar. Media pembelajaran dapat mendukung proses belajar mengajar yang berlangsung di PAUD tersebut. Kepemimpinan kepala sekolah yang visioner dapat mempengaruhi dan menggerakan seluruh potensi yang dimiliki sekolah meningkatkan kualitas pendidikan.Kepala sekolah harus mampu memberikan motivasi kepada pendidik dan tenaga kependidikan dengan memberikan intensif berupa uang, pengakuan, tujuan menantang, standar terjangkau, meminta feedback, memberikan kebebasan melakukan pekerjaan termasuk waktu melakukan pekerjaan, menyediakan sumberdaya yang diperlukan dan mengapuskan tindakan yang menyebabkan disintensif. Untuk melengkapi pengadaan sarana prasarana pendidikan sangat dipengaruhi ketersediaan anggaran pendidikan. Dalam Peraturan Pemerintah No.32 tahun 2013 tentang Standar Nasional Pendidikan memuat tentang standar pembiayaan. Standar pembiayaan adalah standar yang mengatur komponen dan besarnya biaya operasi satuan pendidikan yang berlaku satu tahun. Kelima PAUD yang diteliti menggunakan kurikulum dari kementrian pendidikan dan kebudayaan dan kurikulum mandiri. Kebijakan yayasan dan pengelola PAUD yang memadukan kurikulum ini sebagai pilih rasional yang digunakan PAUD Umini Moepali. Keunggulan penggunaan kurikulum pembelajaran yang digunakan pada PAUD Umini Moepali yang dapat juga digunakan PAUD lain yang diteliti, antara lain: 1) Kurikulum Sakinah merupakan integrasi dari 8 aspek potensi anak, yaitu: Aqidah, Ahlak, Logika, Bahasa, Motorik Halus, Motorik Kasar, Emosi Sosial, dan Seni. Aqidah menjadi landasan dari aspek-aspek tersebut. 2) Melatih kemandirian anak dengan membimbing dan mendidik dengan nilai agama, memberikan motivasi, mendampingi setiap kegiatan

pembelajaran dan memberikan kesempatan bermain lebih banyak ketimbang mengajari calistung. 3) Menstimulasi perkembangan bahasa (melatih anak agar dapat berkomunikasi menggunakan bahasa ibu dengan baik. 4) Mengarahkan pengetahuan lingkungan guna memiliki kemampuan memecahkan masalah. 5) Metodologi pembelajaran didasarkan kepada mawadah warohmah yakni metode kasih sayang. 6) Aktivitas bermain sambil belajar dikemas dalam suasana yang menyenangkan sesuai dengan masa perkembangan anak. Standar kurikulum pembelajaran PAUD mengikuti perkembangan fisik, sosial, emosional, dan kognitif anak. Pada prinsipnya PAUD sebagai salah satu bentuk penyelenggaraan pendidikan yang menitikberatkan pada peletakan dasar ke arah pertumbuhan dan perkembangan fisik (koordinasi motorik halus dan kasar), kecerdasan (daya fikir, daya cipta, kecerdasan emosi, kecerdasan spiritual), sosio emosional (sikap dan perilaku serta agama) bahasa dan komunikasi, sesuai dengan keunikan dan tahapan perkembangan yang dilalui oleh anak usia dini. b. Implementasi kebijakan terhadap prinsip dalam manajemen mutu Implementasi kebijakan terhadap prinsip dalam manajemen mutu adalah sebagai berikut: 1) Selalu fokus pada pelanggan dengan orientasi pada mutu, kebutuhan dan kepuasan pelanggan. 2) Perbaikan yang dilakukan secara terus menerus tanpa menunggu hasil evaluasi yang terkait oleh birokrasi dan mengutamakan pencegahan daripada menunggu perbaikan dan kerusakan. 3) Memiliki standar mutu yang jelas. 4) Menciptakan budaya mutu. 5) Orientasi pada layanan yang bebas dari cacat dan kekurangan. 6) Fokus pada mutu proses bukan sekedar kuantitas hasil-hasil. 7) Melibatkan semua manajemen dan stakeholders – pelanggan dalam menetapkan program dan langkahlangkah. 8) Pengukuran yang akurat. Pencapaian tujuan dan program selalu terukur secara akurat. 9) Pemberdayaan SDM yang dikembangkan secara terus menerus sesuai tuntutan kebutuhan dan tuntutan perubahan. 5. KESIMPULANIMPLIKASI, REKOMENDASI a. Simpulan Secara umum kinerja kepala sekolah dan guru PAUD dalam pengelolaan PAUD berbeda satu sama lain. Ada yang maksimal dan optimal mengelola karena didukung SDM berkualitas, anggaran, sarana dan prasarana serta kurikulum yang baik, namun ada juga pengelolaan tidak maksimal karena tidak didukung SDM bermutu, anggaran terbatas dan kurikulum apa adanya. Secara khusus pembahasan hasil penelitian, disimpulkan sebagai berikut:

386

1) Kebijakan dan program PAUD di Daerah Kabupaten Alor Provinsi Nusa Tenggara Timur diarahkan pada peningkatan mutu belajar dengan memperkuat sumberdaya pendidikan khususnya guru, fasilitas belajar lainnya. Langkah-langkahnya: Mengadakan workshop manajemen kinerja atau mutu pengelolaan PAUD, mengadakan workshop meningkatkan mutu pendidikan dalam rangka perbaikan proses belajar mengajar PAUD dan mengadakan workshop pendampingan psikolog bagi guru dan orang tua siswa. Misalnya: masih banyak kepala sekolah dan guru PAUD yang belum sarjana, sarana dan prasarana yang serba terbatas, dana pendidikan belum memadai dan murid berlatar belakang ekonomi menengah ke bawah. Solusi yang ditawarkan: pemerintah dan stakeholders yang lain adalahbagaimana mengelola dan mengembangkan kompetensi kepala sekolah dan guru PAUD. Dengan kompetensinya, guru dapat meningkatkan manajemen kinerja dalam mengembangkan budaya organisasi yang tinggi. Kemampuan dan motivasi merupakan faktor utama yang mempengaruhi keberhasilan pembelajaran. Guru yang memiliki kemampuan tinggi akan bersikap kreatif dan inovatif selama mencoba menerapkan temuan baru yang dianggap baik. 2) Implementasi akan kebijakan oleh satuan PAUD secara internal banyak menemukan kendala khusunya terkait dengan mutu kepala sekolah dan guru, sarana prasarana, APE dan proses pembelajaran masih kurang. Masih ada kepala sekolah dan guru PAUD yang belum memenuhi standar kebijakan. Upaya peningkatan mutu dan kinerja memiliki keanekaragaman sesuai sumberdaya yang dimiliki. 3) Faktor penunjangnya antara lain: adanya kebijakan yang mempermudah pendirian operasional PAUD, menyediakan sarana dan prasarana yang baik, keterlibatan masyarakat kuat, ketersediaan guru yang bermutu, menumbuhkan sikap positif, mengubah sikap dan perilaku guru yang berorientasi pada status menjadi guru yang aktif dan kreatif. Faktor penghambatnya, antara lain: sarana dan prasarana pembelajaran terbatas, kinerja guru lemah, manajemen pelaksanaan kegiatan guru PAUD belum berjalan baik. 4) Upaya mengatasi hambatan pengelolaan PAUD melakukan pelatihan untuk PAUD di gugus sekali sebulan, pertemuan sesama guru untuk saling menukar informasi, mencari pemecahan masalah yang dihadapi, melakukan pertemuan berkala, membahas masalah yang berkembang serta mengetahui perkembangan dan pertumbuhan anak baik secara fisik, sosial, bahasa termasuk dalam proses belajar mengajar.

b. Implikasi Dari pembahasan hasil penelitian khususnya pada bagian pembahasan, maka implikasi tulisan ini sebagai berikut: 1) Dengan kebijakan dan program PAUD yang baik, maka kemungkinan mutu proses pembelajaran meningkat. 2) Implikasinya peningkatan mutu PAUD tidak berjalan maksimal. 3) Implikasinya kinerja kepala sekolah dan guru PAUD membutuhkan perbaikan secara bertahap, dimana lembaga pendidikan di bawah yayasan yang miskin kecil sekali peluang mendapatkan kemajuan. 4) Implikasinya kualitas pengelolaan pembelajaran PAUD berjalan baik masih terkesan apa adanya. Akibatnya kualitas output murid-muridnya kurang bermutu. c. Rekomendasi Simpulan dan implikasi tersebut di atas, maka saya menyampaikan rekomendasi, antara lain: 1) Direkomendasikan agar kebijakan yang dibuat diikuti oleh pelaksanaan dengan baik. Penyelenggara dan pengelola PAUD mempersiapkan sarana prasarana dan pembiayaan pendidikan yang memadai agar pelayanan prima berjalan baik. 2) Direkomendasikan agar maksimalisasi penyelenggaraan PAUD melalui pelayanan pendidikan, pembelajaran yang maksimal, kenyamanan dengan menciptakan lingkungan pembelajaran yang maksimal untuk mencapai tujuan yang ditetapkan. 3) Direkomendasikan agar pelaksanaan dan pengelolaan PAUD disesuaikan dengan kebutuhan nyata masyarakat. Pemerintah, masyarakat dan pihak berkepentingan lainnya dapat memberikan bantuan terhadap perbaikan kualitas pembelajaran. Pengelola PAUD dapat merancang pembelajaran dengan menggunakan sarana prasarana yang tersedia dilingkungan sekitarnya. 4) Direkomendasikan agar masalah yang menjadi hambatan dieleminir oleh penyelenggara dan pengelola dengan baik. Kemampuan pengelola dalam mengatasi masalah yang dihadapi akan memberikan dampak positif terhadap peningkatan mutu PAUD. REFERENSI

[1] Aisyah, S. Et. Al. (2011), Perkembangan dan Konsep Dasar Pengembangan Anak Usia Dini, Cet. Ke11, Jakarta : Universitas Terbuka.

387

[2] Patmonodewo, S. (2000), Pendidikan Anak Prasekolah, Jakarta: Rineka Cipta. [3] Wibowo, (2011), Manajemen Kinerja, Cet. Ke 4, Jakarta : Rajawali Press [4] Fattah, N. (2004), Landasan Manajemen Pendidikan, Bandung: Rosda. [5] Trianto dan Titik T.T (2006), Tinjauan Yuridis Hak Serta Kewajiban Pendidik Menurut UU Guru dan Dosen, Jakarta : Prestasi Pustaka

PROSIDING SEMMAU 2016 KAJIAN SITUS WEB RESMI PEMERINTAH KABUPATEN/KOTA NTT SEBAGAI WUJUD IMPLEMENTASI E-GOVERMENT Maria Yenita Soru1, Yohanes Payong2 1

STIKOM Uyelindo Kupang STIKOM Uyelindo Kupang 1 [email protected], 2 [email protected] 2

Abstrak Sebagai upaya terbentuknya pemerintahan Good Governance melalui penerapan aplikasi e-government pemerintah telah mengeluarkan Kebijakan dan Strategi Nasional Pengembangan e-Government melalui INPRES Nomor 3 Tahun 2003 merupakan payung bagi seluruh kebijakan teknis operasional di bidang eGovernment. Agar kebijakan pengembangan e-Government dapat dilaksanakan secara sistematik dan terpadu, maka diperlukan peraturan, standarisasi dan panduan yang konsisten dan saling mendukung. Keputusan Mentri Informasi dan Komunikasi Nomor 55 Tahun 2003 tentang Panduan Pembangunan Infrastruktur Portal Pemenrintah. Panduan tersebut diharapkan dapat menjelaskan tentang model untuk membangun infrastruktur portal pemerintah bagi penerapan e-Government. Berdasarkan grafik perbandingan hasil evaluasi situs web pemerintah daerah tersebut nilai tertinggi adalah Kabupaten Sumba Timur 81%, dengan predikat “Sangat Lengkap” di susul kabupaten Manggarai Barat dan Sabu Raijua dengan nilai 79,5% dan 76,1% dengan predikat “Lengkap”. Sedangkan nilai terendah dengan skor antara 8% sampai 18%. Dari bobot tersebut berada pada predikat “Tidak Lengkap”. Sedangkan kabupaten lain berada pada skor 20% sampai 60% dengan predikat “Kurang Lengkap” dan “Cukup Lengkap” Berdasarkan lima kategori fitur/menu predikat nilai tersebar pada berbagai kabupaten dan kota yang berbeda. Dengan demikian maka kabupaten kota tersebut menjadi acuan atau contoh bagi kabupaten lain dalam pengembangan web site berdasarkan rekomendasi Kemenkoinfo.

Kata Kunci: Kajian, Website, e-government 1.

PENDAHULUAN

1.1. Latar Belakang Dalam rangka terbentuknya pemerintahan yang bersifat Good Governance melalui penerapan aplikais e-government pemerintah telah mengeluarkan Kebijakan dan Strategi Nasional Pengembangan e-Government melalui INPRES No. 3 Tahun 2003 merupakan payung bagi seluruh kebijakan teknis operasional di bidang eGovernment. Agar kebijakan pengembangan eGovernment dapat dilaksanakan secara sistematik dan terpadu, maka diperlukan peraturan, standarisasi dan panduan yang konsisten dan saling mendukung. Keputusan Mentri Informasi dan Komunikasi No. 55 Tahun 2003 tentang Panduan Pembangunan Infrastruktur Portal Pemerintah. Panduan tersebut diharapkan dapat menjelaskan tentang model untuk membangun infrastruktur portal pemerintah bagi penerapan e-Government. Penggunaan nama domain untuk situs resmi pemerintah baik pusat maupun daerah diatur dalam Praturan Mentri Komunikasi dan Informatika No 28 Tahun 2006. Dengan demikian tata cara perijinan dan pengaturan nama domain harus melalui Kementrian Komunikasi dan Informatika. Berdasarkan nama domain web site pemerintah kabupaten dan kota di Provinsi Nusa Tnggara Timur

388

(NTT) telah mengikuti standar aturan yang dikeluarkan Kemenkoinfo. Namun secara isi dan manajemen belum mengacu ada satandar minmal web site pemerintah daerah. Evaluasi dan kajian yang mendalam yang berkelanjutan terhadap panduan pemerintah tersebut guna meningkatkan kualitas web pemerintah daerah NTT berkualitas. Hal ini dilakukan sejalan dengan tuntutan akan kebutuhan data dan informasi yang diperlukan oleh masyarakat dan stakeholder yang lainnya yang ada di NTT. Penelitian ini akan membahas kajian standarisasi kebutuhan dari isi minimal situs web pemerintah dan evaluasi pelakanaan e-government pada situs web Pemerintah Daerah Kabupaten/Kota Provinsi Nusa Tnggara Timur (NTT). Kajian web site pemerintah daerah NTT dalam penelitian ini meliputi Selayang pandang, Pemerintah daerah (eksekutif-legislatif), Peta Wilayah wilayah dan Sumber daya, Regulasi/Kebijakan Daerah dan buku Tamu. 1.2. Rumusan Masalah, Berbagai kebijakan dan keputusan tentang kebijakan dan strategi dalam pengembangan eGovernment oleh pemerintah daerah telah berjalan sejak tahun 2003 namun sampai saat ini evaluasi dan kajian yang berkelanjutan belum dilakukan secara

PROSIDING SEMMAU 2016 maksimal. Untuk mengevaluasi web site pemerintah kabuapten/kota maka dalam pebelitian ini fokus masalah adalah “Bagaimana kondisi web site resmi pemerintah daerah kabupaten/kota Provinsi NTT saat ini berdasarkan standar minimal dari Kemenkoinfo sebagai wujud implementasi egovernment”. 1.1. Tujuan Merujuk dari permasalahan diatas maka tujuan penelitian ini adalah: a. Untuk mengetahui kondisi web pemerintah kabupaten/kota Provinsi NTT yang ada saat ini Versi DEPKOMINFO. b. Sebagai bahan rujukan bagi kebupaten/kota yang lain di NTT untuk membenahi web site bai secara isi maupun manajemen.

2.

KAJIAN LITERATUR

Definisi dari Electronic Government (e-Gov) itu sendiri menurut Bank Dunia (World Bank) adalah penggunaan teknologi informasi (seperti Wide Area Network, Internet dan mobile computing) oleh pemerintah untuk mentransformasikan hubungan dengan masyarakat, dunia bisnis dan pihak yang berkepentingan [6]. Keputusan Mentri Informasi dan Komunikasi Nomor 55 Tahun 2003 tentang Panduan Pembangunan Infrastruktur Portal Pemerintah. Panduan ini menjelaskan tentang model pembangunan infrastruktur portal pemerintah sebagai landasan bagi penerapan e-government. Infrastruktur portal pemerintah meliputi jaringan komputer dan jaringan telekomunikasi yang menjamin konektivitas yang aman, handal, dapat diakses oleh masyarakat dan dapat digunakan sebagai media pertukaran informasi antar lembaga pemerintah. Panduan ini diperuntukkan bagi para pimpinan lembaga pemerintahan dan semua pihak yang terkait dengan penerapan e-government. Hal ini ditambah lagi fakta bahwa sebagian besar proyek e-government di negara berkembang termasuk di Indonesia mengalami kegagalan diamana tingkat kegagalan mencapai 85%. Sedangkan keberhasilan mencapai 15%[2]. Walaupun demikian tidak dipungkiri ada beberapa dearah berhasil menerapkan inisiatif e-government. Banyak negara termasuk indonesia menerapkan e-government dalam berbagai untuk meningkatkan prinsip-prinsip e-government, antara lain percepatan pembuatan praturan perundang-undangan, dan kebijakan untuk mendukung e-government di daerah, pengadaan sarana dan prasarana untuk mendukung pengembangan infrakstruktur untuk menciptakan akses komunikasi data yang handal, pemberdayaan sumber daya manusia, pengembangan perangkat lunak yang diperlukan,

389

dan pengembangan organisasi dan tata kerja yang mendukung e-governemnt[3]. Dalam rangka penataan pemerintahan yang baik (Good Governance) maka langkah yang diambil di era tekhnologi saat ini untuk mencegah tindak korupsi adalah dengan penerapan sistem pengelolaan sumberdaya pemerintah secara terintegrasi berbasis internet atau yang biasa disebut dengan Egovernment. Dengan sistem ini diharapkan praktik korupsi, kolusi, dan nepotisme bisa dicegah serta mampu mengawal perencanaan dan pembangunan Daerah sesuai RPJM[4]. Mustafid dan Sugiharto dalam Penelitiannya mencoba menganalisis implementasi e-government untuk pelayanan publik. didasarkan pada evaluasi pemeringkatan e-government Indonesia, analisis indeks kepuasan masyarakat terhadap pelayanan publik berbasis e-government, dan evaluasi implementasi e-government. Kelemahannya adalah adanya pengelolaan sistem informasi pada sebagian unit kerja yang fokus pada bidang tugasnya masingmasing. Untuk meningkatkan pengelolaan egovernemnt diberikan rekomendasi untuk dilakukan integrasi sistem informasi untuk pengelolaan egovernment dalam rangka peningkatan kinerja pelayanan publik[5]. Kemenkoinfo melalui direktorat e-government pada tahun 2013 telah melakukan pemringkatan egovernment di infonesia. Provinsi NTT berada pada peringkat ke 17 dari 21 provinsi. Materi pemringkatan meliputi Kebijakan, kelembagaan, infrastruktur, aplikasi perencnaan, rata-trata 2,06 dari bobot ideal 4,0 dengan predikat “kurang”. Pada tahun 2014 nilai-rata turun menjadi 1,59 dengan predikat “Kurang” Provinsi NTT berada pada peringkat terakhir dari 22 provinsi[1]. 3.

METODE PENELITIAN

3.1 Jenis dan Sumber Data Data Primer dimana informasi yang dikumpulkan peneliti secara langsung dari sumbernya antara lain: Para pengelola situs web, Pihak manajemen dalam hal ini pimpinan disetiap daerah yang bertanggung jawab atas pengembangan web. Data sekunder antara lain: dokumen-dokumen dan data–data yang digunakan dalam rencana pengembangan web, dan data mengenai struktur organisasi pengelola situs web pemerintah, dan data yang diambil dari situs web pemerintah kabupaten-kota. 3.2 Jenis Penelitian Jenis penelitian ini adalah survey sedangkan matodenya yaitu Analisis Deskriptif. Metode survey deskriptif adalah suatu metode penelitian yang mengambil sampel dari suatu populasi dan menggunakan kuesioner sebagai alat pengumpul

PROSIDING SEMMAU 2016 data. Dalam penelitian semua ini data dan informasi dikumpulkan dari responden dengan menggunakan kuesioner. 3.3 Metode Pengumpulan Data Observasi/Pengamatan dilakukan melalui situs web yang sudah online, berdasarkan Panduan Isi Situs Web Pemerintah yang dibuat oleh DEPKOMINFO antara lain: Selayang Pandang, Pemerintahan Daerah, Geografi, Peta Wilayah dan Sumberdaya, Peraturan/Kebijakan Daerah, dan Buku Tamu. 3.4 Teknik Pengolahan dan Analisis Data Dalam melakukan perhitungan penilaian perbandingan, maka akan diberikan skor tertentu dengan mengacu kepada analisis Skala Penilaian antara laian: Data Lengkap =2, Data Tidak Lengkap =1, Data Tidak Ada=0. Selanjutnya untuk mengetahui sejauh mana analisis perbandingan antara standarisasi isi situs web pemerintah Kabupaten/Kota yang telah dibuat akan dilakukan analisis korelasi hasil perbandingan. Tingkat Korelasi sebagai barikut: Tidak Lengkap = 0-25, Kurang Lengkap= 26-50, Cukup Lengkap= 51-75, dan Lengkap= 76-100. Rumus perhitungan bobot skor yaitu sebagai berikut: �� = 4. 1.

�� 100% Skor Ideal

(1)

HASIL DAN PEMBAHASAN

Kondisi Situs Web Pemerintah Daerah Saat Ini Setelah melakukan pengamatan terhadap 22 situs web pemerintah daerah kabupaten/kota Nusa Tenggara Timur (NTT) terdapat beragam struktur isi situs web. Berdasarkan standar isi situs web pemerintah daerah terdapat banyak situs yang tidak memenuhi standar Kemenkoinfo. Jumlah kabupaten/kota di NTT seebanyak 22, sedangkan situs web resmi yang dapat diakses adalah 20 kabupaten/kota sedangkan 2 kabupaten/kota situs web tidak dapat diakses yaitu kabupeten Flores Timur dan Kabupaten Sumba Barat. Berdasarkan informasi yang ditampilkan terdapat data dan informasi yag tidak terupdate data masih menggunakan data yang lama seperti kependudukan, harga bahan pokok, berita terbaru dan lain-lain. Hampir semua web site yang diamati tidak ditemukan admin yang selalu siap untuk dikonfirmasi, tidak terdapat web berbasis dua arah, hanya semata-mata bersifat publis. Struktur organisasi pengelola web tidak ditemukan. Hal ini mengakibatkan tugas dan tanggung jawab para pengelola web tidak berfungsi sebagaimana mestinya.

390

2. Penilaian Kondisi Web Berdasarkan Satndar Minimal. Pengamatan dan penilaian isi situs web pemerintah kabupaten/kota untuk melakukan perhitungan penilaian perbandingan. Dengan menggunakan jenis skala interval, maka akan diberikan skor tertentu dengan mengacu kepada analisis Skala Penilaian sebagai berikut: Tabel 1 Sakala Penilaian Penilaian Skor Data Lengkap 2 Data Tidak Lengkap 1 Data Tidak Ada 0 Berdasarkan skala penilaian tersebut akan dipetahkan korelasi antara skala penilaian dengan skor bobot akhir seebagai berikut: Tabel 2 Skor Penilaian Skor (%) Tingkat Penilaian 0-20 Tidak Lengkap 20-40 Kurang Lengkap 41-60 Cukup Lengkap 61-80 Lengkap 81-100 Sangat Lengkap Tabel 3 Skor Ideal Satndar Minimal Isi Web Site Menu Isi Standar Menu Minimal Skor Standar Idea l Sejarah, motto daerah, 10 Selayang lambang dan arti lambang, Pandang lokasi dalam bentuk peta, visi dan misi Pemda/Wilayah Admnitrasi, Pemerintah Bupati/Wakil:nama, alamat, 6 an dan telepon, e-mail, riwayat Legislatif jabatan dll, Eksekutif SKPD, Badan, Kantor, alamat, telepon, e-mail, Legislatif: Nama, Alamat, telepon, email, Foto, Fraksi dll Geografi Keadaan : Topografi, cuaca 8 dan iklim, sosial dan ekonomi, budaya /kependudukan, Demografi Peta Batas administrasi wilayah, 8 Wilayah Sumber daya laut, sumber dan daya pertanian, perkebunan, Sumberday kehutanan, sumber daya laut, a sumber daya pertanian, perkebunan, kehutanan, sumber daya pertambangan, Peraturan/ Praturan dari Pemda 6 Regulasi Kabupaten, Pemda Provinsi, Pemerintah Pusat Buku Menu, Kontak person: No Tlp, 6 Tamu/Kon e mail Admin, Struktur tak pengelolah web site Total Skor 44

PROSIDING SEMMAU 2016 Gambar 2. Grafik perbandingan menu pemerintah dan legislatif a.

Selayang Pandang

Fasilitas menu secara singkat tentang keberadaan Pemerintah Daerah bersangkutan (sejarah, motto daerah, arti lambang, lokasi dalam bentuk peta daerah pemerintahan). Berikut hasil kajian skor web resmi pemerintah daerah kabupaten/kota di NTT.

Dari hasil grafik diatas terdapat empat kabupaten terbaik dengan skor 100% dilihat dari perspektif menu eksekutif dan legislatif antara lain Kota Kupang, Manggarai Timur, Sumba Timur dan Rote Ndao, dan Kabupaten Kupang. Kabupaten terendah (0%) adalah adalah Malaka dan Nagekeo. c.

Gambar 1. Grafik perbandingan menu selayang pandang Dari hasil grafik diatas terdapat 22 kabupaten kota yang ada namun hanya 13 kabupaten kota yang memiliki menu profil dengan nilai skor 100%. Terdapat 2 kabupaten hanya memiliki bobot 40% Belu dan TTU, Kabupaten Sikka memiliki bobot 25%, Kabupaten Sumba Barat Daya 20%, sedangkan Kabupaten Rote 0%, sedangkan Flores Timur dan Sumba Barat web site tidak dapat diakses.

Geografi Menu geografi menjelaskan tentang keadaan topografi, cuaca dan iklim, yang ada pada wilayah kabupaten/kota. Sedangkan demografi, sosial dan ekonomi, budaya dalam bentuk data statistik dari daerah kabupaten/kota bersangkutan data tersebut selalu perbaharui setiap tahun. Berdasarkan hasil pengamatan terhadap situs web pemerintah kabupaten/kota terdpat tujuh kabupaten/kota yang memiliki nilai tertinggi dengan skor 100% (Sangat Lengkap). Ketuju kabupaten kota tersebut antara lain: Timor Tengah Selatan, Malaka, Alor, Manggarai Barat, Sumba Tengah, Sabu Raijua, dan Kabupaten Kupang. Selain kabupaten dengan nilai/skor sangat lengkap namun terdapat kabupaten dengan skor terendah (0%) atau tidak lengkap. Ada lima kabupaten antara lain: Ende, Ngada, Nagekeo, Manggarai, dan Manggarai Timur.

b.

Pemerintahan/Eksekulitif dan Legislatif Menu Eksekutif (pemerintah) dan Legislatif menjelaskan struktur organisasi yang ada di pemerintah daerah bersangkutan (eksekutif, legislatif) beserta nama, alamat, telepon, e-mail dari pejabat daerah. Jika memungkinkan, biodata dari Pimpinan Daerah dipublikasikan pada situs web agar masyarakat luas mengetahuinya. Gambar 3. Grafik perbandingan menu geografi dan demografi d.

Wilayah Admninitrasi dan Sumberdaya Batas administrasi wilayah, sumber daya laut, sumber daya pertanian, perkebunan, kehutanan, sumber daya laut, sumber daya pertanian, perkebunan, kehutanan, dan sumber daya pertambangan. Fitur/menu tersebut menyajikan batas administrasi wilayah dalam bentuk peta wilayah (sebaiknya digunakan peta referensi yang dikeluarkan oleh Badan Koordinasi Survei dan Pemetaan Nasional-Bakosurtanal, www.bakosurtanal.go.id), dan juga sumberdaya yang dimiliki oleh daerah bersangkutan dalam bentuk peta sumberdaya untuk dapat digunakan dan

391

PROSIDING SEMMAU 2016 dimanfaatkan oleh para investor, praktisi, akademisi dan stake holder yang lainnya. Dari hasil penilaian web pemerintah kabupaten/kota terdapat 6 kabupaten/kota dengan nilai 100% (sangat lengkap). Keenam kabupaten tersebut antara lain Sabu Raijua, Manggarai Barat, Malaka, Sumba Tengah, dan Alor. Sedangkan kabupaten dengan nilai terrendah 0% (Tidak lengkap/tidak ada sama sekali) ada sebelas kabupaten adalah Rotendao, Sumba Barat Daya, Manggarai Timur, Manggarai, Nagekeo, Ngada, Ende, Lembata, dan TTU.

Gambar 5. Grafik perbandingan menu kebijakan daerah

regulasi /

f. Buku Tamu Fitur yang harus perlu disediakan pada web site pemerintah kabupaten/kota adalah buku tamu. Fasilitas pada buku tamu antara lain: Menu buku tamu, Kontak person: No Tlp, e mail Admin, Struktur PengelolahWeb. Berdasarkan hasil pengamatan semua situs web kabupaten kota yang ada fitur buku tamu memiliki nilai paling rendah. Kabupaten Malaka dengan nilai tertinggi 66% dan kabupaten Sabu Raijua dengan nilai 50%. Sedangkan terdpat 7 kabupaten tidak meiliki menu buku tamu sama sekali.

Gambar 4. Grafik perbandingan menu wilayah dan sumberdaya e.

Peraturan/Kebijakan Daerah Pada menu/fitur ini menampilkan Peraturan Daerah (Perda) yang telah dikeluarkan oleh Pemerintah Daerah bersangkutan. Melalui situs website Pemerintah Daerah inilah semua Perda yang telah dikeluarkan dapat disosialisasikan kepada masyarakat luas. Selain perda kabupaten/kota juga berbagai regulai/kebijakan dari pemerintah provinsi maupun pusat yang terbaru, dan selanjutnya akan dialihkan web site SKPD terkait. Dari grfik dibawah ini hanya terdapat dua kabupaten yang memiliki nilai terbaik yatu: Kabupaten Sumba Timur dengan nilai 100%, dan kabupaten Timor Tengah Selatan (TTS) dengan nilai 85%. Sedangkan kabupaten dengan nilai terendah (0%-20) adalah Timor Tengah Utara, Belu, Malaka, Ende, Ngada, Nagekeo, Sumba Barat Daya, Sikka, Manggarai barat, Alor dan Manggarai.

392

Gambar 6. Grafik perbandingan menu

buku tamu

g. Hasil perbandingan situs resmi pemerintah kabupaten/kota NTT scara keseluruhan Berdasarkan grafik perbandingan hasil evaluasi situs web pemerintah daerah tersebut nilai tertinggi adalah kabupaten Sumba Timur 81%, disusul Kabupaten Manggarai Barat dan Sabu Raijua dengan nilai 79,5% dan 76,1%. Berdasarkan nilai skor tersebut maka kabupaten Sumba Timur memiliki web site dengan sangat lengkap dibandingkan dengan semua kabupaten lainnya. Kabupaten Manggarai Barat dan Sabu Raijua memiliki fitur-fitur yang lengkap sesuai dengan standar kemenko. Namun tidak semu futur lengkap. Terdapat fitur-fitur tertentu lebih unggul dari kabupaten/kota yang lain. Sedangkan nilai terendah adalah kabupaten Sumba Barat Daya, Sikka, TTU dan Manggarai dengan skor nilai 8% dan 20%. Dari nilai skor tersebut maka kedua kabupaten tersebut dianggap tidak lengkap.

PROSIDING SEMMAU 2016 REFERENSI

Gambar 7. Grafik perbandingan semua fitur/menu

5.

KESIMPULAN Berdasarkan isi dan manajemen web site pemerintah kabupaten kota terdapat beragam fitur dan banyak mengabaikan standar minimal rekomendasi Kemenkoinfo. Dari 22 Kabupaten Kota di NTT terdapat 2 kabupaten yang web sitenya tidak dapat diakses. Hasil perbandingan dari semua fitur yang ada antara lain: Selayang pandang, Pemerintahan dan Eksekutif, Goegrafi, Peta wilayah dan sumber daya, praturan/kebijakan daerah, dan buku tamu. Berdasarkan grafik perbandingan hasil evaluasi situs web pemerintah daerah tersebut nilai tertinggi adalah Kabupaten Sumba Timur 81%, dengan predikat “Sangat Lengkap” di susul Kabupaten Manggarai Barat dan Sabu Raijua dengan nilai 79,5% dan 76,1% dengan predikat “Lengkap”. Sedangkan nilai terendah dengan skor antara 8% sampai 18%, berada pada korelasi “Tidak Lengkap” adalah kabupaten Sumba Barat Daya dan kabupaten Manggarai. Sedangkan kabupaten lain berada pada skor 20% sampai 60% dengan predikat “Kurang Lengkap” dan “Cukup Lengkap”. Setiap kabupaten memiliki keunggulan pada menu tertentu. Dengan demikian dapat menjadi contoh kabupaten lain untuk membenahi web site masing-masing pada setiap pemerintah daerah. Hasil kajian ini dapat dilanjutkan dengan menkaji lebih mendalam pada subtansi materi/fitur masing-masing. Agar sasaran perdikat “Sangat Lengkap” lebih fokus pada web site pemerintah daerah yang benar-benar memiliki kredibel yang cukup tinggi.

1. 2.

393

TERIMA KASIH Kepala LP3M STIKOM Uyelindo Kupang Direktorat Penelitian dan Pengabdian Masyarakat Ristekdikti

[1] Direktorat e-Government, Ditjen. APTIKA – KEMKOMINFO RI, Pemringkatan E Government Indonesia http://pegi.layanan.go.id/download/tabel_pegi_2 015/2015_PROVINSI.PNG Diakses pada tanggal Tanggal 6 September 2016 [2] Heeks, 2003. Most eGovernment-forDevelopment Project Fail: How Can Risks be Reduced? (No. 14). Manchester: Institute for Development Policty and Management. [3] Loura H, 2014. Studi Penerapan E-Goverment di Indonesia dan Negara Lainnya Sebagai Solusi Pemberantasan Koruspsi Disekrtor Publik., Jurnal Rechts Vinding, Volume 3 Nomor 3, ISSN 2089-9009, halaman 435-452 [4] Mugi H, 2015. Efektivitas Penerapan EGovernment dalam Pencegahan Tindak Pidana Korupsi di Lingkungan Pemerintahan Daerah, Jurnal Perhimpunan Mahasiswa Hukum Indonesia, Vol.1, No.2, Halaman 60-87 [5] Mustafid dan Aris S., 2014. Analisa Implementasi E-Government Untuk Pelayanan Publik Di Kota Semarang, Jurnal Riptek Vol. 8, No. 2, Halaman 35 - 50 [6] The World Bank Group, A Definition of EGovernment , http://search.worldbank.org/all?qterm=E+g overnment, Diakses pada tanggal Tanggal 6 September 2016

PROSIDING SEMMAU 2016 Ucapan Terima Kasih 1. Yayasan Uyelewun Indonesia 2. STIKOM Uyelindo Kupang 3. LP3M STIKOM Uyelindo Kupang 4. Prof. Dr. Ir. R. Eko Indrajit, M.Sc., M.BA 5. Bapak Jonas Salean, S.H., M.Si 6. Bapak Herman Herry, S.H. 7. Para Reviewer 8. APTIKOM 9. Hotel Sotis Kupang 10. Beer & Barrel dan Sotis Hotel 11. Bank Mandiri Syariah 12. Balai Monitoring dan Frekwensi Kupang 13. Seluruh Civitas Akademika STIKOM Uyelindo Kupang yang terlibat dalam Kepanitiaan 14. Donatur-donatur dari alumni sebagai berikut: a. Joko Santoso, S.Kom. b. Maria Melany Sedhu,S.Kom. c. Gaspar Tokan, S.Kom. d. Yohanes Sukardi, S.Kom. e. Emanuel Fernandes, S.Kom. f. Yanti Olang, S.Kom. g. Agape Selly, S.Kom. h. Pice Bataona i. Yanto Ngadji j. Asrul Tahul

388 | B u k u 2 , K u p a n g , 1 7 S e p t e m b e r 2 0 1 6

PROSIDING SEMMAU 2016 SUSUNAN PANITIA SEMINAR NASIONAL DAN KONFERENSI KOMPUTER 2016 SEMMAU 2016 STIKOM UYELINDO KUPANG

Penasehat Penanggung Jawab Umum Penanggung Jawab Kegiatan Ketua 1 Ketua 2 Sekretaris 1 Anggota Sekretaris Bendahara

: Ketua Yayasan Uyelewun Indonesia. : Marinus Ignasius Jawawuan Lamabelawa, M.Cs. : Max ABR Soleman Lenggu, S.Kom.,M.T. : Yampi R. Kaesmetan, M.Kom. : Andreas Lamma Gadja* : 1. Marlinda V. Overbeek, M.Kom. 2.Nurkamilah K. Saleh * : 1. Romince H. Keta* 2. Heni Yanti* : 1. Heni, S.S., M.Hum. 2. Miransyah Koroh*

Seksi-seksi : 1. Publikasi & Dokumentasi : 1. Yosafat H. Holey 2. Mentari Nggi, S.Kom 3. Freds Erikson Taopan* 2. Website & Kreatif Desain a. Koordinator b. Anggota

3. Proposal, Sponsor & Dana a. Koordinator

7. Acara a. Koordinator b. Anggota 8. Prosiding a. Koordinator b. Anggota

: Edwin Malahina, M.T. : 1. Franki Yusuf Bisilin, M.Kom. 2. Henry Max Matchless Ratmo* 3. Budi Imanuel Lobo Wie *

: Yohanis Nanggiang, S.Kom. 1. Musa Soinbala* 2. Bella Vania Daris* 3. Fahrayna La Fayette* 4. Desy Fitria* 5. Desry Grace Langkameng* 6. Hendrik Adolf Pah*

: Sumarlin, M.Kom. : 1. Remerta Noni Naatonis, S.Kom., M.Cs. 2. Hellen M. Kana* : Max ABR. S Lenggu, S.Kom., M.T. : 1. Adirwan Tajudin* 2. Marmi Yusri Taek* 3. Fransiska Shinta Elisabeth Atonis* 4. Queen A. Ninu* 389


PROSIDING SEMMAU 2016 5. Maystri Ta’ Eko* 6. Ahmad Suhendra* 8.Floriany Meiyanti Owa* 9. Akomodasi, Perlengkapan & Transportasi a. Anggota : Petrus Katemba, M.T. 1. Jordan Axel Pello * 2. Choirur Rozaq * 3. Jusrianto Aprisatya Johanis * 4. Muhammad H. Ardiyanto * 5. .Rudi Hariyanto * 10. Konsumsi a. Koordinator b. Anggota

: Dewi Anggraeni, S.Kom., M.T. : 1. Semlinda J. Bulan, M.Kom 2. Eka Koho* 3. Vinolia Yakobus*

Keterangan : * adalah Panitia dari Mahasiswa

390


PROSIDING SEMMAU 2016 PARALEL SESSION SEMMAU 2016 PARALEL 2 MODERATOR RUANGAN ID SEM2016- 03 SEM2016- 06

SEM2016- 11

SEM2016- 14

SEM2016- 19

SEM2016- 20

SEM2016- 21

SEM2016- 26

SEM2016- 27

: INFORMATION SYSTEM : MARLINDA VASTY OVERBEEK, M.KOM : SOTIS 1 PEMAKALAH JUDUL MAKALAH Dien Novita IMPLEMENTASI E-GOVERNMENT DI INDONESIA Dewi Anggreini PENERAPAN E-BISNIS UNTUK MENANGANI PROSES PENJUALAN PRODUK AGUAMOR BERBASIS WEB Wemmy A. Taka, PENERAPAN ELECTRONIC Max ABR Soleman CUSTOMER RELATIONSHIP Lenggu, MANAGEMENT UNTUK PRODUK Menhya Snae INDUSTRI RUMAH TANGGA (STUDI KASUS: KABUPATEN ROTE NDAO) Rafliana Natalia da MODEL SISTEM MONITORING Silva, DAN EVALUASI AKADEMIK Marinus I.J. MAHASISWA BERBASIS WEB Lamabelawa, (STUDI KASUS STIKOM UYELINDO Semlinda Juszandri KUPANG) Bulan Adalberto Guterres, LELANG ONLINE BERBASIS Benyamin Jago WEBSITE PADA PEGADAIAN Belalawe, CABANG OESAO Mardhalia Saitakela Albert Adrian Bayu APLIKASI EVALUASI TENAGA Mila, AHLI PESERTA SELEKSI NASIONAL Menhya Snae, MENGGUNAKAN METODE TOPSIS Franki Yusuf Bisilisin (STUDI KASUS: SATKER P2JN PROVINSI NUSA TENGGARA TIMUR) Lukas H.J.E. Babu, EVALUASI KINERJA DOSEN DAN Emanuel Safirman KARYAWAN DI STIKOM UYELINDO Bata, KUPANG BERBASIS WEBSITE Marlinda Vasty Overbeek Hasibun Asikin MANAJEMEN KINERJA KEPALA SEKOLAH DAN GURU DALAM PENINGKATAN MUTU PAUD Maria Yenita Soru, MANAJEMEN KINERJA KEPALA Yohanes Payong SEKOLAH DAN GURU DALAM PENINGKATAN MUTU PAUD

391


PROSIDING SEMMAU 2016 PARALEL SESSION SEMMAU 2016 PARALEL 2 MODERATOR RUANGAN ID SEM2016-01

SEM2016-01

SEM2016-04

SEM2016-05

SEM2016-07

SEM2016-08

SEM2016-10

: SOFT COMPUTING : YAMPI R. KAESMETAN, M.KOM : SOTIS 2 PEMAKALAH JUDUL MAKALAH Dwi Kristiani, BERBAGI PENGETAHUAN Eko Sediyono, MENGGUNAKAN EDMODO Ade Iriani BERBASIS SOCIALIZATION MODEL SECI ((STUDI KASUS : SMK NEGERI 1 BOYOLALI)) Bobby Christian ANALISIS TOPIK-TOPIK YANG Sandy, MEMPENGARUHI TERJADINYA Danny Manongga, SENTIMEN TERKAIT KENAIKAN HARGA BAHAN BAKAR MINYAK Ade Iriani (BBM) PADA MEDIA ONLINE" Andysah Putera U. ADLER-32 INTEGRITY Siahaan VALIDATION IN 24 BIT COLOR IMAGE Wawan Nurmansyah, DESAIN UNTUK RANCANG Masayu Jamilah BANGUN FITUR KEAMANAN PADA INTELLIGENT HOME Kana Saputra S, KLASIFIKASI BELIMBING Fuzy Yustika Manik MENGGUNAKAN K-NEAREST NEIGHBORS (KNN)BERDASARKAN CITRA RED-GREEN-BLUE (RGB) Sabastianus A.S.Mola IMPLEMENTASI PEMECAHAN SLIDING TILE PUZZLE MENGGUNAKAN METODE HEURISTIK (ALGORITMA A*, IDA* DAN BDA*) Deddy B. Lasfeto, MODEL PENGUKUR BERAT Markus Daud Letik, BADAN TERNAK SAPI TIMOR BERBASIS CITRA

SEM2016-16

Dony M. Sitohang

SEM2016-25

Antonius Yosef Tampani, Petrus Katemba

392

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN CALON PENERIMA RUMAH BANTUAN MENGGUNAKAN METODE PROMOTHEE PERBANDINGAN EKSTRAKSI TEKSTUR CITRA DENGAN METODE STATISTIK ORDE I DAN STATISTIK ORDE II UNTUK PEMELIHAN BENIH JAGUNG



PARALEL SESSION SEMMAU 2016 PARALEL 3 MODERATOR RUANGAN ID SEM2016-12

SEM2016-13

SEM2016-23

SEM2016- 22

SEM2016-09

SEM2016-18

SEM2016-15

SEM2016-24

: MOBILE COMPUTING : EMANUEL SAFIRMAN BATA, S.KOM., MT : SOTIS 3 PEMAKALAH Nyongri E. Akulas, Edwin Malahina, Fransiskus Tjiptabudi Marlinda Vasty Overbeek

Mastura Masan, Emanuel Safirman Bata, Edwin A.U. Malahina M. Nurhudah, Yampi R. Kaesmeta, Remerta Noni Naatonis Ardianus Wattileo, Marianus I.J. Lamabelawa

Dessy Leonarti Pollo, Marlinda Vasty Overbeek, Franki Yusuf Bisilin Kristian M. Malbiyeti Tnunay, Remerta Noni Naatonis, Marlinda V. Overbeek Melkianus Babis Max ABR Soleman Lenggu

393

JUDUL MAKALAH PENCARIAN LEMBAGA KURSUS PENDIDIKAN DI KOTA KUPANG BERBASIS LOKASI SORTASI TEKSTUR BIJI JAGUNG SEBAGAI BENIH TANAM MENGGUNAKAN SELF ORGANIZING MAP (STUDI KASUS: DESA BISMARAK KABUPATEN KUPANG TIMUR PROVINSI NUSA TENGGARA TIMUR) APLIKASI TUNTUNAN DOA SEHARIHARI DIZIKIR DAN SUNNAH RASUL BAGI UMAT ISLAM BERBASIS ANDROID

SISTEM INFORMASI GEOGRAFIS PEMETAAN KAWASAN KONSERVASI PERAIRAN DI PERBATASAN LAUT SAWU NUSA TENGGARA TIMUR ANALISIS SISTEM ANTRIAN DENGAN METODE NEXT EVENT TIME ADVANCED MECHANISM (STUDI KASUS: PT. ASDP PERSERO CABANG KUPANG) PERBANDINGAN PENGUKURAN JARAK DALAM PENENTUAN KUALITAS BENIH JAGUNG PULAU TIMOR DENGAN K-NEAREST NEIGHBOR

PEMETAAN HASIL LAUT WILAYAH KABUPATEN ALOR DENGAN ANALISIS KELOMPOK

ANALISI PEMASARAN RUMPUT LAUT KECAMATAN SULAMU MENGGUNAKAN METODE PERBANDINGAN EKSPONENSIAL (MPE)


PROSIDING SEMMAU 2016 SEM2016-17

Yovita Hilda Helly, SISTEM INFORMASI GOEGRAFIS POLA Yampi Kaesmetan, PENYEBARAN UMAT BERAGAMA DI Mardhalia Saitakela KABUPATEN TIMOR TENGAH UTARA MENGGUNAKAN METODE K-MEANS CLUSTERING

Prosiding SEMMAU merupakan buku publikasi untuk menampung hasil penelitian yang berhubungan dengan bidang sains dan teknologi. Bidang penelitian yang dimaksud adalah Sistem Informasi, Soft Computing, Mobile Computing. Prosiding SEMMAU diterbitkan oleh Lembaga Penelitian, Publikasi dan Pengembangan pada Masyarakat, Bekerja sama dengan Program Studi Teknik Informatika dan Program Studi Sistem Informasi STIKOM Uyelindo Kupang. Redaksi mengundang para professional dari dunia usaha, pendidikan dan peneliti untuk menulis mengenai perkembangan ilmu di bidang Teknologi Informasi. Prosiding SEMMAU diterbitkan 1 (satu) kali.

394


PROSIDING SEMMAU 2016

Recommend Documents