SISTEM PEMERINGKATAN MEDIA ONLINE PARTAI DAN AKTOR POLITIK PEMILU DENGAN METODE LWM, AHP DAN TOPSIS MOH. MIFTAKHUR ROKHMAN

SISTEM PEMERINGKATAN MEDIA ONLINE PARTAI DAN AKTOR POLITIK PEMILU DENGAN METODE LWM, AHP DAN TOPSIS

MOH. MIFTAKHUR ROKHMAN

SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2015

PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa tesis berjudul Sistem Pemeringkatan Media Online Partai dan Aktor Politik Pemilu dengan Metode LWM, AHP dan TOPSIS adalah benar-benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.

Bogor, Februari 2015

Moh. Miftakhur Rokhman NIM G651120101

RINGKASAN MOH MIFTAKHUR ROKHMAN. Sistem Pemeringkatan Media Online Partai dan Aktor Politik Pemilu dengan Metode LWM, AHP dan TOPSIS. Dibimbing oleh YANI NURHADRYANI dan IRMAN HERMADI. Asosiasi Pengguna Jasa Internet Indonesia (APJII) mengungkapkan bahwa di Indonesia tengah mengalami pertumbuhan pengguna internet yang sangat signifikan. Proyeksi APJII tahun 2014 pengguna internet Indonesia mencapai 107 juta pengguna. Data APJII tahun 2012 mengungkapkan bahwa sekitar 81.48% pengguna internet pada rentang usia 17-65 tahun. Pada penelitian sebelumnya yang dilakukan oleh Amirullah dan Nurhadryani (2013) mengungkapkan bahwa menjelang pemilu tahun 2014 di Indonesia penggunaan media online terutama media sosial telah menunjukkan perkembangan yang signifikan, sebanyak 80% partai politik telah menggunakan media sosial. Apabila dibandingkan dengan jumlah penduduk Indonesia yang telah masuk pada Daftar Pemilih Tetap (DPT) pada bulan Desember 2013 sebanyak 186 juta penduduk maka didapatkan sekitar 57.5% penduduk Indonesia yang masuk DPT merupakan penguna internet. Fakta ini merupakan peluang bagi para pemangku kepentingan politik seperti partai dan aktor politk untuk memanfaatkan media online sebagai alat kampanye, dan berdasarkan penelitian Amirullah dan Nurhadryani (2013) mengungkapkan aktivitas e-campaign sudah dimulai maka perlu juga untuk mengetahui seberapa besar capaian partai dan aktor politik di Indonesia dalam menggunakan media online hingga menjelang pemilihan umum 2014. Maka dari itu dalam penelitian ini mengajukan metode penilaian capaian partai dan aktor politik dalam e-campaign yang implementasikan dalam sebuah aplikasi pemeringkatan berbasis website dengan menerapkan tiga buah metode yaitu Linear Weightage Model (LWM), Analytical Hierarchy Process (AHP), dan Technique for Order Performance by Similarity to Ideal Solution (TOPSIS) dengan menggunakan beberapa parameter sebagai standar penilaian diantaranya parameter aktivitas media sosial, konten website, keterbagian media sosial dan website, dan performa website. Aplikasi yang dibangun berjalan dengan baik dan mampu memberi peringkat aktivitas e-campaign terhadap partai, calon presiden, dan calon legislatif. Calon presiden pada pemilu 2014, Joko Widodo memiliki persentase ecampaign sebesar 53.89%, lebih besar dibanding Prabowo Subianto sebesar 46.11%. Partai politik yang memperoleh peringkat 5 besar dalam e-campaign adalah Gerindra (16.73%), PKS (16.39%), Demokrat (10.57%), Nasdem (9.96%), dan PDI-P (9.38%). Sedangkan untuk calon legislatif mengambil data calon DPRRI dapil Bangka Belitung propinsi Bangka Belitung, hasilnya mengungkapkan bahwa pemanfaatan e-campaign telah dimulai meskipun masih sangat sedikit, hanya sebesar 6.48% yang menggunakan website/blog dan media sosial dari jumlah total sebanyak 36 calon anggota legislatif, dan yang mendominasi pemanfaatan e-campaign adalah dari PKS. Kata kunci: kampanye online, linear weightage model (LWM), analytical hierarchy process (AHP), technique for order performance by similarity to ideal solution (TOPSIS).

SUMMARY MOH MIFTAKHUR ROKHMAN. The Ranking System of Party and Political Actors in Election on Online Media using LWM, AHP and TOPSIS Method. Supervised by YANI NURHADRYANI and IRMAN HERMADI. Indonesian Internet Service Provider Association (APJII) says that in Indonesia, there is very significantly on going growth of internet users. APJII projection in 2014, Indonesian internet users reach 107 million users. APJII Data from 2012 reveals that there is about 81.48% of internet users ranging from 17 – 65 years old. The research conducted previously by Amirullah and Nurhadryani (2013) states that approaching the General Election in 2014 in Indonesia, the online media users, especially the social media, has shown a rapid increase, there is about 80% political parties using social media. If it is compared to the number of Indonesian populations which have been as the Lists of Voters on December 2013 of 186 million people, so there will be around 57.5% Indonesian people in the Lists of Voters who are the internet users. This fact is actually such kind of chance for political stakeholders as the parties or political actors to utilize online media as campaign tool, and based on the research conducted by Amirullah dan Nurhadryani (2013), it states that the e-campaign has been started, so it is required to know how big the party and political actor achievement in Indonesia in using online media until approaching the general election in 2014. Therefore, this research is proposing the achievement method of party and political actors in ecampaign implementing a website-based ranking application by implementing three methods, namely Linear Weightage Model (LWM), Analytical Hierarchy Process (AHP), dan Technique for Order Performance by Similarity to Ideal Solution (TOPSIS). It also uses some parameter as the assessment standard; among others are social media activity, website content, media social and website divisibility, and website performance. The built application can be used well and able to give e-campaign activity ranking to parties, will-be presidents, and will-be legislative members. Joko Widodo as the will-be presidents in 2014 General Election has e-campaign percentage of 53.89%;it is bigger than Prabowo Subianto which has 46.11%. There are big five political parties having the highest ranking of e-campaign activity, namely Gerindra (16.73%), PKS (16.39%), Demokrat (10.57%), Nasdem (9.96%), and PDI-P (9.38%). For the will-be legislative members taking the data of House Of People’s Representatives of Republic of Indonesia in Bangka Belitung Election area, the data states that there is very small amount of ecampaign activity; it is about 6.48% using website/blog and social media from total of 36 will-be legislative members; PKS is very dominant in using ecampaign. Keywords: online campaign, linear weightage model (LWM), analytical hierarchy process (AHP), technique for order performance by similarity to ideal solution (TOPSIS).

© Hak Cipta Milik IPB, Tahun 2015 Hak Cipta Dilindungi Undang-Undang Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan IPB Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis ini dalam bentuk apa pun tanpa izin IPB

SISTEM PEMERINGKATAN MEDIA ONLINE PARTAI DAN AKTOR POLITIK PEMILU DENGAN METODE LWM, AHP DAN TOPSIS

MOH. MIFTAKHUR ROKHMAN

Tesis sebagai salah satu syarat untuk memperoleh gelar Magister Komputer pada Program Studi Ilmu Komputer

SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2015

Penguji: 1. Dr Eng Wisnu Ananta Kusuma, ST MT

Judul Tesis : Sistem Pemeringkatan Media Online Partai dan Aktor Politik Pemilu dengan Metode LWM, AHP dan TOPSIS Nama : Moh. Miftakhur Rokhman NIM : G651120101

Disetujui oleh Komisi Pembimbing

Dr Yani Nurhadryani, SSi MT Ketua

Irman Hermadi, SKom MS PhD Anggota

Diketahui oleh

Ketua Program Studi Ilmu Komputer

Dekan Sekolah Pascasarjana

Dr Eng Wisnu Ananta Kusuma, ST MT

Dr Ir Dahrul Syah, MScAgr

Tanggal Ujian: 23 Desember 2014

Tanggal Lulus:

PRAKATA Puji dan syukur penulis panjatkan kepada Allah SWT atas segala karuniaNya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian ini dilaksanakan sejak bulan Februari 2014 sampai Desember 2014 ini ialah e-campaign (electronic campaign), dengan judul Sistem Pemeringkatan Media Online Partai dan Aktor Politik Pemilu dengan Metode LWM, AHP dan TOPSIS. Terimakasih penulis ucapkan kepada Ibu Dr Yani Nurhadryani, MSi MT dan Bapak Irman Hermadi, SKom MS Phd selaku pembimbing penelitian tesis dan kepada Dr Eng Wisnu Ananta Kusuma, ST MT selaku penguji sekaligus kepala program studi Ilmu Komputer sekaligus berkenan sebagai penguji pada sidang akhir tesis. Ungkapan terimakasih juga disampaikan kepada Direktorat Jenderal Pendidikan Tinggi (DIKTI) yang telah bersedia mendanai selama perkuliahan di Institut Pertanian Bogor melalui Beasiswa Unggulan (BU) DIKTI tahun anggaran 2012. Ungkapan terimakasih tidak lupa saya haturkan kepada ayahanda Suwoto, ibunda Ngatmini, istri tercinta Evvin Faristasari, putraku Muhammad Irfandy Khalilurrahman, beserta seluruh keluarga atas doa, dukungan serta kasih sayangnya. Semoga karya ilmiah ini bermanfaat.

Bogor, Februari 2015 Moh. Miftakhur Rokhman

DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN 1. PENDAHULUAN Latar Belakang Perumusan Masalah Tujuan Penelitian Manfaat Penelitian Ruang Lingkup Penelitian 2. TINJAUAN PUSTAKA Electronic Campaign dan Green Party Monitoring pada Media Online Linear Weightage Model (LWM) Analytical Hirarchy Process (AHP) Technique for Order Performance by Similarity to Ideal Solution (TOPSIS) 3. METODE Project Planning Analisis Perancangan Implementasi Ujicoba/Testing 4. HASIL DAN PEMBAHASAN Project Planning Analsis Perancangan Rancangan Data Flow Diagram (DFD) Rancangan Data Base (Basis Data) Rancangan Site Map Perancangan Antar Muka Pengguna (User Interface) Implementasi Sistem Ujicoba Sistem Pengujian Black Box Implementasi Data 5. SIMPULAN DAN SARAN DAFTAR PUSTAKA LAMPIRAN

ix x xi 1 2 2 3 3 3 4 4 5 8 9 10 10 10 10 10 11 11 12 16 18 19 20 22 22 23 33 33 37

DAFTAR TABEL Nilai skala perbandingan berpasangan AHP Random Matrix Consistency Index (RI) Daftar partai politik peserta pemilu 2014 Kasus uji aplikasi menggunakan metode black box Alamat website dan media sosial calon Presiden Data orisinal milik calon presiden Prabowo Subianto Dara orisinal milik calon presiden Joko Widodo Nilai skala perbandingan berpasangan Pakar A Nilai skala perbandingan berpasangan Pakar B Nilai skala perbandingan berpasangan Pakar C Bobot parameter Hasil metode LWM data calon Presiden Hasil metode TOPSIS data calon Presiden Data orisinal milik partai Hasil metode LWM data partai Hasil metode TOPSIS data partai Pengguna media online caleg DPR-RI dapil Bangka Belitung berdasarkan partai politik Pengguna media online calon legislatif DPR-RI dapil Bangka Belitung

7 7 9 23 24 24 25 25 26 27 28 28 28 30 31 32 33 33

DAFTAR GAMBAR Alur metode LWM Contoh sruktur hirarki dalam AHP Proses perhitungan AHP Metode SDLC dengan model waterfal Langkah penggabungan hasil LWM dan AHP dalam TOPSIS Diagram konteks Data Flow Diagram (DFD) level 1 DFD level 2 proses 1 DFD level 2 proses 2 DFD level 2 proses 3 DFD level 2 proses 4 DFD level 2 proses 5 Entity Relationship Diagram (ERD) dalam database sistem Site map user (pengguna biasa) Site map surveyor Site map pakar Site map administrator Halaman beranda sistem Halaman partai Beranda aplikasi Halaman partai Contoh pengambilan data secara otomatis

5 6 7 9 11 13 14 15 15 16 16 17 18 19 19 19 20 20 21 21 22 22

DAFTAR LAMPIRAN Lampiran 1. Kamus data pada database sistem Lampiran 2. Parameter penelitian Lampiran 3. Pengujian aplikasi menggunakan black box Lampiran 4. Desain user interface aplikasi Lampiran 5. Tampilan user interface aplikasi

37 47 51 54 63

1

1 PENDAHULUAN Latar Belakang Menurut data yang dikeluarkan oleh Asosiasi Pengguna Jasa Internet Indonesia (APJII), pengguna internet di Indonesia terus mengalami kenaikan tiap tahunnya dengan jumlah yang sangat signifikan. Proyeksi APJII terhadap pengguna internet Indonesia pada tahun 2014 adalah sebanyak 107 juta pengguna. Sedangkan berdasarkan data Kominfo yang diterbitkan pada November 2013, pengguna media sosial Facebook Indonesia menduduki peringkat ke 4 dunia dengan jumlah pengguna aktif sebanyak 65 juta, dan media sosial Twitter menduduki peringkat ke 5 dunia dengan pengguna aktif sebanyak 19,5 juta. Secara demografi usia, pengguna internet di Indonesia menurut data APJII tahun 2012 tertinggi 81,48% pada rentang usia antara 17-65 tahun. Internet dapat digunakan sebagai media kampanye online (e-campaign), Kegiatan politik di negara-negara maju seperti Amerika Serikat, Jepang, Jerman, Australia, Selandia Baru, telah memanfaatkan teknologi internet dalam melakukan aktifitas penyebaran informasi (Ramadhan 2014). Penelitian yang dilakukan oleh Feezell (2009), media sosial memiliki efek yang signifikan terhadap partisipasi politik secara offline. Interaksi dalam media sosial ada keterkaitan yang positif terhadap hasil pemilihan (Vergeer et al. 2010). Media sosial telah memainkan dan akan terus memainkan peran penting dalam kampanye politik. (Smith 2011). Kampanye pertama di dunia yang aktif menggunakan media sosial adalah kampanye Barack Obama tahun 2008. Obama mengalahkan rivalnya di media sosial Facebook dengan memiliki 2 juta teman, sementara McCain hanya memiliki 600.000 teman (Smith 2011). Amirullah dan Nurhadryani (2013) dalam penelitiannya mengungkapkan bahwa penggunaan media sosial oleh partai politik pada pelaksanaan pemilu tahun 2009 hingga menjelang pemilu 2014 telah menunjukkan perkembangan yang signifikan. Sebanyak 34 partai politik yang lolos tahap pertama virifikasi peserta pemilu 2014, 80% partai diantaranya telah menggunakan Facebook, 55% menggunakan Twitter dan 38% menggunakan Youtube. Berdasarkan data dari KPU pusat, jumlah warga negara Indonesia yang telah masuk dalam Daftar Pemilih Tetap (DPT) pada bulan Desember 2013 sebanyak 186 juta penduduk dari 237 juta total penduduk Indonesia (BPS 2010). Ketentuan ambang batas minimal pencalonan presiden tahun 2014 menggunakn Undang-Undang Nomor 42 Tahun 2008 tentang Pemilihan Umum Presiden dan Wakil Presiden RI, menyebutkan bahwa pasangan calon diusulkan oleh partai politik atau gabungan partai politik peserta pemilu yang memenuhi persyaratan perolehan kursi paling sedikit 20% dari jumlah kursi DPR atau memperoleh 25% dari suara sah nasional dalam Pemilu anggota DPR. Sedangkan untuk perolehan kursi di DPR, Mahkamah Konstitusi menetapkan ambang batas 3,5% dari jumlah suara sah Nasional. Apablila dikaitkan dengan jumlah pengguna internet di Indonesia dengan jumlah warga yang telah masuk DPT, maka didapat sekitar 57% pengguna yang telah masuk DPT. Maka sesuai peraturan Undang-Undang, partai dapat memperoleh 1 kursi di DPR-RI diperlukan sebanyak 7% atau sekitar 1,4 juta

2 pengguna internet Indonesia untuk partai tersebut. Pemanfaatan media online untuk memperoleh suara pemilih seperti yang diungkapkan diatas perlu dikaji lebih lanjut dengan memperhitungkan parameter-parameter pendukung kegiatan dalam e-campaign sehingga dapat diketahui seberapa besar capaian sebuah partai dalam menggunakan internet sebagai alat kampanye. Kegiatan yang ada didalam media online seperti media sosial dan website cukup banyak, maka diperlukan suatu sistem yang dapat digunakan untuk membantu mengukur capaian suatu partai dan aktor politik terhadap interaksi dengan masyarakat dalam media online. Untuk mengetahui capaian kegiatan partai dan aktor politik dalam media online diperlukan standar penilaian dalam berkampanye secara online. Standar penilaian dalam penelitian ini mengacu pada parameter-parameter yang dibutuhkan. Parameter tersebut sebagian diadopsi pada penelitian yang telah dilakukan sebelumnya dan sebagian yang lain merupakan usulan dalam penelitian ini, antara lain parameter aktivitas media sosial (Ramadhan dan Nurhadryani, 2014), konten website (Ramadhan dan Nurhadryani, 2014), keterbagian media sosial dan website, dan parameter performa website. Pengambilan data untuk setiap parameter tidak sama, ada cara yang manual seperti melihat ada atau tidaknya sejarah partai dalam website sebuah partai politik, dan adapula cara yang otomatis seperti mengambil jumlah fans pada halaman Facebook partai politik. Parameter yang digunakan memiliki tipe nilai yang berbeda, seperti pada parameter aktivitas media sosial yang didalamnya mencakup beberapa variabel seperti jumlah fans dan talking about dalam Facebook atau jumlah follower dalam Twitter, semakin banyak jumlah tersebut maka semakin baik. Berbeda dengan performa website yang didalamnya mencakup beberapa variabel seperti loadtime dan broken-link, semakin kecil jumlah loadtime atau broken-link maka semakin baik. Dari perbedaan tipe nilai parameter tersebut maka perlu dilakukan normalisasi. Linear Weightage Model (LWM) merupakan salah satu metode untuk normalisasi nilai dari tipe threshold yang berbeda. Sebagai bentuk penilaian yang objektif, maka dari parameter penilaian yang digunakan membutuhkan pembobotan. Pembobotan dilakukan dengan menggunakan metode Analytical Hierarchy Process (AHP). Dan kemudian dilakukan perankingan untuk mengetahui perbedaan kualitas pemanfaatan media online oleh partai dan aktor politik (calon presiden), dengan menggunakan metode Technique for Order Performance by Similarity to Ideal Solution (TOPSIS). Sehingga dengan menggunakan metode hybrid yaitu menggabungkan beberapa metode yang diatanranya LWM, AHP dan TOPSIS diharapkan menghasilkan output yang objektif dan akurat. Dari latar belakang tersebut, maka pada penelitian ini bertujuan untuk membangun sebuah sistem pemeringkat capaian partai dan aktor politik dalam media online. Lebih lanjut, dari penelitian ini juga diharapkan dapat menyumbangkan gagasan green party, yaitu menjadikan media online sebagai alat kampanye di Indonesia guna mewujudkan proses kampanye yang lebih baik.

Perumusan Masalah Kegiatan yang ada didalam media online seperti media sosial dan website cukup banyak, maka diperlukan suatu sistem yang dapat digunakan untuk membantu mengukur capaian suatu partai dan aktor politik dalam media online.

3

Tujuan Penelitian Tujuan penelitian ini adalah untuk membuat sebuah sistem pemeringkatan dalam pemanfatan media online oleh partai politik dan aktor politik pemilu.

Manfaat Penelitian Manfaat dari penelitian ini antara lain:  Sistem yang dibangun dapat membantu para aktor politik melihat capaian kampanye yang dilakukannya dalam media online menurut standar parameter yang digunakan.  Memberi gambaran kepada masyarakat tentang aktifitas dan capaian pemanfaatan media sosial oleh partai dan aktor politik di Indonesia  Menyediakan data secara berkala mengenai capaian aktivitas partai dan aktor politik dalam media online di Indonesia.  Memberi gambaran peluang green campaign di Indonesia

Ruang Lingkup Penelitian Ruang lingkup penelitian ini adalah sebagai berikut.  Data yang diambil pada website dan media sosial partai dan aktor politik berdasarkan parameter aktivitas media sosial, konten website, keterbagian media sosial dan website, dan performa website.  Partai dan aktor politik yang digunakan dalam sampel penelitian ini adalah peserta pemilihan umum yang telah lolos verifikasi KPU tahun 2014.

2 TINJAUAN PUSTAKA Electronic Campaign dan Green Party Kampanye elektronik atau electronic campaign (e-campaign) adalah penggunaan teknologi informasi dan komunikasi oleh aktor yang terlibat (politisi, partai politik, kandidat, masyarakat, LSM, media massa, dan lain lain) yang bertujuan melibatkan masyarakat dalam pembentukan opini publik (Nurhadryani 2009). Manfaat dari kampanye di internet cukup mudah diperoleh. Yang pertama adalah bahwa internet memberikan peluang partai-partai politik dengan media yang relatif murah dan cepat untuk mempublikasi kebijakan partai dan menghasilkan dukungan. Website aktif dua puluh empat jam sehari, membutuhkan perawatan yang rendah, dan menggunakan cost jauh lebih rendah dari sumber daya partai, oleh karena itu adalah cara yang efisien untuk partai politik memperoleh dukungan secara online. Green party merupakan sebuah istilah dari akibat positif yang ditimbulkan oleh penggunaan media online sebagai alat kampanye partai, misalnya berkurangnya penggunaan poster dan leaflet (Worth 2010). Dengan menerapkan

4 green party, diharapkan suatu partai mendukung adanya lingkungan yang bersih dengan meminimalkan atau menghindari pemasangan-pemasangan media kampanye seperti spanduk, baliho, poster sehingga tercipta suasana lingkungan yang bersih di saat masa kampanye. Monitoring pada Media Online Menurut Kusek et al. (2004) definisi dari monitoring adalah kegiatan yang dilakukan secara kontinyu dengan cara mengumpulkan data secara sistematis menggunakan parameter tertentu untuk memberikan informasi kepada para pemangku kepentingan dan digunakan sebagai indikasi dari sebuah kemajuan. Hubungan kegiatan monitoring terhadap pemanfaatan media online dalam penelitian ini adalah untuk melihat capaian terhadap pemanfaatan media online seperti website dan media sosial oleh partai dan aktor politik pemilu di Indonesia. Cara pengambilan data dibedakan menjadi dua, yang pertama secara manual (nonotomatis) yaitu dengan melihat langsung pada sumber, dan cara yang kedua adalah dengan cara otomatis yaitu cukup menggunakan sebuah program untuk memperoleh data yang diinginkan. Pengambilan data secara otomatis dalam penelitian ini melibatkan Application Programming Interface (API) yang disediakan oleh media sosial (Facebook, Twitter, LinkedIn, Flicker, Google Blog, dan Youtube). API media sosial tersebut memberikan bentuk datanya dalam format JavaScript Object Nation (JSON). API merupakan sekumpulan aturan ataupun fungsi tertentu yang memungkinkan terjadinya komunikasi perangkat lunak sehingga dapat mengakses dan memanfaatkan sumber daya yang disediakan oleh perangkat lunak lainnya (Wagner et al. 2013). JSON berasal dari bahasa pemrograman JavaScript untuk mewakili struktur data dan array asosiatif yang berfungsi sebagai parser (Cha et al. 2013). Sedangkan pengambilan data dilakukan secara non-otomatis karena data yang diperlukan tidak dapat diambil dengan pemrograman, seperti ada atau tidaknya informasi umum mengenai calon presiden ataupun keberadaan informasi terkait visi misi dalam website yang dimilikinya. Begitu juga dalam media sosial, tidak semua data dalam media sosial dapat diambil melalui pemrograman, karena media sosial tidak selalu menyediakan API pada setiap konten yang dimiliki. Sehingga, apabila data yang dibutuhkan pada media sosial tidak dapat diambil secara otomatis, maka pengambilan datanya dilakukan secara manual pula. Linear Weightage Model (LWM) Metode LWM digunakan oleh Dominic dan Jati (2011) untuk normalisasi nilai parameter dalam penelitiannya. Metode ini diterapkan pada sebuah rangkaian parameter yang memiliki perbeadan tipe nilai. Tipe pertama adalah larger-isbetter dan tipe yang ke dua adalah smaller-is-better. Apabila nilai parameter bertipe larger is better maka termasuk pada threshold minimum, dan apabila nilai parameter bertipe smaller-is-better maka termasuk pada threshold maximum. Dalam penelitian ini parameter yang termasuk dalam threshold minimum adalah parameter aktivitas media sosial, konten website, keterbagian media sosial

5 dan website. Sedangkan parameter yang termasuk dalam threshold minimum adalah performa website. Persamaan yang digunakan sebagai berikut:

= nilai parameter bertipe threshold maximum = nilai parameter bertipe threshold minimum max = nilai tertinggi pada parameter yang sama yang terdapat pada seluruh website yang diteliti min = nilai terendah pada parameter yang sama yang terdapat pada seluruh website yang diteliti website = nilai parameter yang ada sebelum dirubah

Gambar 1. Alur metode LWM

Analytical Hierarchy Process (AHP) AHP adalah metode pengambil keputusan yang dibuat untuk memecahkan berbagai masalah yang kompleks yang melibatkan keputusan kriteria kualitatif (Chen et al. 2011). AHP menggunakan teori pengukuran melalui perbandingan berpasangan, mempunyai ketergantungan terhadap penilaian para ahli untuk mendapatkan nilai skala prioritas (Saaty 2008). Dalam penelitian ini, metode AHP digunakan untuk mendapatkan bobot setiap parameter yang digunakan. Prinsip kerja AHP menurut Marimin et al. (2010) adalah “...penyederhanaan suatu persoalan kompleks yang tidak terstruktur, strategik, dan dinamik menjadi sebuah bagian-bagian dan tertata dalam suatu hierarki...” Secara

6 garis besar ada tiga tahapan dalam AHP (Chen et al. 2011), yaitu: membangun hirarki, membuat matrik perbandingan berpasangan, dan menentukan prioritas. Langkah pertama membangun hirarki. Hirarki dibangun dari identifikasi informasi yang diteliti, kemudian permasalahan diuraikan secara berurutan dalam elemen-elemen yang berbentuk hirarki yang didalamnya terdapat goal, kriteria, dan alternatif.

Gambar 2. Contoh struktur hirarki dalam AHP (sumber: Marimin et al. 2010) Setelah hirarki dibangun, langkah selanjutnya adalah membuat matriks perbandingan berpasangan. Untuk membandingkan, dibutuhkan nilai skala perbandingan. Penilaian pada perbandingan matriks berpasangan dilakukan oleh orang yang ahli dalam permasalahan yang akan diteliti. Tabel 1. Nilai skala perbandingan berpasangan AHP Nilai

Keterangan 1 Faktor vertikal sama penting dengan faktor horisontal 3 Faktor vertikal lebih penting dari faktor horisontal 5 Faktor vertikal jelas lebih penting dari faktor horisontal 7 Faktor vertikal sangat jelas lebih penting dari faktor horisontal 9 Faktor vertikal mutlak lebih penting dari faktor horisontal 2,4,6,8 Apabila ragu-ragu antara dua nilai elemen yang berdekatan 1/(2-9) Kebalikan dari keterangan nilai 2-9 Sumber: Marimin et al. (2010)

7

Gambar 3. Proses perhitungan AHP (Sumber: Ho, 2008) Menentukan prioritas dari parameter yang ada dengan cara menentukan nilai eigen ( ) (Marimin et. al. 2010). Nilai eigen didapat dengan langkah: (1) menghitung kuadrat matriks; (2) menghitung jumlah nilai setiap baris kemudian dilakukan normalisasi nilai dengan membagi nilai tiap baris dengan jumlah seluruh nilai masing-masing baris; lakukan perhitungan (1) dan (2) hingga hasil normalisasi nilainya sama dengan sebelumnya, lalu hentikan perhitungan. Kemudian dilakukan pengujian konsitensi terhadap nilai perbandingan berpasangan antar parameter. Dalam pengambilan keputusan agar hasilnya akurat maka diperlukan konsistensi yang tinggi. Consistency Ratio (CR) digunakan untuk memeriksa apakah penilaian terhadap perbandingan berpasangan telah memiliki nilai konsisten atau tidak. Untuk mengetahui nilai CR (rumus 4) terlebih dahulu dicari nilai Consistency Index (CI) dengan rumus 3 sebagai berikut.

8

Nilai dari adalah hasil rata-rata dari Consistency Vector yang didapat dari hasil perhitungan Weighted Sum Vector. Weighted Sum Vector dapat dihitung dengan cara mengalikan matriks perbandingan berpasangan terhadap nilai eigennya. Tabel 2. Random Matrix Consistency Index (RI) N RI N RI

1 0 9 1.46

2 0 10 1.49

3 0.52 11 1.52

4 0.89 12 1.54

5 1.12 13 1.56

6 1.26 14 1.58

7 1.36 15 1.59

8 1.41

Sumber : Zeshui (2010) Penilaian perbandingan berpasangan dikatakan bahwa nilai-nilai yang dimasukkan adalah konsisten apabila CR tidak lebi dari 0.10 (Marimin et al. 2010), atau jika nilai CI=0 maka konsisten; jika maka cukup konsisten; dan jika maka sangat tidak konsisten (Kusumadewi et al. 2006). Apabila nilai perbandingan berpasangan tidak konsisten, maka perlu dilakukan pengambilan nilai ulang terhadap perbandingan berpasangan oleh ahli. Technique for Order Performance by Similarity to Ideal Solution (TOPSIS) TOPSIS dikenal sebagai salah satu metode pengambilan keputusan multikriteria yang dikembangkan oleh Yoon dan Hwang (Jahanshahloo et al. 2006). Dalam penelitian ini, TOPSIS digunakan untuk menentukan ranking setiap partai politik dan calon presiden terhadap masing-masing nilai website dan sosial media yang dimilikinya. Tiap parameter yang dihitung dengan metode TOPSIS memerlukan pembobotan. Pembobotan tersebut telah didapat pada tahap penggunaan metode AHP. Prosedur TOPSIS mengikuti langkah-langkah sebagai berikut: 1) Membuat matriks keputusan yang ternormalisasi; Langkah-langkah dalam membangun matriks keputusan yang ternormalisasi: a. Hitung kuadrat dari nilai tiap parameter b. Jumlahkan nilai kuadrat tiap parameter c. Hitung normalisasi matik keputusan , dengan i=1,2,...,m; dan j=1,2,...,n. (∑

)

= normalisasi terhadap tiap alternatif = nilai tiap-tiap kriteria 2) Membuat matriks keputusan yang ternormalisasi terbobot;

9 = keputusan ternormalisasi terbobot terhadap tiap alternatif = bobot kriteria = nilai normalisasi terhadap tiap alternatif 3) Menentukan matriks solusi ideal positif dan matriks solusi ideal negarif; Nilai dari yang paling besar maka dipilih sebagai solusi ideal positif, sedangkan nilai yang paling kecil dianggap sebagai solusi ideal negatif 4) Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif dan solusi ideal negatif; adalah jarak alternatif solusi ideal positif, didefinisikan dengan persamaan sebagai berikut. √∑

(

) , dengan

= ideal positif, nilai yang paling mendekati 1 pada setiap kriteria yang dimiliki masing-masing alternatif adalah jarak alternatif solusi ideal negatif, didefinisikan dengan persamaan sebagai berikut. √∑

(

) , dengan

= ideal negatif, nilai yang paling mendekati 0 pada setiap kriteria yang dimiliki masing-masing alternatif 5) Menghitung kedekatan relatif terhadap solusi ideal masing-masing alternatif ( .

, dengan 0 < Dari hasil

< 1 dan

dilakukan perangkingan terhadap alternatif.

3 METODE Pengembangan sistem dalam penelitian ini menggunakan metode System Development Live Cycle (SDLC) dengan model waterfall. Model waterfall terdiri dari empat tahap, yaitu project palanning, analysis, desaign, dan implementation

10

Gambar 4. Metode SDLC dengan model waterfall (Satzinger et al. 2009) Project Planning Tahapan ini mencakup identifikasi sistem yang akan dikembangkan. Tahapan ini dilakukan dengan menginvestigasi apa saja yang akan dibutuhkan dalam pengembangan sistem. Investigasi ini dilakukan dengan mengidentifikasi existing system yang disesuaikan dengan cakupan penelitian. Analysis (Analisis) Tahap analisis ini adalah tahan penentuan parameter dalam penelitian yang mencakup kegiatan mengidentifikasi parameter-parameter yang dibutuhkan dalam penilaian partai dan aktor politik pemilu dalam media online. Design (Perancangan) Tahapan ini bertujuan untuk menentukan gambaran kebutuhan para pemakai sistem dan untuk memberi gambaran dan rancang bangun ssitem sebelum dilakukan implementasi. Perancangan ini terdiri dari perancangan database dan antarmuka (user interface). Implementation (Implementasi) Selanjutnya adalah tahap implementasi sistem. Hasil analisa dan perancangan kemudian diimplemen-tasikan dengan menggunakan software WampServer dan bahasa pemrograman PHP dan javascript dan menggunakan database MySQL 5.5.

11

Ujicoba/Testing Setelah dilakukan implementasi sistem melalui penulisan program ke dalam bahasa pemrograman berdasarkan spesifikasi sistem yang dihasilkan pada fase analisis, kemudian dilakukan serangkaian pengujian terhadap aplikasi yang dibangun untuk mendeteksi kesalahan serta memastikan setiap input yang dimasukkan menghasilkan output yang diharapkan. Pengujian akan dilakukan menggunakan metode black box yaitu berfokus kepada kebutuhan fungsional aplikasi dan kemudian dicoba mengimplementasikan data pada aplikasi yang dibangun untuk mengetahui hasil capaian partai dan aktor politik terhadap pemanfaatan media online.

4 HASIL DAN PEMBAHASAN Project Planning Peringkat partai dan calon presiden didapat dengan menggunakan gabungan tiga metode yaitu LWM, AHP dan TOPSIS. Dilakukan berdasarkan parameter penelitian yang dugunakan yaitu parameter Aktifitas Media Sosial, Kontent Website, Keterbagian Website dan Media Sosial, dan Performa Website. Pada Gambar 5 dapat dilihat proses penggunaan ke tiga metode tersebut. Sedangkan data partai, calon presiden, dan calon legislatif yang digunakan dalam penelitian adalah data yang diperoleh dari situs resmi KPU sebelum pemilihan umum dimulai.

Gambar 5. Langkah penggabungan LWM dan AHP dalam TOPSIS.

12 Analisis Perangkingan ditentukan dengan penilaian yang menggunakan beberapa parameter. Parameter yang digunakan dibedakan menjadi empat bagian besar berdasarkan objek yang dinilai, antara lain : 1. Parameter Aktifitas Media Sosial Parameter Aktifitas Media Sosial merupakan kumpulan dari beberapa variabel yang terkait dengan aktifitas objek penelitian (partai dan calon presiden) pada media sosial. Parameter ini diadopsi dari penelitian Amirullah dan Nurhadryani (2013) dengan menambahkan beberapa variabel didalamnya. Contohnya jumlah posting status pada Facebook atau posting tweet pada Twitter yang dimiliki oleh setiap objek penelitian tersebut. Parameter lebih detail dapat dilihat pada tabel dibagian lampiran 1. 2. Parameter Konten Website Parameter Konten Website merupakan kumpulan dari beberapa variabel yang terkait dengan konten website yang dimiliki oleh objek penelitian (partai calon presiden). Parameter ini diadopsi dari penelitian Gibson dan Ward (2000), Nurhadryani (2010), dan dari penelitian Bonson et al. (2012). Konten website tersebut diantaranya profil, sejarah, struktur organisasi, logo, form tanyajawab, dan lain-lain. Parameter lebih detail dapat dilihat dibagian lampiran 1. 3. Parameter Keterbagian Website dan Media Sosial Variabel pada parameter ini mengambil nilai dari jumlah terbaginya website pada media sosial dan media sosial kepada sesama media sosial. Pada parameter ini dapat digunakan sebagai indikasi keterlibatan orang lain dalam mempromosikan alamat website atapun alamat media sosial yang dimiliki oleh partai maupun calon presiden. Misalkan jumlah terbaginya website suatu partai politik dalam Facebook, jumlah terbaginya alamat Facebook partai politik dalam Twitter atau sebaliknya. Variabel-variabel tersebut antara lain: jumlah terbaginya alamat website dalam Facebook, jumlah terbaginya alamat website dalam Twitter, jumlah terbaginya alamat website dalam LinkedIn, jumlah terbaginya alamat Facebook dalam Twitter, jumlah terbaginya alamat Twitter dalam Facebook, jumlah terbaginya alamat Facebook dalam LinkedIn. Lebih lengkapnya dapat dilihat pada tabel dibagian lampiran 1. 4. Parameter Performa Website. Paramter Performa Website merupakan kumpulan dari beberapa variabel yang digunakan untuk mengetahui performa website dari segi kode program webbased, antara lain: load time, broken link, mark-up validation, CSS validation.

13

Perancangan Rancangan Data Flow Diagram (DFD) Data Flow Diagram (DFD) adalah suatu model logika data atau proses yang dibuat untuk menggambarkan asal data dan tujuan data yang keluar dari system, tempat penyimpanan data, proses apa yang dihasilkandata tersebut, serta interaksi antara data yang tersimpan dan proses yang dikenakan pada data tersebut. Dalam proses pengembangan desain sistem digunakan model berupa metode berarah aliran data dengan menggunakan Data Flow Diagram. Desain ini dimulai dari bentuk yang paling global yaitu diagram konteks, kemudian akan diturunkan sampai bentuk yang paling detail. Dalam sistem ini melibatkan empat aktor, diantaranya administrator, pakar, surveyor, dan user. Berikut ini adalah diagram konteks sistem pemeringkata media online partai dan aktor politik pemilu, dapat terlihat pada Gambar 6.

Gambar 6. Diagram Konteks Pada gambar 6 di atas dapat dilihat perang masing-masing aktor. Administrator mengelola data partai dan aktor politik serta mengelola parameter. Surveyor sebagai petugas input nilai partai dan aktor politik pemilu yang terdiri dari calon presiden dan calon legislatif. Pakar bertugas untuk memberi penilaian pada setiap parameter. Sedangkan pengguna, yaitu pengguna umum dapat melihat data perangkingan. Berikut ini adalah Data Flow Diagram level 1 sistem pemeringkatan media online partai dan aktor politik pemilu yang menggambarkan aliran data dari proses memasukkan data, proses perhitungan nilai, hingga proses perangkingan partai, calon presiden, dan calon legislatif. DFD level 1 dapat dilihat pada Gambar 7 di bawah ini.

14

Gambar 7. Data Flow Diagram level 1

15

Gambar 8. Data Flow Diagram level 2

16 Gambar 8 di atas adalah Data Flow Diagram (DFD) level 2 sistem pemeringakatan media online partai dan aktor politik pemilu. Proses 1.1.1, 1.1.2, 1.1.3, 1.1.4 adalah proses pengolahan data parameter yang dilakukan oleh administrator yang kemudian disimpan dalam data store “data parameter”. Proses 1.2.1, 1.2.2, 1.2.3 adalah proses olah data partai, calon presiden, dan calon legislatif yang juga dilakukan oleh administrator kemudian masuk dalam data store “partai, capres, caleg”. Proses 1.3.1, 1.3.2, 1.3.3 adalah proses olah data nilai partai, nilai calon presiden, dan nilai calon legislatif yang dilakukan oleh surveyor kemudian disimpan dalam data store “nilai partai, capres, caleg”. Pada prosesproses ini setiap data partai, capres dan caleg disesuaikan dengan yang ada pada data store “partai, capres, caleg”. Proses 1.4 adalah proses pemberian nilai pada setiap parameter untuk mencari bobot masing-masing parameter menggunakan metode AHP yang dilakukan oleh pakar, bobot parameter yang dihasilkan disimpan pada data store “bobot parameter”. Proses 1.5.1 adalah proses normalisasi nilai yang dimiliki oleh partai, capres dan caleg dengan metode LWM kemudian dilanjutkan pada proses 1.5.2 untuk menggabungkan hasil normalisasi dan bobot parameter dengan menggunakan metode TOPSIS untuk menghasilkan peringkat partai, capres dan caleg. Rancangan Data Base (Basis Data) Berikut ini adalah desain relasi tabel dari database yang digunakan dalam sistem. Untuk menggambarkan relasi antar tabel menggunakan alat bantu Entity Relationship Diagram (ERD). ERD yang telah dibentuk dapat dilihat pada Gambar 9 di bawah ini.

17

Gambar 9. Entity Relationship Diagram (ERD) dalam database sistem

18 Rancangan Sitemap Sitemap pada setiap pengguna (user, administrator dan pakar) berbeda. Perbedaan terdapat pada hak akses aktor. Pengguna biasa (user) dapat melihat hasil pengamatan partai, capres, dan caleg. Untuk Surveyor, disamping dapat melihat hasil pengamatan sebagai user, juga diberikan hak akses login untuk melakukan survey atau input nilai pengamatan terhadap partai, capres, dan caleg. Pakar juga mempunyai hak akses login untuk input nilai parameter. Sedangkan administrator mempunyai hak akses login ke halaman administrator, dapat menambah/mengubah/menghapus variabel pada masing-masing parameter, menambah/mengubah/menghapus data partai, capres, dan caleg. Selain itu, administrator juga dapat melakukan perhitungan nilai partai dan capres. Berikut ini gambar site map masing-masing pengguna.

Gambar 10. Sitemap user (pengguna biasa)

Gambar 11. Sitemap admin

19

Gambar 12. Sitemap surveyor

20

Gambar 13. Sitemap pakar Perancangan Antar Muka Pengguna (User Interface) Antar muka sistem dibagi menjadi tiga bagian yang sama untuk empat aktor yang berbeda hak aksesnya (user, pakar, surveyor, administrator). 1. Halaman Depan a. Beranda Beranda | Partai | Calon Presiden | Calon Legislatif SMARTIP Sistem Pemeringkatan Media Online Partai dan Aktor Politik

Masuk

Laboratorium Software Engineering and Information Science (SEInS) Departemen Ilmu Komputer, IPB Jln. Meranti Wing 20 Level 5-6 Bogor

Anda berada di: Beranda

widget

Logo IPB

isi

Laboratorium Software Engineering and Information Science (SEInS) Departemen Ilmu Komputer, Institut Pertanian Bogor

Gambar 18. Halaman beranda sistem

widget

21 b. Halaman Partai Beranda | Partai | Calon Presiden | Calon Legislatif SMARTIP Sistem Pemeringkatan Media Online Partai dan Aktor Politik

Masuk

Laboratorium Software Engineering and Information Science (SEInS) Departemen Ilmu Komputer, IPB Jln. Meranti Wing 20 Level 5-6 Bogor

Anda berada di: Partai

Peringkat partai dalam kampanye di media online

Logo IPB

Tabel peringkat partai Peringkat

Nama partai

Nilai (skala 0-1)

Laboratorium Software Engineering and Information Science (SEInS) Departemen Ilmu Komputer, Institut Pertanian Bogor

Gambar 19. Halaman Partai

Implementasi Sistem Halaman depan aplikasi yang dibangun ditampilkan pada Gambar 1. Pada sistem terdapat fasilitas untuk pengambilan data secara manual dan otomatis.

Gambar 20. Beranda aplikasi

22

Gambar 21. Halaman Partai Pada variabel dengan pengambilan data secara otomatis perlu dimaksukkan kode program untuk request data dari sumber, namun tidak berlaku untuk variabel dengan pengambilan data secara manual. Pengambilan data secara manual dilakukan dengan melihat langsung pada objek sesuai dengan variabelnya. Untuk pengambilan data secara otomatis cukup dengan menekan tombol GET untuk mendapatkan data yang inginkan.

Gambar 19. Contoh pengambilan data secara otomatis Contoh sederhana kode program untuk mengakses jumlah like pada akun fan page Facebook dan jumlah follower pada akun Twitter: 

Facebook

1. $ambil = json_decode(file_get_contents ("http://graph.$alamat")); 2. echo $ambil->likes;



Twitter

1. $user=$connection->get("https://api. twitter.com/1.1/users/ show.json? screen_name=".$alamat); 2. echo $following = intval($user-> friends_count);

Media sosial Facebook menyediakan data dalam bentuk JSON (Java Script Object Nation), tidak semua data yang disediakan media sosial dalam bentuk JSON, misalkan berbentuk XML maka pengambilan data juga harus menyesuaikan dengan menggunakan kode XML. Variabel $alamat dalam kode di atas adalah alamat Facebook/Twitter yang dimiliki oleh partai dan calon presiden.

23 Ujicoba Sistem Pengujian Black Box Pada tahap ini dilakukan pengujian sistem dengan metode black box testing atau berfokus pada fungsi yang berinteraksi secara langsung dengan pengguna aplikasi. Setiap layanan atau menu diuji untuk mendapatkan hasil yang diharapkan. Pengujian dilakukan dengan cara memberi input data yang bersifat valid maupun tidak valid pada sistem. Hasil pengujian yang telah dilakukan dapat dilihat pada Lampiran 2 dan diharapkan hasil pengujian tersebut dapat dijadikan sebagai masukan terhadap proses penyempurnaan sistem. Tabel 4. Kasus uji aplikasi menggunakan metode black box Halaman Beranda

Kasus Uji Login administrator Login pakar Login surveyor Link ke menu partai Link ke menu capres Link ke menu caleg Link ke menu pembobotan parameter Pakar Link ke menu ubah profil Link ke menu ubah username Link ke menu ubah password Link ke menu pengamatan partai Surveyor Link ke menu pengamatan capres Link ke menu pengamatan caleg Import nilai Penilaian menggunakan Ms.Excel Penilaian menggunakan website Link import nilai partai Link import nilai capres Link import nilai caleg Administrator Link parameter Tombol aktif non-aktif variabel Tambah variabel Link partai Link tambah partai Link capres Link tambah capres Tambah capres Link caleg Link tambah caleg Link peringkat partai Peringkat partai, capres dan caleg Hasil pengujian menunjukkan bahwa seluruh fungsi menu telah berjalan dengan baik. Selain pengujian menu, pengujian juga dilakukan terhadap

24 antarmuka/interface. Sistem telah diuji dengan menggunakan browser Internet Explorer 7 keatas, Mozilla Firefox, dan Google Chrome. Secara fungsional, sistem ini dapat berjalan dengan baik pada ketiga browser tersebut Implementasi Data Data penelitian yang digunakan sebagai contoh penerapan pada sistem ini adalah data partai yang diambil pada bulan Maret sebelum pemilu legislatif dan data calon presiden yang diambil pada bulan Juni sebelum proses pemilu presiden dimulai. Jumlah partai politik Nasional yang lolos seleksi KPU sebanyak 12 partai, antara lain Nasdem, PKB, PKS, PDIP, Golkar, Gerindra, Demokrat, PAN, PPP, Hanura, PBB, dan PKPI. Ada dua calon presiden yang maju, yaitu Prabowo Subianto dari partai Gerindra sebagai calon presiden dengan nomor urut 1, dan Joko Widodo dari partai PDI Perjuangan sebagai calon presiden dengan nomor urut 2. Tabel 5. Alamat Website dan Media Sosial Calon Presiden Prabowo Subianto Website

http://indonesiabangkit.org www.facebook.com/Prabo Facebook woSubianto https://twitter.com/jokowi Twitter _do2 Youtube Google+ Flickr LinkedIn -

Joko Widodo http:// jokowicenter.com www.facebook.com/JKWofficial https://twitter.com/prabowo08 -

Tabel 6. Data Orisinal milik Calon Presiden Prabowo Subianto Parameter

Total Nilai

Aktivitas Media Sosial

8,288,126

Konten Website

9

Performa Website

203

Keterbagian Media Sosial dan Website 574,035

25 Tabel 7. Data Orisinal milik Calon Presiden Joko Widodo Parameter

Total Nilai

Aktivitas Media Sosial

4,114,705

Konten Website

10

Performa Website

109

Keterbagian Media Sosial dan Website 1,849,283 Koleksi data partai dan calon presiden dilakukan dengan menggunakan aplikasi yang telah dibangun. Pakar memberikan nilai prioritas untuk setiap parameter melalui aplikasi yang dibangun, dan kemudian secara otomatis sistem akan menghitung bobot setiap parameter dengan menggunakan metode AHP, hasil perhitungan yang telah dilakukan oleh sistem disimpan dalam database. Berikut adalah percobaan perhitungan penentuan nilai prioritas parameter yang dilakukan oleh tiga pakar. 1) Pakar A Pakar A memberikan penilaian perbandingan berpasangan pada setiap parameter penelitian, dengan menggunakan software berbasis web yang telah dibangun. Pada Tabel 40 dapat dilihat nilai perbandingan berpasangan yang diberikan oleh Pakar A. Tabel 8. Nilai Skala Perbandingan Berpasangan Pakar A

Aktivitas Media Sosial Keterbagian Media Sosial dan Website Konten Website Performa Website

Aktivitas Keterbagian Media Konten Performa Media Sosial dan Website Website Website Sosial 1.000 0.333 2.000 3.000 3.000

1.000

3.000

3.000

0.500 0.333

0.333 0.333

1.000 2.000

0.500 1.000

Setelah nilai perbandingan berpasangan telah ditentukan, selanjutnya sistem akan menghitung berdasarkan algoritma metode AHP untuk mencari bobot setiap parameter. Pada percobaan Pakar A diketahui bahwa nilai Consistency Ratio (CR) sebesar 0.064 yang berarti penilaian perbandingan berapasangan oleh Pakar A memiliki nilai yang cukup konsisten. Tabel 9. Perhitungan Nilai Eigen dari Perbandingan Berpasangan Pakar A Hasil iterasi ke : 1 eigen 4.000 2.333 11.000 8.000 0.262 8.500 4.000 18.000 16.500 0.486 2.167 1.000 4.000 3.500 0.110 2.667 1.444 5.667 4.000 0.142

26

Tabel 10. Perhitungan Nilai Eigen dari Perbandingan Berpasangan Pakar A (lanjutan) Hasil iterasi ke : 2 eigen 81.004 41.216 175.330 140.995 0.257 151.012 77.656 331.005 263.000 0.483 35.170 18.110 77.671 61.836 0.113 45.890 23.441 100.665 80.996 0.147 Hasil iterasi ke : 3 eigen 25422.375 13019.621 55656.452 44522.704 0.257 47670.080 24414.048104365.843 83485.438 0.483 11153.081 5712.036 24418.362 19533.057 0.113 14514.440 7433.407 31777.195 25420.317 0.147 Weighted Sum Vector: 1.085; 2.034; 0.476; 0.620 Consistency Vector: 4.222; 4.211; 4.212; 4.218 Rata-rata = 4.216 Consistency Index (CI) = 0.072 Consistency Ratio (CR) = 0.064 2) Pakar B Tabel 11. Nilai Skala Perbandingan Berpasangan Pakar B

Aktivitas Media Sosial Keterbagian Media Sosial dan Website Konten Website Performa Website

Aktivitas Keterbagian Media Konten Performa Media Sosial dan Website Website Website Sosial 1.000 3.000 0.500 2.000 0.333

1.000

0.333

0.500

2.000 0.500

3.000 2.000

1.000 0.500

2.000 1.000

Tabel 12. Perhitungan Nilai Eigen dari Perbandingan Berpasangan Pakar B 4.000 1.583 6.000 2.667 69.540 25.384 98.665 43.919

Hasil iterasi ke : 1 11.500 3.000 4.000 1.083 16.000 4.000 7.000 1.917 Hasil iterasi ke : 2 185.500 48.915 67.864 17.885 263.500 69.540 117.343 30.918

6.500 2.333 9.500 4.000 107.329 39.242 152.328 67.878

eigen 0.294 0.106 0.417 0.183 eigen 0.293 0.107 0.415 0.185

27 Tabel 13. Perhitungan Nilai Eigen dari Perbandingan Berpasangan Pakar B (lanjutan) Hasil iterasi ke : 3 eigen 19084.524 50971.851 13439.164 29479.452 0.293 6975.956 18631.726 4912.413 10775.613 0.107 27101.106 72382.936 19084.385 41862.492 0.415 12064.420 32222.241 8495.667 18635.656 0.185 Weighted Sum Vector : 1.192; 0.435; 1.692; 0.753 Consistency Vector : 4.068; 4.065; 4.077; 4.070 Rata-rata = 4.070 Consistency Index (CI) = 0.023 Consistency Ratio (CR) = 0.021 3) Pakar C Tabel 14. Nilai Skala Perbandingan Berpasangan Pakar C

Aktivitas Media Sosial Keterbagian Media Sosial dan Website Konten Website Performa Website

Aktivitas Keterbagian Media Konten Performa Media Sosial dan Website Website Website Sosial 1.000 2.000 4.000 2.000 0.500

1.000

4.000

4.000

0.250 0.500

0.250 0.250

1.000 3.000

0.333 1.000

Tabel 15. Perhitungan Nilai Eigen dari Perbandingan Berpasangan Pakar C 4.000 4.000 0.792 1.875 80.423 68.798 14.731 31.128 25914.075 22362.134 4763.238 10126.293

Hasil iterasi ke : 1 5.500 22.000 4.000 22.000 1.083 4.000 2.250 9.000 Hasil iterasi ke : 2 97.825 416.997 85.075 356.997 17.896 76.753 38.059 162.750 Hasil iterasi ke : 3 31689.301134832.907 27347.035116352.963 5824.708 24783.871 12383.057 52689.420

13.333 10.333 2.167 4.000 211.169 183.670 39.086 83.752 68934.933 59490.045 12671.187 26939.209

Eigen 0.406 0.366 0.073 0.155 eigen 0.410 0.353 0.076 0.161 Eigen 0.410 0.354 0.075 0.160

Weighted Sum Vector: 1.738; 1.499; 0.319; 0.679 Consistency Vector: 4.239; 4.246; 4.197; 4.217

28 Rata-rata = 4.225 Consistency Index (CI) = 0.075 Consistency Ratio (CR) = 0.067 Setelah diketahui nilai perbandingan berpasangan yang diberikan oleh para pakar konsisten, maka langkah selanjutnya adalah penggabungan pendapat para pakar tersebut dengan menggunakan rata-rata geometrik. Hasil penggabungan tersebut yang akan dijadikan bobot akhir dari masing-masing parameter. Gambar 46 menunjukkan bobot masing-masing parameter, bobot ini digunakan dalam proses pemeringkatan partai dan calon presiden. Tabel 16. Bobot Parameter Parameter

Bobot

Aktivitas Media Sosial

0.410

Konten Website

0.354

Keterbagian Website dan Media Sosial

0.075

Performa Website

0.160

Tabel 17. Hasil Metode LWM Data Calon Presiden Parameter

Prabowo Joko Subianto Widodo

Aktivitas Media Sosial

1.0000

0.0000

Konten Website

0.0000

1.0000

Keterbagian Website dan Media Sosial

0.0000

1.0000

Performa Website

0.0000

1.0000

Tabel 18. Hasil Metode TOPSIS Data Calon Presiden Nama Calon Presiden Nilai Prabowo Subianto

0.4611

Joko Widodo

0.5389

Dari hasil perhitungan metode TOPSIS dilakukan perbandingan nilai untuk mendapatkan peringkat, skala nilai yang digunakan adalah dalam skala 0-1, jika dilihat dari perbandingan nilai yang sangat signifikan tersebut dapat diketahui bahwa calon presiden Joko Widodo mendapat peringkat atas dengan total nilai 0.5389 (53.9%), calon presiden Prabowo Subianto dengan total nilai 0.4611 (46.1%) mendapati urutan ke dua.

29 Berikut alamat media online partai politik yang diteliti, terdiri dari alamat website, Facebook, Twitter, Flickr, Youtube, Google+, dan alamat LinkedIn. Alamat media sosial yang diperoleh dari website partai politik tidak semua media sosial tersebut dimiliki oleh setiap partai. 1) Nasdem.  Website: http:// partainas dem.org/;  Facebook: https://facebook.com/430186005503;  Twitter: @Nasdem 2) PKB.  Website: http://pkb.or.id/;  Facebook: https://facebook.com/ pkb2pkb;  Twitter: @PKB_News_Online 3) PKS.  Website: http://pks.or.id/;  Facebook: https://facebook.com/HumasPartaiKeadilan Sejahtera;  Twitter: @PKSejahtera;  Youtube: https://www.youtube.com/user/konpress;  Google+: https://plus. google.com/+PKSTVIndonesia 4) PDIP.  Website: http:// pdiperjuangan.or.id/;  Facebook: https://www.facebook.com/DPP.PDI.Perjuangan;  Twitter: @PDI_Perjuangan 5) Golkar.  Website: http://partaigolkar.or.id/;  Facebook: https:// www. facebook. com/DPPPGolkar;  Twitter: @GolkarID;  Youtube: https://www.youtube.com/user/MediaCenter Golkar;  Flickr: https://www.flickr.com/photos/100898 873@N08/;  Google+: https://plus.google.com/u/0/ 101452160579419186402 6) Gerindra.  Website: http://partaigerindra.or.id;  Facebook: https://www.facebook.com/Gerindra;  Twitter: @Gerindra;  Yotube: https://www.youtube.com/GerindraTV;  Google+: https://plus.google.com/106292031330674189208 7) Demokrat.  Website: http://demokrat.or.id/;  Facebook: https:// www.facebook.com/PDemokrat;  Twitter: @Pdemokrat;  Youtube: https://www.youtube.com/user/demokrattv;  Google+: https://plus.google.com/105966590905385389587

30 8) PAN.    9) PPP.   

Website: http://amanatnasional.com/; Facebook: https:// www.facebook.com/amanatnasional; Twitter: @official_pan Website: http://ppp.or.id/; Facebook: https://www.facebook. com/pppdpp; Twitter: @DPP_PPP

10) Hanura.  Website: http://hanura.com/;  Facebook: https://www. facebook.com/hanura.official;  Twitter: @hanura_official 11) PBB.  Website: http://bulan-bintang.org/;  Facebook: https://www. facebook.com/114716555303039;  Twitter: @DPPBulan Bintang 12) PKPI.  Website: http://pkpi-nasional.blogspot.com/;  Facebook: https://www.facebook.com/pkpi.or.id;  Twitter: @SobatBangYos;  Yotube: https://www.youtube.com/ user/ pkpinasional;  Google+: https://plus.google.com/ 103733102342363078521

Tabel 19. Data Orisinal Milik Partai Nama Partai

Aktivitas Media Sosial

Keterbagian Media Sosial dan Website

Konten Website

Performa Website

Nasdem

46,540

11

485,458

129.74

PKB

25,010

4

129,042

622.14

PKS

2,251,082

15

173,862

89.20

PDI-P

293,412

22

146,933

239.10

Golkar

46,860

11

109,272

207.00

2,483,648

23

101,670

169.00

Gerindra

31 Tabel 20. Data Orisinal Milik Partai (lanjutan) Aktifitas Media Sosial

Konten Website

Demokrat

73,812

9

552,993

74.30

PAN

32,092

1

152,027

23.47

PPP

9,839

14

161,158

23.47

523,204

9

71,420

280.95

PBB

2,801

12

223,252

81.37

PKPI

25,757

10

96,662

228.07

Nama Partai

Hanura

Keterbagian Performa Media Sosial Website & Website

Tabel 21. Hasil Metode LWM Data Partai Nama Partai

Aktivitas Media Sosial

Konten Website

Keterbagian Performa Media Sosial Website dan Website

Nasdem

0.0176

0.4545

0.8598

0.8225

PKB

0.0090

0.1364

0.1197

0.0000

PKS

0.9063

0.6364

0.2127

0.8902

PDI-P

0.1171

0.9545

0.1568

0.6398

Golkar

0.0178

0.4545

0.0786

0.6934

Gerindra

1.0000

1.0000

0.0628

0.7569

Demokrat

0.0286

0.3636

1.000

0.9151

PAN

0.0118

0.0000

0.1674

1.0000

PPP

0.0028

0.5909

0.1863

0.5230

Hanura

0.2098

0.3636

0.0000

0.5699

PBB

0.0000

0.5000

0.3153

0.9033

PKPI

0.0093

0.4091

0.0524

0.6582

32 Tabel 22. Hasil Metode Topsis Data Partai Nama Partai Nilai (skala 0-1) Persentase Gerindra

0.6553

16.73 %

PKS

0.6419

16.39 %

Demokrat

0.4140

10.57 %

NasDem

0.3902

9.96 %

PDI-P

0.3672

9.38 %

PBB

0.2772

7.08 %

PPP

0.2533

6.47 %

Hanura

0.2346

5.99 %

Golkar

0.2164

5.53 %

PKPI

0.1978

5.05 %

PAN

0.1872

4.78 %

PKB

0.0807

2.06 %

Berdasarkan hasil analisis menggunakan perhitungan metode LWM, AHP dan TOPSIS dapat diketahui bahwa beberapa partai politik yang relatif baru (didirikan setelah tahun 2000) seperti Gerindra, Demokrat, PKS, dan Nasdem lebih mendominasi dalam perolehan nilai teratas, persentase pemanfaatan media online untuk aktifitas e-campaign tertinggi dilakukan oleh partai Gerindra, kemudian disusul oleh PKS, dan Demokrat yang rata-rata di atas 10%. Berikut ini adalah data pengguna media sosial pada ujicoba sistem untuk calon legislatif. Calon legislatif yang diamati adalah calon anggota DPR-RI dari daerah pemilihan Bangka Belitung propinsi Bangka Belitung dengan jumlah 36 calon anggota legislatif dari 12 partai politik Nasional. Data diambil pada bulan Maret 2014.

33 Tabel 23. Pengguna media online caleg DPR-RI dapil Bangka Belitung berdasarkan Partai Politik Nama Partai

Facebook Twitter LinkedIn Youtube Google+ Flickr

Blog/ Total website

Nasdem

1

0

1

0

0

0

0

2

PKB

1

1

0

0

0

0

0

2

PKS

3

1

0

0

0

0

1

5

PDI-P

0

0

0

0

0

0

0

0

Golkar

1

0

0

0

0

0

1

2

Gerindra

1

0

0

0

0

0

0

1

Demokrat

0

0

0

0

0

0

1

1

PAN

0

0

0

0

0

0

0

0

PPP

1

0

0

0

0

0

0

1

Hanura

1

0

0

0

0

0

0

1

PBB

0

1

0

0

0

0

0

1

PKPI

2

0

0

0

0

0

0

2

Tabel 24. Pengguna media online calon legislatif DPR-RI dapil Bangka Balitung Media Sosial Pengguna Persentase Facebook

11

3.96%

LikedIn

1

0.36%

Twitter

3

1.08%

Youtube

0

0%

Flickr

0

0%

Google+

0

0%

Blog/website

3

1.08%

Total

18

6.48%

Berdasarkan data terlihat pengguna media sosial Facebook lebih mendominasi dibanding media sosial lain, pengguna Facebook terbanyak dimiliki oleh caleg dari partai PKS sebanyak 3 orang dari total 3 calon yang diajukan oleh partai PKS. Pemanfaatan media online oleh para calon legislatif DPR-RI daerah pemilihan Bangka Belitung propinsi Bangka Belitung terbilang masih sedikit, dari total 36 calon hanya ditemukan 6.48% yang memanfaatkannya.

34

5 SIMPULAN DAN SARAN Kesimpulan Sistem monitoring semi terotomasi pada media online partai dan aktor politik pemilu ini dapat memberikan gambaran ketercapaian partai dan aktor politik dalam pemanfaatan media online sebagai alat pengenalan atau kampanye pada masyarakat yang menggunakan internet. Sistem menyediakan fasilitas untuk monitoring partai, calon presiden, dan calon legislatif dengan menggunakan parameter aktifitas media sosial, konten website, keterbagian media sosial dan website, dan performa website. Sistem juga menyediakan hasil perangkingan partai dan calon presiden dengan menggunakan metode Analytical Hierarchy Process (AHP), Linear Weightage Model (LWM), dan Metode Technique for Order Performance by Similarity to Ideal Solution (TOPSIS). Hasil perangkingan disajikan dalam bentuk chart untuk mempermudah pengguna. Saran Sistem dapat dikembangkan lebih lanjut dengan memberi bobot pada masing-masing variabel dengan menggunakan metode termutakhir misalnya dengan metode Analytical Neural Process (ANP) yang merupakan pengembangan dari Analytical Hierarchy Process (AHP), atau menggunakan metode pembobotan lainnya.

DAFTAR PUSTAKA Amirullah F, Nurhadryani Y. 2013. Campaign 2.0 : an analyze of the utilization social network sites of political parties in indonesia. IEEE International Conference on Advanced Computer Sciece and Information Systems. 243249 Bonson E et al. 2012. Local e-government 2.0: Social media and corporate transparency in municipalities. Government Information Quarterly 29(2012):123-132. Cha SH, Yun Y. 2013. Smartphone application development using Html5 based cross platform framework. International Journal of Smart Home. 7(4): 195-202 Chen S, Jian T, Yang H. 2011. A fuzzy ahp approach for evaluating customer value of B2C companies. J Computer. 6(2):224-231. Crossland M, Chigona W. 2010. An evaluation of the functionality and delivery of websites of political parties in South Africa. SAJIM. 12(1):1-5. doi: 10.4102/sajim.v12i1.453 Dominic PDD, Jati H. 2011. A comparison of asian e-goverment website quality: using a non-parametric test. Int. J. Business Information System. 7(2): 220246

35 Feezell JT, Conroy M, Guerrero M. 2009. Facebook is fostering political engagement: a study of online social networking groups and offline participation. American Political Science Association. 1-25 Ghosh D N. 2011. Analytic hierarchy process & topsis method to evaluate faculty performance in engineering education. UNIASCIT. 1(2): 65. Gibson R, Ward S. 2000. A proposed methodology for studying the function and effectiveness of party and candidate websites. Social Science Computer Review. 18(3):301–319 Ho W. 2008. Integrated analytic hierarchy process and its applications – a literature review. European Journal of Operational Research. 186 (2008): 211–228 Jahanshahloo G R, Lothfi F H, Izadikhah M. 2006. Extension of the topsis method for decision-making problems with fuzzy data. Applied Mathematics and Computation. 181: 1544-1551 Kusek JZ, Rist RC. 2004. A handbook for development practitioners: ten steps to a results based monitoring and evaluation system. The World Bank : Washington, DC 20433 Kusumadewi S, Hartati S, Harjoko A, Wardoyo R. 2006. Fuzzy multi-attribute decision making (fuzzy madm). Yogyakarta: Graha Ilmu Marimin, Maghfiroh N. 2010. Aplikasi Teknik Pengambilan Keputusan dan Manajemen Rantai Pasok. Bogor: PT Penerbit IPB Press Nurhadryani Y. 2010. Assesing the role of internet in democration of governance: a comparative analysis of the development of e-governance in Indonesia [disertasi]. Tokyo (JP): Tohoku University Nurhadryani Y, Maslow S, Yamamoto H. 2009. „Democracy 1.0‟ meets „Web 2.0‟ : e-campaigning and the role of ICTs in Indonesia‟s political reform process since 1998. Interdisiplinary Information Sciences. 15(2):211-222. doi: 10.4036/iis.2009.211 Olson D L. 2004. Comparison of weights in topsis models. Mathematical and Computer Modelling. 1: 1-7 Palmius J. 2007. Criteria for measuring and comparing information systems. Proceedings of the 30th Information System Research Seminar in Scandinavia IRIS 2007. 21 Ramadhan DA, Nurhadryani Y, Hermadi I. 2014. Campaign 2.0: analysis of social media utilization in 2014 Jakarta legislative election. Proc. The 2014 International Conference on Advanced Computer Science and Information Systems (ICACSIS) pp. 19-10, October 19, 2014. Saaty TL. 2008. Decision making with the Analytic hierarchy process. Int. J. Services Sciences. 1(1): 83-98 Satzinger JW, Jackson RB, Burd SD. 2009. System Analysis & Design in A Changing World. Boston (US) : Cengange Learning Thakare S, Chavan S, Chawan PM. 2012. Software testing strategies and techniques. International Journal of Emerging Technology and Advanced Enginerring. 2(4): 682-687 Tumasjan A, Sprenger TO, Sandner PG, Welpe IM. 2011. Predicting elections with Twitter: what 140 characters reveal about political sentiment. Fourth International AAAI Conference on Weblogs and Social Media; 2011 Des 12;

36 San Francisco, Amerika Serikat. San Francisco (US): Hyatt Regency San Francisco. Hlm 178-18 Vergerr M, Hermans L, Sams S. 2010. The voter is only a tweet away micro blogging during the 2009 European parliament election campaign in the Netherlands. The 3rd Annual Political Networks Conference Duke University, OpenSIUC. 1-24 Wan J, Zhang H, Zhu Y. 2013. Research on 2010 world expo online pavilions general rankings with user experience. J of Theoritical and Applied IT. 50(1): 232-242 Wanger MC, Eichner SV, Graham M, Greene S, Jordan J, Stine Q. 2013. Application programming interfaces (“APIs”) a primer and discussion of Oracle America v. Google [internet]. American Intellectual Property Law Association. [diakses 31 Januari 2014]. Tersedia pada: (http://www.aipla.org,) Website Badan Pusat Statistik (BPS) Nasional. [diakses 10 Sep 2013]. Tersedia pada: http://www.bps.go.id/tab_sub/view.php?tabel=1&daftar=1&id_ subyek=12 Worth J. 2010. Campaigning online [internet]. [diakses 01 Feb 2014]. Tersedia pada: http://campaignhandbook.gef.eu/campaigning-online/2/ Zeshui XU. 2004. A practical method for improving consistency of judgement matrix in the ahp. J of Systems Science and Complexity. 17(2): 169-175

37

LAMPIRAN Lampiran 1. Kamus data pada database sistem. 1) Tabel admin. Berisi data administrator aplikasi. No. Nama Field Type Nilai Keterangan 1. admin_id int 1 No id administrator (Primary key 2. nama varchar 10 Nama administrator 3. keterangan text Keterengan 4. username varchar 10 Username administrator 5. password char 8 Password administartor 2) Tabel pakar. Berisi data para pakar. No. Nama Field Type Nilai 1. pakar_id int 4 2. nama text 3. keterangan text 4. username varchar 10 5. password char 8 6. foto text 3) Tabel surveyor. Berisi data para surveyor. No. Nama Field Type Nilai 1. surveyor_id int 3 2. 3. 4. 5. 6.

nama keterangan username password foto

text text varchar char text

10 8

Keterangan No. id pakar (Primary key) Nama pakar Keterangan Username pakar Password pakar Foto pakar

Keterangan No id surveyor (Primary key) Nama surveyor Keterangan Username surveyor Password surveyor Foto surveyor

38 Lampiran 1. Lanjutan 4) Tabel partai. Berisi data partai. No. Nama Field Type 1. partai_id int

2. 3. 4.

nama namasingkatan tahun

text text int

5. 6. 7. 8. 9.

nourut pimpinan website logo warna

int text text text varchar

Nilai 4

Keterangan No id partai (Primary key) Nama partai Nama singkata partai Tahun saat pemilu yang diikuti partai Nomor urut partai Nama pimpinan partai Alamat website partai Logo partai Warna dominan logo partai

4 3

7

5) Tabel caleg. Berisi data para calon legislatif. No. Nama Field Type Nilai 1. caleg_id int 4 2.

partai_id

int

4

3. 4. 5. 6. 7. 8.

provinsi dapil nama jk usia level

text text text char int varchar

1 2 6

9.

tahun

int

4

10. 11.

nourut foto

int text

2

Keterangan No id caleg (Primary key) No id partai (Foreign key) Nama provinsi Nama dapil Nama caleg Jenis kelamin Usia caleg Level DPD/DPRD/DPRRI Tahun mengikuti pemilu Nomor urut Foto caleg

39 Lampiran 1. Lanjutan 6) Tabel capres. Berisi data para calon presiden. No. Nama Field Type Nilai Keterangan 1. capres_id int 4 No id capres (Primary key) 2. partai_id int 4 No id paratai (Foreign key) 3. nama text Nama capres 4. tahun int 4 Tahun mengikuti pemilu 5. website text Alamat website 6. foto text Foto capres

7) Tabel parameter. Berisi data parameter. No. Nama Field Type Nilai 1. param_id Int 1

2. 3.

param_nama param_bobot

text float

Keterangan No id paramter (Primary key) Nama parameter Bobot parameter

8) Tabel mediasosial. Berisi data nama-nama media sosial yang digunakan dalam parameter media sosial. No. Nama Field Type Nilai Keterangan 1. medsos_id int 4 No id media sosial (Primary key) 2. nama text Nama media sosial 3. status varchar 8 Status aktif/tidak aktif

9) Tabel varmediasosial. Berisi variabel masing-masing media sosial yang digunakan dalam parameter media sosial. No. Nama Field Type Nilai Keterangan 1. var_id int 4 Id variabel (Primary key) 2. medsos_id int 4 Id media sosial (Foreign key) 3. nama text Nama variabel 4. tipe varchar 4 Tipe data variabel 5. keterangan text Keterangan 6. pengambilan int 1 Cara pengambilan data 7. code text Kode untuk pengambilan data

40 Lampiran 1. Lanjutan 10) Tabel kontenwebsite. Merupakan parameter konten website. No. Nama Field Type Nilai Keterangan 1. parweb_id int 4 No id parameter konten website (Primary key) 2. nama text Nama parameter

11) Tabel varkontenwebsite. Berisi variabel dari masing-masing kelompok konten website dalam parameter konten website. No. Nama Field Type Nilai Keterangan 1. var_id int 4 No id variabel (Primary key) 2. parweb_id int 4 No id parameter konten website (Foreign key) 3. nama text Nama variabel 4. tipe varchar 4 Tipe data 5. keterangan text Keterangan 6. pengambilan int 1 Cara pengambilan data 7. code text Kode pengambilan data

12) Tabel keterbagian. Merupakan tabel parameter keterbagian media sosial dan website. No. Nama Field Type Nilai Keterangan 1. ket_id int 4 Id keterbagian (Primary key) 2. media varchar 20 Nama media yang dibagi (website/media sosial) 3. keterangan text Keterangan 4. code text Kode pengambilan data

13) Tabel performaweb. Merupakan tabel parameter performa website. No. Nama Field Type Nilai Keterangan 1. per_id int 4 No id variabel (Primary key) 2. nama text Nama variabel 3. keterangan text Keterangan

41 Lampiran 1. Lanjutan 14) Tabel alamatmedsoscaleg, adalah tabel untuk menyimpan alamat media sosial yang dimiliki oleh calon legislatif No. Nama Field Type Nilai Keterangan 1. medcal_id int 4 No id media sosial (prymary key) 2. caleg_id int 4 No id caleg (foreign key) 3. medsos_id int 4 No id media sosial (foreign key) 4. medsos_alamat text Alamat media sosial caleg 15) Tabel alamatmedsoscapres, adalah tabel untuk menyimpan alamat media sosial calon presiden. No. Nama Field Type Nilai Keterangan 1. medcap_id int 4 No id media sosial (prymary key) 2. capres_id int 4 No id capres (foreign key) 3. medsos_id int 4 No id media sosial (foreign key) 4. medsos_alamat text Alamat media sosial caleg 16) Tabel alamatmedsospartai, adalah tabel untuk menyimpan alamat media sosial partai. No. Nama Field Type Nilai Keterangan 1. medpar_id int 4 No id media sosial (prymary key) 2. partai_id int 4 No id partai (foreign key) 3. medsos_id int 4 No id media sosial (foreign key) 4. medsos_alamat text Alamat media sosial caleg 17) Tabel provinsidapil, adalah tabel untuk menyimpan data propinsi dan daerah pemilihan No. Nama Field Type Nilai Keterangan 1. proda_id int 2 No id media sosial (prymary key) 2. Provinsi text Nama propinsi 3. Dapil text Nama dapil

42 Lampiran 1. Lanjutan 18) Tabel nilaimedsos_caleg, adalah tabel untuk menyimpan nilai variabel dari media sosial yang dimiliki oleh calon legislatif. No. Nama Field Type Nilai Keterangan 1. Id int 4 No id nilai media sosial caleg (prymary key) 2. caleg_id int 4 No id caleg (foreign key) 3. medsos_id int 4 No id media sosial (foreign key) 4. var_id int 4 No id variabel dari paramter aktivitas media sosial (foreign key) 5. Nilai int 11 Nilai variabel 6. peng_id int 3 No id pengamat/surveyor (foreign key) 7. Waktu datetime Waktu dan tangal pengambilan data 19) Tabel nilaimedsos_capres, adalah tabel untuk menyimpan nilai variabel dari media sosial yang dimiliki oleh calon presiden. No. Nama Field Type Nilai Keterangan 1. Id int 4 No id nilai media sosial capres (prymary key) 2. capres_id int 4 No id capres (foreign key) 3. medsos_id int 4 No id media sosial (foreign key) 4. var_id int 4 No id variabel dari paramter aktivitas media sosial (foreign key) 5. Nilai int 11 Nilai variabel 6. peng_id int 3 No id pengamat/surveyor (foreign key) 7. Waktu datetime Waktu dan tangal pengambilan data

43 Lampiran 1. Lanjutan 20) Tabel nilaimedsos_partai, adalah tabel untuk menyimpan nilai variabel dari media sosial yang dimiliki oleh partai No. Nama Field Type Nilai K eterangan 1. Id int 4 No id nilai media sosial caleg (prymary key) 2. partai_id int 4 No id partai (foreign key) 3. medsos_id int 4 No id media sosial (foreign key) 4. var_id int 4 No id variabel dari paramter aktivitas media sosial (foreign key) 5. Nilai int 11 Nilai variabel 6. peng_id int 3 No id pengamat/surveyor (foreign key) 7. Waktu datetime Waktu dan tangal pengambilan data 21) Tabel nilaiwebsite_caleg, adalah tabel untuk menyimpan data nilai dari parameter konten website/blog yang dimiliki oleh calon legislatif No. Nama Field Type Nilai Keterangan 1. Id int 4 No id nilai konten website (prymary key) 2. caleg_id int 4 No id caleg (foreign key) 3. parweb_id int 4 No id konten website (foreign key) 4. var_id int 4 No id variabel dari paramter aktivitas media sosial (foreign key) 5. Nilai int 11 Nilai variabel 6. peng_id int 3 No id pengamat/surveyor (foreign key) 7. Waktu datetime Waktu dan tangal pengambilan data

44 Lampiran 1. Lanjutan 22) Tabel nilaiwebsite_capres, adalah tabel untuk menyimpan data nilai dari parameter konten website yang dimiliki oleh calon presiden. No. Nama Field Type Nilai Keterangan 1. Id int 4 No id nilai konten website (prymary key) 2. partai_id int 4 No id partai (foreign key) 3. parweb_id int 4 No id konten website (foreign key) 4. var_id int 4 No id variabel dari paramter aktivitas media sosial (foreign key) 5. Nilai int 11 Nilai variabel 6. peng_id int 3 No id pengamat/surveyor (foreign key) 7. Waktu datetime Waktu dan tangal pengambilan data 23) Tabel nilaiwebsite_partai, adalah tabel untuk menyimpan data nilai dari parameter konten website yang dimiliki oleh partai No. Nama Field Type Nilai Keterangan 1. Id int 4 No id nilai konten website (prymary key) 2. partai_id int 4 No id partai (foreign key) 3. parweb_id int 4 No id konten website (foreign key) 4. var_id int 4 No id variabel dari paramter aktivitas media sosial (foreign key) 5. Nilai int 11 Nilai variabel 6. peng_id int 3 No id pengamat/surveyor (foreign key) 7. Waktu datetime Waktu dan tangal pengambilan data

45 Lampiran 1. Lanjutan 24) Tabel nilaiketerbagian_capres, adalah tabel untuk menyimpan data nilai dari parameter keterbagian website dan media sosial calon presiden. No. Nama Field Type Nilai Keterangan 1. Id int 4 No id nilai keterbagian website dan media sosial capres (prymary key) 2. capres_id int 4 No id capres (foreign key) 3. ket_id int 4 No id dari tabel keterbagian (foreign key) 4. Nilai int 11 Nilai variabel 5. peng_id int 3 No id pengamat/surveyor (foreign key) 6. Waktu datetime Waktu dan tangal pengambilan data 25) Tabel nilaiketerbagian_partai, adalah tabel untuk menyimpan data nilai dari parameter keterbagian website dan media sosial partai. No. Nama Field Type Nilai Keterangan 1. Id int 4 No id nilai keterbagian website dan media sosial partai (prymary key) 2. partai_id int 4 No id partai (foreign key) 3. ket_id int 4 No id dari tabel keterbagian (foreign key) 4. Nilai int 11 Nilai variabel 5. peng_id int 3 No id pengamat/surveyor (foreign key) 6. Waktu datetime Waktu dan tangal pengambilan data

46 Lampiran 1. Lanjutan 26) Tabel nilaiperformaweb_capres, adalah tabel untuk menyimpan nilai parameter performa website yang dimiliki oleh calon presiden. No. Nama Field Type Nilai Keterangan 1. Id int 4 No id nilai performa website capres (prymary key) 2. capres_id int 4 No id partai (foreign key) 3. performa_id int 4 No id dari tabel performaweb (foreign key) 4. Nilai int 11 Nilai variabel 5. peng_id int 3 No id pengamat/surveyor (foreign key) 6. Waktu datetime Waktu dan tangal pengambilan data 27) Tabel nilaiperformaweb_partai, adalah tabel untuk menyimpan nilai parameter performa website yang dimiliki oleh partai. No. Nama Field Type Nilai Keterangan 1. Id int 4 No id nilai performa website capres (prymary key) 2. capres_id int 4 No id partai (foreign key) 3. performa_id int 4 No id dari tabel performaweb (foreign key) 4. Nilai int 11 Nilai variabel 5. peng_id int 3 No id pengamat/surveyor (foreign key) 6. Waktu datetime Waktu dan tangal pengambilan data 28) Tabel peringkat_capres, adalah tabel untuk menyimpan nilai akhir calon presiden No. Nama Field Type Nilai Keterangan 1. Id int 4 No id geometri (prymary key) 2. capres_partai int 4 No id partai (foreign key) 3. capres_id int 4 No id capres (foreign key) 4. capres_tahun int 4 Tahun 5. capres_nilai float Nilai akhir capres

47 Lampiran 1. Lanjutan 29) Tabel peringkat_caleg, adalah tabel untuk menyimpan nilai akhir calon presiden No. Nama Field Type Nilai Keterangan 1. Id int 4 No id geometri (prymary key) 2. caleg_partai int 4 No id partai (foreign key) 3. caleg_id int 4 No id caleg (foreign key) 4. caleg_tahun int 4 Tahun 5. caleg_nilai float Nilai akhir capres 30) Tabel peringkat_partai, adalah tabel untuk menyimpan nilai akhir calon presiden No. Nama Field Type Nilai Keterangan 1. Id int 4 No id geometri (prymary key) 2. partai_id int 4 No id partai (foreign key) 3. partai_tahun Int 4 Tahun 4. Partai_nilai float Nilai akhir partai

48 Lampiran 2. Parameter Penelitian  Parameter Aktivitas Media Sosial Pengambilan No.

Variabel Otomatis Manual

1.

Jumlah like



2.

Jumlah talking About



3.

Keberadaan grup Facebook resmi



4.

Jumlah grup Facebook



5.

Jumlah total dari anggota grup



6.

Keberadaan dari page facebook resmi



7.

Jumlah pages dari Facebook



8.

Tingkat aktifitas page Facebook



9.

Akun Twitter resmi



10. Jumlah follower



11. Jumlah tweet dari akun Twitter



12. Tingkat aktifitas akun Twitter



13. Jumlah percakapan di Twitter



14. Jumlah akun yang di follow



15. Jumlah Twitter list



16. Jumlah akun Twitter favorit

 

17. Keberadaan channel Youtube resmi 18. Jumlah subscribers

 

19. Jumlah perakapan 20. Jumlah video



21. Jumlah view



22. Tanggal last upload video



23. Keberadaan akun Flickr resmi



24. Jumlah foto



25. Tanggal last upload



26. Akun Google+



27. Akun LinkedIn



49 Lampiran 2 Lanjutan. 

Parameter Konten Website Pengambilan

No.

Variabel Otomatis

Manual

1

Organisational history



2

Structure



3

Values



4

Policies



5

Document



6

Newslater



7

Media release



8

People/whos who



9

Leader profile



10

Candidate profile



11

Event calendar



12

FAQ



13

Donation



14

Merchandise purchase index



15

Feedback index



16

Interaction index



17

Internal link



18

Partisan link



19

Reference link



20

Openness



21

Negative campaigning



22

Targetting index



23

Joint email update list



24

Become online volunteer



25

Absent vote information



26

Download logo



27

Cookie



28

Podcast from management



29

RSS or Atom



50

Lampiran 2 Lanjutan. Pengambilan

No.

Variabel

30

Vodcast from the management



31

Realtime webscaast of the party



32

Widgets



33

Blog



34

Link to official Youtube



35

Link to official Twitter



36

Link to official Facebook



37

Link to official LinkedIn





Otomatis Manual

Parameter Keterbagian Media Sosial dan Website Pengambilan

No.

Variabel Otomatis Manual

1

Jumlah alamat website aktor yang dibagikan di Facebook



2

Jumlah alamat website aktor yang dibagikan di Google+



3

Jumlah alamat website aktor yang dibagikan di LinkedIn



4

Jumlah alamat website aktor yang dibagikan di Twitter



5

Jumlah alamat Facebook aktor yang dibagikan di Google+



6

Jumlah alamat Facebook aktor yang dibagikan di LinkedIn



7

Jumlah alamat Facebook aktor yang dibagikan di Twitter



8

Jumlah alamat Twitter aktor yang dibagikan di Facebook



9

Jumlah alamat Twitter aktor yang dibagikan di Google+



10

Jumlah alamat Twitter aktor yang dibagikan di LinkedIn



11

Jumlah alamat LinkedIn aktor yang dibagikan di Facebook



12

Jumlah alamat LinkedIn aktor yang dibagikan di Google+



13

Jumlah alamat Google+ aktor yang dibagikan di Facebook



51

Lampiran 1 Lanjutan. 

Parameter Keterbagian Media Sosial dan Website (lanjutan)

No.

Pengambilan

Variabel

Otomatis Manual

14

Jumlah alamat Google+ aktor yang dibagikan diTwitter



15

Jumlah alamat Google+ aktor yang dibagikan diLinkedIn



16

Jumlah nama aktor yang ditemukan dalam Google Custom Search





Tabel Parameter Performa Website Pengambilan

No.

Variabel Otomatis

Manual

1.

Load Time



2.

Broken Link



3.

Markup Validation



4.

CSS Validation



52 Lampiran 3. Pengujian Aplikasi Menggunakan Black Box Kasus Uji Halaman Beranda Login administrator

Nilai input Benar

Salah

Login pakar

Benar Salah

Login surveyor

Benar Salah

Link ke menu partai

Benar

Link ke menu capres

Benar

Link ke menu caleg

Benar

Halaman Pakar Link ke menu pembobotan parameter Link ke menu ubah profil Link ke menu ubah username Link ke menu ubah password Halaman Surveyor Link ke menu pengamatan partai Link ke menu pengamatan capres Link ke menu pengamatan caleg Import nilai

Benar Benar Benar Benar

Benar Benar Benar Benar

Hasil yang diharapkan

Hasil uji

Session admin tersimpan dan masuk pada halaman administrator Administrator tetap berada di halaman dan pengguna harus mengulangi login Session pakar tersimpan dan masuk pada halaman pakar Pakar tetap berada di halaman dan pengguna harus mengulangi login Session surveyor tersimpan dan masuk pada halaman surveyor Surveyor tetap berada di halaman dan pengguna harus mengulangi login Pengguna masuk ke halaman partai Pengguna masuk ke halaman capres Pengguna masuk ke halaman caleg



Pengguna masuk ke halaman pembobotan parameter Pengguna masuk ke halaman ubah profil Pengguna masuk ke halaman ubah username Pengguna masuk ke halaman ubah password



Pengguna masuk ke halaman pengamatan partai Pengguna masuk ke halaman pengamatan capres Pengguna masuk ke halaman pengamatan caleg Pengguna masuk ke halaman import nilai



       

  

  

53 Lampiran 3 Lanjutan

Kasus Uji Penilaian menggunakan Ms.Excel

Nilai input Benar

Penilaian menggunakan website Link import nilai partai

Benar

Link import nilai capres

Benar

Link import nilai caleg

Benar

Halaman Administrator Link parameter

Benar

Benar

Tombol aktif non-aktif variabel

Benar

Tambah variabel

Benar

Link partai

Benar

Link tambah partai

Benar

Tambah partai

Benar Salah

Link capres

Benar

Link tambah capres

Benar

Tambah capres

Benar Salah

Link caleg

Benar

Link tambah caleg

Benar

Hasil yang diharapkan Pengguna dapat mendownload form penilaian berupa file Ms.Excel Pengguna dapat menggunakan sistem untuk aktivitas penilaian Pengguna masuk ke halaman import nilai partai Pengguna masuk ke halaman import nilai capres Pengguna masuk ke halaman import nilai caleg

Pengguna masuk ke halaman parameter Pengguna dapat mengaktifkan/menon-aktifkan variabel Input masuk ke dalam basis data parameter Pengguna masuk ke halaman partai Pengguna masuk ke halaman tambah partai Partai tersimpan dalam database partai Partai tidak tersimpan dalam database Pengguna masuk ke halaman capres Pengguna masuk ke halaman tambah capres Partai tersimpan dalam database capres Partai tidak tersimpan dalam database Pengguna masuk ke halaman caleg Pengguna masuk ke halaman tambah caleg

Hasil uji     

            

54 Lampiran 3 Lanjutan. Kasus Uji Tambah caleg

Nilai input Benar Salah

Link peringkat partai

Benar

Peringkat partai

Benar Salah

Peringkat capers

Benar Salah

Peringkat caleg

Benar Salah

Hasil yang diharapkan Partai tersimpan dalam database caleg Partai tidak tersimpan dalam database Pengguna masuk ke halaman pemeringkatan partai Sistem menghitung peringkat partai Sistem tidak dapat menghitung peringkat partai Sistem menghitung peringkat capres Sistem tidak dapat menghitung peringkat capres Sistem menghitung peringkat caleg Sistem tidak dapat menghitung peringkat caleg

Hasil uji         

55 Lampiran 4. Desain User Interface Sistem 1. Halaman Depan c. Beranda Beranda | Partai | Calon Presiden | Calon Legislatif SMARTIP Sistem Pemeringkatan Media Online Partai dan Aktor Politik

Masuk

Laboratorium Software Engineering and Information Science (SEInS) Departemen Ilmu Komputer, IPB Jln. Meranti Wing 20 Level 5-6 Bogor

Anda berada di: Beranda

widget

Logo IPB

isi

widget

Laboratorium Software Engineering and Information Science (SEInS) Departemen Ilmu Komputer, Institut Pertanian Bogor

d. Halaman Partai Gambar 14. Halaman Partai Beranda | Partai | Calon Presiden | Calon Legislatif SMARTIP Sistem Pemeringkatan Media Online Partai dan Aktor Politik

Masuk

Laboratorium Software Engineering and Information Science (SEInS) Departemen Ilmu Komputer, IPB Jln. Meranti Wing 20 Level 5-6 Bogor

Anda berada di: Partai

Peringkat partai dalam kampanye di media online

Logo IPB

Tabel peringkat partai Peringkat

Nama partai

Laboratorium Software Engineering and Information Science (SEInS) Departemen Ilmu Komputer, Institut Pertanian Bogor

Nilai (skala 0-1)

56 Lampiran 4 Lanjutan. 2. Form Login Bagian

Username

Password

Submit

3. Halaman Pakar a. Beranda Beranda | Pembobotan Parameter

Halaman Pakar Selamat datang di halaman untuk pakar.

Logo IPB

Laboratorium Software Engineering and Information Science (SEInS) Departemen Ilmu Komputer, Institut Pertanian Bogor

Nama Pakar |

57 Lampiran 4 Lanjutan. b. Pembobotan Parameter Beranda | Pembobotan Parameter

Nama Pakar |

Pengisian Skala Perbandingan Aktifitas media sosial

Keterbagian medsos & website

Aktifitas media sosial

Konten website

Aktifitas media sosial

Performa website

Keterbagian medsos & website

Konten website

Keterbagian medsos & website

Performa website

Konten website

Performa website

Hitung

Logo IPB

Laboratorium Software Engineering and Information Science (SEInS) Departemen Ilmu Komputer, Institut Pertanian Bogor

4. Halaman Surveyor a. Beranda Beranda | Pengamatan Partai | Pengamatan capres | Pengamatan Caleg | Import Nilai

Halaman Surveyor Selamat datang di halaman untuk surveyor.

Logo IPB

Laboratorium Software Engineering and Information Science (SEInS) Departemen Ilmu Komputer, Institut Pertanian Bogor

Nama Surveyor |

58 Lampiran 4 Lanjutan. b. Pengamatan Partai 1) Pilih partai Beranda | Pengamatan Partai | Pengamatan capres | Pengamatan Caleg | Import Nilai

Nama Surveyor |

Pengamatan partai /

Pilih partai yang akan diamati

Nama & Logo Partai A

Logo IPB

Nama & Logo Partai B

Nama & Logo Partai C

Laboratorium Software Engineering and Information Science (SEInS) Departemen Ilmu Komputer, Institut Pertanian Bogor

2) Pilih parameter Beranda | Pengamatan Partai | Pengamatan capres | Pengamatan Caleg | Import Nilai

Nama Surveyor |

Pengamatan partai / pilih parameter

Nama Partai Penilaian Menggunakan Website:

Logo IPB

Penilaian Menggunakan Ms. Excel:

Aktifitas medsos

Aktifitas medsos

Keterbagian medsos & website

Keterbagian medsos & website

Konten website

Konten website

Performa website

Performa website

Laboratorium Software Engineering and Information Science (SEInS) Departemen Ilmu Komputer, Institut Pertanian Bogor

59 Lampiran 4 Lanjutan.. 3) input Nilai Setiap Parameter Beranda | Pengamatan Partai | Pengamatan capres | Pengamatan Caleg | Import Nilai

Nama Surveyor |

Pengamatan partai / pilih parameter / input nilai

Input nilai No

Variabel

Nilai Nama & logo partai Media sosial partai

Simpan

Logo IPB

Reset

Laboratorium Software Engineering and Information Science (SEInS) Departemen Ilmu Komputer, Institut Pertanian Bogor

c. Pengamatan Capres 1) Pilih capres Beranda | Pengamatan Partai | Pengamatan capres | Pengamatan Caleg | Import Nilai

Pengamatan capres /

Pilih partai yang akan diamati

Logo IPB

Nama & foto

Nama & foto

Nama & foto

Nama & foto

capres

capres

capres

capres

A

B

C

D

Laboratorium Software Engineering and Information Science (SEInS) Departemen Ilmu Komputer, Institut Pertanian Bogor

Nama Surveyor |

60 Lampiran 4 Lanjutan. 2)

Pilih parameter

Beranda | Pengamatan Partai | Pengamatan capres | Pengamatan Caleg | Import Nilai

Nama Surveyor |

Pengamatan capres / pilih parameter

Nama Capres Penilaian Menggunakan Website:

Logo IPB

Penilaian Menggunakan Ms. Excel:

Aktifitas medsos

Aktifitas medsos

Keterbagian medsos & website

Keterbagian medsos & website

Konten website

Konten website

Performa website

Performa website

Laboratorium Software Engineering and Information Science (SEInS) Departemen Ilmu Komputer, Institut Pertanian Bogor

3) Input Nilai Setiap Parameter Beranda | Pengamatan Partai | Pengamatan capres | Pengamatan Caleg | Import Nilai

Pengamatan partai / pilih parameter / input nilai

Input nilai No

Variabel

Nilai Nama & foto capres Media sosial capres

Simpan

Logo IPB

Reset

Laboratorium Software Engineering and Information Science (SEInS) Departemen Ilmu Komputer, Institut Pertanian Bogor

Nama Surveyor |

61 Lampiran 4 Lanjutan. d. Pengamatan Caleg 1) Pilih Partai Caleg Beranda | Pengamatan Partai | Pengamatan capres | Pengamatan Caleg | Import Nilai

Nama Surveyor |

Pengamatan caleg /

Pilih partai caleg yang akan diamati

Nama & foto caleg A

Logo IPB

Nama & foto caleg B

Nama & foto caleg C

Nama & foto caleg D

Laboratorium Software Engineering and Information Science (SEInS) Departemen Ilmu Komputer, Institut Pertanian Bogor

2) Pilih Propinsi dan Dapil Beranda | Pengamatan Partai | Pengamatan capres | Pengamatan Caleg | Import Nilai

Pengamatan caleg / propinsi dan dapil /

Pilih Propinsi dan Dapil

Logo IPB

| dapil :

| dapil :

| dapil :

| dapil :

| dapil :

| dapil :

Laboratorium Software Engineering and Information Science (SEInS) Departemen Ilmu Komputer, Institut Pertanian Bogor

Nama Surveyor |

62 Lampiran 4 Lanjutan.. 3) Pilih calon anggota legislatif Beranda | Pengamatan Partai | Pengamatan capres | Pengamatan Caleg | Import Nilai

Nama Surveyor |

Pengamatan caleg / propinsi dan dapil / caleg

Pilih caleg yang akan diamati

Nama & foto caleg A

Logo IPB

Nama & foto caleg B

Nama & foto caleg C

Nama & foto caleg D

Laboratorium Software Engineering and Information Science (SEInS) Departemen Ilmu Komputer, Institut Pertanian Bogor

4) Memilih parameter Beranda | Pengamatan Partai | Pengamatan capres | Pengamatan Caleg | Import Nilai

Pengamatan caleg / propinsi dan dapil / caleg / parameter

Pengamatan calon legislatif: Pilih parameter - Penilaian menggunakan website Nama & foto caleg

Aktifitas media sosial Konten website/blog - Penilaian menggunakan Ms. Excel Aktifitas media sosial Konten website/blog

Logo IPB

Laboratorium Software Engineering and Information Science (SEInS) Departemen Ilmu Komputer, Institut Pertanian Bogor

Nama Surveyor |

63 Lampiran 4 Lanjutan. 5) Input nilai caleg (penilaian menggunakan webiste) Beranda | Pengamatan Partai | Pengamatan capres | Pengamatan Caleg | Import Nilai

Nama Surveyor |

Pengamatan partai / pilih parameter / input nilai

Input nilai No

Variabel

Nilai Nama & foto caleg Alamat media sosial/blog/website caleg

Simpan

Logo IPB

Reset

Laboratorium Software Engineering and Information Science (SEInS) Departemen Ilmu Komputer, Institut Pertanian Bogor

e. Import Nilai 1) Halaman import nilai Beranda | Pengamatan Partai | Pengamatan capres | Pengamatan Caleg | Import Nilai

Nama Surveyor |

Import nilai / Nilai Partai

Nilai Capres

Aktifitas medsos

Aktifitas medsos

Konten website

Konten website

Keterbagian medsos & website

Keterbagian medsos & website

Performa website

Performa website

Nilai Caleg Aktifitas medsos Konten website/blog Logo IPB

Laboratorium Software Engineering and Information Science (SEInS) Departemen Ilmu Komputer, Institut Pertanian Bogor

64 Lampiran 5. Tampilan User Interaface Aplikasi 1) Tampilan awal sistem a. Halaman beranda

b. Halaman partai

c. Halaman calon presiden

65 Lampiran 5 Lanjutan. d. Halaman Login

2) Halaman surveyor a. Halaman beranda surveyor

b. Halaman pengamatan partai

66 Lampiran 5 Lanjutan c. Halaman parameter penilaian partai

d. Halaman input nilai partai

3) Halaman pengamatan capres a. Halaman pemilihan capres yang diamati

67 Lampiran 5 Lanjutan b. Halaman parameter penilaian capres

c. Halaman input nilai capres

4) Halaman pengamatan caleg a. Halaman partai caleg

68 Lampiran 5 Lanjutan. b. Halaman pemilihan propinsi dan dapil

c. Halaman pemilihan caleg yang diamati

d. Halaman input nilai caleg

69 Lampiran 5 Lanjutan. 5) Halaman import nilai

70 RIWAYAT HIDUP Penulis dilahirkan di Jember pada tanggal 5 Januari 1989 dari ayah Suwoto dan ibu Ngatmini. Tahun 2007 penulis lulus dari Madrasah Aliyah (MA) Ma‟arif Kencong di Jember dan pada tahun yang sama penulis lulus seleksi masuk Universitas Islam Negeri (UIN) Maulana Malik Ibrahim Malang melalui jalur Penelusuran Minat dan Kemampuan (PMDK) dan diterima di Jurusan Teknik Informatika, Fakultas Sains dan Teknologi. Selama mengikuti perkuliahan, penulis menjadi asisten praktikum Laboratorium Dasar-dasar Pemrograman pada tahun ajaran 2008/2009, asisten praktikum Laboratorium Grafika Komputer dan Laboratorium Analisa Perancangan Sistem pada tahun ajaran 2009/2010. Penulis menyelesaikan pendidikan jenjang Strata-I pada tahun 2011, pada pertengahan tahun 2011 penulis aktif mengajar di Sekolah Menengan Kejuruan (SMK) Ma‟arif Kencong di Jember, dan pada bulan Oktober 2011 penulis diterima sebagai asisten dosen di Institut Teknologi Nasional (ITN) Malang. Bulan Maret tahun 2012 penulis berhasil lolos dalam seleksi Magang Dosen Muda yang diselenggarakan oleh Direktorat Jenderal Pendidikan Tinggi (DIKTI) dan ditempatkan di Institut Pertanian Bogor (IPB) selama enam bulan untuk belajar manajemen perguruan tinggi. Bulan Agustus tahun 2012 penulis lolos seleksi untuk melanjutkan pendidikan jenjang Strata-II pada Departemen Ilmu Komputer di Sekolah Pascasarjana Institut Pertanian Bogor dengan pendanaan dari Beasiswa Unggulan DIKTI 2012.