VOLUME 3 NOMOR 2 MARET 2017 - JATISI...

VOLUME 3 NOMOR 2 MARET 2017

JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI(JATISI)

Terbit dua kali setahun pada bulan Maret dan September, Jurnal Teknik Informatika danSistem Informasi (JATISI) merupakan media penyampaian hasil penelitian untuk semuabidang yang ada pada rumpun teknik informatika dan sistem informasi, diharapkan hasilpenelitian yang ada pada jurnal ini dapat menjadi penghubung antara peneliti dan pihak yangberkepentingan. ISSN 2407-4322, diterbitkan pertama kali pada tahun 2014

KETUA PENYUNTINGMuhammad Rizky Pribadi

DEWAN PENYUNTINGGasim

Teguh Bharata AdjiSamsuryadi Sahmin

Achmad Nizar HidayantoErmatita

STAF AHLI (MITRA BESTARI)Bernard Renaldy Suteja

Aji prasetya wibawaHermawan Syahputra

Andi Wahju Rahardjo EmanuelBambang Sugiantoro

TATA USAHAYulistiaMulyati

Usniawati KeristinNur Rachmat

Eva Rianti

PENANGGUNG JAWABKetua STMIK Global Informatika MDP, Johannes Petrus, S.Kom., M.T.I

PENERBITLembaga Penelitian dan Pengabdian pada Masyarakat (LPPM) STMIK Global InformatikaMDP bekerjasama dengan IndoCEISS (Indonesian Computer, Electronics andInstrumentation Support Society)

ALAMAT PENYUNTING & TATA USAHAGedung STMIK GI MDP, Jalan Rajawali No. 14 Palembang 30113Telp. 0711-376400, Fax. 0711-376360,Website : http://jatisi.mdp.ac.id, Email : [email protected]

Jatisi, Vol. 3 No. 2 Maret 2017

Title of manuscript is short and clear, implies research results (First Author)

DAFTAR ISI

Perancangan Aplikasi Pemetaan Lokasi Usaha Kecil Menengah (UKM) Di KotaLubuklinggau Berbasis Goegraphic Information System (Gis) Dan Location Based Service(Lbs)Harma Oktafia Lingga Wijaya 85-94

Penerapan Algoritma C4.5 untuk Memprediksi Penerimaan Calon Pegawai Barudi PT WISEFandy Ferdian Harryanto, Seng Hansun 95-103

Analisis Pengaruh Penggunaan Internet Terhadap Minat Belajar Mahasiswa(Studi Kasus:Perguruan Tinggi di Kota Palembang)Desi Pibriana, Desy Iba Ricoida 104-115

Pengembangan Model Rantai Pasok Minyak Goreng Untuk MeningkatanProduktivitas Menggunakan Sistem Dinamik pada PT XYZDonaya Pasha, Erma Suryani 116-128

Analisis Performa AES Untuk Sekuriti Jaringan Scada Berbasis ATMega16Eka Puji Widiyanto 129-136

Analisa dan Perancangan Sistem Informasi Administrasi KepegawaianPada Dinas Kebudayaan dan Pariwisata Provinsi Kepulauan Bangka BelitungAnisah, Nia Novianti 137-150

Perbandingan Algoritma Klasifikasi Naive Bayes, Nearest Neighbour, danDecision Tree pada Studi Kasus Pengambilan Keputusan Pemilihan Pola PakaianDewi Sartika, Dana Indra Sensuse 151-161

Pengenalan Mobil pada Citra Digital Menggunakan HOG-SVMDerry Alamsyah 162-168

Pengaruh Kualitas Sistem Informasi Cyber CampusTerhadap Kepuasan danLoyalitas Mahasiswa STIKOM SurabayaPuspita Kartikasari 169-182

Pengembangan Simulasi Sinyal Radar dan Proses Interleaving SebagaiInputan pada Radar DetectorNorma Ningsih 183-195

Biodata Penulis 196Indeks Penyunting/Mitra Bestari 198Abstrak Volume 3 Nomor 1 200Indeks Jurnal Volume 1 Nomor 1 204Pedoman Penulisan Makalah JATISI 205Form Penilaian Reviewer 208

IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5

Jatisi, Vol. 3 No. 2 Maret 2017 85

Received June1st,2012; Revised June25th, 2012; Accepted July 10th, 2012

Perancangan Aplikasi Pemetaan Lokasi Usaha KecilMenengah (UKM)

Di Kota Lubuklinggau Berbasis GoegraphicInformation System (GIS) Dan Location Based Service

(LBS)

Harma Oktafia Lingga Wijaya12STMIK MUSIRAWAS, Jln Jend Besar H.M Soeharto Kel Lubuk Kupang Kec. Lubuklinggau

Selatan I Kota Lubuklinggau Telp 0733-32803003 Sistem Informasi ,Lubuklinggau

e-mail: *[email protected]

AbstractWhen researcher does research at the Office of Cooperatives, Micro, Small and

Medium Enterprises in Lubuklinggau, author medapati that the Department of Cooperatives,Micro, Small, Medium and market management is one of the places that have different types ofbusinesses located in various districts, villages especially regarding Small and MediumEnterprises (SMEs). But these efforts have not been widely known by the public. One problem isthe lack of information regarding the location of the location of Small and Medium Enterprises(SMEs). Therefore, it is necessary websites using Geographic Information System (GIS) andLocation Based Services (LBS), which will assist and facilitate citizens Lubuklinggau city to beable to obtain information and to know more about the city's existing SMEs Lubuklinggau.For Location Based Service (LBS) and Geographic Information System (GIS) itself uses thefacilities of Google Maps to get for free. Google Maps is a free virtual globe map services andonline provided by the company Google, Inc. can be found at http://maps.google.com/. GoogleMap offers a draggable map and satellite images and street view for the entire world and alsooffers a route planner and search. Google Map API is an application interface that can beaccessed via Google Map Javascript that can be displayed on web pages.With this information system mapping the location of Small Business and puffed in the cityLubuklinggau this will certainly facilitate urban Lubuklinggau to seek information about thelocation of the location of Small and Medium Enterprises in the city Lubuklinggau for anyinformation submitted more quickly, accurately, and efficiently.

Keywords: Website, Google Map API, Location Based Services, Geographic InformationSystem

AbstrakKetika peneliti melakukan penelitian pada Dinas Koperasi, Usaha Mikro, Kecil

Menengah di Kota Lubuklinggau, peneliti mendapati bahwa pada Dinas Koperasi, UsahaMikro, Kecil, Menengah dan Pengelolaan Pasar merupakan salah satu tempat yang memilikiberbagai jenis usaha yang terdapat diberbagai kecamatan, kelurahan terutama mengenai UsahaKecil dan Menengah (UKM). Namun usaha-usaha tersebut belum banyak diketahui olehmasyarakat luas. Salah satu kendalanya adalah kurangnya informasi mengenai letak lokasiUsaha Kecil dan Menegah (UKM). Maka dari itu sangat diperlukan website denganmenggunakan Sistem Informasi Geografis (SIG) & Layanan Berbasis Lokasi (LBS) yang akan

86 ISSN: 2407-4322

IJCCS Vol. x, No. x, July201x : first_pageend_page

membantu dan mempermudah warga masyarakat kota Lubuklinggau untuk dapat memperolehinformasi serta mengetahui lebih banyak mengenai UKM yang ada di kota Lubuklinggau.Untuk [6] Location Based Service (LBS) & Geographic Information System (GIS) itu sendirimenggunakan fasilitas dari Google Maps yang dapat kita dapatkan secara gratis. Google Mapsadalah sebuah jasa peta globe virtual gratis dan online yang disediakan oleh perusahaan Google,Inc dapat ditemukan di http://maps.google.com/. Google Map menawarkan peta yang dapatdiseret dan gambar satelit serta street view untuk seluruh dunia dan juga menawarkan perencanarute dan pencari. Google Map API merupakan aplikasi interface yang dapat diakses lewatJavascript agar Google Map dapat ditampilkan pada halaman web.Dengan adanya sistem informasi pemetaan lokasi Usaha Kecil dan Mengengah di kotaLubuklinggau ini tentunya akan sangat mempermudah masyarakat kota Lubuklinggau untukmencari informasi mengenai letak lokasi UKM yang ada di kota Lubuklinggau karena setiapinformasi yang disampaikan lebih cepat, akurat, dan efisien.

Kata kunci : Website, Google Map API, Location Based Service, Geographic InformationSystem

1. PENDAHULUAN

Kebutuhan masyarakat terhadap layanan teknologi sangat bervariatif, salah satukebutuhan adalah kebutuhan akan ketersediaan sebuah layanan informasi lokasi Usaha kecildan Menengah (UKM) berbasis Web GIS. Oleh karena itu dibutuhkan ketersediaan layananinformasi lokasi Usaha Kecil dan menengah (UKM) berbasis Web GIS yang dapat digunakanoleh pihak lembaga pemerintah maupun masyarakat kota Lubuklinggau.

Pada Dinas Koperasi, Usaha Mikro, Kecil, Menengah dan Pengelolaan Pasar di KotaLubuklinggau merupakan salah satu tempat yang memiliki berbagai jenis usaha di setiapkecamatan, kelurahan terutama mengenai Usaha Kecil dan Menengah (UKM). Namun usaha-usaha tersebut belum banyak diketahui oleh masyarakat luas. Salah satu kendalanya adalahkurangnya informasi mengenai letak lokasi Usaha Kecil dan Menegah (UKM). Maka dari itusangat diperlukan website dengan menggunakan Sistem Informasi Geografis (SIG) & LayananBerbasis Lokasi (LBS) yang akan membantu dan mempermudah warga masyarakat kotaLubuklinggau untuk dapat memperoleh informasi serta mengetahui lebih banyak mengenaiUKM yang ada di kota Lubuklinggau.

Untuk Location Based Service (LBS) & Geographic Information System (GIS) [2] itusendiri menggunakan fasilitas dari Google Maps yang dapat kita dapatkan secara gratis. GoogleMaps adalah sebuah jasa peta globe virtual gratis dan online yang disediakan oleh perusahaanGoogle, Inc dapat ditemukan di http://maps.google.com/. Google Map menawarkan peta yangdapat diseret dan gambar satelit serta street view untuk seluruh dunia dan juga menawarkanperencana rute dan pencari. Google Map API merupakan aplikasi interface yang dapat diakseslewat Javascript agar Google Map dapat ditampilkan pada halaman web.

2. METODE PENELITIAN

Adapun metode yang digunakan dalam penelitian ini yaitu menggunakan Metodepenelitian deskriptif. Metode penelitian deskriptif adalah salah satu metode penelitan yangbanyak digunakan pada penelitian yang bertujuan untuk menjelaskan suatu kejadian. Seperti



yang dikemukakan oleh Sugiyono (2011) penelitian desktiptif adalah sebuah penelitian yangbertujuan untuk memberikan atau menjabarkan suatu keadaan atau fenomena yang terjadi saatini dengan menggunakan prosedur ilmiah untuk menjawab masalah secara aktual.

2.1 Pengertian Sistem Informasi

Menurut Eddy Prahasta (2014:81) [4] definisi lain menyatakan bahwa sistem informasiadalah sekumpulan komponen komponen yang saling berhubungan dan bekerja sama untukmengumpulkan, memproses, menyimpan dan mendistribusikan informasi terkait untukmendukung proses pengambilan keputusan, koordinasi, dan pengendalian.

2.2 Pengertian Pemetaan

Menurut Kamus Besar Bahasa Indonesia (KBBI) arti dari pemetaan adalah pe.me.ta.annomina (kata benda) proses, cara, perbuatan membuat peta. Peta /pe.ta/ n adalah gambar ataulukisan pada kertas dan sebagainya yang menunjukkan letak tanah, laut, sungai, gunung, dansebagainya; representasi melalui gambar dari suatu daerah yang menyatakan sifat, seperti batasdaerah, sifat permukaan; denah.

2.3 Pengertian Sistem Informasi Geografis (SIG)

Menurut Eddy Prahasta (2014:95) [4] Pada dasarnya, istilah sistem informasi geografis(SIG) merupakan gabungan tiga unsur pokok: sistem, infromasi, dan geografis. Dengandemikian, pengertian terhadap ketiga unsur pokok ini sangat membantu dalam memahami SIG.Dengan melihat unsur-unsur pokoknya maka jelas bahwa SIG jiga merupakan tipe sisteminformasi seprti yang telah dibahas dimuka; tetapi dengan tambahan unsur Geografis. Jadi,SIG merupakan sistem yang menekan pada unsur :informasi geografis.

Istilah Goegrafis merupakan bagian dari spasial. Istilah ini sering digunakan secarabergantian/tertukar satu sama lainnya hingga muncul istilah yang ketiga, geospasial. Ketigaistilah ini mengandung pengertian yang kurang lebih serupa didalam konteks SIG. Penggunaankata Geografis mengandung pengertian suatu hal menegenai bumi: baik permukaan duadimensi atau tiga dimensi. Dengan demikian, istilah informasi geografis mengandungpengertian informasi mengenai tempat-tempat yang terletak dipermukaan bumi, atau informasimengenai posisi dimana suatu objek dipermukaan bumi yang posisinya diketahui.

Dengan pengertian sistem informasi, maka SIG juga dapat dikatakan sebagai suatukesatuan formal yang terdiri dari berbagai sumber daya fisik dan logika yang berkenaan denganobjek-objek yang terdapat dipermukaan bumi. Jadi, SIG merupakan sejenis perangkat lunak,perangkat keras, manusia, prosedur, basisdata, dan fasilitas jaringan komunikasi yang digunakanuntuk memfasilitaskan proses-proses pemasukan, penyimpanan, manipulasi, dan keluarandata/informasi geografis.

Menurut Eddy Prahasta (2014:102) [4] Sistem Informasi Geografis (SIG) dapatdiuraikan menjadi beberapa subsistem yaitu sebagai berikut:

a. Data Input : mnegumpulkan, mempersiapkan, dan menyimpan data spasial &atributnya. Subsitem ini bertanggungjawab dalam mengovensikan format dataaslinya kedalam format SIG-nya.

b. Data Output : menampilkan & menghasilkan keluaran basisdata spasial softcopy &hardcopy seperti halnya tabel, grafik, report, peta, dan lain sebgainya.

88 ISSN: 2407-4322


c. Data Management : mengorganisasikan data spasial & tabel atribut kedalam sistembasisdata hingga mudah untuk dipanggil kembali, di-update, dan di-edit.

d. Data Manipulation&Analysi : menentukan informasi yang dihasilkan oleh SIG.Selain itu, sub-sistem ini memanipulasi dan memodelkan data untuk menghasilkaninfromasi yang diharapkan.

3. HASIL DAN PEMBAHASAN

3.1 Perancangan dengan Menggunakan UML

3.1.1. Diagram Use Case

Perancangan sistem bertujuan untuk menggambarkan sistem secara umum. Dalampenelitian ini digunakan beberapa gambaran sistem yaitu diagram Use case, diagram activity,class diagram, rancangan input, dan rancangan output.[5]

Pada gambar 3.2 terdapat rancangan sistem yang dibuat dengan menggunakan diagramuse case. Pada perancangan sistem ini, terdapat 2 aktor yang mana setiap aktor memiliki fungsiyang berbeda sesuai dengan tugas masing masing.

Untuk aktor Admin terdiri dari 3 use case yaitu kelolah login, mengelolah data UKM,Logout. Untuk aktor pengunjung terdapat 3 use case yaitu lihat map, menampilkan lokasi danmenampilkan rute.

Gambar 3.1 Diagram Use Case Admin



Gambar 3.2 Diagram Use Case Pengunjung

3.1.2 Kebutuhan Fungsional Sistem

Kebutuhan fungsional merupakan jenis kebutuhan yang berisi proses-proses apa sajayang mampu dilakukan oleh sistem beserta informasi-informasi yang dihasilkan oleh system[5], berikut beberapa kebutuhan fungsional dari sistem yang akan dibangun berdasarkanpengguna sistem :

Tabel 3.1 Kebutuhan Fungsional

No Deskripsi Prioritas1 Aplikasi dapat melakukan pengelolaan terhadap data UKM Harus ada2 Aplikasi dapat melakukan pengelolaan terhadap data Jenis UKM Harus ada3 Aplikasi dapat melakukan pengelolaan terhadap data peta lokasi Harus ada4 Aplikasi dapat melakukan pengelolaan GIS Berbasis LBS (Location

Based Service)Harus ada

5 Aplikasi dapat melakukan proses autentifikasi admin. Harus ada6 Aplikasi dapat menampilkan peta UKM. Harus ada7 Aplikasi dapat menampilkan data multimedia. Harus ada8 Pengunjung dapat melihat informasi tentang UKM yang dicari. Harus ada

3.1.3 Hasil

Sistem yang dihasilkan dari hasil penelitian ini adalah Sistem Informasi PemetaanLokasi Uasaha Kecil dan Menengah (UKM) Di Kota Lubuklinggau berbasis GIS (GeographicInformation System) dan LBS (Location Based Service) yang telah dibuat berdasarkanrancangan sistem yang telah dilakukan, adapun sistem informasi yang dibangun ini memilikitampilan utama dengan menu yaitu, beranda, profil, Kecamatan, kelurahan dan Jenis UKM.

Begitu juga admin dengan admin yang memiliki hak akses untuk dapat membukahalaman admin, admin harus melakukan login terlebuh dahulu setelah admin login admin bisamengelolah semua data yang ada pada sistem ini. Pada halaman admin ini terdapata beberapamenu yaitu Login Admin, Data master yang terdiri Data kecamatan, Data Kelurahan, dan jeniskategori UKM , Peta Lokasi dan lihat data. Admin juga bisa mengubah data, menghapus datadan menambahkan data seperti data kecamatan, data kelurahan, data jenis UKM dan peta lokasi.Demikian untuk perincian lebih jelas tentang sistem ini dapat dilihat pada pembahasan.

90 ISSN: 2407-4322


3.1.4 Pembahasan

Sistem Informasi Geografis pemetaan UKM berbasis LBS (Location Based Service)kota Lubuklinggau yang dibuat, dapat digunakan untuk membantu pengunjung maupunPemerintah Kota Lubuklinggau dalam memetakan atau mencari rute UKM yang terdaftar diKota Lubuklinggau secara global. Aplikasi GIS ini dibuat bersifat dinamis agar admin bisamenambah atau mengisi data baik itu data UKM, maupun lokasi atau posisi UKM berada.Selain mengisi atau menambahkan data, admin juga bisa merubah data apabila terjadi kesalahandalam memasukkan data, menghapus data jika data tersebut sudah tidak dibutuhkan lagi,menampilkan semua data, mencari data yang diperlukan dan mengontrol data [1].

3.1.5 Halaman Profil

Halaman profil adalah halaman yang berisi informasi mengenai latar belakang tempatpenelitian, visi dan misi. Adapun tampilan dari halaman profil dapat dilihat pada gambar 3.3

Gambar 3.3 Halaman Profil

3.1.6 Halaman Kecamatan

Halaman kecamatan adalah halaman yang berisi informasi mengenai data daftarkecamatan yang terdapat dikota Lubuklinggau. Adapun halaman kecamatan dapat dilihat padagambar 3.4

Gambar 3.4 Halaman Kecamatan



3.1.7 Halaman Kelurahan

Halaman kelurahan adalah halaman yang berisi informasi mengenai data daftarkelurahan yang terdapat dikota Lubuklinggau. Adapun halaman kelurahan dapat dilihat padagambar 3.5

Gambar 3.5 Halaman Kelurahan

3.1.8 Halaman Jenis UKM

Halaman ini berisi informasi mengenai data daftar jenis Usaha kecil dan Menengah(UKM) yang ada dikota Lubuklinggau. Adapun halaman jenis UKM dapat dilihat pada gambar3.6

Gambar 3.6 Halaman Jenis UKM

3.1.9 Halaman Informasi Lokasi UKM

Untuk dapat melihat informasi detail dari setiap lokasi UKM tersebut, maka pengunjungaplikasi GIS dapat mengkilik icon tesebut dan sistem akan menampilkan informasi dari lebihdetail tentang UKM yang dipilih. Informasi tersebut masih merupakan informasi umum sepertiyang terlihat pada gambar 3.7

92 ISSN: 2407-4322


Gambar 3.7 Halaman Informasi Lokasi UKM

3.1.10 Halaman Pencarian Rute

Selain fasilitas tersebut, pada halaman home page terdapat sebuah menu penunjuk rutecari rute. Tombol menu tersebut digunakan untuk menuju ke halaman penunjuk rute ke lokasiUKM yang ingin dicari [5]. Setelah pengunjung mengklik tombol tersebut, selanjutnyapengunjung dapat menantukan lokasi awal atau lokasi pengunjung berada dan juga menentukanUKM yang ingin di kunjungi atau dilihat pada saat itu juga sistem akan menampilkan rute yangdapat dilewati oleh pengunjung untuk menuju ke lokasi yang diinginkan [6].

Gambar 3.8 Halaman Pencarian Rute



Gambar 3.9 Halaman Hasil Pencarian Rute

4. KESIMPULAN

Dari hasil penelitian yang peneliti lakukan terhadap penelitian ini dapat ditarik beberapakesimpulan sebagai berikut:

1. Dengan adanya Aplikasi Sistem Informasi Pemetaan Lokasi Usaha Kecil dan Menengah(UKM) di Kota Lubuklinggau ini diharapkan dapat memberikan informasi yang akuratmengenai lokasi UKM sehingga dapat bermanfaat dan memberikan kemudahan bagipengunjung yang berkepentingan dalam menemukan lokasi UKM yang diinginkan.

2. Sistem Informasi Pemetaan Lokasi UKM di Kota Lubuklinggau Berbasis GeographicInformation System (GIS) dan Location Based Servis (LBS) mengunakan bahasapemrograman PHP, database MySql, dan google map API.

5. SARAN

Dari analisa dan pemrograman aplikasi Sistem Informasi Pemetaan Lokasi Usaha kecil& Menengah (UKM) Di Kota Lubuklinggau Berbasis Geographic Information System (GIS)dan Location Based Service (LBS) ini dapat ditulis saran sebagai berikut :

1. Bagi Dinas koperasi Usaha Mikro, kecil dan Menengah dan Pengelolaan Pasar Di KotaLubuklinggau, hendaknya memiliki aplikasi seperti ini yang dimaksudkan agar masyarakatdapat mengetahui lokasi Usaha kecil dan Menengah (UKM) yang ada di KotaLubuklinggau.

2. Bagi penelitian lebih lanjut, Sistem Informasi Goegrafis (SIG) dan LBS bisa dikembangkandengan data yang lebih detail dan memperluas kajian jenis Usaha kecil dan Menengah(UKM) maka akan menambah informasi yang sangat berguna bagi masyarakat.

UCAPAN TERIMA KASIH

Peneliti mengucapkan terima kasih kepada kedua orang tua, dan teman-teman civitasakademika STMIK MURA Lubuklinggau yang telah memberi dukungan moril maupunfinansial terhadap penelitian ini.

94 ISSN: 2407-4322


DAFTAR PUSTAKA

[1] Creativity, Java, 2014, Joomla 3 Panduan Cerdas Membangun Website Super Keren,PT.Elex Media Komputindo, Jakarta.

[2] MADCOMS, 2011, Aplikasi Web Database dengan Dreamweaver dan PHP-MySQL,Andi, Yogyakarta.

[3] Prahasta,Eddy, 2014, Sistem Informasi Geografis: Konsep-Konsep Dasar (PerspektifGeodasi & Geomatika, Edisi Revisi, Informatika, Bandung.

[4] Shalahuddin,M dan Rosa A.s, 2013, Rekayasa Perangkat Lunak: Terstruktur danBerorientasi Objek, Informatika, Bandung.

[5] Sidik, Betha. 2014, Pemrograman Web Dengan PHP, Informatika, Bandung.

[6] Yeni, K. dan Devie R. A. 2010, Pemrograman Basis Data Berbasis Web MenggunakanPHP dan MySQL. Graha Ilmu, Madura.



Penerapan Algoritma C4.5 untuk MemprediksiPenerimaan Calon Pegawai Baru di PT WISE

Fandy Ferdian Harryanto*1, Seng Hansun21,2Universitas Multimedia Nusantara; Jl. Scientia Boulevard, Gading Serpong, Tangerang,

Banten-15811 Indonesiae-mail: *[email protected],[email protected]

AbstrakPerusahaan pada umumnya memerlukan pegawai yang memiliki kemampuan yang

baik, perilaku yang baik serta dapat menyelesaikan pekerjaan yang diberikankepadanya.Namun terdapat beberapa kesulitan untuk mengetahui kualitas orang-orang yangmemiliki potensi baik sebagai pegawai pada suatu perusahaan. Oleh karena itu diperlukan caraatau metode untuk mengidentifikasi calon pegawai suatu perusahaan. Algoritma C4.5 dapatdigunakan untuk melakukan prediksi dan klasifikasi terhadap calon pegawai yang berpotensiuntuk masuk ke dalam perusahaan dengan cara membuat pohon keputusan berdasarkan data-data yang sudah ada dan melakukan prediksi terhadap calon pegawai baru yang ingin masukke perusahaan. Berdasarkan metode pengukuran akurasi ten-fold cross validation telahdidapatkan hasil pengukuran tingkat keberhasilan prediksi calon pegawai baru sebesar 71%dengan menggunakan aplikasi prediksi calon pegawai yang menerapkan algoritma C4.5.

Kata kunci: Algoritma C4.5, Calon Pegawai, Prediksi, Pohon Keputusan.

AbstractA company in general needs employee that have good ability, good manners and also

can company. But there are difficulties in finding the qualities of people as a good employeecandicacy. Thats why we need a way or method to identify peoples with the potential to becomea new employee candidate. C4.5 algorithm can be used to predict and classify new employeecandidate that have the potential to get into a corporation by using decision tree according tothe data that we have and predict the new employee candidate qualities. According to thetesting method called ten-fold cross validation, the accuracy of the prediction for the newemployee candidate is 71% by using the built prediction application which implementing C4.5algorithm.

Keywords: C4.5 Algorithm, Decision Tree, Employee Candidate, Prediction.

1. PENDAHULUAN

Pegawai merupakan sumber daya yang paling penting dalam suatu perusahaan danpegawai yang baik dan memenuhi standar perusahaan hanya dapat diperoleh melalui prosespenerimaan pegawai yang efektif [1]. Pegawai yang baik dan berkualitas tentu saja memilikidampak yang positif terhadap perusahaan tempat mereka bekerja. Oleh karena itu perusahaanharus menyeleksi orangorang yang ingin masuk dan bekerja ke dalam perusahaan itu denganbaik.

Penerimaan calon pegawai baru merupakan sebuah tahap dimana sebuah perusahaan

96 ISSN: 2407-4322


melakukan rekrutmen terhadap orangorang yang melamar ke perusahaan tersebut danmenentukan apakah orang tersebut memenuhi kriteria dan kebutuhan unit kerja pada perusahaantersebut. Menurut Tjahyono dan Anggara [2] alasan dilakukannya penerimaan calon pegawaibaru adalah pengembangan unit usaha perusahaan tersebut yang mengakibatkan perlunyapenambahan pegawai baru dan kebutuhan perusahaan tersebut untuk mengisi posisi kosongyang ditinggalkan oleh pegawai lama mereka.

Selain itu, Slamet [3] menyatakan bahwa proses rekrutmen ini berguna untukmendapatkan informasi mengenai kecakapan, kepribadian, dan kemampuan lain yang dimilikioleh tenaga kerja yang melamar ke perusahaan tersebut. Informasi tersebut dipandang sangatdiperlukan untuk menentukan apakah pekerja tersebut berkualitas dan pantas untuk masuk kedalam perusahaan. Tenaga kerja yang berkualitas tentunya akan membantu untuk meningkatkankinerja perusahaan.

Berdasarkan hasil wawancara dengan salah satu pekerja pada PT WISE, Bapak PaulusHarryanto, dapat ditarik kesimpulan bahwa perusahaan ini masih membutuhkan bantuantambahan pada proses perekrutan calon pegawai. Menurut Bapak Paulus masih terdapatbeberapa pegawai kantor yang malas dan tidak kompeten. Hal ini berarti proses perekrutanpegawai pada perusahaan ini tidak berjalan dengan baik. Selain itu, berdasarkan hasilwawancara dengan Cendrawati selaku divisi Human Resource Development (HRD), adabeberapa faktor yang menentukan apakah seseorang dapat diterima ke dalam perusahaan.Faktorfaktor tersebut adalah: umur, pendidikan terakhir, pengalaman bekerja, jenis kelamin,perilaku saat wawancara, permintaan gaji awal dan penyakit yang sedang diderita.

Algoritma C4.5 dapat digunakan untuk meneliti berbagai macam hal, diantaranyaadalah prediksi tingkat kemenangan pada pertandingan bola [4], mencari pola prediksi hujan[5], hingga menentukan guru terbaik [6]. Sebelumnya juga telah ada yang melakukan penelitianyang serupa dengan menggunakan algoritma ini, namun atribut yang digunakan untukmengklasifikasikan pohon keputusan berbeda. Adapun pembedanya lainnya adalah penelitiantersebut dilakukan kepada calon pegawai negeri sipil. Penelitian tersebut dilakukan olehKumara dan Supriyanto [7] dengan judul Klasifikasi Data Mining untuk Penerimaan SeleksiCalon Pegawai Negeri Sipil 2014 Menggunakan Algoritma Decision Tree C4.5. Tingkatakurasi yang didapatkan menggunakan algoritma C4.5 ini sudah cukup tinggi, oleh karena itudapat disimpulkan algoritma ini cocok untuk diimplementasikan pada penelitian yangmelibatkan proses perekrutan [7].

Algoritma C4.5 digunakan pada penelitian ini untuk memprediksi proses penerimaancalon pegawai baru pada PT WISE. Menurut penelitian HSSINA, dkk.[8], algoritma C4.5merupakan algoritma terkuat untuk proses pembuatan decision tree jika dibandingkan denganalgoritma lain seperti ID3, C5.0, dan CART. Berdasarkan penelitian inilah algoritma C4.5diputuskan untuk digunakan pada penelitian ini karena algoritma ini lebih kuat daripadaalgoritma lainnya. Data pegawai yang bekerja sebagai pegawai lapangan (maintenance, service)akan digunakan sebagai data training untuk pembuatan decision tree yang akan digunakanuntuk memprediksi penerimaan pegawai dan mengetes tingkat keberhasilan prediksi tersebutmenggunakan data testing terhadap pegawai yang memiliki jabatan pekerjaan yang sama.

2. LANDASAN TEORI

Beberapa literatur yang mendasari penelitian ini akan dibahas pada bab ini, meliputisistem pendukung keputusan, pohon keputusan, algoritma C4.5, dan validasi silang.

2.1 Sistem Pendukung KeputusanSistem pendukung keputusan adalah sebuah sistem yang dapat membantu manusia

untuk mengambil keputusan secara objektif. Konsep sistem seperti ini pertama kali dicetuskanpada tahun 1970-an oleh Michael S.Scott Morton, Michael pertama kali menyebut sistem seperti



ini dengan nama Management Decision System. Maksud dan tujuan dari adanya sistempengambil keputusan adalah mendukung pengambil keputusan untuk memilih alternatifkeputusan menggunakan model-model pengambilan keputusan dan untuk menyelesaikanmasalah yang bersifat terstruktur, semi terstruktur, maupun tidak terstruktur [9].

Menurut Mengkepe [9], kerangka dasar pengambilan keputusan manajerial dalam tipekeputusan dibagi menjadi beberapa bagian, yaitu:1. Terstruktur: Berisi masalah yang sering terjadi, solusinya dapat berupa standar dan baku.2. Tidak Terstruktur: Berisi masalah kompleks menggunakan pemecahan masalah yang tidak

standar, solusinya melibatkan intuisi manusia sebagai dasar pengambil keputusan.3. Semi Terstruktur: Gabungan antara keputusan terstruktur dengan tidak terstruktur, solusinya

merupakan gabungan antara prosedur solusi standar dengan kemampuan individu manusia.

2.2 Pohon KeputusanManusia selalu dihadapkan dengan berbagai macam masalah dari berbagai bidang

kehidupan. Masalah ini juga memiliki variasi tingkat kesulitannya. Untuk menghadapi masalahini manusia mulai mengembangkan sebuah sistem untuk membantu mereka menyelesaikanmasalah-masalah ini, salah satu sistem tersebut adalah pohon keputusan [10].

Pohon keputusan adalah metode klasifikasi dan prediksi yang sudah terbukti powerfulldan sangat terkenal. Metode ini berfungsi untuk mengubah fakta menjadi pohon keputusan yangmerepresentasikan aturan yang dapat mudah dimengerti dengan bahasa alami. Proses dari pohonkeputusan ini dimulai dari node akar hingga node daun yang dilakukan secara rekursif dimanasetiap percabangan menyatakan kondisi dan setiap ujung pohon akan menyatakan keputusan[10].

Arsitektur pohon keputusan dibuat sedemikian rupa agar menyerupai pohon asli,dimana terdapat beberapa bagian yaitu [11]:- Root Node: Node ini terletak pada bagian paling atas dari pohon keputusan.- Internal Node: Node ini merupakan percabangan dimana membutuhkan satu input dan

mengeluarkan maksimal dua output.- Leaf Node: Node ini merupakan node yang terletak pada ujung pohon. Node ini hanya

memiliki satu input dan tidak memiliki output.Menurut Triisant [11], pohon keputusan ini memiliki beberapa kekurangan dan

kelebihan, yakni:1. Kelebihan Pohon Keputusan:

- Daerah pengambilan keputusan yang kompleks dapat diubah menjadi sederhana.- Dapat menghilangkan perhitungan yang tidak penting karena proses pengujian hanya

berdasarkan kriteria yang diperlukan saja.- Proses pemilihan fitur dari internal node yang berbeda lebih fleksibel. Fitur yang telah

dipilih ini akan menjadi pembeda antara kriteria yang satu dengan kriteria lainnya.- Metode ini dapat menghindari munculnya permasalahan dengan cara menggunakan

kriteria dengan jumlah yang sedikit pada node internal tanpa mengurangi kualitaskeputusan yang dihasilkan.

2. Kekurangan Pohon Keputusan :- Dapat terjadi overlap apabila hasil keputusan dan kriteria yang digunakan jumlahnya

sangat banyak. Hal ini juga dapat berakibat bertambahnya waktu yang digunakan untukpengambilan keputusan dan jumlah memori yang dibutuhkan semakin tinggi.

- Akumulasi jumlah error dari setiap tingkat pohon keputusan besar.- Mendesain pohon keputusan yang optimal sulit.- Kualitas keputusan yang didapatkan sangat tergantung dengan bagaimana pohon tersebut

didesain.2.3 Algoritma C4.5

Algoritma C4.5 merupakan algoritma yang digunakan untuk melakukan prosesklasifikasi data dengan menggunakan teknik pohon keputusan. Algoritma C4.5 merupakan

98 ISSN: 2407-4322


ekstensi dari algoritma ID3 dan menggunakan prinsip decision tree yang mirip [11]. Algoritmaini sudah sangat terkenal dan disukai karena memiliki banyak kelebihan. Kelebihan ini misalnyadapat mengolah data numerik dan diskret, dapat menangani nilai atribut yang hilang,menghasilkan aturan-aturan yang mudah diinterpretasikan dan performanya merupakan salahsatu yang tercepat dibandingkan dengan algoritma lain [11].

Ide dasar dari algoritma ini adalah pembuatan pohon keputusan berdasarkan pemilihanatribut yang memiliki prioritas tertinggi atau dapat disebut memiliki nilai gain tertinggiberdasarkan nilai entropy atribut tersebut sebagai poros atribut klasifikasi [12]. Kemudiansecara rekursif cabang-cabang pohon diperluas sehingga seluruh pohon terbentuk. Menurutkamus IGI Global (International Publisher of Progressive Academic), entropy adalah jumlahdata yang tidak relevan terhadap informasi dari suatu kumpulan data [13]. Gain adalahinformasi yang didapatkan dari perubahan entropy pada suatu kumpulan data, baik melaluiobservasi atau bisa juga disimpulkan dengan cara melakukan partisipasi terhadap suatu set data[12].

Berdasarkan apa yang ditulis oleh Jefri [10], terdapat empat langkah dalam prosespembuatan pohon keputusan pada algoritma C4.5, yaitu:1. Memilih atribut sebagai akar3. Membuat cabang untuk masing-masing nilai4. Membagi setiap kasus dalam cabang5. Mengulangi proses dalam setiap cabang sehingga semua kasus dalam cabang memiliki kelas

yang sama.Menurut Jiandi [12] data yang dimiliki harus disusun menjadi sebuah tabel berdasarkan

kasus dan jumlah responden sebelum dilakukan perhitungan untuk mencari nilai entropy dangain.

) ) = log (1)

Rumus (1) merupakan rumus yang digunakan dalam perhitungan entropy yangdigunakan untuk menentukan seberapa informatif atribut tersebut. Berikut keterangannya [10]: : Himpunan kasus : Jumlah partisi : Jumlah kasus pada partisi ke-i

( (, = ) ) ||

|| ) ) (2)

Rumus (2) merupakan rumus yang digunakan dalam perhitungan gain setelahmelakukan perhitungan entropy. Berikut keterangannya [10]: : Himpunan kasus : Jumlah partisi atribut A| | : Jumlah kasus pada partisi ke-i| | : Jumlah kasus dalam

Dengan mengetahui rumusrumus diatas, data yang telah diperoleh dapat dimasukkandan diproses dengan algoritma C4.5 untuk proses pembuatan decision tree.

Jatisi, Vol. 3 No. 2 Maret 201


Gambar

Gambar 1 merupakanpembentukan pohon keputusan. Perhitungan dimulai dari menghitung banyaknya jumlah atributdan menentukan atribut mana yang akan digunakan sebagai akar dari pohon keputusan.Selanjutnya akan dilakukan perhitungankeputusan tersebut. Setelah semua perhitungan selesai dilakukan, pohon keputusan dapatdibentuk berdasarkan nilai gaintertinggi akan terletak pada prtinggi juga pada pohon keputusan.

2.4 Validasi SilangValidasi silang merupakan metode

dan komparasi terhadap sebuah satudua bagian, yaitu data trainingcross validation [15]. Validasi ini dilakukan dengan cara membagi suatu set data menjadi

sepuluh segmen 1 10 yang berukuran sama besar dengan cara melakukan pengacakan data.Kemudian 1 akan digunakan terlebih dahulu untuk prosesmenggunakan sisa dari data selainsisa data selain 2 digunakan untuk validasi, dan seterusnya. Dengan melakukan validasi sepertiini maka akurasi yang akan didapatkan akan lebih tinggi

Implementasi algoritma C4.5 untuk prediksi penerimaan calon pegawai barumenggunakan langkah-langkah penelitian1. Studi Pustaka

Penelitian dimulai dengan mempelajari informasi serta algoritma yang bersangkutandengan penelitian ini dengan capembelajaran lain. Pada tahapan ini kodimatangkan, seperti definisi dari algoritma C4.5 dan penerapannya.2. Pengumpulan Sampel Data

2017


Gambar 1. Pseudocode Algoritma C4.5 [14]

merupakan pseudocode dari algoritma C4.5 yang berfungsi untukpembentukan pohon keputusan. Perhitungan dimulai dari menghitung banyaknya jumlah atributdan menentukan atribut mana yang akan digunakan sebagai akar dari pohon keputusan.Selanjutnya akan dilakukan perhitungan entropy dan gain untuk menentukankeputusan tersebut. Setelah semua perhitungan selesai dilakukan, pohon keputusan dapat

gain yang telah dihitung sebelumnya. Atribut dengan nilaitertinggi akan terletak pada prioritas yang lebih tinggi dan memiliki kedudukan yang lebihtinggi juga pada pohon keputusan.

lidasi silang merupakan metode statistika yang digunakan untuk melakukan evaluasidan komparasi terhadap sebuah satu set data dengan cara membagikan data tersebut menjadi

data training dan data testing. Salah satu jenis validasi silang adalahValidasi ini dilakukan dengan cara membagi suatu set data menjadi

yang berukuran sama besar dengan cara melakukan pengacakan data.akan digunakan terlebih dahulu untuk proses training dan dilakukan validasi

menggunakan sisa dari data selain 1. Setelah itu 2 akan digunakan untuk trainingdigunakan untuk validasi, dan seterusnya. Dengan melakukan validasi seperti

ini maka akurasi yang akan didapatkan akan lebih tinggi [15].


Implementasi algoritma C4.5 untuk prediksi penerimaan calon pegawai barulangkah penelitian sebagai berikut:

Penelitian dimulai dengan mempelajari informasi serta algoritma yang bersangkutandengan penelitian ini dengan cara membaca e-book, e-journal, serta beberapa referensipembelajaran lain. Pada tahapan ini konsep-konsep yang dibutuhkan dalam penelitian akandimatangkan, seperti definisi dari algoritma C4.5 dan penerapannya.

Pengumpulan Sampel Data

99


dari algoritma C4.5 yang berfungsi untukpembentukan pohon keputusan. Perhitungan dimulai dari menghitung banyaknya jumlah atributdan menentukan atribut mana yang akan digunakan sebagai akar dari pohon keputusan.

untuk menentukan leaf dari pohonkeputusan tersebut. Setelah semua perhitungan selesai dilakukan, pohon keputusan dapat

yang telah dihitung sebelumnya. Atribut dengan nilai gainioritas yang lebih tinggi dan memiliki kedudukan yang lebih

tatistika yang digunakan untuk melakukan evaluasiembagikan data tersebut menjadi

. Salah satu jenis validasi silang adalah ten-foldValidasi ini dilakukan dengan cara membagi suatu set data menjadi

yang berukuran sama besar dengan cara melakukan pengacakan data.dan dilakukan validasi

training, sementaradigunakan untuk validasi, dan seterusnya. Dengan melakukan validasi seperti

Implementasi algoritma C4.5 untuk prediksi penerimaan calon pegawai baru

Penelitian dimulai dengan mempelajari informasi serta algoritma yang bersangkutan, serta beberapa referensi

konsep yang dibutuhkan dalam penelitian akan

100 ISSN: 2407-4322


Pada tahap ini proses pengumpulan sampel data akan dilakukan dengan cara memintadata pegawai langsung kepada perusahaan, yakni PT WISE. Data pegawai ini mencakupberbagai macam informasi mulai dari nama, umur, gaji, alamat, dan atribut lain yang kemudianakan diolah menggunakan algoritma C4.5. Jumlah data yang akan digunakan adalah 84 datapegawai lapangan.3. Analisis Sampel Data

Setelah data-data pegawai didapatkan, dilakukan pemilahan dan perhitungan atributdata sesuai dengan parameter yang telah ditentukan untuk dilakukan perhitungan nilai entropydan gain untuk mendapatkan gambaran umum dari suatu set data.4. Perancangan dan Pembangunan Aplikasi

Pada tahap ini, beberapa hal akan ditentukan, yakni prosedur dan proses apa saja yangdapat dilakukan oleh aplikasi, alur proses, serta tampilan dasar aplikasi. Rancangan aplikasiakan direpresentasikan dalam bentuk diagram yang akan menggambarkan alur proses dariaplikasi. Setelah itu barulah aplikasi mulai dibangun menggunakan bahasa pemrograman yangtepat.5. Uji Coba Aplikasi

Pada tahap ini uji coba akan dilakukan terhadap aplikasi yang sudah dibuat terhadapdata-data yang telah dikumpulkan sebelumnya. Pengamatan apakah algoritma C4.5 dapatterimplementasi dengan baik pada sistem serta dapat memiliki tingkat akurasi yang tinggi padaproses prediksi calon pegawai baru juga dilakukan pada tahap ini.6. Analisis Hasil Aplikasi

Setelah uji coba pada aplikasi berhasil dilakukan, selanjutnya akan dilakukanpengukuran tingkat akurasi prediksi menggunakan validasi silang ten-fold cross validation.Validasi silang digunakan agar akurasi pengukuran prediksi lebih tepat.7. Penulisan Laporan

Pada tahap ini akan dilakukan proses pencacatan setiap kegiatan yang dilakukan selamaproses penelitian ini berlangsung dan menyalurkan informasi tersebut ke dalam bentuk laporansebagai bentuk dokumentasi.


Bagian ini menjelaskan hasil dari pengukuran akurasi aplikasi yang telah dibangundalam penelitian. Uji coba dilakukan menggunakan data sample sebanyak 84 dan menggunakanmetode pengukuran ten fold cross validation. Data tersebut kemudian akan dibagi menjadi 10buah kelompok data training dan data testing. Setelah itu barulah uji coba untuk mengukurakurasi aplikasi dilakukan.

Analisis yang akan dilakukan pada aplikasi adalah perhitungan tingkat akurasimenggunakan metode 10-fold cross validation, baik akurasi perkluster maupun secarakeseluruhan. Uji coba akan dilakukan pada 84 buah sampel data yang ada pada database secaraotomatis melalui sistem.



Gambar 2. Hasil Pengukuran Akurasi

Gambar 2 menjabarkan hasil perhitungan dari cross validation yang dilakukan olehaplikasi. Dapat dilihat hasil perhitungan akurasi untuk tiap kluster dan secara keseluruhan.

Hasil pengukuran akurasi secara keseluruhan adalah 71%. Hasil prediksi tidakmencapai angka 100% karena ada beberapa kasus dimana sampel data masih kurang banyaksehingga hasil prediksi masih bersifat ambigu.

Gambar 3. Hasil Pengukuran Akurasi dengan Tambahan

Dapat dillihat pada Gambar 3 ketika perhitungan dilakukan dengan penambahan tigasampel data baru, maka perhitungan akurasi meningkat sebanyak 5%. Hal ini berarti beberapa

102 ISSN: 2407-4322


sampel tambahan tersebut dapat memperbaharui pohon sehingga mengurangi tingkat kesalahanprediksi.

5. KESIMPULAN

Implementasi algoritma C4.5 untuk melakukan prediksi terhadap calon pegawai barupada PT WISE telah berhasil dilakukan. Hasil tingkat keberhasilan prediksi calon pegawai barudi PT WISE secara keseluruhan yang telah diukur menggunakan metode ten-fold crossvalidation adalah sebesar 71%. Untuk penelitian selanjutnya, sebaiknya dilakukan uji cobamenggunakan sampel data yang lebih banyak agar tingkat akurasi aplikasi dapat ditingkatkan.

DAFTAR PUSTAKA

[1] IGI Global Dictionary, 2015, What is Information Gain,http://www.igiglobal.com/dictionary/information-gain/14407/, diakses tgl 10 Desember2015.

[2] Jiandi, R., 2016, Implementasi Algoritma C4.5 untuk Prediksi Potensi MahasiswaSebagai Pengurus Organisasi Menggunakan Data Hasil PAPI KOSTICK (Studi Kasus:Universitas Multimedia Nusantara), Universitas Multimedia Nusantara, Tangerang.

[3] Jefri, 2013, Implementasi Algoritma C4.5 Dalam Aplikasi untuk Memprediksi JumlahMahasiswa yang Mengulang Mata Kuliah STMIK Yogyakarta, STMIK AMIKOM,Yogyakarta.

[4] Kumara, R. dan Supriyanto, C., 2015, Klasifikasi Data Mining untuk Penerimaan SeleksiCalon Pegawai Negeri Sipil 2014 Menggunakan Algoritma Decision Tree C4.5,Universitas Dian Nuswantoro, Jawa Tengah.

[5] Mengkepe, E., 2004, Sistem Pendukung Keputusan Pemberian Kredit Mobil PT. AstraInternational tbk., Isuzu Division Makassar, Universitas Widyatama, Bandung.

[6] Putri, S. U., 2015, Implementasi Metode C4.5 untuk Menentukan Guru Terbaik padaSMK 1 Percut Sei Tuan Medan, STMIK Budi Darma, Medan.

[7] HSSINA, B., dkk., 2014, A Comparative Study of Decision Tree ID3 and C4.5, SultanMoulay Slimane University, Morocco.

[8] Raditya, A.,2012, Implementasi Data Mining Classification untuk Mencari Pola PrediksiHujan dengan Menggunakan Algoritma C4.5, Universitas Gunadarma, Depok.

[9] Sulistiyani, T. dan Ambar, R., 2003, Manajemen Sumber Daya Manusia, Graha Ilmu,Yogyakarta.

[10] Slamet, A.,2007, Manajemen Sumber Daya Manusia, Universitas Negeri Semarang,Semarang.

[11] Tjahyono, A. dan Anggara, A. M., 2010, Sistem Pendukung Keputusan PenerimaanPegawai Baru pada PT. Kanasritex Semarang, Techno.com, Vol. 9 No.3.



[12] Marwana, 2014, Algoritma C4.5 untuk Simulasi Prediksi Kemenangan DalamPertandingan Sepakbola, STIMED, Nusa Palapa, Makassar.

[13] Triisant, 2015, Pohon Keputusan dengan Algoritma C4.5,http://dokumen.tips/documents/algoritma-c45.html, Diakses tgl 21 Maret 2016.

[14] Ruggieri, S., 2002, Efficient C4.5, IEEE Transaction on Knowledge and DataEngineering 14(2), hal.438-444.

[15] Refaeilzadeh, P., Tang, L.,dan Liu, H., 2009, Cross-Validation, Encyclopedia ofDatabase Systems, hal.532-538.

104 ISSN: 1978-1520

Analisis Pengaruh Penggunaan Internet TerhadapMinat Belajar Mahasiswa

(Studi Kasus:Perguruan Tinggi di Kota Palembang)

Desi Pibriana*1, Desy Iba Ricoida21,2STMIK GI MDP; Jalan Rajawali No 14 Palembang

12Program StudiSistem Informasie-mail: *[email protected], [email protected]

AbstrakPemanfaatan Teknologi informasi pada perguruan tinggi diharapkan dapat

meningkatkan kualitas pembelajaran mahasiswa antara lain dengan memberikan kemudahanakses internet sehingga mahasiswa dapat dengan mudah mendapatkan informasi dari situs-situs online. Akan tetapi pemanfaatan internet sering disalahgunakan dengan tidakmenggunakannya guna menunjang pembelajaran sebaliknya digunakan untuk mengakses mediajejaring online dan main game. Berdasarkan hal tersebut maka diperlukan pengujian untukmengetahui bagaimana pengaruh dari penggunaan internet terhadap minat belajar mahasiswapada Perguruan Tinggi yang ada di Kota Palembang dengan menggunakan konsep Model TRA(Theory of Reasoned Action). Metode analisis pada penelitian ini dilakukan denganmenggunakan metode Structural Equation Modeling (SEM) dengan bantuan software AMOS22. Hasil dari penelitian ini terlihat bahwa norma subjektif tidak memiliki pengaruh terhadapminat belajar mahasiswa sementara perilaku penggunaan Internet memiliki pengaruh terhadapminat belajar mahasiswa. Hal ini dapat memberikan masukan bagi perguruan tinggi untukmemaksimalkan penggunaan internet guna mendukung minat belajar mahasiswa.

Kata kunci: Mahasiswa, Minat, Theory of Reasoned Action, TRA, Structural EquationModeling.

AbstractInformation Technology in higher education are expected to be used to improve the

quality of student in learning, such as facilitating student to access the Internet easily by makingit easy to get the information from online sites. However, Internet is often misused by student,they are using it to access social media and gamesinstead of support their learning process.Based on this fact, we need to evaluate how Internet usage can affect students learning interestand behavior in Palembang by using the concept of Theory Reasoned Action (TRA) Model.Structural Equation Modeling (SEM) with software AMOS 22 is used to analyze this problem.The result of this study show that the subjective norm have no effect on student interest onlearning while Internet Usage behavior has. Based on this result, it can provide an input foruniversities to maximize Internet usage to support student interest on learning.

Keyword: Student, Interest, Behaviour, Theory of Reasoned Action, TRA, Structural EquationModeling.



1. PENDAHULUAN

Perkembangan teknologi khususnya pada teknologi jaringan Internet saat ini secaratidak langsung telah mengubah paradigma masyarakat dalam mendapatkan informasi dankomunikasi. Salah satu bidang yang sangat membutuhkan teknologi Internet ini adalah duniapendidikan, khususnya perguruan tinggi dimana Internet dapat menjadi salah satu sumberbelajar yang dapat dimanfaatkan oleh mahasiswa.

Beberapa Perguruan Tinggi yang ada di Kota Palembang telah memanfaatkan teknologiinternet dalam proses pembelajaran yang dilakukan antara lain dengan membuat sisteminformasi akademik secara online, pemanfaatan sistem informasi akademik secara online jugadiikuti dengan memberikan fasilitas akses jaringan internet sehingga mahasiswa dapat bebasmengakses internet kapanpun dan dimanapun di area gedung kampus.

Berdasarkan wawancara dan pengamatan yang dilakukan, mahasiswa menggunakanInternet di lingkungan kampus untuk berbagai keperluan termasuk dalam hal pembelajaran,tetapi tidak sedikit mahasiswa yang menggunakan Internet untuk kepentingan pribadi sepertibermain games dan membuka situs-situs yang tidak memiliki hubungan dengan pembelajaran.Seringkali juga ditemukan bahwa mahasiswa menyalin tugas dari Internet dan tidak dapatmenjelaskan maksud dari tugas yang diperolehnya dari Internet. Hal ini menunjukkan bahwamahasiswa tidak memahami materi dan informasi yang didapatkan dari Internet dengan baik.

Kehadiran Internet di perguruan tinggi bertujuan untuk menumbuhkan minat belajarmahasiswa jika digunakan dengan tepat agar prestasi mahasiswa dapat meningkat. Berdasarkanhal tersebut diperlukan pengujian apakah Internet dapat mempengaruhi minat belajarmahasiswa. Salah satu pendekatan yang sering digunakan untuk mempelajari perilaku manusiaadalah Theory of Reasoned Action (TRA) [1]. TRA dimulai dengan melihat intensi/minatberperilaku sebagai anteseden terdekat dari suatu perilaku. Dipercaya bahwa semakin kuatminat seseorang untuk menampilkan suatu perilaku tertentu, diharapkan semakin berhasil orangtersebut melakukannya [1].

1.1 InternetInternet adalah alat penghubung antara organisasi dan pelanggannya, sehingga tercipta

sebuah organisasi baru secara virtual [2]. Menurut DeFleur & Dennis dalam Zin, Muda, &Nordin, internet adalah sebuah sistem komputasi di seluruh dunia yang menggunakan saranaumum untuk menghubungkan perangkat keras dan mentransmisikan informasi digital,komunitas orang dengan menggunakan sebuah teknologi komunikasi yang umum danmendistribusikan sistem informasi secara global [3].

Sehingga dapat disimpulkan Internet memungkinkan satu individu untuk terhubungdengan satu atau lebih individu lainnya baik untuk berkomunikasi, menerima serta menyebarkaninformasi.

1.2 Minat BelajarMinat merupakan suatu keinginan seseorang untuk melakukan suatu perilaku tertentu

[4]. Dapat dikatakan bahwa seseorang akan melakukan suatu hal tertentu apabila memilikikemauan dari dalam diri untuk melakukannya. Salah satu pendukung yang berpengaruh dalammemperoleh prestasi dalam belajar adalah minat belajar. Menurut Djamarah dalam [5] adalahsuatu penerimaan akan suatu hubungan antara diri sendiri dengan sesuatu di luar diri. Seseorangmemiliki minat terhadap subjek tertentu cenderung untuk memberikan perhatian yang lebihbesar terhadap subjek tertentu.

Sementara menurut Slameto (2003) dalam [6] menyatakan bahwa minat adalah suaturasa lebih suka (senang) dan rasa ketertarikan pada suatu hal atau aktivitas. Penelitian yangdilakukan oleh Wardhani dalam skripsinya mengenai keterhubungan Internet dan minat belajar,disimpulkan dalam skripsinya bahwa pemanfaatan internet sebagai sumber belajar merupakanfaktor yang berasal dari luar diri siswa sedangkan minat belajar merupakan faktor yang berasal

ISSN: 1978-1520106

dari dalam diri siswa. Keduanya berpengaruh secara tidak langsung terhadap peningkatanbelajar siswa [6]

1.3 Theory of Reasoned Action(TRA)Teori tindakan beralasan (Theory of Reasoned Action) merupakan teori yang

menjelaskan tahapan-tahapan manusia melakukan perilaku. Pada tahap awal, perilaku(behavior) diasumsikan ditentukan oleh minat (intention). Pada tahap berikutnya niat dapatdijelaskan dalam bentuk sikap-sikap terhadap perilaku (attitudes towards the behavior) dannorma-norma subyektif (subjective norm). Tahap-tahap ketiga dipertimbangkan sikap-sikap(attitudes) dan norma-norma subjektif (subjective norm) dalam bentuk kepercayaan tentangkonsekuensi melakukan perilakunya dan tentang ekspektasi normatif dari orang yang direferensi(referent) yang relevan [6].

Anis Fakhrunnisa menyatakan bahwa Model TRA ini menunjukkan bahwa sikap(attitude) seseorang, misalnya sikap terhadap belajar, digabungkan dengan norma-normasubjektif (subjective norm), misalnya kepercayaan-kepercayaan orang lain terhadap belajar,akan mempengaruhi minat (behavioral intention) terhadap belajar dan pada akhirnya akanmenentukan seseorang untuk belajar atau tidak (behavioral) [7].

1.4 Penelitian TerdahuluBerikut ini penelitian-penelitian terdahulu yang memiliki relevansi dengan penelitian

yang dilakukan.

1.4.1 Penelitian I Made Agus Ana Widiatmika dan Dana Indra SensusePenelitian yang berjudul Pengembangan Model Penerimaan Teknologi Internet Oleh

Pelajar Dengan Menggunakan Konsep Technology Acceptance Model (TAM) olehWidiatmika & Sensuse [8], menyatakan bahwa Technology Acceptance Model (TAM) yangdiusulkan secara umum dapat dijadikan sebagai model penerimaan teknologi internet olehpelajar khususnya pelajar sekolah menengah atas dengan fasilitas dan kondisi yang memenuhi.Model TAM pada penelitian ini menggunakan 9 variabel laten dengan 33 buah indikatorsebagai variabel manifes.

Hasil penelitian ini menunjukkan bahwa 15 hipotesa yang diajukan dapat diterima danmemberikan pengaruh positif terhadap manfaat yang dirasakan oleh pelajar dan jugamemberikan pengaruh positif terhadap tingkah laku atau kebiasaan pelajar dalam menggunakaninternet. Sikap atau tingkah laku pelajar dalam menggunakan internet seperti rasa senang yangdiperoleh akan memberikan dampak positif pada peningkatan keinginan untuk menggunakaninternet dan mendorong pelajar untuk selalu ingin mencoba berinternet yang tentunya akanberpengaruh positif terhadap semakin lamanya waktu yang dihabiskan oleh pelajar untukberinternet.

Dorongan pelajar untuk selalu ingin mencoba berinternet yang berpengaruh positifterhadap lamanya waktu yang dihabiskan untuk berinternet. Melalui penelitian ini diambilvariabel penggunaan internet (attitude toward using) sebagai indikator untuk mengukur sikappenggunaan internet dan perhatian untuk menggunakan internet (behavioral intention to use)sebagai indikator minat belajar. Sikap penggunaan ini akan dihubungkan dengan minat belajarmahasiswa. Minat belajar mahasiswa ini akhirnya akan dihubungkan dengan perilaku belajarmahasiswa.

1.4.2 Penelitian Astutik Nur QomariyahBerdasarkan penelitian yang telah dilakukan oleh A.N Qomariyah [9] yang berjudul

Perilaku Penggunaan Internet pada Kalangan Remaja di Perkotaan menyimpulkan bahwausia responden pertama kali mengenal dan menggunakan internet adalah 12 tahun. Berdasarkanaspek intensitas penggunaan internet, sebagian besar remaja perkotaan lebih sering mengakses



internet di warnet meskipun di sekolah mereka terdapat fasilitas internet yang dapatdimanfaatkan secara gratis.

Penggunaan internet remaja perkotaan tergolong heavy user dimana menghabiskanwaktu lebih dari 40 jam sebulan. Kalangan remaja di perkotaan menggunakan internet untukempat dimensi kepentingan, yaitu informasi, aktivitas kesenangan, komunikasi dan transaksi.Meskipun dari keempat kepentingan pengguna internet tersebut aktivitas-aktivitas internet yangdilakukan kalangan remaja di perkotaan lebih banyak ditujukan untuk aktivitas kesenangandaripada untuk kepentingan lainnya, namun aktivitas internet yang paling banyak dilakukanpara remaja tersebut adalah mencari sumber atau bahan terkait dengan tugas atau pelajaransekolah.

Dari penelitian ini penulis mengambil faktor sikap penggunaan internet dan normasubjektif terhadap penggunaan internet.

1.4.3 Penelitian Vasilis Gialamas, Kleopatra Nikolopoulou & George KoutromanosPenelitian yang dilakukan oleh Gialamas, Nikolopoulou, & Koutromanos [10] yang

berjudul Student teachers perception about the impact of internet usage on their learning andjobs ditujukan untuk menginvestigasi persepsi mahasiswa fakultas pendidikan mengenaidampak penggunaan internet terhadap pembelajaran dan pekerjaan mereka dimasa yang akandatang. Persepsi mahasiswa pendidikan mengenai dampak penggunaan internet terhadappembelajaran dan pekerjaan mereka di masa yang akan datang secara umum adalah positif.Kebanyakan mahasiswa percaya bahwa penggunaan internet pada studi universitas membuatpembelajaran lebih menarik dan efektif, dan memiliki kemampuan menggunakan internet akanmembantu prospek pekerjaan mereka di masa mendatang. Penelitian ini telah menunjukkanbahwa semakin tinggi pengalaman digital dan frekuensi penggunaan internet, semakin positifpersepsi para mahasiswa mengenai dampak internet terhadap pembelajaran dan pekerjaanmereka dimasa mendatang.

Dari penelitian ini diambil variabel Internet Usage khususnya faktor perceivedenjoyment, internet usage, perceived usefullness, impact on general learning, impactcollaborative learning, impact on distance learning, serta social pressure sebagai indikatoruntuk mengukur sikap penggunaan, norma subjektif dan minat belajar dengan menggunakaninternet.


2.1 Tahapan PenelitianPenelitian ini dilakukan dengan tahapan tahapan berikut:

Gambar 1. Tahapan Penelitian

a. Perumusan masalah, pada tahapan ini merumuskan masalah yang akan digunakandalam topik penelitian dalam hal ini pengaruh pemanfaatan internet terhadap minatbelajar mahasiswa di kota Palembang.

b. Studi Literatur yaitu melakukan studi literatur untuk mendapatkan informasi baik yangberkaitan dengan topik penelitian dari berbagai sumber antara lain jurnal, buku maupunartikel.

ISSN: 1978-1520108

c. Perumusan model dan penyusunan instrumen adalah merumuskan model yangdigunakan yaitu konsep Model TRA (Theory of Reasoned Action). Kemudianpenyusunan instrumen penelitian. Instrumen penelitian ini merupakan kumpulanpertanyaan-pertanyaan yang bersifat close ended question.

d. Pengumpulan Data dilakukan dengan melakukan penyebaran kuesioner terhadapresponden.

e. Pengolahan dan Analisis Data, menggunakan metode statistik dalam menganalisisdata yang berhasil dikumpulkan dari para responden. Teknik statistik yangdigunakan adalah teknik multivariate structural equation model (SEM) yangdiolah dengan program AMOS 22.

f. Penarikan kesimpulan dilakukan setelah melakukan pengujian hipotesis danmengetahui hubungan antar setiap variabel. Kesimpulan merupakan jawaban daripertanyaan penelitian yang telah diajukan yang sesuai dengan hasil analisis danpengujian hipotesis.

2.2 Populasi dan SampelSumber data dan instrumen yang akan digunakan dalam penelitian ini adalah data

kuantitatif dengan menggunakan metode convenience sampling yang dilakukan dengan carapenyebaran kuesioner yang dibuat oleh peneliti dengan menyebarkannya dalam bentuk hardcopy. Pengambilan sampel secara acak ini ditujukan agar hasil penelitian bisa dijadikan ukuranuntuk mengestimasikan populasi, atau melakukan generalisasi.

Populasi dari penelitian ini adalah semua mahasiswa Perguruan Tinggi baik swastamaupun negeri yang ada di kota Palembang dan telah memanfaatkan Teknologi Informasidalam proses pembelajaran. Akan diambil sejumlah sampel secara random sampling. Jumlahsampel yang dianjurkan dalam menggunakan teknik SEM, dengan prosedur estimasi MLEadalah 100 150 sampel [11]. Pendapat lain mengatakan bahwa jumlah sampel yang idealuntuk MLE yaitu sebanyak lima kali jumlah indikator/pertanyaan [12] yaitu sebanyak 150. Padapenelitian ini digunakan 273 sampel sehingga memenuhi asumsi tersebut.

2.3 Metode Pengumpulan DataPengumpulan data yang dilakukan dalam penelitian ini menggunakan kuisioner, dimana

pertanyaan yang diajukan telah memiliki pilihan jawaban dengan skala likert. Skala likertmerupakan salah satu skala yang paling banyak dilakukan pada penelitian sosial [13].

2.4 Model, Variabel, dan Indikator PenelitianBerdasarkan teori dan temuan hasil penelitian sebelumnya, kemudian diusulkan suatu

model penelitian yang secara langsung menunjukkan hipotesis yang diajukan pada penelitianini. Selain itu, dari model penelitian yang diajukan dapat diketahui hubungan dari penggunaaninternet terhadap minat dan perilaku belajar mahasiswa. Model penelitian ini dapat dilihat padaGambar 2.

Gambar 2. Hipotesis dan Rancangan Model Penelitian



Hipotesis pada penelitian ini adalah :H1: Sikap Penggunaan Internet memiliki hubungan yang signifikan terhadap minat belajarmahasiswa.H2: Norma Subjektif Penggunaan Internet memiliki hubungan yang signifikan terhadap minatbelajar mahasiswa.

Adapun indikator masing-masing variabel dan simbol-simbol untuk butir dalamkuesioner ditunjukkan seperti pada Tabel 1.

Tabel 1. Variabel dan Indikator PenelitianVariabel Indikator Sumber

Sikap PenggunaanInternet

- Interaksi dengan internet- Membagikan informasi di internet- Pengalih perhatian/ kesenangan menggunakan internet- Transaksi online- Komunikasi dan pertemanan menggunakan internet- Informasi dari internet

[8], [9],[10]

Norma SubjektifPenggunaan Internet

- Pendapat tentang rujukan informasi dari internet- Pendapat tentang membagikan informasi pribadi di

internet- Pendapat tentang kesenangan yang berasal dari

internet- Pendapat tentang keamanan transaksi online- Pendapat tentang pertemanan di internet- Pendapat tentang pertanggungjawaban informasi di

internet

[8], [9],[10]

Minat Belajar - Keinginan belajar menggunakan internet- Ketidakjenuhan belajar dengan menggunakan internet- Belajar dengan materi yang dapat diakses melalui

internet- Internet suatu keharusan- Mengerjakan tugas dengan bantuan internet- Bertukar informasi dalam tugas

[8], [9],[10]

2.5 Pengujian KuisionerPengujian validitas dan reliabilitas kuisioner dilakukan untuk mengukur valid atau

reliabel tidaknya suatu pernyataan dalam kuisioner yang akan digunakan pada penelitian ini.

2.6 Metode Analisis DataMetode yang digunakan untuk menganalisis data adalah metode statistik dengan teknik

multivariate SEM (Structural Equation Modeling) menggunakan aplikasi AMOS 22. SEM merupakangenerasi kedua teknik analisis multivariate yang memungkinkan peneliti untuk menguji hubungan antaravariabel kompleks untuk memperoleh gambaran menyeluruh tentang suatu model. Data yang telahdiperoleh kemudian diolah menggunakan program Microsoft Excel 2010 dan program SPSS 16.0.Selanjutnya, pengolahan dan analisis data dengan implementasi SEM menggunakan aplikasi AMOS 22.


3.1 Perancangan KuisionerBerdasarkan indikator yang dihasilkan dari model penelitian yang diusulkan didapatkan

sebanyak 18 indikator dimana indikator ini menentukan jumlah pertanyaan yang akanditanyakan dalam kuisioner. Adapun indikator tersebut tercantum pada Tabel 2.

ISSN: 1978-1520110

Tabel 2. Rancangan Kuesioner

VariabelNomorPert.

Indikator Simbol

Sikap PenggunaanInternet

1 Informasi dari internet SP12 Interaksi dengan internet SP23 Pengalih perhatian/ kesenangan menggunakan

internetSP3

4 Transaksi online SP45 Komunikasi dan pertemanan di internet SP56 Membagikan informasi di internet SP6

Norma Subjektif 7 Pendapat tentang rujukan informasi dari internet NS18 Pendapat tentang membagikan informasi

pribadi di internetNS2

9 Pendapat tentang kesenangan yang berasal dariinternet

NS3

10 Pendapat tentang keamanan transaksi online NS411 Pendapat tentang pertemanan di internet NS512 Pendapat tentang pertanggungjawaban

informasi di internetNS6

Minat Belajar 13 Keinginan belajar menggunakan internet MB114 Ketidakjenuhan belajar dengan menggunakan

internetMB2

15 Belajar dengan materi yang dapat diaksesmelalui internet

MB3

16 Internet suatu keharusan MB417 Mengerjakan tugas dengan bantuan internet MB518 Bertukar informasi dalam tugas MB6

3.2 Pengujian KuisionerUntuk menguji validitas, dilakukan perbandingan antara nilai correcteditem-

totalcorrelation pada setiap indikator atau pertanyaan dengan nilai r tabel. Jikacorrecteditem-totalcorrelation (r hitung) bernilai positif dan lebih besar dari nilai r tabel,maka indikator atau pertanyaan pada variabel dapat dikatakan valid [14]. Nilai r tabel padapenelitian ini untuk tingkat signifikansi sebesar 5% adalah 0,1187 dengan perhitungan sampelsebesar 273 (df = 273-2 = 271) . Sehingga nilai corrected item-total correlation untuk setiapindikator atau pertanyaan masing-masing variabel harus diatas 0,1187 agar indikator yangdigunakan pada penelitian ini dapat dikatakan valid. Hasil perhitungan pada penelitian ini,didapatkan semua indikator memiliki nilai corrected item-total correlation diatas 0,1187maka semua indikator pada penelitian ini dinyatakan valid.

Sedangkan untuk menguji reliabilitas data dilakukan dengan membandingkannilai Cronbach Alpha untuk 30 item indikator dan 273 responden. Standar batasCronbachs Alpha yang ditetapkan para ahli berbeda- beda. Suatu basic research secaraumum direkomendasikan memiliki kisaran nilai cronbachs alpha antara 0,7 - 0,8. Padapenelitian ini dipilih batas Cronbachs Alpha untuk semua indikator diatas 0,7. Hasil pengujianreliabilitas pada penelitian ini diperoleh nilai Cronbach Alpha rata- rata di atas 0,7 sehingga inimenunjukkan data reliabel.

3.3 Data RespondenPopulasi dari penelitian ini adalah seluruh mahasiswa perguruan tinggi yang ada di kota

Palembang, dimana dari seluruh populasi mahasiswa diambil sampel yang dapat mewakilikeseluruhan populasi dengan teknik convenience sampling. Dari penyebaran sebanyak 300



lembar kuesioner ke sampel yang mewakili populasi, terkumpul kembali sebanyak 273 lembaryang layak untuk dianalisis. Adapun demografi responden dari sampel yang kembali adalahsebagai berikut:

a. Jenis kelaminDari responden didapatkan 41% berjenis kelamin laki-laki dan 59% berjenis kelaminperempuan.

b. Masa studi (Semester yang telah ditempuh)Dari keseluruhan responden didapatkan hasil 26% mahasiswa yang memiliki rentangsemester satu sampai dengan semester 3, terdapat 45% mahasiswa rentang semester 4sampai dengan semester 6, terdapat 10% dari semester 8 dan sisanya 4% telahmenempuh lebih dari delapan semester.

c. Lama mengenal dan menggunakan komputerDari keseluruhan responden 86% telah mengenal dan menggunakan komputer selamalebih dari 5 tahun dan 14% mengenal kurang dari 5 tahun

d. Lama mengenal dan menggunakan internetDari keseluruhan responden 82% telah mengenal dan menggunakan internet selamalebih dari 5 tahun dan 18% mengenal kurang dari 5 tahun

3.4 Hasil PenelitianPada penelitian ini digunakan metode teknik statistik yaitu teknik multivariate

Structural Equation Model (SEM) yang dapat diolah dengan program AMOS (Analysis Momentof Structural) 22.

3.4.1 Pembuatan Path DiagramSetelah model, variabel dan indikator dibuat, proses selanjutnya adalah membuat path

diagram menggunakan ikon-ikon yang ada tools AMOS yang merupakan representasi darimodel, indikator, dan variabel yang telah dibuat sebelumnya. Adapun path diagram padapenelitian ini dapat dilihat pada gambar 3. Setelah dilakukan analisis konfirmatori makaselanjutnya dilakukan pengujian struktural pada keseluruhan model penelitian, pengujian inidilakukan untuk mengetahui hubungan antar variabel laten beserta indikator indikatornya.Pada penentuan kriteria uji kecocokan beberapa kriteria yang umum digunakan dan telahmemiliki standar. Jika kriteria tersebut belum memperoleh model yang fit, maka dilakukanmodifikasi hingga menghasilkan model yang fit.

Gambar 3. Path Diagram Setelah Modifikasi untuk Uji Model Struktural

ISSN: 1978-1520112

Berdasarkan hasil modifikasi model yang dilakukan maka dilakukan pengukuran ujikecocokan untuk model structural. Berikut adalah ringkasan hasil uji kecocokan atau goodnessof fit untuk model struktural dapat dlihat pada Tabel 3.

Tabel 3. Ringkasan Hasil Uji Goodness of Fit Model Struktural Setelah ModifikasiIndikator Standar Hasil KeteranganCMIN/DF < 2 1,972 Good Fit

GFI>0,9 (good fit)

0,80 < GFI < 0,90 (marginal fit) 0,862 Marginal Fit

AGFI>0,9 (good fit)

0,80 < AGFI < 0,90 (marginal fit) 0,831 Marginal Fit

PGFI >0,60 0,705 Good Fit

NFI>0,9 (good fit)

0,80 < NFI < 0,90 (marginal fit)0,841 Marginal Fit

CFI >0,9 (good fit)0,80 < CFI < 0,90 (marginal fit)

0,914 Good Fit

TLI >0,9 (good fit)0,80



Hipotesis yang diterima menunjukkan adanya hubungan yang signifikan antara sikappenggunaan Internet terhadap minat belajar mahasiswa. Sementara dari hasil pengujianmenunjukkan bahwa Norma Subjektif penggunaan Internet tidak memiliki hubungan yangsignifikan terhadap minat belajar mahasiswa.

3.4.3 Kesimpulan Pengujian HipotesisSetelah melalui beberapa tahapan analisis data menggunakan teknik SEM berbasis

kovarians dengan memanfaatkan aplikasi AMOS 22, hasil akhir pengolahan data harusdiinterpretasikan untuk membuktikan hipotesis penelitian yang telah diajukan. Berikutkesimpulan dari setiap hipotesis sebagai hasil dari analisis hubungan antar konstruk pada modelpenelitian.

H1: Sikap Penggunaan Internet memiliki hubungan yang signifikan terhadap minatbelajar mahasiswa

Hipotesis ini terbukti melalui pengolahan data yang ada. Berdasarkan pengujian modelstruktural, variabel sikap penggunaan internet memiliki hubungan yang signifikan terhadapvariabel minat belajar mahasiswa. Sikap mahasiswa dalam menggunakan internet dapatmenumbuhkan minat belajar mahasiswa. Kemudahan memperoleh informasi dari internet dapatmenjadi salah satu motivasi mahasiswa untuk menumbuhkan minat belajar.

H2: Norma Subjektif Penggunaan Internet memiliki hubungan yang signifikan terhadapminat belajar mahasiswa

Hipotesis ini tidak terbukti melalui pengolahan data yang ada. Berdasarkan pengujian modelstruktural, variabel norma subjekif penggunaan internet tidak memiliki hubungan yangsignifikan terhadap variabel minat belajar mahasiswa. Hal ini menunjukkan bahwa pendapatorang disekitar tentang penggunaan internet tidak mampu untuk menumbuhkan minat belajarmahasiswa.

4. KESIMPULAN

Adapun kesimpulan yang dapat diambil dalam pengaruh pemaanfaatan internet terhadapminat belajar adalah:

1. Model penelitian yang diadopsi dari TRA adalah model dapat diterapkan untukmengetahui pengaruh penggunaan internet terhadap minat belajar mahasiswa.

2. Berdasarkan hasil pengujian, dapat dianalisis bahwa sikap responden dalam penggunaaninternet memiliki pengaruh terhadap minat belajar responden yang dalam hal ini adalahmahasiswa. Dengan kata lain dapat disimpulkan bahwa sikap mahasiswa dalammenggunakan internet dapat menumbuhkan minat belajar mahasiswa.

3. Dari hasil pengujian juga menunjukkan bahwa norma subjektif yang dalam hal ini adalahpendapat orang di sekitar responden yang pendapatnya dipertimbangkan oleh respondentidak mampu untuk menumbuhkan minat belajar responden.

5. SARAN

Adapun saran yang dapat disampaikan dalam penelitian ini yaitu penelitian ini diharapkanmodel penelitian ini dapat dikembangkan lebih lanjut, dapat dengan cara menghubungkan antarvariabel yang telah dibangun di penelitian ini atau menambahkan variabel baru yangmemungkinkan berdasarkan teori yang kuat. Model juga dapat dikembangkan denganmenggunakan model lain seperti Theory Planned Behavior (TPB) yang merupakanpengembangan dari Theory Reasoned Action (TRA) mengingat TRA masih memiliki

ISSN: 1978-1520114

keterbatasan utama, yakni hanya digunakan untuk menjelaskan perilaku yang dikerjakan secarasukarela, bukan perilaku yang diwajibkan.

UCAPAN TERIMA KASIH

Terima kasih kepada Ditjen Penguatan Riset dan Pengembangan Kementrian Riset,Teknologi, dan Pendidikan Tinggi untuk dukungan dana penelitian.

DAFTAR PUSTAKA

[1] Achmat, Zakarija., 2010, Theory of Planned Behaviour Masihkah Relevan.[Online],Avalaible:http://zakarija.staff.umm.ac.id/files/2010/12/Theory-of-Planned-Behavior-Masihkah-relevan1.pdf .[Accessed 7 April 2016].

[2] Fakhrunnisa, A., Astuti, E. S., & Susilo, H. (n.d.), Pengaruh Persepsi Kemanfaatan danSikap Pengguna Terhadap Minat Menggunakan Internet (Studi pada TenagaKependididkan di Fakultas Ilmu Administrasi Universitas Brawijaya Malang), FakultasIlmu Administrasi Universitas Brawijaya, Malang.

[3] Gialamas, V., Nikolopoulou, K., & Koutromanos, G. 2013, Student's TeacherPerceptions About The Impact of Internet Usage on Their Learning and Jobs, Computers& Education, 1-7.

[4] Ghozali, I., 2007, Analisis Multivariate Dengan Program SPSS Edisi Kelima,Universitas Diponegoro, Semarang.

[5] Hair Jr, J., Black, W., Babin, B., & Anderson, R.2006, Multivariate Data Analysis (6thedition), Upper Saddle River: NJ: Pearson Prentice Hall.

[6] Jogiyanto, H.M., 2007, Sistem Informasi Keperilakuan, Edisi Revisi, Andi, Yogyakarta.

[7] Mahatanankoon, P., & Igbaria, M. 2004, Impact of Personal Internet Usage onEmployee's Well-Being, Information Science Publishing, 246 - 263.

[8] Morissan, et al. 2012, Metode Penelitian Survei, Kencana, Jakarta.

[9] Pramono, B.S. 2013, Pengaruh Minat Belajar dan Kualitas Media PembelajaranTerhadap Prestasi Belajar Mahasiswa Pendidikan Akuntansi pada Mata KuliahManajemen Keuangan Angkatan 2010,Strata 1, Fakultas Keguruan dan Ilmu PendidikanUniversitas Muhammadiyah, Surakarta.

[10] Qomariyah, A. N. 2009, Perilaku Penggunaan Internet pada Kalangan Remaja diPerkotaan, Fakultas Ilmu Sosial dan Ilmu Politik, Universitas Airlangga,Surabaya.

[11] Wardhani, R.A.S.K., 2013, Hubungan Pemanfaatan Internet Sebagai Sumber Belajardan Minat Belajar dengan Prestasi Belajar Sosiologi Siswa Kelas XI Ilmu PengetahuanSosial SMA Negeri 4 Surakarta Tahun Ajaran 2012/2013, Strata 1, Fakultas Keguruandan Ilmu Pendidikan Universitas Sebelas Maret, Surakarta.



[12] Widiatika, I., & Sensuse, D. 2008, Pengembangan Model Penerimaan Teknologi InternetOleh Pelajar dengan Menggunakan Konsep Technology Acceptance Model (TAM,.JurnalSistem Informasi MTI - UI, 81-92.

[13] Wijanto, S. H. 2008, Strucktural Equation Modeling dengan Lisrel 8.8: Konsep danTutorial, Graha Ilmu, Jakarta.

[14] Zin, N.H.M, Muda, M, & Nordin, M.Z. 2013, Uses and Gratification Of Internet AmongUniversity Students In Malaysia,[online] Retrieved: [5 September 2013].

116 ISSN: 2407-4322


Pengembangan Model Rantai Pasok Minyak GorengUntuk Meningkatan Produktivitas Menggunakan Sistem

Dinamik pada PT XYZ

Donaya Pasha*1,2, Erma Suryani21,2Fakultas Teknologi Informasi; Kampus ITS Sukolilo Surabaya, Telp: (031) 599 9944

Jurusan Sistem Informasi, FTI ITS, Institut Teknologi Sepuluh Nopember, Surabaya2STMIK Teknokrat; Jalan ZA Pagar Alam No 9-11 Bandar Lampung, Telp: (0721) 702022

Jurusan Sistem Informasi, STMIK Teknokrat, Perguruan Tinggi Teknokrat, Lampunge-mail: *[email protected], [email protected]

AbstrakElemen-elemen sistem penyusun rantai pasok PT XYZ pada penelitian ini terdiri dari

supplier, produsen, dan konsumen. Pada rantai pasok produsen, produksi minyak gorengmenglami deficit terhadap permintaan minyak goreng dalam negeri. Hal tersebut dikarenakanadanya faktor penurunan produktivitas seperti pengaruh jenis bibit yang digunakan, umurtanaman, curah hujan dan proses panen fraksi TBS yang tidak merata. Pada penelitian inidiusulkan pengembangan model rantai pasok minyak goreng untuk meningkatan produktivitasmenggunakan sistem dinamik. Metode yang diusulkan terdiri dari tiga tahapan utama, tahappertama pemodel sistem untuk pembuatan model konsep causal loop diagram. Tahap keduaadalah causal loop diagram untuk dijadikan model sistem dinamik. Tahap terakhir adalahformulasi model untuk menentukan perilaku dinamis yang diakibatkan oleh asumsi-asumsi darimodel. Hasil dari penelitian ini adalah sebuah pengembangan model rantai pasok minyakgoreng untuk meningkatkan produktivitas menggunakan sistem dinamik. Hasil simulasiskenario, metode yang diusulkan berhasil meningkatkan produktivitas TBS sebesar 28.3% (Ton)per hektar per tahun dan produksi minyak goreng mengalami surplus dengan rata-rata 30.31%.

Kata kunci: Sistem Dinamik, Skenario, Rantai Pasok, Produktivitas TBS.

AbstractConstituent elements of the supply chain system of PT XYZin this study consists of a

supplier, manufacturer, and consumers. On the supply chain manufacturers, the production ofcooking oil menglami deficit against the demand for cooking oil in the country. That is becausethe existence of factors such as productivity decline in the influence of the type of seeds areused, the age of the plant, and the process of rainfall harvesting faction TBS uneven. Thisproposed research on the development model of the supply chain to improve the productivity ofcooking oil using dynamical systems. The proposed method consists of three main stages, thefirst stage of the modelling system Modeler concept of causal loop diagrams. The second stageis a causal loop diagram for the model of dynamic systems. The last stage is the formulation ofthe model to determine the dynamic behavior caused by the assumptions of the model. Theresults of this research are the development of a supply chain model of cooking oil to increaseproductivity using dynamic systems. The results of the simulation scenario, the proposedmethod is successfully increasing the productivity of the TBS of 17.6% (tons) per hectare peryear and the production of cooking oil are having a surplus with an average 30.31%.

Keywords: System Dynamic, Scenario, Supply Chain, Productivity TBS.



1. PENDAHULUAN

elapa sawit merupakan salah satu komoditi hasil perkebunan yang mempunyai peran cukuppenting dalam kegiatan perekonomian di Indonesia. Kelapa sawit juga salah satu

komoditas ekspor Indonesia yang cukup penting sebagai penghasil devisa negara sesudahminyak dan gas. Indonesia merupakan negara produsen dan eksportir kelapa sawit terbesardunia. Selain peluang ekspor yang semakin terbuka, pasar minyak sawit dan minyak inti sawitdi dalam negeri masih cukup besar. Pasar potensial yang akan menyerap pemasaran minyaksawit (CPO) dan minyak inti sawit (PKO) adalah industri fraksinasi/ranifasi (terutama industriminyak goreng), lemak khusus (cocoa butter substitute), margarine/shortening, oleochemical,dan sabun mandi. Dalam rangka menunjang peningkatan pembangunan industri minyak sawit diIndonesia diperlukan informasi mengenai potensi kelapa sawit Indonesia [1].

Konsumsi minyak sawit dunia telah meningkat secara signifikan selama bertahun-tahun,Indonesia telah mencatat nilai signifikan pencapaian pembangunan kelapa sawit dengan menjadinegara yang memproduksi kelapa sawit di dunia, baik dari segi areal perkebunan dan totalproduksi minyak kelapa sawit nasional [2]. Konsumsi minyak sawit dunia telah meningkatsecara signifikan dikemukakan juga oleh Widodo [3] menyatakan bahwa dalam penelitiannyaindustri kelapa sawit Indonesia telah tumbuh secara signifikan dalam empat puluh tahunterakhir. Sejak tahun 2006 Indonesia telah menjadi produsen minyak sawit (Crude Palm Oil =CPO) terbesar di dunia. Gabungan Pengusaha Kelapa Sawit Indonesia (GAPKI) mencatatproduksi minyak sawit mentah (Crude Palm Oil/CPO) dan turunannya termasuk biodiesel danoleochemical, mencapai 32, 5 juta (Ton) [4].

Sistem rantai pasok pada industri kelapa sawit memiliki batasan antara lain supplierbahan baku, produsen minyak kelapa sawit, konsumen dan hutan Indonesia [3]. Beberapavariabel yang perlu diperhatikan terkait dengan supplier yaitu luas lahan, lokasi, dan berapa(Ton) hasil panen setiap tahunnya. Produsen minyak kelapa sawit merupakan pengolah kelapasawit yang berasal dari supplier menjadi minyak mentah. Konsumen sendiri terbagi menjadidua. Konsumen dalam negeri merupakan pengguna minyak mentah sebagai bahan baku produkyang mereka olah, misalnya industri minyak goreng, sabun dan margarin. Sedangkan konsumenluar negeri yaitu terkait ekspor kelapa sawit, tujuan ekspor utama kelapa sawit Indonesia yaituIndia, China, Belanda, Malaysia dan Singapura.

Menurut Rika Ampuh Hadiguna [5], penelitian sistem rantai pasok agro industri CPOmasih sangat jarang dilakukan. Beberapa penelitian yang pernah dilakukan sebelumnya hanyasebatas menganalisis supply chain model, analisis sistem makro supply chain CPO denganpendekatan model dinamik yang mempertimbangkan aspek economical revenue, social welfaredan environment, memetakan permasalahan supply chain CPO, serta perencanaan produksirantai pasok CPO. Penelitian ini menggunakan pendekatan sistem dinamik denganmemperhatikan batasan-batasan sistem rantai pasok downstream CPO minyak goreng.Pendekatan Supply Chain Management (SCM) diyakini oleh para akademisi, para peneliti,kalangan bisnis dan birokrat mampu mengintegrasikan setiap rantai distribusi dari pemasok,produsen, pengolah, pedagang besar dan eceran, serta menjamin adanya kualitas yang baik,kuantitas yang sesuai yang dibutuhkan, waktu pengiriman sebagaimana yang dijanjikan danadanya kesinambungan dengan menganut prinsip minimisasi biaya [6]. Pendekatan SupplyChain Management (SCM) telah banyak digunakan sebagai salah satu model untukmeningkatkan keunggulan bersaing dalam industri [7].

Salah satu pemanfaatan sistem dinamik menurut Lembito [7] yaitu Model dinamikmampu mensimulasi perilaku sistem supply chain CPO dan dapat meramalkan kondisi supplychain CPO untuk waktu yang akan datang serta berorientasi pada aspek produksi, aspekpendapatan usaha, aspek biaya usaha. Menurut Widodo [3] pendekatan sistem dinamik jugadapat menerapkan simulasi sistem dinamik untuk mengetahui kondisi supply chain CPO dalamkurun waktu 30 tahun mendatang serta berorientasi pada aspek economical revenue, social

K

118 ISSN: 2407-4322


welfare dan environment. Pentingnya penelitian model dinamik sebagai analisa model rantaipasok terkait ketersediaan kelapa sawit dikemukakan juga oleh [2].

Dengan pendekatan sistem dinamik penelitian ini akan memperoleh base model danskenario terbaik untuk dapat mampu meningkatkan produktivitas rantai pasok industri CPOminyak goreng di PT Tunas Baru Lampung. Produktivitas rantai pasok dapat dilihat dari submodel produksi TBS, sub model produksi CPO dan sub model produksi minyak goreng,dikarnakan produksi CPO di Indonesia dari tahun ketahun selalu meningkat [3], menurutAtmojo [8] produksi CPO dipengaruhi oleh jumlah produksi Tandan Buah Segar (TBS),produksi Tandan Buah Segar (TBS) kelapa sawit tidak lepas dari produktivitas lahan, semakinbanyak per hektar lahan maka produksi TBS (Tandan Buah Segar) akan naik, semakin tinggiproduksi CPO akan mempengaruhi stok CPO, stok CPO dipengaruhi oleh pemanfaatan CPOyang terdiri dari pengolahan CPO dan produksi CPO.

Berdasarkan skenario model Suryani [9] terdapat 6 fraksi untuk mendapatkan modelproduktivitas yaitu fraksi 0 memiliki sifat fraksi mentah dengan rendemen minyak 16%, fraksikedua adalah fraksi 1 memiliki sifat fraksi mendekati mentah dengan rendemen minyak 21.4%,fraksi ketiga adalah fraksi 2 memiliki sifat fraksi matang dengan rendemen minyak 22.1%,fraksi keempat adalah fraksi 3 memiliki sifat fraksi matang dengan rendemen minyak 22.2%,fraksi kelima adalah fraksi 4 memiliki sifat fraksi lewat matang dengan rendemen minyak22.2%, fraksi keenam adalah fraksi 5 memiliki sifat fraksi terlalu matang dengan rendemenminyak 21.9%. Maksimal rendemen tertinggi Indonesia sebesar 20% [10]. Selama iniperusahaan memproduksi tandan buah segar dengan rata-rata produktivitas sebesar 8% setaradengan 9 (Ton) tandan buah segar per hektar per tahun. Namum dari rata-rata produktivitastandan buah segar tersebut belum memenuhi standar rata-rata di Indonesia sebesar 12 - 27 (Ton)per hektar per tahun. Penyebab rendahnya produktivitas tandan buah segar diakibatkan beberapafaktor seperti pengaruh jenis bibit yang digunakan, umur tanaman, curah hujan dan prosespanen fraksi TBS yang tidak merata serta pada proses panen yang dilakukan oleh rantai pasoksupplier tidak dilakukan pensortiran kematangan berdasarkan fraksi yang dipanen sehingga nilaiOil Extraction Rate (OER) belum optimal. Untuk mengetahui hasil peningkatan produktivitasdari sub model rantai pasok minyak goreng CPO dapat pula diketahui dengan caramembandingkan skenario simulasi dengan skenario Do Nothing. Dalam penelitian ini cakupanrantai pasok industri CPO minyak goreng di PT Tunas Baru Lampung terdiri dari suppliers,produsen, dan konsumen dalam negeri khususnya Provinsi Lampung.

Oleh karena itu, pada penelitian ini diusulkan pengembangan model rantai pasokminyak goreng untuk meningkatan produktivitas menggunakan sistem dinamik. Kontribusi padapenelitian ini adalah peningkatan produktivitas rantai pasok minyak goreng. Pada penelitian inijuga dilakukan pendekatan sistem dinamik untuk mengetahui pola pemodelan rantai pasokminyak goreng.


Pada tahap pengumpulan data, penelitian ini menggunakan data primer pada PT TunasBaru Lampung. Data yang digunakan pada penelitian ini adalah berupa data luas lahan, dataproduksi Tandan Buah Segar (TBS), data produksi Crude Palm Oil (CPO), data produksiminyak goreng dan data permintaan minyak goreng. Data-data tersebut digunakan sebagaivariabel-variabel yang signifikan maupun variabel pembantu yang saling berpengaruh untukpemodelan sistem yang akan disimulasikan. Data yang terkumpul untuk selanjutnya dianalisisdan akan digunakan sebagai bahan dalam tahapan selanjutnya yaitu pembuatan causal loopdiagram.

Berikut metode penelitian yang menggambarkan tahapan penelitian yang dilakukan,metode dalam penelitian ini terdiri dari tiga tahapan utama yaitu: pemodelan sistem, causal loop



diagram, dan formulasi model yang merupakan kontribusi pada penelitian ini (garis putusberwarna merah), seperti ditunjukan pada Gambar 1.

Gambar 1. Metode Penelitian

2.1 Pemodelan SistemPemodelan sistem merupakan pembuatan model konsep untuk menggambarkan kondisi

awal pada tempat studi kasus sesuai dengan beberapa teori yang digunakan pada penelitian ini,model tersebut dalam bentuk causal loop diagram (CLD) atau yang biasa disebut diagramkausatik yang mengacu pada sumber pustaka utama. Diagram ini digunakan sebagai dasaruntuk pengembangan model sebelum dilakukan proses simulasi dengan menggunakan metodesistem dinamik. Dari simulasi yang telah dilakukan, kemudian validasi untuk memastikanbahwa model yang telah dibuat sudah sesuai dengan sistem yang sedang berjalan saat ini.Dalam diagram kausatik tersebut terdapat beberapa variabel terkait rantai pasok industriminyak goreng CPO di PT Tunas Baru Lampung, diantaranya luas lahan perkebunan kelapasawit, produksi TBS, produktivitas TBS, produksi CPO, dan produksi minyak goreng, sertapermintaan minyak goreng.

2.2 Causal Loop DiagramPada tahap ini pembuatan Causal Loop Diagram dengan menggunakan software simulasi

Vensim PLE x32, tahap ini dimulai dengan membuat causal loop diagram, selanjutnya, masihmenggunakan aplikasi yang sama, akan dilakukan konversi terhadap Causal Loop Diagramyang telah dibuat di tahap sebelumnya untuk dijadikan model sistem dinamik.

2.3 Formulasi ModelPada tahap formulasi model merupakan proses untuk mengubah konsep sistem atau

struktur model yang telah disusun kedalam bentuk persamaan-persamaan atau bahasankomputer dan merupakan transformasi dari suatu pandangan konseptual informal ke pandangankonseptual formal, atau representasi model secara kuantitatif. Tujuan dari usaha perumusanmodel adalah

VOLUME 3 NOMOR 2 MARET 2017 - JATISI...

Documents

Transcript of VOLUME 3 NOMOR 2 MARET 2017 - JATISI...