KATA PENGANTAR - Jurnal Teknomatikateknomatika.stmikayani.ac.id/wp-content/uploads/2013/07/... · Kemudahan yang efeknya tentu akan meningkatkan kinerja dan produktivitas. ... masing

KATA PENGANTAR

Puji syukur kami panjatkan ke hadirat Alah SWT, karena atas berkat dan

rahmat-Nyalah maka Jurnal TEKNOMATIKA Volume 6 Nomor 1 ini dapat kami

terbitkan. Pada terbitan edisi ini kami menyajikan berbagai tulisan tentang

informatika dan komputer dalam ruang lingkup yang luas.

Dalam edisi ini para pembaca akan dapat menyimak tulisan-tulisan

sebagai berikut: Evaluasi Keperilakuan Pengguna Terhadap Penerimaan Sistem

Informasi (Studi Kasus di Bethesda), Aplikasi Pencarian Rute Dinamis

Menggunakan Algoritma A-Star dan Twitter API, Penggunaan TOGAF ADM

untuk Merancang Blueprint SI/TI di Dinas Kesehatan Provinsi Kalimantan

Tengah, Strategi untuk Meraih Keunggulan Kompetitif dalam E-Business (Studi

Kasus pada Amazon.Com), Pengembangan Aplikasi Domotic Berbasis Arsitektur

Berorientasi Layanan dengan Android SDK sebagai Nilai Tambah Layanan

Berbasis Internet, Analisis Faktor-Faktor yang Mempengaruhi Penggunaan Surat

Kabar Online, serta Konversi Data ke Format DNA dan Perbandingan Hasil

Kompresinya Menggunakan GenCompress Terhadap WinRAR.

Semoga apa yang kami sajikan dalam edisi ini dapat menjadi referensi

para peminat bidang-bidang terkait dan bisa memberi manfaat dalam arti seluas-

luasnya kepada para pembaca. Tidak lupa kami berharap saran, kritik serta

tulisan dari para pembaca untuk peningkatan penerbitan edisi selanjutnya.

ISSN: 1979-7656

TEKNOMATIKA Vol. 6 No. 1 Juli 2013

DAFTAR ISI

Evaluasi Keperilakuan Pengguna Terhadap Penerimaan Sistem Informasi (Studi Kasus di Bethesda) (Andhika Giri Persada, Eko Nugroho, Dani Adhipta) 1 - 18

Aplikasi Pencarian Rute Dinamis Menggunakan Algoritma A-Star dan Twitter API (Chandra Kusuma Dewa) 19 - 28

Penggunaan TOGAF ADM untuk Merancang Blueprint SI/TI di Dinas Kesehatan Provinsi Kalimantan Tengah (Nova Noor Kamala Sari, Ema Utami, Armadyah Amborowati) 29 - 46

Strategi untuk Meraih Keunggulan Kompetitif dalam E-Business, Studi Kasus pada Amazon.com (Arif Himawan) 47 - 60

Pengembangan Aplikasi Domotic Berbasis Arsitektur Berorientasi Layanan dengan Android SDK sebagai Nilai Tambah Layanan Berbasis Internet (Widy Agung Priasmoro, Widyawan, Bimo Sunarfri Hantono) 61 - 70

Analisis Faktor-Faktor yang Mempengaruhi Penggunaan Surat Kabar Online (Sigit Pambudi, Abdul Kadir, I Wayan Mustika) 71 - 88

Konversi Data ke Format DNA dan Perbandingan Hasil Kompresinya Menggunakan GenCompress terhadap WinRAR (Heilbert Armando Mapaly, Teguh B. Adji, Noor A. Setiawan) 89 - 101

1

EVALUASI KEPERILAKUAN PENGGUNA TERHADAP PENERIMAAN SISTEM INFORMASI (STUDI KASUS DI BETHESDA)

Andhika Giri Persada, Eko Nugroho, Dani Adhipta

Jurusan Teknik Elektro dan Teknologi Informasi, Fakultas Teknik Universitas Gadjah Mada Yogyakarta

[email protected]

Abstrak

Banyak institusi berusaha untuk terus meningkatkan kualitas layanan mereka. Kualitas tersebut salah satunya dengan meningkatkan layanan sistem informasi. Namun, benarkah layanan berupa teknologi canggih akan berjalan linier dengan kemudahan yang didapatkan pengguna sistem informasi. Kemudahan yang efeknya tentu akan meningkatkan kinerja dan produktivitas. Menurut beberapa penelitian sebelumnya mengenai hubungan antara sistem informasi dengan kinerja pengguna, banyak kesimpulan yang menyatakan bahwa kecanggihan sistem informasi tidak berjalan linear dengan kemudahan penggunaan. Kecanggihan sistem informasi akan linier dengan kemudahan penggunaan jika sistem informasi memang dirancang berdasar pada kebutuhan pengguna.

Sikap mental pengguna ketika menggunakan sistem informasi menjadi faktor penentu. Sikap mental tersebut menjadi tugas institusi guna meyakinkan pengguna dalam memandang sistem informasi. Sehingga penerapan sistem informasi tidak hanya menjadi keunggulan layanan bagi institusi, tetapi juga menjadi sarana bagi pengguna dalam menunjang kinerjanya. Penelitian yang akan dilakukan mengambil studi kasus di RS. Bethesda. Sebagai gambaran awal bahwa RS. Bethesda memiliki duapuluh sistem informasi terintegrasi yang terbagi ke dalam masing-masing divisi dengan karyawan mencapai lebih dari seribu orang. Penelitian akan memberikan evaluasi terhadap jalannya sistem informasi dari perspektif pengguna. Penelitian akan menggunakan model beraspek keperilakuan pengguna. Model terbaru yang merupakan perbaikan dan gabungan dari model sebelumnya adalah UTAUT. Penelitian akan berusaha menjawab hipotesis yang dihasilkan berdasarkan literatur mengenai hubungan antara pengguna dengan sistem informasi. Lebih luas lagi diharapkan akan memberi gambaran bagaimana sistem informasi yang ideal dari sisi keperilakuan penggunanya.

Kata Kunci: kemudahan penggunaan, sistem informasi, psikologi dalam sistem informasi, SI Bethesda, UTAUT.

1. Pendahuluan

Mengesampingkan aspek teknikal dari dalam pembahasan mengenai

evaluasi terhadap sistem informasi, keberhasilan penggunaan sistem informasi

dapat ditentukan oleh keperilakuan pengguna sistem informasi itu sendiri.

Keperilakuan pengguna memiliki peranan dalam menentukan keberhasilan

penerapan sistem informasi. Namun masih kurang mendapat perhatian lebih

dalam pengembangan maupun evaluasi terhadap sistem informasi (Williams, et

al., 2005). Dalam penelitian yang dilakukan membahas keperilakuan pengguna

mailto:[email protected]

2 TEKNOMATIKA Vol. 6, No. 1, JULI 2013 ISSN: 1979-7656

Andhika Giri Persada ........................................ Evaluasi Keperilakuan Pengguna

sistem informasi di RS. Bethesda, Yogyakarta. Beberapa aspek yang dianggap

berpengaruh berdasarkan pada studi literatur terdahulu akan diteliti guna

mengetahui keintensifitasan penggunaan sistem informasi di RS. Bethesda.

Untuk mengukur tingkat penerimaan pengguna sistem informasi di RS. Bethesda

akan digunakan metode UTAUT.

Alasan pemilihan RS. Bethesda dikarenakan beberapa faktor seperti

ketersediaan sampel yang mencukupi dan keberadaan sistem informasi yang

aktif digunakan oleh pengguna. Sistem informasi di RS. Bethesda terbagi ke

dalam duapuluh bagian (divisi) yang menggunakan sistem informasi, diantaranya

bagian akuntansi, PSPM, farmasi, gizi, humas dan pemasaran, instalasi bedah

sentral, IGD, IKL, keuangan, laboratorium, PSP, pastoral, rehabilitasi medis,

instalasi rawat inap, instalasi rawat jalan, rekam medis, radiologi, SDM,

sekretariat, dan IT. Keduapuluh bagian secara garis besar dapat dikelompokkan

menjadi tiga bagian, yaitu bagian pelayanan medis, bagian penunjang medis,

dan bagian umum atau administrasi. Total karyawan mencapai lebih dari seribu

orang sehingga cukup untuk diambil sampel guna mewakili penelitian.

Sampel penelitian merupakan pengguna sistem informasi. Setelah

penelitian dilaksanakan diharapkan akan memberikan gambaran mengenai

keberlangsungan sistem informasi di RS. Bethesda beserta umpan balik berupa

saran guna perbaikan.

2. Tujuan Penelitian

Berdasarkan pada gambaran permasalahan mengenai hubungan sistem

informasi dengan pengguna, maka tujuan dari penelitian dapat dirumuskan

menjadi beberapa poin berikut: (1) Penelitian bertujuan mengetahui faktor-faktor

apa saja yang berpengaruh terhadap penggunaan sistem informasi; (2)

Penelitian bertujuan mengetahui hubungan antar faktor beserta pengaruhnya

dalam penggunaan sistem informasi; dan (3) Penelitian bertujuan mendapatkan

gambaran mengenai faktor-faktor yang mendasari pengguna menerima atau

menolak sistem informasi.

3. Tinjauan Pustaka

Secara garis besar keaslian penelitian berisi beberapa penelitian

terdahulu menggunakan teori keperilakuan pengguna terhadap sistem informasi.

Teori keperilakuan pengguna sendiri berasal dari ilmu sosial yang memiliki

keterkaitan dengan model penelitian penerimaan beraspek keperilakuan

ISSN: 1979-7656 TEKNOMATIKA Vol. 6, No. 1, JULI 2013 3

Evaluasi Keperilakuan Pengguna ........................................ Andhika Giri Persada

pengguna terhadap teknologi. Beberapa studi literatur yang berhasil didapatkan

diantaranya.

Penelitian oleh Marchewka dan Kostiwa membahas tingkat penerimaan

aplikasi manajemen perkuliahan bernama Blackboard. Mereka melakukan

penelitian menggunakan model UTAUT sebagai dasar pengamatan dan standar

penentuan variabel. Penelitian berbeda pada variabel penelitian dimana

penelitian yang akan dilakukan menggunakan standar penentuan variabel

menggunakan UTAUT ditambahkan beberapa variabel (Marchewka, et al., 2007).

Dalam penelitiannya Thompson et al. memperoleh hubungan yang positif

dan signifikan antaran social norm, job fit, long term consequenceses terhadap

utilization of IT. Sedangkan affect menghasilkan hubungan positif dan tidak

signifikan terhadap penggunaan SI/TI. Sedangkan kompleksitas diperoleh

hubungan negatif dan sangat lemah terhadap penggunaan SI/TI. Perbedaan

dengan penelitian yang akan dilakukan terletak pada variabel penelitian yang

digunakan (Thompson, et al., 1991).

Venkatesh et al. melakukan penelitian terhadap industri komunikasi,

hiburan, perbankan, dan administrasi publik yang menggunakan SI. Penelitian

dilakukan dengan cara menggabungkan beberapa teori penerimaan SI dan

menghipotesiskan beberapa variabel yang dipakai. Penelitian ini merupakan cikal

bakal dari teori gabungan UTAUT. Perbedaan dengan penelitian yang akan

dilakukan terletak pada tambahan variabel yang dilakukan di luar variabel dari

UTAUT (Venkatesh, et al., 2003).

Van Dijk et al. mengamati korelasi antara performance expectancy dan

effort expectancy dalam layanan internet di pemerintahan. Hasil dari penelitian

menemukan bahwa faktor usia mempengaruhi intensi penggunaan. Sedangkan

jenis kelamin kurang mempengaruhi terhadap intensi penggunaan sistem.

Perbedaan dengan penelitian yang akan dilakukan terletak pada variabel

penelitian. Dalam penelitian Van Dijk et al. menggunakan variabel performance

expectancy, effort expectancy dan social expectancy (Van Dijk, et al., 2008).

Jong dan Wang (2009) meneliti tingkat penerimaan siswa terhadap

sistem pembelajaran berbasis web. Dalam penelitian tersebut Jong dan Wang

mencari hubungan antara performance expectancy, social influence dan

facilitating condition terhadap behavior intention terhadap penggunaan sistem.

Perbedaan penelitian ini terletak pada penambahan variabel yang dilakukan

dalam penelitian yang akan dilakukan.



4. Landasan Teori

4.1 UTAUT

The Unified Theory of Acceptance and Use of Technology (UTAUT)

dikembangkan dengan tujuan menyatukan beberapa teori terdahulu mengenai

tingkah laku dan interaksi antara pengguna dengan teknologi informasi (TI)

maupun sistem informasi (SI). UTAUT dikembangkan berdasarkan review,

pemetaan dan penggabungan dari delapan teori dan model, diantaranya: Theory

of Reasoned Action (TRA), Technology Acceptance Model (TAM), Motivational

Model (MM), Theory of Planned Behaviour (TPB), Combined Theory of Planned

Behaviour/Technology Acceptance Model (C-TPB-TAM), Model of PC Utilization

(MPCU), Innovation Diffusion Theory (IDT), and Social Cognitive Theory (SCT).

Alasan penggabungan kedelapan teori di atas dikarenakan kedelapan

teori memiliki kesamaan alami dalam konsep dan model, sehingga lebih efektif

jika dipetakan dan digabungkan menjadi satu teori atau model yang terpadu

(Venkatesh, et al., 2003). Model standard UTAUT dapat dilihat dalam Gambar 1.

Gambar 1 Model Keperilakuan Pengguna UTAUT

4.2 Aspek Keperilakuan Pengguna dalam Sistem Informasi

Sistem Informasi (SI) adalah kombinasi dari teknologi informasi dan

aktivitas orang yang menggunakan teknologi. Aktivitas tersebut bertujuan untuk

mendukung kinerja individu dan manajemen dalam institusi. Sedangkan psikologi

adalah perilaku dan proses mental yang mencoba mendeskripsikan,

menjelaskan, memprediksi, dan mengendalikan aspek-aspek dari perasaan,

pikiran-pikiran, persepsi-persepsi dan kegiatan-kegiatan (Jogiyanto, 2008).

Kaitannya antara psikologi dengan teknologi bahwa psikologi masuk

dalam aspek tingkah laku pengguna terhadap teknologi. Tingkah laku pengguna

Performance

Expectancy

Effort

Expectancy

Social

Influence

Facilitating Condition

Behavioral

Intention

Use

Behavior



tersebut sering disebut sebagai keperilakuan dalam sistem informasi. Dan ilmu

yang membahasnya sering disebut sistem informasi keperilakuan. Sistem

informasi keperilakuan menjelaskan tindakan dari pemakai sistem informasi dari

sudut pandang ilmu psikologi. Perilaku (behavior) adalah bagian dari psikologi

yang dapat diobservasi dan diukur.

Penerimaan pengguna terhadap sistem informasi (SI) digambarkan

sebagai langkah penerimaan guna diadopsi sebagai pilihan untuk diambil

(Soanes dan Stevenson, 2004). Sebelum menentukan pilihan untuk

menggunakan sistem, pengguna akan melakukan uji-coba terlebih dahulu

terhadap sistem (Lapointe dan Rivard, 2005).

Berdasarkan pada literatur yang ada bahwa jika hasil keluaran dari

evaluasi mengarahkan pada hubungan positif antar konstruk maka pengguna

akan menggunakan SI. Namun, jika persepsi yang dihasilkan negatif, maka

pengguna akan menolak SI (Joshi, 1991).

Indikator diterimanya SI dapat dilihat melalui investigasi terhadap

konstruk yang digunakan dalam penelitian. Dalam penelitian yang dilakukan

variabel yang diteliti disusun menggunakan konstruk dari UTAUT ditambah tiga

konstruk yaitu anxiety, compatibility, dan self-efficacy. Alasan penambahan tiga

konstruk dijawab melalui pemaparan tiga area yang harus dipenuhi dalam upaya

menghasilkan hubungan antara sistem informasi dan manusia yang selaras.

Ketiga area yang ada adalah (Jogiyanto, 2008):

1. Individual context

Dalam konteks ini konstruk penelitian membahas aspek subjektif dari

pengguna terhadap teknologi. Dalam penelitian yang dilakukan konstruk

pembentuk dalam area individual context antara lain anxiety

(kecemasan), compatibility, dan self-efficacy (penilaian diri).

2. Technological context

Technological context merupakan hubungan persepsi pengguna terhadap

teknologi. Persepsi tersebut dilihat dari sudut pandang teknologi

bagaimana berfungsi sebagai alternatif guna meningkatkan kinerja

pengguna. Dalam penelitian yang dilakukan konstruk yang meliputi

technological context antara lain performance expectancy (ekspektasi

kinerja) dan effort expectancy (ekspektasi usaha).



3. Implementation context

Implementation context berhubungan dengan pengaruh keadaan

lingkungan kerja pada penggunaan teknologi yang diimplementasikan.

Dalam penelitian ini konstruk penelitian meliputi facilitating condition

(kondisi memfasilitasi) dan social influence (pengaruh lingkungan).

Sedangkan konstruksi yang masuk di dalam area-area tersebut adalah

(Jogiyanto, 2008):

1. Performance expectancy

Performance expectancy (ekspektasi kinerja) adalah tingkat keyakinan

seorang individu terhadap sistem informasi (Venkatesh, et al., 2003).

Tingkat keyakinan bahwa sistem informasi akan mampu meningkatkan

kinerjanya. Lebih lanjut menurut Davis menjelaskan bahwa ekspektasi

kinerja dapat diukur melalui indikator ‘kegunaan sistem’ (Davis, 1989).

Moore dan Benbasat (1991) juga menambahkan ‘keuntungan relatif’

sebagai indikator melihat seberapa besar ekspektasi kinerja.

2. Effort expectancy

Effort expectancy (ekspektasi usaha) adalah tingkat kemudahan

pengguna yang akan dirasakan ketika menggunakan sistem informasi

(Venkatesh, et al., 2003). Indikator yang digunakan dalam penelitian

adalah ‘kemudahan penggunaan’ yang diadopsi dari penelitian Davis

(1989) dan ‘kerumitan’ penggunaan oleh Thomson, et al. (1991).

3. Social influences

Social influences (pengaruh sosial) adalah tingkat pengaruh orang lain di

lingkungan kerja dalam upaya meyakinkan penggunaan sistem informasi

(Venkatesh, et al., 2003). Indikator yang digunakan untuk menyusun item

kuestioner adalah ‘dukungan’ yang diadopsi dari penelitian Thompson, et

al. (1991) dan ‘persepsi pengguna’ oleh Moore dan Benbasat (1991).

4. Facilitating condition

Facilitating condition (kondisi yang memfasilitasi) didefinisikan sebagai

tingkat kepercayaan seorang individu bahwa sebuah organisasi dan

infrastruktur teknis yang ada akan mendukung penggunaan sistem

informasi. ‘Persepsi perilaku’ menurut Ajzen (1991), Taylor dan Todd

(1995) dan ‘bimbingan’ oleh Thompson et al. (1991) merupakan indikator

yang digunakan untuk mengetahui apakah organisasi dan infrastruktur

mendukung penggunaan sistem.



5. Compatibility

Compatibility (kesesuaian) merupakan tingkat kepercayaan pengguna

terhadap sistem informasi. Kepercayaan bahwa penggunaan SI akan

memudahkan atau justru mengancam kepentingan mereka sebagai

bagian dari organisasi (Schaper dan Pervan, 2007). Indikator untuk

menghitung tingkat kepercayaan pengguna dapat diukur menggunakan

‘gambaran diri’ yang diadopsi dari penelitian Moore dan Benbasat (1991).

6. Self-efficacy

Self-efficacy (penilaian terhadap diri) adalah tingkat penilaian seorang

individu terhadap dirinya dalam mengorganisasi dan memutuskan

tindakan yang diperlukan untuk mencapai kinerja yang diinginkan dengan

menggunakan SI (Bandura, 1997). Penilaian terhadap diri tersebut dapat

diketahui melalui indikator yaitu ‘sikap terhadap sistem’ yang diadopsi dari

penelitian Davis, et al. (1992).

7. Anxiety

Anxiety (kecemasan) merupakan tingkat ketakutan yang dirasakan

pengguna ketika pertama kali mengoperasikan sistem informasi. Alasan

pemasukan variabel anxiety kedalam penelitian karena variabel anxiety

berbeda dengan variabel lain dalam model UTAUT (Venkatesh, et al.,

2000). Sehingga penambahan anxiety menjadi variabel penyusun

diharapkan menguatkan pengaruh dari sudut pandang pengguna dalam

hubungan dengan sistem informasi. Indikator yang digunakan adalah

‘perilaku pengguna’ diadopsi dari penelitian Davis, et al. (1992).

8. Behavior intention

Behavior intention didefinisikan sebagai reaksi perasaan menyeluruh dari

individu untuk menggunakan suatu sistem informasi. ‘Niat’ dapat

digunakan sebagai alat ukur mengetahui reaksi perasaan menyeluruh

dari individu untuk menggunakan sistem (Hsu dan Chiu, 2004).

9. Use behavioral

Use Behavioral merupakan perilaku yang ingin dicapai dalam

penggunaan sistem informasi. Perilaku tersebut digambarkan melalui

intensitas dan atau frekuensi pemakai dalam menggunakan teknologi

informasi. Indikator yang digunakan dalam penyusunan kuestioner adalah

‘frekuensi penggunaan’ (Thompson, et al., 1991).



5. Hipotesis

H1: “Performance expectancy berpengaruh terhadap behavioral intention”. H2:

“Effort expectancy berpengaruh terhadap performace expectancy”. H3: ”Effort

expectancy berpengaruh terhadap behavioral intention”. H4: ”Social influences

berpengaruh terhadap behavioral intention”. H5: “Facilitating condition

berpengaruh terhadap use behavior”. H6: “Compatibility berpengaruh terhadap

use behavior”. H7: “Self efficacy berpengaruh terhadap berhavioral intention”. H8:

“Anxiety berpengaruh terhadap behavioral intention”. H9: “Behavioral intention

berpengaruh terhadap use behaviour”.

6. Metodologi Penelitian

6.1 Jalan Penelitian

Penelitian yang dilakukan bersifat kuantitatif dimana data yang terkumpul

akan berupa angka-angka yang akan diolah secara statistik dan hasilnya

dikemukakan secara deskriptif. Data akan didapatkan melalui kuestioner yang

disebar kepada sampel dalam populasi. Data dikumpulkan dan akan dianalisis

menggunakan metode analisis SEM (structural equation modeling) PLS (partial

least square). Hasil dari analisis akan dikonfirmasikan kepada pihak Bethesda

sehingga menghasilkan feedback kesimpulan dari dua arah.

6.2 Definisi Operasional Variabel

Di dalam definisi operasional variabel menjelaskan indikator yang

digunakan dalam penyusunan kuestioner. Indikator berguna untuk membuat item

pertanyaan agar sesuai dengan kajian ilmiah. Indikator dalam penyusunan item

pertanyan kuestioner ditunjukkan dalam Tabel 1.

6.3 Populasi dan Sampel Penelitian

Populasi dalam penelitian diantaranya unit layanan, manajemen, sampai

dewan direksi (jika memungkinkan) di Bethesda. Pada intinya adalah mereka

yang menggunakan sistem informasi. Dalam penelitian ini akan digunakan

metode sampling. Pembagian sampel dilakukan berdasarkan pembagian divisi

yang menggunakan sistem informasi. Untuk selanjutnya pembagian kuota

sampel dalam masing-masing divisi akan dibagi merata ke dalam dua puluh divisi

yang menggunakan sistem informasi.

Total karyawan yang ada di Bethesda sendiri diperkirakan lebih dari

seribu orang, sehingga mencukupi guna dilakukan sampling. Sampel yang akan

diambil berjumlah seratus orang. Sedangkan jumlah divisi di Bethesda yang



menggunakan sistem informasi berjumlah duapuluh. Sampel dilakukan dengan

membagi rata kepada duapuluh divisi dengan masing-masing divisi akan diambil

lima sampel. Detail karakteristik pengambilan sampel semisal usia, jenis kelamin,

tingkat pendidikan dan sebagainya akan menyusul kemudian.

Tabel 1 Indikator yang digunakan dalam penelitian

Konstruk Kode Indikator

Performance expecancy

PE1 Kegunaan sistem (Davis, 1989)

PE2

PE3 Keuntungan relatif (Moore dan Benbasat, 1991) PE4

Effort expectancy

EE1 Kemudahan penggunaan (Davis, 1989)

EE2

EE3 Kerumitan penggunaan (Thompson et al., 1991) EE4

Social Influence

SI1 Tingkat dukungan (Thompson et al., 1991) SI2

SI3 Persepsi pengguna (Moore dan Benbasat, 1991) SI4

Facilitating condition

FC1 Persepsi perilaku (Ajzen, 1991)

FC2

FC3 Bimbingan (Taylor dan Todd, 1995)

FC4

Compatibility

CM1 Gambaran diri (Moore dan Benbasat, 1991)

CM2

CM3

Self-efficacy

SE1

Sikap terhadap sistem (Davis et al., 1992)

SE2

SE3

SE4

Anxiety

ANX1

Perilaku pengguna (Davis et al., 1992) ANX2

ANX3

Behavioral intention

BI1

Niat (Hsu dan Chiu, 2004) BI2

BI3

User Behavior

UB1 Frekuensi penggunaan (Thompson et al., 1991)

UB2

UB3



6.4 Metode Pengumpulan Data

Data akan disebar melalui kuestioner kepada duapuluh bagian di

Bethesda yang menggunakan sistem informasi. Kuestioner disebar kepada

duapuluh divisi yang menggunakan sistem informasi. Masing-masing divisi

diberikan jatah lima sampel yang mewakili divisinya dengan total keseluruhan

responden adalah seratus responden.

Total item pertanyaan adalah 32 dimana masing-masing pertanyaan

mewakili satu indikator yang telah dibuat berdasarkan pada studi literatur

penelitian. Sedangkan validitas dan reliabilitas secara statistik akan dilakukan

setelah kuestioner terkumpul.

6.5 Metode Validasi Konstruk

Uji Validitas

Uji validitas digunakan untuk mengetahui validitas dari instrumen

pengukuran yang digunakan dalam penelitian. Uji validitas berfungsi mengetes

ketepatan indikator pertanyaan dalam kuestioner. Uji validitas dilakukan dua

tahap yaitu melalui uji validitas diskriminan dan uji validitas konvergen. Pengujian

validitas diskriminan dilakukan dengan cara mengkorelasikan antar skor item

dengan skor total. Sedangkan uji validitas konvergen dilakukan dengan

melakukan cross loading yaitu membandingkan nilai masing-masing indikator

dibandingkan dengan konstruknya.

Uji Reliabilitas

Uji reliabilitas digunakan untuk menguji konsistensi alat ukur terhadap

gejala yang diukur pada waktu berlainan dengan gejala yang sama. Alat ukur

dikatakan reliabel jika jawaban pada setiap pertanyaan konsisten pada waktu

yang berlainan. Pengukuran pertama dan kedua dapat memperlihatkan apakah

hasil yang didapatkan konsisten. Jika konsisten maka pertanyaan dapat

dikatakan reliabel.

Pengujian reliabilitas dapat dilakukan dengan uji cronbach’s alpha dan

composite reliability. Dalam penelitian ini metode pengujian reliabilitas akan

menggunakan composite reliability karena lebih baik dalam mengestimasi

konsistensi internal suatu konstruk (Salisbury, et al., 1992). Dalam composite

reliability menyatakan bahwa indikator dikatakan reliabel jika memiliki nilai lebih

dari 0,7.



6.6 Metode analisis data

Data yang didapat akan dianalisis menggunakan model PLS (Partial

Least Square). PLS adalah analisis persamaan struktural (SEM) berbasis varian

yang secara simultan dapat melakukan pengujian model pengukuran sekaligus

pengujian model struktural. Model pengukuran digunakan untuk uji validitas dan

reliabilitas, sedangkan model struktural digunakan untuk uji kausalitas (pengujian

hipotesis). PLS akan mengasumsikan bahwa semua ukuran varian adalah varian

yang dijelaskan sehingga pendekatan estimasi variabel laten dianggap sebagai

kombinasi linier dari indikator. Model yang digunakan dalam penelitian dapat

dilihat dalam Gambar 2.

Gambar 2 Model dalam penelitian berbasis UTAUT dimodifikasi

Kausalitas hubungan antar variabel akan diukur menggunakan pengujian

model struktural. Pengujian model struktural digunakan untuk melihat hubungan

antar konstruk dalam penelitian beserta nilai signifikansinya. Model struktural

dapat dilihat melalui uji t-statistics setiap path. Nilai signifikansi antar path dapat

dilihat dalam t-statistics yang terdapat di dalam Tabel path coefficient. Hipotesis

akan terdukung pada tingkat keyakinan 95 persen atau pada alpha 5 persen.

Sehingga melalui perhitungan Tabel-t akan dihasilkan nilai 1,96. Nilai 1,96 ini

menjadi batas minimal yang harus dicapai guna memastikan variabel diterima.

Performance

Expectancy

Behavioral Intention

Effort

Expectancy

Use Behavior

Social Influence

Faciliting Condition

Compatibility

Anxiety Self-Efficacy



7. Hasil dan Pembahasan

7.1 Uji validitas

Model pengukuran yang dilakukan berupa uji validitas, reliabilitas, dan

koefisien jalur untuk model persamaan. Uji validitas dan reliabilitas dilakukan dua

tahap. Tahap pertama menghasilkan beberapa indikator yang masih belum valid

dan reliabel, sehingga beberapa indikator tersebut harus dihapus. Sedangkan

melalui uji kedua, setelah indikator yang tidak valid dan reliabel dihapus model

menjadi valid dan reliabel.

Validitas Konvergen

Validitas konvergen diukur menggunakan indikator reflektif yang dinilai

berdasar pada loading factor dari masing-masing indikator yang digunakan.

Konstruk yang digunakan dalam penelitian ini berjumlah sembilan dengan

sembilan arah panah yang menghubungkan variabel independen dengan

dependen. Masing-masing konstruk diwakili oleh beberapa indikator.

Dari Tabel outer loading hasil pengujian menggunakan software

smartPLS menunjukkan bahwa beberapa indikator seperti ANX2 (anxiety), BI1

(behavior inention), CM1 (compatibility), FC4 (facilitating condition), SE1 (self-

efficacy), SE2 (self-efficacy), SI2 (social influence), SI3 (social influence), dan

UB1 (use behavior) tidak memenuhi uji validitas konvergen karena nilainya

berada di bawah 0,7 sehingga harus dihapus.

Uji coba validitas dilakukan untuk kedua kali tanpa sembilan indikator

yang telah dihapus. Hasil tes kedua menggambarkan bahwa semua variabel

yang diuji telah valid secara konvergen berdasarkan nilai loading factor di atas

0,7.

Validitas Diskriminan

Pengukuran validitas diskriminan dapat dilihat berdasarkan cross loading

pengukuran dibandingkan dengan konstruknya. Pengukuran dikatakan valid jika

hubungan antar indikator dengan konstruknya lebih besar dari pada hubungan

dengan konstruk lainnya. Pengukuran dilakukan terhadap indikator yang telah

dinyatakan valid melalui tes konvergen sebelumnya.

Semua indikator yang mengarah pada konstruknya memiliki nilai lebih

besar dibanding dengan indikator yang mengarah kepada konstruk lain.

Sehingga dapat disimpulkan bahwa semua indikator dinyatakan valid secara

diskriminan.



7.2 Uji Reliabilitas

Uji reliabilitas dapat diukur menggunakan uji cronbach’s alpha dan

composite reliability. Dalam penelitian ini metode pengujian reliabilitas akan

menggunakan composite reliability karena lebih baik dalam mengestimasi

konsistensi internal suatu konstruk (Salisbury, et al., 1992).

Uji reliabilitas menggunakan composite reliability harus lebih besar dari

0,7 meskipun dikatakan bahwa 0,6 sudah cukup mewakili suatu konstruk

dikatakan reliabel (Hair, et al., 2006). Dari perhitungan statistik composite

reliability menunjukkan bahwa semua indikator yang diuji bernilai diatas 0,7

sehingga dapat dikatakan bahwa semua indikator dikatakan reliabel.

7.3 Pengujian Model Struktural

Model struktural digunakan untuk melihat hubungan antar konstruk dalam

penelitian beserta nilai signifikansinya. Model struktural dapat dilihat melalui uji t-

table setiap path. Nilai signifikansi antar path dapat dilihat dalam kolom t-

statistics di dalam Tabel. Nilai dianggap berhubungan jika memiliki nilai di atas

1,96. Penentuan angka 1,96 dihitung berdasarkan tingkat keyakinan sebesar 95

persen, sehingga error yang kemungkinan terjadi maksimal bernilai 5 persen

atau dalam Tabel-t bernilai 1,96.

Tabel 2 Hasil perhitungan t-statistics

Hipotesis T Statistics (|O/STERR|)

ANX BI 2,5278

BI UB 17,5308

CM BI 4,9084

EE BI 8,978

EE PE 12,8233

FC UB 1,9411

PE BI 1,6307

SE BI 12,9309

SI BI 3,3811

Hasil dari pengujian pada kolom t-statistics di Tabel 2 menunjukkan

bahwa hubungan antara ANX (anxiety) ke BI (behavioral intention), BI

(behavioral intention) ke UB (use behavior), CM (compatibility) ke BI (behavioral

intention), EE (effort expectancy) ke BI (behavioral intention), EE (effort

expectancy) ke PE (performance expectancy), SE (self-efficacy) ke BI

(behavioral intention), dan SI (social influence) ke BI (behavioral intention)



dikatakan berhubungan karena bernilai diatas 1,96. Sedangkan antara FC

(facilitating condition) ke UB (use behavior) dan PE (performance expectancy) ke

BI (behavioral intention) tidak berhubungan karena memiliki nilai signifikansi di

bawah 1,96.

Berdasarkan hasil pengolahan dalam Tabel 2, maka hasil uji untuk

masing-masing hipotesis adalah sebagai berikut:

1. Hipotesis pertama yang menyatakan bahwa “performance expectancy

berpengaruh terhadap behavioral intention” adalah tidak terbukti. Hal

tersebut dapat dilihat dari koefisien t-statistics bernilai 1,6307 atau di

bawah batas minimal diterima hipotesis sebesar 1,96. Kesimpulan dari

perhitungan pada kolom t-statistics menggambarkan bahwa tingkat

keyakinan pengguna bahwa sistem informasi akan mampu meningkatkan

kinerjanya masih belum mampu mempengaruhi niat menggunakan sistem

informasi. Pihak Bethesda beranggapan bahwa kecenderungan

ditolaknya hipotesis ini disebabkan oleh penggunaan sistem informasi di

sebagian divisi yang tidak murni harus menggunakan sistem informasi

dalam menyelesaikan tugas. Sehingga mereka beranggapan bahwa

tanpa menggunakan sistem informasi sekalipun mereka dapat

menyelesaikan tugas.

2. Hipotesis kedua yang menyatakan “effort expectancy berpengaruh

terhadap performace expectancy” adalah terbukti. Dapat dilihat dari kolom

t-statistics bernilai 12,8233 dimana sangat signifikan melampaui batas

minimal senilai 1,96. Hal tersebut menggambarkan bahwa tingkat

kemudahan penggunaan sistem informasi yang dirasakan pengguna akan

berpengaruh terhadap keyakinan pengguna menggunakan sistem

informasi guna meningkatkan performa kerjanya.

3. Hipotesis ketiga menyatakan bahwa “effort expectancy berpengaruh

terhadap behavioral intention”. Hipotesis di atas terbukti jika melihat pada

kolom t-statistics pada Tabel 4.1 bernilai 8,978. Kesimpulan dari hipotesis

yang terbukti menggambarkan bahwa tingkat kemudahan yang dirasakan

dalam penggunaan sistem informasi akan berpengaruh signifikan

terhadap niatan pengguna menggunakan sistem informasi.

4. Hipotesis keempat yang menyatakan bahwa “social influences

berpengaruh terhadap behavioral intention” terbukti dengan nilai t-

statistics 3,3811. Kesimpulan dari diterimanya hipotesis ini adalah



bagaimana pengaruh rekan dan lingkungan kerja akan memberikan

pengaruh terhadap niatan untuk lebih mengoptimalkan penggunaan

sistem informasi.

5. Hipotesis kelima menyatakan bahwa “facilitating condition berpengaruh

terhadap use behavior” tidak terbukti. Dari t-value memperlihatkan nilai

1,9411 atau di bawah standar minimal 1,96. Artinya bahwa facilitating

condition tidak berpengaruh terhadap use behavior. Hal ini

menggambarkan bahwa fasilitas yang disediakan institusi guna

kenyamanan penggunaan sistem informasi belum mampu mempengaruhi

kesadaran pengguna dalam menggunakan sistem informasi. Faktor gap

(jarak) antara pengguna lama dan pengguna baru ditengarai

menyebabkan kesenjangan antara harapan pengguna terhadap sistem

informasi dengan layanan dari institusi. Menurut pihak Bethesda

pengguna baru cenderung lebih mudah menerima sistem informasi

dibanding pengguna lama.

6. Hipotesis keenam yang menyatakan “compatibility berpengaruh terhadap

use behavior” terbukti. Hal tersebut dapat dilihat dari nilai t-value sebesar

4,9084. Kesimpulan dari hasil perhitungan tersebut adalah kesesuaian

tugas dari masing-masing pengguna dapat digambarkan dengan baik

ketika mereka menggunakan sistem informasi. Sistem informasi menjadi

media mereka mengeksplorasi diri lebih karena beranggapan bahwa

sistem informasi yang ada sejalan dengan gambaran diri dan tugas

mereka.

7. Hipotesis ketujuh yang menyatakan “self-efficacy berpengaruh terhadap

behavioral intention” terbukti. Dari perhitungan t-value dihasilkan nilai

12,9309 yang berarti angka tersebut signifikan di atas batas minimal

sebesar 1,96. Kesimpulan dari hasil tersebut menggambarkan bahwa

penilaian terhadap kemampuan diri dari masing-masing individu sangat

mempengaruhi terhadap niatan menggunakan sistem informasi.

8. Hipotesis ke delapan menyatakan bahwa “anxiety berpengaruh terhadap

behavioral intention” terbukti. Hal tersebut dapat dilihat dari nilai t-value

2,5278 memenuhi syarat batas minimal 1,96 sehingga dapat dikatakan

bahwa anxiety atau kecemasan pengguna akan menghasilkan kehati-

hatian dalam penggunaan sistem informasi yang secara tidak langsung

meningkatkan niatan dalam menggunakan sistem informasi.



9. Hipotesis kesembilan menyatakan “behavioral intention berpengaruh

terhadap use behavior” terbukti dan dapat dilihat dari nilai t-value 17,5308

yang melebihi batas minimal 1,96. Hal tersebut menggambarkan bahwa

niatan atau reaksi perasaan menyeluruh dari individu berpengaruh

terhadap penggunaan sistem informasi.

8. Kesimpulan

Kesimpulan dalam penelitian menjawab hipotesis mengenai hubungan

antar individu pengguna sebagai subyek dengan sistem informasi sebagai obyek.

Hubungan dalam hipotesis tersebut antara lain:

1. Kemudahan penggunaan akan berpengaruh terhadap keyakinan

pengguna bahwa sistem informasi akan mampu meningkatkan

kinerjanya. Namun, keyakinan bahwa sistem informasi akan

meningkatkan kinerjanya justru tidak memiliki hubungan dengan niatan

seseorang untuk menggunakannya.

2. Tingkat kemudahan penggunaan akan mempengaruhi niatan pengguna

menggunakan sistem informasi.

3. Faktor-faktor yang datang dari luar seperti lingkungan kerja, rekan kerja

yang kondusif akan mempengaruhi niatan seseorang menggunakan

sistem informasi.

4. Kondisi berbeda berupa dukungan pihak terkait terhadap penerapan

sistem informasi dimana belum mampu memberikan kesadaran dalam

menggunakan sistem informasi terhadap penggunanya.

5. Kesesuaian terhadap diri, kecemasan diri, dan kemampuan menilai diri

sendiri merupakan tiga faktor dari dalam diri masing-masing pengguna

yang berpengaruh terhadap niatan menggunakan sistem informasi.

6. Niatan pengguna, berupa niat yang murni datang dari dalam diri maupun

dari pengaruh luar, memiliki hubungan terhadap kesadaran menggunakan

sistem informasi.



Daftar Pustaka

Ajzen, I., 1991. The Theory of Planned Behavior. Organizational Behavior and Human Decision Processes, 50(2), pp. 179-211.

Bandura, A., 1997. Self-Efficacy: The Exercise of Control. New York: Freeman.

Davis, F. D., 1989. Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology. MIS Quarterly, 13(3), pp. 319-340.

Davis, F. D., Bagozzi, R. P. & Warshaw, P. R., 1992. Extrinsic and Intrinsic Motivation to Use Computers in the Workplace. Journal of Applied Social Psychology, 22(14), pp. 1111-1132.

Hair, J. F., Black, W. C., Babin, B. J., Anderson, R. E. & Tatham, R. L., 2006. Multivariate Data Analysis (6ed). New Jersey: Prentice Hall.

Hsu, M. H. & Chiu, C. M., 2004. Predicting Electronic Service Continuance with A Decomposed Theory of Planned Behaviour. Behaviour & Information Technology, 23(5), pp. 359-373.

Husein, M.F. & Wibowo, A., 2000. Sistem Informasi Manajemen. Yogyakarta: UPP AMP YKPN.

Jogiyanto, H. M., 2008. Sistem Informasi Keperilakuan. Yogyakarta: Andi Offset.

Jong, D. & Wang, T. S., 2009. Student Acceptance of Web-Based Learning System. Proceeding. The 2009 International Symposium on Web Information Systems and Applications (WISA'09), Nanchang, People Republic of China, pp. 533-53.

Joshi, K., 1991. A Model of Users' Perspective On Change: The Case of Information Systems Technology Implementation. MIS Quarterly, 15(2), pp. 229-242.

Lapointe, L. & Rivard, S., 2005. A Multilevel Model of Resistance to Information Technology Implementation. MIS Quarterly, 29(3), pp. 461-491.

Marchewka, J. T., Liu, C. & Kostiwa, K., 2007. An Application of the UTAUT Model for Understanding Student Perceptions Using Course Management Software. Communications of the IIMA, 7(2), pp. 93-104.

Moore, G. C. & Benbasat, I., 1991. Development of An Instrument to Measure the Perceptions of Adopting an Information Technology Innovation. Information Systems Research, 2(3), pp. 192-222.

Oswari, T., Suhendra, E. S. & Harmoni, A., 2008. Model Perilaku Penerimaan Teknologi Informasi: Pengaruh Variabel Prediktor, Moderating Effect, Dampak Penggunaan Teknologi Informasi terhadap Produktivitas dan Kinerja Usaha Kecil. Proceeding. Seminar Ilmiah Nasional Komputer dan Sistem Intelijen (KOMMIT 2008), Universitas Gunadarma, Depok, pp. 57-64.



Salisbury, W. D., Chin, W. W., Gopal, A. & Newsted, P. R., 2002. Research Report: Better Theory Through Measurement-Developing a Scale to Capture Consensus on Appropriation. Information Systems Research, 13(1), pp. 91-103.

Schaper, L. K. & Pervan, G. P., 2007. ICT and OTs: A Model of Information and Communication Technology Acceptance and Utilisation by Occupational Therapists. International Journal of Medical Informatics, 76, S212-S221.

Soanes, C. & Stevenson, A. (Eds.), 2004. Concise Oxford English Dictionary (Vol. 11). Oxford: Oxford University Press.

Taylor, S. & Todd, P. A., 1995. Understanding Information Technology Usage: A Test of Competing Models. Information Systems Research, 6(2), 144-176.

Thompson, R. L., Higgins, C. A. & Howell, J. M., 1991. Personal Computing: Toward A Conceptual Model of Utilization. MIS Quarterly, 15(1), pp. 125-143.

Van Dijk, J. A., Peters, O. & Ebbers, W., 2008. Explaining the Acceptance and Use of Government Internet Services: A Multivariate Analysis of 2006 Survey Data in the Netherlands. Government Information Quarterly, 25(3), pp. 379-399.

Venkatesh, V., Morris, M. G., Davis, G. B. & Davis, F. D., 2003. User Acceptance of Information Technology: Toward A Unified View. MIS Quarterly, 27(3), pp. 425-478.

Williams, R., Stewart, J. K. & Slack, R. S., 2005. Social Learning in Technological Innovation: Experimenting with Information and Communication Technologies. Cheltenham : Edward Elgar Publishing.

19

APLIKASI PENCARIAN RUTE DINAMIS MENGGUNAKAN ALGORITMA A-STAR DAN TWITTER API

Chandra Kusuma Dewa

Program Studi Teknik Informatika Universitas Islam Indonesia

[email protected]

Abstrak

Algoritma A-Star merupakan algoritma yang umum digunakan untuk menyelesaikan permasalahan pencarian rute terpendek. Meskipun algoritma tersebut sudah lebih baik jika dibandingkan dengan algoritma Dijkstra karena sudah melibatkan fungsi heuristik dalam proses pencariannya, algoritma ini tetap tidak mempertimbangkan faktor kondisi untuk tiap-tiap alternatif rute yang akan dilewati.

Untuk mengatasi permasalahan tersebut, penelitian ini mencoba mengkombinasikan algoritma A-Star dengan layanan Twitter API. Dengan kombinasi ini, proses pencarian rute terpendek tidak hanya menggunakan fungsi heuristik saja, tetapi juga mempertimbangkan faktor kondisi tiap-tiap alternatif rute yang akan dilewati dengan memanfaatkan data yang didapatkan dari media sosial sehingga proses pencarian rute akan menjadi dinamis.

Hasil penelitian berupa aplikasi simulasi pencarian rute yang dihubungkan dengan akun Twitter melalui Twitter API. Sembarang user dapat melaporkan kondisi rute alternatif kepada aplikasi dengan cara melakukan mention terhadap akun Twitter milik aplikasi. Nantinya, aplikasi akan menggunakan data dari mention user tersebut sebagai bahan pertimbangan untuk proses pencarian rute.

Kata Kunci: Algoritma A-Star, Twitter API, Pencarian Rute Dinamis.

1. Pendahuluan

Pencarian rute (path-finding) merupakan sebuah permasalahan

bagaimana menentukan rute terpendek dari sekumpulan alternatif rute-rute yang

dapat ditempuh dari satu lokasi ke lokasi lainnya. Salah satu algoritma yang

umum digunakan untuk pemecahan permasalahan ini diantaranya adalah

algoritma A-Star (Hart dkk, 1968). Berbeda dengan algoritma pendahulunya,

yakni algoritma Dijkstra (Dijkstra, 1959), algoritma yang mulai diperkenalkan

pada tahun 1969 ini merupakan algoritma pencarian dengan memanfaatkan

fungsi heuristik untuk menghitung efisiensi solusi optimal (Pugas dkk, 2011).

Fungsi heuristik sendiri dapat diartikan sebagai sebuah fungsi yang

mengembalikan sebuah nilai yang merupakan estimasi dari suatu solusi tertentu

(Suyanto, 2007).

Algoritma A-Star menggunakan sebuah faktor acuan untuk mencari solusi

terbaik dari sekumpulan alternatif solusi yang mungkin muncul. Dalam hal ini,

setiap solusi dinilai dengan total jarak suatu titik awal dengan titik tujuan. Sebuah



Chandra Kusuma Dewa ..................................... Aplikasi Pencarian Rute Dinamis

alternatif solusi selanjutnya dikatakan sebagai solusi yang paling baik bilamana

solusi tersebut memiliki total jarak yang paling kecil. Pada setiap iterasi dalam

algoritma A-Star, akan dipilih alternatif suksesor dengan nilai heuristik paling

kecil, sehingga di akhir iterasi akan didapatkan total jarak yang paling kecil (Tsai,

2009). Karena hanya mempertimbangkan faktor jarak, dapat pula dikatakan

bahwa faktor acuan yang digunakan lebih bersifat statis mengingat nilai variabel

jarak suatu alternatif rute nilainya tidak pernah berubah.

Faktor lainnya yang tidak kalah penting untuk dipertimbangkan dalam

pencarian solusi penentuan rute terpendek adalah faktor kondisi dari masing-

masing alternatif rute yang mungkin. Jika suatu algoritma pencarian

menggunakan faktor ini sebagai bahan pertimbangan, maka setiap solusi akan

dinilai berdasarkan tepat atau tidaknya alternatif solusi tersebut dipilih. Hal

tersebut penting mengingat masing-masing rute alternatif tidak hanya memiliki

variabel berupa jarak saja, tetapi juga memiliki variabel berupa kondisi

(kemacetan dan lain sebagainya) yang sifatnya dinamis dari waktu ke waktu. Jika

algoritma A-Star dapat dikombinasikan dengan metode tertentu yang dapat

mempertimbangkan faktor kondisi rute selain faktor jarak maka proses pencarian

rute akan menjadi bersifat dinamis.

Agar proses pencarian rute dapat menjadi dinamis, dalam penelitian ini

diusulkan penggunaan kombinasi algoritma A-Star dengan memanfaatkan situs

jejaring media sosial. Penggunaan media sosial dipilih mengingat pesatnya

perkembangan serta penggunaan situs-situs jejaring sosial sebagai media

penyebaran konten informasi. Selain itu, banyaknya informasi-informasi yang

dipertukarkan melalui situs-situs jejaring sosial tersebut juga menjadi salah satu

pertimbangan utama. Informasi-informasi yang didapatkan dari media sosial

selanjutnya dapat digunakan sebagai bahan pertimbangan untuk proses

pengambilan keputusan (Asur dan Huberman, 2010).

Situs microblogging Twitter dipilih untuk dikombinasikan dengan algoritma

A-Star karena selain situs media sosial tersebut memiliki layanan web API

(Twitter API) yang cukup lengkap, Twitter juga memiliki karakteristik khusus yang

menjadikan media ini sangat cocok sebagai media penyebaran informasi yang

ringkas dan padat serta dengan kecepatan persebaran informasi yang sangat

tinggi (Bakhsy dkk, 2011; Kwak dkk, 2010). Selain itu, pada tahun 2012,

Indonesia sendiri merupakan negara keempat terbesar pengguna Twitter dengan

kota Jakarta sebagai kota dengan pengguna Twitter paling aktif di seluruh dunia

(Semiocast, 2012).


Aplikasi Pencarian Rute Dinamis ..................................... Chandra Kusuma Dewa

Sistematika penulisan yang digunakan dalam makalah ini adalah sebagai

berikut: pada bagian 2 akan dibahas mengenai tinjauan teori yang digunakan

dalam penelitian ini, pada bagian 3 akan dibahas mengenai cara penelitian yang

digunakan, pada bagian 4 akan dibahas mengenai hasil penelitian serta pada

bagian 5 akan dibahas mengenai kesimpulan dan saran.

2. Tinjauan Teori

2.1 Algoritma A-Star

Untuk memecahkan permasalahan dengan menggunakan teknik

pencarian, umumnya ruang masalah akan digambarkan sebagai himpunan

keadaan dari keadaan awal ke keadaan tujuan yang kemudian direpresentasikan

dengan menggunakan pohon pencarian (tree). Algoritma pencarian selanjutnya

secara iteratif akan melakukan proses pembangkitan simpul (leaf node) yang

menyatakan keadaan pada pohon pencarian tersebut serta proses pengecekan

yang akan diulang secara terus menerus sampai keadaan tujuan ditemukan

(Suyanto, 2007).

Algoritma A-Star sendiri dikategorikan ke dalam algoritma pencarian best

first search, yang artinya setiap simpul baru yang ditambahkan ke dalam pohon

pencarian adalah simpul yang memiliki biaya terkecil dari alternatif simpul yang

mungkin. A-Star nantinya akan meminimumkan total biaya lintasan, sehingga

pada kondisi yang tepat, algoritma ini akan memberikan solusi yang terbaik

dalam waktu yang optimal dengan menggunakan perhitungan biaya sebenarnya

ditambah dengan perhitungan fungsi heuristik yang menyatakan biaya perkiraan

(Kusumadewi, 2003). Dengan menggunakan teknik tersebut, selain bersifat

optimal, algoritma A-Star juga dapat dikatakan bersifat complete, yang artinya

keadaan tujuan pasti akan ditemukan jika keadaan tersebut memang ada

(Russel dan Norvig, 1995).

Algoritma A-Star menggunakan dua buah senarai, yakni OPEN dan

CLOSED. Semua simpul yang berada di senarai OPEN merupakan simpul yang

masih mungkin dipilih, sementara semua simpul yang berada di senarai

CLOSED merupakan simpul yang sudah tidak mungkin dipilih lagi. Detail

algoritma ini ditunjukkan dalam pseudo code pada Gambar 1.

2.2 Twitter API

Situs microblogging Twitter memiliki layanan web berupa web API

(Application Programming Interface) yang dinamakan Twitter API. Dengan



layanan Twitter API, dimungkinkan untuk mengambil berbagai macam data dari

server Twitter, baik untuk data yang membutuhkan autentikasi, maupun data

yang tidak membutuhkan proses autentikasi. Twitter API sendiri menggunakan

arsitektur representational state transfer (REST), sedangkan layanan API Twitter

tergolong ke dalam RESTful web services (Fielding, 2000; Kopecky dkk, 2008).

Gambar 1 Pseudo code algoritma A-Star (Eranki, 2002)

Mekanisme RESTful web services menggunakan konsep resource

sebagai tempat penyimpanan data ataupun layanan, serta menggunakan uniform

resource identifier (URI) sebagai alamat untuk mengakses data ataupun layanan

tersebut (Richardson dan Ruby, 2007). Aplikasi client, selanjutnya dapat

mengirimkan request layanan ataupun data kepada server, kemudian pihak

server akan memproses request serta akan mengirimkan hasil request kepada

pihak client dalam format JSON ataupun dalam format XML.

3. Cara Penelitian

Penelitian dilakukan dengan mengembangkan aplikasi simulasi pencarian

rute dinamis menggunakan algoritma A-Star yang disambungkan dengan akun

Twitter @dynamictracker. Aplikasi dikembangkan menggunakan bahasa Java

serta menggunakan library twitter4j sebagai penghubung antara aplikasi dengan

layanan Twitter API.

Untuk membatasi ruang lingkup permasalahan, penelitian ini

menggunakan sebuah kasus sederhana yang diambil dari Suyanto (2007)

sebagaimana ditunjukkan pada Gambar 2. Pada gambar itu, terlihat sebuah peta

sederhana yang dinyatakan dalam bentuk graf yang menggambarkan 13 titik

(vertex) yang dihubungkan dengan 20 jalan (edge). Setiap jalan memiliki properti

berupa panjang jalan sebagaimana ditunjukkan pada Tabel 1.

1.

2.

3.

4.

5.

6.

7.

8.

9.

10.

11.

12.

13.

14.

15.

16.

Inisialisasi senarai OPEN

Inisialisasi senarai CLOSED

tempatkan node awal ke senarai OPEN

while senarai OPEN tidak kosong

temukan simpul dengan nilai fungsi heuristik terkecil, beri nama "q"

keluarkan simpul q dari senarai OPEN

bangkitkan suksesor simpul q lalu set parent setiap suksesor ke simpul q

for each suksesor

if suksesor adalah tujuan, hentikan pencarian

hitung nilai fungsi heuristik untuk setiap suksesor

if terdapat simpul dengan posisi yang sama dengan suksesor ada di OPEN

dengan nilai heuristik lebih kecil dari suksesor, lewati suksesor ini

if terdapat simpul dengan posisi yang sama dengan suksesor ada di CLOSED

dengan nilai heuristik lebih kecil dari suksesor, lewati suksesor ini

selain itu, tambahkan simpul ke OPEN

end

masukkan q ke senarai CLOSED

end



Gambar 2 Graf permasalahan yang digunakan

Tabel 1 Keterangan graf permasalahan

Nama Jalan Titik Awal Titik Akhir Jarak

Jalan1 S A 10

Jalan2 S B 25

Jalan3 S C 30

Jalan4 S D 35

Jalan5 S E 10

Jalan6 B F 5

Jalan7 A G 90

Jalan8 C H 40

Jalan9 E J 20

Jalan10 F K 40

Jalan11 H L 25

Jalan12 J M 40

Jalan13 A B 10

Jalan14 E D 15

Jalan15 B K 50

Jalan16 D H 25

Jalan17 D L 52

Jalan18 K G 30

Jalan19 L G 40

Jalan20 M G 80



Dalam kasus ini, akan dicari rute jarak terpendek dari titik S ke titik G.

Masing-masing titik memiliki nilai fungsi heuristik yang menyatakan jarak garis

lurus dari sembarang titik ke titik G yang merupakan titik tujuan sebagaimana

ditunjukkan pada Tabel 2.

Tabel 2 Fungsi Heuristik permasalahan

n S A B C D E F G H J K L M

h(n) 80 80 60 70 85 74 70 0 40 100 30 20 70

4. Hasil Penelitian

Aplikasi yang dikembangkan menggunakan arsitektur yang ditunjukkan

pada Gambar 3. Dari arsitektur tersebut, terlihat aplikasi menggunakan informasi

yang didapatkan dari akun Twitter @dynamictracker. Sembarang user nantinya

dapat memberikan update informasi terkait kondisi jalan dari graf permasalahan

pada Gambar 2 melalui akun Twitter masing-masing dengan cara melakukan

tweet serta melakukan mention akun @dynamictracker menggunakan format

pesan yang ditunjukan pada Gambar 4.

Gambar 3 Arsitektur aplikasi yang dikembangkan

Gambar 4 Format mention informasi kondisi jalan

Dengan menggunakan library twitter4j, aplikasi akan membaca setiap

mention, lalu aplikasi akan membuat daftar jalan yang sebaiknya tidak dilewati

dari graf permasalahan. Daftar jalan tersebut selanjutnya akan digunakan

sebagai input untuk fungsi algoritma A-Star yang dikembangkan sebagai bahan

pertimbangan untuk menghasilkan rute terpendek dengan kondisi jalan yang



paling baik. Aplikasi juga menggunakan batasan waktu untuk informasi kondisi

yang didapatkan dari mention akun @dynamictracker. Jika informasi kondisi

sudah lebih dari dua jam, maka informasi akan diabaikan.

Pengujian aplikasi dilakukan dengan menggunakan tujuh buah kondisi

sebagaimana ditunjukkan pada Tabel 3, sementara output dari aplikasi

ditunjukkan pada Tabel 4. Dari output aplikasi, terlihat bahwa aplikasi mampu

menghasilkan rute terpendek secara dinamis dengan mempertimbangkan kondisi

jalan berdasarkan data mentions yang didapatkan dari akun milik aplikasi.

Tabel 3 Kondisi pengujian

Nama Kondisi Akun Twitter Isi Pesan mention

Kondisi 1 - -

Kondisi 2 @systemuser1234 @dynamictracker Jalan18 arah G macet

Kondisi 3 @systemuser1235 @dynamictracker Jalan7 arah G macet

Kondisi 4 @systemuser1234 @dynamictracker Jalan11 arah L macet

Kondisi 5 @systemuser1235 @dynamictracker Jalan14 arah D macet

Kondisi 6 @systemuser1234 @dynamictracker Jalan17 arah L macet

Kondisi 7 @systemuser1235 @dynamictracker Jalan9 arah J macet

Tabel 4 Output aplikasi

Kondisi yang Digunakan Output Aplikasi Total Jarak Tempuh

Kondisi 1 Jalan1, Jalan13, Jalan6, Jalan10, Jalan18

95

Kondisi 2 Jalan1, Jalan7 100

Kondisi 2, Kondisi 3 Jalan5, Jalan14, Jalan16, Jalan11, Jalan19

115

Kondisi 2, Kondisi 3, Kondisi 4 Jalan5, Jalan14, Jalan17, Jalan19

117

Kondisi 2, Kondisi 3, Kondisi 4, Kondisi 5

Jalan4, Jalan17, Jalan19 127

Kondisi 2, Kondisi 3, Kondisi 4, Kondisi 5, Kondisi 6

Jalan5, Jalan9, Jalan12, Jalan20

150

Kondisi 2, Kondisi 3, Kondisi 4, Kondisi 5, Kondisi 6, Kondisi 7

- -

5. Kesimpulan dan Saran

Dari hasil pengujian terhadap aplikasi pencarian rute dinamis yang telah

dikembangkan, maka dapat ditarik kesimpulan bahwa aplikasi yang telah



dikembangkan mampu menerapkan algoritma A-Star untuk mencari rute

terpendek secara dinamis dengan memanfaatkan Twitter API.

Terdapat beberapa saran untuk pengembangan lebih lanjut dari

implementasi aplikasi ini, antara lain adalah sebagai berikut:

1. Aplikasi dapat dilengkapi dengan modul natural language processing

(NLP) sehingga user yang akan memberikan update kondisi jalan tidak

harus terikat dengan format yang diberikan oleh aplikasi.

2. Aplikasi dapat diimplementasikan lebih lanjut menggunakan data peta

sebenarnya, semisal menggunakan data dari open street map (OSM).

3. Aplikasi dapat dilengkapi dengan interface yang benar-benar

menampilkan data peta serta data rute yang dihasilkan.



Daftar Pustaka

Asur, S. & Huberman, B. A., 2010. Predicting the Future with Social Media. Proceeding. The 2010 IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology (WI-IAT), 1, pp. 492-499.

Bakshy, E., Hofman, J. M., Mason, W. A. & Watts, D. J., 2011. Everyone's An Influencer: Quantifying Influence on Twitter. Proceeding. The Fourth ACM International Conference on Web Search and Data Mining, Hong Kong, pp. 65-74.

Dijkstra, E. W., 1959. A Note on Two Problems in Connexion with Graphs. Numerische Mathematik, 1(1), pp. 269-271.

Eranki, R., 2002. Pathfinding Using A* (A-Star). [Online] Available at: http://web. mit.edu/eranki/www/tutorials/search/ [Accessed 16/5/2013].

Fielding, R. T., 2000. Architectural Styles and the Design of Network-Based Software Architectures. Disertasi. Irvine: University of California.

Hart, P. E., Nilsson, N. J. & Raphael, B., 1968. A Formal Basis for the Heuristic Determination of Minimum Cost Paths. IEEE Transactions on Systems Science and Cybernetics, 4(2), pp. 100-107.

Kopecky, J., Gomadam, K. & Vitvar, T., 2008. hRESTS: An HTML Microformat for Describing RESTful Web Services. Proceeding. The 2008 IEEE/WIC/ACM International Conference on Web Intelligence and Intelligence Agent Technology (WI-IAT'08), Sydney, 1, pp. 619-625.

Kusumadewi, S., 2003. Artificial Intelligence: Teknik dan Aplikasinya. Yogyakarta: Penerbit Graha Ilmu.

Kwak, H., Lee, C., Park, H. & Moon, S., 2010. What is Twitter, A Social Network or A News Media?. Proceeding. The 19th International Conference on World Wide Web, Raleigh, pp. 591-600.

Pugas, D. O., Somantri, M. & Satoto, K. I., 2011. Pencarian Rute Terpendek Menggunakan Algoritma Dijkstra dan Astar (A*) pada SIG Berbasis Web untuk Pemetaan Pariwisata Kota Sawahlunto. TRANSMISI, 13(1), pp. 27-32.

Richardson, L. & Ruby, S., 2007. RESTful Web Services. California: O’Reilly Media, Inc.

Russel, S. J. & Norvig, P., 1995. Artificial Intelligence: A Modern Approach. New Jersey: Prentice Hall International, Inc.

Semiocast, 2012. Twitter Reaches Half a Billion Accounts More Than 140 Millions in the U.S. [Online] Available at: http://semiocast.com/en/ publications/2012_07_30_Twitter_reaches_half_a_billion_accounts_140m_in_the_US [Accessed 16/5/2013].



Suyanto, 2007. Artificial Intelligence: Searching, Reasoning, Planning and Learning. Bandung: Penerbit Informatika.

Tsai, B., 2009. Introduction to The A-Star Algorithm. [Online] Available at: http://upe.acm.jhu.edu/websites/Benny_Tsai/Introduction%20to%20AStar.htm [Accessed 14/5/2013].

29

PENGGUNAAN TOGAF ADM UNTUK MERANCANG BLUEPRINT SI/TI DI DINAS KESEHATAN PROVINSI KALIMANTAN TENGAH

Nova Noor Kamala Sari, Ema Utami, Armadyah Amborowati

Magister Teknik Informatika, Program Pasca Sarjana STMIK AMIKOM Yogyakarta

[email protected]

Abstrak

Pengelolaan sumberdaya manusia kesehatan sangatlah vital bagi penyediaan layanan kesehatan di semua tempat. SI/TI diadopsi untuk mengoptimalkan pegelolaan tersebut. Namun terdapat ketidaksesuaian antara aplikasi yang dikembangkan oleh Kementerian Kesehatan dengan kebutuhan aplikasi SI/TI di lapangan. Diperlukan blueprint yang mampu memetakan portofolio saat ini dan solusi SI/TI yang dituju, untuk mensinergikan kebijakan strategis di lingkungan dinas kesehatan, untuk itulah diadopsi Enterprise Architecture (EA). Perencanaan EA ini akan menggunakan pendekatan TOGAF ADM digabungkan dengan framework Ward & Peppard pada tahapan Business Architecture. Analisis yang digunakan antara lain SWOT, Value Chain, CSF dan 5 Daya Porter. Pengumpulan data menggunakan Participatory Action Research (PAR) untuk mendapatkan hasil yang lebih valid dan up to date. Adapun tahapan TOGAF ADM yang dilalui adalah tahapan Architecture Vision, Business Arsitecture, Information System Architecture, Technology Architecture, dan Oppurtinities and Solution. Hasil penelitian adalah blueprint awal yang dapat digunakan sebagai portofolio dan pedoman awal pengembangan blueprint SI/TI keseluruhan di lingkungan Kantor Dinkes Prov. Kalteng.

Kata Kunci: Blueprint, TOGAF ADM, Ward & Peppard, Action Research, Dinas Kesehatan.

1. Pendahuluan

Penyebab utama dari kegagalan suatu organisasi dalam menerapkan

SI/TI adalah kurangnya perencanaan yang matang terhadap implementasi SI/TI.

Perencanaan implementasi SI/TI harus diselaraskan antara strategis SI/TI dan

strategi bisnis organisasi (Ward dan Peppard, 2002). Perencanaan strategis

(renstra) SI/TI mutlak diperlukan oleh setiap organisasi yang akan memanfaatkan

SI/TI. Dokumen renstra ini selanjutnya akan menjadi acuan dalam melakukan

investasi SI/TI. Tanpa renstra yang jelas, maka investasi SI/TI yang hendak

dilakukan akan berjalan tanpa arah dan memberikan kontribusi yang tidak

maksimal serta tidak selaras dengan tujuan yang ingin diraih (Tambotoh, 2010).

Keselarasan penerapan SI/TI dengan kebutuhan organisasi hanya

mampu dijawab dengan memperhatikan faktor integrasi di dalam pengembangan

SI/TI, tujuan integrasi yang sebenarnya adalah untuk mengurangi kesenjangan

yang terjadi dalam proses pengembangan SI/TI. Dalam menurunkan

kesenjangan tersebut, diperlukan sebuah kerangka kerja dalam merencanakan,



Nova Noor Kamala Sari ... Penggunaan TOGAF ADM untuk Merancang Blueprint

merancang, dan mengelola infrastruktur SI/TI yang disebut dengan Enterprise

Architecture (EA). Pemilihan EA adalah karena EA dipandang sebagai sebuah

pendekatan logis, komprehensif dan holistik untuk merancang dan

mengimplementasikan sistem dan komponen sistem secara bersamaan. Dengan

kata lain, EA mengintegrasikan SI/TI di dalam suatu arsitektur (Parizeau, 2002).

Penelitian ini berusaha untuk membangun enterprise architecture

Pemerintah Provinsi Kalteng yang pada gilirannya dapat digunakan untuk

menyelaraskan kebijakan strategis dari Kementerian Kesehatan dengan keadaan

di lapangan dalam bentuk sebuah blueprint SI/TI.

Penelitian ini menekankan pada pembangunan model infrastruktur SI/TI

berbasis Enterprise Architecture untuk diterapkan di Dinkes Prov. Kalteng.

Tahapan yang digunakan adalah 5 tahapan awal pada framework TOGAF ADM

dan analisis bisnis internal & eksternal dari Ward & Peppard. Hal ini dilakukan

agar mendapat hasil analis yang luas serta lebih aware terhadap faktor luar.

2. Enterprise Architecture

Enterprise adalah keberfungsian seluruh komponen organisasi yang

dioperasikan di bawah kepemilikan atau kontrol dari organisasi tunggal.

Enterprise Architecture adalah susunan dasar sistem suatu organisasi yang

terdiri dari komponen-komponen, serta relasi antar komponen tersebut dan

lingkungannya (Nugrahaningsih, 2007).

2.1 TOGAF

TOGAF merupakan sebuah framework untuk mengembangkan arsitektur

perusahaan. TOGAF memiliki metode yang detail sekaligus tools pendukung

yang digunakan untuk proses penerimaan, produksi, pemakaian dan pengelolaan

dari sebuah arsitektur perusahaan (enterprise architecture). Framework ini

dikeluarkan oleh The Open Group's Architecture Framework pada tahun 1995

(TOGAF, 2009).

Terdapat empat domain arsitektur yang umum dikenal dari keseluruhan

arsitektur yang ada, dan keempat macam arsitektur tersebut didukung oleh

TOGAF, adapun arsitektur tersebut antara lain (TOGAF, 2009):

1. Arsitektur Bisnis: Menentukan strategi bisnis, tatakelola, organisasi dan

proses utama bisnis.


Penggunaan TOGAF ADM untuk Merancang Blueprint ... Nova Noor Kamala Sari

2. Arsitektur Data: menggambarkan struktur aset data dan pengelolaan

sumberdaya data secara logis maupun secara fisik dari sebuah

organisasi.

3. Arsitektur Aplikasi: menyediakan cetak biru bagi sebuah sistem aplikasi

untuk diterapkan, bagaimana interaksi dengan komponen yang lain, dan

bagaimana keterhubungannya dengan proses inti bisnis dari sebuah

organisasi.

4. Arsitektur Teknologi: menggambarkan secara logis kemampuan

perangkat lunak dan perangkat keras yang dibutuhkan untuk mendukung

penerapan layanan bisnis, data dan aplikasi. Termasuk di dalamnya

adalah infrastruktur teknologi informasi, middleware, jarigan komputer,

jalur komunikasi, pemrosesan, standar dan lain-lain.

2.2 Architecture Developtment Method (ADM)

Gambar 1 Architecture Development Method (Land et al., 2009)

Architecture Development Method (ADM) adalah inti dari TOGAF. ADM

sendiri adalah pedekatan langkah demi langkah untuk mengembangkan

Enterprise Architecture. ADM bisa digunakan untuk membuat sebuah framework

arsitektur, mengembangkan isi arsitektur, peralihan dan pengelolaan realisasi

arsitektur-arsitektur (TOGAF, 2009). Adapun tahapan TOGAF ADM adalah:



1. Fase preliminary: framework and priciples

2. Fase requirements management

a. Architecture Vision

b. Business Architecture

c. Information System Architecture

d. Technology Architecture

e. Opportunities and Solution

f. Migration Planning

g. Implementation Governance

h. Architecture Change Management

3. Metode Perencanaan Strategis SI/TI versi Ward & Peppard

Pendekatan metode Ward & Peppard (2002) menyediakan analisis

mendalam mengenai perencanaan strategis sebuah organisasi terutama pada

bagian lingkungan bisnis. Model ini terdiri dari tiga bagian utama, yaitu: masukan,

keluaran dan aktifitas utama.

1. Masukan terdiri atas:

a. Lingkungan bisnis internal: Strategi bisnis yang sedang

digunakan, tujuan, sumberdaya, proses-proses dan budaya dan

nilai dari bisnis.

b. Lingkungan bisnis eksternal: Iklim ekonomi, industri dan kompetisi

di dalam organisasi.

c. Lingkungan TI internal: perspektif TI dalam organisasi saat ini,

kematangan, cakupan bisnis dan kontribusi untuk mencapai tujuan

organisasi, kemampuan, sumberdaya, dan infrastruktur teknologi.

Portofolio sistem saat ini atau sistem yang sedang dibangun,

dianggarkan namun belum dilaksanakan juga termasuk dalam

lingkungan TI internal.

d. Lingkungan TI eksternal: tren teknologi dan peluang dan

penggunaan TI oleh pengguna selain organisasi antara lain

pelanggan, pesaing dan supplier.

2. Keluaran terdiri atas:

a. Strategi manajemen TI: elemen-elemen umum dari strategi yang

dijalankan dalam sebuah organisasi.



b. Strategi Sistem Informasi Bisnis: pedoman bagaimana setiap unit

atau fungsi menjalankan TI dengan baik untuk mencapai tujuan

bisnis.

c. Aplikasi Portofolio: penggambaran arsitektur informasi dari setiap

unit. Portofolio digunakan juga untuk menggambarkan bagaimana

TI akan digunakan pada masa yang akan datang untuk menolong

unit-unit mencapai tujuan masing-masing.

d. Strategi TI: kebijakan dan strategi untuk pengelolaan teknologi

dan sumberdaya khusus.

Pada Gambar 2 merupakan gambaran kerangka pikir metode rencana

strategis dari Ward & Peppard.

Gambar 2 Model Pendekatan Rencana Strategis Ward & Peppard

Hasil pengumpulan data dari metode Ward & Peppard akan dianalisis

dengan menggunakan analisis PEST, Analisis SWOT dan Analisis Five Porters.

LINGKUNGAN SI/TI INTERNAL

LINGKUNGAN SI/TI EXTERNAL

SI/TI PROSES STRATEGI

LINGKUNGAN BISNIS INTERNAL

LINGKUNGAN BISNIS EXTERNAL


STRATEGI SI BISNIS

TI/SI STRATEGI MANAJEMEN

STRATEGI TI

PORTOFOLIO APLIKASI

MENDATANG

PORTOFOLIO SAAT INI



4. Hasil Analisis metode TOGAF ADM dan Ward & Peppard

4.1 Gambaran Umum Obyek Penelitian

Penelitian perancangan enterprise architecture menggunakan TOGAF

ADM ini mengambil obyek penelitian sebuah instansi Pemerintah Provinsi

(Pemprov) Kalimantan Tengah dan memfokuskan pada Dinas Kesehatan

Provinsi bidang Bina Pengembangan Sumber Daya Manusia Kesehatan. Provinsi

Kalimantan Tengah merupakan provinsi terluas ketiga di Indonesia. Luas wilayah

Kalimantan Tengah adalah 153.564 kilometer persegi. Sejak berlakunya UU

No.05 tahun 2002, secara administrasi pemerintahan Provinsi Kalimantan

Tengah terbagi menjadi 13 kabupaten dan 1 kota dengan 120 kecamatan, 1.466

desa/kelurahan.

Gambaran kerangka EA usulan penulis disajikan di Gambar 3.

Gambar 3 Kerangka Enterprise Architecture yang digunakan

4.2 Preliminary Phase

Langkah-langkah dalam tahapan preliminary phase adalah lingkup

organisasi enterprise, konfirmasi pemerintah dan dukungan framework,

menentukan tim arsitektur & organisasi, menentukan framework arsitektur,

melaksanakan tools arsitektur dan prinsip-prinsip EA (Sumantri, 2011).

4.3 Requirement Management

Core business yang ada di Dinkes Prov. Kalteng adalah layanan

kesehatan. Sedang khusus pada bagian PSDMK, core business/layanan adalah

Tahap Ward & Peppard yang diadopsi

LINGKUNGAN BISNIS INTERNAL



PARTICIPATORY ACTION

RESEARCH



Perencanaan dan Pendayagunaan Nakes, Pendidikan dan Pelatihan serta

Registrasi & Akreditasi.

4.4 Architecture Vision

Visi dari Dinkes adalah mewujudkan masyarakat berparadigma sehat

untuk mempercepat peningkatan derajat kesehatan masyarakat secara

berkelanjutan. Sedangkan misinya antara lain: (1) Peningkatan kualitas dan

kuantitas tenaga kesehatan; (2) Peningkatan sosialisasi kesehatan lingkungan

dan pola hidup sehat; (3) Peningkatan pendidikan kesehatan masyarakat sejak

usia dini; (4) Penataan kebijakan dan manajemen pembangunan kesehatan dan

pengembangan jaminan kesehatan terutama bagi penduduk miskin; (5)

Peningkatan pengawasan obat dan makanan serta ketersediaan obat; (6)

Peningkatan upaya kesehatan masyarakat dan peningkatan jumlah, jaringan dan

kualitas puskesmas hingga ke daerah terpencil; serta (7) Terwujudnya

peningkatan upaya kesehatan perorangan.

Terdapat beberapa temuan yang kemudian menjadikan susunan program

kerja yang ada di bagian PSDMK disesuaikan kembali dengan visi dan misi

sebelumnya. Temuan tersebut didapat setelah dilakukan metode PAR

(Participatory Action Research) dalam mengumpulkan data aktual.

Tabel 1 Implementasi PAR bagian SDMK

Tahapan Kondisi Tindakan

Tahap 1 Planning

Menyadari adanya ketidaksesuaian dalam menerjemahkan Misi yang ada dalam dokumen renstra kedalam bentuk program yang terdapat dalam dokumen Lakip. Terdapat acuan yang salah dalam Progja tahun 2013 yang mengacu pada Renstra tahun 2009.

Mengajukan pertanyaan mengenai perbedaan Misi dan Sasaran & Indikator dalam dokumen LAKIP 2010. Mengajukan pertanyaan mengenai kesalahan rujukan.

Tahap 2 Action

Melakukan perumusan bersama mengenai Sasaran dan Indikator yang benar. Memeriksa kesesuaian progja 2013 dengan renstra 2009-2014.

Memberikan contoh-contoh penerjemahan Misi ke dalam bentuk Sasaran dan Indikator pencapaian. Melakukan beberapa perubahan yang bersifat konstruktif dan sesuai dengan renstra yang benar.

Tahap 3 Result

Disepakati sebuah Sasaran dan Indikator yang baru dan telah disesuaikan dengan Misi serta memberikan gambaran implementasi program yang sesuai dengan sasaran indikator yang ada.

Pembacaan dan penjelasan mengenai sasaran dan indikator serta program kerja PSDMK yang telah disesuaikan.



Aplikasi yang terdapat di Dinkes Prov. Kalteng terdapat sistem aplikasi

yang telah dikembangkan Kemenkes yang pada gilirannya akan diintegrasikan

dengan sistem yang telah berada di lingkungan Dinkes Prov. Kalteng. Beberapa

aplikasi dikembangkan sendiri, yang antara lain terlihat pada Gambar 4.

Gambar 4 Portofolio SI di Bidang PSDMK

4.5 Business Architecture

Business Architecture meliputi penentuan stakeholder Dinas Kesehatan,

Proses Bisnis Organisasi dan Hierarki fungsi dari Dinkes Prov. Kalteng bidang

PSDMK. Gambaran umum hubungan stakeholder dengan fungsi bisnis Dinkes

Prov. Klateng bidang PSDMK dapat digambarkan dengan use case diagram

pada Gambar 5.

Gambar 5 Use Case Diagram PSDMK

SI - PPSDMK

PUSREGUN SDMK Penyediaan data untuk perencanan kebutuhan SDM Kesehatan dan Tubel, termasuk rencana pendayagunaan SDMK.

PUSDIKNAKESManajemen Pendidikan, kurikulum dan kendali mutu, termasuk berinteraksi dengan POLTEKES dalam manajemen administrasi akademisi pendidikan Nakes

PUSDIKLAT SDMK Manajemen Pelatihan, Metodologi dan Pemantauan Mutu Pelatihan, termasuk Pengelolaan Akreditasi Institusi Pelatihan dan berinteraksi dengan BALAI BESAR / BAPELKES

PUSPRONAKES

DEPNAKERTRANS

a. Sistem Informasi Pendidikan Tenaga Kesehatan ( SI – PTK )

b. Sistem Informasi Pendidikan dan Pelatihan SDMK ( SI – DIKLAT ).

PUSDIKLAT SDMK dalam menjalankan tupoksinya telah mengembangkan dan mengoperasikan sistem Informasi Pendidikan dan Pelatihan / SI -DIKLAT yang meliputi pendataan terhadap peserta didik dan atau pelatihan dan alumni, materi pelatihan, akreditasi pelatihan, akreditasi institusi diklat, fasilitas diklat dan pemanfaatan, logistik dan ketenagaan.

SI-PTK adalah suatu sistem yang digunakan oleh PUSDIKNAKES untuk melakukan pendataan terhadap semua institusi pendidikan bidang kesehatan di lingkungan Poltekes dan Non Poltekes, sehingga modul SI-PTK ini didistrbusikan ke seluruh institusi pendidikan kesehatan.K

erj

asam

a

PSDMK

Registrasi dan Akreditasi

Pendidikan dan Pelatihan

Perencanaan dan pendayagunaan

Monitoring, evaluasi, pelaporan

Penyusunan Rencana Pembiayaan

Penyusunan Rencana Program

NAKES

PEMKOT/PEMDA

PENYELENGGARA PELATIHAN (KURSUS)/BAPELKES

SEKOLAH TINGGI/UNIVERSITAS

RUMAH SAKIT/PUSKESMAS

KEPALA DINAS

KEPALA BAGIAN

KEMENAKERTRANS



Pendefinisian lingkup bisnis Dinkes Prov. Kalteng bidang PSDMK telah

disampaikan pada Gambar 5 menggunakan rantai nilai Porter’s. Berikut ini salah

satu uraian dari proses bisnis yaitu proses berupa aktifitas utama Kepala Seksi

Bimdal Perencanaan dan Pedayagunaan:

a. Menetapkan jenis, jumlah dan kualifikasi tenaga kesehatan sesuai

dengan kebutuhan pembangunan kesehatan;

b. Menempatkan tenaga kesehatan strategis, pemindahan tenaga tertentu

antara kabupaten/kota skala provinsi;

c. Menyusun rencana pembinaan tenaga kesehatan;

d. Menyusun rencana pendayagunaan tenaga kesehatan tertentu dan

strategis; dan

e. Melakukan pembinaan, pelayanan, pengendalian, monitoring, evaluasi

dan pelaporan pelaksanaan tugas.

Permodelan fungsi Bimdal Perencanaan dan Pendayagunaan

digambarkan menggunakan activity diagram seperti terlihat pada Gambar 6.

Gambar 6 Activity Diagram Bimdal Perencanaan dan Pendayagunaan



4.6 Information System Architecture

Arsitektur Data

Tujuan dari perancangan arsitektur data adalah mendefinisikan

kebutuhan data yang akan digunakan pada arsitektur aplikasi. adapun tahapan-

tahapannya antara lain adalah:

1. Mendefinisikan Entitas

Analisis Value Chain telah menghasilkan fungsi bisnis yang dapat

digunakan sebagai kandidat entitas. Berikut adalah kandidat entitas yang

dihasilkan: (1) Perencanaan dan Pendayagunaan (Rendaya), (2) Pendidikan dan

Pelatihan (Dikpel), (3) Registrasi dan Akreditasi (Regkre), (4) Monitoring,

Evaluasi & Pelaporan (Monevpor), (5) Penyusunan Rencana Program

(Sunrenpro), dan (6) Penyusunan Rencana Pembiayaan (Sunrenbi).

Berdasarkan pada kandidat entitas tersebut di atas, maka bisa

digambarkan detail dari entitas data untuk entitas Perencanaan dan

Pendayagunaan seperti pada Tabel 2.

Tabel 2 Kandidat Entitas

Kandidat Entitas Entitas

Rendaya 1. Alokasi 2. Nakes 3. Unit Kerja

4. Sarana_kesehatan 5. Posisi

Dikpel 1. Institusi Pendidikan 2. Lembaga pelatihan 3. Nakes

4. Pelatihan 5. Program

Regkre 1. Lembaga Sertifikasi Profesi 2. Lembaga Pelatihan Profesi 3. Nakes 4. Sertifikasi 5. Akreditasi

6. Assesor 7. Sarkes 8. Lembaga akreditasi 9. Aksesor

Monevpor 1. Program 2. Pelaksana 3. Unit Kerja

4. Presensi 5. Nakes

Sunrenpro 1. Rencana Program 2. Nakes

3. Rencana Pelaksana 4. Daftar usulan

Sunrenbi 1. Aset 2. Inventaris

3. Unit Kerja 4. Nakes

2. Membuat model konseptual Class Diagram

Model konseptual merupakan pendefinisian sekumpulan entitas, atribut

dan relasi yang digambarkan menggunakan Class Diagram. Berikut penjelasan

model konseptual Class Diagram untuk salah satu entitas: Perencanaan dan

Pendayagunaan (Rendaya) pada Gambar 7.



Gambar 7 Class Diagram Rendaya

Arsitektur Aplikasi

Arsitektur aplikasi diidentifikasi berdasarkan pada :

1. Kebutuhan informasi untuk mendukung pengambilan keputusan di tiap

fungsi bisnis.

2. Kebutuhan transaksi informasi antar fungsi bisnis.

3. Kebutuhan alat bantu di tiap fungsi bisnis.

Kebutuhan dan transaksi informasi secara umum telah terlihat pada

uraian tentang permodelan proses bisnis, sehingga penentuan arsitektur aplikasi

yang digunakan untuk membantu fungsi bisnis utama dan pendukung organisasi

dapat didefinisikan menggunakan application portofolio.

Berdasarkan pada analisis solusi aplikasi dan portofolio aplikasi maka

solusi aplikasi untuk bidang PSDMK Dinkes Prov. Kalteng dapat dipetakan ke

dalam arsitektur bisnis seperti Gambar 8.

Gambar 8 Solusi Aplikasi

NameTitle

Rendaya

-m_UnitKerja : Unit_Kerja-m_Sarkes : Sarkes-m_Posisi : Posisi

Alokasi

-kd_unit : Char-nm_unit : Char

Unit_Kerja

-kd_unit : Char-nm_unit : Char

Sarkes -kd_pos : Char-nm_pos : Char

Posisi

menggunakan

1

*

1

*

1

*

+cekAlokasi()() : Char+cekDatadiri() : Char+applyAlokasi() : Char

-NIP : Char-nm_nakes : Char

Nakes

Rendaya Dikpel Regkre

Sunrenbi Sunrenpro Monevpor

Proses Layanan Inti

Proses Layanan Pendukung

AP_1.1

AP_1.2 AP_1.3

AP_1.4

AP_1.5

AP_2.1 AP_2.2 AP_2.3 AP_3.2

AP_3.3

AP_3.1

AP_3.4AP_4.4 AP_4.5

AP_4.6

AP_5.1 AP_5.2

AP_6.1AP_6.2

AP_7.1

AP_7.2

AP_8.1 AP_8.2AP_9.1 AP_9.2



Terdapat kesamaan antara AP_1.1, AP_1.2, AP_1.3 dengan AP_4.1,

AP_4.2, AP_4.3 untuk itu deskripsi solusi aplikasi hanya dituliskan sekali pada

Rendaya. Overall Architecture yang merupakan hasil analisis tahap ini terlihat

pada Gambar 9.

Gambar 9 Overall Architecture

Berdasarkan overall architecture pada Gambar 9, kategorisasi aplikasi

yang ada adalah sebagai berikut:

1. Infrastructure Application

Terdiri atas server aplikasi (Server portal) dan server e-mail.

2. Business Application

Business Application merupakan daftar aplikasi yag dibutuhkan dan

mengacu pada application portofolio yang terdiri dari 25 aplikasi dari 28

aplikasi yang semula diusulkan.

3. Spesifikasi Komponen

a. Graphic dan Image

Layanan yang memberikan fungsi pembuatan, penyimpanan,

pengambilan dan pemanipulasian gambar. Adapun layanan

tersebut antara lain:

i. Layanan Manajemen obyek Grafis: definisi multi-dimensi

obyek grafis.

AP_1.1 AP_1.2 AP_1.3 AP_1.4 AP_1.5

AP_4.4 AP_4.5 AP_4.6

AP_2.1 AP_2.2 AP_2.3

AP_3.2 AP_3.3AP_3.1 AP_3.4

AP_6.1 AP_6.2AP_5.1 AP_5.2 AP_7.1 AP_7.2

AP_8.1 AP_8.2 AP_9.1 AP_9.2

Web Client (laptop, desktop, tablet)

Portal Web

Use

r p

rofi

le m

anag

emen

t

Net

wo

rk S

ecu

rity

Aplikasi Klien(Laptop & Desktop)

Operating System Services

Network Services

Communication Infrastructure

Graphic Design Tools (laptop, desktop)

Dia, Gimp

Firefox/Chrome

Open LDAP

VB.NET Client

LAN, Wireless LAN & Internet

SNMP, SMTP & POP Server, DHCP

Server : LinuxDesktop : Windows XP, Win 7Router/Switch : Cisco IOS

ACLs, SSL

PHP on Apache

Webserver

Horde webmail

XML over HTTP

Portal Aplikasi



ii. Drawing: definisi layanan yang mendukung penciptaan dan

manipulasi gambar.

iii. Imaging: definisi fungsi untuk pembuatan, scan, edit,

kompresi dan dekompresi gambar sesuai dengan standar

format yang diakui.

Adapun layanan yang akan dibutuhkan pada saat mendatang

menurut hasil analisis adalah layanan manajemen imaging.

Aplikasi yang digunakan adalah Dia untuk pembuatan diagram

dan The Gimp untuk software pengolah gambar.

b. Data Interchange

Layanan yang memberikan dukungan khusus untuk transaksi data

antara aplikasi dan penggunanya. Teknologi XML over HTTP

dipilih karena kecepatan data yang bisa ditransmisikan lebih tinggi

daripada penggunaan HTTP konvensional.

c. UI (User Interface)

Berbasis Graphical User Interface (GUI).

d. Location and Directory

Layanan ini menggunakan Open LDAP yang dikembangkan dari

server berbasis Linux. SNMP digunakan untuk melakukan monitor

jaringan.

e. Security

Keamanan yang diterapkan menggunakan konsep autentikasi dan

account data. SSL dan ACLs dipakai untuk memenuhi persyaratan

keamanan yang ada.

4. Layanan Sistem Operasi

Sistem operasi desktop: Windows XP, Linux dan Windows 7; Server:

Linux; Router: Mikrotik dan Cisco IOS (Switch)

5. Network Services

Layanan jaringan yang menyediakan akses data dan modifikasi data atau

metadata dalam sistem aplikasi remote atau lokal. Selain itu, network

service juga memberikan layanan berbagi pakai sumberdaya komputasi,

seperti printer.

6. Communication Infrastructure

Infrastruktur jaringan komputer yang terdiri dari LAN, Wireless LAN dan

Internet via VSAT atau operator ISP.



4.7 Technology Architecture

Dengan mendasarkan pada pengkajian langsung terhadap kondisi

existing, maka arsitektur teknologi terpadu bisa dilihat pada Gambar 10.

Gambar 10 Platform Aplikasi Terpadu

Infrastruktur Topologi Jaringan Komputer

Berdasarkan kondisi di lapangan, layanan jaringan komputer yang akan

diberikan berupa LAN, Internet, server DHCP dan server Aplikasi. Internet

digunakan untuk mengakses informasi ke situs resmi biro kepegawaian

kementerian kesehatan (ropeg-depkes.or.id). Tabel 3 memperlihatkan kebutuhan

pengembangan jaringan komputer di PSDMK.

Berdasarkan uraian identifikasi kebutuhan jaringan komputer, maka

dihasilkan sebuah sketsa topologi pengembangan jaringan komputer seperti

terlihat pada gambar 11.

Client

Interface

Network

Rendaya Dikpel Regkre Sunrenpro Monevpor Sunrenbi

Web Browser

VB Client

ODBC

Internet HTTPs LAN

Web Server&

PHP

.Net Server

Presentation

Application

Application Integration

XML dataApp Server

SOA



Tabel 3 Hasil identifikasi kebutuhan Jaringan Komputer

No Keragaman Keterangan

1. Jenis Layanan LAN, wireless, Internet, Web Server, DHCP Server

2. Skalabilitas PC: 6 unit, Laptop: 2 unit; total: 8 unit.

3. Lokasi Terpisah di 4 ruangan.

4. Besar Bandwidth 1 MB upto

5. Ketersediaan Hardware 1 modem 1 Switch catalyst 32 port 1 router Mikrotik 1 wireless router 1 wireless radio

6. Network Software Mikrotik, Linux

7. Managebility Belum Tersedia

8. Security Belum Tersedia

9. Alokasi Biaya Belum Tersedia

10. SDM 1 orang, belum mengerti jaringan komputer

Gambar 11 Sketsa Jaringan Komputer di PSDMK Dinkes

4.8 Opportunities & Solutions

Terdapat perbedaan antara sistem yang akan dibangun dengan sistem

yang saat ini digunakan. Hal tersebut akan dianalisis kemudian digambarkan

pada bagian ini, proses tersebut disebut gap analysis (Sari, 2013).

Ruang Kepala BagianIp : 192.168.1.10/24

Ruang ServerServer Aplikasi

Ip : 192.168.1.3/24

Ruang ServerServer Server DHCPIp : 192.168.1.3/24

Ruang AdministrasiIp : 192.168.1.21/24 –

192.168.1.30/24

Ruang AdministrasiIp : 192.168.1.31/24 –

192.168.1.40/24

AnjunganIp : 192.168.1.41/24 –

192.168.1.100/24

Koneksi dengan jaringan Internet menggunakan 2

jenis koneksi1. Internet Vsat/ISP Local

2. Internet ADSL

RouterIp : 192.168.1.1/24



Tabulasi Gap Sistem Informasi

Tabulasi Gap Sistem Informasi (Tabel 6) adalah sebuah tabel yang

menggambarkan antara kondisi saat ini dengan kondisi yang akan datang

dipandang dari perspektif SI.

Tabel 4 Tabulasi Gap Sistem Informasi

FUTURE

Rendaya Dikpel Regkre Sunrenbi Monevpor Sunrenpro ELIMINATED

EX

IST

ING

Ropeg-depkes Retain

PUSREGUN SDMK Retain

PUSDIKNAKES Retain

PUSRONAKES Retain

NEW Add Add Add

Analisis Gap Teknologi (komponen infrastruktur)

Tabulasi Gap teknologi adalah perbandingan antara perangkat lunak

yang sudah dimiliki pada kondisi saat penelitian ini dilakukan dengan kebutuhan

yang akan datang. Gap teknologi perangkat lunak dapat dilihat pada Tabel 7.

Tabel 5 Tabulasi Gap Teknologi

FUTURE

Dat

abas

e

Ser

ver

Web

Ser

ver

SO

Win

dow

s X

P &

7

PH

P

.NE

T A

pp

Ser

ver

Linu

x

Mik

rotik

VB

.NE

T

ELI

MIN

AT

ED

EX

IST

ING

Apache retain

MySQL retain

SO Windows XP & 7 retain

PHP retain

NEW add add add add

Critical Success Factor pada Implementasi

Critical Success Factor pada implementasi merupakan hasil analisis

proses bisnis menggunakan Ward & Peppard. Implementasi merupakan proses

nyata yang dilakukan untuk bergerak dari kondisi saat ini menuju kondisi

mendatang yang direncanakan (Nugrahaningsih, 2007). Agar implementasi dapat

berhasil, maka diperlukan pemenuhan faktor-faktor CSF, adapun faktor-faktor

tersebut antara lain: (1) Komitmen dan dukungan yang kuat dari pemimpin; (2)

Kemauan semua pihak yang terlibat untuk berubah menuju pada kondisi yang

lebih baik; (3) Kesiapan sumber daya manusia; (4) Kesiapan dana; (5)

Penyediaan katalisator pengembangan TI untuk kemajuan daerah; (6) Komitmen

dengan pengembangan TI berbasis open source; serta (7) Komitmen terhadap

keterbukaan informasi publik.



5. Kesimpulan

Berdasarkan hasil analisis dan identifikasi yang telah dilakukan pada bab-

bab sebelumnya, maka dapat diambil kesimpulan sebagai berikut:

1. Hasil analisis yang diperoleh dalam penelitian ini menggambarkan bahwa

penerapan SI/TI existing belum mampu mendukung proses bisnis secara

umum dan secara khusus pada bagian PSDMK. Analisis dilakukan pada

kondisi existing pada bagian PSDMK di Dinkes Provinsi Kalimantan

Tengah.

2. Permodelan bisnis/layanan Bidang PSDMK Dinas Kesehatan Provinsi

Kalimantan Tengah memiliki aktivitas utama yaitu Rendaya, Regkre dan

Dikpel, sedangkan aktivitas pendukung antara lain Sunrenpro, Sunrenbi &

Monevpor.

3. Hasil yang diperoleh dari analisis arsitektur sistem informasi diperoleh 21

(duapuluh satu) entitas dari 6 (enam) fungsi layanan/bisnis dan 25

(duapuluh lima) aplikasi akan diimplementasikan.

4. Enterprise Architecture yang dihasilkan bisa digunakan sebagai landasan

pengembangan SI di Dinas Kesehatan Provinsi Kalimantan Tengah.

5. Hasil perancangan dalam penelitian ini adalah sebuah portofolio yang

diperoleh melalui sebuah kerangka kerja yang mengambil pedoman

pembangunan Enterprise Architecture menggunakan TOGAF ADM dan

menggunakan metode penelitian Action Research sebagai metode

pengumpulan data.

Adapun saran-saran yang dapat diberikan dan sekiranya bermanfaat

adalah:

1. Pengembangan teknologi informasi dan komunikasi (TIK) di Dinkes Prov.

Kalimantan Tengah harus mendapat dukungan dan komitmen oleh para

pihak di level manajemen pemerintahan.

2. Adanya pengembangan Enterprise Architecture dengan fase selanjutnya

dan pada bidang-bidang yang lain.

3. Tatakelola TI harus diawali dari pembentukan komite TIK oleh kepala

daerah dalam hal ini Gubernur, hal ini sesuai dengan pedoman umum TIK

Nasional.

4. Diperlukan adanya pelatihan dan seminar-seminar success story

pengembangan SI/TI di lingkungan pemerintah daerah agar membuka

wacana dan menambah pemahaman terhadap SI/TI.



Daftar Pustaka

Land, M. O., Proper E., Waage M., Cloo, J. & Steghuis, C., 2009. Enterprise Architecture: Creating Value by Informed Goverance. Berlin: Springer.

Nugrahaningsih, N., 2007. Pembuatan Blue Print E-Government Menggunakan Metodologi “Enterprise Architecture Planning” di Pemerintah Kota Palangkaraya. Tesis. Bandung: Program Studi Magister Informatika, Institut Teknologi Bandung.

Parizeau, Y., 2002. Enterprise Architecture for Complex Government and the Challenge of Government On-Line in Canada. Laporan Riset. Halifax, Canada: Faculty of Computer Science, Dalhouise University.

Sari, N. N., 2013. Perancangan Enterprise Architecture Menggunakan TOGAF ADM untuk Mendukung Strategi SI/TI di Dinas Kesehatan Provinsi Kalimantan Tengah. Tesis. Yogyakarta: Magister Teknologi Informasi, STMIK AMIKOM.

Sumantri, K. T., 2011. Permodelan Arsitektur Enterprise dengan TOGAF ADM pada Rintisan Sekolah Bertaraf Internasional SDN Galunggung Kota Tasikmalaya. Tesis. Bogor: Magister Teknologi Ilmu Komputer, Institut Pertanian Bogor.

The Open Group, 2009. The Open Group Architecture Framework: Architecture Development Method. [Online] Available at http://www.opengroup.org/ architecture/togaf9-doc/arch/ [Accessed 31/11/2012].

Ward, J. L. & Peppard, J., 2002. Strategic Planning for Information Systems. West Sussex, England: John Wiley & Sons.

Widiatmo, R. L., 2012. Perencanaan Strategis Sistem Informasi/Teknologi Informasi Menggunakan Kerangka The Open Group Architecture Framework (TOGAF) Studi Kasus: Pemda Kabupaten Sumba Barat. Tesis. Salatiga: Magister Sistem Informasi, Fakultas Teknologi Informasi, Universitas Kristen Satya Wacana.

47

STRATEGI UNTUK MERAIH KEUNGGULAN KOMPETITIF DALAM E-BUSINESS, STUDI KASUS PADA AMAZON.COM

Arif Himawan

Program Studi Manajemen Informatika STMIK Jenderal A. Yani Yogyakarta

[email protected]

Abstrak

Internet telah mengalami fase naik (growth), menurun (decline) dan growth kembali. Tidak banyak perusahaan yang terjun dalam E-Business mampu beradaptasi pada siklus hidup yang dialami oleh internet tersebut. Salah satu perusahaan yang mampu beradaptasi dan sukses dalam berbisnis pada siklus hidup internet tersebut adalah Amazon.com. Tulisan ini mencoba mengidentifikasi strategi yang dibangun oleh Amazon.com untuk meraih keunggulan kompetitif dalam berbisnis di era internet. Tulisan ini menemukan bahwa strategi yang dibangun oleh Amazon.com berdasar pada visi, misi dan nilai organisasi yang kuat serta pemahaman atas kebutuhan dan keinginan konsumen.

Kata Kunci: Strategi, Keunggulan Kompetitif, SWOT, Value Chain Management, Resource-Based View Strategy.

1. Latar Belakang

Sebuah industri selalu mempunyai siklus alamiah (Industrial Life Cycle)

yang juga akan dialami oleh semua industri (Porter, 1994; Simons, 2001).

Sebagaimana bisnis lainnya, bisnis online telah mengalami siklus alamiah dari

sebuah evolusi, dari awalnya lahir kemudian tumbuh dengan cepat – bahkan

terlalu cepat – lalu dengan cepat pula jatuh dan kemudian saat ini kembali

tumbuh kembali menjadi lebih kuat tapi dengan tahapan yang lebih gradual dari

awal pertumbuhannya dulu (Shabazz, 2004; Coffman dan Odlyzko, 2001).

Bisnis online sendiri lahir seiring dengan lahirnya internet. Banyak

perusahaan yang berlomba-lomba untuk turut serta dalam bisnis online ini.

Perusahaan-perusahaan inilah yang kemudian dikenal sebagai perusahaan

dotcom sedangkan era tersebut kemudian dikenal sebagai era dotcom bubble.

Pada tahun 1999, tidak kurang dari 10 Milyar Dolar AS atau 100 Trilyun Rupiah

dihabiskan perusahaan-perusahaan untuk membangun bisnis online mereka

(Kenny dan Marshall, 2001).

Uang yang sudah dihamburkan oleh perusahaan-perusahaan bagi E-

Marketing pada awal era dotcom tersebut ternyata tidak berbanding lurus dengan

respon masyarakat atas bisnis online mereka. Situasi inilah yang kemudian

membuat banyak perusahaan dotcom yang kemudian memilih berhenti berbisnis



Arif Himawan .... Strategi Untuk Meraih Keunggulan Kompetitif dalam E-Business

online. Hal inilah yang kemudian menjadi penanda era penurunan bisnis online

atau sering disebut sebagai era dotcom crash (Kenny dan Marshall, 2001).

Setelah beberapa saat bisnis online mengalami fase decline atau

penurunan, bisnis online kembali menemukan momentum perkembangannya

kembali seiring bertambah – atau bahkan bergesernya – fungsi internet. Internet

telah bergeser dari hanya sekedar jaringan yang saling terhubung, media dan

channel menjadi lebih kepada gaya hidup (Dimas, 2009).

Salah satu perusahaan yang dapat terus bertahan baik pada saat

berkembang, penurunan dan bangkitnya kembali bisnis online adalah

Amazon.com (Kha, 2000; Casey dan Caroll, 2004). Amazon yang didirikan pada

tahun 1995 mampu terus bertahan dan tumbuh hingga saat ini. Dari hanya 2

orang karyawan di awal berdirinya hingga tumbuh menjadi 33.700 orang

karyawan hanya dalam tempo 15 tahun. Penghasilannya juga tumbuh dari hanya

US$ 80.000 pada bulan-bulan awal pendiriannya hingga mencapai US$ 34,204

Milyar pada tahun 2010 (Amazon Watch, 2012).

Tulisan ini bertujuan untuk mengetahui bagaimana Amazon dapat ikut

berkembang pada era dotcom bubble kemudian bertahan dan selamat dari era

dotcom crash serta kemudian tumbuh semakin kuat dan besar setelahnya.

Tulisan ini juga diharapkan mampu memberikan kontribusi positif terutama bagi

pengidentifikasian strategi yang diperlukan dalam e-business untuk meraih

keunggulan kompetitif.

Secara umum telah banyak tulisan dan penelitian yang membahas

tentang Amazon.com, beberapa diantaranya adalah Kha (2000) serta Casey dan

Caroll (2004). Kha (2000) meneliti tentang faktor yang menjadi kunci sukses

dalam hubungan perusahaan ke konsumen atau Business to Customer (B2C) di

era ekonomi digital pada Amazon dan Dell. Ka menemukan bahwa pada era

eknomi digital khususnya dalam relasi Business to Customer, Amazon dan Dell

memiliki faktor kunci keunggulan sebagai berikut: a) memulai dengan cepat untuk

memenangi momentum, b) mengintegrasikan web ke dalam bisnis inti

perusahaan, c) fokus pada pemberian nilai tambah bagi konsumen, d)

mempermudah konsumen dalam terkoneksi dengan perusahaan, dan e)

meningkatkan pengalaman kepuasan konsumen melalui interaksi perusahaan

dengan konsumen. Dalam penelitiannya Ka hanya membicarakan relasi antara

perusahaan dan konsumen dalam terminologi Business to Customer (B2C)

sedangkan strategi untuk meraih keunggulan kompetitif belum mendapat porsi

yang cukup untuk dibahas.


Strategi Untuk Meraih Keunggulan Kompetitif dalam E-Business .... Arif Himawan

Casey dan Caroll (2004) melakukan penelitian tentang dampak era

dotcom crash pada Amazon.com dilihat dari perspektif strategi. Casey dan Caroll

menemukan bahwa nilai-nilai perusahaan yang diyakini dan dijalankan oleh

Amazon mampu menyelamatkan Amazon pada era dotcom crash. Penelitian

yang dilakukan oleh Casey dan Caroll berbasis pada saat dimana bisnis online

mengalami penurunan. Namun Casey dan Caroll belum membahas saat dimana

bisnis online kembali berkembang dengan begitu banyaknya perusahaan yang

masuk (atau kembali masuk) ke dalam bisnis online yang secara otomatis akan

menambah jumlah kompetitor bagi Amazon dan menaikkan tingkat persaingan di

antara mereka.

Oleh karenanya dibutuhkan sebuah tulisan tentang strategi yang dipakai

oleh perusahaan e-business dalam hal ini Amazon.com untuk tidak hanya

bertahan namun juga berkembang di tengah ketatnya persaingan bisinis online.

Strategi yang mampu menciptakan dan membawa keunggulan kompetitif bagi

perusahaan akan meningkatkan nilai perusahaan itu sendiri dan akan

meningkatkan kualitas persaingan dalam industri yang digelutinya (Porter, 1994).

2. Strategi Meraih Keunggulan Kompetitif

Porter dan Villar (1985) menjabarkan keunggulan kompetitif sebagai

suatu kemampuan suatu perusahaan untuk meraih keuntungan ekonomis di atas

laba yang mampu diraih oleh pesaing di pasar dalam industri yang sama.

Perusahaan yang memiliki keunggulan kompetitif senantiasa memiliki

kemampuan dalam memahami perubahan struktur pasar dan mampu memilih

strategi pemasaran yang efektif (Porter, 1994). Untuk meraih keunggulan

kompetitif diperlukan strategi yang tepat terutama strategi yang fit dengan

lingkungan perusahaan baik lingkungan internal maupun eksternal (Hitt, et al.,

2001). Sehingga strategi untuk meraih keunggulan kompetitif adalah sejumlah

keputusan dan aksi yang menghasilkan formulasi dan implementasi perencanaan

yang didesain untuk meraih keuntungan ekonomis di atas laba yang mampu

diraih oleh pesaing dalam industri yang sama (Hitt, et.al., 2001; Porter 1994).

Strategi sendiri dikembangkan dalam beberapa tahap yaitu: a) analisa

trend atau kecenderungan berdasarkan pola, b) analisa lingkungan (SWOT), c)

membuat pilihan strategi yang akan dipilih, d) memilih strategi yang dianggap

paling tepat, dan e) mentransformasikan strategi menjadi aksi (Pearce dan

Robinson, 2003). Salah satu bentuk strategi untuk meraih keunggulan kompetitif

adalah Value Chain Management (Porter, 1994), yang merupakan sekumpulan



aktifitas untuk mendesain, membuat, memasarkan dan mengirimkan produk

pada konsumen sehingga konsumen dapat merasakan mendapatkan nilai

tambah di samping produk atau jasa yang dibelinya (Porter, 1994).

Strategi yang mampu mendatangkan keunggulan kompetitif akan

memberi dampak kepada perusahaan berupa posisi yang unik di mata

konsumen, keunggulan bersaing atas kompetitor, konsumen sulit untuk mencari

produk atau jasa pengganti, rekanan yang tepat bagi pemasok serta menjadi

penghalang bagi kompetitor pendatang baru (Porter, 1994). Strategi tersebut

dapat memberikan keunggulan kompetitif yang berkelanjutan sehingga

perusahaan memilki keungulan sumber daya strategis. Sumber daya strategis

tersebut memiliki ciri Value (bernilai), Rare (langka), Imperfectly Immitable (sulit

ditiru) dan Non Substituable (tidak tergantikan) (Henry, 2008).

3. Gambaran Objek Penelitian

3.1 Sekilas Amazon.com

Amazon.com didirikan Jeffrey Preston Bezoz bersama istrinya Mackenzie

pada tanggal 16 Juli 1995 di Seattle, Amerika Serikat. Jeff Bezoz sendiri tadinya

adalah seorang wirausahawan sejati walaupun sempat meniti karir sebagai

profesional dan bahkan sempat mencatatkan rekor sebagai Senior Vice

President termuda dari DE Shaw Bank (Kotha, 1998). Jeff Bezoz mendapatkan

ide mendirikan Amazon setelah sebelumnya melihat petumbuhan pengguna

internet pada tahun 1994 yaitu sebesar 2300 persen (Kotha, 1998) dan masih

sedikitnya buku yang dijual secara online. Awalnya amazon.com didirikan dari

garasi rumah Bezoz dengan hanya mengandalkan 3 buah Sun Microsystem

bekas di atas meja komputer bekas pula. Awalnya karyawan Amazon.com hanya

dua orang yaitu Jeff Bezoz dan istrinya sendiri. Dalam bulan pertama

pendiriannya, Amazon.com telah menerima pesanan dari 50 negara bagian di

Amerika Serikat dan 45 negara lain di dunia. Pada September tahun yang sama,

Amazon berhasil meraih omzet penjualan 20.000 dolar AS per minggu.

Nama Amazon sendiri diambil dari nama sungai terpanjang di benua

Amerika. Nama ini sendiri mewakili harapan Bezoz pada usahanya agar tumbuh

menjadi perusahaan yang berskala besar dan pendapatan yang panjang dan

berlimpah sesuai dengan tagline Amazon.com pada waktu itu yaitu “Earth’s

Biggest Book Store”. Visi Amazon.com adalah “Customer focused world class

company” atau “Perusahaan dunia yang sangat berpusat pada pelanggan”.



Sedangkan misinya adalah “We are happy to deliver anything to anywhere”

seperti tercermin dari logo Amazon.com (Gambar 1).

Gambar 1 Logo Amazon.com

Pada tahun 2010 Amazon telah mencatatkan pendapatan sebesar US$

34,204 Milyar, laba bersih sebesar US$ 1,152 Milyar dengan total aset sebesar

US$ 18,797 Milyar. Jumlah karyawan Amazon.com meningkat pesat dari hanya 2

orang pada awal pendiriannya menjadi 33.700 orang karyawan hanya dalam

tempo 15 tahun (Amazon Watch, 2012). Pada tahun 2011 Amazon menjadi salah

satu dari 11 brand paling mahal dari dunia teknologi informasi dengan nilai brand

US$ 18,6 Miyar (Interbrand dalam Business Insider, 2012).

Pertumbuhan Amazon.com diraih melalui 4 (empat) pilar strategi, yaitu:

[1] layanan konsumen, [2] costumer connection, [3] supply chain management,

dan [4] diversifikasi. (Amazon Watch, 2012). Layanan konsumen melibatkan

seluruh karyawan yang ada tanpa kecuali. Visi, Misi, Tujuan, dan Nilai

Amazon.com ditanamkan kepada seluruh karyawan Amazon.com melalui contoh

oleh pendirinya. Costumer connection melibatkan pembangunan website dalam

berbagai bahasa. Supply chain management melibatkan pembangunan banyak

gudang Amazon.com di daerah metropolitan dan diversifikasi Amazon.com

dilakukan dengan perluasan bisnis dengan tidak hanya menjual buku dan toko

ritel online namun juga bisnis lainnya seperti gadget e-book reader.

3.2 Visi, Misi dan Tujuan Amazon.com

Visi : Perusahaan dunia yang berpusat pada pelanggan

Misi : Kami senang untuk mengirimkan apapun kemanapun

Tujuan : Memberikan konsumen tidak hanya beragam produk serta kualitas

layanan namun juga nilai tambahan yang mungkin diberikan sehingga

Amazon dapan menjadi toko ritel online terbesar di dunia.

Value : [1] Obsesi pelanggan, [2] Kepemilikan, [3] Kemampuan untuk aksi, [4]

Kesederhanaan, [5] Perekrutan yang baik, dan [6] Inovasi (Amazon

Watch, 2012)

Analisa : Menurut Collin dan Porras (2001), visi, misi dan tujuan harus

mengandung nilai inti atau karakter dan tujuan inti sebuah perusahaan.

Dalam hal visi, misi, tujuan beserta implementasinya, Jeff Bezoz dan



Amazon.com telah melakukannya dengan baik melalui implementasi

dan induksi nilai kepada seluruh karyawan Amazon.com. Hal ini

terbukti dari terus meningkatnya kualitas dan skala perusahaan dan

kepuasan konsumen yang terus terjaga di tengah persingan bisnis

online yang semakin ketat. Amazon bukan sekedar perusahaan

penjualan ritel namun lebih menjadi perusahaan yang mengutamakan

konsumennya.

Contoh : implementasi visi, misi, tujuan dan nilai Amazon.com dalam kegiatan

operasionalnya dapat tercermin dari cara Amazon mendekatkan diri

pada konsumennya (cuctomer focused), yaitu: [1] Setiap karyawan

Amazon tanpa kecuali (termasuk Jeff Bezoz) wajib menghabiskan 2

hari dalam setiap tahun di bagian layanan konsumen. Oleh karenanya

Amazon mempersilahkan konsumennya untuk menghubungi Amazon

dan mengatakan “if you are lucky, you’ll be served by the CEO

himself”. [2] Untuk dapat melakukan pengiriman dengan lebih cepat,

Amazon membangun gudangnya di banyak tempat dekat daerah

metropolitan yang merupakan basis lokasi kebanyakan konsumen

Amazon.com. Sampai tahun 2012 Amazon telah memiliki lebih dari 10

gudang yang tersebar di seantero Amerika Serikat dan Kanada. [3]

untuk konsumen potensial dengan bahasa ibu yang berbeda, Amazon

membangun website dengan berbagai bahasa, seperti: amazon.fr,

amazon.cn, dan amazon.co.jp (Gambar 2, Gambar 3, dan Gambar 4).

Gambar 2 Tampilan amazon.fr



Gambar 3 Tampilan amazon.cn

Gambar 4 Tampilan amazon.co.jp

4. Pembahasan

4.1 Sumber Daya Strategis (Resource-Based View)

1. Valuable

Supply chain management Amazon mampu memberikan nilai lebih

kepada pelanggan. Contohnya adalah dengan membangun gudang yang

mendekati lokasi tinggal pelanggan maka waktu pengiriman dapat dipersingkat

dan biaya pengirimannya pun dapat dipotong. Sehingga konsumen mendapatkan

best value price.

2. Rare

Pelayanan konsumen yang dilakukan oleh seluruh karyawan Amazon

tanpa kecuali (termasuk pendiri dan CEO) adalah hal yang belum pernah



dilakukan sebelumnya oleh perusahaan lain. Amazon termasuk salah satu

perusahaan paling awal yang memanfaatkan situs jejaring sosial seperti

Facebook dan Twitter untuk mendekatkan diri pada konsumennya. Pendekatan

ini dilakukan dengan sangat transparan bahkan semua komentar (baik maupun

buruk) konsumen di laman website Amazon tidak disensor (Gambar 5). Hal ini

semakin membuktikan visi Amazon yang sangat berpusat pada pelanggan

dengan penuh kejujuran dan semakin membuat konsumen dekat dan percaya

pada Amazon karena kualitas hubungan yang diberikan dan tidak banyak

perusahaan (baik online maupun offline) yang melakukannya.

Gambar 5 Laman Amazon Customer Services

3. Imperfectly Imitable

Banyak perusahaan yang sudah mencoba untuk meniru supply chain

management yang diterapkan oleh Amazon, namun karena supply chain

management milik Amazon terus dikembangkan dengan investasi yang signifikan

sehingga para kompetitor sulit untuk mengikuti standar yang telah diterapkan

oleh Amazon. Beberapa bentuk dari strategi tersebut adalah:

Amazon memiliki lebih dari 10 gudang dengan luas masing-masingnya ±

10.000 m2



Konsumen yang dilayani oleh gudang terdekat dengan jarak maksimal

200 mil telah mencapai 79%

Pesanan paling lambat diterima oleh konsumen pada hari berikut setelah

pemesanan sedangkan kompetitor paling cepat 2 atau 3 hari setelahnya.

Hal ini menunjukkan kekuatan jaringan dan operasional Amazon.

4. Non substitutiable

Sumber daya Amazon yang tidak dapat tergantikan adalah merupakan

gabungan dari beberapa faktor berikut:

best price value yang diberikan oleh Amazon

kemampuan Amazon menyediakan berbagai pilihan produk dengan

berbagai pilihan layanan (contoh: diversifikasi produk, website berbagai

bahasa dan pilihan layanan pengiriman)

pengalaman Amazon sebagai salah satu perusahaan ritel online pertama

yang selamat dari era dotcom crash pada tahun 2003 memberikan

standar di pelayanan ritel

kemudahan pemesanan produk dan kecepatan barang diterima oleh

konsumen

4.2 Mentransformasikan Strategi Menjadi Aksi

1. Mengartikulasikan visi strategis dan misi bisnis

Visi Amazon untuk menjadi “Perusahaan Dunia Yang Berpusat Pada

Konsumen” diartikulasikan bahwa keberadaan Amazon tidak akan berarti tanpa

memberikan nilai tambah pada konsumen dan konsumenlah selain karyawan

sebagai elemen terpenting perusahaan.

Misi Amazon dengan “We Are Happy To Deliver Anything To Anywhere”

diartikulasikan bahwa nature of business Amazon sebagai perusahaan ritel

online yang menyediakan berbagai produk dengan berbagai pilihan layanan

harus dapat menjangkau konsumen dengan cara yang paling cepat dan efisien.

2. Merumuskan tujuan yang merupakan konversi visi strategis menjadi kinerja

spesifik yang harus dicapai

Tujuan Amazon menjadi toko ritel online terbesar dunia dibangun di atas

6 pilar nilai perusahaan yaitu: 1) Obsesi pelanggan, 2) Kepemilikan, 3)

Kemampuan untuk aksi, 4) Kesederhaan, 5) Perekrutan yang baik, dan 6)

Inovasi. Hal ini terbukti dengan Amazon menjadi toko ritel online terbesar di

dunia dengan capaian finansial yang signifikan dengan tetap mempertahankan

nilai-nilainya dalam kegiatan strategis dan operasionalnya.



3. Menyusun Strategi

Visi Amazon untuk menjadi “Perusahaan Dunia Yang Berpusat Pada

Konsumen” diartikulasikan dengan memberikan layan konsumen yang baik oleh

seluruh karyawan dan memberikan pilihan produk serta pengembangan jenis

produk dan pilihan layanan.

Misi Amazon dengan “We Are Happy To Deliver Anything To Anywhere”

diartikulasikan dengan membangun dan mengembangkan strategi supply chain

management berupa pembangunan gudang-gudang yang mendekati lokasi

tinggal sebagian besar konsumennya.

4. Implementasi dan Eksekusi Strategi

Secara umum penjabaran implementasi dan eksekusi strategi Amazon

diilhami dari 6 nilai perusahaan dan diwujudkan ke dalam konsep 6 M, yaitu:

Men: Setiap Karyawan Amazon tanpa kecuali hatus wajib menghabiskan

2 hari dalam 1 tahun di bagian layanan konsumen. Tujuannya adalah

untuk kepuasan konsumen dan pemantauan kinerja.

Materials: membangun gudang yang luas di berbagai wilayah yang

mendekati daerah metropolitan. Tujuannya adalah pengelolaan rantai

suplai produk kepada konsumen.

Money: Amazon sangat efisien dalam operasinya. Dimulai dari garasi

rumah dengan komputer dan meja bekas hingga menjelma menjadi

perusahaan besar. Hasilnya adalah Amazon dapat memberikan best

price value pada konsumen. Selain itu Amazon terus mengembangkan

berbagai produk seperti perluasan produk yang dijual dan memproduksi

gadget eBook Reader yang menghasilkan keuntungan yang signifikan.

Method: walaupun perusahaan online namun tetap mendekatkan diri

secara fisik kepada konsumen melalui layanan konsumen dan

pembangunan gudang di berbagai wilayah. Hal ini bertujuan untuk

memberikan pelayanan yang lebih baik dan lebih cepat (responsif)

kepada konsumen sesuai dengan visi Amazon sebagi perusahaan dunia

yang berusat pada pelanggan.

Machine: untuk lebih mendekatkan diri pada konsumennya di berbagai

belahan dunia Amazon membangun website dengan beragam bahasa

pengantar seperti Prancis (amazon.fr), China (amazon.cn), Jepang

(amazon.co.jp), dan lain-lain.



5. Evaluasi Kinerja, Monitoring dan Adjustment

Dengan turun langsung setidaknya pada bagian pelayanan konsumen,

CEO dan Founder Jeff Bezoz beserta jajaran manajemennya dapat memantau

kepuasan konsumen yang berakar dari kinerja operasional dan pelayanan yang

diberikan oleh para karyawan Amazon sekaligus memantau implementasi

strategi dan program baru yang dicanangkan.

4.3 Perspektif Manajemen Strategis (Knowledge Based View)

Dari sudut pandang pengetahuan yang dimiliki manajemen strategis

Amazon terus mengembangkan dirinya dan terus memantau perkembangan

lingkungan sekitar. Amazon terus berusaha menjadi organisasi pembelajar

(learning organization). Salah satu bentuk Amazon untuk menjadi learning

organization adalah dengan pemantau secara langsung kebutuhan, harapan dan

kegelisahan konsumen melalaui progam layanan konsumennya yang wajib diikuti

oleh seluruh karyawan tanpa kecuali. Program lain yang ditujukan untuk

memahami konsumen adalah dengan mengembangkan website multibahasa.

Dengan memahami konsumen lebih dalam, maka setiap karyawan

Amazon akan memiliki pengetahuan yang tidak kasat mata (tacit knowledge)

yang baik tentang konsumennya. Tacit knowledge yang dimiliki kemudian

ditransformasikan menjadi explicit knowledge guna meraih keunggulan

kompetitif. Keunggulan inilah yang mengantarkan Amazon menjadi toko ritel

online terbesar di dunia dan mempertahankan kualitas produk dan layanannya.

Contoh transformasi tacit knowledge menjadi explicit knowledge adalah

pemahaman atas kebutuhan konsumumen yang menginginkan menerima produk

yang sudah dipesan dan dibeli melalui situs online dengan lebih cepat.

Perwujudan dari pemahaman tacit knowledge diimplementasikan ke dalam

beberapa hal, yaitu:

1) membangun banyak gudang yang semakin mendekati lokasi tinggal

sebagian besar konsumen Amazon.

2) diversifikasi produk dan layanan seperti tidak hanya menjual buku namun

telah merambah produk lainnya seperti alat komunikasi, DVD, busana,

alat rumah tangga dan lain-lain serta memproduksi gadget eBook Reader

(Kindle Fire).

Jika dilihat dari 5 kekuatan yang membentuk kompetisi sebuah industri

(yang dirumuskan oleh Porter) maka dapat terlihat pengaruhnya sebagai berikut:



Konsumen: memberikan best price value bagi kosumen. Harga yang diberikan

oleh Amazon mungkin bukanlah yang termurah namun memberikan nilai

dan manfaat yang paling baik bagi konsumennya.

Kompetitor: Sulit untuk meniru kombinasi produk, layanan serta standar jaringan

dan operasional yang telah di-set oleh Amazon.

Produk Pengganti: sulit untuk menemukan bisnis ritel online yang sepadan

dengan Amazon atau bahkan mendekati standarnya.

Supplier: supplier akan berlomba untuk dapat menjual produknya melalui

Amazon sehingga Amazon dapat menerapkan standar harga kulakan

yang murah dari supplier.

Pendatang baru: dengan standar layanan dan jaringan operasionalnya maka

akan teramat sulit untuk menjadi kompetitor Amazon. Dengan strategi ini

Amazon mendapat Sustainable Competitive Advantages karena sulitnya

pendatang baru masuk mengingat bisnis internet yang banyak menganut

falsafah me too atau meniru.

4.4 SWOT Analysis dan Strategi Yang Terkait Dengan SWOT

Analisis SWOT

Strength:

o Termasuk yang paling awal terjun di bisnis ritel online khususnya buku

o Visi, misi dan tujuan yang kuat

o Memiliki nilai dan standar penerapannya yang kuat

Weakness: berada di wilayah yang sangat besar baik dari luasan maupun

sebaran penduduk

Opportunity:

o Pengguna internet yang tumbuh secara dramatis (2300% di tahun 1994)

o Belum banyak yang menjual buku

Threat:

o banyaknya kompetitor dari mudahnya pendatang baru untuk masuk ke

bisnis online (internet)

o beragamnya konsumen di dunia maya (internet) baik dari sisi karakter,

demografi dan tingkat penghasilan

Formulasi Strategi berbasis SWOT

SO : Membangun bisnis ritel online (awalnya hanya buku) dan mendekatkan

diri pada konsumen yang besar dengan dasar nilai-nilai perusahaan yang



kuat (“perusahaan dunia yang berpusat pada pelanggan”, “we are happy

to deliver anything to anywhere”)

WO : membangun gudang yang mendekati lokasi tinggal konsumen sehingga

pertumbuhan jumlah pengguna dan tingkat demand dapat didekati

sehingga supply chain management dapat diimplemetasikan.

ST : menerapkan standar layanan dan keluasan jaringan sehingga dapat

menyentuh lebih banyak konsumen sehingga konsumen mendapat best

value price dan membatasi peluang kompetitor dan pendatang baru.

Strategi lainnya adalah dengan diversifikasi yang tidak lagi hanya menjual

buku namun telah merambah produk lainnya memproduksi gadget eBook

Reader (Kindle Fire).

WT : Membangun layanan konsumen yang berkualitas dengan melibatkan

seluruh karyawan tanpa terkecuali untuk meraih loyalitas konsumen dan

mendapat tacit knowledge dan business intellegence yang ditransformasi-

kan menjadi explicit knowledge guna meraih keunggulan kompetitif.

5. Kesimpulan

Amazon.com mendasarkan strateginya pada visi, misi dan nilai

perusahaan yang kuat. Nilai-nilai tersebut dikomunikasikan dan dipahami secara

jelas oleh seluruh karyawan Amazon.com. Strategi yang dibangun Amazon

mampu membawa keunggulan kompetitif dengan membentuk “aturan” baru

dalam persaingan bisnis online (E-Business). strategi tersebut mampu

menciptakan keunggulan melalui sumber daya yang dimiliki maupun melalaui

kombinasi keunggulan sumber daya tersebut. Sumber daya yang dimiliki

Amazon.com memiliki karakteristik Value (bernilai), Rare (langka), Imperfectly

Immitable (sulit ditiru) dan Non substituable (tidak tergantikan). Strategi yang

dikembangkan melalui Value Chain Management tersebut mampu memberikan

nilai tambah bagi konsumen, menjadi acuan bagi kompetitor, membuat

masyarakat sulit menemukan produk dan layanan yang setara dengan

Amazon.com, membuat pemasok lebih memilih Amazon.com dibanding yang lain

dan menjadi standar yang sulit diikuti oleh para pendatang baru di ranah bisnis

yang dijalani Amazon.com.



Daftar Pustaka

Amazon Watch, 2012. Amazon in Focus (Fall 2012), Celebrating 15 Years, +Annual Financial Reports For 2011-2010. [Online] Available at: http://amazonwatch.org/assets/files/2012-amazon-in-focus.pdf [Accessed 1/5/2013].

Casey, R. & Caroll, W., 2004. The Impact of E-Commerce Industry Turmoil on Amazon.com: A Strategic Perspective. The Internet Business Review, 1, pp. 1-30.

Coffman, K. G. & Odlyzko, A. M., 2001. Growth of Internet. [Online] Available at: http://www.dtc.umn.edu/~odlyzko/doc/oft.internet.growth.pdf [Accessed 1/5/2013].

Collin, J. C. & Porras, J. I., 2001. Built To Last: Tradisi Sukses Perusahaan-perusahaan Visioner, Alih Bahasa Hifni Alifahmi. Jakarta: Erlangga.

Dimas, 2009. Potret Gaya Hidup Ber-Internet. [Online] Available at: http://www. tempo.co/read/news/2009/03/24/072166438/Potret-Gaya-Hidup-Ber-Internet [Accessed 1/5/2013].

Henry, A., 2008. The Internal Environment: A Resource-Based View of Strategy. Understanding Strategic Management, pp. 125-148.

Hitt, M. A., Ireland, R. D. & Hoskisson, R. E., 2001. Strategic Management Competitiveness and Globalization, 4th edition. Cincinnati: South-Western College Publishing.

Kenny, D. & Marshall, J. F., 2001. Contextual Marketing: The Real Business of The Internet. Harvard Business Review, 78(6), pp. 119-125.

Kha, L., 2000. Critical Succes Factor for Business-to-Customer E-Business: Lesson from Amazon and Dell. Tesis. Boston: Massachusetts Institute of Technology.

Kotha, S., 1998. Competing on The Internet: How Amazon.com is rewriting the rules of competition. Advances in Strategic Management, 15, pp. 239-265.

Pearce, J. A. & Robinson, R. B., 2003. Strategic Management: Formulation, Implementation, and Control, 8th edition. Boston: McGraw-Hill.

Porter, M. E., 1994. Keunggulan Bersaing: Menciptakan dan Mempertahankan Kinerja Unggul. Alih Bahasa Tim Binarupa Aksara, Binarupa Aksara.

Porter, M. E. & Millar, V. E., 1985. How Information Gives You Competitive Advantages. Harvard Business Review, July-August 1985, pp. 149-160.

Shabazz, D., 2004. Toward a Better Understanding of e-Marketing Strategy: Past and Present. Services Marketing Quarterly, 26(2), pp. 117-130.

Simons, K. L., 2001. Product Market Characteristics and The Industry Life Cycle. Manuscript. London: University of London.

61

PENGEMBANGAN APLIKASI DOMOTIC BERBASIS ARSITEKTUR BERORIENTASI LAYANAN DENGAN ANDROID SDK SEBAGAI NILAI

TAMBAH LAYANAN BERBASIS INTERNET

Widy Agung Priasmoro, Widyawan, Bimo Sunarfri Hantono


[email protected]

Abstrak

Kebutuhan akses ke peralatan di rumah sangat dibutuhkan, terutama bagi mereka penghuni rumah yang menginginkan akses cepat mengetahui informasi keadaan rumahnya atau melakukan aktifitas mengatur beberapa peralatan di rumah. Namun, hal tersebut akan mempersulit penghuni rumah apabila sedang berpergian jauh. Untuk itu, diperlukan sebuah kendali jarak-jauh yang dapat memudahkan penghuni rumah agar dapat dengan mudah mematikan atau menyalakan lampu, mengatur suhu udara ruangan dan memantau keadaan rumah melalui kamera. Di dalam penelitian ini dipaparkan mengenai pengembangan Domestic Robotic dengan arsitektur berbasis layanan. Penelitian ini akan dilakukan pada pengembangan dan implementasi aplikasi client berbasis mobile Android sebagai remote control home automation dan web-service RESTful yang terpasang di home-gateway. Pemilihan smartphone Android sebagai remote control dikarenakan biaya yang terjangkau untuk berbagai kalangan konsumen, selain itu bagi para developer, pengembangan aplikasinya tidak membutuhkan banyak biaya. Penelitian ini dilakukan di tim JTETI UGM, dengan hasil keluaran berupa sistem rumah pintar (smart-home) yang dapat dikendalikan dan dipantau dengan menggunakan perangkat Android.

Kata Kunci: domotic, home automation, web-service, home-gateway, RESTful, Android.

1. Pendahuluan

Pengelolaan rumah yang cepat dan praktis adalah impian semua

kalangan masyarakat. Hal-hal yang masyarakat inginkan dalam pengelolaan

rumah adalah meningkatkan kualitas hidup (dari segi kenyamanan, keamanan

dan hemat energi) (Gonzalez, et al., 2001).

Domotic atau Domestic Robotic menjadi solusi pengelolaan rumah secara

pintar (smart home). Teknologi ini dapat diaplikasikan dengan berbagai peralatan

rumah, di mana teknis pengelolaan rumah dibuat menjadi otomatis melalui

sebuah remote control, salah satunya smartphone Android. Akses Domotic

melalui device atau perangkat digital yang berbeda, diketahui mampu melakukan

kontrol dengan cepat dan lebih personal (Greaves, 2002).

Beberapa aplikasi komersial untuk Domotic sudah tersedia. Akan tetapi,

sistem yang sudah ada merupakan sistem yang tertutup (closed system) dengan

interoperabilitas yang terbatas.



Widy Agung Priasmoro ....... Pengembangan Aplikasi Domotic Berbasis Arsitektur

Penelitian ini bervisi bahwa arsitektur berbasis layanan atau Service-

Oriented Architecture (SOA) merupakan solusi untuk mengatasi permasalahan

heterogenitas dan interoperabilitas Domotic. Dalam konsep interoperabilitas

berbasis SOA, setiap entitas Domotic merupakan penyedia layanan (service

provider). Dan pihak lain, sebagai contoh: server terpusat, menggunakan layanan

tersebut dan dapat mengintregasikannya sebagai bentuk layanan baru (Delgado,

et al., 2006). Salah satu contoh layanan yang dapat ditawarkan adalah video

surveillance jarak-jauh untuk perumahan dan kantor. Dengan berbekal perangkat

mobile Android yang terhubung koneksi internet ataupun jaringan intranet WAN

(Wide Area Network), pengguna mampu memantau ruangan melalui IP-cam dan

mengetahui status perangkat elektronik seperti lampu ataupun komputer yang

berada di rumah atau kantornya.

Penelitian ini berusaha mencoba menerapkan prototipe remote control

Domotic dengan menggunakan perangkat mobile Android dan Android SDK, di

mana memanfaatkan web-service RESTful dengan PHP sebagai media untuk

berkomunikasi dengan gateway yang berada di rumah melalui koneksi internet

dengan port HTTP.

2. Studi Literatur

2.1 Domotic

Domotic adalah suatu sistem di mana rumah (domos) bertemu dengan

teknologi informasi dalam berbagai bentuk (informatic, namun dapat juga

mechanism, ergonomic dan communication) (Aiello & Dustdar, 2008). Domotic

digunakan untuk memantau dan atau mengatur sebuah bangunan dengan tujuan

akhir berupa peningkatan kenyamanan, keamanan, komunikasi dan

penghematan energi (Caytiles & Park, 2012).

2.2 Web Service

Web service adalah keluarga basis standar XML yang didesain untuk

dapat berkomunikasi secara bebas, dinamis terhadap aplikasi. Web service

dapat dilihat sebagai evolusi dari perkembangan web. Dalam hal ini, manusia

dapat berinteraksi dengan aplikasi via HTML dan suatu aplikasi secara

independen dari sistem operasi, protokol, dan bahasa pemrograman mampu

berinteraksi dengan aplikasi lain (Breitman, et al., 2007).

2.3 Arsitektur Berbasis Layanan

Secara konsep, Arsitektur berbasis layanan (SOA) adalah gaya arsitektur

yang menggunakan komponen sistem di dalam perangkat lunak untuk


Pengembangan Aplikasi Domotic Berbasis Arsitektur ....... Widy Agung Priasmoro

menyediakan akses ke jaringan. Layanan ini menggunakan pesan-pesan untuk

pertukaran permohonan yaitu meminta atau merespon informasi dalam bentuk

dokumen yang jelas yang membuat asumsi sangat sedikit tentang teknologi yang

berkemampuan sebagai penerima.

Secara teknologi, arsitektur berbasis layanan adalah bahasa

pemrograman XML yang mendefinisikan arsitektur pesan dan format pesan,

sehingga memberikan protokol pengolahan dasar. Dokumen XML ini berisi

header dan body. Header digunakan untuk routing (contoh: pengalamatan) dan

konfigurasi Quality of Service (QoS) (contoh: transaksi, keamanan, dan

kehandalan). Body berisi pesan yang bermuatan (Pautasso, et al., 2008).

3. Metodologi Penelitian

Penelitian dilakukan dengan beberapa tahap, yaitu :

a. Studi Pustaka: mengidentifikasi permasalahan pada objek penelitian,

kemudian dilanjutkan dengan mencari informasi seputar teknik

penyelesaian masalah tersebut.

b. Perumusan masalah dan menentukan tujuan penelitian: langkah ini

melakukan perumusan masalah berdasarkan latar belakang dan

informasi dari berbagai sumber kemudian menentukan tujuan dari

penelitian yang akan dilakukan.

c. Pembuatan model perancangan perangkat lunak: melakukan

perancangan perangkat lunak yang sesuai dengan tujuan dan pertanyaan

penelitian. Perancangan tersebut berupa gambaran dari model yang akan

dibuat ke dalam sebuah aplikasi.

d. Membangun arsitektur berbasis layanan dengan RESTful: di dalam tahap

ini, pengembangan web service RESTful menggunakan bahasa

pemrograman PHP. Web service ini akan dipasang di home gateway

yang berada di rumah, di mana home gateway tersebut terhubung

dengan perangkat elektronik yaitu lampu dan IP-cam.

e. Membangun aplikasi client mobile Android dengan SDK: di dalam tahap

ini, aplikasi Android dikembangkan dengan memanfaatkan web service

RESTful yang dikembangkan sebelumnya. Aplikasi client android ini

dikembangkan dengan menggunakan Android SDK dan bahasa

pemrograman Java. Fungsi dari aplikasi client ini adalah sebagai remote

control yang mampu memantau status perangkat elektronik di rumah.



f. Evaluasi Sistem: pada proses ini dilakukan penganalisisan web service

dan aplikasi client yang telah dibuat untuk mengetahui apakah prototipe

sistem tersebut sudah sesuai dengan harapan. Salah satu cara

mengevaluasi prototipe sistem ini adalah dengan melakukan analisis

percobaan terhadap sistem. Dari analisis percobaan ini akan diketahui

apakah penyelesaian kasus dalam aplikasi ini hasilnya akan sesuai yang

diharapkan setelah dilakukan pengujian. Jadi dari hal tersebut, akan

diketahui apakah sistem ini sudah sesuai yang diharapkan atau belum.

3.1 Analisis Kebutuhan Sistem

Analisis kebutuhan perangkat lunak merupakan analisis terhadap semua

kebutuhan yang diperlukan dalam lingkup perangkat lunak yang akan

dikembangkan. Analisis kebutuhan yang dilakukan terhadap perangkat lunak

akan menghasilkan spesifikasi kebutuhan perangkat lunak tersebut. Analisis

kebutuhan perangkat lunak merupakan hal yang sangat penting sekali karena

apabila dalam melakukan analisis kebutuhan sistem terjadi kesalahan, maka hal

ini akan menyebabkan kesalahan pada tahap berikutnya.

Salah satu tujuan dari analisis kebutuhan perangkat lunak adalah dapat

menentukan apakah perangkat lunak yang akan dibangun dapat mencapai

tujuan yang diinginkan. Analisis kebutuhan perangkat lunak ini dipakai untuk

melakukan analisis seluruh kebutuhan perangkat lunak sehingga dapat

membantu dalam proses pengambilan keputusan yang optimal.

4. Cara Kerja Sistem

Perancangan sistem Domotic ini melibatkan komunikasi wireless

menggunakan perangkat lunak Zigbee dan IQRF yang menghubungkan

peralatan rumah dengan home-gateway. Adapun peralatan rumah yang

terhubung ke home-gateway, yaitu lampu dengan indikator on/off, kipas angin

dengan indikator mati, speed 1, speed 2, dan speed 3 dan Air Conditioner (AC)

dengan indikator suhu. Agar sistem Domotic ini dapat di-remote dengan

menggunakan smartphone Android, dibutuhkan sebuah web-service, yaitu

RESTful. Dari sisi server yang terhubung ke internet dipasang API REST dengan

bahasa pemrograman PHP yang dapat mengirim response atau menerima

request dari aplikasi client Domotic di smartphone Android. Gambar rancangan

smart home system JTETI UGM dapat dilihat pada Gambar 1.



Gambar 1 Rancangan sistem rumah pintar

Remote control berupa perangkat smartphone Android melakukan

request ke server untuk satu aktifitas yang memberi kondisi ke node yang berada

di rumah. Setiap node yang terhubung dengan home gateway memiliki ID device

yang tersimpan di server. Apabila ID tersebut sama dengan ID request, maka

node diminta mengubah kondisinya dengan cara meneruskan request dari server

ke home gateway yang selanjutnya mengubah state melalui komponen

microcontroller yang terpasang di peralatan rumah. Ketika state node tersebut

sudah diubah, server menyimpan state tersebut dengan cara update tabel

device, dan memberikan response ke perangkat remote control.

4.1 RESTful

Pemilihan web service RESTful sebagai media komunikasi data, karena

RESTful memiliki struktur web service yang sederhana. Menurut Pautasso, dkk.

RESTful Web Service dianggap sederhana karena RESTful telah mencakup

standar W3C/IETF (HTTP, XML, URI, MIME) dan infrastrukturnya telah dikenal

luas (pervasive). Client dan server HTTP telah tersedia untuk semua jenis

bahasa pemrograman dan sistem operasi maupun platform serta port default

HTTP, yaitu port 80 umumnya dibiarkan terbuka oleh konfigurasi firewall.

Keunggulan lainnya adalah, RESTful tergolong infrastruktur yang ringan, di mana

layanan dapat dibangun dengan peralatan yang minimum. Dampaknya adalah

developer dapat mencoba layanan RESTful ini langsung melalui web browser

tanpa harus membangun aplikasi khusus dari sisi client (Pautasso, et al., 2008).

5. Perancangan dan Implementasi Aplikasi Remote Control

5.1 Deskripsi Umum Aplikasi

Aplikasi yang akan dikembangkan merupakan sebuah aplikasi berbasis

mobile Android, pada intinya memiliki dua fungsi, yaitu melakukan request ke



server melalui web service agar dapat memberi perintah ke home-gateway serta

menerima response dari home-gateway yang disajikan dalam bentuk informasi

status setiap perangkat yang terhubung ke home-gateway.

5.2 Hasil Perancangan

5.2.1 Activity Diagram

Activity diagram aplikasi remote control berbasis Android ini

menggambarkan semua aktivitas global yang terjadi dalam sebuah perangkat

lunak. Pengguna diberi beberapa pilihan menu: profile, semua status perangkat

rumah dan konsumsi listrik. Gambar 2 menunjukan activity diagram perangkat

lunak remote control Domotic ini.

Gambar 2 Activity Diagram Remote Control Domotic

Menu “Konsumsi Listrik” digunakan untuk menampilkan informasi

pemakaian listrik setiap peralatan rumah yang terhubung ke home-gateway. Di

aplikasi tersebut terdapat service yang berjalan secara background untuk

melakukan pengecekan setiap detik untuk peralatan apa saja yang dalam state:

on, kemudian setiap jamnya akan dikalkulasi dengan tarif listrik per jam untuk

diketahui tarif listrik sesuai pemakaian.



Menu “Semua Status Perangkat” digunakan untuk menampilkan status

setiap perangkat yang terhubung ke home-gateway. Pengguna dapat mengubah

state setiap perangkat dengan menekan tombol “ubah status device”, ini terjadi

realtime, dan akan langsung terlihat informasinya ketika server sudah

memberikan response.

Menu Profile digunakan untuk mengaktifkan satu dari 4 profile, yaitu

profile Energy Saving bertujuan mengubah semua kondisi peralatan rumah

dalam mode energy saving, profile cool bertujuan mengubah semua kondisi

peralatan rumah yang berparameter suhu dalam mode mengubah suhunya

menjadi dingin, profile warm bertujuan mengubah semua kondisi peralatan

rumah yang berparameter suhu dalam mode warm.

5.2.2 Class Diagram

Class diagram dari prototipe aplikasi remote control domotic berbasis

Android dengan menggunakan Android SDK dan web service RESTful dapat

dilihat pada Gambar 3.

Gambar 3 Class Diagram Remote Control Domotic

Pada saat aplikasi prototipe remote control Domotic ini dijalankan,

halaman Splash akan tampil ke dalam Activity, kemudian masuk ke menu utama

(main menu) activity yang berisi 3 menu: Semua Status Perangkat, Electricity

Consumption, dan Profil. Selain itu, terdapat background activity yang berjalan

untuk mengecek waktu dan melakukan sync ke server melalui RESTful web

service.



5.3 Implementasi Perangkat Lunak

Perangkat lunak yang dibangun memiliki tiga menu utama, yaitu All

Devices Status, Profile, Electricity Consumption dan Exit. Tampilan menu utama

terlihat pada Gambar 4.

Gambar 4 Menu utama

5.4 Pengujian

Pada pengujian ini diharapkan dapat menemukan kesimpulan apakah

aplikasi prototipe remote control Domotic ini feasible untuk diterapkan di dunia

nyata. Secara rinci, tujuan pengujian aplikasi prototipe ini antara lain:

1. Mengukur fungsionalitas dari aplikasi prototipe. Pengujian ini mengacu

pada analisis kebutuhan sistem yang telah dijabarkan sebelumnya.

2. Menganalisis interoperabilitas web service RESTful yang dimanfaatkan

sebagai penyedia komunikasi antara home gateway dengan aplikasi

domotic berbasis mobile Android.

3. Mensimulasikan kontrol jarak-jauh Domotic melalui aplikasi mobile

Android terhadap perangkat elektronik di rumah yang terhubung dengan

home gateway.

5.4.1 Hasil Pengujian

Hasil pengujian fungsional dan pengujian performansi dapat dilihat pada

Tabel 1 dan Tabel 2. Dari hasil pengujian nampak terlihat bahwa secara

fungsional dan performansi web service RESTful mampu berjalan baik dan

cepat. Namun, hal ini juga dipengaruhi oleh kualitas jaringan internet yang

terpasang di smartphone Android.



Tabel 1 Hasil pengujian fungsional

Pengujian Kriteria Keberhasilan Status

Mengubah status device Device yang dipilih dapat mengubah state sesuai masukan pengguna.

Berhasil

Menghitung konsumsi Listrik device

Keterangan tagihan listrik terlihat di halaman “Electricity Consumption” sesuai pemakaian.

Berhasil

Mengubah status semua device secara bersamaan melalui menu profile

Semua device dapat mengubah state sesuai masukan pengguna

Berhasil

Tabel 2 Hasil pengujian web service RESTful

Request Method Time

Cek status semua device [URL: http://.../rest/devices]

HTTP: GET Pengujian ke: 1. 529 ms 2. 584 ms 3. 370 ms

Cek status salah satu device [URL: http://.../rest/devices/(:num)]

HTTP: GET Pengujian ke: 1. 2366 ms 2. 2305 ms 3. 2757 ms

Mengubah status salah satu device [URL: .../rest/device/lampu/(:num) ]

HTTP: POST Pengujian ke: 1. 568 ms 2. 493 ms 3. 526 ms

6. Penutup

Prototipe aplikasi remote-control Domotic yang dibuat belum memenuhi

spesifikasi untuk diterapkan di lingkungan sesungguhnya. Hal ini disebabkan

karena belum diimplementasikannya prototipe ini untuk dapat berkomunikasi

dengan home-gateway. Dalam hal komunikasi data ke server masih diperlukan

penelitian lebih lanjut mengenai perancangan, implementasi sampai dengan

pengujian performansi response dari home-gateway ke remote control. Di

samping itu, perlu juga dipertimbangkan untuk alternatif koneksi selain HTTP

untuk tujuan penghematan biaya, misalnya dengan konektifitas bluetooth atau

WiFi apabila remote-control pada jarak terjangkau dari peralatan di rumah yang

terhubung home-gateway.



Daftar Pustaka

Aiello, M. & Dustdar, S., 2008. Are Our Homes Ready for Services? A Domotic Infrastructure Based On The Web Service Stack. Pervasive and Mobile Computing, 4(4), pp. 506-525.

Bolzani, C. A. M., Montagnoli, C. & Netto, M. L., 2006. Domotics Over IEEE 802.15.4 – A Spread Spectrum Home Automation Application. Proceeding. The 2006 IEEE Ninth International Symposium on Spread Spectrum Techniques and Applications, pp. 396-400.

Breitman, K. K. K., Casanova, M. A. & Truszkowski, W., 2007). Semantic Web: Concepts, Technologies and Applications. London: Springer.

Caytiles, R. D. & Park, B., 2012. Mobile IP-Based Architecture for Smart Homes. International Journal of Smart Home, 6(1), pp. 29-36.

Delgado, A. R., Picking, R. & Grout, V., 2006. Remote-Controlled Home Automation Systems with Different Network Technologies. Proceeding. The 6th International Network Conference (INC 2006), University of Plymouth, pp. 357-366.

Gonzalez, V. M., Mateos, F., Lopez, A. M., Enguita, J. M., Garcia, M. & Olaiz, R., 2001. Visir, A Simulation Software for Domotics Installations to Improve Laboratory Training. Proceeding. 31st Annual IEEE Frontiers in Education Conference, 3, pp. F4C-6.

Greaves, D., 2002. Control Software for Home Automation, Design Aspects and Position Paper. Proceeding. The 22nd International Conference on Distributed Computing System Workshop (ICDCSW '02), pp. 757-764.

Meier, R., 2009. Professional Android Application Development. Canada: Wiley Publishing, Inc.

Pautasso, C., Zimmermann, O. & Leymann, F., 2008. RESTful Web Services vs. “Big” Web Services: Making the Right Architectural Decision. Proceeding. The 17th International Conference on World Wide Web, pp. 805-814.

Robles, R. J. & Kim, T. H., 2010. A Review on Security in Smart-Home Development. International Journal of Advanced Science and Technology, 15, pp. 13-22.

Sandu, F. & Iolu, D., 2007. Embedded Web-Servers for Remote Control in Domotics. ACTA TECHNICA NAPOCENSIS, 48(3), pp. 41-44.

71

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PENGGUNAAN SURAT KABAR ONLINE

Sigit Pambudi, Abdul Kadir, I Wayan Mustika


[email protected]

Abstrak

Salah satu dampak dari perkembangan Internet adalah hadirnya surat kabar online. Surat kabar online memiliki banyak keunggulan, diantaranya pengguna dapat mencari, mengunduh, dan berlangganan suatu artikel berita atau foto. Namun pemanfaatan surat kabar online oleh masyarakat dinilai masih rendah. Rendahnya pemanfaatan surat kabar online berpotensi menimbulkan penyebaran informasi yang kurang aktual karena informasi tersebut sering tidak dilandasi sumber yang dapat dipercaya. Penelitian ini bertujuan untuk menganalisis faktor-faktor apa saja yang dapat mempengaruhi masyarakat dalam menggunakan surat kabar online. Model penelitian yang digunakan dalam penelitian ini sebagian besar diadopsi dari model Unified Theory of Acceptance and Use of Technology (UTAUT). Namun, berdasarkan beberapa pertimbangan, maka perlu untuk menambahkan beberapa variabel, seperti: perceived visual attractiveness, perceived enjoyment, image, dan perceived behavioral control ke dalam penelitian. Jenis metode penelitian yang digunakan dalam penelitian ini adalah penelitian kuantitatif dengan pengolahan data menggunakan teknik Structural Equation Modeling (SEM). Hasil dari penelitian ini menunjukkan perceived visual attractiveness, perceived enjoyment, performance expectancy, dan effort expectancy mempunyai pengaruh positif, sedangkan image tidak mempunyai pengaruh positif terhadap behavioral intention dalam menggunakan surat kabar online. Selain itu, perceived behavioral control dan behavioral intention berpengaruh positif terhadap use behavior pada surat kabar online.

Kata Kunci: Surat Kabar Online, Use Behaviour, UTAUT, SEM.

1. Pendahuluan

Seiring dengan semakin pesat perkembangan Internet, hadir suatu

teknologi yang mengubah pola penyampaian berita dan informasi. Kemajuan

teknologi ini memberikan dampak signifikan terhadap dunia jurnalistik. Salah satu

dampak tersebut adalah dengan pengalihan dari metode manual menjadi

berbasis komputer, misalnya dengan kehadiran layanan surat kabar online.

Surat kabar online diartikan sebagai suatu media penyampaian berita,

dengan isi atau konten yang dipublikasikan melalui Internet. Surat kabar versi

online membuka peluang untuk menyediakan layanan berita yang selalu up to

date. Hal ini didasari oleh kemudahan yang diberikan oleh Internet, terutama

dalam hal pengolahan dan distribusi berita. Pengalihan bentuk dari cetak ke

online, dipercaya akan mampu meningkatkan efisiensi biaya produksi. Dari sisi

pengguna, masyarakat juga diuntungkan dengan kehadiran surat kabar online.



Sigit Pambudi .............. Analisis Faktor-Faktor Yang Mempengaruhi Penggunaan

Selain dilayani dengan penyampaian informasi yang cepat, menggunakan surat

kabar online cenderung lebih ekonomis. Layanan surat kabar online yang

menguntungkan bagi pengguna menurut Drakos, et al. (1997), antara lain

pengguna dapat mencari dan mengunduh suatu artikel berita atau foto yang

diinginkan berdasarkan kata kunci yang di-input. Selain itu, pengguna juga dapat

melihat kembali berita yang sudah lama serta berlangganan atau sekedar

memberikan komentar terhadap suatu artikel berita.

Permasalahan yang sering muncul terhadap suatu teknologi adalah

pemanfaatan yang tergolong masih rendah, termasuk dalam pemanfaatan surat

kabar online. Hal ini diperkuat oleh survei yang dilakukan Guharoy dan Morgan

(2012). Mereka mempublikasikan daftar situs dengan frekuensi akses terbanyak

di Indonesia. Pada survei tersebut, terlihat hanya ada satu situs surat kabar

online yang masuk ke dalam sepuluh situs yang paling banyak diakses di

Indonesia. Situs surat kabar online tersebut adalah Detik.com. Kurangnya

pemanfaatan surat kabar online terlihat karena Detik.com hanya memperoleh

persentase sebanyak 7%, menempati urutan ketujuh setelah Facebook, Google,

Yahoo!, YouTube, Twitter, dan 4shared. Terkait mengenai hal itu, kurangnya

pemanfaatan surat kabar online dapat berpotensi menimbulkan penyebaran

informasi yang kurang aktual karena informasi sering tidak dilandasi sumber

yang dapat dipercaya. Tidak semua masyarakat mau menggunakan surat kabar

online dengan beragam alasan. Selain itu, penerimaan dan penggunaan surat

kabar online juga diperlukan untuk meningkatkan produktivitas surat kabar online

dan menjaga eksistensi surat kabar online di Indonesia. Untuk itu diperlukan

sebuah penelitian guna mengetahui hal-hal apa saja yang bisa meningkatkan

penggunaan surat kabar online. Diharapkan dari hasil penelitian tersebut dapat

memudahkan pihak-pihak terkait dalam meningkatkan kualitas surat kabar online

yang sesuai dengan keinginan pengguna.

2. Landasan Teori

Drakos, et al. (1997) mendefinisikan surat kabar online sebagai berikut:

“publishing the whole content of a newspaper to a mass medium such as the

Internet and more specifically the World Wide Web (WWW).” Karena surat kabar

online memiliki bentuk dan wujud berupa digital, maka untuk dapat

mengaksesnya diperlukan fasilitas elektronik seperti komputer atau mobile

device dengan fitur Internet yang mumpuni. Secara garis besar, surat kabar

online sama seperti surat kabar cetak biasa, yang berisi informasi-informasi atau

berita kepada pembacanya terkait hal-hal aktual atau yang baru saja terjadi.


Analisis Faktor-Faktor Yang Mempengaruhi Penggunaan ............... Sigit Pambudi

Surat kabar versi online membuka persaingan dalam menyediakan

layanan berita yang selalu up to date. Hal ini didasari oleh kemudahan yang

diberikan oleh Internet terutama dalam hal pengolahan dan distribusi berita.

Menurut Drakos, et al. (1997), keuntungan menggunakan surat kabar online bagi

penggunanya yaitu antara lain pengguna dapat mencari dan mengunduh suatu

artikel berita atau foto yang diinginkan berdasarkan kata kunci yang di-input.

Selain itu, pengguna juga dapat melihat kembali berita yang sudah lama dan

melakukan registrasi untuk berlangganan atau sekedar memberikan komentar

terhadap suatu artikel berita.

Masyarakat banyak yang mengenal layanan surat kabar online, tetapi

tidak semua masyarakat mau menggunakan layanan ini karena beberapa alasan.

Schoneville (2007) dalam penelitiannya menemukan bahwa kebiasaan ternyata

menjadi penentu paling berpengaruh terhadap niat dalam menggunakan surat

kabar online. Selain itu, meskipun interaksi antara surat kabar online dan surat

kabar cetak telah banyak dibahas, Boczkowski (2002) mencatat kurangnya

penelitian terstruktur pada faktor-faktor yang mempengaruhi penggunaan individu

dari surat kabar online. Penggunaan layanan surat kabar online merupakan salah

satu varian dari teknologi informasi dan merupakan area penelitian yang cukup

menarik untuk ditinjau lebih dalam. Dengan mengetahui hal-hal yang bisa

meningkatkan surat kabar online, akan memudahkan pihak-pihak terkait dalam

meningkatkan kualitas surat kabar online yang sesuai dengan keinginan

pengguna. Sehubungan dengan hal ini, terdapat model penelitian yang sesuai

untuk meneliti tentang penerimaan pengguna terhadap suatu teknologi. Model

tersebut dikembangkan oleh Venkatesh, et al. (2003) dan diberi nama Unified

Theory of Acceptance and Use of Technology (UTAUT). UTAUT dikembangkan

melalui pengkajian yang dilakukan terhadap delapan model atau teori

penerimaan teknologi yang banyak digunakan dalam penelitian. Kedelapan

model itu adalah Theory of Reasoned Action (TRA), Technology Acceptance

Model (TAM), Motivational Model (MM), Theory of Planned Behavior (TPB),

Combined TAM and TPB, Model of PC Utilization (MPTU), Innovation Diffusion

Theory (IDT), dan Social Cognitive Theory (SCT).

Pada model UTAUT, terdapat empat konstruk yang menjadi faktor

penentu langsung yang bersifat signifikan terhadap perilaku penerimaan maupun

penggunaan teknologi. Keempat variabel itu adalah performance expectancy

(kepercayaan yang dimiliki individu bahwa kinerjanya akan makin baik apabila

menggunakan teknologi), effort expectancy (ekspektasi kemudahan dalam



penggunaan teknologi), social influence (pengaruh orang lain untuk

menggunakan teknologi), dan facilitating condition (dukungan sarana/prasarana

yang dimiliki individu untuk menggunakan teknologi).

Gambar 1 Model UTAUT (Venkatesh, et al., 2003)

Banyak penelitian yang mengadopsi model UTAUT. Diantaranya ada

yang menggunakan model UTAUT secara utuh, ada pula yang memodifikasi

model tersebut. UTAUT terbukti lebih berhasil dalam menjelaskan hingga 70

persen varian pengguna (Venkatesh et al., 2003). Menurut Min, et al. (2008)

sejauh ini UTAUT merupakan teori penggunaan teknologi TI yang paling

komprehensif. Namun model UTAUT bukan berarti bebas dari kritikan. Salah

satu kritikan terhadap model UTAUT datang dari Van Raaij dan Schepers (2008).

Mereka menilai bahwa variabel facilitating conditions pada model UTAUT yang

terdiri dari perceived behavioral control (Ajzen, 1991), facilitating conditions

(Thompson, et al., 1991), dan compatibility (Moore dan Benbasat, 1991) tidak

bisa disatukan ke dalam satu konstruk karena memiliki karakteristik yang

berbeda. Selain itu, subjective norm (Ajzen, 1991), social factors (Thompson, et

al., 1991), dan image (Moore dan Benbasat, 1991) juga tidak bisa disatukan ke

dalam satu variabel social influence pada UTAUT karena alasan yang sama.

3. Metode Penelitian

Penelitian ini merupakan penelitian kuantitatif dengan menggunakan

pendekatan survei. Populasi dalam penelitian ini adalah mahasiswa di beberapa

perguruan tinggi di Yogyakarta. Ghozali (2011) merekomendasikan ukuran

sampel sebanyak 100 – 200 untuk memenuhi syarat jumlah sampel yang

dianjurkan dalam melakukan penelitian dengan analisis data menggunakan

teknik SEM melalui prosedur Maximum Likelihood Estimation (MLE). Dengan

mempertimbangkan adanya data yang tidak layak atau data outlier, maka dipilih

170 orang sebagai sampel. Dibutuhkan seperangkat komputer dengan

spesifikasi yang cukup untuk menjalankan AMOS sebagai perangkat lunak

pengolah data.



Dalam penelitian ini, model yang digunakan diadopsi dari model UTAUT.

Pemilihan model ini dikarenakan UTAUT secara empiris sudah diuji untuk

memastikan validitasnya. Selain itu, model UTAUT mampu menghitung hingga

70% dari varian (adjusted R2) dalam usage intention. Nilai varian UTAUT lebih

tinggi dari delapan model sebelumnya yang bernilai antara 17% hingga 53%

(Indriani, dkk., 2012). Menurut Min, et al. (2008) sejauh ini UTAUT merupakan

teori penggunaan teknologi TI yang paling komprehensif.

Penelitian ini juga menambahkan variabel kenyamanan (perceived

enjoyment) dan daya tarik visual (perceived visual attractiveness) ke dalam

kerangka model penelitian. Penambahan variabel perceived visual attractiveness

dipengaruhi oleh penelitian yang dilakukan oleh Lertlum dan Papasratorn (2005).

Hasil dari penelitian mereka menunjukkan daya tarik visual berpengaruh positif

terhadap niat dalam menggunakan sistem (behavioral intention). Penambahan

variabel perceived enjoyment dipengaruhi oleh penelitian yang dilakukan oleh

Heerink, et al. (2008). Hasil dari penelitian mereka menunjukkan kenyamanan

berpengaruh positif terhadap niat dalam menggunakan sistem.

Gambar 2 Kerangka model penelitian

Dalam penelitian ini, variabel facilitating conditions pada UTAUT diganti

dengan variabel perceived behavioral control yang diadopsi dari TPB (Ajzen,

1991). Selain itu, variabel social influence pada UTAUT juga diganti dengan

variabel image yang diadopsi dari IDT (Moore dan Benbasat, 1991). Penggantian

variabel pada UTAUT tersebut didasari oleh kritikan dari Van Raaij dan Schepers

(2008). Pemilihan variabel pengganti tersebut karena variabel tersebut memiliki

karakteristik yang lebih spesifik dibandingkan dengan variabel asli dari UTAUT.

Penjelasan mengenai masing-masing variabel pada penelitian ini dapat dilihat



pada Tabel 1, sedangkan alur hubungan dari semua variabel dalam penelitian ini

dapat dilihat pada Gambar 2.

Tabel 1 Penjelasan Construct Model Penelitian

Construct Definisi

Perceived Visual Attractiveness (PVA)

Ukuran sejauh mana pengaruh tampilan dapat menjadi daya tarik seseorang dalam menggunakan surat kabar online.

Perceived Enjoyment (PEN)

Ukuran sejauh mana pengaruh kenyamanan dalam menggunakan surat kabar online, terlepas dari konsekuensi kinerja yang dapat diantisipasi.

Performance Expectancy (PEX)

Ukuran tingkat ekspektasi yang dimiliki setiap individu bahwa penggunaan surat kabar online dapat meningkatkan kinerjanya. Variabel ini merupakan prediktor terkuat pada model UTAUT.

Effort Expectance (EEX)

Ukuran tingkat ekspektasi kemudahan dalam penggunaan surat kabar online. Pada model UTAUT, variabel ini merupakan prediktor yang lemah.

Image(IMG) Ukuran sejauh mana tingkat kepercayaan seorang individu terhadap penggunaan surat kabar online dapat meningkatkan citra seseorang.

Perceived Behavioral Control (PBC)

Ukuran sejauh mana kepercayaan diri, kesiapan kondisi fasilitas, dan kesiapan teknologi dalam menggunakan surat kabar online.

Behavioral Intention (BIU)

Ukuran sejauh mana seseorang memiliki niat untuk menggunakan surat kabar online.

Use Behavioral (USE)

Variabel yang menyatakan tingkat penerimaan individu dalam penggunaan surat kabar online.

Penelitian ini menggunakan hipotesis asosiatif untuk meneliti hubungan

antara beberapa variabel di dalam model. Hipotesis asosiatif adalah suatu

pernyataan yang menunjukkan dugaan tentang hubungan antara dua variabel

atau lebih. Hipotesis yang diuji dalam penelitian ini dirangkum sebagai berikut:

1. H1: Perceived visual attractiveness mempunyai pengaruh positif terhadap

behavioral intention dalam menggunakan surat kabar online

2. H2: Perceived enjoyment mempunyai pengaruh positif terhadap


3. H3: Performance expectancy mempunyai pengaruh positif terhadap


4. H4: Effort expectancy mempunyai pengaruh positif terhadap behavioral

intention dalam menggunakan surat kabar online

5. H5: Image mempunyai pengaruh positif terhadap behavioral intention

dalam menggunakan surat kabar online

6. H6: Perceived behavioral control mempunyai pengaruh positif terhadap

use behavior pada surat kabar online



7. H7: Behavioral intention mempunyai pengaruh positif terhadap use

behavior pada surat kabar online

Kuisioner dirancang mengikuti skala Likert dengan rentang nilai 1

(“sangat tidak setuju”) hingga 5 (“sangat setuju”). Dalam penelitian ini, indikator

yang digunakan merupakan adaptasi dari Lertlum dan Papasratorn (2005),

Heerink, et al. (2008), Schoneville (2007), Venkatesh, et al. (2003), Liang, et al.

(2010), Wu, et al. (2008), serta Moore dan Benbasat (1991). Indikator penelitian

ini dapat dilihat pada Tabel 2.

Tabel 2 Indikator Penelitian

Variabel Referensi Penyesuaian

PVA Lertlum dan Papasratorn

(2005)

Warna-warna yang digunakan pada situs surat kabar online menarik

Secara keseluruhan, saya melihat bahwa situs surat kabar online menarik

Desain pada situs surat kabar online menarik

Tata letak konten pada situs surat kabar online menarik

PEN Heerink, et al. (2008)

Saya menikmati cara penyampaian berita melalui surat kabar online.

Saya merasa senang bisa mengisi waktu dengan menggunakan surat kabar online.

Saya merasa tertarik menggunakan surat kabar onlin

Saya tidak merasa bosan untuk menggunakan surat kabar online

PEX

Schoneville (2007)

Surat kabar online menjadikan kegiatan membaca berita menjadi lebih menarik

Surat kabar online memungkinkan saya untuk mengikuti berita terbaru menjadi lebih baik

Surat kabar online membuat saya mampu membaca berita lebih cepat

Venkatesh, et al. (2003)

Surat kabar online merupakan sistem yang berguna bagi aktivitas saya

EEX

Schoneville (2007)

Saya merasa mudah untuk menggunakan surat kabar online

Saya tidak merasa kesulitan untuk mempelajari bagaimana menggunakan surat kabar online

Saya berpikir surat kabar online memiliki struktur yang jelas dan dapat dimengerti

Venkatesh, et al. (2003)

Saya dengan mudah menjadi terampil menggunakan surat kabar online

IMG Moore dan Benbasat

(1991)

Menggunakan surat kabar online meningkatkan image dan kepercayaan diri

Karena menggunakan surat kabar online, orang lain melihat saya memiliki wawasan yang luas dan bisa diandalkan

Orang yang menggunakan surat kabar online dipandang lebih dari mereka yang tidak menggunakan

Membaca surat kabar online telah menjadi kebiasaan yang rutin di lingkungan sekitar



Tabel 2 Indikator Penelitian (lanjutan)

Variabel Referensi Penyesuaian

PBC Venkatesh, et al. (2003)

Saya memiliki perangkat yang diperlukan untuk menggunakan surat kabar online

Saya mengetahui cara menggunakan surat kabar online

Dengan surat kabar online saya bisa berbagi dengan situs jejaring sosial, forum, atau blog yang saya gunakan

BIU Venkatesh, et al. (2003)

Saya berminat untuk menggunakan surat kabar online untuk beberapa bulan ke depan.

Saya memperkirakan saya masih akan menggunakan surat kabar online untuk beberapa bulan ke depan

Saya berencana untuk menggunakan surat kabar online untuk beberapa bulan ke depan

USE

Liang, et al. (2010)

Hampir setiap hari, saya sempatkan untuk menggunakan surat kabar online

Saya menggunakan surat kabar online lebih dari sekali setiap hari

Wu, et al. ( 2008)

Secara keseluruhan, saya merasa puas dalam menggunakan surat kabar online


Penelitian ini menggunakan dua jenis data yakni primer dan sekunder.

Data primer diperoleh dari kuesioner yang akan diberikan kepada 170 sampel.

Data yang terkumpul kemudian diolah dengan menggunakan AMOS v.21.

Beberapa langkah dalam menyelesaikan model persamaan strukutral (SEM)

pada penelitian ini adalah sebagai berikut.

4.1 Validitas dan Reliabilitas Instrumen

Pengujian validitas judgment expert pada penelitian ini melibatkan dua

ahli. Setelah dianggap valid, kemudian dilakukan pengujian validitas construct

melalui uji convergent validity. Loading factor dapat dikatakan signifikan bila

menunjukkan angka di atas 0,50 atau lebih dan dapat dikatakan ideal bila

menunjukkan angka 0,70 (Ghozali, 2011). Berdasarkan Tabel 3, terlihat semua

factor loading (kolom Estimate) dari variabel indikator menunjukkan angka di atas

0,50. Hal ini menunjukkan semua indikator dapat menjelaskan construct yang

ada dan persyaratan convergent validity tercapai.

Secara umum, instrumen dapat dianggap reliabel apabila nilai cronbach’s

alpha lebih besar dari 0,6 (Hair, et al., 1998). Dari hasil yang didapat pada Tabel

4, menunjukkan bahwa nilai cronbach’s alpha adalah 0,942, artinya instrumen ini

reliabel karena nilai yang didapat lebih besar dari 0,6 dan mendekati angka 1.



Tabel 3 Standardized regression weights 1

Estimate

BIU1 BIU ,675

BIU2 BIU ,579

BIU3 BIU ,543

PVA3 PVA ,557

PVA2 PVA ,555

PVA1 PVA ,673

PEN3 PEN ,629

PEN2 PEN ,554

PEN1 PEN ,542

PEX4 PEX ,595

PEX3 PEX ,744

PEX2 PEX ,556

EEX4 EEX ,542

EEX2 EEX ,501

EEX1 EEX ,526

IMG1 IMG ,637

PBC3 PBC ,612

PBC2 PBC ,601

PBC1 PBC ,569

USE1 USE ,833

USE2 USE ,618

USE3 USE ,537

IMG2 IMG ,641

IMG3 IMG ,616

Sumber: Data primer yang diolah

Tabel 4 Reliability statistics

Cronbach's Alpha Cronbach's Alpha Based on Standardized Items N of Items

.942 .943 29


4.2 Uji Evaluasi Asumsi Model Struktural

4.2.1 Uji Normalitas Data

Sebuah data dikatakan mempunyai distribusi normal apabila nilai critical

ratio skewness value berada di bawah harga mutlak 2,58 atau di atas -2,58 pada

tingkat signifikansi 0,01. Asumsi normal dalam penelitian ini didapat setelah

melakukan penanganan terhadap data outlier dan indikator beberapa variabel.

Hasil output dari Assessment of normality untuk melihat normalitas data terlihat

pada Tabel 5. Dapat disimpulkan bahwa data yang digunakan dalam penelitian

ini mempunyai distribusi normal, baik secara univariate maupun multivariate.

4.2.2 Evaluasi Outlier

Outlier adalah kondisi observasi dari suatu data yang memiliki

karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi

lainnya dan muncul dalam bentuk nilai ekstrim, baik untuk sebuah variabel



tunggal ataupun variabel-variabel kombinasi (Hair, et al., 1998). Dari 170

responden, terdeteksi empat data yang diduga sebagai data outlier. Oleh sebab

itu data outlier tersebut dihilangkan. Setelah semua p2 mendapatkan nilai di atas

0,05, dengan begitu artinya tidak ada lagi data yang bersifat outlier.

Tabel 5 Assessment of normality

Variabel skew c.r. kurtosis c.r.

USE3 -,192 -1,009 -,380 -1,000

USE2 -,488 -2,567 -,883 -2,324

USE1 -,305 -1,605 -,917 -2,412

PBC1 -,476 -2,505 -,375 -,986

PBC2 -,453 -2,382 -,358 -,940

PBC3 -,402 -2,114 -,422 -1,110

IMG1 -,009 -,047 -,396 -1,042

IMG2 -,149 -,783 -,751 -1,976

IMG3 ,035 ,183 -,979 -2,574

EEX1 -,350 -1,839 -,410 -1,079

EEX2 -,387 -2,037 -,403 -1,059

EEX4 -,194 -1,021 -,539 -1,419

PEX2 -,423 -2,227 -,587 -1,545

PEX3 -,294 -1,549 -,717 -1,885

PEX4 -,474 -2,495 -,320 -,841

PEN1 -,365 -1,918 -,511 -1,343

PEN2 -,419 -2,202 -,653 -1,718

PEN3 -,370 -1,947 -,409 -1,075

PVA1 -,281 -1,478 -,687 -1,807

PVA2 -,440 -2,316 -,806 -2,119

PVA3 -,023 -,120 -,684 -1,798

BIU3 -,244 -1,281 -,839 -2,206

BIU2 -,240 -1,260 -,960 -2,525

BIU1 -,370 -1,944 -,977 -2,568

Multivariate

6,178 1,127


4.2.3 Evaluasi Kelayakan Model

Guna mendapatkan model yang terbaik, model dalam penelitian ini perlu

dimodifikasi. Modifikasi yang dilakukan dalam penelitian ini diantaranya adalah

melakukan penambahan data dan mengurangi variabel indikator yang bernilai

variance rendah. Variabel indikator yang dihilangkan dari model diantaranya:

PVA4, PEN4, PEX1, EEX3, dan IMG4. Gambaran full model struktural dalam

penelitian ini dapat dilihat pada Gambar 3. Model akhir dari penelitian ini

kemudian diuji berdasarkan indeks kelayakan model.

Berdasarkan uji kelayakan menggunakan nilai chi-square, didapat nilai

yang tinggi yaitu 388,402, sedangkan nilai chi-square yang diharapkan adalah

rendah. Karena nilai chi-square tinggi, maka nilai probabilitas (p) menjadi lebih

kecil dari tingkat signifikansi (α). Nilai chi-square sensitif terhadap besarnya



sampel (Ghozali, 2011). Angka 121 (untuk angka signifikan 5%) dan 128 (untuk

angka signifikan 1%) pada uji Hoetler menunjukkan bahwa kurangnya sampel

dan banyaknya variabel indikator yang dipakai dalam penelitian ini menjadi

penyebab tingginya nilai chi-square. Hoetler adalah alat uji yang memperhatikan

kecukupan ukuran sampel terhadap suatu model. Untuk itu Ghozali (2011)

menganjurkan untuk mengabaikan nilai chi-square dan melihat ukuran goodness

of fit lainnya. Hasil dari uji kelayakan model berdasarkan indeks kelayakan model

lainnya seperti: Root Mean Square Error of Approximation (RMSEA), The

Minimum Sample Discrepancy Function (CMIN/DF), Goodness of Fit Index (GFI),

Root Mean Square Residual (RMR), Adjusted Goodness of Fit Index (AGFI), dan

Comparative Fit Index (CFI) dicantumkan pada Tabel 6.

Gambar 3 Full model struktural penelitian

Dalam uji parsimony (parsimonius fit measure) didapat angka default

model dari PRATIO, PNFI, dan PCFI yang berada pada range value, yakni di

antara 0 sampai 1. Hasil tersebut menunjukkan bahwa model adalah layak

digunakan. Output dari uji parsimony dapat dilihat pada Tabel 7.



Tabel 6 Indeks kelayakan model

Kriteria Goodness-of-Fit Nilai kesesuaian Nilai yang di dapat Keterangan

RMSEA ≤ 0,08 0,060 Fit

CMIN/DF ≤ 2 atau 3 1,585 Fit

GFI ≥ 0,90 0,843 marginal fit

RMR ≤ 0,08 0,115 marginal fit

AGFI ≥ 0,90 0,807 marginal fit

CFI ≥ 0,95 0,810 marginal fit


Tabel 7 Parsimonious fit measure

Model PRATIO PNFI PCFI

Default model ,888 ,553 ,719

Saturated model ,000 ,000 ,000

Independence model 1,000 ,000 ,000


AIC (Aikake Information Criterion) dengan empat ukuran yang ada yaitu

AIC, BC, BIC, dan CAIC menghasilkan nilai output pada default model

mempunyai nilai yang lebih kecil dibandingkan saturated model dan

independence model. Hal ini menunjukkan model telah sesuai atau dinyatakan

layak dengan data sampel. Output dari uji AIC dapat dilihat pada Tabel 8.

Tabel 8 Aikake information criterion

Model AIC BCC BIC CAIC

Default model 498,4 518,0 669,6 724,6

Saturated model 600,0 707,1 1533,6 1833,6

Independence model 1078,9 1087,5 1153,6 1177,6


ECVI (Expected Cross-Validation Index) dengan proses perbandingan

yang sama dengan AIC, menghasilkan nilai output pada default model

mempunyai nilai yang lebih kecil dibandingkan saturated model dan

independence model. Hal ini menunjukkan model telah sesuai atau dinyatakan

layak dengan data sampel. Output dari uji ECVI dapat dilihat pada Tabel 9.

Tabel 9 Expected cross-validation index

Model ECVI LO 90 HI 90 MECVI

Default model 3,021 2,719 3,370 3,140

Saturated model 3,636 3,636 3,636 4,286

Independence model 6,539 5,966 7,158 6,591




4.3 Hasil Uji Hipotesis

Pengambilan kesimpulan mengenai hasil dari hipotesis didasari pada

output regression weight. Output dari regression weight dapat dilihat pada Tabel

10. Untuk melengkapi temuan tersebut maka perlu untuk menyertakan tampilan

standardized regression weights. Tampilan tersebut dapat dilihat pada Tabel 11.

Tabel 10 Regression Weight

Estimate S.E. C.R. P

BIU PVA ,348 ,131 2,648 ,008

BIU PEN ,499 ,186 2,686 ,007

BIU PEX ,303 ,149 2,037 ,042

BIU EEX ,445 ,220 2,020 ,043

BIU IMG ,145 ,139 1,041 ,298

USE BIU ,917 ,127 7,226 ***

USE PBC ,458 ,169 2,701 ,007


Tabel 11 Standardized Regression Weights 2

Estimate

BIU PVA ,329

BIU PEN ,346

BIU PEX ,243

BIU EEX ,325

BIU IMG ,119

USE BIU ,768

USE PBC ,310


H1: Perceived visual attractiveness mempunyai pengaruh positif terhadap behavioral intention dalam menggunakan surat kabar online

Dari output regression weight yang terlihat pada Tabel 10 didapatkan nilai

probabilitas (p) untuk hubungan PVA ke BIU jauh di bawah 0,05, yaitu sebesar

0,008. Jadi, dapat disimpulkan bahwa perceived visual attractiveness mempunyai

pengaruh positif terhadap behavioral intention dalam menggunakan surat kabar

online. Dengan melihat factor loading pada Tabel 11 mengenai hubungan antara

PVA ke BIU dapat disimpulkan bahwa H1 diterima dengan koefisien standardized

sebesar 0,329.

H2: Perceived enjoyment mempunyai pengaruh positif terhadap behavioral intention dalam menggunakan surat kabar online


probabilitas (p) untuk hubungan PEN ke BIU jauh di bawah 0,05, yaitu sebesar



0,007. Jadi, dapat disimpulkan bahwa perceived enjoyment mempunyai

pengaruh positif terhadap behavioral intention dalam menggunakan surat kabar

online. Dengan melihat factor loading pada Tabel 11 mengenai hubungan antara

PEN ke BIU dapat disimpulkan bahwa H2 diterima dengan koefisien

standardized sebesar 0,346.

H3: Performance expectancy mempunyai pengaruh positif terhadap behavioral intention dalam menggunakan surat kabar online


probabilitas (p) untuk hubungan PEX ke BIU di bawah 0,05, yaitu sebesar 0,042.

Jadi, dapat disimpulkan bahwa performance expectancy mempunyai pengaruh

positif terhadap behavioral intention dalam menggunakan surat kabar online.

Dengan melihat factor loading pada Tabel 11 mengenai hubungan antara PEX ke

BIU dapat disimpulkan bahwa H3 diterima dengan koefisien standardized

sebesar 0,243.

H4: Effort expectancy mempunyai pengaruh positif terhadap behavioral intention dalam menggunakan surat kabar online


probabilitas (p) untuk hubungan EEX ke BIU di bawah 0,05, yaitu sebesar 0,043.

Jadi, dapat disimpulkan bahwa effort expectancy mempunyai pengaruh positif

terhadap behavioral intention dalam menggunakan surat kabar online. Dengan

melihat factor loading pada Tabel 11 mengenai hubungan antara EEX ke BIU

dapat disimpulkan bahwa H4 diterima dengan koefisien standardized sebesar

0,325.

H5: Image mempunyai pengaruh positif terhadap behavioral intention dalam menggunakan surat kabar online


probabilitas (p) untuk hubungan IMG ke BIU jauh di atas 0,05, yakni sebesar

0,298. Jadi, dapat disimpulkan bahwa image tidak mempunyai pengaruh positif

terhadap behavioral intention dalam menggunakan surat kabar online. Dengan

begitu, artinya H5 ditolak.

H6: Perceived behavioral control mempunyai pengaruh positif terhadap use behavior pada surat kabar online


probabilitas (p) untuk hubungan PBC ke USE di bawah 0,05, yaitu sebesar 0,007.

Jadi, dapat disimpulkan bahwa perceived behavioral control mempunyai



pengaruh positif terhadap use behavior pada surat kabar online. Dengan melihat

factor loading pada Tabel 11 mengenai hubungan antara PBC ke USE dapat

disimpulkan bahwa H6 diterima dengan koefisien standardized sebesar 0,310.

H7: Behavioral intention mempunyai pengaruh positif terhadap use behavior pada surat kabar online


probabilitas (p) untuk hubungan BIU ke USE di bawah 0,05, yaitu sebesar 0,001

atau ditandai dengan tanda *** pada program AMOS. Jadi, dapat disimpulkan

bahwa behavioral intention mempunyai pengaruh positif terhadap use behavior

pada surat kabar online. Dengan melihat factor loading pada Tabel 11 mengenai

hubungan antara PBC ke USE dapat disimpulkan bahwa H7 diterima dengan

koefisien standardized sebesar 0,768.

4.4 Pembahasan

Besarnya nilai koefisien determinasi ditujukan oleh nilai squared multiple

correlations. Dari nilai squared multiple correlations, variabilitas behavioral

intention yang dapat dijelaskan oleh perceived visual attractiveness, perceived

enjoyment, performance expectancy, effort expectancy, dan image adalah

sebesar 40,6%. Adapun sisanya, yaitu sebesar 59,4% adalah variabel lainnya

yang tidak diteliti dalam penelitian ini. Variabilitas use behavior yang dijelaskan

oleh perceived behavioral control dan behavioral intention adalah sebesar 68,6%.

Adapun sisanya, yaitu sebesar 31,4% adalah variabel lainnya yang tidak diteliti

dalam penelitian ini. Jadi, dapat disimpulkan bahwa model cukup baik dalam

menjelaskan faktor-faktor yang mempengaruhi penggunaan surat kabar online.

Terdapat pengaruh yang sangat nyata dari variabel prediktor terhadap

penggunaan surat kabar online. Dari semua hipotesis yang diuji, hanya H5 yang

ditolak. Artinya persepsi sampel terhadap image tidak signifikan dengan persepsi

terhadap behavioral intention, sehingga citra seseorang tidak berpengaruh positif

terhadap niat seseorang untuk menggunakan surat kabar online. Hal ini bertolak

belakang dengan hasil dari penemuan Carter dan Belanger (2004) yang berhasil

membuktikan bahwa image memiliki pengaruh positif terhadap niat dalam

menggunakan suatu sistem. Penelitian yang dilakukan oleh Schoneville (2007)

juga tidak berhasil membuktikan adanya hubungan positif social influence

terhadap behavioral intention. Perlu diketahui bahwa variabel image dan sosial

influence menurut Venkatesh, et al. (2003) memiliki banyak persamaan.

Penyebab dari ditolaknya H5, dikarenakan perberbedaan persepsi yang terlalu



jauh dari masing-masing responden mengenai hubungan antara image dan

behavioral intention. Dengan kata lain, masih banyak pengguna surat kabar

online tidak merasakan dampak positif secara prestise setelah menggunakan

media ini. Walaupun image tidak mempunyai pengaruh positif terhadap

behavioral intention dalam menggunakan surat kabar online, namun image

berpengaruh secara tidak langsung terhadap use behavior dengan koefisien

standardized sebesar 0,091. Hubungan pengaruh tidak langsung terhadap use

behavior dengan koefisien standardized lebih besar didapat oleh variabel lain,

seperti: PVA (0,252), PEN (0,266), PEX (0,186), dan EEX (0,249).

Penelitian ini berhasil menjelaskan adanya pengaruh positif dari

performance expectancy terhadap behavioral intention. Hasilnya tidak jauh

berbeda dengan penelitian Schoneville. Hasil yang berbeda antara penelitian

Schoneville dengan penelitian ini adalah, keberhasilan penelitian ini menjelaskan

tentang adanya pengaruh positif antara effort expectancy terhadap behavioral

intention, sedangkan Schoneville (2007) tidak berhasil membuktikan itu. Hal ini

menunjukkan bahwa tingkat pemahaman seseorang berbeda satu dengan yang

lain. Dari variabel-variabel prediktor yang digunakan dalam penelitian ini, variabel

yang mempunyai hubungan terkuat terhadap niat dalam menggunakan surat

kabar online adalah variabel perceived enjoyment, yang kemudian diikuti oleh

variabel perceived visual attractiveness, effort expectancy, dan performance

expectancy. Adapun variabel yang mempunyai hubungan terkuat terhadap

penggunaan surat kabar online adalah behavioral intention, yang kemudian

diikuti oleh variabel perceived behavioral control. Temuan-temuan ini menjadi

tantangan tersendiri bagi para pengembang surat kabar online khususnya di

Indonesia, mengingat beragamnya karakteristik.

5. Kesimpulan

Berdasarkan dari hasil analis data statistik dan pembahasan mengenai

penelitian ini, maka dapat diambil kesimpulan sebagai berikut.

1. Faktor-faktor yang mempengaruhi penggunaan layanan surat kabar

online adalah behavioral intention dan perceived behavioral control,

sedangkan yang mempengaruhi niat (behavioral intention) dalam

menggunakan surat kabar online adalah perceived enjoyment, perceived

visual attractiveness, effort expectancy, dan performance expectancy.

2. Image tidak terbukti mempunyai pengaruh positif terhadap behavioral

intention dalam menggunakan surat kabar online. Dengan kata lain,



masih banyak pengguna surat kabar online tidak merasakan dampak

positif secara prestise setelah menggunakan media ini.

3. Guna mendapatkan pengaruh positif dari image (citra), surat kabar online

perlu meningkatkan konten berita yang berisi tentang gaya hidup dan

informasi-informasi penting dalam menjaga penampilan seseorang.

Tentunya hal tersebut disesuaikan dengan situasi dan kondisi yang

sesuai dengan keadaan saat ini, sehingga pengguna merasa memiliki

prestise yang lebih tinggi dibandingkan orang lain dan penggunaan surat

kabar online menjadi kewajiban untuk menjaga gengsi seseorang.

4. Guna mendapatkan pengembangan dan hasil yang lebih baik, perlu

adanya penelitian lanjutan mengingat permasalahan tentang penggunaan

surat kabar online masih sangat kompleks. Sehingga akan muncul

penelitian-penelitian lain yang memiliki kajian yang sama tetapi dengan

variabel-variabel yang berbeda dan jumlah sampel yang lebih besar.

Daftar Pustaka

Ajzen, I., 1991. The Theory of Planned Behavior. Organizational Behavior and Human Decision Processes, 50(2), pp. 179-211.

Boczkowski, P. J., 2002. The Development and Use of Online Newspapers: What Research Tells Us and What We Might Want to Know. The Handbook of New Media, pp. 270–286. London: Sage Publications.

Carter, L. & F. Belanger, 2004. The Influence of Perceived Characteristics of Innovating on E-Government Adoption. Electronic Journal of E-Government, 2(1), pp. 11-20.

Drakos, W., Doukidis, G. & Papazafeiropoulou, N., 1997. The Newspaper On-line Service: From A Business to Consumer Application Perspective. European Multimedia, Microprocessor Systems and Electronic Commerce Conference and Exposition (EMMSEC) 1997, Florence, Italy.

Ghozali, I., 2011. Model Persamaan Struktural: Konsep dan Aplikasi dengan Program AMOS ver. 5.0. Semarang: Badan Penerbit Universitas Diponegoro.

Guharoy, D. & R. Morgan, 2012. Analysis: The Truth About Internet Usage in Indonesia. [Online] Available at: http://www.thejakartapost.com/news/ 2012/07/24/analysis-the-truth-about-internet-usage-indonesia.html [Accessed 1/5/2013].

Hair, J. F., Black, W. C., Anderson, R. E. & Tatham, R. L., 1998. Multivariate Data Analysis. Englewood Cliffs: Prentice Hall.



Heerink, M., Ben, K., Evers, V. & Wielinga, B., 2008. The Influence of Social Presence on Acceptance of a Companion Robot by Older People. Journal of Physical Agents, 2(2), pp. 33-40.

Indriani, M., Santosa, I. & Kusumawardani, S., 2012. Efek Moderasi dari Usia dan Jenis Kelamin dalam Penerimaan E-KTP di Kecamatan Gondokusuman Yogyakarta. Jurnal Penelitian IPTEK-KOM, 14(1), pp. 43-61.

Lertlum, W. & Papasratorn, B., 2005. Factors Influencing Rote Student’s Intention to Use WBL: Thailand Study. Proceeding. World Academy of Science Engineering and Technology, 10, pp. 105-110.

Liang, H., Xue, Y., Ke, W. & Wei, K. K., 2010. Understanding the Influence of Team Climate on IT Use. Journal of the Association for Information Systems, 11(8), pp. 414-432.

Min, Q., Ji, S. & Qu, G., 2008. Mobile Commerce User Acceptance Study in China: A Revised UTAUT Model. Tsinghua Science & Technology, 13(3), pp. 257-264.

Moore, G. C. & Benbasat, I., 1991. Development of An Instrument to Measure the Perceptions of Adopting an Information Technology Innovation. Information Systems Research, 2(3), pp. 192-222.

Schoneville, S., 2007. This Just in: Analysis of Factors Influencing Online Newspaper Reading Behaviour. Tesis. Enschede: Universiteit Twente.

Thompson, R. L., Higgins, C. A. & Howell, J. M., 1991. Personal Computing: Toward A Conceptual Model of Utilization. MIS Quarterly, 15(1), pp. 125-143.

Van Raaij, E. M., & Schepers, J. J., 2008. The Acceptance and Use of A Virtual Learning Environment in China. Computers & Education, 50(3), pp. 838-852.

Venkatesh, V., Morris, M. G., Davis, G. B. & Davis, F. D., 2003. User Acceptance of Information Technology: Toward A Unified View. MIS Quarterly, 27(3), pp. 425-478.

Wu, Y. L., Tao, Y. H. & Yang, P. C., 2008. The Use of Unified Theory of Acceptance and Use of Technology to Confer the Behavioral Model of 3G Mobile Telecommunication Users. Journal of Statistics and Management Systems, 11(5), pp. 919-949.

89

KONVERSI DATA KE FORMAT DNA DAN PERBANDINGAN HASIL KOMPRESINYA MENGGUNAKAN GENCOMPRESS

TERHADAP WINRAR

Heilbert Armando Mapaly, Teguh Bharata Adji, Noor Akhmad Setiawan


[email protected]

Abstrak

Teknik kompresi data saat ini merupakan hal yang penting dalam menyimpan media dalam bentuk digital. Secara umum, teknik kompresi terbagi menjadi lossy compression dan loseless compression. Penelitian ini mencoba untuk menerapkan konsep kompresi DNA yang bersifat loseless. Karena DNA hanya terdiri dari huruf a, c, g, dan t, maka kompresi ini hanya dapat diaplikasikan pada media teks, padahal, media yang ada saat ini tidak hanya berupa teks saja. Oleh sebab itu penelitian ini bertujuan untuk menemukan cara agar kompresi tersebut dapat diaplikasikan pada media lain serta membandingkan hasil kompresi tersebut dengan aplikasi WinRAR. Untuk dapat dikompresi dengan teknik kompresi DNA, semua file tersebut harus dikonversikan ke dalam bentuk DNA. Proses konversi tersebut dilakukan dengan mengubah kode binary yang ada pada file menjadi untaian rantai DNA. 00 diubah menjadi ‘a’, 01 diubah menjadi ‘c’, 10 diubah menjadi ‘g’ dan 11 diubah menjadi ‘t’. Walaupun pada konversi data ke format DNA ukuran file DNA menjadi lebih besar dari file awal, namun ukuran file hasil kompresi menjadi lebih kecil dari ukuran file awal karena memanfaatkan kelebihan teknik kompresi DNA. Ukuran file hasil kompresi dengan GenCompress menunjukkan hasil yang lebih baik dari WinRAR ketika terdapat pengulangan dengan jumlah yang sama pada isi file.

Kata kunci: konversi, GenCompress, algoritma DNA.

1. Pendahuluan

Hingga saat ini, berbagai penelitian telah dilakukan untuk menghasilkan

teknik kompresi yang lebih baik. Secara umum, teknik kompresi data dibagi

menjadi dua bagian yaitu lossy dan lossless (Nelson dan Gailly, 1995). Kompresi

data lossy memiliki kelemahan dalam akurasi data karena untuk meningkatkan

kompresi tersebut terdapat beberapa informasi yang hilang ketika data

dikompres. Sedangkan pada kompresi lossless, tidak ada informasi yang hilang

ketika kompresi dilakukan. Kompresi lossy biasanya digunakan pada gambar dan

suara digital, sedangkan kompresi lossless biasanya digunakan ketika

menyimpan catatan database, spreadsheet, dan file pengolah kata.

Kompresi pada DNA telah ditemukan sejak tahun 1993 dan telah

menghasilkan beberapa teknik kompresi seperti BioCompress (Grumbach dan

Tahi, 1993), BioCompress-2 (Grumbach dan Tahi, 1994), GenCompress (Chen,

et al., 1999), DNACompress (Chen, et al., 2002), dan DNASequitur (Cherniavsky



Heilbert Armando Mapaly ...................................... Konversi Data ke Format DNA

dan Ladner, 2004). Rantai DNA, yang merupakan kombinasi acak antara a, c, g

dan t, dimasukkan ke dalam suatu file teks lalu dikompres. Hasil kompresi

tersebut dapat dikembalikan lagi (dekompres) tanpa ada informasi yang hilang

(lossless compression).

Karena hanya terdiri dari empat jenis basa Nitrogen (a, c, g, dan t), maka

2 bit cukup untuk menyimpan setiap basa Nitrogen tersebut (Chen, et. al., 1999).

Hal ini merupakan kelebihan dari teknik kompresi DNA. Jika menggunakan teknik

kompresi standar seperti "compress" dan "compact" yang ada di Unix atau

program arsip "pkzip" yang ada di MS-DOS, teknik-teknik kompresi tersebut

menyimpan setiap basa Nitrogen ke dalam lebih dari 2 bit. Dengan menyimpan

setiap basa ke dalam lebih dari 2 bit, artinya teknik kompresi tersebut memakai

lebih banyak memori daripada teknik kompresi DNA.

Akan tetapi, teknik-teknik kompresi DNA, misalnya GenCompress, tidak

dapat digunakan untuk media lain, misalnya untuk gambar, karena informasi

pada rantai DNA hanya terdiri dari huruf a, c, g dan t. Oleh sebab itu, kompresi

tersebut hanya dapat digunakan pada file DNA dalam bentuk teks. Pada

kenyataannya, file teks dan gambar disimpan dalam komputer dalam bentuk

binary. Jika dibandingkan dengan tools yang sering digunakan dalam kompresi

file, tools tersebut mampu untuk melakukan kompresi pada berbagai jenis file.

Kompresi DNA mampu melakukan kompresi pada setiap basa Nitrogen

menjadi 2 bit atau kurang dari 2 bit. Akan tetapi, permasalahan yang ditemui

adalah teknik-teknik kompresi pada DNA hanya dapat diterapkan pada file DNA

yang berbentuk teks. Teknik kompresi DNA tersebut tidak dapat diterapkan pada

jenis file yang lain.

Karena teknik kompresi DNA hanya dapat diterapkan pada file DNA

dalam bentuk teks, maka tujuan dari penelitian ini adalah melakukan konversi

data dari binary ke dalam bentuk DNA, agar dapat dikompres dengan

menggunakan teknik kompresi DNA. Selain itu, penelitian ini membandingkan

hasil kompresi tersebut dengan software kompresi data WinRAR.

2. Landasan Teori

DNA (Asam Deoksiribonukleat) adalah suatu materi genetik yang

merupakan bagian kerja dari kromosom. DNA memiliki struktur seperti batang

kecil dalam sel dan mengandung gen, suatu unit hereditas (Silverstein, et al.,

2008). Gen membawa informasi yang menentukan karakteristik dari sel. DNA

berbentuk seperti benang rantai unit kimia yang disebut Nukleotida, masing-


Konversi Data ke Format DNA ...................................... Heilbert Armando Mapaly

masing terdiri dari tiga bagian, yaitu Fosfat, gula (Deoksiribosa), dan zat yang

disebut basa Nitrogen. Gula dan Fosfat terhubung secara bersama-sama dan

membentuk rantai yang menjadi tulang punggung rantai. Basa Nitrogen dapat

bereaksi dengan basa lainnya pada rantai yang berbeda. Jadi, bentuk DNA

adalah rantai ganda, yang terdiri dari dua untaian panjang Nukleotida yang

dihubungkan oleh ikatan kimia antara basa Nitrogen.

Empat jenis basa Nitrogen yang ditemukan dalam DNA adalah Adenin,

Timin, Guanin, dan Sitosin (biasanya disingkat dengan A, T, G, dan C). Basa

Nitrogen tersebut selalu berikatan satu sama lain menurut aturan yang spesifik. A

selalu berpasangan dengan T sedangkan C berpasangan dengan G.

Dalam penelitian Church, et. al.(2012), mereka berhasil mengkonversikan

buku ‘Regenesis’ yang dalam bentuk HTML menjadi format DNA. Buku tersebut

terdiri dari 53.426 kata, sebelas gambar, dan sebuah file Javascript. Setelah itu,

kode biner dari HTML buku tersebut dikonversikan ke dalam bentuk DNA. Bit

yang bernilai nol ditentukan sebagai huruf A atau C pada basis DNA Adenin dan

Sitosin, dan bit yang bernilai satu ditentukan sebagai huruf G dan T pada basis

DNA Guanin dan Timin.

Proses konversi yang dilakukan dalam penelitian Church, et. al (2012)

adalah sebagai berikut: Pertama, teks tersebut diubah ke dalam bentuk biner.

Sebagai contoh, karakter 'f' ketika diubah menjadi bentuk biner menjadi

01100110. Proses konversi dari biner ke DNA dilakukan dengan cara mengubah

angka nol menjadi A atau C, dan angka satu menjadi T atau G. Setelah

mengkonversi 01100110 ke dalam bentuk DNA, maka diperolehlah suatu untai

DNA 'aTGaaTTc'.

Namun, jika melihat aturan konversi dari biner ke DNA yang digunakan,

maka biner 01100110 tidak selalu dikonversi menjadi ‘aTGaaTTc’. Bisa saja

kode biner 01100110 tersebut menjadi bentuk yang lain, misalnya ‘cTTacGTa’

atau ‘aGGaaTTa’. Hal ini disebabkan karena kode biner nol dapat ditentukan

sebagai A atau C, dan kode biner satu dapat ditentukan sebagai T atau G. Karena

dalam 1 bit kode biner terdapat dua kemungkinan untaian DNA yang berbeda,

maka dalam 8 bit kode biner dapat menghasilkan 28 atau 256 kemungkinan

untaian DNA yang berbeda.

Selain itu, dengan melakukan konversi 01100110 menjadi ‘aTGaaTTc’,

itu berarti mengubah 8 bit biner (1 byte) menjadi delapan karakter teks. Padahal,

satu karakter dalam teks disimpan sebagai 1 byte. Hal ini menunjukkan bahwa 8



bit biner (setara dengan 1 byte) disimpan menjadi 8 byte karakter teks dalam

bentuk DNA. Oleh sebab itu, ukuran file DNA-nya menjadi delapan kali lebih

besar dari ukuran sebenarnya. Dengan mempertimbangkan kedua hal tersebut,

maka penelitian ini menggunakan cara konversi yang berbeda dengan cara

konversi pada penelitian dari Church, et.al. (2012).

3. Metodologi

Penelitian ini menggunakan beberapa dataset yang terdiri dari

sekumpulan file avi, bmp, txt, exe, wav dan dataset Brodatz (gif). Untuk lebih

memudahkan, maka penamaan sampel-sampel tersebut menggunakan suatu

kode seperti ditunjukkan pada Tabel 1. Huruf pertama menunjukkan jenis file,

sedangkan huruf kedua (huruf x) menyatakan urutan atau sampel ke-x.

Proses konversi data menjadi format DNA menggunakan kode biner yang

terdapat pada file dengan cara mengubah kode biner 00 menjadi ‘a’, 01 menjadi

‘c’, 10 menjadi ‘g’ dan 11 menjadi ‘t’. Proses ini menghasilkan suatu file

yang berisi kode DNA dari file. Setelah itu, file yang berisi kode DNA tersebut

dikompresi dengan menggunakan teknik kompresi DNA, yaitu GenCompress.

Tabel 1 Keterangan format penamaan sampel

Format Nama Sampel

Keterangan

Dx.gif Gambar pada Dataset Brodatz dengan format .gif dimensi 640x640 pixel

Ix.bmp Printscreen wallpaper dengan format .bmp dimensi 320x320 pixel.

Wx.wav File suara di Windows 7 yang terdapat di C:\Windows\Media.

Ex.exe Hasil compile sourcecode Tx.txt

Ax.avi Potongan suatu film yang berformat .avi. Sampel file ini memiliki durasi 2-3 detik

Tx.txt Source code program C sederhana.

Px.bmp Gambar berpola dengan format .bmp dimensi 100x100 pixel

Demikian juga dengan proses dekompresi file tersebut. File hasil

kompresi selanjutnya di-decompress menggunakan teknik dekompresi DNA,

GenCompress, sehingga menghasilkan suatu file yang berisi kode DNA suatu

file. Kode DNA tersebut kemudian diubah kembali menjadi file semula. Proses

pengubahan menjadi file semula, merupakan kebalikan dari proses pengubahan

pada proses kompresi yaitu, ‘a’ dikembalikan menjadi kode biner 00, ‘c’

menjadi 01, ‘g’ menjadi 10 dan ‘t’ menjadi 11. Rancangan aplikasi untuk

penelitian ini adalah seperti ditunjukkan pada Gambar 1.



Gambar 1 Rancangan Aplikasi


Hasil dari penelitian yang dilakukan diantaranya adalah perangkat lunak

untuk melakukan konversi dari file ke DNA dan DNA ke file. Perangkat lunak

yang pertama mengubah sebuah file ke dalam bentuk teks DNA dan kemudian

melakukan kompresi data dengan menggunakan perangkat lunak GenCompress.

Sedangkan perangkat lunak yang kedua melakukan proses dekompresi dengan

menggunakan perangkat lunak GenDecompress dan kemudian mengubah

bentuk DNA tersebut ke dalam bentuk file semula.

Proses konversi yang dilakukan dalam penelitian ini, berbeda dengan

proses konversi yang digunakan oleh Church, et. al. (2012). Dalam proses

konversi dari file ke DNA, kode biner 00 menjadi ‘a’, 01 menjadi ‘c’, 10 menjadi

‘g’ dan 11 menjadi ‘t’. Jadi, proses konversi ini mengubah 8 bit kode biner (1

byte) menjadi empat karakter (4 byte) teks DNA. Walaupun ukuran file DNA-nya

menjadi empat kali lipat lebih besar, tapi ukuran file DNA yang dihasilkan lebih

kecil dari ukuran file dalam penelitian Church, et. al. (2012). Selain itu, konversi

file ke DNA menghasilkan untaian DNA yang tetap. Sebagai contoh, kode biner

01 10 01 10, ketika diubah ke dalam bentuk DNA menjadi ‘cgcg’.

Setelah seluruh kode biner dari file dikonversi ke DNA, untaian DNA

tersebut disimpan dalam sebuah file baru yang berekstensi ‘.dna’. Selanjutnya

file dengan ekstensi ‘.dna’ tersebut dikompres dengan menggunakan perangkat

lunak GenCompress dan kemudian menghasilkan file dengan ekstensi ‘.GEN’.

Proses dekompresi merupakan kebalikan dari proses kompresi. Pada

tahap ini, file hasil kompresi yang berekstensi ‘.GEN’ didekompres menggunakan

perangkat lunak GenDecompress sehingga menghasilkan file dalam bentuk

DNA. Hasil dekompresi dari GenDecompress ternyata menghasilkan file dengan

ekstensi ‘.OUT’. Oleh sebab itu, file hasil dekompresi tersebut diubah menjadi

ekstensi ‘.dna’ dengan cara mengubah nama file tersebut.



Selanjutnya, file dalam bentuk DNA tersebut dikonversi menjadi bentuk

biner. Proses konversi ini mengubah ‘a’ menjadi 00, ‘c’ menjadi 01, ‘g’

menjadi 10 dan ‘t’ menjadi 11. Maka, empat karakter teks DNA diubah menjadi

8 bit kode biner. Sebagai contoh, DNA ‘cgag’, ketika diubah ke dalam bentuk

biner menjadi 01 10 00 10.

4.1 Konversi file ke DNA

Pada tahap ini, sejumlah sampel diambil secara acak kemudian

dikonversi ke dalam bentuk DNA. Berdasarkan proses konversi yang digunakan,

ukuran dari file yang menyimpan untaian DNA menjadi empat kali lipat lebih

besar daripada ukuran file yang asli, seperti yang telah dijelaskan pada

Landasan Teori.

Ukuran file dalam format DNA memiliki ukuran empat kali lebih besar dari

ukuran file semula. Hal ini disebabkan karena setiap 1 byte isi dari file asli diubah

menjadi 4 byte teks dalam format DNA. Proses konversi ke dalam format DNA ini

sangat dibutuhkan agar file tersebut dapat dikompres dengan menggunakan

teknik kompresi DNA GenCompress. GenCompress hanya dapat melakukan

kompresi jika isi dari file tersebut berupa untaian DNA.

4.2 Kompresi dengan menggunakan GenCompress

File DNA kemudian dikompres dengan menggunakan perangkat lunak

GenCompress. Hasil dari kompresi tersebut dapat dilihat pada Tabel 2.

Perhitungan GenCompress ratio pada Tabel 2 ditunjukkan pada Persamaan 1.

ilesizeOriginal_f

_filesizeCompressedn_ratioCompressio 1 .................................... (1)

Pada Persamaan 1, jika ukuran file hasil kompresi semakin kecil, maka

compression ratio-nya menjadi semakin lebih besar. Dari Tabel 2 terlihat bahwa

hasil GenCompress ratio menunjukkan hasil diatas 75%. Ini berarti bahwa file

DNA, yang ukurannya lebih besar empat kali lipat dari file asli, dapat dikompresi

sehingga ukuran file hasil kompresi lebih kecil dari file semula. Perbandingan

ukuran file asli dengan file hasil kompresi dapat dilihat pada Tabel 2.

Pada Tabel 2, perhitungan compression ratio tidak menggunakan rumus

Persamaan 1, tetapi menggunakan rumus seperti yang ditunjukkan pada

Persamaan 2.

ed_sizeUncompress

_sizeCompressedn_ratioCompressio ............................................. (2)



Pada Persamaan 2, jika ukuran file hasil kompresi semakin kecil, maka

compression ratio menjadi semakin lebih kecil. Compression ratio yang semakin

kecil menunjukkan bahwa kompresi tersebut semakin bagus. Berdasarkan hasil

pada Tabel 2, terlihat hasil kompresi untuk txt, exe dan pola dalam bmp

menunjukkan hasil yang baik dibanding file avi, wav dan gif.

Dalam melakukan kompresi ini, komputer yang digunakan hanya

membuka 2 (dua) buah aplikasi yaitu Command Prompt dan Microsoft Excel.

Command Prompt untuk menjalankan perintah kompresi sedangkan Microsoft

Excel untuk mencatat lamanya proses dan ukuran file hasil kompresi. Lamanya

proses kompresi selain dipengaruhi oleh ukuran file, juga dipengaruhi oleh isi

untaian DNA yang ada dalam file itu sendiri. Hal ini bisa dilihat pada file I7.bmp

dan I29.bmp. Walaupun keduanya memiliki ukuran file awal yang sama, tetapi

waktu yang diperlukan dalam proses kompresi terlihat berbeda jauh.

4.3 Dekompresi menggunakan GenCompress dan konversi file

Pada bagian ini, file hasil kompresi didekompres dan kemudian dikonversi

untuk menghasilkan file semula. Hasil dari proses ini adalah isi file yang sama

seperti pada saat sebelum dikompres dan lama proses dekompres dan konversi.

Hasil dari proses konversi dan dekompresi ditunjukkan pada Tabel 3.

Pada Tabel 3 terlihat bahwa sebagian besar file yang ada berhasil

didekompres dan menghasilkan suatu file yang sama seperti saat sebelum

dikompres. Waktu yang dibutuhkan untuk melakukan dekompresi terlihat lebih

cepat dari proses kompresi yaitu sekitar 3 detik. Akan tetapi untuk file exe,

proses dekompresinya tidak berhasil karena software GenDecompress

mengalami error ketika dijalankan.

4.4 Perbandingan hasil kompresi GenCompress dan WinRAR

Pada bagian ini, hasil kompresi dengan menggunakan GenCompress

dibandingkan dengan hasil kompresi dengan menggunakan WinRAR.

Berdasarkan Tabel 4, terlihat hasil kompresi file gif, avi, txt, dan sebagian gambar

pola dengan menggunakan GenCompress memiliki ukuran lebih kecil

dibandingkan dengan menggunakan WinRAR.

4.5 Pembahasan

Berdasarkan hasil yang diperoleh, teknik kompresi GenCompress terbukti

mampu untuk melakukan kompresi pada semua jenis file. Untuk dataset Brodatz,

file avi, sebagian besar txt dan beberapa pola dalam format bmp, terlihat hasil



kompresi GenCompress menunjukkan hasil yang lebih baik dari WinRAR.

Sedangkan untuk file exe, wav dan bmp, hasil kompresinya kurang baik.

Jika melihat hasil kompresi dari beberapa pola dalam format bmp, terlihat

beberapa sampel memiliki hasil yang baik sedangkan yang lainnya memiliki hasil

yang kurang baik. Sampel pola yang memiliki hasil kompresi yang lebih baik

daripada WinRAR ditunjukkan pada Gambar 2(a), sedangkan sampel pola yang

hasil kompresinya kurang baik pada Gambar 2(b). Untuk bentuk byte dalam

hexadesimal dari file tersebut ditunjukkan pada Gambar 3.

Di dalam Gambar 2(a), jumlah pixel dari setiap warna memiliki nilai yang

sama pada setiap barisnya. Oleh sebab itu, pada Gambar 3(a), byte penyusun

Gambar 2(a) juga menunjukkan adanya pola perulangan yang sama. Sedangkan

pada Gambar 2(b), jumlah pixel warna hitam dan putih berbeda setiap baris.

Pada byte penyusun Gambar 2(b) juta terlihat bahwa walaupun hanya terdiri dari

angka 00 dan 01, tetapi panjang setiap pengulangan tersebut memiliki jumlah

yang berbeda. Berdasarkan hasil tersebut maka dapat ditarik kesimpulan bahwa

untuk suatu pola pengulangan yang sama, GenCompress memberikan hasil

yang lebih baik dari WinRAR. Tapi sebaliknya, untuk pola pengulangan yang

tidak sama jumlahnya, WinRAR memberikan hasil yang lebih baik dari

GenCompress.

Gambar 2 Contoh sampel yang memiliki pengulangan

Pada pola pengulangan yang tidak teratur, WinRAR memberikan hasil

yang lebih baik dari GenCompress karena WinRAR menggunakan metode hibrid

yang berdasarkan pada teknik Lempel-Ziv-Storer–Szymanski (LZSS) dan

Prediction by partial matching (PPM). LZSS menggunakan dictionary method

sedangkan PPM menggunakan statistical method. Sedangkan, GenCompress

hanya menggunakan dictionary method yang berdasarkan pada teknik LZ77.

Maka, dapat disimpulkan bahwa untuk pengulangan yang tidak sama jumlahnya,

teknik kompresi WinRAR lebih baik karena WinRAR menggunakan metode hibrid



yang dapat mengkompres secara statistik. Akan tetapi untuk jumlah pengulangan

yang sama, teknik kompresi GenCompress lebih baik, karena semua untaian

DNA yang disimpan memiliki peluang yang sama.

Tabel 2 Hasil kompresi dengan menggunakan aplikasi GenCompress

Nama file Ukuran file asli (byte)

Ukuran file setelah

dikompresi (byte)

Lama kompresi

Gencompress ratio

Compress ratio

D18.gif 359.434 353.928 13 detik 75,375173% 98,468147%

D42.gif 350.969 341.822 14 detik 75,643433% 97,393787%

D66.gif 295.743 291.468 9 detik 75,351995% 98,554488%

D83.gif 366.538 360.509 14 detik 75,403642% 98,355150%

D109.gif 290.104 282.665 11 detik 75,631498% 97,435747%

I4.bmp 307.254 245.780 18 detik 80,001888% 79,992449%

I7.bmp 307.254 211.801 8 detik 82,766620% 68,933521%

I16.bmp 307.254 249.571 15 detik 79,693430% 81,226282%

I22.bmp 307.254 289.757 16 detik 76,423659% 94,305363%

I29.bmp 307.254 164.086 127 detik 86,648994% 53,404024%

W7.Wav 88.236 77.369 7 detik 78,078959% 87,684165%

W14.Wav 214.828 138.855 101 detik 83,841143% 64,635429%

W20.Wav 100.780 71.074 27 detik 82,369022% 70,523913%

W22.Wav 23.308 19.830 2 detik 78,730479% 85,078085%

W27.Wav 353.836 222.823 300 detik 84,256619% 62,973524%

A1.avi 177.288 160.305 68 detik 77,394832% 90,420671%

A6.avi 367.796 349.099 43 detik 76,270881% 94,916475%

A16.avi 554.584 536.214 41 detik 75,828098% 96,687607%

A22.avi 438.934 422.074 54 detik 75,960281% 96,158876%

A29.avi 337.342 323.590 39 detik 76,019144% 95,923425%

T1.txt 33 37 0 detik 71,969697% 112,121212%

T7.txt 754 361 0 detik 88,030504% 47,877984%

T16.txt 578 293 0 detik 87,326990% 50,692042%

T22.txt 319 185 0 detik 85,501567% 57,993730%

T30.txt 689 376 0 detik 86,357039% 54,571843%

E2.exe 15.663 5.676 7 detik 90,940433% 36,238269%

E13.exe 15.838 5.948 7 detik 90,611188% 37,555247%

E16.exe 16.632 6.188 7 detik 90,698653% 37,205387%

E23.exe 15.661 5.740 7 detik 90,837111% 36,651555%

E30.exe 15.691 5.827 6 detik 90,716016% 37,135938%

P2.bmp 11.078 56 4 detik 99,873623% 0,505506%

P10.bmp 11.078 827 3 detik 98,133688% 7,465246%

P26.bmp 11.078 109 1 detik 99,754017% 0,983932%

P27.bmp 11.078 7.094 1 detik 83,990793% 64,036830%

P28.bmp 11.078 6.411 2 detik 85,532136% 57,871457%



Tabel 3 Proses dekompresi dan konversi file

File hasil kompresi

Ukuran file kompres

Ukuran file output Lama Dekompres

D18.gif.GEN 353.928 359.434 3 detik

D42.gif.GEN 341.822 350.969 3 detik

D66.gif.GEN 291.468 295.743 2 detik

D83.gif.GEN 360.509 366.538 3 detik

D109.gif.GEN 282.665 290.104 2 detik

I4.bmp.GEN 245.780 307.254 1 detik

I7.bmp.GEN 211.801 307.254 1 detik

I16.bmp.GEN 249.571 307.254 2 detik

I22.bmp.GEN 289.757 307.254 2 detik

I29.bmp.GEN 164.086 307.254 1 detik

W7.Wav.GEN 77.369 88.236 0 detik

W14.Wav.GEN 138.855 214.828 1 detik

W20.Wav.GEN 71.074 100.780 0 detik

W22.Wav.GEN 19.830 23.308 0 detik

W27.Wav.GEN 222.823 353.836 1 detik

A1.avi.GEN 160.305 177.288 3 detik

A6.avi.GEN 349.099 367.796 3 detik

A16.avi.GEN 536.214 554.584 3 detik

A22.avi.GEN 422.074 438.934 3 detik

A29.avi.GEN 323.590 337.342 2 detik

T1.txt.GEN 37 33 0 detik





E2.exe.GEN 5.676 - -

E13.exe.GEN 5.948 - -

E16.exe.GEN 6.188 - -

E23.exe.GEN 5.740 - -

E30.exe.GEN 5.827 - -

P2.bmp.GEN 56 - -

P10.bmp.GEN 827 - -

P26.bmp.GEN 109 - -

P27.bmp.GEN 7.094 11.078 0 detik

P28.bmp.GEN 6.411 11.078 0 detik



Tabel 4 Perbandingan antara kompresi menggunakan GenCompress dan WinRAR

Nama file Compress ratio

GEN Compress ratio

RAR Selisih*

D18.gif 98,468147% 98,854310% 0,386163%

D42.gif 97,393787% 97,845964% 0,452177%

D66.gif 98,554488% 99,099894% 0,545406%

D83.gif 98,355150% 98,748288% 0,393138%

D109.gif 97,435747% 97,933155% 0,497408%

I4.bmp 79,992449% 44,353857% -35,638592%

I7.bmp 68,933521% 20,557910% -48,375611%

I16.bmp 81,226282% 40,951786% -40,274496%

I22.bmp 94,305363% 49,832386% -44,472977%

I29.bmp 53,404024% 30,809037% -22,594987%

W7.Wav 87,684165% 45,914366% -41,769799%

W14.Wav 64,635429% 27,475469% -37,159961%

W20.Wav 70,523913% 23,697162% -46,826751%

W22.Wav 85,078085% 29,457697% -55,620388%

W27.Wav 62,973524% 25,961180% -37,012345%

A1.avi 90,420671% 90,991494% 0,570823%

A6.avi 94,916475% 95,207126% 0,290650%

A16.avi 96,687607% 96,932836% 0,245229%

A22.avi 96,158876% 96,437961% 0,279085%

A29.avi 95,923425% 96,260768% 0,337343%

T1.txt 112,121212% 357,575758% 245,454545%

T7.txt 47,877984% 48,938992% 1,061008%

T16.txt 50,692042% 56,920415% 6,228374%

T22.txt 57,993730% 76,802508% 18,808777%

T30.txt 54,571843% 56,313498% 1,741655%

E2.exe 36,238269% 26,310413% -9,927856%

E13.exe 37,555247% 27,238288% -10,316959%

E16.exe 37,205387% 26,575277% -10,630110%

E23.exe 36,651555% 26,530873% -10,120682%

E30.exe 37,135938% 26,760563% -10,375375%

P2.bmp 0,505506% 1,281820% 0,776313%

P10.bmp 7,465246% 6,932659% -0,532587%

P26.bmp 0,983932% 1,679003% 0,695071%

P27.bmp 64,036830% 42,390323% -21,646507%

P28.bmp 57,871457% 37,037371% -20,834086%



Gambar 3 Isi dari Gambar 2 dalam bentuk hexadesimal

4.6 Masalah yang ditemui

Pada proses dekompresi, ada beberapa file hasil kompresi yang tidak

dapat didekompres oleh GenDecompress. Dan jika melihat data yang ada,

masalah tersebut terjadi pada file exe dan sebagian besar gambar pola yang

berformat bmp. Masalah yang ditemui terletak pada software dekompresi

GenDecompress dan bukan pada saat konversi DNA ke kode biner.

Kemungkinan besar masalah tersebut terjadi karena terdapat sejumlah

pengulangan yang cukup panjang pada isi file ketika dikompresi. Contoh

pengulangan yang cukup panjang, ditunjukkan pada Gambar 4.

Gambar 4 Isi dari file yang memiliki pengulangan yang cukup panjang

5. Kesimpulan

Setelah melakukan penelitian ini, maka dapat disimpulkan bahwa:

1. Proses konversi file media ke DNA terjadi dengan mengubah 00 menjadi

a, 01 menjadi c, 10 menjadi g, dan 11 menjadi t. Ketika diubah ke dalam

format DNA, ukuran file dalam format DNA menjadi 4 kali lebih besar dari

ukuran file asal.



2. Setelah melakukan konversi ke format DNA, semua file tersebut dapat

dikompres dengan menggunakan teknik kompresi DNA GenCompress.

Rasio kompresi dari GenCompress menunjukkan hasil lebih dari 75% dan

ukuran file hasil kompresi menjadi lebih kecil dari ukuran file sebelumnya.

3. Lama proses kompresi tidak hanya bergantung pada ukuran file, tetapi

juga bergantung pada isi dari file.

4. GenDecompress tidak berhasil mendekompresi file exe dan beberapa

pola gambar yang memiliki pengulangan cukup panjang pada isi file-nya.

5. GenCompress mampu untuk menghasilkan kompresi yang lebih baik

ketika file tersebut berisi pola pengulangan yang sama, sedangkan

WinRAR mampu untuk menghasilkan kompresi yang lebih baik ketika file

tersebut berisi pola pengulangan yang tidak sama jumlahnya.

Daftar Pustaka

Chen, X., Kwong, S. & Li, M., 1999. A Compression Algorithm for DNA Sequences and Its Applications in Genome Comparison. Genome Informatics, 10, pp. 51-61.

Chen, X., Li, M., Ma, B. & Tromp, J., 2002. DNACompress: Fast and Effective DNA Sequence Compression. Bioinformatics, 18(12), pp. 1696-1698.

Cherniavsky, N. & Ladner, R., 2004. Grammar-based Compression of DNA Sequences. Technical Report. Washington: University of Washington.

Church, G. M., Gao, Y. & Kosuri, S., 2012. Next-Generation Digital Information Storage in DNA. Science, 337(6102), pp. 1628-1628.

Grumbach, S. & Tahi, F., 1993. Compression of DNA Sequences. Proceeding. IEEE Data Compression Conference 1993 (DCC'93), pp. 340-350.

Grumbach, S. & Tahi, F, 1994. A New Challenge for Compression Algorithms: Genetic Sequences. Information Processing & Management, 30(6), pp. 875-886.

Nelson, M. & Gailly, J. L., 1995. The Data Compression Book. 2nd edition. New York: M & T Books.

KATA PENGANTAR - Jurnal Teknomatikateknomatika.stmikayani.ac.id/wp-content/uploads/2013/07/... · Kemudahan yang efeknya tentu akan meningkatkan kinerja dan produktivitas. ... masing

Documents