Institutional Repository | Satya Wacana Christian University: Analisis Pola Persebaran Promosi FTI UKSW untuk Menentukan Lokasi Promosi Terbaik

Analisis Pola Persebaran Promosi FTI UKSW untuk Menetukan

Lokasi Promosi Terbaik

Artikel Ilmiah

Diajukan kepada

Fakultas Teknologi Informasi

untuk memperoleh gelar Sarjana Sistem Informasi

Peneliti :

Albertha Ekaristi Verares (682013011)

Frederik Samuel Papilaya, S.Kom., M.Cs

Program Studi Sistem Informasi

Fakultas Teknologi Informasi

Universitas Kristen Satya Wacana

Salatiga

1. Pendahuluan

Dalam perkembangan teknologi yang sangat pesat, kebutuhan akan layanan penyedia informasi sangat penting. Banyak kegiatan didalam bidang pendidikan mulai memanfaatkan teknologi komputer, salah satunya dalam hal promosi. Promosi merupakan salah satu bagian dari rangkaian kegiatan pemasaran suatu barang atau jasa. Promosi adalah suatu kegiatan bidang marketing yang merupakan komunikasi yang dilaksanakan perusahaan kepada konsumen yang berisi pemberitaan sehingga dapat mempengaruhi konsumen untuk mengguanakan barang atau jasa yang ditawarkan.

Dalam melakukan promosi, perlu melihat faktor-faktor yang menjadi bagian penting bagi organisasi misalnya, pemilihan lokasi promosi dengan melihat faktor biaya, jarak, dan minat dari konsumen. Faktor-faktor tersebut perlu diolah sehingga menghasilkan suatu penyajian informasi yang dapat dijadikan rekomendasi untuk melakukan promosi berikutnya. Salah satu cara dalam penyajian informasi yaitu dalam bentuk visualisasi data yang berhubungan dengan kondisi geografis atau wilayah. Maka dari itu perencanaan spasial yang tepat sangat penting dalam menentukan lokasi promosi, yaitu dengan penerapan Sistem Informasi Geografis (SIG). Menurut hasil wawancara dengan staf biro promosi FTI dan staf promosi UKSW, sistem penentuan lokasi promosi yang saat ini dilakukan oleh FTI UKSW masih secara acak yaitu langsung memilih daerah yang akan dituju tanpa adanya pembandingan data dari daerah-daerah lain, sehingga penentuan lokasi promosi menjadi kurang maksimal, misalnya mengenai biaya promosi yang tidak sebanding dengan mahasiswa yang masuk ke FTI. Sedangkan promosi itu sendiri merupakan hal yang penting bagi keberlangsungan suatu organisasi.

Berdasarkan dari latar belakang yang ada maka dirumuskan masalah bagaimana menentukan lokasi promosi terbaik. Sehingga analisis ini bertujuan memberi pilihan lokasi promosi terbaik yang akan dilakukan oleh biro promosi FTI UKSW.

2. Kajian Pustaka

Pada penelitian yang lainnya dengan judul "Sistem Informasi Geografis untuk Analisis Persebaran Pelayanan Kesehatan di Kota Bengkulu", penelitian tersebut melihat persebaran pelayanan kesehatan dengan analisis tetangga terdekat sehingga dapat diketahui tingkatan pelayanan kesehatannya sudah tercukupi atau belum. Dalam penelitian tersebut disimpulkan bahwa pola persebaran pelayanan kesehatan di Kota Bengkulu yaitu pola tersebar merata (dispersed / pattern / uniform) dengan nilai indeks persebaran (T) adalah 1,74. Berdasarkan hasil analisis kecukupan sarana pelayanan kesehatan dinyatakan bahwa Kota Bengkulu hanya membutuhkan sekitar 15 saran pelayanan kesehatan, sedangkan sarana pelayanan kesehatan yang dimiliki saat ini adalah 32 (sarana pelayanan kesehatan lebih dari cukup) [2].

Penelitian ini digunakan untuk melihat persebaran lokasi promosi yang kemudian akan dijadikan sebagai alternatif lokasi untuk kegiatan promosi FTI berikutnya. Dalam penelitian ini menggunakan metode nearest neighbor untuk melihat pola persebaran lokasi. Pada penelitian ini, penentuan lokasi promosi tidak hanya dilihat dari jumlah mahasiswa yang mendaftar ulang, tetapi juga melihat lokasi promosi sebelumnya, jadi pihak biro promosi dapat mengetahui efektifitas promosi di suatu daerah yang dapat dijadikan pertimbangan untuk kegiatan promosi berikutnya.

Analisis Overlay (Overlay Analysis). Analisis overlay adalah sekelompok metodologi yang diterapkan pada pemilihan lokasi atau pemodelan kesesuaian yang optimal. Ini adalah teknik untuk menerapkan skala nilai yang sama ke input yang beragam dan berbeda untuk menciptakan analisis terpadu [3]. Pada ilustrasi di bawah ini, jalan logging (garis) dan jenis vegetasi (poligon) dilapisi untuk membuat kelas fitur baris baru. Garis telah terpecah di mana mereka berpotongan dengan poligon dan setiap fitur garis telah diberi atribut dari kedua lapisan asli. Garis diperlihatkan dilambangkan dengan tipe vegetasi yang telah terkait dengannya. Anda dapat menggunakan analisis overlay untuk menggabungkan karakteristik beberapa dataset menjadi satu. Kemudian dapat menemukan lokasi atau area tertentu yang memiliki seperangkat nilai atribut tertentu sesuai dengan kriteria yang ditentukan. Pendekatan ini sering digunakan untuk menemukan lokasi yang sesuai untuk pengunaan tertentu atau rentan terhadap beberapa risiko [4].

Analisis Statistik (Statistical Analysis). Analisis statistik dapat digunakan untuk membuat peta yang dapat dianalisis secara visual. Analisis Statistik membantu anda untuk mengolah informasi tambahan dari data GIS yang mungkin tidak begitu jelas hanya dengan melihat peta - informasi seperti bagaimana nilai atribut didistribusikan, kencenderungan spasial dalam data, menganalisis apakah fitur berupa pola spasial. Analisis statistik sering digunakan untuk mengeksplorasi data misalnya, untuk memeriksa distribusi nilai untuk atribut tertentu atau melihat outlier (nilai ekstrim tinggi atau rendah). Informasi ini berguna saat menentukan kelas dan rentang pada peta, saat mengklasifikasi ulang data, atau saat mencari kesalahan data. Pada contoh dibawah ini, statistik telah dihitung untuk pendistribusian lansia melalui saluran sensus di wilayah ini (persentase usia 65 dan lebih pada setiap saluran), termasuk mean dan standar deviasi, serta histogram yang menunjukkan distribusi nilai. Sebagian besar traktat memiliki persentase yang sangat tinggi [5].

Gambar 2. Statistical Analysis Summary [5].

Gambar 3. AverageNearest Neighbor Analysis Summary [6].

Buffer Analysis. Analisis ini berfungsi untuk membuat poligon penyangga disekitar fitur input ke jarak tertentu [7].

Gambar 4. Buffer Analysis Summary [7].

3. Metode Penelitian

Penelitian ini dilakukan di Biro Promosi FTI UKSW. Tahapan penelitian yang digunakan dalam penelitian ini adalah 1) identifikasi masalah, 2) pengumpulan data melalui metode wawancara, 3) pengolahan data, 4) analisa data, 5) hasil analisis.

Gambar 5.Tahapan Penelitian

Pada tahap kedua, pengumpulan data juga didapatkan dari hasil wawancara. Data yang diperoleh merupakan data primer dan data sekunder. Data primer adalah data yang diperoleh secara langsung dari sumbernya, yaitu mengenai aspek-aspek pengambilan keputusan untuk lokasi promosi FTI UKSW yang meliputi, 1) jumlah mahasiswa yang daftar ulang, 2) mengenai branding image FTI, yaitu memperkenalkan FTI agar semakin dikenal di daerah-daerah, 3) lokasi yang belum pernah dikunjungi atau perluasan wilayah promosi. Sedangkan data sekunder adalah data yang diperoleh dari penulis yang sudah jadi dan biasanya dalam bentuk buku, internet, jurnal yang berhubungan dengan penelitian ini, yaitu data tentang mahasiswa yang meliputi, 1) asal daerah mahasiswa, 2) asal sekolah mahasiswa, 3) program studi yang dipilih, 4) tahun admisi mahasiswa.

Pada tahap ketiga, melakukan pengolahan data menggunakan software ArcGIS 10.3. Pengolahan data yang dilakukan berupa koreksi geometri untuk menentukan sistem koordinat yang tepat. Sistem koordinat yang digunakan adalah

Indoensian_1974_UTM_Zone_54S. Kemudian melakukan digitasi untuk

memperoleh hasil data vektor berupa point lokasi asal daerah mahasiswa FTI yang melakukan daftar ulang dengan format shapefile (.shp), melakukan digitasi untuk memperoleh hasil data vektor berupa point untuk persebaran wilayah promosi untuk tahun admisi 2013-2016 dengan format shapefile (.shp). Data .shp ini adalah data yang akan digunakan untuk mengetahui pola persebaran promosi.

Pada tahap keempat, yaitu analisis data untuk menggambarkan persebaran lokasi asal mahasiswa FTI yang melakukan daftar ulang dan analisis data untuk persebaran lokasi promosi, menggunakan metode pendekatan kualitatif dan kuantitatif. Analisis data yang dilakukan merupakan analisis spasial dengan menggunakan software ArcGIS 10.3. Pengolahan peta dengan overlay untuk menampilkan peta Indonesia beserta pola persebaran lokasi asal daerah mahasiswa FTI yang melakukan daftar ulang dan lokasi promosi. Kemudian, analisis statistik dilakukan untuk memberikan informasi tambahan yang mungkin tidak dapat dilihat langsung melalui tampilan peta, yaitu mengenai jumlah dan gender mahasiswa yang melakukan registrasi ulang. Pendekatan kuantitatif dilakukan dengan menggunakan analisis tetangga terdekat (Average Nearest Neighbor Analysis) untuk menentukan dan menggambarkan pola persebaran lokasi asal mahasiswa yang melakukan registrasi ulang di FTI pada tahun akademik 2013-2016. Analisis ini menjelaskan pola persebaran yang memperhitungkan jumlah titik lokasi, jarak dan luas wilayah. Dari analisis ini akan diperoleh hasil akhir berupa indeks yang akan menunjukkan pola persebaran berupa tipe mengelompok, tipe seragam atau tipe acak. Kemudian menggunakan multiple ring buffer analysis untuk menentukan jangkauan jarak titik lokasi promosi dengan lokasi asal daerah mahasiswa yang melakukan registrasi ulang di FTI.

4. Hasil dan Pembahasan

Tabel 1 menjelaskan tentang hasil analisis pola spasial yang telah dilakukan mendapatkan 2393 mahasiswa yang melakukan registrasi ulang di FTI yang asal daerahnya tersebar di seluruh Indonesia pada tahun 2013-2016. Hasil analisis tetangga terdekat untuk persebaran asal daerah mahasiswa tahun 2013-2016 termasuk pada tipe pola mengelompok (clustered). Dari hasil analisis statistik, asal mahasiswa yang melakukan registrasi ulang tersebar di 213 kabupaten yang ada di Indonesia. Mulai tahun 2013-2016, jumlah mahasiswa yang relatif banyak yaitu dari daerah Semarang, Salatiga, Ambon, Boyolali, Jayapura, Bengkayang, Surakarta, Tana Toraja dan Kudus.

Tabel 1 10 Kabupaten dengan Mahasiswa Registrasi Ulang FTI Terbanyak Tahun 2013-2016 di Indonesia [8]

Melalui pengolahan peta yang meliputi hasil overlay analysis dengan proses menggabungkan peta, memodifikasi peta, digitasi point pada dataset sehingga menghasilkan output yang baru untuk melihat persebaran lokasi asal mahasiswa yang melakukan registrasi ulang pada tahun 2013-2016. Hasil overlay analysis dapat dilihat pada gambar 6.

Tabel 2 Hasil Nearest Neighbor Analysis Tahun 2013

Tabel 2 menjelaskan tentang nearest neighbor analysis yang menerangkan bahwa persebaran asal mahasiswa FTI pada tahun 2013 cenderung memiliki pola mengelompok (clustered). Hasil dari nearest neighbor analysis menunjukkan nilai z = -5.271728, nilai p = 0.00, nearest neighbor ratio = 0.718754, observed mean distance = 104556.8651 meters, expected mean distance = 145469.6290 meters.

Tabel 3 Hasil Nearest Neighbor Analysis Tahun 2014

Tabel 4 Hasil Nearest Neighbor Analysis Tahun 2015

Tabel 4 menjelaskan tentang nearest neighbor analysis yang menerangkan bahwa persebaran asal mahasiswa FTI pada tahun 2015 juga cenderung memiliki pola mengelompok (clustered). Hasil dari nearest neighbor analysis menunjukkan nilai z = -8.144242, nilai p = 0.00, nearest neighbor ratio = 0.572139, observed mean distance = 82642.9071 meters, expected mean distance = 144445.3836 meters.

Tabel 5 Hasil Nearest Neighbor Analysis Tahun 2016

A B

C D

Gambar 7. A. Hasil Nearest Neighbor Analysis Tahun2013, B. Hasil Nearest Neighbor Analysis Tahun2014, C. Hasil Nearest Neighbor Analysis Tahun2015,

D. Hasil Nearest Neighbor Analysis Tahun2016

Gambar 7 menjelaskan bahwa hasil nearest neighbor analysis untuk persebaran daerah asal mahasiswa yang melakukan registrasi ulang di FTI pada tahun 2013-2016. Gambar 7 A menggambarkan pola persebaran asal mahasiswa tahun admisi 2013 yang cenderung memiliki pola mengelompok (clustered). Gambar 7 B menggambarkan pola persebaran asal mahasiswa tahun admisi 2014 yang cenderung memiliki pola mengelompok (clustered). Gambar 7 C menggambarkan pola persebaran asal mahasiswa tahun admisi 2013 yang cenderung memiliki pola mengelompok (clustered). Gambar 7 D menggambarkan pola persebaran asal mahasiswa tahun admisi 2013 yang cenderung memiliki pola mengelompok (clustered). Hal ini ditunjukkan dengan hasil nilai berupa index masing-masing yang mendekati angka 0.

Gambar 8. Hasil Buffer Analysis Lokasi Promosi Tahun Admisi 2013-2016

Tabel 6 20 Tujuan Lokasi Promosi Menurut Jumlah Mahasiswa Registrasi Ulang Terbanyak Tahun Admisi 2013-2016

5. Simpulan

Berdasarkan penelitian ini, dapat disimpulkan bahwa nearest neighbor analysis dapat digunakan untuk menjelaskan pengelompokan dan pola persebaran, sehingga didapatkan hasil berupa pola mengelompok (clustered) pada persebaran lokasi daerah asal mahasiswa yang melakukan registrasi ulang di FTI pada tahun 2013-2016. Buffer analysis dapat digunakan untuk melihat daerah potensial promosi dengan jangkauan jarak yang sudah ditentukan yaitu 150 kilometer. Terdapat 70 lokasi daerah yang terjangkau oleh jarak buffer 150 kilometer dan yang termasuk 20 tujuan lokasi promosi terbaik berada pada daerah Semarang, Salatiga, Ambon, Surakarta, Temanggung, Kupang, Bandar Lampung, Ketapang, Jepara, Sukoharjo, Maluku Tengah, Pekalongan, Manado, Wonosobo, Cirebon, Bekasi, Makassar, Rembang, Tomohon dan Pemalang, yaitu dengan promosi yang telah dilakukan sebelumnya dan melihat respon mahasiswa yang melakukan daftar ulang di FTI jumlahnya tergolong relatif banyak.

Berdasarkan wawancara dari pihak biro promosi dan penelitian yang ini, saran untuk penelitian kedepan yaitu, perlunya analisis untuk memprediksi jarak kampus UKSW dengan lokasi promosi dan lokasi yang memiliki jumlah mahasiswa terbanyak yang melakukan registrasi ulang di FTI UKSW sehingga promosi yang dilakukan menjadi lebih efisien secara waktu dan biaya.

6. Daftar Pustaka

[1] Anggraini, Pratamaningtyas. 2013. Pengaruh Sebaran Lokasi Minimarket terhadap Jangkauan Pelayanan Pasar Tradisional di Kecamatan Banyumanik. Semarang : Biro Penerbit Planologi Undip, Volume 9 (1):97-109 Maret 2013.