PENERAPAN METODE SOCIOGRAM UNTUK VISUALISASI
KOLABORASI PENELITI PADA KOLEKSI IPBANA
BIMO SETYAWAN
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Penerapan Metode Sociogram untuk Visualisasi Kolaborasi Peneliti pada Koleksi IPBana adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir disertasi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.
Bogor, Juli 2013
Bimo Setyawan
ABSTRAK
Bimo Setyawan. Penerapan Metode Sociogram untuk Visualisasi Kolaborasi Peneliti pada Koleksi IPBana. Dibimbing oleh FIRMAN ARDIANSYAH dan BADOLLAHI MUSTAFA.
Institut Pertanian Bogor (IPB) telah banyak melakukan penelitian. Jumlah penelitian yang dilakukan oleh IPB setiap tahunnya cukup fluktuatif, namun secara keseluruhan jumlah penelitian IPB mengalami peningkatan. Sebagian besar penelitian tersebut melibatkan lebih dari satu orang peneliti baik peneliti IPB maupun peneliti dari instansi lain di luar IPB. Hingga saat ini informasi mengenai keterhubungan antarpeneliti tersebut hanya disajikan dalam bentuk tabel pada
website LPPM IPB. Penyajian dalam bentuk tabel dirasa kurang efektif sehingga diperlukan adanya visualisasi informasi mengenai keterhubungan antarpeneliti dalam penelitian IPB. Pada penelitian ini, dibuat sebuah visualisasi informasi keterhubungan peneliti dalam penelitian IPB berbasis web menggunakan data IPBana dan sistem kepegawaian IPB. Metode visualisasi yang digunakan dalam penelitian ini ialah metode Sociogram. Keterhubungan antarpeneliti dimodelkan dalam sebuah graf yang menghubungkan 2 buah entitas peneliti (node) melalui sebuah penelitian (edge). Visualisasi tersebut dapat dilihat hingga 3 level keterhubungan. Peneliti IPB dimodelkan dengan sebuah node berwarna biru, sedangkan peneliti eksternal dimodelkan dengan sebuah node berwarna hijau. Penelitian dimodelkan dengan sebuah edge berwarna merah. Ukuran node
berbanding lurus dengan jumlah penelitian, sedangkan ukuran edge berbanding lurus dengan jumlah kolaborasi.
Kata kunci : Institut Pertanian Bogor, Sociogram, Visualisasi Informasi
ABSTRACT
Bimo Setyawan. Applying Sociogram Method for Visualization of Researcher Colaboration on IPBana Collection. Supervised by FIRMAN ARDIANSYAH and BADOLLAHI MUSTAFA.
modeled with a red edge. Node size was made proportional to the amount of research, whereas the size of the edge is directly proportional to the amount of collaboration.
Skripsi
sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer pada
Departemen Ilmu Komputer
PENERAPAN METODE SOCIOGRAM UNTUK VISUALISASI
KOLABORASI PENELITI PADA KOLEKSI IPBANA
BIMO SETYAWAN
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Penguji :
Judul Skripsi : Penerapan Metode Sociogram untuk Visualisasi Kolaborasi Peneliti pada Koleksi IPBana
Nama : Bimo Setyawan NIM : G64090050
Disetujui oleh
Firman Ardiansyah, SKom MSi Pembimbing I
Drs Badollahi Mustafa, MLib Pembimbing II
Diketahui oleh
Dr Ir Agus Buono, MSi MKom Ketua Departemen
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Desember 2012 ini ialah visualisasi informasi, dengan judul Penerapan Metode Sociogram untuk Visualisasi Kolaborasi Peneliti pada Koleksi IPBana.
Terima kasih penulis ucapkan kepada ayah, ibu, serta seluruh keluarga atas segala doa dan kasih sayangnya. Ungkapan terimakasih juga disampaikan kepada Bapak Firman Ardiansyah, SKom MSi dan Bapak Drs Badollahi Mustafa, MLib selaku pembimbing, serta Ibu Dr Yani Nurhadryani dan Bapak Auzi Asfarian, SKom yang telah bayak memberi saran. Disamping itu, penulis juga mengucapkan terimakasih kepada Srividola Wulandari, Chusnul Arifin Rasuandar, Fahri Amirullah, Nadya Elsanoviany Putri, Riandi Angga Permana, dan teman-teman ilmu komputer angkatan 46 yang selalu memberikan semangat dan dukungannya.
Semoga karya ilmiah ini bermanfaat.
Bogor, Juli 2013
DAFTAR ISI
DAFTAR TABEL vii
DAFTAR GAMBAR vii
DAFTAR LAMPIRAN vii
PENDAHULUAN 1
Latar Belakang 1
Perumusan Masalah 2
Tujuan Penelitian 2
Ruang Lingkup Penelitian 2
METODE 3
Tahapan Penelitian 3
Data 3
Data Transformation 4
Analytical Abstraction 4
Visualization Transformation 4
Visualization Abstraction 4
Visualization Mapping Transformation 5
View 5
Pengujian Sistem 5
Spesifikasi Perangkat Lunak dan Perangkat Keras 6
HASIL DAN PEMBAHASAN 7
Data 7
Data Transformation 10
Analytical Abstraction 11
Visualization Transformation 11
Visualization Abstraction 11
Visualization Mapping Transformation 12
View 15
Pengujian Sistem 16
LAMPIRAN 19
DAFTAR TABEL
1 Data peneliti anggota sebelum dipisahkan dan setelah dipisahkan 9 2 Contoh data IPBana sebelum praproses dan setelah praproses 9
3 Contoh indeks nama peneliti dan penelitian 11
4 Contoh tabel kolaborasi peneliti berserta nomor penelitian dan subjek
penelitian 12
5 Warna yang merepresentasikan kerja tim (Kuno 2004) 14
DAFTAR GAMBAR
1 Tahapan penelitian 3
2 Perbandingan jumlah data lengkap dan data tak lengkap 7 3 Contoh metadata koleksi IPBana dalam aplikasi Winisis 7 4 Perbandingan jumlah penelitian yang dilakukan secara berkolaborasi
dengan penelitian yang dilakukan secara individu pada data tak
lengkap 8
5 Perbandingan jumlah penelitian yang dilakukan secara berkolaborasi dengan penelitian yang dilakukan secara individu pada data lengkap 8
6 Visualisasi peneliti tanpa leveling 13
7 Perbedaan warna dapat diidentifikasi dengan mudah 14
8 Halaman web visualisasi peneliti 15
9 Visualisasi pola keterhubungan antar peneliti dalam sebuah subjek
penelitian 16
10 Visualisasi tanpa legenda 16
DAFTAR LAMPIRAN
PENDAHULUAN
Latar Belakang
IPBana adalah koleksi yang mencakup publikasi ilmiah IPB baik yang ditulis oleh perorangan maupun atas nama institusi IPB. Koleksi IPBana terdiri atas beberapa jenis karya yaitu buku (termasuk diktat, buku rujukan, prosiding), makalah, artikel, laporan, dan laporan penelitian.
Koleksi IPBana terdiri atas beberapa atribut. Salah satunya ialah atribut subjek penelitian. Subjek penelitian merupakan sebuah unit analisis yang menjadi pusat perhatian dalam sebuah penelitian. Berdasarkan subjek penelitian dapat dilakukan justifikasi mengenai titik ketertarikan seorang peneliti (Arikunto 2010).
Berdasarkan koleksi IPBana yang dihimpun dari perpustakaan LSI IPB, terdapat 3323 karya sejak tahun 1965 hingga tahun 2008. Koleksi IPBana hanyalah sebagian kecil dari data penelitian IPB yang terekam. Beberapa penelitian tersebut melibatkan lebih dari 1 orang peneliti, baik peneliti IPB maupun peneliti dari instansi lain di luar IPB.
Dalam koleksi IPBana terdapat 773 peneliti IPB, sedangkan berdasarkan data yang dihimpun dari Sistem Kepegawaian IPB (Simpeg) terdapat 2199 dosen tetap IPB. Berdasarkan data tersebut dapat dianalisis lebih lanjut informasi mengenai dosen tetap IPB yang aktif melakukan penelitian. Penelitian dan pengembangan merupakan salah satu fungsi dari tridharma perguruan tinggi. Oleh karena itu, diperlukan informasi mengenai produktivitas penelitian yang dilakukan oleh setiap peneliti.
Hingga saat ini informasi mengenai penelitian dan keterhubungan antarpeneliti hanya disajikan dalam bentuk tabel. Penyajian informasi dalam bentuk tabel kurang efektif karena seseorang cenderung tertarik pada struktur, fitur, pola, tren, anomali, dan keterhubungan pada sekumpulan data. Visualisasi mendukung hal tersebut dengan merepresentasikan data dalam beberapa bentuk dengan interaksi yang berbeda (Grinstein dan Warad 2002). Oleh sebab itu, dibutuhkan adanya visualisasi informasi mengenai keterhubungan antarpeneliti dalam penelitian IPB. Selain itu, dengan visualisasi, produktivitas seorang peneliti dapat terlihat dengan mudah.
Kolaborasi peneliti merupakan sebuah jejaring sosial. Berdasarkan Huang et al. (2006), jejaring sosial merupakan kumpulan aktor seperti manusia, organisasi, atau entitas sosial lainnya. Jejaring sosial dapat dimodelkan dengan menggunakan Sociogram. Metode ini dapat memodelkan jejaring sosial dengan menggunakan
node dan edge. Node digunakan untuk memodelkan aktor, sedangkan edge
digunakan untuk memodelkan hubungan antaraktor. Keterhubungan antaraktor mengindikasikan mereka memiliki hubungan sosial tertentu. Sociogram telah banyak digunakan untuk membantu mengeksplorasi dan memahami jejaring sosial (Huang et al. 2006).
2
Perumusan Masalah
Setiap peneliti yang terlibat di dalam sebuah penelitian dapat dibentuk visualisasi yang menghubungkan antara peneliti satu dengan peneliti lainnya serta keterhubungannya dengan subjek penelitian. Dengan demikian muncul pertanyaan sebagai berikut:
1 Bagaimana visualisasi kolaborasi peneliti dalam domain IPB dan peneliti lintas instansi?
2 Bagaimana visualisasi kolaborasi peneliti dalam sebuah subjek penelitian? 3 Bagaimana visualisasi keterhubungan peneliti dengan subjek penelitian? 4 Bagaimana visualisasi jumlah penelitian yang dilakukan oleh setiap peneliti? 5 Bagaimana visualisasi hubungan kedekatan antara peneliti satu dan peneliti
lainnya?
6 Bagaimana visualisasi hubungan kedekatan antara seorang peneliti dan sebuah subjek penelitian?
Tujuan Penelitian
Tujuan dari penelitian ini ialah:
1 Memvisualisasikan kolaborasi peneliti dalam domain IPB dan peneliti lintas instansi.
2 Memvisualisasikan kolaborasi peneliti dalam sebuah subjek penelitian. 3 Memvisualisasikan keterhubungan peneliti dengan subjek penelitian. 4 Memvisualisasikan jumlah penelitian yang dilakukan oleh setiap peneliti. 5 Memvisualisasikan hubungan kedekatan antara peneliti satu dan peneliti
lainnya.
6 Memvisualisasikan hubungan kedekatan antara seorang peneliti dan sebuah subjek penelitian.
Ruang Lingkup Penelitian
Ruang lingkup penelitian ini yaitu:
1 Data penelitian yang digunakan dalam penelitian ini ialah kumpulan data IPBana dan data Sistem Kepegawaian (Simpeg) IPB.
2 Visualisasi hanya untuk data penelitian dosen IPB yang dilakukan secara berkolaborasi.
3 Tidak terdapat perbedaan bobot produktivitas peneliti utama dan peneliti anggota.
4 Pengguna hanya dapat melakukan pencarian berdasarkan nama peneliti dan subjek penelitian yang terdapat dalam database.
3
METODE
Tahapan Penelitian
Secara umum, metode yang digunakan dalam penelitian ini mengacu pada
framework yang telah dibuat oleh Chi pada tahun 1999. Metode yang digunakan terdiri atas tahap Data, Data Transformation, Analytical Abstraction,
Visualization Transformation, Visualization Abstraction, Visual Mapping Transformation, dan View (Chi 1999). Selanjutnya, dilakukan pengujian sistem dengan menggunakan Nielsen’s heuristic evaluation (Nielsen 1995). Alur tahapan penelitian dapat dilihat pada Gambar 1.
Data
Data yang digunakan dalam penelitian ini ialah koleksi IPBana. Data tersebut diperoleh dari Perpustakaan IPB berupa database CDS/ISIS. CDS/ISIS atau Winisis merupakan sebuah aplikasi database yang secara khusus dibuat untuk perpustakaan, pusat-pusat informasi dan dokumentasi serta kearsipan (Mustafa 2005). Selain itu, pada penelitian ini juga digunakan data Simpeg IPB yang bersumber dari Direktorat Sumber Daya Manusia (SDM) IPB.
Setelah data diakuisisi, selanjutnya koleksi IPBana diubah ke format CSV untuk mempermudah praproses data. Praproses data dilakukan untuk menghilangkan data yang tidak lengkap, mengurangi kesalahan pengetikan nama, dan mengurangi kesalahan pengejaan nama. Data Simpeg IPB digunakan sebagai
4
acuan pegejaan nama untuk peneliti IPB. Algoritme jarak Levenshtein digunakan untuk mencocokkan nama peneliti pada koleksi IPBana dan Simpeg IPB.
Algoritme jarak Levenshtein akan mencocokkan pengejaan nama peneliti pada data IPBana dengan nama peneliti pada data Simpeg IPB. Setiap nama pada data IPBana akan dikombinasikan dengan seluruh nama yang terdapat pada data Simpeg IPB. Kode ASCII untuk setiap karakter pada data IPBana akan dicocokkan dengan kode ASCII setiap karakter pada sebuah nama acuan yang sedang diperiksa. Selanjutnya nama peneliti pada data IPBana akan diganti dengan nama pegawai pada data acuan yang memiliki jarak Levenshtein terkecil.
Data Transformation
Data transformation merupakan proses untuk memperoleh bentuk data
analytical abstraction. Bentuk data tersebut dapat diperoleh dengan melakukan ekstraksi data. Proses ekstraksi dilakukan dengan membuat indeks nama peneliti dan nomor penelitian yang dilakukan oleh setiap peneliti. Proses tersebut diawali dengan melakukan seleksi nama peneliti yang terdapat dalam laporan penelitian pada koleksi IPBana. Setelah diperoleh daftar nama seluruh peneliti, dicari nomor penelitian yang pernah dilakukan oleh masing-masing peneliti. Pencarian nomor penelitian tidak dibatasi pada posisi peneliti sebagai peneliti utama atau peneliti anggota.
Analytical Abstraction
Pada tahap ini, diperoleh tabel indeks penelitian. Hingga tahap ini, data tersebut belum dapat digunakan untuk melakukan proses mapping. Hal tersebut disebabkan indeks nama peneliti belum memuat pola kolaborasi.
Visualization Transformation
Bentuk data pada analytical abstraction akan dimampatkan ke dalam bentuk
visualization transformation yang telah siap untuk dilakukan visualisasi. Pada tahap ini akan dibentuk pola kolaborasi berupa tabel keterhubungan antarpeneliti. Pola kolaborasi dibentuk dengan cara mengelompokkan nama peneliti yang pernah terlibat dalam sebuah penelitian. Pada tabel tersebut juga disimpan subjek penelitian dan tahun penelitian.
Visualization Abstraction
5 Visualization Mapping Transformation
Pada tahap ini, model data yang diperoleh pada tahap visualization transformation akan diimplementasikan ke dalam sebuah aplikasi komputer dengan menggunakan teknik visualisasi yang diperoleh pada tahap visualization abstraction. Pengimplementasian teknik tersebut dilakukan dengan menggunakan bahasa pemrograman (PHP) dan JavaScript.
View
Pada tahap ini diperoleh produk akhir dari visualization mapping transformation berupa web visualisasi kolaborasi peneliti. Pada web tersebut, pengguna dapat melakukan interaksi terhadap hasil visualisasi seperti zooming
dan panning.
Pengujian Sistem
Pengujian sistem dilakukan pada tanggal 30 Mei 2013 oleh staf perpustakaan LSI IPB dengan menggunakan Nielsen’s heuristic evaluation
(Nielsen 1995). Teknik ini digunakan karena pengujian dengan menggunakan Nielsen’s heuristic evaluation mudah untuk dilakukan, relatif murah, tidak membutuhkan waktu lama, dan dapat mengidentifikasi banyak masalah (Galitz 2007). Aspek yang dinilai dengan menggunakan pengujian ini ialah :
1 Visibility of system status
Memberikan umpan balik kepada pengguna mengenai status sistem. Sebagai contoh jika sistem melakukan suatu proses yang membuuhkan waktu cukup lama untuk menampilkan hasil, ditampilkan sebuah progress bar sebagai umpan balik terhadap interaksi pengguna.
2 Match between system and real world
Tata bahasa dan desain yang digunakan harus sesuai dengan karakteristik pengguna, misalnya untuk sistem dengan pengguna anak-anak, tata bahasa dan desain yang digunakan harus sesuai dengan usianya.
3 User control and freedom
Memberikan kemudahan dan kebebasan bagi pengguna dalam berinterakasi dengan sistem, misalnya meyediakan fungsi undo dan redo.
4 Consistency and standards
Penggunaan ikon dan pesan error harus konsisten dan familiar dengan pengguna, misalnya penggunaan ikon gunting untuk fungsi cut.
5 Error prevention
6
data, sistem harus dapat menampilkan pesan konformasi sebelum melakukan proses tersebut.
6 Recognition rather than recall
Sistem tidak ‘memaksa’ pengguna untuk mengingat informasi yang telah diberikan pada tahap sebelumnya, misalnya dalam form registrasi pengguna salah mengetikkan captcha, pengguna tidak diharuskan mengetikkan kembali informasi yang dibutuhkan dalam pengisian form tersebut.
7 Flexibility and efficiency of use
Sistem dapat mengakomodasi pengguna ahli dan pemula, misalnya dengan memberikan shortcut command kepada pengguna ahli seperti shortcut command Alt+F4 untuk keluar aplikasi.
8 Aesthetic and minimalist design
Desain yang digunakan tidak menyulitkan pengguna dalam mengakuisisi informasi, misalnya warna latar yang kurang kontras dengan warna tulisan. 9 Help users recognize, diagnose and recover from errors
Sistem dapat menampilkan pesan error dan memberitahukan kepada pengguna tahapan yang benar.
10 Help and documentation
Terdapat menu bantuan yang berisi tahapan cara penggunaan sistem.
Pengujian sistem dilakukan dengan memberikan serangkaian skenario sistem kepada penguji. Waktu yang dibutuhkan oleh penguji untuk menyelesaikan sebuah tugas akan dicatat untuk mengetahui tingkat kesulitan dalam penggunaan aplikasi. Setelah itu, penguji diberikan sebuah form penilaian berdasarkan Nielsen’s heuristic evaluation.
Spesifikasi Perangkat Lunak dan Perangkat Keras
Perangkat lunak yang digunakan dalam penelitian ini meliputi:
Sistem Operasi Microsoft Windows 8 Professional 64-bit untuk menjalankan IDE Visual Studio Ultimate 2012,
Sistem Operasi Microsoft Windows 7 Professional 32-bit untuk menjalankan aplikasi CDS/ISIS,
Winisis 1.5 UNESCO 2003 build 3 untuk akuisisi data,
DBMS MySQL versi 5.5.8 untuk pengolahan data,
XAMPP versi 1.7.4 untuk menjalankan server lokal,
CodeBlocks Release 12.11 rev 8629 sebagai IDE untuk mengembangkan aplikasi praproses dengan menggunakan bahasa pemrograman C,
7
Google Chrome Browser versi 29.0.1546.0 canary untuk menampilkan visualisasi kolaborasi peneliti berbasis web.
HASIL DAN PEMBAHASAN
Data
Data IPBana terdiri atas 33 atribut dan 3323 record dalam rentang tahun 1965-2008 (Lampiran 1), sedangkan data Simpeg IPB terdiri atas banyak atribut dengan tingkatan hak akses yang berbeda-beda. Atribut yang digunakan dalam penelitian ini ialah nama pegawai tetap IPB. Data Simpeg IPB digunakan sebagai format acuan pengejaan nama peneliti. Koleksi IPBana dalam database CDS/ISIS dapat dilihat padaGambar 2.
Data IPBana pada Winisis selanjutnyadiubah ke dalam format CSV. Tidak semua atribut pada data IPBana akan digunakan dalam penelitian ini. Atribut yang digunakan hanya atribut peneliti utama, peneliti anggota, judul penelitian, dan entri tambahan subjek. Pada data tersebut ditemukan adanya data yang tidak lengkap. Perbandingan jumlah data lengkap dan data tak lengkap dapat dilihat pada Gambar 3.
Gambar 3 Contoh metadata koleksi IPBana dalam aplikasi Winisis
Gambar 2 Perbandingan jumlah data lengkap dan data tak lengkap Data tak lengkap
1273 (38%)
Data lengkap 2050 (62%)
Gambar 2 Contoh metadata koleksi IPBana dalam aplikasi Winisis
8
Ketidaklengkapan data dapat disebabkan oleh operator yang hanya mengisi atribut badan pemilik tanpa mengisi atribut peneliti utama. Pada data tak lengkap, terdapat 172 penelitian yang tidak memiliki atribut peneliti utama, namun memiliki atribut peneliti anggota lebih dari 1 orang (kolaborasi). Hal tersebut dapat dilihat pada Gambar 4.
Penelitian yang dilakukan secara berkolaborasi pada data lengkap berjumlah 829 data. Perbandingan antara jumlah penelitian yang dilakukan secara berkolaborasi dan individu pada data lengkap dapat dilihat pada Gambar 5. Dengan demikian pada penelitian ini digunakan 1001 data kolaborasi dengan 172 data bersumber dari data tak lengkap dan 829 data bersumber dari data lengkap.
Setelah dilakukan konversi dari database CDS/ISIS ke dokumen CSV, seluruh nama peneliti anggota pada koleksi IPBana berada pada 1 kolom dokumen CSV. Hal ini akan menyulitkan dalam melakukan tahapan penelitian selanjutnya, namun ditemukan adanya simbol ‘^a’ di setiap awal penulisan nama seperti pada Tabel 1 kolom peneliti anggota. Simbol ‘^a’ merupakan tag atau sub field pada
database CDS/ISIS yang digunakan sebagai kode sub-atribut. Pada kondisi ini, simbol ‘^a’ dapat digunakan sebagai penciri transisi nama seorang anggota ke anggota lain.
Untuk memudahkan pemrosesan data ke tahap berikutnya, perlu dilakukan pemisahan antarnama peneliti anggota. Sebelumnya, dilakukan penghilangan karakter koma dan titik pada atribut nama peneliti utama dan nama peneliti anggota. Selanjutnya penulisan nama peneliti diubah menjadi lower case,
Gambar 4 Perbandingan jumlah penelitian yang dilakukan secara berkolaborasi dengan penelitian yang dilakukan secara individu pada data tak lengkap
Gambar 5 Perbandingan jumlah penelitian yang dilakukan secara berkolaborasi dengan penelitian yang dilakukan secara individu pada data lengkap
9 kemudian dilakukan pemisahan atribut nama peneliti anggota. Pengubahan penulisan nama dan pemisahan nama tersebut dilakukan dengan program yang dibuat dengan menggunakan bahasa pemrograman C. Hal ini ditujukan untuk mengurangi kemungkinan kesalahan pengetikan dan inkonsistensi format pengetikan. Pada program tersebut dilakukan pengecekan setiap karakter pada atribut nama peneliti anggota. Jika ditemukan simbol ‘^a’, maka dilakukan pemisahan atribut. Hasilnya dapat dilihat pada Tabel 1.
Tabel 1 Data peneliti anggota sebelum dipisahkan dan setelah dipisahkan Peneliti Anggota Peneliti
Setelah peneliti anggota terpisah menjadi beberapa atribut, terlihat adanya pengejaan nama yang tidak sesuai dengan format acuan. Kesalahan format pada penulisan nama dapat disebabkan oleh 2 faktor. Faktor pertama ialah kesalahan pengetikan yang dilakukan oleh petugas saat melakukan input data, sehingga terjadi inkonsistensi penulisan nama. Faktor berikutnya adalah kesalahan format yang disebabkan oleh sub-atribut Winisis yang tidak terkonversi seluruhnya. Kesalahan yang terjadi pada faktor pertama berupa pembalikan nama peneliti dengan format [nama belakang, nama depan] pada beberapa record data. Selain itu, pada beberapa record terdapat kata (tr), [tr], (editor), dan (ed) pada akhir penulisan nama peneliti. Kesalahan yang disebabkan oleh faktor kedua ialah terdapat karakter ‘^a’ di setiap akhir nama peneliti anggota selain peneliti anggota terakhir.
Tahap berikutnya ialah penyesuaian format pengetikan pada data IPBana dengan data Simpeg IPB. Penyesuaian format ini dilakukan menggunakan program yang dibuat dengan bahasa pemrograman C. Hasilnya dapat dilihat pada Tabel 2.
Setelah dilakukan praproses data, diperoleh data IPBana dengan format pengetikan mendekati format pengetikan pada data Simpeg IPB. Namun, praproses data tersebut belum dapat mengkoreksi kesalahan pengejaan. Pada data
Tabel 2 Contoh data IPBana sebelum praproses dan setelah praproses Sebelum Praproses Setelah Praproses
darwis aaziz^a darwis aaziz
agil mohamad^a agil mohamad
10
tersebut masih dijumpai kesalahan pengejaan nama seperti peneliti “abdullah kamarsuddin” dan “abdullah kamaruddin”. Kedua nama tersebut sebenarnya dimiliki oleh seorang peneliti yang sama sehingga digunakan algoritme jarak Levenshtein untuk mengoreksi kesalahan pengejaan nama peneliti.
Pada penelitian ini diberikan sebuah threshold jarak minimal untuk mengganti nama peneliti pada data IPBana dengan nama peneliti pada data Simpeg IPB. Hal tersebut diperlukan untuk meminimalisir kesalahan pencocokan nama. Selain itu, thresholding juga digunakan untuk menentukan domain peneliti. Jika jarak terkecil berada pada threshold yang ditentukan maka peneliti tersebut dapat dikatakan berada pada domain IPB. Sebaliknya, jika minimum jarak yang diperoleh melebihi threshold yang ditentukan maka peneliti tersebut dapat dinyatakan sebagai peneliti eksternal (bukan berasal dari domain IPB).
Penentuan threshold dilakukan dengan cara trial and error. Awalnya proses sinkronisasi dilakukan dengan menggunakan nilai 5 sebagai threshold. Namun, terdapat banyak kesalahan pencocokan nama peneliti, contohnya nama “siswandi” dikenali sebagai “sugiardi” dan “iswandi anas” dikenali sebagai “anggorodi”. Hal yang sama terjadi untuk nilai threshold 4, sehingga digunakan nilai 3 sebagai
threshold. Nilai 1 dan 2 tidak diperhitungkan sebagai threshold karena hal ini akan mengakibatkan peningkatan jumlah kesalahan pecocokan nama.
Seorang peneliti eksternal akan ditambahkan simbol ‘[E]’ di bagian akhir nama peneliti untuk menandakan bahwa peneliti tersebut bukan berasal dari domain IPB. Jika seorang peneliti dinyatakan sebagai peneliti dalam domain IPB, pengejaan nama peneliti yang digunakan adalah pengejaan nama peneliti pada data sistem kepegawaian IPB.
Data Transformation
Data IPBana yang telah disinkronisasi dengan data simpeg IPB kemudian diindeks untuk memudahkan dalam menemukan pola kolaborasi antarpeneliti. Sebelumnya seluruh data dalam dokumen CSV dimasukkan ke dalam DBMS MySQL. Selanjutnya setiap judul penelitian diberikan nomor penelitian mulai dari 1 hingga 1001 secara incremental. Setiap nama peneliti dipasangkan dengan nomor penelitian yang dilakukan. Proses pembuatan indeks dilakukan dengan menggunakan bahasa pemrograman PHP untuk memperoleh indeks nama peneliti dan nomor penelitian dapat dilihat pada kode berikut:
var q_nama,q_peneliti,q_penelitian; Array nama_peneliti,peneliti,penelitian;
q_nama = query(SELECT, (Peneliti1,Peneliti2,...,Peneliti9)); foreach q_nama as nama_peneliti {
if(nama_peneliti!=null) {
query(INSERT,peneliti(nama_peneliti)); }
}
q_peneliti = query(SELECT DISTINCT, (nama_peneliti)); foreach q_peneliti as peneliti {
q_penelitian = query(SELECT, Nomor_penelitian(peneliti)); foreach q_penelitian as penelitian{
query(INSERT, index(peneliti,penelitian)) }
11 Analytical Abstraction
Pada tahap ini diperoleh hasil indexing yang dilakukan pada tahap Data Transformation. Hasilnyaberupa sebuah tabel indeks nama peneliti dan penelitian yang dilakukan. Indeks tersebut dapat dilihat pada Tabel 3. Berdasarkan tabel indeks dapat ditentukan jumlah penelitian yang dilakukan oleh setiap peneliti dengan cara melakukan kueri SELECT peneliti, count(nomor_penelitian) FROM
indeks GROUP BY peneliti. Jumlah penelitian terbanyak dimiliki oleh peneliti “fg
winarno” dan “dedi fardiaz” yaitu sebesar 14 penelitian. Di sisi lain, terdapat 1040 peneliti yang hanya melakukan 1 kali penelitian secara berkolaborasi, 411 di antaranya merupakan peneliti IPB.
Visualization Transformation
Selanjutnya, dibuat pola kolaborasi dengan atribut pasangan nama peneliti dan nomor penelitian yang dilakukan oleh kedua peneliti tersebut. Pola kolaborasi dibuat dengan menggunakan bahasa pemrograman PHP. Algoritme pembuatan pola kolaborasi dapat dilihat pada kode berikut:
var q_peneliti, q_penelitian, q_coAuthor; Array peneliti, penelitian, coAuthor, subjek;
q_peneliti = query(SELECT, nama_peneliti); foreach q_peneliti as peneliti {
q_penelitian = query(SELECT, penelitian(peneliti)); foreach q_penelitian as penelitian {
q_coAuthor = query(SELECT,Peneliti1,...,Peneliti9, subjek(penelitian)) foreach q_coAuthor as coAuthor {
if((coAuthor!=NULL) and (coAuthor!=peneliti)) {
query(INSERT, (peneliti, coAuthor, penelitian, subjek)); }
} } }
Visualization Abstraction
Pada tahap ini diperoleh tabel kolaborasi antarpeneliti. Hasilnya dapat dilihat pada Tabel 4. Tabel ini berisi pola keterhubungan antarpeneliti dengan nomor penelitian dan subjek penelitian. Berdasarkan tabel tersebut dapat
12
diperoleh jumlah kolaborasi antarpeneliti dengan cara melakukan kueri SELECT peneliti_1,peneliti_2,COUNT (nomor_penelitian) FROM kolaborasi GROUP BY
peneliti_1,peneliti_2. Jumlah kolaborasi terbanyak dimiliki oleh peneliti “fg
winarno” dengan “dedi fardiaz”, “maman duldjaman” dengan “nana sugana”, dan “fg winarno” dengan “srikandi fardiaz” yaitu sebesar 6 kali kolaborasi.
Visualization Mapping Transformation
Berdasarkan data yang diperoleh, dapat dibentuk visualisasi untuk memodelkan jumlah penelitian seorang peneliti, tingkat kolaborasi antarpeneliti, dan domain peneliti. Berdasarkan Mackinlay’s guidance, data kualitatif dapat direpresentasikan dengan menggunakan posisi, panjang, sudut, kemiringan, area, volume, kepadatan, dan bentuk (Spence 2001). Jumlah penelitian dan tingkat kolaborasi merupakan variabel bertipe kuantitatif. Dalam penelitian ini, jumlah penelitian direpresentasikan dengan area node, sedangkan tingkat kolaborasi direpresentasikan dengan area edge. Data kategorikal dapat direpresentasikan dengan menggunakan posisi, corak warna, tekstur, hubungan, perbatasan, kepadatan, kecerahan warna, bentuk, panjang, sudut, kemiringan, area, dan volume (Spence 2001). Domain peneliti merupakan variabel bertipe kategorikal, sehingga dalam penelitian ini domain peneliti akan dimodelkan dengan menggunakan corak warna.
Sebuah relasi antara 2 atau lebih entitas dapat direpresentasikan dalam berbagai cara, salah satunya ialah dengan menggunakan sebuah garis lurus (Spence 2001). Kolaborasi antarpeneliti dimodelkan dengan sebuah garis lurus yang menghubungkan seorang peneliti dengan peneliti lainnya yang pernah terlibat dalam sebuah karya, sehingga dapat dikatakan garis penghubung antarpeneliti adalah sebuah judul karya. Metode visualisasi yang cocok untuk diterapkan dengan karakteristik tersebut ialah Sociogram. Node pada Sociogram digunakan untuk merepresentasikan individu, sedangkan edge digunakan untuk merepresentasikan relasi antarindividu.
Visualisasi kolaborasi peneliti akan ditampilkan setelah pengguna memasukkan kata kunci pencarian berupa nama peneliti. Pengguna akan diberikan pilihan nama-nama peneliti yang relevan dengan setiap kombinasi karakter yang diketik di kotak pencarian. Pengguna hanya dapat melakukan pencarian berdasarkan nama peneliti. Selanjutnya, pengguna diminta memilih level visualisasi yang akan ditampilkan.
Tabel 4 Contoh tabel kolaborasi peneliti berserta nomor penelitian dan subjek penelitian
Peneliti 1 Peneliti 2 Nomor Penelitian Subjek
fg winarno dedi fardiaz 70 Chemistry
fg winarno m sjachri [e] 70 Chemistry
fg winarno r ansori [e] 70 Chemistry
fg winarno dedi fardiaz 550 Water
13 Pembatasan level visualisasi kolaborasi peneliti dirasa perlu untuk dilakukan. Hal tersebut diperlukan karena jika seluruh node ditampilkan pada saat bersamaan, bentuk visual yang ditampilkan akan menjadi sangat rumit dan sulit untuk dilihat keterhubungannya seperti terlihat pada Gambar 6. Selain itu, waktu komputasi yang dibutuhkan untuk menghasilkan graf tersebut juga relatif lama. Oleh sebab itu, pembatasan level saat menampilkan graf hasil visualisasi perlu untuk dilakukan.
Terdapat beberapa pilihan susunan Sociogram, di antaranya melingkar, radial, kelompok, bebas, dan bertingkat (Huang et al. 2006). Pemilihan susunan dilakukan berdasarkan karakteristik keterhubungan dan kebutuhan visualisasi. Susunan radial dipilih dalam penelitian ini karena dibutuhkan adanya leveling
pada visualisasi yang akan dibentuk. Pada penelitian yang dilakukan oleh Huang
et al. (2006), diperoleh sebuah fakta yang menyatakan bahwa node yang paling penting sebaiknya diletakkan di bagian tengah. Hal tersebut dijadikan dasar pada peletakan node yang merupakan terget pencarian.
Visualisasi tersebut dibatasi hingga 3 level keterhubungan saja. Hal tersebut dilakukan karena ketika terdapat seorang peneliti yang sering melakukan kolaborasi, bentuk visualisasi pada level ketiga dianggap sudah cukup rumit dan dirasa tidak memungkinkan untuk menambahkan tingkatan level dengan alasan waktu komputasi dan kerumitan visualisasi. Level visual yang ditampilkan dapat dikostumisasi sesuai dengan kebutuhan pengguna. Pilihan level yang tersedia ialah 1 level, 2 level, dan 3 level.
Perbedaan warna dapat diidentifikasi tanpa membutuhkan perhatian khusus seperti terlihat pada Gambar 7 (Spence 2001). Berdasarkan Kuno (2004), kerja tim dapat disimbolkan dengan 3 warna dasar yang merepresentasikan kepercayaan yang dibutuhkan dalam sebuah kerja tim. Warna tersebut ialah Fellow Blue, Gut Green, dan Team Spirit. Warna tersebut dapat dilihat padaTabel 5.
Peneliti IPB dimodelkan dengan sebuah node berwarna Fellow Blue, peneliti eksternal dimodelkan dengan sebuah node berwarna Gut Green, sedangkan node subjek dimodelkan dengan warna hitam RGB(0,0,0). Pembedaan warna untuk peneliti IPB dan peneliti eksternal IPB dilakukan untuk memudahkan pengguna dalam melihat domain peneliti. Relasi antarpeneliti disimbolkan dengan sebuah edge dengan warna Team Spirit, sedangkan relasi antara peneliti dan subjek penelitian diberikan warna kuning RGB(255, 164, 35).
14
Tabel 5 Warna yang merepresentasikan kerja tim (Kuno 2004)
Bentuk Nama RGB
R G B Heksadesimal
Fellow Blue 61 100 169 3d64a9
Gut Green 42 107 67 2a6b43
Team Spirit 217 49 42 d9312a
Diameter node yang terbentuk pada visualisasi berbanding lurus dengan jumlah penelitian yang dilakukan oleh setiap peneliti. Semakin banyak penelitian yang dilakukan oleh seorang peneliti, maka ukuran node-nya akan semakin besar. Diameter node diperoleh dari hasil penjumlahan 10 dengan jumlah penelitian dengan satuan piksel. Operasi penjumlahan digunakan untuk mengakomodasi peneliti yang hanya melakukan 1 kali penelitian. Jika operasi penjumlahan dihilangkan, maka node peneliti yang hanya melakukan 1 kali penelitian akan sulit untuk dilihat karena ukurannya menjadi 1 piksel.
Pada visualisasi kolaborasi peneliti, ukuran edge berbanding lurus dengan jumlah kolaborasi yang dilakukan oleh 2 orang peneliti yang dihubungkan oleh
edge tersebut. Untuk visualisasi keterhubungan antara subjek penelitian dan peneliti, ukuran edge berbanding lurus terhadap jumlah penelitian dengan subjek tersebut. Semakin banyak kolaborasi yang dilakukan, maka lebar edge-nya akan semakin besar. Lebar edge diperoleh dari hasil penjumlahan 10 dengan jumlah kolaborasi dengan satuan piksel.
Angka 10 pada operasi penjumlahan ukuran node dan edge ditetapkan untuk mengakomodir pengguna dengan layar beresolusi kecil. Angka tersebut ditetapkan sebagai operan karena penguji cukup merasa nyaman dan mudah melihat visualisasi yang ditampilkan pada saat pengujian.
Setelah model data berhasil divisualisasikan, ditambahkan fungsi zooming
dan panning untuk memudahkan pengguna dalam berinteraksi dengan visualisasi yang dihasilkan. Zooming adalah peningkatan perbesaran secara halus dan berkesinambungan dari penurunan bagian pada gambar dua dimensi karena keterbatasan bidang gambar yang memiliki ukuran konstan, sedangkan panning
adalah pergerakan yang halus dan kontinyu dari bidang gambar pada gambar dua dimensi (Spence 2001). Pengguna dapat melakukan aksi zoom-in hingga sebuah
15
node memenuhi area visualisasi, sedangkan aksi zoom-out dapat dilakukan hingga seluruh visualisasi yang disajikan menjadi sebuah titik. Aksi panning dapat dilakukan hingga tidak terdapat edge atau node pada area visualisasi.
View
Pada tahap ini, telah diperoleh sebuah visualisasi kolaborasi antarpeneliti berbasis web. Halaman web dapat dilihat pada Gambar 8. Judul penelitian dan subjek penelitian yang menghubungkan nama peneliti yang sedang menjadi target pencarian dengan peneliti pada level di bawahnya dapat dilihat di sisi kanan halaman web. Pengguna dapat melakukan aksi klik pada node yang akan dijadikan fokus visualisasi. Foto peneliti akan ditampilkan ketika pengguna meletakkan kursor di atas node peneliti. Pengguna juga dapat melakukan aksi klik pada subjek penelitian untuk melihat pola kolaborasi peneliti pada subjek tersebut. Selain itu, pengguna juga dapat mengunduh laporan penelitian seorang peneliti yang menjadi fokus visualisasi (root) dengan format CSV. Pengguna dapat mengunduh laporan tersebut dengan melakukan aksi klik pada tautan yang terdapat di bagian kiri halaman web. Laporan penelitian yang dihasilkan dapat dilihat pada Lampiran 2. Hasil visualisasi keterhubungan antarpeneliti dalam sebuah subjek penelitian dapat dilihat pada Gambar 9.
Penelusuran kolaborasi peneliti dapat dilakukan dengan memilih opsi
researcher pada combo box, memberikan input nama peneliti pada kolom pencarian, dan memilih tahun penelitian yang akan dilakukan. Selanjutnya pengguna diharuskan memilih level visualisasi dengan cara menekan salah satu tombol level di sisi kanan kolom pencarian. Pengguna juga dapat melakukan penelusuran subjek dengan memilih opsi subject pada combo box dan memberikan input subjek penelitian pada kolom pencarian. Legenda visualisasi juga dapat dihilangkan dengan melakukan aksi klik pada check box ‘Display Legend’. Hasilnya dapat dilihat pada Gambar 10.
16
Pengguna dapat melakukan aksi scroll up pada bidang visualisasi untuk melakukan fungsi zoom in. Sebaliknya, pengguna dapat melakukan aksi scroll down pada bidang visualisasi untuk melakukan fungsi zoom out. Untuk melakukan fungsi panning pengguna dapat melakukan dragging pada area berwarna hitam. Selain kedua fungsi tersebut, pengguna juga dapat melakukan pemindahan posisi node. Proses pemindahan dapat dilakukan dengan melakukan
dragging pada node yang akan dipindahkan.
Pengujian Sistem
Berdasarkan hasil pengujian sistem pada Lampiran 3, waktu rata-rata yang dibutuhkan pengguna untuk menyelesaikan tugas yang diberikan ialah 3.39 detik. Berdasarkan hasil pengujian sistem pada Lampiran 4, secara umum sistem ini dapat dikatakan telah cukup baik dengan nilai rata-rata 0.4. Beberapa permasalahan yang perlu diperhatikan ialah aesthetic and minimalist design (1),
help users recognize, diagnose, and recover from errors (1), dan help and documentation (2). Dari ketiga permasalahan tersebut, hal yang perlu diperbaiki
Gambar 9 Visualisasi pola keterhubungan antar peneliti dalam sebuah subjek penelitian
17 ialah help and documentation karena penguji memberikan nilai 2, sedangkan
aesthetic and minimalist design dan help users recognize, diagnose, and recover from errors diberikan nilai 1. Oleh karena itu, ditambahkan help button di sisi kiri atas halaman web.
SIMPULAN DAN SARAN
Simpulan
Berdasarkan penelitian yang telah dilakukan, diperoleh model visualisasi kolaborasi peneliti dalam domain IPB dan peneliti lintas instansi dengan menggunakan corak warna. Peneliti IPB divisualisasikan dengan menggunakan warna Fellow Blue, sedangkan peneliti lintas instansi divisualisasikan dengan warna Gut Green. Kolaborasi peneliti dalam sebuah subjek penelitian divisualisasikan dengan menggunakan sebuah edge berwarna Team Spirit, sedangkan keterhubungan antara peneliti dengan sebuah subjek penelitian divisualisasikan dengan menggunakan sebuah edge berwarna kuning. Hubungan kedekatan antarpeneliti dan subjek divisualisasikan dengan menggunakan ukuran
edge, sedangkan jumlah penelitian yang dilakukan oleh setiap peneliti divisualisasikan dengan menggunakan ukuran node.
Saran
Dalam penelitian ini, belum dapat menampilkan seluruh foto peneliti. Selain itu, pada aplikasi yang dibuat dalam penelitian ini juga tidak dapat mengunduh karya yang divisualisasikan. Pada penelitian selanjutnya diharapkan dapat menampilkan seluruh foto peneliti yang terdapat pada visualisasi serta dapat ditambahkan fungsi unduh dokumen.
DAFTAR PUSTAKA
Arikunto S. 2006. Prosedur Penelitian Suatu Pendekatan Praktek. Jakarta(ID): Rineka Cipta.
Chi EH. 1999. A framework for information visualization spreadsheets [disertasi]. Minnesota (US): University of Minnesota.
Galitz WO. 2007. The Essential Guide to User Interface Design: An Introduction to GUI Design Principles and Techniques. Indianapolis (US): Wiley Publishing, Inc.
Grinstein GG, Warad MO. 2002. Invormation Visualization in Data Mining and Knowledge Discovery. San Diego (US): Academic Press.
Kuno N. 2005. Tasteful Color Combination. Tokyo (JP): Page One.
18
Nielsen J. 1995. 10 Usability Heuristics for User Interface Design. [diakses 2013 Mei 28]. Tersedia pada: http://www.nngroup.com/articles/ten-usability-heuristics/.
19 Lampiran 1 Daftar atribut koleksi IPBana tahun 1965-2008
No Nama Atribut Sub-field Nomor Atribut
1 ISBN a 20
2 Nomor Kendali Setempat a 35
3 Kode bahasa abh 41
4 Nomor Panggil UDC a 80 5 Nomor Panggil Setempat lab 99 6 Entri Utama Nama Orang aq 100 7 Ent. Utama Badan korporasi ab 110 8 Ent. Utama Nama Pert. - 111
9 Judul abc 245
10 Judul Majalah/prosiding ab 246
11 Edisi ab 250
12 Impresum abc 260
13 Deskripsi Fisik abce 300
14 Seri anvx 440
15 Catatan Umum tabc 500
16 Catatan Karya a 502
17 Catatan Bibliografi a 504 18 Catatan Ringkasan - 520 19 Ent. Tambahan Subyek axyz 650
20 Kata Kunci a 695
21 Ent. Tamb. Nama Orang a 700 22 Ent. Tamb. Badan Korp. ab 710 23 Ent. Nama Pertemuan andc 711 24 Ent. Tamb. Orang - 759
25 Badan Pemilik a 850
26 Tanggal - 980
27 Sumber perolehan - 984 28 Banyak Eksemplar abc 985
29 Kode Operator - 986
30 008/35-37 Bahasa - 990
31 Jenis Koleksi - 991
32 Jenis Karya - 998
20
Lampiran 2 Contoh laporan penelitian “fg winarno” tahun 1973-1994
Judul P_1 P_2 P_3 P_4 P_5 P_6 P_7 P_8 P_9 Subjek Tahun
fg winarno dedi fardiaz s fardiaz
[E] Water 1973
Extraksi, khromatografi
dan elektrophoresis
fg winarno dedi fardiaz
srikandi fardiaz
[E]
Chemistry 1973
Spektroskopi fg winarno dedi fardiaz
srikandi
fg winarno sri laksmi
[E] Pigments 1973
fardiaz [E] Biosynthesis 1979
Pengantar
fardiaz Technology 1980
21 Lampiran 3 Hasil pengujian sistem berdasarkan skenario pengujian
No Tugas Hasil
nandika’ pada tingkat kedalaman 1 level. √ OK 2,3
2 Lakukan penelusuran visualisasi kolaborasi
peneliti ‘simon taka nuhamara’ pada visualisasi
yang dihasilkan oleh tahap sebelumnya dengan melakukan clicking pada nama tersebut.
√ OK 6,5
3 Tingkatkan kedalaman visualisasi menjadi 2
level untuk peneliti ‘simon taka nuhamara’. √ Lambat
1,7
4 Lakukan aksi zoom out dan zoom in dengan melakukan mouse scrolling pada area visualisasi.
√ Mantap 5,3
5 Geser graf tersebut dengan melakukan aksi drag
pada area visualisasi selain node peneliti. √ Ok Sip
4,1
6 Geser node peneliti dengan melakukan aksi drag
pada node peneliti. √ Bisa
5,3
7 Tingkatkan kedalaman visualisasi menjadi 3
level untuk peneliti ‘simon taka nuhamara’. √ Lambat 6,2
8 Lakukan aksi zoom out sebanyak 3 kali scroll. √ OK 1,7
9 Hilangkan nama peneliti pada node visualiasi dengan menghilangkan centang pada check box
‘Display Researcher Name’ (Klik). √
OK 1,1
10 Munculkan nama peneliti pada node visualiasi denga mencentang check box ‘Display Researcher Name’ (Klik).
√ OK 1,1
11 Lihat judul penelitian yang pernah dilakukan
oleh peneliti ‘simon taka nuhamara’ dan ‘soetrisno hadi’ dengan melakukan aksi klik pada nama ‘soetrisno hadi’ di sisi kanan
nandika’ dengan melakukan aksi klik pada nama ‘dodi nandika’ di sisi kanan visualisasi.
√ OK ada 2,2
13 Lakukan pencarian untuk nama peneliti ‘bimo
setyawan’ pada tingkat kedalaman 1 level. √ OK 2,4
22
Lampiran 4 Hasil heuristic evaluation pengujian sistem
No Pokok Penilaian Nilai* Komentar
1 Visibility of system status
Sistem telah dapat memberikan informasi kepada pengguna mengenai apa yang sedang berlangsung dan dapat memberikan feedback dengan waktu yang logis .
0 Header diganti dengan warna cerah
2 Match between system and the real world
Komponen ini meliputi kesesuaian dengan dunia nyata seperti penggunaan angka decimal yang tepat, pemilihan icon yang sesuai, dan sebagainya.
0 OK, tidak ada masalah
3 User control and freedom
Memudahkan pengguna untuk mengoreksi ketika pengguna membuat kesalahan.
0 Mudah
4 Consistency and standards
Terdapat konsistensi penggunaan istilah/kata serta situasi pada sistem sesuai dengan standar
6 Recognition rather than recall
Pengguna tidak diharuskan mengingat dalam waktu lama mengenai informasi yang telah diberikan pada sebuah state sebelumnya. Selain itu, terdapat instruksi yang cukup jelas untuk menggunakan sistem.
0 OK, mantap
7 Flexibility and efficiency of use
Sistem dapat digunakan oleh pengguna ahli dan pemula.
0 OK, bisa dipakai lancar
8 Aesthetic and minimalist design
Dialog tidak berisi informasi yang tidak relevan atau jarang dibutuhkan.
1 Cukup menarik
9 Help users recognize, diagnose, and recover from errors
Pesan error ditampilkan dalam bahasa sederhana (bukan code), menunjukan permasalahan dengan tepat, dan menyarankan sebuah solusi.
1 Ok
10 Help and documentation
Terdapat menu bantuan dan setiap informasi harus dapat ditelusuri dengan mudah, berfokus kepada tugas pengguna, berisi deretan langkah untuk dilakukan, dan tidak terlalu panjang.
2 Penting ini dimunculkan
* : 0 Jika tidak terdapat masalah,
23
RIWAYAT HIDUP
Penulis lahir di kota Jakarta pada tanggal 14 September 1991 sebagai anak bungsu dari pasangan Sabarudin dan Indah Setyawati. Penulis menghabiskan seluruh masa kecilnya serta mengenyam pendidikan di kota Tangerang Selatan. Penulis merupakan lulusan dari Sekolah Menengah Atas Negeri 1 Pamulang (2006–2009), Sekolah Menengah Pertama Negeri 2 Pamulang (2003–2006) dan Sekolah Dasar Negeri Pondok Benda 1 (1997–2003). Pada tahun 2009, penulis diterima sebagai Mahasiswa Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor.