Data dan informasi

1,409 views
1,287 views

Published on

Published in: Technology, Education
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
1,409
On SlideShare
0
From Embeds
0
Number of Embeds
4
Actions
Shares
0
Downloads
37
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Data dan informasi

  1. 1. I. PENDAHULUANA. Latar BelakangorData dan informasi merupakan bahan dasar dalam penyusunan sistiminformasi sehingga pemahaman tentang data dan informasi serta sistim informasisangat penting adanya. Dalam dunia nyata pengertian data dan informasi seringdisalah artikan, di mana kadang informasi disebut data atau sebaliknya danfenomena ini sering menyulitkan dalam melakukan perencanaan, pembangunandan pengembangan suatu sistim informasi.Berdasar hal tersebut, maka dipandang perlu untuk memberikanpemahaman kepada mahasiswa tentang konsep dasar data, informasi dan sistiminformasi.B. Ruang Lingkup Isi• Pengertian data• Klasifikasi data,• Nilai data,• Sistim pengelolaan data,• Data perikanan• Fungsi dan siklus informasi,• Biaya dan jenis-jenis informasi,• Nilai dan kualitas informasi,• Transformasi informasi,• Komponen dan jenis sistim informasi,C. Kaitan ModulModul II (Konsep Dasar Database, Informasi dan Sistim Informasi)memaparkan tentang klasifikasi database, nilai database, sistim pengelolaandatabase, database perikanan, fungsi dan siklus informasi, nilai dn kualitasinformasi, transformasi informasi, pemakaian informasi, komponen dan jenis-jenis sistim informasi. Modul ini merupakan lanjutan modul I (Konsep DasarSistim) dan merupakan dasar atau pengantar bagi modul-modul selanjutnya.16
  2. 2. D. Sasaran Pembelajaran ModulSetelah mempelajari modul ini mahasiswa mampu :• Pengertian data• Menjelaskan klasifikasi data,• Menjelaskan nilai suatu data,• Mengetahui data perikanan,• Menjelaskan cara pengolahan data pada sistim informasi• Menjelaskan fungsi dan siklus informasi,• Menjelaskan nilai dan kualitas informasi,• Menjelaskan tentang transformasi informasi,17
  3. 3. II. PEMBELAJARANA. Konsep Dasar Data1. Pengertian DataZins (2009) banyak menguraikan tentang pengertian tentang data denganmengutip berbagai pendapat dari berbagai ahli di perguruan tinggi dunia sebagaiberikut :1) Prof. Elsa Barber University of Buenos Aires, Argentina yang mengukippendapat Wellish (1996) bahwa, datum is the representation of concepts orother entities, fixed in or on a medium in a form suitable for communication, orprocessing by human being or by automated systems.2) Prof. Aldo Alburquerque Bareto dari Institut Ilmu Informasi dan Technology,Brasil menjelaskan bahwa, data is a symbol set that is quantified and/or qulaified.3) Dr. Hanna Albrechtsen, Institute of Knowledge Sharing Denmark menjelaskanbahwa bahwa dalam sistim komputerisasi, data are the coded invariances,dalam hubungannya dengan manusia, data are that which is stated, for instance,by informants in a emphirical study.4) Prof. Maria Teresa Biagetti, University of Rome, Italy menjelaskan bahwadatum is every things or every unit that could increase the human knowledge orcould allow to enlarge our field of scientific, theoretical or pactical knowledge,and that can be recorded, on whichever support, or orally handed. Selanjutnyadijelaskan bahwa data can arouse information an knowledge in our mind.5) Prof. Michael Buckland University of California, Berkeley, USA, bahwa dataare commonly used to refer to records or recordings encoded for use incomputer, but is more widely used to refer to statistical observations and otherrecordings or collections of evidence.6) Prof. Anthony Debons, University of Pittsburgh, USA secara singkatmenjelaskan bahwa data is symbols organized according to establishedalgorrithms.7) Dr. Quentin L. Burrel, Isle of Man International Business School menjelaskanbahwa data are the basic individual items of numeric or other information,18
  4. 4. garnered through observation, but in themselves, without context, they devoid ofinformation.8) Prof. Gordana Dodig-Crnkovic, Malarden University, Swedia, membedakandata atas data mentah (raw data atau source data atau atomic data) dan data.Raw data adalah data yang belum diproses untuk penggunaan, sedang data area series of disconnected facts and observations.9) Prof. Nicolae Dragulaneseu, Polytechnics University of Bucharest, Rumania,bahwa data are a set of symbols representing a perception of raw facts.10) Dr. Jo Link-Pezet, University of Social Sciences Prancis, bahwa data arecommonly seen as simple isolated facts, though products of intellectual activity intheir rough shape.11) Michal Lorenz, Masaryk University in Brno Republik Ceko menjelaskanbahwa data are formalized parts of sociocultural information potentionallyprocessable by technical facilities which disregard the cognitive process and thatis why it is necessary to provide them with meaning from outside.12) Prof. Michel J. Menou, Knowledge and ICT Management Consultant Prancismenulis bahwa data are perceptible or perceived- if and when the signal can beinterpreted by the user- attributes of physical, biological, social or conceptualentities.13) Stonier (1997), data is a series of disconnected facts and observation.These may be converted to information by analyzing, cross-referring, selecting,sorting, summarizing, or in some way organizing the data.14) Dragulanescu dari Universitas Bukares Rumania (dalam Zins, 2009), dataare set of symbols representing a perception of raw facts.15) Prof. Haidar Moukdad, Dalhousie University Canada, data are sets ofcharacters, symbols, numbers, and audio/visual bits that are represented and/orencountered in raw forms.16) Prof. Lena Vania Pinheiro, Brazilian Institute for Information in Science andTechnology, Brasil menguraikan bahwa datum is an object or crude factperceived by the subject, non constructed nor elaborated in the consciousness,without passing through neither analysis processes nor evaluation for its transferas information.19
  5. 5. 17) Prof. Maria Pinto, University of Granada Spain menjelaskan bahwa data areprimitive symbolic entities, whose meaning depend on it integration within acontexts that allow their understanding by an interpreter.18) Prof. Roberto Poli, University of Trento Italy menguraikan bahwa datum is asign thet denotes entities or attributes in a proximal context.19) Prof. Ronald Rousseau, KHBO and University of Antwerp, Belgiummenjelaskan bahwa data are representation of facts or ideas in a formalized, andhence capable of being communicated or manipulated by some process.20) Prof. Yishan Wu, Institute of Scientific and Technical Information of China,China menulis bahwa data are artifacts that reflect a phenomenon in natural orsocial world in the form of figures, facts, plots etc.Berdasarkan uraian beberapa ahli tersebut di atas dapat dikatakan bahwadata adalah fakta, atau bagian dari fakta yang mengandung arti sehubungandengan kenyataan, simbol-simbol, gambar-gambar, angka-angka, huruf atausimbol yang menunjukkan suatu ide, obyek, kondisi, atau situasi dan lainnyayang didapatkan melalui suatu observasi atau secara data diartikan sebagaiketerangan tentang sesuatu. Contoh-contoh data disajikan pada Gambar 2.1 –2.220
  6. 6. MAKASSARBANTAENGLUWUPALOPOLUWU UTARALUWU TIMURWAJOPINRANGBARRUBONESINJAIJENEPONTOSELAYARBULUKUMBATAKALARMAKASSARMAROSPANGKEPPAREPAREPOLMASMAMUJUGOWAMAJENEGambar 2.1 Data PPI Sulawesi SelatanDATA  KONDISIKONDISI MANGROVE DI KOTA PALOPOGambar 2.2 Data kondisi mangrove di Kota Palopo21Data pelabuhan perikanan SulawesiSelatan dinyatakan dalam simbol
  7. 7. 2. Klasifikasi DataData dapat diklasifikasikan sebagai berikut :• Berdasarkan sifat dataBerdasarkan sifat data dikenal data kuantitatif (quantitative data), datadalam bentuk angka atau bilangan. Contoh : dari 997 nelayan di kecamatanA, 354 orang adalah nelayan penuh, 455 orang adalah nelayan sambilanutama, dan 168 orang adalah nelayan sambilan bukan utama . dan datakualitatif, (qualitative data)adalah data bukan dalam bentuk penjumlahan atauangka tetapi dalam bentuk pernyataan dan atau kategori. Contoh : Kondisitempat pelelangan ikan di Desa Ulo-Ulo Kabupaten Luwu Sulawesi Selatansangat buruk. Contoh data kuantitatif dan kualitatif perikanan disajikan padaTabel 2.1 dan Gambar 2.3.• Berdasarkan sumber dataBerdasarkan sumberdata dikenal : (1) data internal (internal data) yaitudata yang berasal dari dalam organisasi, atau data asli, data yang dieprolehdari observasi yang dilakukan langsung oleh peneliti atau bukan dari hasilpengamatan atau karya orang lain. Data internal sering juga disebut sebagaidata primer (primary data), dan (2) data eksternal (external data)yaitu datayang berasal dari luar organisasi atau institusi, atau data hasil observasiorang lain.Data eksternal dapat dikelompokan atas : (1) data eksternal primer(primary external data) data yang dapat berbentuk lisan atau tertulis yangdidapatkan langsung dari pemilik data sendiri atau orang yang melakukanobservasi atau pengumpul data tersebut, biasa juga disebut directly externaldata, (2) data eksternal skunder (secondary external data) data yangdiperoleh dari orang yang bukan melakukan observasi langsung, biasa jugadisebut indirectly external data.Tabel 2.1 Data kuantitatif nelayan di Kecamatan A.No Kategori Nelayan Jumlah Persentase1 Nelayan penuh 354 36,232 Nelayan sambilan utama 455 46,5722
  8. 8. 3 Nelayan sambilan bukan utama 168 17,20Total 977 100,00Gambar 2.3 Contoh data kualitatif (kondisi pelelangan ikan)• Berdasarkan cara memperolehnyaBerdasarkan cara memperolehnya, data dapat dikelompokan atas (1) dataprimer yaitu data yang dikumpulkan langsung oleh si peneliti atau diperolehdari sumber pertama dan datanya belum diolah, contoh : hasil pengamatanbeberapa parameter oseanografis daerah penangkapan ikan cakalang danjumlah hasil tangkapan per trip perikanan pole and line yang didapatkan darihasil pengamatan langsung dilapang oleh Achmar Mallawa dan kawan-kawan tahun 2009,(2) data sekunder yaitu data yang diperoleh dari pihak kedua yangmengumpulkan data tersebut. Data sekunder biasanya telah diolah ataudiatur sedemikian rupa oleh pengumpulnya, contoh : Data jumlah armada23
  9. 9. penangkapan ikan di Kabupaten Luwu Sulawesi Selatan. Contoh data primerdan data sekunder perikanan disajikan pada Tabel 2.2 dan Tabel 2.3.Tabel 2.2 Data parameter oseanografi dan hasil tangkapan per haulingperikanan pole and line di perairan Teluk Bone.*)NoWaktuPemancinganSuhu(0C)Salinitas(ppt)Kedalaman(m)Hasiltangkapan(kg)1 12-06-2009 29,5 32,1 1.245 3572 13-06-2009 28,9 33,1 1.256 4983 14-06-2009 29,1 32,8 1.115 698Dan seterusnya ...... ...... ........ .....N ....... ....... ........ ......Tabel 2.3 Jumlah perahu/kapal per desa Kabupaten LuwuNo Desa PerahutanpamotorMotortempelKapalmotor Total1 Lamasi pantai 25 19 - 422 Pompengan 22 16 - 383 Karangan 14 24 24 624 Balambang 10 50 2 625 Lare-lare 8 7 - 156 DstSumber : Dinas Perikanan dan Kelautan, 2005.• Berdasarkan cakupannya.Berdasarkan cakupan pengumpulannya, data dikelompokan atas datasensus, yaitu data yang diperoleh dari populasi dan data sampel, yaitu datayang diperoleh dari sampel.• Berdasarkan dinamika data.Berdasarkan dinamikanya, data dapat dikelompokan atas : (1) data statis,yaitu data yang dalam jangka waktu lama tidak akan mengalami perubahan,(2) data semi dinamis yaitu data dalam waktu kemungkinan mengalamiperubahan atau sedikit mengalami perubahan dan, (3) data dinamis yaitu24
  10. 10. data yang menurut waktu akan mengalami perubahan. Contoh data statis,semi dinamis dan dinamis disajikan pada Tabel 2.4, 2.5 , 2.6 dan 27.Tabel 2.4 Jumlah perahu/kapal menurut kategori perahu/kapal perikanantangkap di Kabupaten Luwu tahun 2009No KecamatanKonsentrasinelayanPerahutanpamotorMotortempelKapalmotor Total1 Walenrang Lamasi pantai 25 19 - 42Pompengan 22 16 - 382 Bua Karangan 14 24 24 62Balambang 10 50 2 62Lare-lare 8 7 - 153 Ponrang Bassiang - - 78 78Lampuara - 30 20 50Jene Maeja - 2 5 74 Kamanre S. Paremang - 21 - 21Wara - 10 - 105 Belopa Ulo-ulo 10 32 38 806 Suli Murante - - 8 8Cimpu 11 - 70 81Suli 16 46 22 847 Larompong Batu Lotong 25 37 - 628 LarompongSelatanBone Pute 85 191 45 321Kabupaten Luwu 236 502 354 1.094Sumber : Dinas Perikanan dan Kelautan Luwu, 2010Tabel 2.5 Data luas perairan Indonesia*)No Jenis perairan Luas1 Laut Perairan Teritori 0,8 juta km2Perairan Kepulauan 2,3 juta km2Perairan ZEEI 2,7 juta km22 PerairanPedalamanSungai, waduk, danau, rawadan genangan air lainnya54 juta hektare*) Contoh data statis perikanan25
  11. 11. Tabel 2.6 Data Potensi Sumberdaya Ikan Indonesia *)No Kelompok Sumberdaya Ikan Potensi Lestari JTB1 Ikan pelagis besar 1.165.630 932.2882 Ikan pelagis kecil 3.605.660 2.884.5283 Ikan demersal 1.365.090 1.092.0724 Ikan karang konsumsi 146.250 117.0005 Udang peneid 94.800 75.8406 Lobster 4.800 3.8407 Cumi-cumi 28.250 22.600Total 6.409.210 5.127.368*) contoh data semi dinamis perikananTabel 2.7 Hasil Tangkapan Utama Perairan Umum Indonesia tahun 2003-2007*)Jenis Ikan 2003 2004 2005 2006 2007Ikan Mas 8.917 9,951 9.012 9.013 9.096Mujair 18.059 18.289 17.539 14.390 11.209Gabus 30.627 41.014 32.784 31.194 30.300Udang 15.350 14.310 16.668 14.287 14.825Lainnya 3.896 4.445 4.943 4.919 3.863*) Contoh data dinamis perikanan• Berdasarkan skala pengukurannyaBerdasarkan skala pengukurannya dikenal data nominal, data ordinal,data interval dan data rasio.3. Nilai dan Kualitas DataAda tiga indikator yang dapat digunakan untuk menentukan nilai suatu data(Sutabri, 2005) yaitu :1) ketelitian data (data precision), ketelitian data dapat diperoleh denganmempraktekan beberapa hal seperti melakukan pengamatan secara ber ulang-ulang, menggunakan peralatan standar atau yang peralatan yangtersertifikasi/direkomendasikan,pengamatan dengan melibatkan beberapa orangdari keahlian yang sama dan sebagainya.26
  12. 12. 2) komparabilitas data (data comparability), berarti bahwa data yang dihasilkanmenggunakan peralatan yang telah distandarisasi, satuan data yang digunakanadalah satuan standar dan sebainya, dan3) validitas data (data validity), berarti dengan mempergunakan data tersebuttujuan yang ingin dicapai oleh sipengguna terealisasi.Wang dan Strong (1996) mengemukakan konsep acuan untuk menentukankualitas suatu data (Data Quality Conceptual Framework) yang terdiri dari 4kategori dan 16 dimensi yaitu :1) kategori I, Intrinsic, dimensi meliputi : accuracy (keakuratan), objectivity(obyektivitas), believability (keterpercayaan), dan reputation (reputasi);2) kategori II, Accessibility, dimensi meliputi : accessibility (mudah diakses), dansecurity (keamanan);3) Kategori III, Contextual, dimensi meliputi : Relevancy (kesesuaian), Value –Added (nilai tambah), Timeliness (Ketepatan waktu), Completeness(kelengkapan data), Amount of Info (jumlah informasi yang dapat diperoleh);4) Kategori IV, Representational, dimensi meliputi : Interpretability (dapatdimengerti), Ease of understanding (mudah dimengerti), Concise Representationdan Consistent Representation (konsisten);Shank dan Corbitt (1999) menentukan kualitas data dengan menggunakan“Semiotic-based Framework for Data Quality” yang terdiri atas 4 semioticdescriptions, 4 goals dan 11 dimensions yaitu :1) Semiotic Level I, Syntactic, goal : consitent, dimension : well-defined/formalsyntax ;2) Semiotic Level II, Semantic, goal : complete and accurate, dimension :comperehensive, unambiguous, meaningful, correct;3) Semiotic Level III, Pragmatic, goal : Usable and useful, dimensions : timely,concise, easly accessed, reputable;4) Semiotic Level IV, Social, goal : shared understanding of meaning,dimensions : understood, awareness of bias.27
  13. 13. B. Konsep Dasar Informasi1. Pengertian InformasiPengertian “information” diuraikan oleh Zins (2009) dengan mengutippendapat berbagai ahli dari beberapa universitas dunia sebagai berikuit :1) Prof.`Aldo de Albuquerquee Barreto , bahwa information is (1) a messageused by sender to represent one or more concepts within a communicationsprocess, intended to increase knowledge in recipients, (2) a message recorded inthe text of a document. Hanne Albrechtsen menjelaskan bahwa information isrelated to meaning or human intention. Selanjutnya dijelaskan bahwa sistimberbasis komputer “informations” adalah isi dari database, web dan sebagainya,dan dalam sistim berbasis manusia “information” adalah pengertian daripendapat yang diinginkan oleh pembicara/penulis dan pengertian/atau tidakpengertian dari pendengan/pembaca.2) Buckland (1991) menjelaskan bahwa kata “information” digunakan merujukke sejumlah fenomena yang berbeda, di mana fenomena dibagi ke dalam tigakelompok : (1) segala hal yang dipersepsikan sebagai sesuatu yang potensilmemberi nilai tambah, (2) proses penyampaian, (3) bahwa yang dipetik darisuatu kejadian atau komunikasi.3) Prof. Anthony Debons, University of Pitsburgh, USA menjelaskan bahwainformation represent a state of awarness (consciouness) and the physicalmanifestations they forms. Selanjutnya dikatakan bahwa information, asphenomena, represents both a process and a product : a cognitive affectivestate. And the physical counterpart (product of) the cognitive/affective state. Thecounterpart could range from a scratch of asurface, mouvement/placement,written document etc. Informations answers questions of what, where, when andwho and permutations thereof.4) Prof. Nicolae Dragulanescu dari Universitas Bukares Rumania menjelaskanbahwa informasi adalah data yang diorganisir untuk menjawab pertanyaandasar : apa, siapa, kapan, dan di mana.5) Prof. Haidar Moukdad , Dalhousie University, Canada bahwa information isfacts, figures, and other forms of meaningful representations that when28
  14. 14. encountered by or presented to a human being are used to enchance his/herunderstanding of a subject or related topics.6) Prof. Lena Vania Pinheiro, Brazilian Institute for Information in Science andTechnology, Brazil bahwa Information is a phenomenon generated fromknowledge and integrated therein, analyzed and interpreted to achieve thetranfers process of message (i.e. meaningful content) and the cognitivetransformations of people and communities, in a historical, cutural and socialcontext.7) Prof. Maria Pinto, University of Granada, Spain menguraikan bahwaInformation is the intentional compositions of data by a sender with the goal ofmodifying the knowledge state of an interpreter or receiver.8) Prof. Roberto Poli, University of Trento, Italy mendefinisikan informasi dalamdua pengertian yaitu : information is a datum in adistal context dan informationis embedding of sign-in-a-proximal-context in a distal context9) Prof. Anna da Soledade Vieira, Federal University of Minas Gerais, Brazilmenjelaskan bahwa information is data organized to produce meaning.10) Prof. Irene Wormell, Swedish School of Library and Information Science inBoras, Sweden menguraikan bahwa Information is a set of symbols thatrepresent knowledge. Information is what context creates.gives to data and it iscognitive. Normally it is understood as a new and additional element in collectingdata and information for planned action.11) Prof. Yishan Wu, Institute of Scientific and Technical Information of China,China menjelaskan bahwa Information is anything communicated among livingthings. Selanjutnya dikatakan bahwa informasi adalah salah satu dari tigapendukung kehidupan dan evolusi kehidupan, selain energi dan material.12) Prof. Glynn Harmon, University of Texas at Austin, USA menjelaskan bahwaInformation is an organism’s or an agent’s active or latent infrential frame thatguides the selection of data for its own further development or construction.2. Fungsi dan Siklus InformasiFungsi utama informasi adalah menambah pengetahuan atau mengurangiketidakpastian pemakai informasi di mana berbekal informasi seseorang dapatmengambil keputusan dengan baik. Namum dalam pengambilan keputusan yangkompleks, infomrasi hanya dapat menambah kemungkinan kepastian atau29
  15. 15. mengurangi berbagai macam pilihan (Sutabri, 2005). Fungsi informasi dapatdillusrasikan dengan gambar di bawah ini.1(1/8)2(1/8)3(1/8)4(1/8)8(1/8)7(1/8)6(1/8)5(1/8Gambar 2.4 Illustrasi fungsi informasiAda seekor ikan yang terdapat disalah satu dari delapan kolan yang ada,masalahnya adalah menentukan di kolam yang mana ikan berada. Secarastatistik, tanpa infomasi peluang keberhasilan untuk memilih kolam yang benaradalah 1/8 dan peluang kegagalan adalah 7/8 sehingga melalui suatu prosesintuisi seseorang mempunyai 1/8 kemungkinan untuk mendapatkan ikannya.Akan tetapi , apabila seseorang yang akan memilih kolam keberadaan ikanmendapatkan informasi bahwa ikan tersebut kemungkinan berada pada kolambernomor ganjil maka peluang menentukan dengan benar pemilihan kolam dimana ikan berada naik menjadi 4/8 atau kemungkinannya untuk sukses menjadi½.3. Nilai dan Kualitas Informasia. Nilai InformasiSecara umum nilai suatu informasi dihubungkan dengan cost effectivenessdan atau cost benefit sehingga nilai informasi didasarkan pada 10 (sepuluh) sifatsebagai berikut (Sutabri, 2005) :1) Mudah diperoleh, yaitu mudah dan cepatnya informasi dapat diperoleh.2) Luas dan lengkap, yaitu volume dan keluaran informasi,3) Ketelitian, yaitu bebas dari kesalahan,4) Kecocokan, yaitu nformasi memiliki hubungan dengan masalah yangdihadapi,30
  16. 16. 5) Ketepatan waktu, yaitu informasi tersedia saat dibutuhkan,6) Kejelasan, yaitu informasi yang ada sangat jelas dan dimengerti oleh sipemakai,7) Keluwesan, yaitu informasi dapat disesuaikan oleh beberapa penggunadalam pengambilan keputusan,8) Dapat dibuktikan, yaitu pemakai informasi dapat menguji keluaran informasidan sampai pada kesimpulan sama,9) Tidak ada prasangka, yaitu informasi tidak dapat diubah untuk mendapatkankeputusan yang telah dipertimbangkan sebelumnya,10) Dapat diukur, yaitu bahwa keputusan dihasilkan dari informasi formal.b. Kualitas Informasi.Kualitas infomasi umumnya adalah sebagai suatu konsep yang multi dimensi(Klein, 2001) dengan berbagai karakteristik yang melekat tergantung kepadasudut pandang filosofi autor. Secara umum, terminologi “ InformationQuality/Data Quality “ dijelaskan sebagai data yang siap dan sesuai untukdigunakan (fit-for-use) (Kahn, Wang & Strong, 2002), yang berimplikasi bahwainfomasi sangat relatif, yaitu bahwa suatu infomasi dapat digunakan olehseseorang tetapi belum cukup membantu untuk orang lainnya (Tayi & Ballou,1998).Berbagai macam pendapat tentang kualitas infomasi (Information Quality)telah banyak dikemukan oleh para ahli yang bervariasi berdasarkan pendekatandan aplikasinya seperti yang disajikan pada Tabel 2.8 berikut ini.Tabel 2.8 Perbandingan framework kualitas informasiKonstruksiKategori Dimensi31
  17. 17. Tahun Author Model1996 Wang &Strong, 1996A conceptualFramework forData Quality ( 4kategori, 16dimensi)Intrinsic IQ Accuracy, Objectivity, Believability,ReputationAccessibilty IQ Accessibility, SecurityContextual IQRelevancy, Value-added,Timelines, Completeness, Amountof InfoRepresentational IQInterpretability, Ease ofUnderstanding, ConciseRepresentation, ConsistentRepresentationZeist &Hendriks, 1996Extended ISOModel ( 6karakteristikkualitas dan 32sub karakterKarakteristik Sub KarakteristikFunctionality Suitability, Accuracy, Interoperability, Compliance, Security,TraceabilityReliabilityMaturity, Recoverability,Availability, Degradability, Faulttolerance,Efficientcy Time behaviour, ResourcebehaviourUsability Understandability, Learnability,Operability, Luxury, Clarity,Helpfulness, Explicitness,Customisability, User- friendlinessMaintainability Analysability, Changeability,Stability, Testability, Manageability,Reusability;Portability Adaptability, Conformance,Replaceability, Installability1999 Alexander &Tate, 1999Applying aQualityframework toWebEnvironment (6kriteria)Kriteria PenjelasanAuthority Validated information, author isvisible ;Accuracy Reliable, free of errors,Objectivity Presented without personal biases;Currency Content up-to-date;Orientation Clear target audience;Navigation Intiutive designKaterattanakulet al , 1999IQ of individualWeb Site ( 4kategori kualitas)Kategori DimensiIntrinsicInformationQualityAccuracy and errors of contents,accurate, workable, & relevanthyperlinks;Contextual IQ Provision of author’s information;Representational IQOrganisation, Visual Settings,Typographical features,Consistency, Vividness/Attractiveness;Accessibility IQ Navigational tools provided;Shanks & Semiotic-based Semiotic Level Goal Dimension32
  18. 18. Corbitt, 1999 Framework forData Quality ( 4Semioticdescriptions, 4goals of IQ & 11dimensions)Syntactic Consistent Well-defined/formalsyntax;Semantic Complete &accurateComprensive,Unambiguous,Meaningfull,Correct;Pragmatic Usable &UsefulTimely, Concise,Easily Accessed,Reputable;Social Sharedunderstanding ofmeaningUnderstood,Awareness of bias2000 Dedeke, 2000 ConceptualFramework formeasuring ISQuality ( 5QualityCategories & 28dimensions)QualityCategoryDimensionsErgonomicQualityEase of navigation, Confortability,Learnability, Visual signals, Audiosignals;AccessibilityQualityTechnical access, Systemavailability, Technical security,Data Accessibility, Data sharing,Data convertibility;TransactionalQualityControllability, Error tolerance,Adaptability, System feedback,Efficiency, Responsiveness;ContextualQualityValue added, Relevancy,Timelines, Completeness,Approriate data;RepresentationQualityInterpretability, Consistency,Conciseness, Structure,Readability, Contrast,Naumann &Rolker, 2000Classification ofIQ MetadataCriteria ( 3Assessmentclass & 22 IQcriterions)AssessmentClassIQ CriterionsSubject Criteria Believability, Conciserepresentation, Interpretability,Relevancy, Reputation,Understand ability, Value-Added;Object Criteria Completeness, Customer support,Documentation, Objectivity, Price,Realiability, Securuty, Timeliness,Verifiability;ProcessCriteriaAccuracy, Amount of data,Availability, Consistentsrepresentatio, Latency, ResponsetimeZhu & Gauch,2000Quality metricxfor informationretrieval on theCurrency Measured as the time stamps ofthe last modification of thedocument;33
  19. 19. WWW ( 6Quality metrics)Availability Calculated as the number ofbroken links on a page divided bythe total number of links itcontains,Information –to-noise rationComputed as the total length of thetokens after preprocessing dividedby the size of the document;Authority Based on the Yahoo Internet Life(YIL) reviews (27) which assigns ascore ranging from 2 to 4 to areviewed site;Popularity Number of links pointing to a Webpage, used to measure thepopulatity of the Web page;Cohesiveness Detemined by how closely relatedthe major topics in the Web pageare2001 Leung, 2001 AdaptedExtended ISOModel forIntranets (6charasteristics &6 subcaracteristicCharacteristis Sub-characteristicsFunctionality Suitability, Accuracy,Interoprability, Compliance,Security, Traceability;Reliability Understandability, Fault tolerance,Recoverability, Availability,Degradability;Usability Understandability, learnability,Operability, Luxury, Clarity,Helpfulness, Explicitness, User-friendliness, Customisability;Efficiency Time behaviour, Resourcebehaviour;Maintainabilty Analysability, Changeability,Stability, Testability, Manageability,Reusability;PortabilityAdaptability, Installability,Replaceability, Comformance,2002 Kahn et all,2002Mapping IQdimension intothe PSP/IQmodel (2 QualityQuality Type Classification DimensionProduct Quality SoundInformationFree of Error,Concise,Representation,34
  20. 20. types, 4 IQClassifications,16 IQdimensionsUsefulInformationCompleteness,Consistentsrepresentation;Appropriateamount,Relevancy,Understandability, Interpretability, Objectivity;Service QualityDependableInformationTimeliness,Security;UsableinformationBelievability,Accessibility,Ease ofmanipulation,Reputation,Value-AddedEppler &Muenzermayer2002Conceptualframework for IQin the web sitecontext (2manisfestations,4 qualitycategories, 16qualitydimensionsContent Quality RelevantInformation,Comprensiveness, Accurate, Clear,Applicable;SoundInformationConcise,Consistent,Correct, Current;Media QualityOptimizedProcessConvenient,Timely, Traceable,Interactive;ReliableInfrastuctureAccessible,Secure,Maintainable, FastKlein, 2002 5 IQ Dimension(dipilih dari 15 IQdimensi Strong &Wang)IQ dimension Preliminary FactorsAccuracy Discrepancy, Timeliness, Source/Author, Bias/Intentionally FaiseInformation;Completeness Lack of depth, technical problems,Missing desireed information,Incomplete, Lack of breadth;Relevance Inrelevance hits when searching,Bias, Too broad, Purpose of website;Timeliness Information of not current,Technical problems, Publicationdate unknown;Amount of data Too much information, Too littleinformation, Informationunavailable35
  21. 21. Berdasarkan analisis tabel 2.8 di atas, bahwa dimensi kualitas yang banyakdiperbincangkan sejak lama telah termasuk didalammnya seperti akurasi(accuracy), konsistensi (consistency), tepat waktu (timeliness), sangat lengkap(completeness), mudak diakses (accessibility), obyektif (objectiveness), danrelevansi (relevancy)Berdasarkan analisis dari berbagai framework (Tabel 2.8) di atas dapatdisimpulkan bahwa para ahli memiliki 20 kesamaan dalam menilaii dimensikualitas informasi seperti yang disajikana pada Tabel 2.9 sebagaii berikut.Tabel 2.9 Kesamaan yang paling umum pada penilaian kualitas informasi .No Dimensi Freq Definis (Wang & Strong, 1996)1 Accuracy 8 Extent to which data are correct, reliableand certified free error2 Consistency 7 Extent to which information is presented inthe same format and compatible withprevious data3 Security 7 Extent to wich access to information isresticted appropriately to maintain itssecurity4 Timeliness 7 Extent to which information is sufficientlyup-to-date for the task at hand5 Completeness 5 Extent to which information is not missingand is of sufficient breadth and depth forthe task at hand6 Concise 5 Extent to which information is compactlyrepresented without being overwhelming7 Reliability 5 Extent to which information is correct andreliable8 Accessibility 4 Extent to which information is avaailable,or easily and qickly retrievable9 Availabity 4 Entent to which information is physicallyaccessible10 Objectivity 4 Entent to which information is unbiased,unprejudiced and impartial11 Relevancy 4 Extent to which information is applicableand helpful for the task at hand12 Useability 4 Extent to which information is clear andeasily used13 Understandability 5 Extend to which data are clear withoutambiguity and easily comperehended14 Amount of data 3 Extent to which the quantity or volume ofavailable data is appropriate15 Believability 3 Extent to which information is regarded as36
  22. 22. true and credible16 Navigation 3 Extent to which data are easily found andlinked to17 Reputation 3 Extent to which information is highlyregarded in terms of source or content18 Useful 3 Extent to which information is applicableand helpful for the task at hand19 Efficiency 3 Extent to which data are able to quicklymeet the information needs for the task athand20 Value-Added 3 Extent to which information is benefecial,provides advantages from its use4. Penilaian Kualitas InformasiUntuk menjelaskan dan mengukur secara akurat konsep kualitas informasi,sangat perlu mengidentifikasi elemen umum dari IQ Frameworkmasing-masing ahli. Fakta bahwa kualitas informasi (Information Quality) perludi nilai dari masa ke masa (Shanks dan Corbitt, 1999), dan penggunannya(Katerattanakul dan Siau, 1999), sehingga kualitas informasi dapat bervariasitergantung dari konteks penggunaannya (Shankar dan Watts, 2003). Beberapametoda dikembangkan untuk menilai kualitas informasi terutama yang disajikandi berbagai World Wide Web seperti Tangible Assessmentt Method for IQ (Zhudan Gauch (2000), IQ Metadata Criteria (Naumann dan Rolker, 2000),Measuring IQ-criteria for website context (Eppler dan Muenzenmayer ,2002).5. Pemakaian InformasiPemakai informasi (user) tidak dapat dipisahkan dari sistim informasi danmerupakan salah satu komponen dari suatu sistim informasi itu sendiri. Dalamkaitannya antara informasi dan sipemakai dapat timbul beberapa pertanyaanseperti :• Siapa yang akan memakai suatu informasi,• Bagaimana pemakaiannya,• Untuk apa informasi itu didayagunakan,• Apakah informasi tersebut bermanfaat bagi sipengguna, dan• Hasil apa yang diperolehnya dari pemakaian informasi tersebut37
  23. 23. Pemakaian informasi saat ini telah merata hampir di semua sektor,perusahaan, industri, lembaga/instansi dan lainnya termasuk sektor perikanandan kelautan.C. Tugas KelompokSetelah mengikuti pembelajaran modul II, setiap kelompok (3 orang)ditugaskan melakukan :1) mengidentifikasi jenis-jenis data yang ada di Dinas Perikanan dan KelautanKabupaten/Kota setempat,2) membuat analisis perbedaan penilaian kualitas data dan informasi menurutbeberapa ahli sistim informasi,3) point (1) dan (2) dibuat dalam bentuk tulisan kurang lebih 5 halaman danbahan presentase dalam bentuk power point yang akan dipresentasikan didepan kelas38
  24. 24. D. Indikator Penilaian Akhir Sesi PembelajaranNo NIRMNAMAMAHASISWASetelah mempelajari modul inimahasiswa mampu :• Menjelaskan klasifikasi data,• Menjelaskan nilai suatu data,• Menjelaskan cara pengolahan datapada sistim informasi• Menjelaskan fungsi dan siklusinformasi,• Menjelaskan biaya dan jenis-jenisinformasi,• Menjelaskan nilai dan kualitasinformasi,Ketepatan dankejelasan uraianKerjasamakelompok1234.90III. PENUTUPModul II (Konsep Dasar Data dan Informasi ) mejelaskan tentang :konsep dasar data yang meliputi klasifikasi data, nilai data, pengolahan data ;konsep dasar informasi meliputi fungsi dan siklus informasi, nilai dan kualitasinformasi, penilaian kualitas informasi dan pemakaian informasi; Modul II danmodul I mengantar mahasiswa untuk mendalami tentang sistim informasiperikanan.REFERENSI39
  25. 25. Alexander, J.E. and Tate, M.A., 1999. Web Wisdom : How to evaluate andcreate information quality on the web. Mahwah, NJ. Erlbaum.Anonim, 2007. Fisheries Information System, National Joint Decision. NOAAFisheries Information System http://w.w.w.st.nmfs.noaa.gov/fis/ . dienduh24/08/2010.Burn, J and Knight, S., 2005. Developing a Framework for AssessingInformation Quality on the World Wide Web. Informing ScienceJournal, Volume 8, Edit Cowan University, Perth Australia.Dedeke, A., 2002. A conceptual framework for developing qualitymeasures for information system. Proceeding of 5th InternationalConference on Information Quality.Eppler, M. And Muenzenmayer, P., 2002. Measuring information quality inthe web contexts : A Survey of state of the art instruments and anapplication technology. Proceeding of 7th International Conferenceon Information Quality.Kahn, B., Strong, D.M and Wang, R.Y, 2002. Infomation Quality Benchmarks : Product and Service Performance, Communication of theACM.Katerattanakul, P. And Siau, K., 1999. Measuring information quality ofWeb sites : Development of an instrumen. Proceeding of the 20thInternational conference on Information System. Charlotte, NorthCaroline, United States.Klein, B.D., 2002. When do users detect information quality problems onthe world Wide Web ?. american Conference in InformationsSystem.Kuhn, A., 1974. The Logic of Social Systems. San Franscisco, JosseyBass.Leung, H.K.N., 2001. Quality metrics for intranet application. Information andManagement Vol 38 (3).Mcleod, R.Jr., 2008. Management Information Systems.http://id.shvoong.com/business-management/1856846-management-information-system. Didownload 24/08/2010.Naunmann, F and Rolker, C., 2000. Assessment method for informationquality criteria. Proceeding of 5th International Conference oninformation quality.O’Brien, J ., 1999. Management Information System-Managing Information40
  26. 26. Technology in the Internerworked Enterprise. Irwin-McGraw-Hill, BostonISBN 0071123733.Pidwirny, M., 2006. Definitions of Systems and Models.http://w.w.w.physicalgeography.net/fundamentals/4b.html dowload12/10/2010.Sutabri, T.,2003. Sistim Informasi Managemen. Penerbit ANDI Yogyakarta.Shanks, G. And Corbitt, B., 1999. Understanding data quality : Social and andculture aspect. Proceedings of 10th Australasian Conference onInformation System.Tandogan, T and Lindinger, A., 2007. Quality of Information Source andValue of Information. Seminar Paper. Universitat Wien.Wang, R.Y. and Strong, D.M., 1996. Beyond Accuracy : What data qualityMeans to data consummers. Journal of Management InformationSystem, Spring.Walonick, S.D., 1993. General Systems Theory. http://www.survey-software-solutions.com/walonick/systems-theory.htm didownload 12/10/2010.Zeist, R.J.H and Hendriks, P.R.H., 1996. Specifying software quality with theextended Iso model. Software quality management IV- Improving quality,BCS.Zins, C., 2009. Knowledge Map of Information Science, Data, Information,Knowledge. http://www.success.co.il/is/dik.html.Download 25/10/2010.Zhu, X and Gauch, S., 2000. Incorporating quality metrics in centralized/distributed information retrieval on the World Wide Web. Proceeding of the23rd annual international ACM SIGIR conference on the Research anddevelopment in information retrieval. Athens, Greece.41
  27. 27. 42

×