Visualisasi data dapat memberikan manfaat untuk analisis data perpustakaan secara mendalam dan penyajian format baru koleksi kepustakawan. Uji coba visualisasi data di perangkat lunak SIM Perpustakaan menghasilkan pola kerja pelaporan, visualisasi diagram, dan kolaborasi pengarang untuk tujuan evaluasi koleksi secara real-time. Namun, visualisasi data hanya bermanfaat maksimal jika jumlah data perpustakaan melebihi 10.000 record

1. VISUALISASI DATA
DI SIM PERPUSTAKAAN
Seminar Nasional Perpustakaan 2017
Pustaka Kementerian Pertanian II Rabu, 27 September 2017
Dwi Fajar Saputra
UPT. Perpustakaan FK UPNVJ
dfsptra@gmail.com

2. Daftar Isi
Pendahuluan1
Tujuan2
Metode3
Hasil dan Demo4
Kesimpulan dan Saran5

3. Pendahuluan
Berdasarkan pengamatan di onesearch.id (2017)
50 perpustakaan teratas yang menggunakan SIM Perpustakaan
dan telah bergabung di onesearch.id memiliki data > 10.000.
Data tersebut belum termasuk data peminjaman, pengembalian,
keanggotaan, dll. Ditambah besarnya data yang dihasilkan oleh
SIM Perpustakaan akan meningkat ditiap tahunnya.

4. Ide Tindak Lanjut :
Potensi ketersediaan data yang tergolong besar dapat
dimanfaatkan, untuk menjadi keluaran yang sifatnya tidak
administratif saja namun mendukung adanya analisa data secara
lebih mendalam.

5. Visualisasi Data
Kriteria :
1. Dapat berasal dari proses kualitatif dan kuantitatif.
2. Ditujukan untuk mendukung proses eksplorasi, pemeriksaan
dan komunikasi data.
3. Dapat dibaca oleh masyarakat/ pengguna. (Kosara dalam
Azzam, dkk. 2013)

6. Sejarah :
(Azzam, dkk. 2013)

7. Tren Saat Ini :
1. Untuk meningkatkan pemahaman tentang sebuah program,
konteks dan sejarahnya.
2. Membantu pengumpulan data.
3. Melakukan analisis terhadap beberapa bentuk data.
4. Untuk berkomunikasi dengan stakeholder. (Azzam, dkk.
2013)

8. Penelitian Terdahulu :
No Nama Pengarang, Tahun Judul Artikel, Nama Jurnal Hasil
1 Mark Eaton, 2017 Seeing Library Data: A Prototype Data
Visualization Application for Librarians, Jurnal
Web Librarianship.
Menghasilkan sebuah
program visualisasi data yang
diberi nama SeeCollections.
Program tersebut berguna
untuk identifikasi pola koleksi
buku yang dimiliki oleh City
University of New York
(CUNY) Libraries.
2 Alberto Pramukti Narendra, 2015 Data besar, data analisis, dan pengembangan
kompetensi pustakawan, Record and Library
Journal.
Visualisasi data dapat
menjadikan data perpustakaan
tervisualisasi lebih menarik
untuk dibaca oleh pemustaka.

9. Tujuan
Untuk melakukan ujicoba penerapan visualisasi data di
software SLiMS yang diharapkan dapat menghadirkan nilai
lebih bagi pustakawan sehingga dapat diketahui (1) pola kerja
dan (2) manfaatnya yang spesifik terhadap berjalannya roda
manajemen perpustakaan.

10. Metode
Model metode yang digunakan adalah extreme programming
(XP). Smith (2013) dalam bukunya “web based instruction a
guide for libraries” mengemukakan model XP, merupakan
pengembangan dari model agile yang memiliki tahapan yakni
planning, design, coding, testing.

11. Planning
• Identifikasi kebutuhan (Field apa yang bisa dikembangkan)
Desain
• Membuat mockups
Codiing
• Instal, configure code
Testing
• Testing via browser

12. Hasil dan Demo
User interface
Dashboard

13. User interface
Author Collaborate

14. Kesimpulan dan Saran
1. Pola Kerja :
Pola kerja yang dapat dijalankan ketika ingin mengaktifkan
aplikasi visualisasi data yaitu reporting – visualize diagram –
author collaborate – pilih author yang ingin ditampilkan
visualisasi datanya – sistem menampilkan bentuk kolaborasi
dari author terpilih.

15. 2. Manfaat :
(1) Memberikan analisis terhadap suatu data tertentu yang ingin
diketahui secara lebih mendalam, (2) Memberikan suatu format
baru dalam penyajian data koleksi perpustakaan kepada
pemustaka, (3) Memberikan bahan evaluasi yang real time bagi
pustakawan dalam hal pengembangan koleksi perpustakaan.

16. Saran :
Visualisasi data dapat berjalan dengan maksimal jika suatu
perpustakaan yang telah menerapkan SIM perpustakaan
memiliki ketersediaan data yang tergolong besar (>10.000).
Kalau data yang ada masih kecil, belum dapat menggunakan
visualisasi data secara penuh.

17. THANK YOU