Anda di halaman 1dari 26

I.

PENDAHULUAN
A. Latar Belakangor
Data dan informasi merupakan bahan dasar dalam penyusunan sistim
informasi sehingga pemahaman tentang data dan informasi serta sistim informasi
sangat penting adanya. Dalam dunia nyata pengertian data dan informasi sering
disalah artikan, di mana kadang informasi disebut data atau sebaliknya dan
fenomena ini sering menyulitkan dalam melakukan perencanaan, pembangunan
dan pengembangan suatu sistim informasi.
Berdasar hal tersebut, maka dipandang perlu untuk memberikan
pemahaman kepada mahasiswa tentang konsep dasar data, informasi dan sistim
informasi.
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 Modul
Modul II

(Konsep Dasar Database, Informasi dan Sistim Informasi)

memaparkan tentang klasifikasi database, nilai database, sistim pengelolaan


database, database perikanan,

fungsi dan siklus informasi, nilai dn kualitas

informasi, transformasi informasi, pemakaian informasi, komponen dan jenisjenis sistim informasi. Modul ini merupakan lanjutan modul I (Konsep Dasar
Sistim) dan merupakan dasar atau pengantar bagi modul-modul selanjutnya.

16

D. Sasaran Pembelajaran Modul


Setelah 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

II. PEMBELAJARAN
A. Konsep Dasar Data
1. Pengertian Data
Zins (2009) banyak menguraikan tentang pengertian tentang data dengan
mengutip berbagai pendapat dari berbagai ahli di perguruan tinggi dunia sebagai
berikut :
1) Prof. Elsa Barber University of Buenos Aires, Argentina yang mengukip
pendapat Wellish (1996) bahwa, datum is the representation of concepts or
other entities, fixed in or on a medium in a form suitable for communication, or
processing 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 menjelaskan
bahwa 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 bahwa
datum is every things or every unit that could increase the human knowledge or
could allow to enlarge our field of scientific, theoretical or pactical knowledge,
and that can be recorded, on whichever support, or orally handed. Selanjutnya
dijelaskan bahwa data can arouse information an knowledge in our mind.
5) Prof. Michael Buckland University of California, Berkeley, USA, bahwa data
are commonly used to refer to records or recordings encoded for use in
computer, but is more widely used to refer to statistical observations and other
recordings or collections of evidence.
6) Prof. Anthony Debons, University of Pittsburgh, USA secara singkat
menjelaskan bahwa data is symbols organized according to established
algorrithms.
7) Dr. Quentin L. Burrel, Isle of Man International Business School menjelaskan
bahwa data are the basic individual items of numeric or other information,

18

garnered through observation, but in themselves, without context, they devoid of


information.
8) Prof. Gordana Dodig-Crnkovic, Malarden University, Swedia, membedakan
data atas data mentah (raw data atau source data atau atomic data) dan data.
Raw data adalah data yang belum diproses untuk penggunaan, sedang data are
a 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 are
commonly seen as simple isolated facts, though products of intellectual activity in
their rough shape.
11)

Michal Lorenz, Masaryk University in Brno Republik Ceko menjelaskan

bahwa data are formalized parts of sociocultural information potentionally


processable by technical facilities which disregard the cognitive process and that
is why it is necessary to provide them with meaning from outside.
12) Prof. Michel J. Menou, Knowledge and ICT Management Consultant Prancis
menulis bahwa data are perceptible or perceived- if and when the signal can be
interpreted by the user- attributes of physical, biological, social or conceptual
entities.
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), data
are set of symbols representing a perception of raw facts.
15)

Prof. Haidar Moukdad, Dalhousie University Canada,

data are sets of

characters, symbols, numbers, and audio/visual bits that are represented and/or
encountered in raw forms.
16) Prof. Lena Vania Pinheiro, Brazilian Institute for Information in Science and
Technology, Brasil menguraikan bahwa datum is an object or crude fact
perceived by the subject, non constructed nor elaborated in the consciousness,
without passing through neither analysis processes nor evaluation for its transfer
as information.

19

17) Prof. Maria Pinto, University of Granada Spain menjelaskan bahwa data are
primitive symbolic entities, whose meaning depend on it integration within a
contexts that allow their understanding by an interpreter.
18) Prof. Roberto Poli, University of Trento Italy menguraikan bahwa datum is a
sign thet denotes entities or attributes in a proximal context.
19)

Prof. Ronald Rousseau, KHBO and University of Antwerp, Belgium

menjelaskan bahwa data are representation of facts or ideas in a formalized, and


hence 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 or
social world in the form of figures, facts, plots etc.
Berdasarkan uraian beberapa ahli tersebut di atas dapat dikatakan bahwa
data adalah fakta, atau bagian dari fakta yang mengandung arti sehubungan
dengan kenyataan, simbol-simbol, gambar-gambar, angka-angka, huruf atau
simbol yang menunjukkan suatu ide, obyek, kondisi, atau situasi dan lainnya
yang didapatkan melalui suatu observasi atau secara data diartikan sebagai
keterangan tentang sesuatu. Contoh-contoh data disajikan pada Gambar 2.1
2.2

20

Data pelabuhan perikanan Sulawesi


Selatan dinyatakan dalam simbol

Gambar 2.1 Data PPI Sulawesi Selatan

Gambar 2.2 Data kondisi mangrove di Kota Palopo

21

2. Klasifikasi Data
Data dapat diklasifikasikan sebagai berikut :

Berdasarkan sifat data


Berdasarkan sifat data dikenal data kuantitatif (quantitative data), data

dalam bentuk angka atau bilangan. Contoh : dari 997 nelayan di kecamatan
A, 354 orang adalah nelayan penuh, 455 orang adalah nelayan sambilan
utama, dan 168 orang adalah nelayan sambilan bukan utama . dan data
kualitatif, (qualitative data)adalah data bukan dalam bentuk penjumlahan atau
angka tetapi dalam bentuk pernyataan dan atau kategori. Contoh : Kondisi
tempat pelelangan ikan di Desa Ulo-Ulo Kabupaten Luwu Sulawesi Selatan
sangat buruk. Contoh data kuantitatif dan kualitatif perikanan disajikan pada
Tabel 2.1 dan Gambar 2.3.

Berdasarkan sumber data


Berdasarkan sumberdata dikenal : (1) data internal (internal data) yaitu

data yang berasal dari dalam organisasi, atau data asli, data yang dieproleh
dari observasi yang dilakukan langsung oleh peneliti atau bukan dari hasil
pengamatan atau karya orang lain. Data internal sering juga disebut sebagai
data primer (primary data), dan (2) data eksternal (external data)yaitu data
yang berasal dari luar organisasi atau institusi, atau data hasil observasi
orang lain.
Data eksternal dapat dikelompokan atas : (1) data eksternal primer
(primary external data) data yang dapat berbentuk lisan atau tertulis yang
didapatkan langsung dari pemilik data sendiri atau orang yang melakukan
observasi atau pengumpul data tersebut, biasa juga disebut directly external
data, (2) data eksternal skunder (secondary external data) data yang
diperoleh dari orang yang bukan melakukan observasi langsung, biasa juga
disebut indirectly external data.
Tabel 2.1 Data kuantitatif nelayan di Kecamatan A.
No
1
2

Kategori Nelayan
Nelayan penuh
Nelayan sambilan utama

Jumlah
354
455

Persentase
36,23
46,57

22

Nelayan sambilan bukan utama


Total

168
977

17,20
100,00

Gambar 2.3 Contoh data kualitatif (kondisi pelelangan ikan)

Berdasarkan cara memperolehnya


Berdasarkan cara memperolehnya, data dapat dikelompokan atas (1) data

primer yaitu data yang dikumpulkan langsung oleh si peneliti atau diperoleh
dari sumber pertama dan datanya belum diolah, contoh : hasil pengamatan
beberapa parameter oseanografis daerah penangkapan ikan cakalang dan
jumlah hasil tangkapan per trip perikanan pole and line yang didapatkan dari
hasil pengamatan langsung dilapang oleh Achmar Mallawa dan kawan-kawan
tahun 2009,
(2) data sekunder yaitu data yang diperoleh dari pihak kedua yang
mengumpulkan data tersebut.

Data sekunder biasanya telah diolah atau

diatur sedemikian rupa oleh pengumpulnya, contoh : Data jumlah armada

23

penangkapan ikan di Kabupaten Luwu Sulawesi Selatan. Contoh data primer


dan data sekunder perikanan disajikan pada Tabel 2.2 dan Tabel 2.3.

Tabel 2.2

Data parameter oseanografi dan hasil tangkapan per hauling


perikanan pole and line di perairan Teluk Bone.*)

Waktu
Pemancingan

No
1
2
3

12-06-2009
13-06-2009
14-06-2009
Dan seterusnya

Suhu
(0C)

Salinitas
(ppt)

Kedalaman
(m)

29,5
28,9
29,1
......
.......

32,1
33,1
32,8
......
.......

1.245
1.256
1.115
........
........

Hasil
tangkapan
(kg)
357
498
698
.....
......

Tabel 2.3 Jumlah perahu/kapal per desa Kabupaten Luwu


No

Desa

Perahu
tanpa
motor
25
22
14
10
8

Motor
tempel

1
Lamasi pantai
19
2
Pompengan
16
3
Karangan
24
4
Balambang
50
5
Lare-lare
7
6
Dst
Sumber : Dinas Perikanan dan Kelautan, 2005.

Kapal
motor

Total

24
2
-

42
38
62
62
15

Berdasarkan cakupannya.
Berdasarkan cakupan pengumpulannya, data dikelompokan atas data

sensus, yaitu data yang diperoleh dari populasi dan data sampel, yaitu data
yang 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 mengalami
perubahan atau sedikit mengalami perubahan dan, (3) data dinamis yaitu

24

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

No

Jumlah perahu/kapal menurut kategori perahu/kapal perikanan


tangkap di Kabupaten Luwu tahun 2009

Kecamatan

Walenrang

Bua

Ponrang

Kamanre

5
6

Belopa
Suli

7
8

Konsentrasi
nelayan
Lamasi pantai
Pompengan
Karangan
Balambang
Lare-lare
Bassiang
Lampuara
Jene Maeja
S. Paremang
Wara
Ulo-ulo
Murante
Cimpu
Suli
Batu Lotong
Bone Pute

Perahu
tanpa
motor
25
22
14
10
8
10
11
16
25
85

Motor
tempel

Kapal
motor

Total

19
16
24
50
7
30
2
21
10
32
46
37
191

24
2
78
20
5
38
8
70
22
45

42
38
62
62
15
78
50
7
21
10
80
8
81
84
62
321

354

1.094

Larompong
Larompong
Selatan
Kabupaten Luwu
236
502
Sumber : Dinas Perikanan dan Kelautan Luwu, 2010
Tabel 2.5 Data luas perairan Indonesia*)

No
1
2

Jenis perairan
Perairan Teritori
Perairan Kepulauan
Perairan ZEEI
Perairan
Sungai, waduk, danau, rawa
Pedalaman
dan genangan air lainnya
*) Contoh data statis perikanan
Laut

Luas
0,8 juta km2
2,3 juta km2
2,7 juta km2
54 juta hektare

25

Tabel 2.6 Data Potensi Sumberdaya Ikan Indonesia *)


No
1
2
3
4
5
6
7

Kelompok Sumberdaya Ikan


Potensi Lestari
Ikan pelagis besar
1.165.630
Ikan pelagis kecil
3.605.660
Ikan demersal
1.365.090
Ikan karang konsumsi
146.250
Udang peneid
94.800
Lobster
4.800
Cumi-cumi
28.250
Total
6.409.210
*) contoh data semi dinamis perikanan

JTB
932.288
2.884.528
1.092.072
117.000
75.840
3.840
22.600
5.127.368

Tabel 2.7 Hasil Tangkapan Utama Perairan Umum Indonesia tahun 20032007*)
Jenis Ikan
2003
2004
Ikan Mas
8.917
9,951
Mujair
18.059
18.289
Gabus
30.627
41.014
Udang
15.350
14.310
Lainnya
3.896
4.445
*) Contoh data dinamis perikanan

2005
9.012
17.539
32.784
16.668
4.943

2006
9.013
14.390
31.194
14.287
4.919

2007
9.096
11.209
30.300
14.825
3.863

Berdasarkan skala pengukurannya


Berdasarkan skala pengukurannya dikenal data nominal, data ordinal,

data interval dan data rasio.


3. Nilai dan Kualitas Data
Ada tiga indikator yang dapat digunakan untuk menentukan nilai suatu data
(Sutabri, 2005) yaitu :
1)

ketelitian data (data precision),

ketelitian data dapat diperoleh dengan

mempraktekan beberapa hal seperti melakukan pengamatan secara ber ulangulang,

menggunakan

peralatan

standar

atau

yang

peralatan

yang

tersertifikasi/direkomendasikan,pengamatan dengan melibatkan beberapa orang


dari keahlian yang sama dan sebagainya.

26

2) komparabilitas data (data comparability), berarti bahwa data yang dihasilkan


menggunakan peralatan yang telah distandarisasi, satuan data yang digunakan
adalah satuan standar dan sebainya, dan
3) validitas data (data validity), berarti dengan mempergunakan data tersebut
tujuan yang ingin dicapai oleh sipengguna terealisasi.
Wang dan Strong (1996) mengemukakan konsep acuan untuk menentukan
kualitas suatu data (Data Quality Conceptual Framework) yang terdiri dari 4
kategori 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), dan
security (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 (dapat
dimengerti), Ease of understanding (mudah dimengerti), Concise Representation
dan Consistent Representation (konsisten);
Shank dan Corbitt (1999) menentukan kualitas data dengan menggunakan
Semiotic-based Framework for Data Quality

yang terdiri atas 4 semiotic

descriptions, 4 goals dan 11 dimensions yaitu :


1) Semiotic Level I, Syntactic, goal : consitent, dimension : well-defined/formal
syntax ;
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

B. Konsep Dasar Informasi


1. Pengertian Informasi
Pengertian information diuraikan oleh Zins (2009) dengan mengutip
pendapat berbagai ahli dari beberapa universitas dunia sebagai berikuit :
1) Prof.`Aldo de Albuquerquee Barreto , bahwa information is (1) a message
used by sender to represent one or more concepts within a communications
process, intended to increase knowledge in recipients, (2) a message recorded in
the text of a document. Hanne Albrechtsen menjelaskan bahwa information is
related to meaning or human intention.

Selanjutnya dijelaskan bahwa sistim

berbasis komputer informations adalah isi dari database, web dan sebagainya,
dan dalam sistim berbasis manusia information adalah pengertian dari
pendapat yang diinginkan oleh pembicara/penulis dan pengertian/atau tidak
pengertian dari pendengan/pembaca.
2) Buckland (1991) menjelaskan bahwa kata information digunakan merujuk
ke sejumlah fenomena yang berbeda, di mana fenomena dibagi ke dalam tiga
kelompok : (1) segala hal yang dipersepsikan sebagai sesuatu yang potensil
memberi nilai tambah, (2) proses penyampaian, (3) bahwa yang dipetik dari
suatu kejadian atau komunikasi.
3)

Prof. Anthony Debons, University of Pitsburgh, USA menjelaskan bahwa

information represent a state of awarness (consciouness) and the physical


manifestations they forms.

Selanjutnya dikatakan bahwa information, as

phenomena, represents both a process and a product : a cognitive affective


state. And the physical counterpart (product of) the cognitive/affective state. The
counterpart could range from a scratch of asurface, mouvement/placement,
written document etc. Informations answers questions of what, where, when and
who and permutations thereof.
4) Prof. Nicolae Dragulanescu dari Universitas Bukares Rumania menjelaskan
bahwa informasi adalah data yang diorganisir untuk menjawab pertanyaan
dasar : apa, siapa, kapan, dan di mana.
5) Prof. Haidar Moukdad , Dalhousie University, Canada bahwa information is
facts, figures, and other forms of meaningful representations that when

28

encountered by or presented to a human being are used to enchance his/her


understanding of a subject or related topics.
6) Prof. Lena Vania Pinheiro, Brazilian Institute for Information in Science and
Technology, Brazil bahwa Information is a phenomenon generated from
knowledge and integrated therein, analyzed and interpreted to achieve the
tranfers process of message (i.e. meaningful content) and the cognitive
transformations of people and communities, in a historical, cutural and social
context.
7)

Prof. Maria Pinto, University of Granada, Spain menguraikan bahwa

Information is the intentional compositions of data by a sender with the goal of


modifying the knowledge state of an interpreter or receiver.
8) Prof. Roberto Poli, University of Trento, Italy mendefinisikan informasi dalam
dua pengertian yaitu : information is a datum in adistal context dan information
is embedding of sign-in-a-proximal-context in a distal context
9) Prof. Anna da Soledade Vieira, Federal University of Minas Gerais, Brazil
menjelaskan bahwa information is data organized to produce meaning.
10) Prof. Irene Wormell, Swedish School of Library and Information Science in
Boras, Sweden menguraikan bahwa Information is a set of symbols that
represent knowledge. Information is what context creates.gives to data and it is
cognitive. Normally it is understood as a new and additional element in collecting
data 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 living
things.

Selanjutnya dikatakan bahwa informasi adalah salah satu dari tiga

pendukung kehidupan dan evolusi kehidupan, selain energi dan material.


12) Prof. Glynn Harmon, University of Texas at Austin, USA menjelaskan bahwa
Information is an organisms or an agents active or latent infrential frame that
guides the selection of data for its own further development or construction.
2. Fungsi dan Siklus Informasi
Fungsi utama informasi adalah menambah pengetahuan atau mengurangi
ketidakpastian pemakai informasi di mana berbekal informasi seseorang dapat
mengambil keputusan dengan baik. Namum dalam pengambilan keputusan yang
kompleks, infomrasi hanya dapat menambah kemungkinan kepastian atau

29

mengurangi berbagai macam pilihan (Sutabri, 2005). Fungsi informasi dapat


dillusrasikan dengan gambar di bawah ini.

(1/8)

(1/8)

(1/8)

(1/8)

(1/8)

(1/8)

(1/8)

(1/8

Gambar 2.4 Illustrasi fungsi informasi


Ada seekor ikan yang terdapat disalah satu dari delapan kolan yang ada,
masalahnya adalah menentukan di kolam yang mana ikan berada.

Secara

statistik, tanpa infomasi peluang keberhasilan untuk memilih kolam yang benar
adalah 1/8 dan peluang kegagalan adalah 7/8 sehingga melalui suatu proses
intuisi seseorang mempunyai 1/8 kemungkinan untuk mendapatkan ikannya.
Akan tetapi , apabila seseorang yang akan memilih kolam keberadaan ikan
mendapatkan informasi bahwa ikan tersebut kemungkinan berada pada kolam
bernomor ganjil maka peluang menentukan dengan benar pemilihan kolam di
mana ikan berada naik menjadi 4/8 atau kemungkinannya untuk sukses menjadi
.
3. Nilai dan Kualitas Informasi
a. Nilai Informasi
Secara umum nilai suatu informasi dihubungkan dengan cost effectiveness
dan atau cost benefit sehingga nilai informasi didasarkan pada 10 (sepuluh) sifat
sebagai 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 yang

dihadapi,

30

5) Ketepatan waktu, yaitu informasi tersedia saat dibutuhkan,


6) Kejelasan, yaitu informasi yang ada sangat jelas dan dimengerti oleh si
pemakai,
7)

Keluwesan, yaitu informasi dapat disesuaikan oleh beberapa pengguna

dalam pengambilan keputusan,


8) Dapat dibuktikan, yaitu pemakai informasi dapat menguji keluaran informasi
dan sampai pada kesimpulan sama,
9) Tidak ada prasangka, yaitu informasi tidak dapat diubah untuk mendapatkan
keputusan 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 kepada
sudut pandang filosofi autor.

Secara umum, terminologi Information

Quality/Data Quality dijelaskan sebagai data yang siap dan sesuai untuk
digunakan (fit-for-use) (Kahn, Wang & Strong, 2002), yang berimplikasi bahwa
infomasi sangat relatif, yaitu bahwa suatu infomasi dapat digunakan oleh
seseorang 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 pendekatan
dan aplikasinya seperti yang disajikan pada Tabel 2.8 berikut ini.

Tabel 2.8 Perbandingan framework kualitas informasi


Konstruksi
Kategori

Dimensi

31

Tahun
1996

Author
Wang & Strong,
1996

Model
A
conceptual
Framework for
Data Quality ( 4
kategori,
16
dimensi)

Intrinsic IQ
Accessibilty IQ
Contextual IQ
Representatio
nal IQ

Zeist
&
Hendriks, 1996

Extended ISO
Model ( 6
karakteristik
kualitas dan 32
sub karakter

Karakteristik
Functionality

Reliability

Accuracy, Objectivity, Believability,


Reputation
Accessibility, Security
Relevancy, Value-added,
Timelines, Completeness, Amount
of Info
Interpretability, Ease of
Understanding, Concise
Representation, Consistent
Representation
Sub Karakteristik
Suitability, Accuracy, Inter
operability, Compliance, Security,
Traceability
Maturity, Recoverability,
Availability, Degradability, Fault
tolerance,

Efficientcy

Time behaviour, Resource


behaviour

Usability

Understandability, Learnability,
Operability, Luxury, Clarity,
Helpfulness, Explicitness,
Customisability, User- friendliness

Maintainability

Analysability, Changeability,
Stability, Testability, Manageability,
Reusability; Adaptability,
Conformance, Replaceability,
Installability

Portability
1999

Alexander
Tate, 1999

&

Katerattanakul
et al , 1999

Applying a
Quality
framework to
Web
Environment (6
kriteria)

IQ of individual
Web Site ( 4
kategori kualitas)

Kriteria
Authority
Accuracy

Penjelasan
Validated information, author is
visible ;
Reliable, free of errors,

Objectivity

Presented without personal biases;

Currency
Orientation

Content up-to-date;
Clear target audience;

Navigation

Intiutive design

Kategori
Intrinsic
Information
Quality

Dimensi
Accuracy and errors of contents,
accurate, workable, & relevant
hyperlinks;

Contextual IQ

Provision of authors information;

Representati
onal IQ

Organisation, Visual Settings,


Typographical features,
Consistency, Vividness/
Attractiveness;

Accessibility IQ

Navigational tools provided;

32

Shanks
&
Corbitt, 1999

2000

Dedeke, 2000

Semiotic-based
Framework for
Data Quality ( 4
Semiotic
descriptions, 4
goals of IQ & 11
dimensions)

Conceptual
Framework for
measuring IS
Quality ( 5
Quality
Categories & 28
dimensions)

Semiotic Level
Syntactic

Goal
Consistent

Semantic

Complete &
accurate

Pragmatic

Usable &
Useful

Social

Shared
understan
ding of
meaning

Quality
Category
Ergonomic
Quality

Accessibility
Quality

Naumann
&
Rolker, 2000

Zhu & Gauch,


2000

Classification of
IQ Metadata
Criteria ( 3
Assessment
class & 22 IQ
criterions)

Quality metricx
for information
retrieval on the

Dimension
Well-defined/formal
syntax;
Comprensive,
Unambiguous,
Meaningfull,
Correct;
Timely, Concise,
Easily Accessed,
Reputable;
Understood,
Awareness of bias

Dimensions
Ease of navigation, Confortability,
Learnability, Visual signals, Audio
signals;
Technical access, System
availability, Technical security, Data
Accessibility, Data sharing, Data
convertibility;

Transactional
Quality

Controllability, Error tolerance,


Adaptability, System feedback,
Efficiency, Responsiveness;

Contextual
Quality

Value added, Relevancy,


Timelines, Completeness,
Approriate data;

Representation
Quality

Interpretability, Consistency,
Conciseness, Structure,
Readability, Contrast,
IQ Criterions

Assessment
Class
Subject Criteria

Believability, Concise
representation, Interpretability,
Relevancy, Reputation,
Understand ability, Value-Added;

Object Criteria

Completeness, Customer support,


Documentation, Objectivity, Price,
Realiability, Securuty, Timeliness,
Verifiability;

Process
Criteria

Accuracy, Amount of data,


Availability, Consistents
representatio, Latency, Response
time

Currency

Measured as the time stamps of


the last modification of the
document;

33

WWW ( 6
Quality metrics)

2001

Leung, 2001

Adapted
Extended ISO
Model for
Intranets (6
charasteristics &
6 sub
caracteristic

Availability

Calculated as the number of


broken links on a page divided by
the total number of links it
contains,

Information tonoise ration

Computed as the total length of the


tokens after preprocessing divided
by the size of the document;

Authority

Based on the Yahoo Internet Life


(YIL) reviews (27) which assigns a
score ranging from 2 to 4 to a
reviewed site;

Popularity

Number of links pointing to a Web


page, used to measure the
populatity of the Web page;

Cohesiveness

Detemined by how closely related


the major topics in the Web page
are

Characteristis
Functionality

Sub-characteristics
Suitability, Accuracy, Interoprability,
Compliance, Security, Traceability;

Reliability

Understandability, Fault tolerance,


Recoverability, Availability,
Degradability;

Usability

Understandability, learnability,
Operability, Luxury, Clarity,
Helpfulness, Explicitness, Userfriendliness, Customisability;

Efficiency

Time behaviour, Resource


behaviour;

Maintainabilty

Analysability, Changeability,
Stability, Testability, Manageability,
Reusability;

Portability
2002

Kahn
2002

et

all,

Mapping IQ
dimension into
the PSP/IQ
model (2 Quality

Quality Type
Product Quality

Adaptability, Installability,
Replaceability, Comformance,
Classification
Sound
Information

Dimension
Free of Error,
Concise,
Representation,

34

types, 4 IQ
Classifications,
16 IQ
dimensions

Useful
Information

Completeness,
Consistents
representation;
Appropriate
amount,
Relevancy,
Understand ability,
Interpret ability,
Objectivity;

Dependable
Information

Timeliness,
Security;

Usable
information

Believability,
Accessibility, Ease
of manipulation,
Reputation,
Value-Added

Relevant
Information,

Comprensiveness
, Accurate, Clear,
Applicable;

Sound
Information

Concise,
Consistent,
Correct, Current;

Optimized
Process

Convenient,
Timely, Traceable,
Interactive;

Reliable
Infrastucture

Accessible,
Secure,
Maintainable, Fast

Service Quality

Eppler
&
Muenzermayer
2002

Conceptual
framework for IQ
in the web site
context (2
manisfestations,
4 quality
categories, 16
quality
dimensions

Content Quality

Media Quality

Klein, 2002

5 IQ Dimension
(dipilih dari 15 IQ
dimensi Strong &
Wang)

IQ dimension
Accuracy
Completeness

Preliminary Factors
Discrepancy, Timeliness, Source/
Author, Bias/Intentionally Faise
Information;
Lack of depth, technical problems,
Missing desireed information,
Incomplete, Lack of breadth;

Relevance

Inrelevance hits when searching,


Bias, Too broad, Purpose of web
site;

Timeliness

Information of not current,


Technical problems, Publication
date unknown;

Amount of data

Too much information, Too little


information, Information
unavailable

Berdasarkan analisis tabel 2.8 di atas, bahwa dimensi kualitas yang banyak
diperbincangkan sejak lama telah termasuk didalammnya seperti akurasi

35

(accuracy), konsistensi (consistency), tepat waktu (timeliness), sangat lengkap


(completeness), mudak diakses (accessibility), obyektif (objectiveness), dan
relevansi (relevancy)
Berdasarkan analisis dari berbagai framework (Tabel 2.8) di atas dapat
disimpulkan bahwa

para ahli memiliki 20 kesamaan dalam menilaii dimensi

kualitas informasi seperti yang disajikana pada Tabel 2.9 sebagaii berikut.
Tabel 2.9 Kesamaan yang paling umum pada penilaian kualitas informasi .
No
1

Dimensi
Accuracy

Freq
8

Consistency

Security

Timeliness

Completeness

Concise

Reliability

Accessibility

Availabity

10

Objectivity

11

Relevancy

12

Useability

13

Understandability

14

Amount of data

15

Believability

16

Navigation

Definis (Wang & Strong, 1996)


Extent to which data are correct, reliable
and certified free error
Extent to which information is presented in
the same format and compatible with
previous data
Extent to wich access to information is
resticted appropriately to maintain its
security
Extent to which information is sufficiently
up-to-date for the task at hand
Extent to which information is not missing
and is of sufficient breadth and depth for
the task at hand
Extent to which information is compactly
represented without being overwhelming
Extent to which information is correct and
reliable
Extent to which information is avaailable,
or easily and qickly retrievable
Entent to which information is physically
accessible
Entent to which information is unbiased,
unprejudiced and impartial
Extent to which information is applicable
and helpful for the task at hand
Extent to which information is clear and
easily used
Extend to which data are clear without
ambiguity and easily comperehended
Extent to which the quantity or volume of
available data is appropriate
Extent to which information is regarded as
true and credible
Extent to which data are easily found and
linked to

36

17

Reputation

18

Useful

19

Efficiency

20

Value-Added

Extent to which information is highly


regarded in terms of source or content
Extent to which information is applicable
and helpful for the task at hand
Extent to which data are able to quickly
meet the information needs for the task at
hand
Extent to which information is benefecial,
provides advantages from its use

4. Penilaian Kualitas Informasi


Untuk menjelaskan dan mengukur secara akurat konsep kualitas informasi,
sangat perlu mengidentifikasi elemen umum dari IQ Framework
masing-masing ahli. Fakta bahwa kualitas informasi (Information Quality) perlu di
nilai dari masa ke masa (Shanks dan Corbitt, 1999), dan penggunannya
(Katerattanakul dan Siau, 1999), sehingga kualitas informasi dapat bervariasi
tergantung dari konteks penggunaannya (Shankar dan Watts, 2003). Beberapa
metoda dikembangkan untuk menilai kualitas informasi terutama yang disajikan
di berbagai World Wide Web seperti Tangible Assessmentt Method for IQ (Zhu
dan Gauch (2000), IQ Metadata Criteria (Naumann dan Rolker, 2000),
Measuring IQ-criteria for website context (Eppler dan Muenzenmayer ,2002).
5. Pemakaian Informasi
Pemakai informasi (user) tidak dapat dipisahkan dari sistim informasi dan
merupakan salah satu komponen dari suatu sistim informasi itu sendiri. Dalam
kaitannya antara informasi dan sipemakai dapat timbul beberapa pertanyaan
seperti :

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 tersebut


Pemakaian informasi saat ini telah merata hampir di semua sektor,

perusahaan, industri, lembaga/instansi dan lainnya termasuk sektor perikanan


dan kelautan.

37

C. Tugas Kelompok
Setelah mengikuti pembelajaran modul II, setiap kelompok (3 orang)
ditugaskan melakukan :
1) mengidentifikasi jenis-jenis data yang ada di Dinas Perikanan dan Kelautan
Kabupaten/Kota setempat,
2) membuat analisis perbedaan penilaian kualitas data dan informasi menurut
beberapa ahli sistim informasi,
3) point (1) dan (2) dibuat dalam bentuk tulisan kurang lebih 5 halaman dan
bahan presentase dalam bentuk

power point yang akan dipresentasikan di

depan kelas

D. Indikator Penilaian Akhir Sesi Pembelajaran

No

NIRM

NAMA
MAHASISWA

Setelah
mempelajari
mahasiswa mampu :

modul

ini

38

Menjelaskan klasifikasi data,


Menjelaskan nilai suatu data,
Menjelaskan cara pengolahan data
pada sistim informasi
Menjelaskan fungsi dan siklus
informasi,
Menjelaskan biaya dan jenis-jenis
informasi,
Menjelaskan nilai dan kualitas
informasi,
Ketepatan dan
Kerjasama
kejelasan uraian
kelompok
1
2
3
4
.
90
III. PENUTUP
Modul 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 kualitas
informasi, penilaian kualitas informasi dan pemakaian informasi; Modul II dan
modul I mengantar mahasiswa untuk mendalami tentang sistim informasi
perikanan.

REFERENSI
Alexander, J.E. and Tate, M.A., 1999. Web Wisdom : How to evaluate and create
information quality on the web. Mahwah, NJ. Erlbaum.
Anonim, 2007. Fisheries Information System, National Joint Decision. NOAA
Fisheries Information System http://w.w.w.st.nmfs.noaa.gov/fis/ . dienduh
24/08/2010.

39

Burn, J and Knight, S., 2005. Developing a Framework for Assessing


Information Quality on the World Wide Web. Informing Science
Journal, Volume 8, Edit Cowan University, Perth Australia.
Dedeke, A., 2002. A conceptual framework for developing quality
measures for information system. Proceeding of 5th International
Conference on Information Quality.
Eppler, M. And Muenzenmayer, P., 2002. Measuring information quality in
the web contexts : A Survey of state of the art instruments and an
application technology. Proceeding of 7th International Conference
on Information Quality.
Kahn, B., Strong, D.M and Wang, R.Y, 2002. Infomation Quality Bench
marks : Product and Service Performance, Communication of the
ACM.
Katerattanakul, P. And Siau, K., 1999. Measuring information quality of
Web sites : Development of an instrumen. Proceeding of the 20th
International conference on Information System. Charlotte, North
Caroline, United States.
Klein, B.D., 2002. When do users detect information quality problems on
the world Wide Web ?. american Conference in Informations
System.
Kuhn, A., 1974. The Logic of Social Systems. San Franscisco, Jossey
Bass.
Leung, H.K.N., 2001. Quality metrics for intranet application. Information and
Management Vol 38 (3).
Mcleod, R.Jr., 2008. Management Information Systems.
http://id.shvoong.com/business-management/1856846-managementinformation-system. Didownload 24/08/2010.
Naunmann, F and Rolker, C., 2000. Assessment method for information
quality criteria. Proceeding of 5th International Conference on
information quality.
OBrien, J ., 1999. Management Information System-Managing Information
Technology in the Internerworked Enterprise. Irwin-McGraw-Hill, Boston
ISBN 0071123733.
Pidwirny, M., 2006. Definitions of Systems and Models.
http://w.w.w.physicalgeography.net/fundamentals/4b.html dowload
12/10/2010.

40

Sutabri, T.,2003. Sistim Informasi Managemen. Penerbit ANDI Yogyakarta.


Shanks, G. And Corbitt, B., 1999. Understanding data quality : Social and and
culture aspect. Proceedings of 10th Australasian Conference on
Information System.
Tandogan, T and Lindinger, A., 2007. Quality of Information Source and
Value of Information. Seminar Paper. Universitat Wien.
Wang, R.Y. and Strong, D.M., 1996. Beyond Accuracy : What data quality
Means to data consummers. Journal of Management Information
System, Spring.
Walonick, S.D., 1993. General Systems Theory. http://www.survey-softwaresolutions.com/walonick/systems-theory.htm didownload 12/10/2010.
Zeist, R.J.H and Hendriks, P.R.H., 1996. Specifying software quality with the
extended 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 the
23rd annual international ACM SIGIR conference on the Research and
development in information retrieval. Athens, Greece.

41