EVALUASI KESIAPAN INFRASTRUKTUR DATA

SPASIAL DI PEMERINTAH KABUPATEN/KOTA

MENGGUNAKAN KUESIONER EVALUASI DIRI DAN
TECHNOLOGY ACCEPTANCE MODEL

TESIS

untuk memenuhi sebagian persyaratan

mencapai derajat Sarjana S-2

Oleh:

Annisa Farida Hayuningsih

NIM: 12/338849/PTK/08222

SAMPUL

Kepada
PROGRAM STUDI PASCASARJANA TEKNIK GEOMATIKA
JURUSAN TEKNIK GEODESI FAKULTAS TEKNIK
UNIVERSITAS GADJAH MADA
2014

i
EVALUATION OF SPATIAL DATA INFRASTRUCTURE
READINESS IN LOCAL GOVERNEMNT USING SELF-
EVALUATION QUESTIONNAIRE AND TECHNOLOGY
ACCEPTANCE MODEL

POSTGRADUATE THESIS

submitted as a partial fulfillment of the requirements for obtaining the degree of

Magister of Engineering in Geomatics Engineering Study Program

By:

ANNISA FARIDA HAYUNINGSIH

NIM: 12/338849/PTK/08222

JUDUL BAHASA INGGRIS

Submitted to:
PROGRAM STUDI PASCASARJANA TEKNIK GEOMATIKA
JURUSAN TEKNIK GEODESI FAKULTAS TEKNIK
UNIVERSITAS GADJAH MADA
2014

ii
HALAMAN PENGESAHAN

iii
 PERNYATAAN

Dengan ini penulis menyatakan bahwa dalam tesis ini tidak terdapat karya
yang pernah diajukan untuk memperoleh gelar kesarjanaan di suatu perguruan tinggi,
dan sepanjang pengetahuan penulis juga tidak terdapat karya atau pendapat yang
pernah ditulis atau diterbitkan oleh orang lain, kecuali yang secara tertulis diacu
dalam naskah ini dan disebutkan dalam daftar pustaka.

Yogyakarta, Desember 2014

Penulis

Annisa Farida Hayuningsih

iv
 PERSEMBAHAN

Terima kasih atas berkah dan nikmat yang Engkau berikan kepadaku, ya Allah.
Engkau limpahkan ilmu dan semangat yang begitu banyak kepadaku untuk mencapai
mimpi dan cita-cita.
Engkau berikan keluarga dan teman-teman yang mencintai dan mendukungku.

Dengan Rahmat Allah SWT, karya ini saya persembahkan untuk:

Bapak, Ibu, dan adikku yang selalu memberikan doa, semangat, dan mendukung
setiap langkahku.

v
 KATA PENGANTAR

Puji dan syukur penulis panjatkan kepada Allah SWT atas berkah dan rahmat-
Nya, sehingga penulis dapat menyelesaikan tesis yang berjudul “Evaluasi Kesiapan
Infrastruktur Data Spasial di Pemerintah Kabupaten/Kota menggunakan
Kuesioner Evaluasi Diri dan Technology Acceptance Model“. Tesis ini dibuat
sebagai salah satu syarat yang harus dipenuhi untuk menyelesaikan Program
Magister pada Program Studi S-2 Teknik Geomatika Jurusan Teknik Geodesi
Fakultas Teknik Universitas Gadjah Mada.
Tanpa bantuan banyak pihak, penulis tidak dapat menyelesaikan kegiatan
penelitian hingga penulisan laporan ini. Sebagai rasa syukur dan hormat penulis,
melalui kesempatan ini ucapan terima kasih disampaikan kepada:
1. Bapak Ir. Djurdjani, M.SP., M.Eng., Ph.D., selaku Ketua Jurusan Teknik
Geodesi Fakultas Teknik Universitas Gadjah Mada.
2. Ibu Ir. Nurrohmat Widjajanti, MT., Ph.D., selaku Ketua Program Studi S-2
dan S-3 Teknik Geomatika Program Pascasarjana Fakultas Teknik
Universitas Gadjah Mada.
3. Bapak Ir. Subaryono, MA., Ph.D., selaku dosen pembimbing akademik, yang
yang telah membimbing dan memberikan nasehat-nasehat kepada penulis
selama menempuh kuliah.
4. Bapak Dr. Heri Sutanta, ST., M.Sc. dan Bapak Trias Aditya KM., ST., M.Sc.,
Ph.D., selaku pembimbing tesis, yang telah berkenan membimbing dan
mengarahkan selama mengerjakan tesis.
5. Bapak Ir. Prijono Nugroho, MSP, Ph.D dan Ibu Ir. Nurrohmat Widjajanti,
M.T., Ph.D., selaku penguji tesis.
6. Kepala BAPPEDA di Indonesia yang telah berkenan membantu dalam
pengisian kuesioner.
7. Kepala BAPPEDA Kota Yogyakarta, Kabupaten Sleman, Kabupaten Kulon
Progo, Kabupaten Bantul, Kabupaten Klaten, Kabupaten Magelang, dan
Kabupaten Sragen yang telah berkenan membantu dalam kegiatan
wawancara.

vi
 8. Seluruh Staf Pengajar dan Karyawan di Jurusan Teknik Geodesi Universitas
Gadjah Mada atas ilmu, pengalaman, dan bantuannya selama mengikuti
pendidikan.
9. Bapak, Ibu, dan adikku, yang selalu memberikan semangat, dukungan, dan
doa.
10. Keluarga di Solo, Sragen, dan Jepang, yang telah memberikan dukungan dan
semangat.
11. Teman-teman Pascasarjana angkatan 2012, Mas Farid Yuniar, Mas Bagus
Subakti, Diaz Cahya KY., Dinar Trisnandittya, Isnaini Annuriah M., Bagas
Triarahmadhana, dan Jali Octariady, terima kasih atas bantuan, dukungan,
dan kebersamaannya.
12. Teman-teman PPIDS, Dany Puguh Laksono, Ivan Busthomi, Nur Fajriah,
dan Tri Utami Handayaningsih terima kasih atas canda tawa dan pengalaman
baru yang telah diberikan.
13. Sahabat-sahabatku, Ri Sang Jun, Mbak Sri Rezki Artini, Mbak Wahyu
Martha Mutiarasari, Mbak Yeni Wulandari, Januar Rizky Retnaningrum,
Dyah Mumpuni, Dyah Kurniasih Nurazizah, Renata Pertiwi Isadi, Bhakti
Mega Pertiwi, Yurika Ayuningtyas, Maria Magdalena, Ani Littik dan
Tamada Makiko, terima kasih atas dukungan dan semangat yang diberikan.
14. Semua pihak yang telah membantu, sehingga penulis dapat menyelesaikan
tesis ini.
Penulis menyadari bahwa tesis ini masih jauh dari sempurna. Saran dan kritik
yang membangun sangat penulis harapkan

Yogyakarta, Desember 2014

Penulis

Annisa Farida Hayuningsih

vii
 DAFTAR ISI

SAMPUL ......................................................................................................................... i
JUDUL BAHASA INGGRIS ......................................................................................... ii
HALAMAN PENGESAHAN ....................................................................................... iii
PERNYATAAN ............................................................................................................ iv
PERSEMBAHAN ........................................................................................................... v
KATA PENGANTAR ................................................................................................... vi
DAFTAR ISI................................................................................................................ viii
DAFTAR GAMBAR ...................................................................................................... x
DAFTAR TABEL.......................................................................................................... xi
INTISARI ..................................................................................................................... xii
ABSTRACT................................................................................................................... xiii
BAB I .............................................................................................................................. 1
PENDAHULUAN .......................................................................................................... 1
I.1. Latar Belakang ...................................................................................................... 1
I.2. Perumusan Masalah .............................................................................................. 2
I.3. Tujuan Penelitian .................................................................................................. 3
I.4. PertanyaanPenelitian ............................................................................................. 3
I.5. Cakupan Penelitian ............................................................................................... 3
1.6. Manfaat penelitian ................................................................................................ 3
I.7. Tinjauan Pustaka ................................................................................................... 4
I.8. Dasar Teori ........................................................................................................... 6
I.6.1. Infrastruktur Data Spasial .............................................................................. 6
I.6.2. IDS di Tingkat Daerah ................................................................................. 14
I.6.3. Model Penilaian Kesiapan IDS .................................................................... 18
1.6.5. Metode Pengumpulan Data ......................................................................... 20
I.6.4. Technology Acceptance Model (TAM) ........................................................ 21
I.6.5. Geovisualisasi .............................................................................................. 29
BAB II........................................................................................................................... 33
PELAKSANAAN ......................................................................................................... 33
II.1. Persiapan............................................................................................................ 33
II.1.1. Peralatan Penelitian..................................................................................... 33
II.1.2. Lokasi Studi ................................................................................................ 33
II.1.3.Bahan Penelitian .......................................................................................... 33
II.2. Pelaksanaan Penelitian ...................................................................................... 34
II.2.1. Persiapan ..................................................................................................... 35
II.2.2. Populasi dan Sampel ................................................................................... 35
II.2.3. Pengumpulan Data ...................................................................................... 35
II.2.3. RekapitulasiKuesioner ................................................................................ 36
II.2.4. Pengolahan Data ......................................................................................... 36
BAB III ......................................................................................................................... 42
HASIL DAN PEMBAHASAN .................................................................................... 42
III.1. Hasil dan Pembahasan Kuesioner .................................................................... 42
III.2. Hasil dan Pembahasan Wawancara .................................................................. 45
III.3. Hasil dan Pembahasan TAM ............................................................................ 52

viii
 III.4. Visualisasi Evaluasi Kesiapan IDS .................................................................. 56
BAB IV ......................................................................................................................... 73
KESIMPULAN DAN SARAN .................................................................................... 73
IV.1. Kesimpulan ...................................................................................................... 73
IV.2. Saran ................................................................................................................ 73
DAFTAR PUSTAKA ................................................................................................... 75
LAMPIRAN.................................................................................................................. 80
LAMPIRAN A .......................................................................................................... 81
LAMPIRAN B .......................................................................................................... 89
LAMPIRAN C .......................................................................................................... 92
LAMPIRAND ......................................................................................................... 100

ix
 DAFTAR GAMBAR

Gambar I. 1. Menunjukkan hubungan antar komponen IDS ................................................... 8

Gambar I. 2. Hierarki IDS ...................................................................................................... 11
Gambar I. 3. Rangkaian kesatuan pembangunan IDS berdasarkan IDS generasi pertama dan
kedua ...................................................................................................................................... 15
Gambar I. 4. Peran pemerintah di tingkat nasional, daerah, dan sektor swasta dalam
pembangunan IDS selama lebih dari satu dekade lalu ........................................................... 16
Gambar I. 5. Peran pemerintah di tingkat nasional, daerah, dan sektor swasta dalam
pembangunan IDS saat ini yang terjadi di negara maju ......................................................... 16
Gambar I. 6. Konstruk asli TAM ........................................................................................... 22
Gambar I. 7. Hubungan antar variabel dan indikator dalam model PLS ............................... 24
Gambar I. 8. Model indikator refleksif dan indikator formatif .............................................. 25
Gambar I. 9.Contoh Parallel Coordinate Plot ....................................................................... 31
Gambar III. 1. Komponen IDS yang paling menonjol dari hasil rekapitulasi kuesioner ....... 53
Gambar III. 2. Visualisasi praktek IDS di daerah menggunakan PCP ................................... 57
Gambar III. 3. Indeks kesiapan peraturan/kebijakan.............................................................. 60
Gambar III. 4. Indeks kesiapan kelembagaan ........................................................................ 62
Gambar III. 5. Indeks kesiapan sumber daya manusia ........................................................... 64
Gambar III. 6. Indeks kesiapan teknologi .............................................................................. 66
Gambar III. 7. Indeks kesiapan data....................................................................................... 68
Gambar III. 8. Indeks kesiapan IDS di tingkat kabupaten/kota ............................................. 69

x
 DAFTAR TABEL

Tabel I. 1. Hubungan antar tingkatan IDS yang berbeda ....................................................... 17

Tabel III. 1. Rincian jumlah kuesioner................................................................................... 42
Tabel III. 2. Daftar responden yang mengembalikan kuesioner ............................................ 43
Tabel III. 3. Pengisi kuesioner ............................................................................................... 45
Tabel III. 4. Praktek komponen peraturan/kebijakan di daerah ............................................. 47
Tabel III. 5. Praktek koordinasi dan berbagi pakai antar instansi .......................................... 48
Tabel III. 6. Sumber daya manusia yang ada di BAPPEDA .................................................. 49
Tabel III. 7. Perangkat lunak, langganan internet, dan geoportal untuk IDS di daerah ......... 50
Tabel III. 8. Ketersediaan dan pengelolaan data dan informasi geospasial di BAPPEDA .... 51
Tabel III. 9. Hasil outer loading ............................................................................................. 53
Tabel III. 10. Nilai R-square .................................................................................................. 55
Tabel III. 11. Hasil uji kelompok pertanyaan......................................................................... 55
Tabel III. 12. Banyak indikator tiap komponen IDS .............................................................. 58
Tabel III. 13. Variabel indikator komponen peraturan/kebijakan .......................................... 59
Tabel III. 14. Variabel indikator komponen kelembagaan..................................................... 61
Tabel III. 15. Variabel indikator komponen sumber daya manusia ....................................... 63
Tabel III. 16. Variabel indikator komponen teknologi........................................................... 65
Tabel III. 17. Variabel indikator komponen data ................................................................... 67
Tabel III. 18.Skor tingkat kesiapan IDS ................................................................................. 70
Tabel III. 19. Tabel tingkat kesiapan IDS pada tiap BAPPEDA ........................................... 70

xi
 INTISARI

Infrastruktur Data Spasial (IDS) dibangun untuk memfasilitasi berbagi pakai

data geospasial. Pada pembangunan IDS, pemerintah daerah berperan penting dalam
membangun IDS dari tingkat dasar. Peran pemerintah daerah antara lain
memproduksi data geospasial tematik dalam skala besar dan menjalankan rencana
strategis dan menjalin hubungan kerjasama dengan swasta, komunitas daerah,
instansi di provinsi, dan instansi di daerah. Indonesia telah membangun IDS lebih
dari dua dekade. Namun, perkembangan pembangunan IDS di daerah belum
diketahui, maka perlu dilakukan evaluasi terhadap kesiapan IDS di daerah.
Penelitian ini fokus pada evaluasi kesiapan IDS di daerah. Untuk mendapatkan
informasi kesiapan IDS dilakukan pengambilan data menggunakan kuesioner dan
wawancara. Sebanyak 150 kuesioner dikirimkan ke BAPPEDA yang tersebar di
Indonesia. Wawancara dilakukan pada tujuh kabupaten dan kota yang ada di Provinsi
Jawa Tengah dan Daerah Istimewa Yogyakarta (DIY). Kegiatan wawancara
dilakukan untuk mengetahui informasi tentang pemahaman daerah tentang IDS.
Kuesioner yang kembali sebanyak 40 direkapitulasi menggunakan dua bobot, yaitu
bobot 1 untuk jawaban sudah dan bobot 0 untuk jawaban belum. Data rekapitulasi
kuesioner digunakan untuk mengevaluasi penerimaan IDS yang dilihat dari praktek
komponen data menggunakan Technology Acceptance Model (TAM). Pengolahan
datanya menggunakan metode Partially Least Square Structural Equation Model
(PLS-SEM) dengan bantuan perangkat lunak SmartPLS 2.0.
Prediksi TAM diperoleh hasil bahwa adopsi IDS dianggap berguna, tetapi
kegunaan IDS untuk memfasilitasi berbagi data geospasial melalui geoportal belum
menjadi agenda prioritas. Indeks kesiapan IDS menghasilkan bahwa sebanyak 13
kabupaten dan kota belum siap, 21 kabupaten dan kota agak siap, dan 6 kabupaten
dan kota cukup siap. Visualisasi Parallel Coordinate Plot (PCP) menunjukkan pola
yang menyebar karena setiap daerah menjalankan prioritas praktek komponen IDS
yang berbeda-beda.

Kata kunci: Kesiapan IDS, Tecnology Acceptance Model, PLS-SEM, parallel

coordinate plot

xii
 ABSTRACT
Spatial Data Infrastructure (SDI) was built to facilitate geospatial data
sharing.SDI can be parable as a pyramid. Local goverment play an important role in
building SDI from the basic level. The role of local government such as running the
strategic plan and build relationship with private sector, local communities,
provincial agencies, and institutions. Indonesia built SDI more than two years, but
there is no information about SDI development information. Then, local SDI
readiness needs to evaluate.
This research aimed to evaluating the readiness of local SDI with respect to
SEG. In order to gain information on the SDI readiness, employed questionnaire and
interview in the data collecting stage. There were 150 questionnaire forms sent to
BAPPEDA offices in Indonesia. The interview conducted in sevendistricts and cities
in the Central Java Province and Yogyakarta Special Region Province (DIY). The
questionnaire was performed to get the information on the understanding of each of
the region on SDI. 40 quesionnaire recapitulated using two weight, 1 for yes answer
and 0 for no answer. Data recapitulation is used to evaluate the acceptance of SDI
from data component practice using Technology Acceptance Model (TAM). The data
processing employed Partially Least SquareStructural Equation Model(PLS-SEM)
supported by SmartPLS 2.0. software.
TAM predicted that adoption of SDI is required, but the usefulness of SDI to
facilitate geospatial data sharing through geoportal is not yet a priority agenda in
local goverment. SDI readiness index shows that there were 13 districts and cities
were not ready yet, 21 districts and cities wererather ready, and 6 districts and cities
are quite ready. Parallel Coorditate Plot (PCP) shows the spread pattern because
every local SDI have different priority in running SDI components.

Keyword: SDI readiness, Tecnology Acceptance Model, PLS-SEM, parallel coordinate

plot

xiii
 1

BAB I

PENDAHULUAN

I.1. Latar Belakang

Data geospasial merupakan data yang dibutuhkan oleh setiap tingkatan
pemerintahan, baik tingkat pusat maupun tingkat daerah. Data geospasial diolah
untuk menghasilkan informasi geospasial yang berguna untuk mendukung berbagai
pekerjaan. Informasi geospasial berperan penting dalam pengambilan keputusan.
Pengambilan keputusan yang melibatkan informasi geospasial tidak hanya bidang
keteknikan, tetapi aspek ekonomi, lingkungan, politik, dan sosial juga memerlukan
(McDougall, Rajabifard, dkk., 2005b). Sekitar 80% kegiatan yang dilakukan
pemerintah daerah melibatkan komponen spasial (O'Looney, 2000) misalnya,
dibidang kebencanaan, pemerintah daerah dapat mengurangi resiko bencana dengan
menggunakan data geospasial untuk menyusun mitigasi bencana (Sutanta, Bishop,
dkk., 2010a; The Incheon Declaration, 2009). Untuk memenuhi kebutuhan data dan
informasi geospasial, masing-masing instansi memproduksi data dan informasi
geospasial. Oleh karena itu, terjadi duplikasi data dan informasi geospasial. Dengan
demikian, data geospasial yang ada sebaiknya dapat dimanfaatkan secara maksimal
dengan cara memproduksinya sekali dan menggunakannya berkali-kali. Data
geospasial dapat digunakan secara maksimal dengan cara tukar guna dan berbagi
pakai antara instansi dengan pemangku kepentingan untuk menghemat tenaga,
waktu, dan menghindari duplikasi biaya pengeluaran dan pemeliharaan data
(Rajabifard, Feeney, dkk., 2003).
Indonesia adalah salah satu negara pengadopsi awal IDS (Masser, 1998).Secara
resmi membangun Infrastruktur Data Spasial Nasional (IDSN) pada tahun 1993. 11
instansi Pemerintah pada tingkat nasional yang terkait sebagai penyedia dan
pengguna data geospasial bertemu untuk berdiskusi dan melakukan pertukaran
informasi yang berhubungan dengan pengembangan Sistem Informasi Geografis
(SIG) (Matindas, Puntodewo, dkk., 2004). IDS dibangun untuk memfasilitasi
pengelolaan dan berbagi data geospasial serta memanfaatkan data geospasial yang
 2

dimiliki sebagai sumber informasi yang berguna untuk pengambilan keputusan pada
berbagai disiplin ilmu (Rajabifard, 2010).
Berdasarkan hierarki pembangunan IDS, pemerintah daerah berperan sebagai
pengguna dan penghasil data geospasial.Pemerintah daerah bertindak sebagai pihak
yang menjalankan rencana strategis dan menjalin hubungan kerjasama dengan
swasta, komunitas daerah, instansi di provinsi, dan instansi di daerah (Jacoby, Smith,
dkk., 2002). IDS dapat diumpamakan sebagai suatu piramida, dimana IDS di tingkat
daerah yang memiliki kedetailan data yang berguna untuk membangun susunan dasar
piramida (Rajabifard, Williamson, dkk., 2000). Pemerintah daerah memiliki peran
untuk memproduksi data geospasial dalam skala besar dan memberikan motivasi
pada para pemangku kepentingan untuk berbagi data geospasial (Cetl, Sisko, dkk.,
2012; F. Harvey& Tulloch, 2006; McDougall, Rajabifard, dkk., 2005a). Adapun
spesifikasi Informasi Geospasial Tematik (IGT) yang diproduksi oleh pemerintah
daerah adalah skala 1 : 10.000, skala 1:50.000, skala 1 : 25.000,dan skala 1 :
100.000(Sutanta, Bishop, dkk., 2010b).
Pembangunan IDS perlu didukung oleh praktek komponen IDS, yaitu aspek
kelembagaan, peraturan perundang-undangan dan kebijakan, data geospasial,
teknologi, dan Sumber Daya Manusia (SDM) (BIG, 2003; Onah, 2009).Dalam
proses pembangunannya perlu dilakukan evaluasi untuk mengetahui perkembangan
pembangunan IDS.

I.2. Perumusan Masalah

Perumusan masalah dalam penelitian ini adalah perkembangan pembangunan
IDS di daerah belum diketahui, maka perlu dilakukan evaluasi terhadap kesiapan
IDS di daerah. Kesiapan IDS dapat dilihat dari evaluasi komponen IDS. Dalam
mengevaluasi memerlukan data evaluasi diri dari instansi yang bertanggungjawab
dalam pembangunan IDS di daerah, yaitu Badan Perencanaan dan Pembangunan
Daerah (BAPPEDA). Dalam penelitian ini, data evaluasi diri diperoleh dari
kuesioner Indonesian Spatial Data Infrastructure Readiness Index (i-SRI).
Evaluasi dilakukan dengan menggunakan Technology Acceptance Model
(TAM). TAM digunakan untuk memprediksi adopsi IDS di daerah dari sisi praktek
komponen data. Untuk mempermudah mengetahui pola kesiapan IDS di daerah,
 3

hasilrekapitulasi kuesioner divisualisasikan dalam PCP. Hasil rekapitulasi kuesioner

i-SRI yang dikelompokkan berdasarkan komponen IDS dijumlahkan, kemudian
disajikan dalam diagram indeks untuk mengetahui persentase adopsi masing-masing
komponen IDS di setiap kabupaten dan kota.

I.3. Tujuan Penelitian

Tujuan umum penelitian ini adalah mengevaluasi adopsi IDS di
daerahmenggunakan kuesioner evaluasi diri dan TAM.
Tujuan khusus penelitian ini adalah sebagai berikut:
1. Mengevaluasi komponen IDS yang telah dijalankan di daerah.
2. Memvisualisasikan pola kesiapan IDS dan persentase adopsi komponen IDS
tiap komponen IDS dalam diagram indeks di tingkat kabupaten/kota.

I.4. PertanyaanPenelitian
Berdasarkan perumusan masalah tersebut, maka disusun pertanyaan penelitian
sebagai berikut:
1. Bagaimana kesiapan IDS di daerah yang dievaluasi menggunakan TAM?
2. Bagaimana menyajikan tampilan visual untuk pola kesiapan IDS dan indeks
tiap komponen IDS di tingkat kabupaten/kota?

I.5. Cakupan Penelitian

Penelitian memerlukan cakupan masalah untuk mempermudah pelaksanaan
kegiatan penelitian dan tidak keluar dari tema penelitian. Cakupan penelitian adalah
sebagai berikut:
1. Mengevaluasi adopsi IDS dengan menggunakan hasil rekapitulasi kuesioner
komponen data, kemudian diolah menggunakan TAM.
2. Memvisualisasikan pola kesiapan IDS yang ada di daerah menggunakan PCP
dan diagram indeks untuk menyajikan persentase adopsi komponen IDS per
komponen disetiap kabupaten/kota.

1.6. Manfaat penelitian

Manfaat yang ingin diraih dari penelitian ini adalah:
1. Dapat digunakan untuk memprediksi adopsi IDS di tingkat daerah.
 4

2. Hasil penilaian pola kesiapan IDS di tingkat kabupaten/kota dapat digunakan

untuk mengevaluasi praktek dan penerapan aturan IDS di kabupaten/kota.
3. Penyajian kesiapan IDS menggunakan PCP dapat mempermudah dalam
memahami pola kesiapan IDS di kabupaten/kota dan diagram indeks dapat
digunakan untuk mengetahui persentase masing-masing komponen IDS yang
ada di daerah.

I.7. Tinjauan Pustaka

Perkembangan IDS di tingkat daerah dapat diketahui melalui evaluasi adopsi
komponen IDS. Evaluasi dilakukan untuk mengetahui kemajuan kegiatan yang telah
dicapai (Wrightstone, dkk., 1956). Evaluasi dapat diperoleh dari data kualitatif,
misalnya kuesioner dan wawancara semi terstruktur. Dalam melakukan evaluasi,
terdapat beberapa tahap, yaitu menentukan hal yang dievaluasi, merancang kegiatan
evaluasi, melakukan pengumpulan data, mengolah dan menganalisis data, dan
melaporkan hasil evaluasi.
Pada penelitian sebelumnya, telah dilakukan penelitian indeks kesiapan IDS di
Indonesia dengan menggunakan metode i-SRI, sebagai alat untuk menilai kesiapan
IDS di tingkat daerah di Indonesia (Sutanta, dkk., 2014). Penelitian tersebut
menggunakan kuesioner sebagai data penelitian. Pada penelitian ini, kuesioner diolah
dengan menggunakan metode PLS-SEM untuk mengevaluasi kesiapan IDS melalui
prediksi adopsi IDS di daerah. Dalam menyusun kuesioner, diperlukan beberapa
variabel indikator untuk acuan pembuatan kuesioner dan evaluasi kesiapan IDS
(UNDP, 2006).Variabel indikator digunakan untuk menilai kesiapan IDS. Adapun
variabel indikator yang digunakan adalah peraturan pemerintah, ketersediaan data
dijital, kualifikasi sumber daya manusia, mekanisme akses, sumber dana,
kelembagaan, standar, interoperabilitas, tersedia metadata, dan inisiatif menjalin
hubungan dengan instansi lain di daerah.
Variabel indikator dikelompokkan berdasarkan lima komponen IDS, yaitu
peraturan/kebijakan, kelembagaan, teknologi, sumber daya manusia, dan data
(Rajabifard & Williamson, 1999). Peraturan/kebijakan mencakup mengenai
peraturan pemerintah daerah, pendanaan, dan kebijakan mekanisme akses data.
Kelembagaan mencakup mengenai koordinasi dengan instansi lain dan rencana
 5

pengembangan IDS. Teknologi mencakup mengenai penggunaan perangkat keras

dan lunak. Sumber daya manusia mencakup mengenai kualifikasi, peningkatan, dan
kemampuan dalam mengolah dan mengelola data geospasial. Data mencakup
mengenai ketersediaan dan dataset penting di pemerintah daerah. Variabel indikator
tersebut digunakan sebagai acuan dalam membuat pertanyaan kuesioner. Masing-
masing pertanyaan terdiri atas dua pilihan jawaban, yaitu pilihan jawaban sudah dan
belum. Pilihan jawaban sudah diberikan bobot 1 dan pilihan jawaban belum
diberikan bobot 0.
Berdasarkan penelitian tentang evaluasi kesiapan IDS yang telah ada, belum
ada penelitian evaluasi kesiapan menggunakan TAM. Evaluasi kesiapan IDS
menggunakan TAM untuk memprediksi adopsi IDS di daerah melalui praktek
komponen data. Berdasarkan hasil kuesioner, pemerintah daerah memiliki kesiapan
komponen data yang cukup untuk mendukung ketersediaan data. Pada beberapa
makalah, TAM banyak digunakan untuk menjelaskan dan memprediksikan
penerimaan pengguna terhadap suatu teknologi, misalnya penggunaan TAM untuk
memahami kebiasaan murid terhadap kegunaan e-Learning (Park, 2009). TAM dapat
menyajikan prediksi adopsi penerimaan suatu teknologi sebesar 60% (Venkatesh &
Davis, 2000). Dalam melakukan prediksi, perlu dibuat model konstruk. Model
konstruk merupakan bagian dari teori penerimaan dan kegunaan teknologi. Model
konstruk dibuat untuk menyajikan hubungan antar komponen utama, yang mana
hubungan antar komponen dipengaruhi oleh variabel indikator (Venkatesh, 2010).
Analisis datanya menggunakan metode Partial Least Square Structural Equation
Model (PLS-SEM). PLS digunakan untuk melakukan prediksi dan SEM digunakan
untuk menguji hubungan antar laten (Monecke dan Leisch, 2012).
Hasil pengolahan data kuesioner divisualisasikan menggunakan PCP untuk
mengetahui kesiapan IDS dilihat dari pola dan kecenderungan penerapan
komponennya. Selain itu, pada beberapa penelitian tentang kesiapan IDS menyajikan
hasil kesiapan IDS menggunakan diagram indeks, misalnya indeks penilaian
kesiapan di Negara Kosovo (Nushi, 2010) dan indeks penilaian kesiapan di Negara
Kuba (Fernandez, 2005). Penyajian kesiapan IDS melalui indeks kesiapan IDS dapat
mempermudah dalam memahami praktek IDS.
 6

I.8. Dasar Teori

I.6.1. Infrastruktur Data Spasial

Perkembangan teknologi informasi saat ini membawa dampak meningkatnya
kebutuhan data geospasial. Berbagai pemangku kepentingan, seperti pemerintah
pusat dan daerah, swasta, akademis, dan perorangan memerlukan data geospasial
untuk berbagai keperluan yang berkaitan dengan posisi. Pada tingkat pemerintahan,
data geospasial berguna untuk membantu pengambilan keputusan dalam
pembangunan baik nasional maupun daerah. Hampir setiap instansi baik di tingkat
pemerintahan pusat maupun daerah memproduksi data geospasial untuk kepentingan
masing-masing. Hal tersebut menyebabkan duplikasi data geospasial dan biaya
anggaran yang dikeluarkan untuk produksi data geospasial. Untuk menghindari hal
tersebut, maka muncul inisiatif Infrastruktur Data Spasial (IDS).
IDS merupakan suatu inisiatif untuk menciptakan lingkungan dimana para
pemangku kepentingan dapat bekerjasama, saling berinteraksi melalui teknologi,
terdapat kebijakan dan aturan kelembagaan yang memfasilitas ketersediaan dan akses
data geospasial untuk mencapai tujuan masing-masing pada tingkat
politik/administrasi yang berbeda (GSDI, 2004; Rajabifard& Williamson, 1999). IDS
dibangun untuk menghindari duplikasi produksi dan biaya untuk produksi data
geospasial, memfasilitasi integrasi dan mengembangkan inovasi baru, serta
menghasilkan sumber daya manusia yang handal dan mengelola sumber pendapatan
(Rajabifard, dkk., 2003).
I.6.1.1. Pengertian Infrastruktur Data Spasial. Istilah IDS sering digunakan
untuk menunjukkan kumpulan data geospasial dasar yang berhubungan dengan
teknologi, penemuan data geospasial, kebijakan, kelembagaan, dan aplikasi akses
data untuk pengguna dan penyedia pada setiap tingkatan pemerintahan, swasta,
akademis, dan masyarakat (GSDI, 2004). IDS dibangun untuk memfasilitasi akses
dan berbagi data geospasial dalam lingkungan SIG guna mengurangi duplikasi usaha
pengadaan data tiap instansi, meningkatkan kualitas dan memanfaatkan data
geospasial secara maksimal, membuat data geospasial mudah diakses oleh publik,
dan membangun kemitraan dengan instansi baik di daerah maupun pusat, swasta,
akademis, sampai negara (FGDC, 2008; Rajabifard, dkk, 2003).
 7

IDS pada beberapa negara telah mengalami perkembangan. Diantara 11 negara

pengadopsi awal IDS, yaitu Australia, Kanada, Indonesia, Jepang, Korea, Malaysia,
Belanda, Portugal, Qatar, Inggris, dan Amerika(Masser, 1998), terdapat negara yang
telah menjalankan IDS dengan baik, seperti Australia, Amerika, Kanada, dan
Belanda. Terdapat beberapa definisi IDS, diantaranya:
a. ANZLIC (The Australian and New Zealand Land Information Council)
mendefinisikan IDS Nasional terdiri dari empat komponen inti, meliputi
kerangka kerja kelembagaan, standar teknis, data, dan jaringan clearinghouse
(ANZLIC, 1996).
b. FGDC (Federal Geographic Data Committee) mendefinisikan IDS Nasional
sebagai payung kebijakan, standar, dan prosedur dibawah organisasi dan
teknologi untuk mempengaruhi perkembangan manajemen, produksi, dan
kegunaan data geospasial (FGDC, 1997).
c. Dutch Council for Real Estate Information (Ravi) mendefinisikan IDS
Nasional sebagai kebijakan, kumpulan data, standar, teknologi (perangkat
lunak, perangkat keras, dan komunikasi elektronik), dan pengetahuan untuk
menghasilkan informasi geografis (Masser, 1998).
d. BIG (Badan Informasi Geospasial) mendefinisikan IDS sebagai sebuah usaha
terkoordinasi untuk memfasilitasi pencarian, tukarguna, berbagi, dan
pemanfaatan data (dan informasi geospasial) oleh para pengguna data spasial
(BIG, 2013).
IDS dapat didefinisikan sebagai teknologi, kebijakan, dan aturan kelembagaan
yang digunakan untuk mendukung ketersediaan dan berbagi pakai data geospasial
(GSDI, 2009). Dengan demikian, dalam mewujudkan IDS diperlukan beberapa
faktor kunci, yaitu kesadaran kegunaan Informasi Geografis (IG) dan IDS, kesadaran
menjalin kerjasama antar pemangku kepentingan, melibatkan politikus, terdapat
metadata (jenis, lokasi, kualitas, dan pemilik data), fasilitas akses, dan melakukan
berbagi pakai dan tukar guna data (Rajabifard & Williamson, 1999).
I.6.1.2. Komponen Infrastruktur Data Spasial. IDS terdiri atas beberapa komponen.
Komponen-komponen tersebut bersifat dinamis, yaitu sumber daya manusia,
kebijakan, jaringan akses, standar teknis, dan data (Rajabifard & Williamson, 1999).
 8

Dynamic

Access network

People Policy Data

Standards

Gambar I. 1. Menunjukkan hubungan antar komponen IDS

(Rajabifard, Williamson, 1999)

Hubungan antar komponen IDS pada Gambar I.1. dijelaskan sebagai berikut:
1. Data geospasial
Data geospasial merupakan data yang berhubungan dengan lokasi untuk
menunjukkan posisi obyek di permukaan bumi yang berkaitan dengan fenomena,
budaya, dan sumber daya manusia (Rajabifard, dkk., 2003), terdiri atas peta, citra
satelit, dan foto udara (Toomanian, 2012). Terdapat dua alasan utama pemangku
kepentingan memerlukan data geospasial, yaitu untuk membantu pengambilan
keputusan dan meningkatkan efisiensi melalui analisis spasial (Gore, 1998) dan
mengelola jumlah data geospasial dalam jumlah besar melalui teknologi dan
informasi (Openshaw, 1993). Melalui IDS, data geospasial dapat dikelola dengan
baik dan dimanfaatkan secara maksimal. Hal tersebut berkaitan dengan kegunaan
data geospasial sebagai data yang memerankan peranan penting dalam “kemajuan
dan pembangunan ekonomi dan pendapatan serta melindungi sumber daya alam”
(Executive Order, 1994).
Kumpulan data geospasial mengacu pada data dasar, data inti, data
fundamental atau data referensi (Onah, 2009). Data geospasial merupakan informasi
tentang lokasi geografis dan karakteristik fitur alam dan buatan serta batas di
permukaan bumi (Executive Order, 1994). Kumpulan data geospasial diperlukan
oleh para pemangku kepentingan untuk berbagai tujuan. Berdasarkan Undang-
Undang Nomor 4 Tahun 2011 tentang Informasi Geospasial pasal 69 ayart 2, data
geospasial dasar diproduksi oleh instansi yang berwenang memproduksi data dasar,
yaitu Badan Informasi Geospasial (BIG). Pemerintah daerah, swasta, dan perorangan
 9

merupakan pengguna data dasar yang diolah menjadi informasi geospasial tematik,
misalnya peta jalan, peta Rencana Tata Ruang Wilayah (RTRW), peta Rencana Detil
Tata Ruang (RDTR),dan lain sebagainya,.
Data geospasial yang telah diproduksi perlu disertai metadata untuk
mengetahui riwayat data geospasial. Metadata memberikan informasi wilayah
geografis, waktu produksi data, ketersediaan data (informasi keberadaan data),
informasi kegunaan data dan informasi yang berguna lainnya.
2. Jaringan akses
Jaringan akses merupakan salah satu komponen kunci dalam IDS (Crompvoets,
2006) karena digunakan untuk mendukung berbagi data. Terdapat beberapa
komponen penting dalam jaringan akses, yaitu: 1) editor metadata dan layanan
katalog, 2) penyimpanan isi data geospasial (basisdata spasial), 3) aplikasi pencarian
untuk pengguna dan akses data geospasial, 4) layanan (middleware atau
intermediate) yang digunakan untuk membantu pengguna menemukan dan
melakukan transformasi data geospasial agar dapat digunakan pada aplikasi sisi klien
(Onah, 2009).
3. Kebijakan
Kebijakan merupakan salah satu komponen yang mendukung penerapan IDS.
Setiap lembaga atau institusi memiliki kebijakan untuk mencapai tujuan IDS.
Kebijakan disusun guna mengatur dan mempengaruhi hubungan pemangku
kepentingan. Kebijakan dapat berupa ketentuan kebebasan mengakses dan berbagi
data, sumber keuangan, privasi data dan keamanan. Salah satu peran kebijakan dalam
berbagi data adalah suatu instansi mengabaikan berbagai data jika tidak ada
kebijakan yang mendukung karena menganggap tidak ada kepentingan terhadap
instansi lain (Craig, 1995).
4. Standar
Dalam penerapan IDS, standar memiliki peran agar data dapat digunakan dan
diakses secara luas tanpa terbatas pada perangkat lunak dan keras yang dimiliki oleh
institusi (Onah, 2009). Standar dibuat untuk mewujudkan interoperabilitas. Dalam
konteks spasial, interoperabilitas spasial merupakan “kemampuan sistem spasial atau
komponen sistem spasial untuk membawa informasi geospasial dan dapat
 10

bekerjasama dalam mengawasi proses kegiatan dalam aplikasi” (Bishr, 1998).

Dengan demikian, data geospasial harus diproduksi dan disimpan sesuai dengan
standar yang berlaku, seperti referensi geografis, isi data, resolusi, dan metadata.
Definisi lain dari interoperabilitas spasial adalah “kemampuan untuk
menghubungkan dapat geospasial, informasi, dan perangkat pemrosesan data antara
aplikasi yang berbeda secara bersama, tanpa memandang perangkat lunak dan keras
yang digunakan (ANZLIC, 2005). Interoperabilitas dibangun dengan tujuan
(Rajabifard, 2010):
a) Mengurangi biaya pengeluaran yang diperlukan untuk akuisi, pemeliharaan,
dan pengolahan data,
b) Menyediakan fasilitas akses data,
c) Mendorong kesadaran untuk berbagi pakai dan tukar guna data,
d) Menghemat waktu, uang, dan sumber daya yang dikeluarkan untuk
memperoleh data, dan meningkatkan pengambilan keputusan.
5. Sumber daya manusia
Sumber daya manusia sebagai merupakan faktor kunci dalam pemrosesan data
dan pengambilan keputusan. Setiap keputusan yang diambil memerlukan data, tetapi
keterbatasan memperoleh data mempengaruhi hubungan antara sumber daya manusia
dengan data (Onah, 2009). Oleh karena itu, IDS menjadi sarana sumber daya
manusia dapat memperoleh data dengan mudah.
I.6.1.3.Hierarki Infrastruktur Data Spasial. Konsep hierarki digunakan untuk
mengembangkan IDS agar konsep IDS dapat dijalankan pada setiap tingkatan.
Inisiatif hierarki IDS muncul karena beberapa negara yang berpartisipasi aktif
mengembangkan IDS ingin membangun manajemen yang baik dan memanfaatkan
data geospasial (Rajabifard, Williamson, 1999). Tujuannya adalah untuk merangsang
pertumbuhan pemerintahan yang lebih baik, mempromosikan pembangunan
ekonomi, dan membantu perkembangan negara berkelanjutan (Masser, 1998).
Istilah hierarki dapat diartikan sebagai struktur sebuah sistem yang terdiri atas
beberapa sub-sistem dan dibagi lagi menjadi bagian yang lebih kecil (Car, 1997;
Koestler, 1968). Alasan dikembangkan hierarki IDS adalah untuk mengurangi waktu
pemrosesan, dimana suatu tindakan yang dilakukan dengan cara tertentu untuk
 11

mencapai sebuah hasil dan waktu pemrosesan diperlukan untuk mengembangkan

sebuah evolusi sistem (Rajabifard, dkk., 2000). Tujuan menggunakan dan
mengembangkan hierarki adalah untuk memperkecil lingkungan pekerjaan, sehingga
menjadi lebih fokus dan memudahkan dalam mengelola pekerjaan (Car, 1997;
Pattee, 1973).
Model hierarki IDS menggambarkan setiap pemangku kepentingan dapat
memperoleh data dari tingkatan IDS lain tergantung ketersediaan data, seperti tema,
skala, dan cakupan data yang dibutuhkan untuk pengambilan keputusan (Onah,
2009). Semakin rendah tingkatan, maka kedetailan data semakin tinggi. Berdasarkan
kondisi di Indonesia, terdiri atas tiga hierarki, yaitu tingkat kabupaten/kota, provinsi,
dan nasional. Hierarki IDS tersebut disajikan sebagai berikut (Rajabifard,
Williamson, 1999):

IDS tingkat nasional

IDS tingkat provinsi

IDS tingkat kabupaten/kota

Gambar I. 2. Hierarki IDS (diadaptasi dari (Rajabifard, Williamson, 1999))

Hierarki IDS pada Gambar I.2. mencakup unit yang berbeda-beda untuk
menjalankan IDS. IDS tingkat kabupaten/kota merupakan tingkatan IDS yang paling
bawah. Contoh IDS di tingkat kabupaten/kota adalah IDS yang dibangun dalam
suatu instansi di tingkat kabupaten/kota. Tingkat provinsi adalah IDS yang dibangun
pada instansi di tingkat propinsi. IDS tingkat nasional dibangun pada tingkat negara.
(Masser, 1998) dan Onsrud (1998) mengidentifikasi beberapa negara yang telah
membangun IDS Nasional, yaitu Kanada, Cina, Kolombia, Denmark, Finlandia,
Perancis, Jerman, Hungaria, Italia, Indonesia, Jepang, Malaysia, Belanda, Portugal,
Spanyol, Swiss, Inggris, dan Amerika Serikat.
Berdasarkan pelaksanaan IDS di Indonesia, IDS yang ada di daerah
dihubungkan oleh simpul jaringan. Pembangunan simpul jaringan merupakan
 12

kerangka program IDSN yang digunakan untuk mendorong terwujudnya mekanisme

akses data dan berbagi pakai data antar insitusi yang ada di tingkat pusat, daerah, dan
swasta (BIG, 2013). Pada pembangunan simpul jaringan diperlukan penghubung
simpul jaringan yang berperan untuk membantu pembangunan simpul-simpul
jaringan di propinsi dan daerah (Peraturan Presiden, 2014). Perpres Nomor 27 tahun
2014 pasal 9 menyatakan bahwa penghubung simpul jaringan adalah Badan
Informasi Geospasial (BIG).
Setiap simpul jaringan memiliki tanggung jawab untuk membangun IDS. Hal
tersebut dilakukan untuk membangun IDSN yang kuat. Namun, pada pelaksanaan
pembangunan IDS oleh setiap simpul jaringan terdapat beberapa kelemahan, antara
lain sebagai berikut (Karsidi, 2012):
1) Koordinasi antar lembaga atau institusi untuk berbagi pakai data belum
terbangun karena kepercayaan pada instansi lain masih kurang. Beberapa
lembaga bersedia menghabiskan banyak uang dan sumber daya untuk
memproduksi data dan informasi geospasial. Kurangnya komunikasi dan
koordinasi antar lembaga menyebabkan redundansi dan duplikasi data dan
informasi geospasial. Sementara lembaga yang kekurangan dana dan sumber
daya melakukan kegiatan geospasial dengan menggunakan data yang kurang
memadai.
2) Penggunaan peta dasar dengan sumber dan skala yang berbeda sebagai acuan
pembuatan peta tematik. Hal tersebut berkaitan dengan integrasi data. Tujuan
pembangunan simpul jaringan adalah meningkatkan kualitas data dan
meningkatkan manfaat data yang tersedia.
3) Dukungan kemudahan dan kecepatan memperoleh data. Fasilitas bandwidth
internet masih belum memadai dan geoportal untuk setiap instansi di propinsi
dan daerah masih belum tersedia.
4) Kurangnya sumber daya manusia yang berkualitas. Akademisi, bisnis,
pemerintah, LSM, dan masyarakat memiliki peran dalam keberhasilan
pembangunan IDS. Akademisi berperan dalam mempersiapkan sumber daya
manusia yang berkualitas, bidang bisnis berperan dalam menyediakan
teknologi dan personel yang terampil, pemerintah mengatur rencana strategis
 13

dan regulasi, LSM dan masyarakat bertindak sebagai pengguna informasi

geospasial.

I.6.1.4. Berbagi pakai data. Berdasarkan sisi teknis, berbagi data mengacu pada
pergerakan data dari satu sistem komputer ke sistem komputer yang lain (Harvey &
Tulloch, 2006). Berbagi pakai dan tukar data dapat dikelompokkan menjadi 4 jenis,
yaitu (PC-IDEA, 2013):
1. Berbagi data dari satu penyedia data ke banyak pengguna – badan pemetaan
pemerintah menyediakan data yang dapat diakses oleh pengguna data,
biasanya terdapat ketentuan pengguna dapat memperoleh data secara gratis
atau membayar dengan biaya minimum atau membatasi penggunaan data.
2. Berbagi data dari satu penyedia data dengan satu pengguna – biasanya
dilakukan dilingkungan pekerjaan proyek. Meliputi data khusus yang
berhubungan dengan proyek dan pengguna mengeluarkan biaya untuk
memperoleh data.
3. Pertukaran data antara dua penyedia data – mempertimbangkan keuntungan
antara kedua penyedia data.
4. Pertukaran data antara beberapa penyedia data – beberapa penyedia data
menjalin hubungan kerjasama dan menyediakan fasilitas agar data dapat
diakses oleh penyedia data yang lain dengan tujuan untuk mengelola data
bersama-sama.
Manfaat berbagi data dapat meningkatkan kegunaan dan kualitas data
geospasial (Rajabifard, dkk, 2003; Toomanian, 2012). Adapun prinsip berbagi pakai
data adalah sebagai berikut (GeoConnection, 2013):
1) Simplicity – susunan ketentuan berbagi data mudah dipahami dan didesain
untuk memenuhi biaya minimum.
2) Non-exclusivity – digunakan untuk kepentingan bersama, sehingga perlu
memperhatikan kedetailan data (metadata), interoperabilitas data, dan
ketentuan biaya.
3) Fairness – berbagi data mampu memberikan keuntungan kedua pihak, yaitu
penyedia dan pengguna data.
 14

4) Non-discrimination– semua pengguna data memiliki keuntungan yang sama

terhadap data yang diakses.
5) Acknowledgment and attribution – setiap peserta berbagi data harus
memperhatikan sumber data yang berkaitan dengan data yang diproduksi
masing-masing peserta.
6) Transparency – kebijakan mengatur kegiatan berbagi data dan data yang
dapat diakses secara bebas oleh pengguna data.
7) Promptness – pengguna diberikan batas waktu untuk mengakses data untuk
melakukan kontrol kualitas data dengan memperhatikan standar.

I.6.2. IDS di Tingkat Daerah

Pemerintah daerah meliputi wilayah geografis yang kecil, seperti kota dan
kabupaten. Pemerintah daerah memiliki wewenang terbatas pada wilayah tertentu.
Dibangun dengan dua tujuan, yaitu menyediakan layanan barang dan jasa yang baik
dan memenuhi kebutuhan masyarakat (Havenga, 2002). Berhubungan dengan data
geospasial, pemerintah daerah diharapkan mampu menyediakan layanan agar
pengguna data geospasial di daerah dapat memperoleh dan mengakses data
geospasial dengan mudah. IDS merupakan platform yang dibangun untuk berbagi
data (Rajabifard, Binns, dkk., 2006).
Pada tingkat daerah, IDS dibangun untuk menghasilkan, mengumpulkan, dan
mengelola data skala besar yang berkontribusi terhadap tingkatan yang lebih tinggi
dalam hierarki IDS (Rajabifard, dkk., 2006). Untuk membangun IDS, diperlukan
kerjasama antar instansi, swasta, dan akademis agar IDS di daerah dapat dengan
baik. Kerjasama antar instansi dapat diwujudkan dengan berbagi data geospasial.
Dalam mencapai hal tersebut, diperlukan kepercayaan antara pihak penyedia dan
pengguna data. Dalam IDS, kepercayaan berperan sebagai indikator kesediaan untuk
mempercayai lembaga atau instasi lain (Harvey, 2003).
I.6.2.1. Peran IDS tingkat daerah. IDS telah dibangun selama lebih dari satu
dekade. Pembangunan IDS melalui dua generasi, yaitu generasi pertama dimulai dari
tahun 1990 sampai 1998 dan generasi kedua dilaksanakan dari tahun 2000 sampai
2006. Pembangunan IDS dimulai oleh negara-negara maju, seperti Australia dan
Amerika, kemudian diikuti oleh negara-negara lain, seperti Malaysia, Korea,
 15

Indonesia. Pada pembangunan IDS generasi pertama, pembangunan IDS fokus pada
produksi data geospasial yang dipengaruhi oleh pemerintah di tingkat nasional.
Selanjutnya pada generasi kedua, pembangunan IDS fokus pada pemrosesan data
geospasial, dimana pada generasi ini melibatkan peran pemerintah daerah dan swasta
dalam pembangunan IDS. Secara ringkas, peran pemerintah daerah dalam
pembangunan daerah disajikan dalam rangkaian sebagai berikut (Rajabifard, dkk.,
2006):

Generasi pertama Generasi kedua Menuju generasi

selanjutnya
Negara Menggabungkan Negara Negara maju, menggabungkan Lingkungan sebenarnya
maju ekonomi berkembang ekonomi, dan negara berkembang

1990 1992 1994 1996 1998 2000 2002 2004 2006 Masa depan

Model pembangunan Model pembangunan

IDS berbasis produk IDS berbasis proses

Pemerintah di tingkat nasional Pemerintah di tingkat nasional, Pemerintah di tingkat daerah,

memiliki pengaruh pada daerah, dan swasta memiliki dan swasta memiliki pengaruh
pembangunan IDS – fokus pengaruh pada pembangunan IDS – pada pembangunan IDS –
terhadap data fokus pada pemrosesan data fokus pada strategi nasional

Gambar I. 3. Rangkaian kesatuan pembangunan IDS berdasarkan IDS generasi pertama dan
kedua(Rajabifard, dkk., 2006)

Berdasarkan Gambar I.3., selama lebih dari satu dekade peran pemerintah
daerah kurang berperan dalam pembangunan IDS. Terdapat tiga pemain utama yang
berperan dalam pembangunan IDS, yaitu pemerintah di tingkat nasional, daerah, dan
sektor swasta (Grant dan Williamson, 2003). Ketiga pemain tersebut memiliki peran
yang berbeda-beda. Pemerintah di tingkat nasional menjalankan peran operasional
untuk membuat peta, mengumpulkan data geospasial dalam skala kecil, dan
membangun infrastruktur, sedangkan pemerintah di tingkat daerah dan swasta
kurang memiliki peran dalam pembangunan IDS karena setiap kegiatan yang
dilakukan dipengaruhi oleh pemerintah di tingkat nasional (Rajabifard, dkk, 2006).
 16

Strategi dan operasional

Pemerintah tingkat nasional

Pengaruh pada
pembangunan IDS
lebih dari 10 tahun
Pemerintah tingkat
daerah Sektor swasta Tidak dikoordinir

Gambar I. 4. Peran pemerintah di tingkat nasional, daerah, dan sektor swasta dalam
pembangunan IDS selama lebih dari satu dekade lalu (diadaptasi dari
(Rajabifard, dkk., 2006)

Berdasarkan perkembangan kemampuan pemerintah di tingkat daerah dan

swasta, maka perlu dipertimbangkan untuk mulai merubah pola pada Gambar I.4.
Peran pemerintah daerah dan swasta perlu diikutsertakan dalam pembangunan IDS
untuk memajukan pembangunan IDS, memenuhi kebutuhan informasi geospasial
dalam skala besar dan mencapai pengambilan keputusan yang efektif. Dengan
demikian, pola pembangunan IDS saat ini telah berubah. Pemerintah daerah
menjalankan kegiatan pada tingkat operasional, dimana kegiatan tersebut
sebelumnya dijalankan oleh pemerintah di tingkat nasional. Pemerintah daerah
berperan untuk menghasilkan informasi geospasial dalam skala besar. Peran
pengaruh pemerintah daerah dalam pembangunan IDS disajikan dalam Gambar
I.5.(Rajabifard, dkk., 2006):

Pemerintah tingkat Sektor swasta Operasional

daerah Pengaruh saat ini
pada pembangunan IDS

Pemerintah tingkat nasional Strategi

Gambar I. 5. Peran pemerintah di tingkat nasional, daerah, dan sektor swasta dalam
pembangunan IDS saat ini yang terjadi di negara maju (diadaptasi dari
(Rajabifard, dkk., 2006)
 17

Pemerintah daerah merupakan pengguna utama Informasi Geospasial Dasar

(IGD) yang dihasilkan oleh instansi yang berwenang menghasilkan IGD.
Berdasarkan tingkat kedetailan data, pemerintah daerah memproduksi Informasi
Geospasial Tematik (IGT) pada skala besar. Secara umum, pengaruh IDS di tingkat
daerah terhadap tingkatan diatasnya pada hierarki IDS adalah sebagai
berikut(Rajabifard, dkk., 2000):
Tabel I. 1. Hubungan antar tingkatan IDS yang berbeda
IDS daerah (local) IDS Provinsi (state) IDS Nasional (national)
L S S L N L
Kebijakan
L N S N N S
Fundamental L S S L N L
dataset L N S N N S
L S S L N L
Standar teknis
L N S N N S
L S S L N L
Jaringan akses
L N S N N S
Sumber daya L S S L N L
manusia L N S N N S

Pengaruh langsung Pengaruh tidak langsung Tidak ada pengaruh

L = Local SDI S = State SDI N = National SDI

Sumber: (Rajabifard, dkk., 2000)

Berdasarkan hubungan antar tingkat IDS pada Tabel I.2., data, standar teknis,
jaringan akses, dan kemampuan sumber daya manusia yang ada di daerah
berpengaruh langsung terhadap IDS ditingkat propinsi. Kebijakan yang ada di daerah
tidak berpengaruh secara langsung terhadap IDS ditingkat propinsi dan tidak
memiliki pengaruh terhadap IDS ditingkat nasional. Ketersediaan data tidak
berpengaruh secara langsung terhadap IDS ditingkat nasional. Standar teknis,
jaringan akses, dan kemampuan sumber daya manusia tidak berpengaruh terhadap
IDS ditingkat nasional. Dengan demikian, dari hubungan antar IDS pada Tabel I.2.
dapat disimpulkan bahwa IDS di daerah secara langsung mempengaruhi
perkembangan IDS di tingkat propinsi karena kedetailan data yang diproduksi oleh
pemerintah daerah digunakan sebagai acuan oleh pemerintah propinsi untuk berbagai
pekerjaan dibidang geospasial.
 18

I.6.3. Model Penilaian Kesiapan IDS

Penilaian merupakan suatu kegiatan yang dilakukan dengan tujuan untuk
mengevaluasi suatu kegiatan (Giff& Crompvoets, 2008). Penilaian terhadap IDS
pada beberapa negara telah banyak dilakukan. IDS sulit untuk dinilai karena terdiri
atas lingkungan yang kompleks yaitu melibatkan banyak komponen dan pemangku
kepentingan (Rajabifard, 2002). Pengaruh politik, ekonomi, dan budaya
mempengaruhi penerapan IDS. Setiap negara menjalankan IDS berdasarkan
peraturan yang berlaku di negara tersebut, sehingga IDS yang dihasilkan berbeda
(Nushi, 2010).
Pada beberapa penelitian tentang penilaian kesiapan IDS, penilaian kesiapan
IDS dapat diperoleh dengan menggunakan kuesioner evaluasi diri. Dalam menyusun
kuesioner evaluasi diri diperlukan variabel indikator. Beberapa variabel indikator
diperlukan untuk mengevaluasi kesiapan IDS. Fernandez, dkk. (2008), membuat
variabel indikator berdasarkan komponen IDS, antara lain: kelembagaan (visi,
komitmen, motivasi, kepemimpinan, payung hukum); informasi (data dijital,
pengetahuan tentang standar); jaringan akses (koneksi website, infrastruktur
teknologi, perangkat lunak geospasial); sumber daya manusia (tingkat pendidikan,
budaya IDS, kepemimpinan terhadap diri sendiri), dan sumber keuangan
(pemerintah, swasta, dan inisiatif sendiri). Selain itu, Eelderink & Crompvoets, dkk.,
(2008) membuat 14 variabel kunci indikator untuk menilai kesiapan IDS dengan
mengacu pada komponen IDS, yaitu sebagai berikut: (1) ketersediaan data dijital, (2)
kapasitas membangun, (3) kesadaran berbagi, (4) jumlah sumber daya manusia, (5)
kesadaran IDS, (6) mekanisme akses, (7) sumber dana, (8) kepemimpinan, (9) visi,
(10) kelembagaan, (11) keseimbangan sosial-politik, (12) interoperabilitas, (13)
tersedia metadata, (14) inisiatif menjalin hubungan IDS antar Negara.
Berdasarkan beberapa variabel indikator tersebut digunakan untuk menyusun
kuesioner evaluasi diri i-SRI. Indikator-indikator dikelompokkan berdasarkan
komponen IDS. Adapun indikator yang digunakan adalah sebagai berikut (Sutanta,
dkk., 2014):
1. Komponen data terdiri atas indikator sebagai berikut:
a. Ketersediaan data geospasial
 19

b. Pengelolaan data geospasial meliputi penyimpanan data geospasial dalam

basisdata dijital, metadata disimpan bersama dengan peta dalam basisdata
dijital, metadata digunakan untuk menyusun katalog data, sistem katalog
data dibuat dalam hardcopy dan softcopy, dan sistem katalog data tersedia
secara online.
c. Data geospasial dapat diperoleh pengguna secara mudah melalui website.
Pengelolaan data
2. Komponen peraturan/kebijakan terdiri atas indikator sebagai berikut:
a. Peraturan terkait pemanfaatan dan pengelolaan data geospasial yang
diterbitkan oleh Kepala Daerah.
b. Mekanisme akses data.
c. Mekanisme pengaturan perijinan penggunaan dan hak cipta.
d. Pengadaan dana untuk penyelenggaraan IDS terkait ketersediaan data
geospasial.
3. Komponen kelembagaan terdiri atas indikator sebagai berikut:
a. Rencana pengembangan IDS
b. Koordinasi antar instansi/komite
4. Komponen sumber daya manusia terdiri atas indikator sebagai berikut:
a. Program untuk meningkatkan kualitan sumber daya manusia dalam
mengelola data geospasial dan SIG berbasis web.
b. Kualifikasi pendidikan sumber daya manusia yang menangani data
geospasial dan SIG.
c. Ketersediaan personil yang mampu mengoperasikan server geospasial.
d. Ketersediaan personil yang mampu mengelola SIG dan data geospasial.
e. Tersedia unit/seksi pengelolaan data geospasial.
5. Komponen teknologi terdiri atas indikator sebagai berikut:
a. Geoportal.
b. Langganan internet.
c. Perangkat lunak yang digunakan.
d. Ketersediaan perangkat keras untuk mengelola dan publikasi data
geospasial.
 20

e. Implementasi SNI/spesifikasi teknis dari kementerian/lembaga.

I.6.3.1. Indeks kesiapan IDS. Dalam penilaian kesiapan IDS, variabel indikator
berperan dalam penyajian indeks kesiapan IDS. Variabel indikator merupakan acuan
dalam pembuatan kuesioner. Setiap pertanyaan kuesioner memiliki pilihan jawaban.
Pilihan jawaban memiliki bobot yang berbeda. Misalnya, jumlah data geospasial
yang tersedia di daerah meningkat, maka skor komponen data meningkat. Jumlah
skor dari masing-masing komponen berbeda karena banyaknya pertanyaan tidak
sama. Jika bobot lima komponen IDS adalah sama dan setiap pertanyaan terdiri atas
dua pilihan jawaban, bobot 1 untuk jawaban sudah dan bobot 0 untuk jawaban
belum, rumus untuk menghitung indeks kesiapan IDS disajikan sebagai berikut:
Indeks kesiapan IDS = 𝑠𝑘𝑜𝑟 𝑝𝑒𝑟𝑎𝑡𝑢𝑟𝑎𝑛 + 𝑠𝑘𝑜𝑟 𝑘𝑒𝑙𝑒𝑚𝑏𝑎𝑔𝑎𝑎𝑛 + 𝑠𝑘𝑜𝑟 𝑑𝑎𝑡𝑎 +
𝑠𝑘𝑜𝑟 𝑡𝑒𝑘𝑛𝑜𝑙𝑜𝑔𝑖+𝑠𝑘𝑜𝑟 𝑠𝑢𝑚𝑏𝑒𝑟𝑑𝑎𝑦𝑎𝑚𝑎𝑛𝑢𝑠𝑖𝑎.........(I. 1)
Pada persamaan I.1., semua komponen dianggap penting dalam pembangunan
IDS, sehingga memiliki bobot yang sama.
1.6.5. Metode Pengumpulan Data
Metode kualitatif merupakan penelitian yang bersifat deskriptif dan
menggunakan analisis, yang mana datanya diperolehd dari pertemuan peneliti
dengan pihak informan (Somantri, 2005). Dalam penelitian kualitatif terdapat banyak
cara untuk mengumpulkan data, misalnya kuesioner, wawancara, dan lain
sebagainya. Cakupan area untuk memperoleh data meliputi area yang luas atau
disebut dengan populasi. Oleh karena itu, diperlukan sampling dari populasi.
Sampling merupakan cara pengumpulan data, yang mana obyek sampel adalah
bagian dari populasi (Sabatella & Franquesa, 2004).Adapun beberapa kelebihan dari
pengumpulan data secara sampling adalah sebagai berikut (Sabatella & Franquesa,
2004):

a. Biaya yang dibutuhkan lebih sedikit.

b. Waktu pengumpulan data lebih cepat.
c. Tidak memerlukan banyak tenaga.
d. Dapat menghasilkan cakupan cata yang lebih luas dan terperinci.
 21

Terdapat beberapa jenis metode sampling, antara lain sampling acak sederhana,
stratifikasi sampling, sampling randomberkelompok, sampling banyak tingkat, dan
sampling acak sistematis. Berikut ini penjelasan dari kelima jenis sampling
(Anonimous, 2014):

a) Sampling acak sederhana adalah pemilihan sejumlah anggota sampel dari

populasi, yang mana setiap elemen populasi mendapat kesempatan yang
sama untuk menjadi anggota sampel. Salah satu cara untuk mendapatkan
sampel acak adalah dengan menggunakan lotre.
b) Stratifikasi sampling dilakukan dengan cara populasi dikelompok-
kelompokkan berdasarkan karakteristiknya. Dari setiap kelompok dipilih
sampling secara acak sederhana.
c) Sampling random berkelompok yaitu membagi populasi dalam kelompok-
kelompok kecil. Pengamatan dilakukan pada sampel cluster yag dipilih
secara random.
d) Sampling banyak tingkat adalah memilih sampel dengan menggunakan
kombinasi metode sampling yang berbeda.
e) Sampling acak sistematik adalah pengambian sampel berdasarkan interval
yang telah ditentukan.

I.6.4. Technology Acceptance Model (TAM)

TAM pertama kali dikembangkan oleh Fred Davis pada tahun 1985 (Chuttur,
2009). TAM diadopsi dari Theory of Reasoned Action (TRA), yaitu model yang
dikembangkan berdasarkan sikap dan perilaku pengguna untuk menunjukkan reaksi
dan persepsi terhadap teknologi informasi berdasarkan manfaat dan kemudahannya
(Yuadi, 2009). TAM merupakan suatu model yang digunakan untuk menganalisis
dan memahami faktor-faktor yang mempengaruhi penerimaan suatu teknologi
dengan mempertimbangkan hubungan antara kegunaan dan kemudahannya
(Muhammad, 2010). TAM banyak digunakan untuk analisis karena sederhana dan
mudah digunakan serta mampu menjelaskan penerimaan teknologi dengan baik
(Hubona & Cheney, 1994).
 22

I.6.4.1. Model konstruk. Model konstruk merupakan bagian dari teori

penerimaan dan kegunaan teknologi. Model konstruk dibuat untuk menyajikan
hubungan antar komponen utama atau variabel laten, yang mana hubungan antar
komponen dipengaruhi oleh variabel indikator (Venkatesh, 2010).
Dalam model konstruk, terdapat dua faktor utama untuk memprediksi
penerimaan suatu teknologi, yaitu persepsi kegunaan (percieved usefulness) dan
persepsi kemudahan (percieved ease of use) (Davis, 1989). Selain itu, terdapat faktor
tambahan yang dapat mempengaruhi penerimaan terhadap suatu teknologi yaitu
minat perilaku (behavioral intentions), sikap penggunaan (attitude towards),
penggunaan nyata (actual usage), dan variabel eksternal (external variabel) (Park,
2009). Hubungan antar komponen utama yang digunakan dalam TAM disajikan
dalam Gambar I.9. sebagai berikut (Davis, 1989):

Variabel laten Variabel laten

eksogen endogen

Persepsi
kegunaan

Variabel Sikap Minat Penggunaan

eksternal penggunaan perilaku nyata

Persepsi
kemudahan

Gambar I. 6. Konstruk asli TAM (Davis, 1989)

Berdasarkan Gambar I.6., variabel eksternal dapat mempengaruhi persepsi

kegunaan dan persepsi kemudahan suatu teknologi, misalnya pengalaman pengguna,
kemampuan pengguna, desain teknologi, dan lain sebagainya. Persepsi kegunaan
adalah persepsi bahwa hadirnya suatu teknologi tertentu dapatmeningkatkan kinerja
seseorang (Willis, 2008). Persepsi kemudahan merupakan kepercayaan pengguna
bahwa suatu teknologi dapat mengurangi upaya dalam mencapai tujuan pekerjaaan
(Davis, 1989). Dengan demikian, adanya teknologi akan mengurangi waktu dan
tenaga dalam melakukan pekerjaan. Persepsi kegunaan dipengaruhi oleh persepsi
 23

kemudahan karena rasa mudah dalam menggunakan suatu teknologi dapat

meningkatkan pengguna menggunakan teknologi (Venkatesh & Davis, 2000).
Sikap penggunaan merupakan sikap suka/tidak suka pengguna dalam
menggunakan suatu teknologi atau produk (Davis, dkk., 1989). Kepercayaan
pengguna terhadap kegunaan dan kemudahan suatu teknologi akan mempengaruhi
sikap pengguna untuk menggunakan teknologi. Sikap pengguna terhadap
penggunaan teknologi dapat mempengaruhi kecenderungan pengguna tetap
menggunakan teknologi. Selanjutnya sikap pengguna mempengaruhi penggunaan
teknologi secara nyata.
Kaitan TAM dengan IDS adalah untuk memprediksi adopasi IDS.Persepsi
kegunaan berkaitan dengan kegunaan IDS dibangun untuk memfasilitasi berbagi
pakai data dan informasi geospasial, sehingga dapat mengurangi duplikasi data dan
informasi geospasial. Kemudian, persepsi kemudahan berbagi pakai data dan
informasi geospasial didukung oleh geoportal. Variabel eksternal yang mendukung
adopsi IDS adalah kualifikasi sumber daya manusia, koordinasi antar instansi atau
lembaga, teknologi untuk berbagi data dan informasi geospasial, seperti server dan
komputer, payung hukum yang menaungi dan mendorong pembangungan IDS, dan
pengguna data dan informasi geospasial. Kemudahan pengguna untuk mengakses
dan memperoleh data dan infomasi geospasial melalui geoportal akan mendukung
adopsi IDS, sehingga IDS untuk memfasilitasi berbagi data dapat dirasakan
manfaatnya secara nyata.
I.6.4.1. Partial Least Square Structural Equation Model.PLS merupakan model
pendekatan yang dikembangkan untuk memperkirakan path model dengan
menggunakan Laten Variables (LVs) (Wold, 1982). Metode tersebut digunakan
untuk membangun model dengan tujuan melakukan prediksi (Monecke dan Leisch,
2012). Dalam melakukan prediksi, PLS melibatkan SEM atau disebut dengan PLS
Path Modeling (PLS-PM). SEM metode statistik yang dibuat untuk menghubungkan
dua atau lebih laten, yang mana masing-masing laten diukur dengan menggunakan
indikator (Bollen, 1989; Kaplan, 2000).
 24

PLS merupakan metode analisis yang kuat. PLS memiliki kelebihan dapat
melakukan pemodelan persamaan struktural dengan menggunakan sampel data
ukuran kecil dan tidak memerlukan banyak asumsi (Vinzi, dkk., 2010).
I.6.4.1.1. Algoritma PLS. Dalam melakukan prediksi, PLS memerlukan LVs
dan indikator masing-masing LVs. Adapun hubungan antara LVs dan indikator
disajikan pada Gambar I.7. berikut:

δ1 δ2 δ3

X1 X2 X3

λx1 λx2 λx3 ε1 ε2

ξ1
Y1 Y2
γ1 γ3
λy3 λy4
β1
ς1 η1 η2

γ2 λy1 λy2 γ4

δ4 ξ2 Y1 Y2

λx4 ε1 ε2
λx5 λx6
X1 X2 X3

Gambar I. 7. Hubungan antar variabel dan indikator dalam model PLS

Keterangan Gambar I.7. :

ξ = variabel laten eksogen
η = variabel laten endogen
λx = faktor loading variabel laten eksogen
λy = faktor loading laten endogen
X = matriks faktor loading variabel eksogen
Y = matriks faktor loading variabel endogen
 25

β = koefisien pengaruh variabel endogen terhadap variabel endogen

γ = koefisien pengaruh variabel eksogen terhadap variabel endogen
ς = galat model
δ = galat pengukuran pada variabel manifest untuk variabel laten eksogen
ε = galat pengukuran pada variabel manifest untuk variabel laten endogen

Berdasarkan Gambar I.7., diperoleh langkah-langkah pemodelan persamaan

struktural PLS (Jaya & Sumertajaya, 2008):
1. Merancang inner model struktural (inner model) untuk merancang model
struktural hubungan antar variabel laten dengan mengacu pada rumusan
masalah.
2. Merancang model pengkuran untuk (outer model) utnuk merancang model
pengukuran guna menentukan indikator bersifat refleksif atau formatif. Adapun
penjelasan mengenai model indikator refleksif dan formatif adalah sebagai
berikut (Coltman, dkk., 2008):
a. Model indikator refleksif mengasumsikan variasi skor pengukuran
konstruk diperoleh dari hasil penjumlahan antara true score dan error.
b. Model indikator formatif merupakan hubungan antara indikator terhadap
variabel laten.

ξ ξ ς

X1 X2 X1 X2

δ1 δ2
X1 = λ1ξ + δ1 ξ = γ1X1 + Γ2X2 + ς

X2 = λ2ξ + δ2

Gambar I. 8. Model indikator refleksif dan indikator formatif

 26

3. Membuat model konstruk untuk memudahkan memahami hasil perancangan

model inner dan model outer.
4. Mengkonversi model konstruk ke dalam sistem persamaan. Di dalam PLS
terdapat tiga hubungan, yaitu:
a. Model inner, digunakan untuk menjelaskan hubungan antar Laten Variabels
(LVs). Adapun persamaan model inner disajikan pada persamaan 1.2 berikut
(Wold, 1982):
η = βη + γξ + ς ...........................................................................................(1.2)
Pada persamaan 1.2, vektor variabel endogen diperoleh dari hubungan antara
koefisien pengaruh variabel endogen terhadap variabel endogen, koefisien
pengaruh variabel eksogen terhadap variabel endogen, variabel laten eksogen,
dan galat model. Di dalam PLS, hubungan antar variabel laten berlaku bahwa
setiap variabel laten dependen. Dengan demikian, persamaan variabel laten
disajikan pada persamaan 1.3 berikut (Wold, 1982):
ηj = Σi βji ηi + Σiγjb ξi+ ςj...........................................................................(1.3)
Keterangan persamaan 1.3:
γjb (dalam matriks dilambangkan γ) = koefisien jalur yang menghubungkan
antara variabel laten endogen dengan eksogen, untuk range j dan b.
βji(dalam matriks dilambangkan β) = koefisien jalur yang menghubungkan
variabel laten endogen dengan endogen, untuk range i dan b.
ςj = inner residual
Dengan demikian, inner model PLS Gambar 1.7. dinyatakan pada persamaan
1.4 dan 1.5 berikut:
η1 = γ1ξ1 + γ1ξ1+ ς1.................................................................................(1.4)
η2 = β1 η1 + γ3ξ1 + γ4ξ2 + ς2 .....................................................................(1.5)
b. Model outer, digunakan untuk menjelaskan hubungan antara LVs dengan
indikatornya.Model outer menggunakan model indikator refleksif. Adapun
persamaannya disajikan dalam persamaan 1.6 dan 1.7 berikut:
x = λxξ + δ ................................................................................................(1.6)
y = λyη + ε ................................................................................................(1.7)
 27

Keterangan persamaan 1.6 dan 1.7:

x = indikator variabel laten eksogen
y = indikator variabel laten endogen
λx dan λy = matriks loading yang menggambarkan koefisien regresi
sederhana yang menghubungkan laten dan indikatornya.
δ dan ε = Residual regresi yang diinterpretasikan sebagai kesalahan
pengukuran/noise.
Sedangkan, persamaan model indikator informatifnya disajikan pada
persamaan 1.8 dan 1.9 berikut:
ξ = γξXi + δ ................................................................................................(1.8)
η = γηYi + ε ................................................................................................(1.9)
Keterangan persamaan 1.8 dan 1.9:
γξdan γη = koefisien regresi berganda dari variabel laten terhadap
indikator.
Adapun persamaan model outer dari Gambar 1.7. adalah sebagai berikut:
- Variabel laten eksogen 1 (reflektif) disajikan pada persamaan 1.10:
x1 = λx1ξ1 + δ1
x2 = λx2ξ1 + δ2 ................................................................................(1.10)
x3 = λx3ξ1 + δ3
- Variabel laten eksogen 2 (formatif) disajikan pada persamaan 1.11:
ξ2 = λx4X4 + λx5X5 + λx6X6 + δ4 ...........................................................(1.11)
- Variabel laten endogen 1 (reflektif) disajikan pada persamaan 1.12:
y1 = λy1η1 + ε1
...............................................................................(1.12)
y2 = λy2η1+ ε2
- Variabel laten endogen 2 (reflektif) disajikan pada persamaan 1.13:
y3 = λy3η2+ ε3
...............................................................................(1.13)
y4 = λy4η1+ ε4
c. Weight relation, memperkirakan nilai LVs. Berikut ini adalah model outer
dan inner yang diikuti dengan estimasi weight relation dalam algoritma PLS
disajikan pada persamaan 1.14:
 28

ξb = Σkbwkb xkb
...............................................................................(1.14)
ηi = Σkiwki yki
Keterangan persamaan 1.14:
wkb dan wki = bobot yang digunakan untuk membentuk estimasi variabel
laten ξb dan ηi.
5. Pendugaan parameter dalam PLS dengan menggunakan metode kuadrat terkecil
(least square methods). Beberapa pendugaan parameter dalam PLS adalah
estimasi bobot untuk menciptakan skor variabel laten, jalur estimasi untuk
menghubungkan antar variabel laten dan estimasi loading untuk
menghubungkan antara variabel laten dengan indikatornya, serta means dan
lokasi parameter untuk variabel laten dan indikator.
6. Goodness of fit model inner danmodel outer. Goodness of fit dilakukan untuk
menentukan nilai yang diperoleh dari hasil perhitungan dengan nilai yang
diharapkan. Berikut ini adalah goodness of fit dari model inner dan model outer:
a. Model outer
Goodness of fit model outer ditentukan dengan menggunakan convergent
validity. Convergent validity merupakan korelasi antara skor variabel laten
dengan skor indikator refleksif. Nilai skor yang diterima adalah >0,5.
b. Model inner
Goodness of fit model inner ditentukan dengan menggunakan Q-square
predictive relevance, yang mana dalam proses perhitungannya melibatkan R-
square. Adapun persamaan Q-square disajikan dalam persamaan 1.15
berikut:
Q2 = 1 – (1-R12)(1-R22)....(1-Rn2) .........................................................(1.15)
Keterangan persamaan 1.15:
R12, R22,...Rn2 = R-square variabel endogen.
Q2 memiliki rentang nilai 0 < Q2<1. Nilai Q2 mendekati 1, maka model
konstruk semakin baik.
7. Uji kelompok pertanyaan (β, γ, λ) dengan menggunakan metode bootstrapping.
Hasil pengolahan data dilakukan uji statistik untuk menentukan nilainya diterima
 29

atau tidak. Penentuan nilai dilakukan berdasarkan uji t statistik dengan ketentuan
sebagai berikut:
a. Ketentuan model outer:
H0 : λi = 0
H1 : λi ≠ 0
b. Ketentuan model inner untuk pengaruh variabel laten eksogen terhadap
endogen
H0 : γi = 0
H1 : γ i ≠ 0
Ketentuan model inner untuk pengaruh variabel laten endogen terhadap
endogen
H0 : βi = 0
H1 : β i ≠ 0
Bootstrapping merupakan metode resampling, sehingga data terdistribusi
bebas, tidak memerlukan asumsi distribusi normal, dan tidak memerlukan
jumlah sampel yang besar (sampel minimum 30). Kepercayaan yang
digunakan pada uji t statitik adalah 95% (α = 0,05). Model outer yang
signifikan berarti indikator dapat digunakan sebagai instrumen pengukur dan
model inner yang signifikan berarti variabel laten satu dengan yang lainnya
saling mempengaruhi.

I.6.5. Geovisualisasi
Seiring perkembangan teknologi dan kebutuhan manusia terhadap informasi
geospasial semakin meningkat, maka teknik untuk menghasilkan sistem informasi
geospasial semakin berkembang. Sebelum tahun 1990-an dan masa perkembangan
SIG, peta analog dan statik banyak digunakan untuk menyajikan informasi
geospasial (Kraak, 2003). Penggunaan SIG memudahkan pengguna mengelola
basisdata dan penggunaan tools untuk menampilkan informasi geospasial.
Pada tahun 1990-an, perkembangan sistem informasi geospasial mendapat
pengaruh dari disiplin ilmu lain. Bidang kartografi, SIG, dan visualisasi
digabungkan, sehingga menjadi bidang ilmu yang baru, yaitu geovisualisasi
(Hearnshaw & Unwin, 1994). Geovisualization (geovisualisasi) atau disebut
 30

geographic visualization merupakan penggabungan dari beberapa keilmuan, seperti

kartografi, keilmuan visualisasi, analisis gambar, analisis data, grafik komputer,
animasi, simulasi, multimedia, dan dunia nyata untuk menghasilkan teori, metode,
dan alat untuk menampilkan, menganalisis, memadukan, dan menyajikan data
geospasial(Buckley, dkk., 2000; Dodge &Mary McDerby, 2008; MacEachren &
Kraak, 2001). Geovisualisasi dapat didefinisikan sebagai eksplorasi, analisis, sintesis,
dan penyajian data geospasial yang melibatkan kartografi dan bidang keilmuan lain
dibidang representasi dan analisis, meliputi keilmuan visualisasi, analisis gambar,
informasi visualisasi, analisis data, dan SIG (Dykes, Maceachren, dkk., 2005). Dalam
lingkungan geovisualisasi, peta digunakan untuk mendorong daya visualisasi
manusia tentang pola, hubungan, dan kecenderungan geospasial (Kraak, 2002).
Geovisualisasi memiliki kemampuan untuk mengatasi fenomena yang kompleks
menjadi informasi yang mudah dipahami melalui gagasan dan dengan melihat dunia
nyata (MacEachren & Kraak, 2001). Dalam memenuhi kebutuhan saat ini,
geovisualisasi tidak hanya mencakup pengembangan teori, perangkat, dan metode,
tetapi juga melibatkan perangkat dan metode untuk mempermudah memahami tren
data geospasial guna pengambilan keputusan (Buckley, dkk., 2000).
I.6.5.1. Teknik visualisasi. Teknik visualisasi digunakan untuk
memvisualisasikan data. Terdapat banyak teknik yang digunakan untuk visualisasi
data, misalnya diagram batang, grafik garis, dan lain sebagainya. Berdasarkan
prinsipnya, visualisasi dibagi menjadi empat, yaitu (Keim, dkk., 2005):
1. Tampilan yang disajikan secara geometri. Teknik visualisasi ini digunakan
untuk menyajikan pola menarik dari kumpulan data (Keim, dkk., 2005),
seperti misalnya scatter plot dan parallel coordinate plot.
2. Tampilan ikonik. Teknik ini menyajikan data titik dalam bentuk ikon.
Misalnya, atribut dari data titik dalam suatu peta disajikan dalam bentuk
bintang, bentuk batang, bentuk jarum dan lain sebagainya.
3. Tampilan densitas. Teknik visualisasi ini menyajikan kumpulan data
dalam tampilan densitas atau kepadatan. Misalnya, peta kepadatan dengan
visualisasi simbol lingkaran dan gradasi warna. Dalam membedakan
tingkat kepadatan tiap daerah dengan menggunakan ukuran dan tingkat
 31

warna yang berbeda. Semakin tinggi nilai atributnya, maka warnanya

semakin tua, misalnya warna putih menunjukkan nilai paling rendah,
warna pink menunjukkan nilai sedang, dan warna merah menunjukkan
nilai paling tinggi. Selain itu, untuk menunjukkan tingkat kepadatan dapat
menggunakan pengaturan piksel, bentuk subwindows, dan mengurutkan
dimensi (Keim, dkk., 2005).
4. Tampilan bertumpuk. Teknik visualisasi ini untuk menyajikan data yang
disekat-sekat dan disusun secara hierarki. Contoh dari teknik tampilan
bertumpuk adalah treemap, cone trees dan lain sebagainya.
I.6.5.1.1. Visualisasi simbol diagram batang. Data atau informasi terdiri atas
kumpulan angka. Dalam menyampaikan isi dari data atau informasi, maka
diperlukan visualisasi. Sebagai media komunikasi, sebelum menentukan tampilan
yang digunakan perlu mengetahui arti dan tujuan data.
Diagram merupakan salah satu bentuk visualisasi dasar. Penggunaan diagram
batang biasanya digunakan untuk analisis data (Kraak & Ormeling, 2002).
Penggunaan visualisasi yang sederhana memudahkan pengguna memahami data.
Misalnya, untuk melihat kecenderungan temporal dari suatu data, seperti suhu
tahunan, rata-rata curah hujan, dan lain sebagainya.
I.6.5.1.2. Parallel Coordinate Plot. Data geospasial yang diambil secara
temporal atau terdiri atas banyak data dapat divisualisasikan dalam beberapa jenis
visualisasi, seperti scatter plots, stacked graphs, Parallel Coordinate Plot (PCP), dan
lain sebagainya. PCP merupakan salah satu jenis visualisasi data yang dikenal secara
luas dan banyak digunakan untuk menyajikan pola dari suatu kumpulan data.

Gambar I. 9.Contoh Parallel Coordinate Plot (Ge, Li, dkk., 2009)

 32

PCP pertama kali muncul tahun 1980, digunakan untuk memahami masalah
multidimensi (Fua, dkk., 1999). Pada visualisasi PCP, data atribut divisualisasikan
sebagai titik, dimana setiap titik saling terhubung dengan garis yang mengisi tiap
baris (Heer, Bostock, dkk., 2010). Garis vertikal tersebut merupakan representasi
komponen utama berperan sebagai penghubung antara nilai data dari tiap komponen.
Terdapat beberapa cara yang digunakan untuk memvisualisasikan data dalam PCP
antara lain menggunakan bahasa pemrograman javascript atau perangkat lunak
visualisasi data seperti spotfire, xlstat, dan lain sebagainya. Spotfire merupakan
perangkat lunak yang digunakan untuk visualisasi data agar memudahkan analisis
data (Tibco, 2013). XLSTAT merupakan plugin pada Microsoft Excel untuk analisis
data (Anonimous, 2014).
 33

BAB II

PELAKSANAAN

II.1. Persiapan
II.1.1. Peralatan Penelitian

Peralatan penelitian dalam penelitian ini adalah sebagai berikut:

A. Perangkat keras yang digunakan:
1. Laptop
2. Printer
B. Perangkat lunak yang digunakan:
1. SmartPLS 3.0 digunakan untuk memperoleh nilai outer loading dan uji
kelompok pertanyaan.
2. Microsoft Excel 2007 digunakan untuk rekap hasil jawaban kuesioner dan
untuk memvisualisasikan kesiapan IDS ditingkat kabupaten/kota secara
desktiptif.
3. Tibco Spotfire digunakan untuk membuat visualisasi Parallel Coordinate Plot
(PCP).
4. Microsoft Word 2007 digunakan untuk penulisan naskah tesis.

II.1.2. Lokasi Studi

Lokasi studi responden kuesioner meliputi 150 Badan Perencanaan dan

Pembangunan Daerah (BAPPEDA) di tingkat kabupaten/kota diseluruh Indonesia
yang terpilih. Wawancara dilakukan dibeberapa kabupaten/kota terpilih, yaitu
BAPPEDA di Kota Yogyakarta, Kota Magelang, Kabupaten Sleman, Kabupaten
Kulon Progo, Kabupaten Bantul, Kabupaten Klaten, dan Kabupaten Sragen.

II.1.3.Bahan Penelitian

Bahan yang digunakan dalam penelitian adalah kuesioner SDI Readiness Index
(SRI) yang dikerjakan oleh Pusat Pengembangan Infrastruktur Data Spasial (PPIDS)
Universitas Gadjah Mada dan hasil wawancara.
 34

II.2. Pelaksanaan Penelitian

Tahapan penelitian ini merupakan proses kegiatan keseluruhan dalam
penelitian untuk mengevaluasi dan membuat visualisasi kesiapan IDS ditingkat
kabupaten/kota. Tahapan secara umum digambarkan pada diagram alir Gambar II.1.

Gambar II. 1. Diagram alir pelaksanaan penelitian

 35

II.2.1. Persiapan
Terdapat beberapa kegiatan yang perlu dilakukan sebelum menjalankan
penelitian. Adapun persiapan yang dilakukan adalah sebagai berikut:
1. Studi pustaka untuk mendukung pelaksanaan penelitian.
2. Melakukan pencarian alamat BAPPEDA di Indonesia menggunakan internet.
Responden kuesioner pada penelitian ini adalah BAPPEDA di tingkat
kabupaten/kota di Indonesia. Dilakukan pendataan BAPPEDA yang terpilih.
Kemudian, pengumpulan alamat dilakukan dengan cara mengunjungi website
setiap BAPPEDA.
3. Mempersiapkan peralatan yang digunakan untuk pengiriman kuesioner.
Kuesioner yang dikirim dilengkapi dengan amplop, perangko pengiriman, dan
perangko balasan yang digunakan agar memudahkan pihak BAPPEDA dalam
mengirimkan kembali kuesioner yang telah selesai diisi.
4. Pembuatan surat ijin penelitian ke dinas yang menangani perijinan dan
BAPPEDA di Kota Yogyakarta, Kota Magelang, Kabupaten Sleman,
Kabupaten Kulon Progo, Kabupaten Bantul, Kabupaten Klaten, dan Kabupaten
Sragen untuk ijin melakukan wawancara. Beberapa BAPPEDA memiliki
proses perijinan penelitian yang beberapa BAPPEDA memiliki proses perijinan
penelitian yang berbeda, diantaranya ada yang perlu membuat surat ijin ke
dinas yang menangani perijinan terlebih dahulu.
II.2.2. Populasi dan Sampel
Populasi dalam penelitian mencakup BAPPEDA yang ada di Indonesia. Jumlah
kabupaten dan kota di Indonesia adalah 505 (Kemendagri, 2013). Dengan metode
sampling acak sederhana, dipilih 150 BAPPEDA di Indonesia.

II.2.3. Pengumpulan Data

Pada penelitian ini, pengambilan data dilakukan dengan menggunakan
kuesioner dan kegiatan wawancara.
II.2.2.1. Kuesioner. Data primer yang digunakan dalam penelitian ini adalah
kuesioner penelitian Indonesia SDI Readiness Index (i-SRI) yang dikerjakan oleh
Pusat Pengembangan Infrastruktur Data Spasial (PPIDS) Universitas Gadjah Mada.
 36

II.2.2.2. Wawancara. Kegiatan wawancara dilakukan dengan tujuan untuk

validasi data dan memperdalam informasi yang diinginkan tentang penerapan
komponen IDS di kabupaten/kota. Wawancara dilakukan pada BAPPEDA terpilih
yaitu BAPPEDA Kota Yogyakarta, Kota Magelang, Kabupaten Sleman, Kabupaten
Bantul, Kabupaten Kulon Progo, Kabupaten Klaten, dan Kabupaten Sragen.

II.2.3. RekapitulasiKuesioner
Penelitian ini merupakan penelitian kualitatif, yang mana datanya diperoleh
dari hasil kuesioner. Pertanyaan kuesioner terdiri atas 23 pertanyaan dengan 2 pilihan
jawaban yaitu belum ada dan sudah ada. Supaya dapat diolah, maka pilihan jawaban
diberikan bobot. Jawaban sudah ada mendapat bobot 1 dan jawaban belum ada
mendapat bobot 0.
Kuesioner yang telah dikembalikan oleh pihak responden direkap
menggunakan perangkat lunak Microsoft Excel untuk memudahkan dalam mengelola
dan mengolah data kuesioner. Adapun data kuesioner yang direkap adalah: (1) nama
dan alamat BAPPEDA, (2) identitas pengisi kuesioner, dan (3) jawaban kuesioner.
Tabel II. 1.Bobot jawaban kuesioner
No. Jawaban kuesioner Bobot
1 Sudah ada 1
2 Belum ada 0

II.2.4. Pengolahan Data

Pada penelitian ini menggunakan TAM untuk mengevaluasi kesiapan IDS
melalui prediksi adopsi salah satu komponen IDS, yaitu komponen data. Dasar
pemilihan komponen data karena berdasarkan rekapitulasi kuesioner, komponen
yang paling banyak dijalankan dari 40 kabupaten dan kota adalah komponen data.
Pengolahan datanya menggunakan metode PLS-SEM dengan bantuan perangkat
lunak SmartPLS 3.0. Adapun langkah-langkah pengolahan data adalah sebagai
berikut:
1) Menyusun rancangan model konstruk
Konstruk yang digunakan untuk memprediksi penerimaan IDS di tingkat
daerah dari sisi praktek komponen data adalah modifikasi dari konstruk asli TAM.
 37

Berikut ini adalah rancangan model konstruk yang digunakan sebagai acuan dalam
pengolahan data:

PU1 D11 D12 D13 D14 D15 D16

Persepsi kegunaan 3a
1a
Kebijakan
tentang Penerimaan IDS pada
2 komponen data
data
1b Persepsi kemudahan
3b

Kbj1 Kbj2 Kbj3

PEU1 PEU2 D2 D3 D4 D5 D6

Gambar II. 2.Komponen kebijakan tentang data mempengaruhi persepsi kegunaan dan
kemudahan IDS terhadap penerimaan IDS di daerah dilihat dari sisi
praktek komponen data

Pada Gambar II.2., penerimaan IDS di daerah yang dilihat dari sisi praktek
komponen data dipengaruhi oleh persepsi kegunaan (Perceived usefulness) dan
persepsi kemudahan (perceived ease of use) IDS dengan mempertimbangkan
kebijakan yang berkaitan dengan data. Berikut ini merupakan penjelasan dari
Gambar II.2:
a. Komponen kebijakan terhadap persepsi kegunaan
IDS dibangun untuk memfasilitasi berbagi pakai data geospasial. Dengan
demikian, geoportal dibangun untuk memudahkan berbagi pakai data geospasial dan
memudahkan para pemangku kepentingan memperoleh data yang diinginkan.
b. Komponen kebijakan terhadap persepsi kemudahan
Ketersediaan data geospasial dipengaruhi oleh pengadaan data geospasial. Data
geospasial yang tersedia disediakan untuk kepentingan antar instansi dan masyarakat.
Melalui IDS, diharapkan data geospasial dapat diperoleh secara mudah melalui
website. IDS dibangun dengan visi memproduksi data sekali dan menggunakannya
berkali-kali untuk mengurangi duplikasi data. Dengan demikian, mekanisme akses
data yang mudah dapat mendukung berbagi pakai data geospasial antar instansi.
 38

Data geospasial yang tersedia perlu dilakukan pemeliharaan dan pembaharuan

agar informasi yang disajikan up to date. Selain itu, data geospasial dikelola dengan
mengikuti Standar Nasional Indonesia atau Spesifikasi Teknik yang ditentukan oleh
Kementerian/Lembaga terkait, misalnya mengikuti SNI:metadata untuk menyusun
metadata. Data geospasial yang disertai metadata dapat memudahkan pengguna
menemukan data geospasial yang diinginkan.
c. Persepsi kemudahan terhadap kegunaan
Para pemangku kepentingan dapat memperoleh data geospasial yang
diinginkan jika data geospasial dapat diakses melalui geoportal.
d. Persepsi kegunaan dan persepsi kemudahan terhadap penerimaan IDS dari
sisi praktek komponen data
Kesadaran instansi terhadap kegunaan IDS, yaitu untuk mengurangi duplikasi
data melalui berbagi pakai data mendorong instansi di daerah untuk melengkapi
ketersediaan data geospasial. Data geospasial yang disimpan dalam basisdata dijital
dapat membantu dalam mengelola data geospasial. Metadata dapat membantu
pemangku kepentingan dalam menentukan data yang sesuai dengan kebutuhan.
2) Menyusun indikator tiap laten
Dalam model konstruk, komponen utama disebut dengan laten. Setiap laten
dapat memiliki beberapa indikator. Pada penelitian ini, indikator merupakan
pertanyaan yang ada dalam kuesioner penelitian SRI. Pertanyaan kuesioner dipilih
yang berkaitan dengan data. Adapun indikator dari masing-masing laten disajikan
pada Tabel 1 sebagai berikut:
Tabel 1. Indikator tiap laten
Jumlah Kode
Laten Indikator
indikator indikator
Perceived usefulness
1 PU1 1. Terdapat geoportal
(persepsi kegunaan)
1. Data geospasial yang tersedia dapat diperoleh
PEU1
Perceived ease of use masyarakat secara mudah melalui website.
2
(persepsi kemudahan) 2. Mekanisme akses untuk berbagi pakai data antar
PEU2
instansi.
1. Ketersediaan data geospasial:
D11 a. Peta dasar daerah
D12 b. Peta RTRW
Penerimaan IDS pada
11 D13 c. Peta RDTR
komponen data
D14 d. Peta batas administrasi
D15 e. Peta jalan
D16 f. Peta utilitas
 39

Lanjutan Tabel 1. Indikator tiap laten

Kode
Jumlah
Laten pada Indikator
indikator
model
D2 2. Peta disimpan dalam basisdata dijital
3. Metadata disimpan bersama dalam peta dan basisdata
D3
Penerimaan IDS pada dijital
11
komponen data D4 4. Metadata digunakan untuk menyusun katalog data
5. Sistem katalog data pengelolaan peta dan informasi
D5
geospasial dalam format hardcopy maupun softcopy
D6 6. Sistem katalog secara online
Kbj1 1. Pengadaan data geospasial
Kebijakan 3 Kbj2 2. Pemeliharaan/ pembaharuan data geospasial
3. Adopsi standar dan panduan teknis dalam pengeloaan
Kbj3
data geospasial

3) Input data
Pengolahan data pada penelitian ini menggunakan perangkat lunak SmartPLS
3.0. Jawaban kuesioner disusun berdasarkan indikator dari tiap variabel laten pada
Microsoft Excel. Pada baris diisi dengan variabel indikator dan pada kolom diisi
dengan nama BAPPEDA. Data hasil rekap berisikan angka, baik nilai bobot jawaban
maupun nama BAPPEDA, sedangkan variabel indikator dibuat kode untuk
memudahkan dalam analisis hasil pengolahan data. Data disimpan dengan format
penyimpanan *.csv. Adapun susunan rekap jawaban kuesioner pada Microsoft Excel
adalah sebagai berikut:
Variabel indikator

Hasil rekap jawaban

kuesioner

BAPPEDA kabupaten/kota

Gambar II. 3. Format penyusunan rekapitulasi jawaban kuesioner

 40

4) Membuat model konstruk

Pada perangkat lunak SmartPLS terdapat dua project, yaitu membuat model
konstruk dan melakukan analisis dengan menggunakan data jawaban kuesioner.
Halaman project model konstruk digunakan untuk membuat model konstruk dengan
mengacu pada rancangan model konstruk Gambar II.2.

PU1

Kbj1

Kbj2

Kbj3

PEU1 PEU2

Gambar II. 4. Model konstruk yang dibuat pada SmartPLS

5) Hasil outer loadingdan nilai R-square

Proses data yang pertama menggunakan PLS algorithm untuk mendapatkan
hasil outer loading. Hasil outer loading disajikan pada bagian calculation result.
Sedangkan nilai R-square disajikan pada bagian overview.

PU1

Kbj1

Kbj2

Kbj3

PEU1 PEU2

Gambar II. 5. Hasil pengolahan data menggunakan PLS algorithm yang ditampilkan pada
model konstruk
 41

6) Hasil uji kelompok pertanyaan

Proses pengolahan data selanjutnya menggunakan bootstrapping algorithm.
Pada proses analisis bootstrapping diperlukan jumlah kuesioner yang dikirim dan
jumlah kuesioner yang kembali. Jumlah kuesioner yang dikirimkan ke BAPPEDA
sebanyak 150 dan jumlah kuesioner yang kembali sebanyak 40. Hasil bootstrapping
dapat dilihat pada halaman Report.

PU1

Kbj1

Kbj2

Kbj3

PEU1 PEU2

Gambar II. 6. Hasil pengolahan data menggunakan Bootstraping yang ditampilkan pada
model konstruk
 42

BAB III

HASIL DAN PEMBAHASAN

III.1. Hasil dan Pembahasan Kuesioner

Responden pada penelitian ini adalah BAPPEDA kabupaten dan kota terpilih
yang tersebar di 33 propinsi di Indonesia. Total kuesioner yang dikirimkan sebanyak
150 kuesioner. Pengiriman kuesioner dilakukan pada bulan Oktober 2013. Adapun
rincian jumlah kuesioner yang dikirimkan pada tiap propinsi ditunjukkan pada tabel
III.1.:
Tabel III. 1. Rincian jumlah kuesioner
Jumlah Persentase
Jumlah kuesioner
No. Provinsi kuesioner pengembalian
yang kembali
yang dikirim kuesioner
1 Nangroe Aceh Darussalam 5 1 20%
2 Sumatera Utara 6 1 17%
3 Sumatera Barat 5 0 0%
4 Riau 4 0 0%
5 Kepulauan Riau 2 0 0%
6 Jambi 3 0 0%
7 Sumatera Selatan 3 0 0%
8 Kepulauan Bangka Belitung 3 2 67%
9 Bengkulu 3 1 33%
10 Lampung 5 0 0%
11 Banten 5 0 0%
12 Jawa Barat 10 0 0%
13 Jawa Tengah 22 15 68%
14 Daerah Istimewa Yogyakarta (DIY) 5 5 100%
15 Jawa Timur 8 5 63%
16 Bali 5 2 40%
17 Nusa Tenggara Barat 5 1 20%
18 Nusa Tenggara Timur 4 2 50%
19 Kalimantan Barat 5 1 20%
20 Kalimantan Tengah 4 1 25%
21 Kalimantan Selatan 5 1 20%
22 Kalimantan Timur 4 0 0%
23 Kalimantan Utara 2 0 0%
24 Sulawesi Utara 3 0 0%
 43

Lanjutan tabel III.1. Rincian jumlah kuesioner

Jumlah Persentase
Jumlah kuesioner
No. Provinsi kuesioner pengembalian
yang kembali
yang dikirim kuesioner
25 Gorontalo 1 0 0%
26 Sulawesi Tengah 4 0 0%
27 Sulawesi Barat 2 0 0%
28 Sulawesi Selatan 7 1 14%
29 Sulawes Tenggara 2 0 0%
30 Maluku 1 0 0%
31 Maluku Utara 1 0 0%
32 Papua Barat 3 0 0%
33 Papua 3 1 33%
Jumlah 150 40 27%

Berdasarkan Tabel III.1., tingkat pengembalian kuesioner sebesar 27%.

BAPPEDA yang mengembalikan kuesioner antara lain yang berada di Propinsi
Nangroe Aceh Darussalam (20%), Sumatera Utara (17%), Kepulauan Bangka
Belitung (67%), Bengkulu (33%), Jawa Tengah (68%), Daerah Istimewa Yogyakarta
(DIY) (100%), Jawa Timur (63%), Bali (40%), Nusa Tenggara Barat (NTB) (20%),
Nusa Tenggara Timur (NTT) (50%), Kalimantan Barat (20%), Kalimatan Tengah
(25%), Kalimantan Selatan (20%), Sulawesi Selatan (14%), dan Papua (33%).
Adapun rincian BAPPEDA yang mengembalikan kuesioner ditunjukkan pada Tabel
III.2.
Tabel III. 2. Daftar responden yang mengembalikan kuesioner
No. Propinsi Bappeda di Kabupaten dan Kota
1 Nangroe Aceh Darussalam Kabupaten Gayo Lues
2 Sumatera Utara Kabupaten Asahan
3 Kabupaten Bangka barat
Kepulauan Bangka Belitung
4 Kota Pangkalpinang
5 Bengkulu Kota Bengkulu
6 Kabupaten Banjarnegara
7 Kabupaten Blora
8 Kabupaten Brebes
9 Kabupaten Cilacap
Jawa Tengah
10 Kabupaten Semarang
11 Kabupaten Kebumen
12 Kabupaten Klaten
13 Kabupaten Kudus
 44

Lanjutan tabel III.2. Daftar responden yang mengembalikan kuesioner

No. Propinsi Bappeda di Kabupaten dan Kota
14 Kota Magelang
15 Kabupaten Pekalongan
16 Kabupaten Pemalang
Jawa Tengah
17 Kabupaten Rembang
18 Kabupaten Sragen
19 Kabupaten Temanggung
20 Kabupaten Wonosobo
21 Kabupaten Bantul
22 Kabupaten Gunung Kidul
23 DIY Kabupaten Kulon Progo
24 Kabupaten Sleman
25 Kota Yogyakarta
26 Kota Malang
27 Kabupaten Nganjuk
28 Jawa Timur Kabupaten Pacitan
29 Kabupaten Sumenep
30 Kabupaten Tuban
31 Kabupaten Badung
Bali
32 Kabupaten Karangasem
33 Nusa Tenggara Barat Kabupaten Sumbawa
34 Kabupaten Belu
Nusa Tenggara Timur
35 Kabupaten Ende
36 Kalimantan Barat Kabupaten Pontianak
37 Kalimantan Tengah Kabupaten Barito utara
38 Kalimantan Selatan Kabupaten Banjar
39 Sulawesi Selatan Kabupaten Maros
40 Papua Kota Jayapura

Berdasarkan rincian pada Tabel III.2., jumlah kuesioner yang kembali

sebanyak 40 kuesioner dari keseluruhan kuesioner yang dikirimkan.
Kuesioner yang dikembalikan oleh responden diisi oleh Kepala Kantor, Kepala
Bidang, Kepala sub Bidang, Staf, dan sekretaris BAPPEDA. Profil pengisi kuesioner
disajikan pada Tabel III.3. berikut:
 45

Tabel III. 3. Pengisi kuesioner

No. Jabatan Jumlah Persentase
1 Kepala Kantor 7 18%
2 Kepala Bidang 9 23%
3 Kepala sub Bidang 13 33%
4 Staf 9 23%
5 Sekretaris 2 5%

Berdasarkan Tabel III.3., kuesioner diisi oleh Kepala sub Bidang sebesar 33%,
Kepala Bidang dan Staf sebesar 23%, Kepala Kantor sebesar 18%, dan Sekretaris
sebesar 5%. Dengan demikian, pengisi kuesioner evaluasi diri paling banyak diisi
oleh Kepala sub Bidang.

III.2. Hasil dan Pembahasan Wawancara

Wawancara dilakukan pada BAPPEDA terpilih. Dengan mempertimbangkan,
jarak, waktu, dan biaya, maka wawancara dilakukan pada beberapa BAPPEDA
sebagai berikut:
1. BAPPEDA Kota Yogyakarta
2. BAPPEDA Kota Magelang
3. BAPPEDA Kabupaten Sleman
4. BAPPEDA Kabupaten Bantul
5. BAPPEDA Kabupaten Kulon Progo
6. BAPPEDA Kabupaten Klaten
7. BAPPEDA Kabupaten Sragen

Kegiatan wawancara dilakukan untuk validasi kuesioner. Pertanyaan

wawancara diambil dari beberapa pertanyaan kuesioner. Adapun pertanyaan
wawancara adalah sebagai berikut:
1. Komponen peraturan/kebijakan mencakup hal-hal sebagai berikut:
a. Terdapat peraturan daerah dari Bupati/Walikota terkait Infrastruktur Data
Spasial
2. Komponen kelembagaan mencakup hal-hal sebagai berikut:
a. Koordinasi antar instansi dalam memproduksi data dan informasi
geospasial
b. Berbagi pakai data dengan instansi lain di daerah
 46

3. Komponen sumber daya manusia mencakup hal-hal sebagai berikut:

a. Jumlah personel keseluruhan
b. Jumlah personil yang berasal dari jurusan Geodesi/Geomatika/Geografi
c. Keterlibatan personil dari jurusan Geodesi/Geomatika/Geografi menangani
pekerjaan dibidang data geospasial dan SIG
d. Jumlah personil dari lulusan jurusan selain Geodesi/Geomatika/Geografi
yang menangani pekerjaan dibidang data geospasial dan SIG
e. Personil tersebut mengikuti kursus/pelatihan/belajar sendiri
f. Ketersediaan personel yang mengelola atau ahli menangani perangkat keras
untuk pengelolaan dan publikasi data geospasial, seperti server, komputer,
ruang khusus server, dan piranti lunak server peta
g. Terdapat unit/seksi pengelolaan data geospasial
4. Komponen teknologi mencakup hal-hal sebagai berikut:
a. Software yang digunakan untuk memproduksi SIG (software berbayar atau
open source)
b. Langganan internet khusus untuk server IDS dan bandwidth-nya
c. Ketersediaan geoportal
5. Komponen datamencakup hal-hal sebagai berikut:
a. Data geospasial yang tersedia di BAPPEDA, meliputi:
- Peta dasar daerah (Peta rupabumi)
- Peta bidang tanah/persil
- Peta blok (Peta pajak bumi dan bangunan)
- Peta administratif batas wilayah
- Peta Rencana Tata Ruang Wilayah (RTRW)
- Peta Rencana Detil Tata Ruang (RDTR)
- Peta transportasi/jaringan jalan
- Peta detail tapak bangunan dan fasilitas umum
- Peta sistem utilitas
b. Penyimpanan peta-peta/data geospasial dalam basisdata dijital
c. Data geospasial dilengkapi dengan metadata
 47

Kegiatan wawancara diperoleh hasil sebagai berikut:

1) Komponen peraturan/kebijakan
Komponen peraturan/kebijakan memiliki peran penting dalam pembangunan
IDS karena berfungsi sebagai payung hukum dan peraturan yang mengikat
pelaksanaan pembangunan IDS di daerah. Rincian hasil wawancara yang berkaitan
mengenai komponen peraturan/kebijakan disajikan pada Tabel III.4. berikut:
Tabel III. 4. Praktek komponen peraturan/kebijakan di daerah
Peraturan daerah/Gubernur/Bupati/Walikota Peraturan/panduan yang
BAPPEDA
terkait IDS diacu
Belum ada Peraturan/panduan yang
Kota Yogyakarta
diterbitkan oleh BIG
Kota Magelang Belum ada
Belum ada Peraturan/panduan yang
Kabupaten Klaten
diterbitkan oleh BIG
Belum ada Peraturan/panduan yang
Kabupaten Sleman
diterbitkan oleh BIG
Belum ada Peraturan/panduan yang
Kabupaten Kulon Progo
diterbitkan oleh BIG
Kabupaten Bantul Belum ada
Kabupaten Sragen Belum ada

Berdasarkan hasil wawancara pada Tabel III.4., belum ada peraturan

daerah/Bupati/Walikota yang terkait dengan IDS. Dalam mendukung pembangunan
dan praktek IDS di daerah, pemerintah daerah mengacu pada peraturan dan panduan
yang dibuat oleh Badan Informasi Geospasial (BIG), misalnya Undang-undang
Nomor 4 Tahun 2011 tentang Informasi Geospasial, Perpres Nomor 85 Tahun 2007
tentang Jaringan Data Spasial Nasional (JDSN), tahun Perpres Nomor 27 Tahun
2014 tentang JIGN, panduan penyelenggaraan Infrastruktur Data Spasial Nasional,
dan pedoman pembangunan clearinghouse data spasial versi I Tahun 2003.
2) Komponen kelembagaan
Dalam hal ini kelembagaan berkaitan dengan koordinasi antar instansi dalam
produksi data dan informasi geospasial serta berbagi pakai data antar instansi di
daerah. Hasil wawancara yang berkaitan tentang komponen kelembagaan disajikan
pada Tabel III.5. berikut:
 48

Tabel III. 5. Praktek koordinasi dan berbagi pakai antar instansi

BAPPEDA Koordinasi antar instansi
Ada, yaitu untuk menyeragamkan
peta dasar yang digunakan.
Kota Yogyakarta
Belum ada.
Kota Magelang
Ada, yaitu untuk menyeragamkan
peta dasar yang digunakan.
Kabupaten Klaten
Masih sulit, tetapi terus
diupayakan. Koordinasi yang
Kabupaten Sleman dilakukan adalah menyediakan data
dan informasi geospasial antara
BAPPEDA dengan instansi terkait.
Sudah ada keterbukaan data dan
informasi geospasial. Koordinasi
antar instansi dilakukan untuk
memenuhi kebutuhan informasi
Kabupaten Kulon Progo geospasial yang dibutuhkan oleh
instansi lain, misal pembuatan peta
fasilitas kesehatan yang dibutuhkan
oleh Dinas Kesehatan oleh
BAPPEDA Kulon Progo.
Koordinasi saat ini adalah
koordinasi antara BAPPEDA
Sragen, Dinas Pekerjaan Umum,
Dinas Perhubungan, dan Dinas
Pertanian dalam pembuatan peta
Kabupaten Sragen Rencana Detil Tata Ruang.
Berbagi pakai data geospasial
Pemangku kepentingan
menghubungi secara langsung
instansi yang terkait dengan
membawa surat ijin.
Pemangku kepentingan
menghubungi secara langsung
instansi yang terkait dengan
membawa surat ijin.
Pemangku kepentingan
menghubungi secara langsung
instansi yang terkait dengan
membawa surat ijin.
Pemangku kepentingan
menghubungi secara langsung
instansi yang terkait dengan
membawa surat ijin.
Pemangku kepentingan
menghubungi secara langsung
instansi yang terkait dengan
membawa surat ijin.
Pemangku kepentingan
menghubungi secara langsung
instansi yang terkait dengan
membawa surat ijin.
Informasi geospasial dalam
format hardcopy dapat di-copy
oleh pemangku kepentingan dari
berbagai kalangan, misalnya
instansi dan masyarakat.
Sedangkan, data dan informasi
geospasial hanya untuk instansi.

Berdasarkan hasil wawancara Tabel III.5., koordinasi antar instansi dalam

memproduksi data dan informasi geospasial untuk mengurangi duplikasi data belum
ada. Berbagi pakai data dari BAPPEDA untuk para pemangku kepentingan secara
keseluruhan memiliki prosedur yang sama, yaitu menghubungi BAPPEDA dengan
membawa surat ijin. Dari hal tersebut dapat dilihat informasi geospasial belum
terbuka untuk umum.
3) Komponen sumber daya manusia
Komponen sumber daya manusia merupakan komponen penting dalam IDS di
daerah karena mempengaruhi data dan informasi geospasial (IG) tematik yang
dihasilkan, misalnya akurasi dan ketelitian data dan informasi IG tematik. Hasil
 49

wawancara mengenai sumber daya manusia yang ada di BAPPEDA disajikan pada
Tabel III.6. berikut:
Tabel III. 6. Sumber daya manusia yang ada di BAPPEDA
BAPPEDA a b c d e
±45 orang Geografi = 1 orang Pekerjaan bidang Tidak ada -
Kota Planologi = 1 orang geospasial
Yogyakarta Arsitektur = 3 orang dikerjakan oleh
T. Sipil = 3 orang pihak ketiga
Kota 34 orang Planologi = 4 orang - 4 orang Kursus
Magelang
52 orang Geografi = 1 orang Ya Planologi = 1 Kursus
Kabupaten orang
Klaten Arsitektur = 1
orang
75 orang Geografi = 2 orang Ya Dari jurusan Kursus
Teknik Sipil dan
Kabupaten
Arsitektur, tetapi
Sleman
jumlahnya tidak
disebutkan.
±60 orang Geografi = 3 orang Tidak semua. 8 orang Pelatihan
1 orang SDM dari SIG
Kabupaten jurusan Geografi
Kulon Progo menangani
pekerjaan bidang
lingkungan hidup
±50 orang - Pekerjaan di Arsitektur, tetapi Pelatihan
bidang geospasial jumlahnya tidak SIG
Kabupaten
dikerjakan oleh disebutkan.
Bantul
SDM dari jurusan
Arsitektur
60 orang Geografi = 3 orang 2 SDM dari Jurusan Pelatihan
jurusan Geografi Planologi = 6 SIG
Kabupaten
tidak menangani orang
Sragen
pekerjaan dibidang
geospasial

Keterangan Tabel III.6.:

a : Jumlah keseluruhan SDM.
b : Jumlah SDM dari jurusan Teknik Geodesi/Teknik Geomatika/Geografi.
c : SDM dari jurusan Teknik Geodesi/Teknik Geomatika/Geografi yang menangani
pekerjaan bidang geospasial.
d : Jumlah SDM bukan dari jurusan Teknik Geodesi/Teknik Geomatika/Geografi yang
menangani pekerjaan bidang geospasial.
e : SDM yang bukan dari jurusan Teknik Geodesi/Teknik Geomatika/Geografi
melakukan kursus/pelatihan/belajar sendiri.

Teknik Geodesi, Teknik Geomatika, dan Geografi adalah jurusan yang

memberikan ilmu dan pengetahuan tentang geospasial. Sumber daya manusia yang
 50

berasal dari jurusan-jurusan tersebut diharapkan menangani pekerjaan dibidang

geospasial yang ada di daerah.
Berdasarkan hasil wawancara, sumber daya manusia yang ada di BAPPPEDA
berasal dari jurusan Geografi, Planologi, Teknik Arsitektur, dan Teknik Sipil.
Sumber daya manusia yang berasal dari jurusan Geografi tidak selalu menangani
pekerjaan dibidang geospasial, misalnya sumber daya manusia dari jurusan Geografi
menangani keuangan. Dalam memenuhi kebutuhan sumber daya manusia yang
mampu menangani pekerjaan dibidang geospasial, seperti misalnya pembuatan peta
tematik dan pengelolaan data geospasial, pihak BAPPEDA melatih atau mengadakan
kursus tentang Sistem Informasi Geospasial (SIG) sumber daya manusia yang
berasal dari jurusan selain Teknik Geodesi, Teknik Geomatika, dan Geografi.
Setiap BAPPEDA yang diwawancara belum memiliki unit/seksi khusus yang
menangani pekerjaan di bidang geospasial, sehingga kendala yang dialami oleh
setiap BAPPEDA adalah adanya mutasi sumber daya manusia. Sumber daya manusia
yang disiapkan untuk menangani pekerjaan di bidang geospasial dimutasi ke instansi
lain. Dengan demikian, untuk memenuhi kebutuhan data dan informasi geospasial,
BAPPEDA bekerjasama dengan pihak ketiga, misalnya bekerjasama dengan Jurusan
Geografi. Keseluruhan BAPPEDA yang diwawancara, pengelolaan dan publikasi
data geospasial, seperti server, komputer, dan ruang khusus server dilakukan oleh
sumber daya manusia di bidang Teknologi Informasi.
4) Komponen teknologi
Di bidang teknologi berkaitan dengan penggunaan perangkat lunak, perangkat
keras, langganan internet khusus IDS, dan geoportal. Hasil wawancara mengenai
komponen teknologi disajikan pada Tabel III.7. sebagai berikut:
Tabel III. 7. Perangkat lunak, langganan internet, dan geoportal untuk IDS di daerah
Perangkat lunak SIG yang Langganan internet khusus Geoportal
BAPPEDA
digunakan IDS
Kota Yogyakarta ArcGIS berlisensi Belum ada Belum ada
Kota Magelang ArcGIS tidak berlisensi Belum ada Tahap pembuatan
ArcGIS tidak berlisensi dan Belum ada Belum ada
Kabupaten Klaten
QuantumGIS
ArcGIS tidak berlisensi dan Belum ada Sudah ada
Kabupaten Sleman
QuantumGIS
ArcGIS tidak berlisensi dan Belum ada Belum ada
Kabupaten Kulon Progo
QuantumGIS
 51

Lanjutan Tabel III.7. Perangkat lunak,langganan internet, dan geoportal untuk IDS di daerah
Perangkat lunak SIG yang Langganan internet khusus Geoportal
BAPPEDA
digunakan IDS
ArcGIS berlisensi dan tidak Belum ada Belum ada
Kabupaten Bantul
berlisensi serta QuantumGIS
Kabupaten Sragen ArcGIS tidak berlisensi Belum ada Belum ada

Berdasarkan hasil wawancara pada Tabel III.7., penggunaan perangkat lunak

open source dapat membantu pemerintah daerah dalam mengeluarkan biaya untuk
membeli perangkat lunak. Berdasarkan hasil wawancara, terdapat empat BAPPEDA
yang menggunakan perangkat lunak open source, yaitu BAPPEDA Kabupaten
Klaten, Kabupaten Sleman, Kabupaten Kulon Progo, dan Kabupaten Bantul.
Perangkat keras yang tersedia untuk mendukung pembangunan IDS di daerah
masih minim. Berdasarkan keseluruhan BAPPEDA yang diwawancara, belum
memiliki komputer dan server khusus IDS. Dalam mendukung kebutuhan IDS,
BAPPEDA menggunakan server bersama yang ada di bagian Teknologi Informasi.
Internet khusus yang digunakan untuk IDS belum ada. Saat ini internet yang
digunakan adalah layanan internet yang digunakan pada kawasan Pemerintah Kota
dan Pemerintah Kabupaten.
Berdasarkan hasil wawancara, BAPPEDA Kabupaten Sleman telah memiliki
geoportal, dengan alamat gis.slemankab.go.id. Terdapat satu BAPPEDA yang sedang
dalam tahap pembuatan geoportal, yaitu BAPPEDA Kota Magelang. Sedangkan,
BAPPEDA Kota Yogyakarta, Kabupaten Klatan, Kabupaten Kulon Progo,
Kabupaten Bantul, dan Kabupaten Sragen belum memiliki geoportal.
5) Komponen data
Komponen data meliputi ketersediaan dan pengelolaan data geospasial. Berikut
ini adalah hasil wawancara yang terkait dengan komponen data:
Tabel III. 8. Ketersediaan dan pengelolaan data dan informasi geospasial di BAPPEDA
BAPPEDA
BAPPEDA BAPPEDA BAPPEDA BAPPEDA BAPPEDA BAPPEDA
Data geospasial yang Kabupaten
Kota Kota Kabupaten Kabupaten Kabupaten Kabupaten
tersedia Kulon
Yogyakarta Magelang Klaten Sleman Bantul Sragen
Progo
Peta dasar daerah Ada, skala Ada, skala Ada, skala Ada Ada, skala Ada, skala Ada
(Peta rupabumi) 1:5.000 1:5.000 1:25.000 1:25.000 1:5.000
Peta bidang Tidak ada Ada Ada Ada Tidak ada Tidak ada Tidak ada
tanah/persil
Peta blok (Peta pajak Ada Tidak ada Ada Tidak ada Tidak ada Tidak ada Tidak ada
bumi dan bangunan)
Peta administratif Ada, di Ada, skala Ada, skala Ada Ada, skala Ada, skala Ada
batas wilayah dalam peta 1:25.000 1:25.000 1:25.000 1:50.000
RTRW
 52

Lanjutan Tabel III.8. Ketersediaan dan pengelolaan data dan informasi geospasial di
BAPPEDA
BAPPEDA
BAPPEDA BAPPEDA BAPPEDA BAPPEDA BAPPEDA BAPPEDA
Data geospasial yang Kabupaten
Kota Kota Kabupaten Kabupaten Kabupaten Kabupaten
tersedia Kulon
Yogyakarta Magelang Klaten Sleman Bantul Sragen
Progo
Peta Rencana Tata Ada, skala Ada, skala Ada, skala Ada Ada, skala Ada, skala Ada
Ruang Wilayah 1:10.000 1:25.000 1:50.000 1:50.000 1:50.000
(RTRW)
Peta Rencana Detil Ada, skala Tahap Tahap Ada Ada, skala Ada, skala Ada
Tata Ruang (RDTR) 1:5.000 pembuatan pembuatan, 1:5.000 1:5.000
skala
1:5.000
Peta Ada, skala Ada, di Ada, skala Ada Ada, skala Ada, skala Ada
transportasi/jaringan 1:10.000 dalam peta 1:25.000 1:25.000 1:50.000
jalan RTRW
Peta detail tapak Ada, skala Ada, di Tidak ada Ada Ada Tidak ada Tidak ada
bangunan dan fasilitas 1:10.000 dalam peta
umum RTRW
Peta sistem utilitas Ada, skala Tahap Tahap Tidak ada Ada Tidak ada Ada
1:10.000 pembuatan, pembuatan
skala
1:5.000

Berdasarkan hasil wawancara pada Tabel III.8., seluruh BAPPEDA yang

diwawancara memiliki peta dasar daerah. Peta dasar daerah dibuat mengacu pada
data citra satelit dengan skala yang berbeda-beda. BAPPEDA Kota Yogyakarta, Kota
Magelang, dan Kabupaten Bantul menggunakan citra satelit skala 1 : 5000.
BAPPEDA Kabupaten Klaten, Kabupaten Kulon Progo menggunakan citra satelit
skala 1 : 25.000.
BAPPEDA Kabupaten Sleman dan Kabupaten Bantul telah menyimpan
peta/data geospasial dalam basisdata dijital dan sudah disertai dengan metadata.
BAPPEDA Kabupaten Sleman telah membuat metadata pada tahap awal produksi
data geospasial. Sedangkan, BAPPEDA Kota Yogyakarta, Kota Magelang,
Kabupaten Klaten, Kabupaten Kulon Progo, dan Kabupaten Sragen menyimpan
peta/data geospasial dalam folder dan belum ada metadata.
III.3. Hasil dan Pembahasan TAM
Pada penelitian ini dilakukan evaluasi terhadap kesiapan IDS dengan
menggunakan TAM. Berdasarkan fungsinya, pada penelitian ini TAM digunakan
untuk memprediksi adopsi salah satu komponen IDS, yaitu komponen data.
Komponen data dipilih karena berdasarkan hasil rekapitulasi, komponen yang paling
banyak dijalankan dari 40 kabupaten dan kota adalah komponen data. Berikut ini
disajikan diagram hasil rekapitulasi pada Gambar III.1.:
 53

Komponen IDS yang palng menonjol (%)

100%

80%

60%
39%
40% 32%
20% 21%
20%
4%
0%
Data peraturan SDM teknologi kelembagaan

Gambar III. 1. Komponen IDS yang paling menonjol dari hasil rekapitulasi kuesioner

Persentase komponen IDS yang paling menonjol diperoleh dari hasil

perhitungan rata-rata masing-masing komponen IDS. Berdasarkan Gambar III.1.
tersebut, dapat dilihat bahwa komponen data memiliki persentase tertinggi, yaitu
39%. Oleh karena itu, dilakukan prediksi adopsi komponen data.
Sebanyak 40 kuesioner yang kembali direkapitulasi. Hasil rekapitulasi diolah
menggunakan perangkat lunak SmartPLS. Berikut ini adalah hasil model outer, hasil
model inner, dan uji kelompok pertanyaan:

a. Hasil model outer

Pada perangkat lunak SmartPLS, hasil model outer disajikan pada outer
loading. Nilai outer loading diperoleh dari skor indikator data input yang digunakan
untuk mengukur adopsi IDS. Indikator diterima jika nilainya > 0,5. Hasil outer
loading disajikan pada Tabel III.9. berikut:
Tabel III. 9. Hasil outer loading
Konstruk laten Indikator Outer Loading
Dalam IDS, geoportal digunakan untuk memfasilitasi
Persepsi kegunaan 1,000
berbagi pakai data geospasial
Data geospasial yang tersedia dapat diperoleh
0,855
masyarakat secara mudah melalui website
Persepsi kemudahan
Mekanisme akses untuk berbagi pakai data antar
0,716
instansi
Pengadaan data geospasial 0,787

Kebijakan Pemeliharaan/ pembaharuan data geospasial 0,944

Adopsi standar dan panduan teknis dalam pengeloaan
0,651
data geospasial
 54

Lanjutan tabel III.9. Hasil outer loading

Konstruk laten Indikator Outer Loading

Peta dasar daerah 0,373

Peta RTRW 0,551

Peta RDTR 0,155

Peta batas administrasi 0,595

Peta jalan 0,474

Penerimaan IDS dilihat pada Peta utilitas 0,256
komponen data
Peta disimpan dalam basisdata dijital 0,703
Metadata disimpan bersama dalam peta dan basisdata
0,517
dijital
Metadata digunakan untuk menyusun katalog data 0,086
Sistem katalog data pengelolaan peta dan informasi
0,507
geospasial dalam format hardcopy maupun softcopy
Sistem katalog secara online 0,664

Pada Tabel III.9., nilai yang dicetak tebal memiliki nilai >0,5, sedangkan nilai
yang tidak dicetak tebal memiliki nilai <0,5.Untuk mendapatkan hasil outer loading
yang baik, maka variabel indikator yang memiliki nilai < 0,5 harus dihilangkan.
Namun, pada penelitian ini tidak dihilangkan karena semua indikator dianggap
penting dalam evaluasi kesiapan IDS yang dilihat dari adopsi komponen data.
Model outer menyajikan hubungan antara variabel laten dengan indikatornya.
Berdasarkan Tabel III.9., dihasilkan 12 variabel laten memiliki hubungan yang baik
dengan indikatornya dan 5 variabel laten memiliki hubungan yang tidak baik dengan
indikatornya. Nilai outer loading tergantung pada jawaban kuesioner, semakin
banyak jawaban kuesioner “ya”, maka setiap indikator memiliki nilai outer
loading>0,5. Dengan demikian, dapat disimpulkan bahwa belum semua IDS di
daerah menjalankan semua indikator, yang berarti bahwa adopsi komponen data di
daerah belum baik.
b. Hasil model inner
Hasil model inner diperoleh dari hasil perhitungan R-square, yang mana dapat
menentukan kekuatan model konstruk. Hasil model inner disajikan pada Tabel III.10.
berikut:
 55

Tabel III. 10. Nilai R-square

Variabel endogen R2
Persepsi kegunaan 0,5891
Persepsi kemudahan 0,1830
Penerimaan IDS pada komponen data 0,5183

Berdasarkan nilai R2 pada Tabel III.10, maka dapat diperoleh uji model
konstruk berikut:

Q2 = 1-(1- R12)(1- R22)(1- R32)

Q2 = 1-(1-0,5891)(1-0,1830)(1-0,5183)= 0,8383
Hasil perhitungan menunjukkan bahwa nilai Q2 mendekati nilai 1. Dengan
demikian, model konstruk pada penelitian ini baik.

c. Uji kelompok pertanyaan

Pengambilan keputusan diterima dan ditolak pada uji kelompok pertanyaan
ditentukan menggunakan uji t dengan menggunakan tingkat kepercayaan sebesar
95% (α = 0,05). Derajat kebebasan (degree of freedom) adalah 5–1 = 4 dan
menggunakan tabel chi-square, maka nilai yang diperoleh adalah 0,711. Dengan
demikian, nilai pada tabel t-statistik diterima jika nilainya >0,711 dan nilai yang
ditolak jika nilainya <0,711. Hasil dari uji kelompok pertanyaan menggunakan
SmartPLSdisajikan pada Tabel III.11.:
Tabel III. 11. Hasil uji kelompok pertanyaan
Original Sample Standard Standard
T Statistics
Hubungan Sample Mean Deviation Error Keterangan
(|O/STERR|)
(O) (M) (STDEV) (STERR)
Kebijakan -> persepsi kegunaan 0,204 0,173 0,0792 0,0792 2,5769 Diterima

Kebijakan -> persepsi kemudahan 0,3542 0,3495 0,0335 0,0335 10,5772 Diterima

Persepsi kemudahan -> persepsi

0,7761 0,7799 0,036 0,036 21,5636 Diterima
kegunaan
Persepsi kegunaan -> penerimaan -
-0,1073 0,1399 0,1399 0,7675 Diterima
IDS pada komponen data 0,1654
Persepsi kemudahan ->
penerimaan IDS pada komponen 0,7145 0,6872 0,0834 0,0834 8,5687 Diterima
data

Berdasarkan hasil uji kelompok pertanyaan Tabel III.11., hubungan antara

persepsi kemudahan dengan persepsi kegunaan memiliki nilai t-statistic yang paling
 56

tinggi, yaitu 21,5636. Dengan demikian, dapat disimpulkan bahwa kemudahan untuk
mengakses dan memperoleh data melalui website dapat mendorong pembangunan
geoportal. Namun, berdasarkan jawaban kuesioner, sebagian kecil BAPPEDA, yaitu
sebanyak 7 BAPPEDA memiliki geoportal. Berarti, kegunaan IDS untuk
memfasilitasi berbagi pakai data melalui geoportal belum menjadi agenda prioritas
oleh pemerintah daerah. Berdasarkan hasil wawancara yang dilakukan pada 7
BAPPEDA, yaitu BAPPEDA kota Yogyakarta, Kota Magelang, Kabupaten Sleman,
Kabupaten Kulon Progo, Kabupaten Bantul, Kabupaten Magelang, dan Kabupaten
Sragen, didapat keterangan bahwa data geospasial yang tersedia dapat diperoleh
dengan cara mendatangi instansi terkait.

III.4. Visualisasi Evaluasi Kesiapan IDS

Pada penelitian ini, hasil evaluasi kesiapan IDS di pemerintah kabupaten/kota
disajikan menggunakan dua visualisasi, yaitu Parallel Coordinate Plot (PCP) dan
visualisasi diagram indeks.
 1. Parallel Coordinate Plot
Visualisasi PCP digunakan untuk mengetahui pola dan kecenderungan praktek komponen IDS di
daerah. Hasil visualisasi PCP disajikan pada Gambar III.2. berikut:

Kota Yogyakarta
Kota Malang
Kota Magelang
Kota Klaten
Kota Jayapura
Kota Bengkulu
Kabupaten Wonososbo
Kabupaten Tuban
Kabupaten Temanggung
Kabupaten Sumenep
Kabupaten Sumbawa
Kabupaten Sragen
Kabupaten Sleman
Kabupaten Semarang
Kabupaten Rembang
Kabupaten Pontianak
Kabupaten pemalang
Kabupaten Pekalongan
Kabupaten Pangkal Pinang
Kabupaten Pacitan
Kabupaten Nganjuk
Kabupaten Maros
Kabupaten Kulon Progo
Kabupaten Kudus
Kabupaten Kebumen
Kabpaten Karangasem
Kabupaten Gunung Kidul
Kabupaten Gayo Lues
Kabupaten Ende
Kabupaten Cilacap
Kabupaten Brebes
Kabupaten Blora
Kabupaten Belu
Kabupaten Briot Utara
Kabupaten Bantul
Kabupaten Banjarnegara
Kabupaten Banjar
Kabupaten Bagka Barat
Kabupaten Badung
Kabupaten Asahan
57

Gambar III. 2. Visualisasi praktek IDS di daerah menggunakan PCP

 58

Visualisasi PCP pada Gambar III.1., terdiri atas dua sumbu, yaitu sumbu x dan
y. Sumbu x pada visualisasi PCP menunjukkan keterangan komponen IDS dan nama
BAPPEDA. Sumbu y menunjukkan nilai persentase 0% sampai 100%. Nilai
persentase 0% mewakili nilai skor terendah dan nilai persentase 100% mewakili nilai
skor tertinggi dari masing-masing komponen. Garis-garis yang naik-turun merupakan
representasi data hasil kuesioner dari setiap BAPPEDA. Gambar III.1 menunjukkan
pola yang menyebar karena setiap daerah menjalankan prioritas praktek komponen
IDS yang berbeda-beda.
PCP merupakan visualisasi berbasis data multi-variate dan multi-temporal,
yaitu terdiri atas banyak variabel dan antar variabel saling berhubungan serta data
diambil pada waktu yang berbeda-beda. Dengan demikian, PCP dapat diaplikasikan
untuk mengamati perkembangan praktek komponen IDS di daerah setiap tahun,
sehingga dapat diperoleh pola praktek komponen IDS. Misalnya dari pengamatan
selama 5 tahun diperoleh pola praktek komponen data paling tinggi.

2. Visualisasi diagram indeks

Visualisasi dengan menggunakan diagram indeks digunakan untuk menyajikan
kesiapan IDS. Visualiasi indeks kesiapan tiap komponen IDS diperoleh dari hasil
penjumlahan bobot pilihan jawaban indikator, yang mana indikator dikelompokkan
berdasarkan komponen IDS. Adapun rincian banyaknya indikator dari masing-
masing komponen IDS disajikan pada Tabel berikut:
Tabel III. 12. Banyak indikator tiap komponen IDS
Banyak
No. Komponen IDS Persentase
indikator
1 Komponen data 15 33%
2 Komponen peraturan/kebijakan 10 22%
3 Komponen sumber daya manusia 8 18%
4 Komponen kelembagaan 2 4%
5 Komponen teknologi 10 22%
Jumlah 45 100%

Berdasarkan Tabel III.12., kemudian dibuat diagram indeks kesiapan untuk tiap
kabupaten dan kota. Adapun persamaan yang digunakan untuk menghitung diagram
indeks per komponen IDS disajikan pada persamaan 1.16 berikut:
 59

bobot masing −masing komponen

Diagram indeks per komponen IDS = 𝑛
𝑥100%

............................................................................................................................(1.16)
Keterangan persamaan 1.16:
n = banyaknya indikator tiap komponen IDS

Penggunaan diagram batang memudahkan melihat kesiapan daerah dalam

membangun IDS. Indeks kesiapan IDS yang disajikan per komponen sebagai berikut:
a. Indeks kesiapan komponen peraturan/kebijakan
Indeks kesiapan peraturan/kebijakan merupakan hasil penjumlahan variabel
indikator komponen peraturan/kebijakan. Komponen peraturan/kebijakan terdiri atas
10 variabel indikator. Berikut pada Tabel III.12. disajikan banyak IDS tingkat daerah
yang telah menjalankan variabel indikator komponen peraturan/kebijakan:
Tabel III. 13. Variabel indikator komponen peraturan/kebijakan
Banyaknya IDS
Komponen IDS Variabel indikator
tingkat daerah
Peraturan Bupati/Walikota terkait pemanfaatan dan pengelolaan data
3
geospasial
Mekanisme akses data 8
Mekanisme pengaturan perijinan penggunaan dan hak cita data
9
geospasial
Pengadaan dana penyelenggaraan IDS terkait ketersediaan data
geospasial, sistem, dan koneksi ke internet:
Peraturan/kebijakan a. Pengadaan data geospasial 32
b. Pengadaan sistem 24
c. Pemeliharaan/pembaharuan data geospasial 25
d. Adopsi standar dan panduan teknis dalam pengeloaan data
15
geospasial
e. Pemeliharaan/pengembangan sistem 19
f. Berlangganan internet 31
g. Peningkatan kompetensi/ kualifikasi SDM di bidang informasi
23
geospasial melalui pelatihan/ kursus

Berdasarkan Tabel III.13., banyaknya IDS tingkat daerah yang menjalankan

variabel indikator komponen peraturan/kebijakan diperoleh dari 40 kuesioner yang
kembali. Skor maksimal IDS tingkat daerah pada masing-masing kabupaten/kota
yang menjalankan semua variabel indikator adalah 10.
Indeks kesiapan komponen peraturan/kebijakan per kabupaten/kota yang
disajikan dalam persentase maksimal 100% dapat dilihat pada Gambar III.3.:
 60

Indeks kesiapan komponen peraturan/kebijakan

Kabupaten Maros 30%
Kabupaten Banjar 70%
Kabupaten Barito utara 70%
Kabupaten Pontianak 70%
Kabupaten Ende 30%
Kabupaten Belu 30%
Kabupaten Sumbawa 80%
Kabupaten Karangasem 70%
Kabupaten Badung 90%
Kabupaten Tuban 20%
Kabupaten Sumenep 10%
Kabupaten Pacitan 60%
Kabupaten Nganjuk 20%
Kabupaten Sleman 50%
Kabupaten Kulon Progo 40%
Kabupaten Gunung Kidul 80%
Kabupaten Bantul 70%
Kabupaten Wonosobo 70%
Kabupaten Temanggung 0%
Kabupaten Sragen 70%
Kabupaten Rembang 20%
Kabupaten Pemalang 0%
Kabupaten Pekalongan 30%
Kabupaten Kudus 40%
Kabupaten Klaten 50%
Kabupaten Kebumen 80%
Kabupaten Semarang 0%
Kabupaten Cilacap 60%
Kabupaten Brebes 60%
Kabupaten Blora 0%
Kabupaten Banjarnegara 70%
Kabupaten Bangka barat 10%
Kabupaten Asahan 70%
Kabupaten Gayo Lues 50%
Kota Bengkulu 80%
Kota Pangkalpinang 20%
Kota Jayapura 20%
Kota Malang 40%
Kota Yogyakarta 90%
Kota Magelang 70%

0% 20% 40% 60% 80% 100%

Gambar III. 3. Indeks kesiapan peraturan/kebijakan

Berdasarkan indeks kesiapan komponen peraturan/kebijakan Gambar III.3.,

kabupaten/kota yang memiliki kesiapan komponen peraturan/kebijakan tertinggi
adalah Kabupaten Badung dan Kota Yogyakarta, yaitu sebesar 90% dari 100%.
Terdapat empat kabupaten/kota yang belum terdapat pelaksanaan praktek komponen
peraturan/kebijakan, yaitu Kabupaten Temanggung, Kabupaten Pemalang,
Kabupaten Semarang, dan Kabupaten Blora.
Sejumlah 40 kabupaten dan kota yang mengembalikan kuesioner, hampir
seluruh IDS tingkat daerah belum memiliki peraturan Bupati/Walikota terkait
pemanfaatan dan pengelolaan data geospasial, mekanisme akses data, dan
 61

mekanisme pengaturan perijinan penggunaan dan hak cita data geospasial. Terdapat
tiga IDS tingkat daerah yang telah memiliki peraturan Bupati/Walikota terkait
pemanfaatan dan pengelolaan data geospasial, yaitu Kabupaten Sumenep, Kabupaten
Cilacap, dan Kabupaten Karangasem. Terdapat delapan IDS tingkat daerah yang
telah memiliki mekanisme akses data, yaitu Kabupaten Badung, Kabupaten
Bengkulu, Kabupaten Kebumen, Kabupaten Sumbawa, Kota Magelang, Kabupaten
Kulon Progo, Kota Yogyakarta, dan Kabupaten Klaten. Terdapat sembilan IDS
tingkat daerah yang telah memiliki mekanisme pengaturan perijinan penggunaan dan
hak cita data geospasial, yaitu Kabupaten Gunung Kidul, Kabupaten Karangasem,
Kabupaten Badung, Kabupaten Bengkulu, Kabupaten Brebes, Kabupaten Cilacap,
Kabupaten Rembang, Kota Yogyakarta, Kabupaten Klaten.
b. Kesiapan kelembagaan
Indeks kesiapan kelembagaan merupakan hasil penjumlahan variabel indikator
komponen kelembagaan. Komponen kelembagaan terdiri atas dua variabel indikator.
Berikut pada Tabel III.13. Disajikan banyak IDS tingkat daerah yang telah
menjalankan variabel indikator komponen kelembagaan:
Tabel III. 14. Variabel indikator komponen kelembagaan
Komponen IDS Variabel indikator Banyaknya IDS tingkat daerah
Rencana pengembangan IDS 9
Kelembagaan
Koordinasi antar instansi/komite 17

Berdasarkan hasil rekapitulasi kuesioner yang dikembalikan pada Tabel III.14.,

terdapat sembilan IDS tingkat daerah yang telah memiliki rencana pengembangan
IDS dan 17 IDS tingkat daerah telah menjalin koordinasi antar instansi/komite di
tingkat daerah. Skor maksimal IDS tingkat daerah pada masing-masing
kabupaten/kota yang menjalankan semua variabel indikator adalah 2.
Indeks kesiapan komponen kelembagaan per kabupaten/kota yang disajikan
dalam persentase maksimal 100% dapat dilihat pada Gambar III.4.:
 62

Indeks kesiapan komponen kelembagaan

Kabupaten Maros 0%
Kabupaten Banjar 50%
Kabupaten Barito utara 0%
Kabupaten Pontianak 50%
Kabupaten Ende 0%
Kabupaten Belu 0%
Kabupaten Sumbawa 50%
Kabupaten Karangasem 100%
Kabupaten Badung 0%
Kabupaten Tuban 0%
Kabupaten Sumenep 0%
Kabupaten Pacitan 0%
Kabupaten Nganjuk 0%
Kabupaten Sleman 100%
Kabupaten Kulon Progo 50%
Kabupaten Gunung Kidul 0%
Kabupaten Bantul 100%
Kabupaten Wonosobo 0%
Kabupaten Temanggung 0%
Kabupaten Sragen 50%
Kabupaten Rembang 0%
Kabupaten Pemalang 100%
Kabupaten Pekalongan 0%
Kabupaten Kudus 0%
Kabupaten Klaten 100%
Kabupaten Kebumen 100%
Kabupaten Semarang 0%
Kabupaten Cilacap 50%
Kabupaten Brebes 0%
Kabupaten Blora 0%
Kabupaten Banjarnegara 0%
Kabupaten Bangka barat 50%
Kabupaten Asahan 0%
Kabupaten Gayo Lues 50%
Kota Bengkulu 50%
Kota Pangkalpinang 0%
Kota Jayapura 50%
Kota Malang 100%
Kota Yogyakarta 50%
Kota Magelang 50%

0% 50% 100%

Gambar III. 4. Indeks kesiapan kelembagaan

Berdasarkan indeks kesiapan komponen kelembagaan Gambar III.4., terdapat

tujuh IDS di daerah yang telah menjalankan semua indikator komponen
kelembagaan, yaitu Kabupaten Karangasem, Kabupaten Sleman, Kabupaten Bantul,
Kabupaten Pemalang, Kabupaten Klaten, Kabupaten Kebumen, dan Kota Malang.
Sebanyak 21 kabupaten dan kota belum memiliki kesiapan pada komponen
kelembagaan.
c. Kesiapan sumber daya manusia
Indeks kesiapan sumber daya manusia merupakan hasil penjumlahan variabel
indikator komponen sumber daya manusia. Komponen sumber daya manusia terdiri
 63

atas delapan variabel indikator. Berikut pada Tabel III.14 disajikan banyak IDS
tingkat daerah yang telah menjalankan variabel indikator komponen sumber daya
manusia:
Tabel III. 15. Variabel indikator komponen sumber daya manusia
Banyaknya IDS
Komponen IDS Variabel indikator
tingkat daerah
Program peningkatan kualitas personalia di bidang pengelolaan data
10
geospasial dan SIG dengan dukungan internet
Kualifikasi pendidikan personil yang menangani data geospasial dan SIG
tingkat operator:
a. Sarjana Geomatika/Geodesi/Geografi/Teknologi Informasi 17
b. Diploma 3 Geomatika/Geodesi/Geografi/Teknologi Informasi 20
Sumber daya manusia c. Kursus/pelatihan SIG dan/atau web 4
d. Belajar sendiri SIG dan/atau web 10
Personil yang mampu mengoperasikan server geospasial 17
Personil yang mampu mengoperasikan SIG dan mengelola data
35
geospasial
Tersedia unit/seksi pengelolaan data geospasial 7

Berdasarkan hasil rekapitulasi kuesioner yang dikembalikan pada Tabel III.15.,

terdapat 10 IDS tingkat daerah yang memiliki program peningkatan kualitas
personalia di bidang pengelolaan data geospasial dan SIG dengan dukungan internet.
Terdapat 35 IDS tingkat daerah memiliki sumber daya manusia yang mampu
mengoperasikan SIG dan mengelola data geospasial. Sebanyak 17 IDS di tingkat
daerah yang memiliki sumber daya manusia dengan kualifikasi pendidikan personil
yang menangani data geospasial dan SIG tingkat operator untuk tingkat sarjana
Geomatika/Geodesi/Geografi/Teknologi Informasi, 20 IDS tingkat daerah memiliki
sumber daya manusia dengan kualifikasi diploma 3
Geomatika/Geodesi/Geografi/Teknologi Informasi, empat IDS tingkat daerah
memiliki sumber daya manusia yang mampu mengoperasikan SIG dan/atau web
dengan mengikuti kursus/pelatihan, dan 10 IDS tingkat daerah memiliki sumber daya
manusia yang mampu mengoperasikan SIG dan/atau web dengan cara belajar sendiri.
Hasil tersebut menunjukkan bahwa tidak semua sumber daya manusia yang mampu
mengoperasikan SIG dan mengelola data geospasial memiliki kualifikasi pendidikan
sarjana/diploma dari jurusan Geomatika/Geodesi/Geografi.
Skor maksimal IDS tingkat daerah pada masing-masing kabupaten/kota yang
menjalankan semua variabel indikator adalah 8. Indeks kesiapan komponen sumber
 64

daya manusia per kabupaten/kota yang disajikan dalam persentase maksimal 100%
dapat dilihat pada Gambar III.5.:

Indeks kesiapan komponen sumber daya manusia

Kabupaten Maros 38%
Kabupaten Banjar 50%
Kabupaten Barito utara 50%
Kabupaten Pontianak 50%
Kabupaten Ende 25%
Kabupaten Belu 0%
Kabupaten Sumbawa 63%
Kabupaten Karangasem 50%
Kabupaten Badung 25%
Kabupaten Tuban 25%
Kabupaten Sumenep 38%
Kabupaten Pacitan 50%
Kabupaten Nganjuk 0%
Kabupaten Sleman 38%
Kabupaten Kulon Progo 38%
Kabupaten Gunung Kidul 25%
Kabupaten Bantul 38%
Kabupaten Wonosobo 50%
Kabupaten Temanggung 38%
Kabupaten Sragen 38%
Kabupaten Rembang 25%
Kabupaten Pemalang 38%
Kabupaten Pekalongan 25%
Kabupaten Kudus 50%
Kabupaten Klaten 75%
Kabupaten Kebumen 38%
Kabupaten Semarang 25%
Kabupaten Cilacap 63%
Kabupaten Brebes 38%
Kabupaten Blora 63%
Kabupaten Banjarnegara 63%
Kabupaten Bangka barat 25%
Kabupaten Asahan 38%
Kabupaten Gayo Lues 38%
Kota Bengkulu 50%
Kota Pangkalpinang 38%
Kota Jayapura 50%
Kota Malang 0%
Kota Yogyakarta 0%
Kota Magelang 38%

0% 20% 40% 60% 80% 100%

Gambar III. 5. Indeks kesiapan sumber daya manusia

Indeks kesiapan komponen sumber daya manusia pada Gambar III.5.

menunjukkan bahwa kabupaten/kota yang memiliki kesiapan komponen sumber
daya manusia tertinggi adalah Kabupaten Klaten, yaitu sebesar 75% dari 100%.
Terdapat empat kabupaten dan kota yang belum terdapat praktek komponen sumber
daya manusia, yaitu Kabupaten Belu, Kabupaten Nganjuk, Kota Malang, dan Kota
Yogyakarta.
 65

d. Kesiapan teknologi
Indeks kesiapan teknologi merupakan hasil penjumlahan variabel indikator
komponen teknologi. Komponen teknologi terdiri atas 10 variabel indikator. Berikut
pada Tabel III.15. disajikan banyak IDS tingkat daerah yang telah menjalankan
variabel indikator komponen teknologi:
Tabel III. 16. Variabel indikator komponen teknologi
Banyaknya IDS
Komponen IDS Variabel indikator
tingkat daerah
Geoportal 7
Langganan internet yang digunakan khusus untuk server IDS 15
Software SIG (berbayar ataupun gratis):
a. Open source 8
b. Berbayar dan berlisensi 13
c. Berbayar, tapi bajakan 6
Teknologi Perangkat keras yang digunakan untuk pengelolaan dan publikasi data
geospasial:
a. Server 26
b. Komputer 16
c. Ruang khusus server 10
d. Piranti lunak server peta 6
Implementasi SNI/ spesifikasi teknik Kementerian/ Lembaga 18

Pada Tabel III. 16. Dapat dilihat bahwa hanya terdapat tujuh IDS tingkat
daerah yang memiliki geoportal dan 15 IDS tingkat daerah memiliki langganan
internet khusus untuk server IDS. Sebanyak depalan IDS tingkat daerah yang
menggunakan perangkat lunak SIG open source, 13 IDS tingkat daerah
menggunakan perangkat lunak SIG berbayar dan berlisensi, serta enam IDS tingkat
daerah menggunakan perangkat lunak SIG tidak berlisensi. Diantara pengguna
perangkat lunak SIG tersebut, terdapat beberapa IDS tingkat daerah yang
menggunakan perangkat lunak SIG open source dan berlisensi dan/atau tidak
berlisensi atau beberapa berlisensi dan tidak berlisensi. Berdasarkan hasil
rekapitulasi kuesioner, tidak semua IDS tingkat daerah memiliki perangkat keras
untuk pengelolaan dan publikasi data yang lengkap. Terdapat 26 IDS tingkat daerah
yang memiliki server, 16 IDS tingkat daerah memiliki kompouter, 10 IDS tingkat
daerah memiliki ruang khusus server, dan enam IDS tingkat daerah memiliki piranti
 66

lunak server peta. Sebanyak 18 IDS tingkat daerah yang mengimplementasikan

Standar Nasional Indonesia (SNI)/spesifikasi teknik dari Kementerian/Lembaga.
Skor maksimal IDS tingkat daerah pada masing-masing kabupaten/kota yang
menjalankan semua variabel indikator adalah 10. Indeks kesiapan komponen
teknologi per kabupaten/kota yang disajikan dalam persentase maksimal 100% dapat
dilihat pada Gambar III.6.:

Indeks kesiapan komponen teknologi

Kabupaten Maros 40%
Kabupaten Banjar 60%
Kabupaten Barito utara 30%
Kabupaten Pontianak 30%
Kabupaten Ende 20%
Kabupaten Belu 20%
Kabupaten Sumbawa 40%
Kabupaten Karangasem 10%
Kabupaten Badung 50%
Kabupaten Tuban 20%
Kabupaten Sumenep 30%
Kabupaten Pacitan 30%
Kabupaten Nganjuk 0%
Kabupaten Sleman 90%
Kabupaten Kulon Progo 40%
Kabupaten Gunung Kidul 60%
Kabupaten Bantul 50%
Kabupaten Wonosobo 60%
Kabupaten Temanggung 30%
Kabupaten Sragen 10%
Kabupaten Rembang 10%
Kabupaten Pemalang 0%
Kabupaten Pekalongan 20%
Kabupaten Kudus 50%
Kabupaten Klaten 40%
Kabupaten Kebumen 50%
Kabupaten Semarang 10%
Kabupaten Cilacap 0%
Kabupaten Brebes 30%
Kabupaten Blora 0%
Kabupaten Banjarnegara 50%
Kabupaten Bangka barat 20%
Kabupaten Asahan 70%
Kabupaten Gayo Lues 30%
Kota Bengkulu 70%
Kota Pangkalpinang 20%
Kota Jayapura 30%
Kota Malang 10%
Kota Yogyakarta 0%
Kota Magelang 20%

0% 20% 40% 60% 80% 100%

Gambar III. 6. Indeks kesiapan teknologi

Berdasarkan indeks kesiapan komponen teknologi pada Gambar III.6.,

menunjukkan bahwa kabupaten/kota yang memiliki kesiapan komponen teknologi
tertinggi adalah Kabupaten Sleman, yaitu sebesar 90% dari 100%. Sebanyak lima
kabupaten dan kota belum terdapat praktek komponen teknologi, antara lain
 67

Kabupaten Nganjuk, Kabupaten Pemalang, Kabupaten Cilacap, Kabupaten Blora,

dan Kota Yogyakarta.
e. Kesiapan data
Indeks kesiapan data merupakan hasil penjumlahan variabel indikator
komponen data. Komponen data terdiri atas 15 variabel indikator. Berikut pada Tabel
III.16. disajikan banyak IDS tingkat daerah yang telah menjalankan variabel
indikator komponen data:
Tabel III. 17. Variabel indikator komponen data
Banyaknya IDS
Komponen IDS Variabel indikator
tingkat daerah
Ketersediaan data geospasial
a. Peta dasar daerah (Peta rupabumi) 32
b. Peta bidang tanah/ persil 6
c. Peta blok (peta pajak bumi dan bangunan) 6
d. peta administratif batas wilayah 33
e. Peta Rencana Tata Ruang Wilayah (RTRW) 36
f. Peta Rencana Detil Tata Ruang (RDTR) 22
g. Peta transportasi/jaringan jalan 28
Data utama
h. Peta detail tapak bangunan dan fasilitas umum 9
i. Peta sistem utilitas 15
Peta-peta/data geospasial sudah disimpan dalam basisdata dijital 20
Data geospasial dapat diperoleh masyarakat secara mudah melalui
4
website
Metadata sudah disimpan bersama dalam peta dan basisdata dijital 12
Metadata digunakan untuk menyusun katalog data 2
Sistem katalog data pengelolaan peta dan informasi geospasial dalam
6
format hardcopy maupun softcopy
Sistem katalog secara online 2

Berdasarkan Tabel III.17. dapat dilihat bahwa terdapat delapan IDS tingkat
daerah yang tidak memiliki peta dasar daerah (peta rupabumi), yaitu Kabupaten
Bengkulu, Kabupaten Nganjuk, Kabupaten Sumenep, Kabupaten Pekalongan,
Kabupaten Pemalang, Kabupaten Temanggung, Kabupaten Semarang, dan
Kabupaten Blora. Sebanyak enam IDS tingkat daerah yang memiliki peta bidang
tanah/persil dan peta blok. Sebanyak 36 IDS tingkat daerah memiliki peta RTRW
dan 22 IDS tingkat daerah memiliki RDTR. Peta-peta/data geospasial yang dimiliki
setiap daerah yang mengembalikan kuesioner belum sepenuhnya disimpan dalam
basisdata dijital. Sebanyak 20 IDS tingkat daerah yang telah menyimpan peta-
 68

peta/data geospasial dalam basisdata dijital. Data geospasial yang ada belum dapat
diperoleh masyarakat secara mudah melalui website karena dari hasil rekapitulasi
kuesioner yang kembali terdapat empat IDS daerah yang telah menyediakan layanan
data geospasial dapat diperoleh melalui website. Sebanyak 12 IDS tingkat daerah
yang menyimpan metadata bersama dalam peta dan basisdata dijital.
Skor maksimal IDS tingkat daerah pada masing-masing kabupaten/kota yang
menjalankan semua variabel indikator adalah 15. Indeks kesiapan komponen data per
kabupaten/kota yang disajikan dalam persentase maksimal 100% dapat dilihat pada
Gambar III.7.:

Indeks kesiapan komponen data

Kabupaten Maros 33%
Kabupaten Banjar 47%
Kabupaten Barito utara 67%
Kabupaten Pontianak 47%
Kabupaten Ende 33%
Kabupaten Belu 20%
Kabupaten Sumbawa 47%
Kabupaten Karangasem 40%
Kabupaten Badung 80%
Kabupaten Tuban 33%
Kabupaten Sumenep 13%
Kabupaten Pacitan 27%
Kabupaten Nganjuk 20%
Kabupaten Sleman 67%
Kabupaten Kulon Progo 60%
Kabupaten Gunung Kidul 53%
Kabupaten Bantul 60%
Kabupaten Wonosobo 40%
Kabupaten Temanggung 0%
Kabupaten Sragen 13%
Kabupaten Rembang 13%
Kabupaten Pemalang 0%
Kabupaten Pekalongan 27%
Kabupaten Kudus 27%
Kabupaten Klaten 60%
Kabupaten Kebumen 53%
Kabupaten Semarang 0%
Kabupaten Cilacap 47%
Kabupaten Brebes 60%
Kabupaten Blora 0%
Kabupaten Banjarnegara 53%
Kabupaten Bangka barat 33%
Kabupaten Asahan 47%
Kabupaten Gayo Lues 47%
Kota Bengkulu 40%
Kota Pangkalpinang 33%
Kota Jayapura 33%
Kota Malang 67%
Kota Yogyakarta 60%
Kota Magelang 53%

0% 20% 40% 60% 80% 100%

Gambar III. 7. Indeks kesiapan data

 69

Berdasarkan indeks kesiapan komponen data pada Gambar III.7.,

kabupaten/kota yang memiliki kesiapan komponen data tertinggi adalah Kabupaten
Badung, yaitu sebesar 80% dari 100%. Sebanyak empat kabupaten dan kota belum
terdapat praktek komponen data. Kabupaten dan kota tersebut adalah Kabupaten
Temanggung, Kabupaten Pemalang, Kabupaten Semarang, dan Kabupaten Blora.
f. Indeks kesiapan IDS di daerah
Indeks kesiapan IDS di daerah merupakan hasil penjumlahan variabel indikator
komponen IDS. Persamaan untuk menghitung indeks kesiapan IDS di daerah
disajikan pada persamaan I.1. Secara keseluruhan, terdapat 45 variabel indikator
pada kuesioner. Penjumlahan dari variabel indikator tiap kabupaten/kota yang
disajikan dalam indeks kesiapan IDS di daerah disajikan pada Gambar III.8 berikut:

Indeks kesiapan IDS di daerah

Kabupaten Maros 28%
Kabupaten Banjar 55%
Kabupaten Barito utara 43%
Kabupaten Pontianak 49%
Kabupaten Ende 22%
Kabupaten Belu 14%
Kabupaten Sumbawa 56%
Kabupaten Karangasem 54%
Kabupaten Badung 49%
Kabupaten Tuban 20%
Kabupaten Sumenep 18%
Kabupaten Pacitan 33%
Kabupaten Nganjuk 8%
Kabupaten Sleman 69%
Kabupaten Kulon Progo 46%
Kabupaten Gunung Kidul 44%
Kabupaten Bantul 64%
Kabupaten Wonosobo 44%
Kabupaten Temanggung 14%
Kabupaten Sragen 36%
Kabupaten Rembang 14%
Kabupaten Pemalang 28%
Kabupaten Pekalongan 20%
Kabupaten Kudus 33%
Kabupaten Klaten 65%
Kabupaten Kebumen 64%
Kabupaten Semarang 7%
Kabupaten Cilacap 44%
Kabupaten Brebes 38%
Kabupaten Blora 13%
Kabupaten Banjarnegara 47%
Kabupaten Bangka barat 28%
Kabupaten Asahan 45%
Kabupaten Gayo Lues 43%
Kota Bengkulu 58%
Kota Pangkalpinang 22%
Kota Jayapura 37%
Kota Malang 43%
Kota Yogyakarta 40%
Kota Magelang 46%

0% 20% 40% 60% 80% 100%

Gambar III. 8. Indeks kesiapan IDS di tingkat kabupaten/kota

 70

Berdasarkan Gambar III.8., persentase maksimal kesiapan IDS adalah 100%.

Berdasarkan nilai persentase, Kabupaten Sleman memiliki kesiapan paling tinggi,
yaitu sebesar 69%. Sedangkan, kabupaten/kota yang memiliki kesiapan IDS paling
rendah adalah Kabupaten Semarang, yaitu sebesar 7%.
Kesiapan daerah dalam membangun IDS dikelompokkan menjadi empat
tingkat kesiapan IDS. Adapun tingkat kesiapan IDS disajikan sebagai berikut
(Sutanta, dkk., 2014):
Tabel III. 18.Skor tingkat kesiapan IDS
Tingkat kesiapan IDS Skor
Siap 75,1% - 100%
Cukup siap 50,1% - 75%
Agak siap 25,1% - 50%
Belum Siap 0% - 25%

Berdasarkan Tabel III.18, tingkat kesiapan IDS di daerah adalah disajikan

sebagai berikut:
Tabel III. 19. Tabel tingkat kesiapan IDS pada tiap BAPPEDA
No. BAPPEDA Persentase kesiapan Keterangan
1 Kota Magelang 47% Agak siap
2 Kota Yogyakarta 42% Agak siap
3 Kota Malang 38% Agak siap
4 Kota Jayapura 33% Agak siap
5 Kota Pangkalpinang 27% Agak siap
6 Kota Bengkulu 58% Cukup Siap
7 Kabupaten Gayo Lues 42% Agak siap
8 Kabupaten Asahan 53% Cukup siap
9 Kabupaten Bangka barat 24% Belum siap
10 Kabupaten Banjarnegara 56% Cukup Siap
11 Kabupaten Blora 11% Belum siap
12 Kabupaten Brebes 47% Agak siap
13 Kabupaten Cilacap 42% Agak siap
14 Kabupaten Semarang 7% Belum siap
15 Kabupaten Kebumen 58% Cukup Siap
16 Kabupaten Klaten 58% Cukup Siap
17 Kabupaten Kudus 38% Agak siap
18 Kabupaten Pekalongan 24% Belum siap
19 Kabupaten Pemalang 11% Belum siap
20 Kabupaten Rembang 16% Belum siap
 71

Lanjutan tabel III.9. Tabel tingkat kesiapan IDS pada tiap BAPPEDA
No. BAPPEDA Persentase kesiapan Keterangan
21 Kabupaten Sragen 31% Agak siap
22 Kabupaten Temanggung 13% Belum siap
23 Kabupaten Wonosobo 51% Cukup Siap
24 Kabupaten Bantul 58% Cukup Siap
25 Kabupaten Gunung Kidul 53% Cukup Siap
26 Kabupaten Kulon Progo 47% Agak siap
27 Kabupaten Sleman 64% Cukup Siap
28 Kabupaten Nganjuk 11% Belum siap
29 Kabupaten Pacitan 38% Agak siap
30 Kabupaten Sumenep 20% Belum siap
31 Kabupaten Tuban 24% Belum siap
32 Kabupaten Badung 62% Cukup Siap
33 Kabupaten Karangasem 44% Agak siap
34 Kabupaten Sumbawa 56% Cukup Siap
35 Kabupaten Belu 18% Belum siap
36 Kabupaten Ende 27% Agak siap
37 Kabupaten Pontianak 49% Agak siap
38 Kabupaten Barito utara 53% Cukup Siap
39 Kabupaten Banjar 56% Cukup Siap
40 Kabupaten Maros 33% Agak siap

Berdasarkan Tabel III.9., sebanyak 13 kabupaten dan kota memiliki status

kesiapan IDS belum siap, yaitu Kabupaten Bangka Barat, Kabupaten Belu,
Kabupaten Blora, Kabupaten Ende, Kabupaten Semarang, Kabupaten Nganjuk,
Kabupaten Pangkal Pinang, Kabupaten Pekalongan, Kabupaten Pemalang,
Kabupaten Rembang, Kabupaten Sumenep, Kabupaten Temanggung, dan Kabupaten
Tuban. Sebanyak 21 kabupaten dan kota yang memiliki status kesiapan IDS agak
siap, antara lain Kabupaten Asahan, Kabupaten Banjar, Kabupaten Banjarnegara,
Kabupaten Barito Utara, Kabupaten Brebes, Kabupaten Cilacap, Kabupaten Gayo
Lues, Kabupaten Gunung Kidul, Kota Jayapura, Kabupaten Karangasem, Kabupaten
Kudus, Kabupaten Kulon Progo, Kota Magelang, Kota Malang, Kabupaten Maros,
Kabupaten Pacitan, Kabupaten Pontianak, Kabupaten Sragen, Kabupaten Sumbawa,
Kabupaten Wonosobo, dan Kota Yogyakarta. Sisanya, terdapat enam kabupaten dan
kota yang memiliki status kesiapan IDS cukup siap, yaitu Kabupaten Badung,
 72

Kabupaten Bantul, Kabupaten Bengkulu, Kabupaten Kebumen, Kabupaten Klaten,

dan Kabupaten Sleman.
Setiap kabupaten dan kota memiliki kelebihan dan kekurangan dalam
menjalankan komponen IDS yang berbeda-beda. Seperti misalnya, Kabupaten
Badung memiliki kesiapan peraturan/kebijakan sebesar 20%, data 27%, sumber daya
manusia 4%, teknologi 9%, dan kelembagaan 2%. Hasil penjumlahan persentase
tersebut diperoleh nilai 62%, sehingga Kabupaten Badung memiliki status cukup
siap. Dalam suatu kabupaten/kota dapat memperoleh nilai kesiapan yang tinggi
karena terdapat salah satu komponen yang memiliki nilai tinggi.
 73

BAB IV

KESIMPULAN DAN SARAN

IV.1. Kesimpulan
Berdasarkan penelitian yang sudah dilakukan, diperoleh beberapa kesimpulan
sebagai berikut:
1. Hasil evaluasi kesiapan IDS tingkat daerah dengan menggunakan kuesioner
dan wawancara diperoleh bahwa belum ada kabupaten/kota yang siap.
Berdasarkan 40 kuesioner yang kembali, terdapat enam kabupaten dan kota
memiliki tingkat kesiapan cukup siap, 21 kabupaten dan kota memiliki tingkat
kesiapan agak siap, dan 13 kabupaten dan kota memiliki tingkat kesiapan
belum siap.
2. Pada penelitian ini, TAM digunakan untuk mengevaluasi kesiapan IDS melalui
prediksi adopsi salah satu komponen IDS, yaitu komponen data. Hasil evaluasi
memberikan petunjuk bahwa persepsi kegunaan geoportal untuk mendukung
persepsi kemudahan untuk mengakses dan memperoleh data melalui geoportal
belum menjadi agenda prioritas.
3. Hasil visualisasi PCP tidak menghasilkan pola karena kesiapan komponen IDS
heterogen untuk setiap daerah.
4. Berkaitan dengan evaluasi kesiapan yang dilihat dari adopsi komponen data,
diagram indek kesiapan komponen datadari 40 kabupaten dan kota
menunjukkan bahwa masih banyak IDS di tiap kabupaten/kota yang belum
memiliki kesiapan komponen data karena persentase paling tinggi yang dicapai
kabupaten/kota adalah 27% dari persentase maksimal 33%.

IV.2. Saran
Evaluasi kesiapan IDS pada 40 kabupaten dan kota dirasa belum mewakili
kesiapan IDS di daerah. Penelitian selanjutnya diharapkan dapat dilakukan evaluasi
kesiapan IDS pada seluruh kabupaten dan kota di Indonesia serta dapat disusun
kuesioner agar lebih sesuai dengan tujuan untuk evaluasi kesiapan IDS. Kemudian,
 74

dilakukan evaluasi kesiapan IDS melalui prediksi adopsi komponen IDS dengan
menggunakan TAM.
Pada penelitian ini, data yang divisualisasikan menggunakan PCP sebanyak 40
data. Oleh karena itu, kurang dapat menggambarkan pola kesiapan IDS di daerah.
Penelitian selanjutnya, visualisasi PCP dapat digunakan untuk menyajikan pola dan
kecenderungan kesiapan IDS yang datanya diambil secara multi-temporal.
 75

DAFTAR PUSTAKA

Anonimous. (2014). XLSTAT is the leading data analysis and statistical solution for
Microsoft Excel, dari http://www.xlstat.com/en/ diakses tanggal 10 September
2014.
Anonimous. (2014) Survey sampling methods, dari http://stattrek.com/survey-
research/sampling-methods.aspx?tutorial=ap diakses tanggal 11 Desember
2014.
Badan Informasi Geospasial (BIG). (2003). Pedoman Pembangunan Clearinghouse
Data Spatial (Versi I ed.). Cibinong, Bogor: Pusat Sistem Jaringan dan
Standarisasi Data Spasial, Deputi Bidang Infrastruktur Data Spasial Nasional.
Badan Informasi Geospasial (BIG). (2013).Panduan Pembangunan Simpul Jaringan.
Cibinong, Bogor: Pusat Sistem Jaringan dan Standarisasi Data Spasial, Deputi
Bidang Infrastruktur Data Spasial Nasional.
Bollen, K. A. (1989). Structural equations with latent variables. New York: Wiley.
Buckley, A. R., Gahegan, M., & Clarke, K. (2000). Geographic visualization as an
emerging research theme in GIScience. Research proposal, University
Consortium for Geographic Information Science.
Car, A. (1997). Hierarchical Spatial Reasoning: Theoretical Consideration and its
Application to Modeling Wayfinding. PhD Tesis, Technical University Vienna,
Vienna.
Cetl, V., Sisko, D., & Veselic-Bruvo, J. (2012). Local Spatial Data Infrastructure as a
service for Efficient Spatial Management. FIG Working Week, Roma, Italia.
Chuttur, M. (2009). Overview of the Technology Acceptance Model: Origins,
Developments and Future Directions. Sprouts: Working Papers on Information
Systems, 9(37).
Coltman, T., Devinney, T.M., Midgley, D.F., Venalk, S. (2008). Formative versus
reflective measurement models: Two applications of formative measurement.
Journal of Business Research. 61(12), 1250-1262.
Craig, W. J. (1995). Why We Can't Share Data: Institutional Inertia. In H. J. Onsrud
& G. Rushton (Eds.), Sharing Geographic Information (Vol. 6, pp. 107-117).
New Jersey: The State University of New Jersey.
Crompvoets, J. (2006). National spatial data clearinghouses, worldwide
development and impact. PhD Thesis, Wageningen University, Wageningen.
Davis, F. D. (1989). Perceived Usefulness, Perceived Ease of Use, and User
Acceptance of Information Technology. MIS Quarterly. 13(3), 319-340.
Davis, F. D., Bagozzi, R. P., dan Warshaw, P. R. (1989). User Acceptance of
Computer Tecnology: A Comparison of Two Theoritical Models. Management
Science (35:8), pp. 982-1002.
Dodge, M., & Mary McDerby, M. T. (2008). Geographic Visualization: Concepts,
Tools and Applications Retrieved from
http://books.google.co.id/books?hl=id&lr=&id=71rRm1xDEYwC&oi=fnd&pg
=PT11&dq=Geographic+visualization+concept&ots=1WutM1KCFr&sig=lLv
WJda0tv8hk2tQ8pXq3RJBARs&redir_esc=y#v=onepage&q=Geographic%20
visualization%20concept&f=false
 76

Dykes, J., MacEachren, A. M., & Kraak, M.-J. (2005). Exploring Geovisualization,
Amsterdam, Belanda: International Cartography Assocation.
Eelderink, L., Crompvoets, J., & Man, W. H. E. d. (2008). Towards key variables to
assess National Spatial Data Infrastructure (NSDIs) in developing countries. In
J. Crompvoets, A. Rajabifard, B. v. Loenen & T. D. Fernandez (Eds.), A Multi-
View Framework to Assess SDIs (pp. 307-325). Melbourne: Space for Geo-
Information (RGI), Wageningen University and Centre for SDIs and Land
Administration, Department of Geomatics, The University of Melbourne.
Executive Order. (1994). Coordinating Geographic Data Acquisition and Access:
The National Spatial Data Infrastructure.
Fernandez, T. D. (2005). Assessing an SDI Readiness Index. FIG Working Week,
2005, dan GSDI-8 .Cairo, Egypt.
Fernandez, T. D., Fernandez, M. D., & Andrade, R. E. (2008). The Spatial Data
Infrastructure Readiness model and its worldwide application. In J.
Crompvoets, A. Rajabifard, B. v. Loenen & T. D. Fernandez (Eds.), A Multi-
View Framework to Assess Spatial Data Infrastructures (pp. 117-134).
Melbourne: Space for Geo-Information, Universitas Wageningen.
FGDC. (2008). National Spatial Data Infrastructure Retrieved 4 Januari, 2014, from
http://www.fgdc.gov/nsdi/nsdi.html
Fua, Y.-H., Ward, M. O., & Rundensteiner, d. E. (1999). Hierarchical Parallel
Coordinates for Exploration of Large Dataset. IEEE , 43-508.
GeoConnections. (2013). Canadian Geospatial Data Infrastructures Performance
Project - Overview (N. R. Canada, Trans.) A Geoconnections Report. Ottawa,
Ontario, Kanada.
Giff, G. A., & Crompvoets, J. (2008). Performance Indicators a tool to Support
Spatial Data Infrastructure assessment. Computers, Environment and Urban
Systems, 32, 365-376.
Global Spatial Data Infrastructure (GSDI). (2009). SDI Cookbook: GSDI.
GSDI. (2004). Developing Spatial Data Infrastructure: The SDI Cookbook (Vol.
Version 2.0).
Harvey, F. (2003). Developing geographic information infrastructures for local
government: the role of trust. The Canadian Geographer/Le Géographe
canadien, 47(1), 28-36. doi: 10.1111/1541-0064.02e10
Harvey, F., & Tulloch, D. (2006). Local-government data sharing: Evaluating the
foundations of spatial data infrastructures. International Journal of
Geographical Information Science, 20(7), 743-768.
Havenga, B. (2002). The Role and Purpose of Local Government. Master Tesis,
Universitas Pretoria.
Hearnshaw, H. M., & Unwin, D. J. (1994). Visualization in geographical information
systems. London: Wiley and Sons.
Hubona, G. S., & Cheney, P. H. (1994). System effectiveness of knowledge-based
technology: the relationship of user performance and attitudinal measures.
Paper presented at the Twenty-Seventh Hawaii International Conference,
Wailea, HI, USA.
Jacoby, S., Smith, J., Ting, L., & Williamson, I. (2002). Developing a common
spatial data infrastructure between state and local government: An Australian
 77

case study. International Journal of Geographical Information Science, 16(4),

305-322.
Kaplan, D. (2000). Structural equation modeling: foundations and extensions.
Thousands Oaks,California: Sage.
Karsidi, A. (2012). The Role of Ina-SDI in Supporting the development of the
geospatial industry in Indonesia. Malaysia Journal of Society and Space, 8(1),
83-93.
Keim, D. A., Panse, C., Sips, M. (2005). Information Visualisation: Scope,
Technique, and Opportunities for Geovisualization. In J. Dykes, A.M.
MacEachren, & M. J. Kraak (Eds), Exploring Geovisualization (pp. 23 - 52).
Amsterdam, Belanda: International Cartography Assocation.
Kementerian Dalam Negeri (Kemendagri). (2013). Daftar jumlah provinsi,
kabupaten, dan kota se-Indonesia.http://otda.kemendagri.go.id/index.php/data-
otda/data-provkabkota.
Koestler, A. (1968). Das Gespesnt in der Maschine (The Ghost in the Machine).
Wien-Munchen-Zurich: Verlag Fritz Molden.
Kraak, M.-J. (2002). Current trends in visualization of geospatial data with special
reference to cartography. Indian Cartographer SDI-01, 319-324.
Kraak, M. -J. & Ormeling, F. (2002). Pemetaan Statistik. Terjemahan Sukwardjono,
Sukendra Martha, Hartono, Diah Kirana Kresnawati, Mas Sukoco, & Noorhadi
Rahardjo (Eds), Kartografi: Visualisasi Data Geospasial (pp. 115 - 148).
Yogyakarta: Universitas Gadjah Mada.
Kraak, M.-J. (2003). Geovisualization illustrated. ISPRS Journal of Photogrammetry
and Remote Sensing, 57(5-6), 390-399.
MacEachren, A. M., & Kraak, M.-J. (2001). Research challenges in geovisualization.
Cartography and Geographic Information Systems, 28(1), 3-12.
Masser, I. (1998). All Shapes and Sizes: The First Generation of National Spatial
Data Infrastructure. Paper presented at the Selected Conference Papers of the
Third Global Spatial Data Infrastructure Conference, Canberra.
Matindas, R. W., Puntodewo, & Purnawan, B. (2004). Development of National
Spatial Data Infrastructure in Indonesia. FIG Working Week, Athens, Greece.
McDougall, K., Rajabifard, A., & Williamson, I. P. (2005a). Understanding the
Motivations and Capacity for SDI Development from the Local Level. FIG
Working Week dan GSDI-8, Cairo, Egypt.
McDougall, K., Rajabifard, A., & Williamson, I. P. (2005b). What will Motivate
Local Government to Share Spatial Information?, Melbourne Convention
Centre.
Monecke, A. & Leisch, F. (2012). semPLS: Structural Equation Modelling Using
Partial Least Squares. Journal of Statistical Software, 48(3).
Nushi, B. I. (2010). Multi-view SDI assessment of Kosovo: Developing a solid base
to support SDI strategy development. Utrecht: Geographical Information
Management and Applications.
O'Looney, J. (2000). Beyond maps: GIS and decision making in local government
(Edisi pertama.). Amerika: Environmental Systems Research Institute, Inc.
Onah, C. C. (2009). Spatial Data Infrastructure Model for Developing Countries A
case study of Nigeria. Master Tesis, Wilhelms University.
 78

OPM. (1990). Health improvement/ health service planning kit (Vol. 2013). New
South Wales, Australia: Office of Public management.
Park, S. Y. (2009). An Analysis of the Technology Acceptance Model in
UNderstanding University Student's Behavioral Intention to Use e-Learning.
Educational Technology & Society, 12 (3), 150-162.
Pattee, H. H. (1973). Hierarchy Theory – The Challenge of Complex Systems. New
York: Braziller.
PC-IDEA. (2013). Spatial Data Infrastructure (SDI) Manual for the Americas
(Version-1 ed.). Rio de Janeiro, Canada: Her Majesty the Queen.
Peraturan Presiden. (2014). Peraturan Presiden Nomor 27 Tahun 2014 tentang
Jaringan Informasi Geospasial Nasional. Jakarta, Indonesia.
Rajabifard, A. (2002). Diffusion of Regional Spatial Data Infrastructures: with
particular reference to Asia and The Pasific. PhD Thesis, University of
Melbourne, Melbourne.
Rajabifard, A. (2010). Spatially Enabled Government and Society- the Global
Perspective. International Federation of Surveyors, Australia.
Rajabifard, A., Binns, A., Masser, I., & Williamson, I. (2006). The role of sub-
national government and the private sectore in future spatial data infrastructure.
International Journal of Geographical Information Science, 20(7), 727-741.
Rajabifard, A., Feeney, M. F., & Williamson, I. (2003). Spatial Data Infrastructures:
Concept, nature and SDI hierarchy. In I. Williamson, A. Rajabifard & M. F.
Feeney (Eds.), Developing Spatial Data Infrastructures: From Concept to
Reality (pp. 17-40): CRC Press.
Rajabifard, A., & Williamson, I. (1999). Spatial Data Infrastructures: Concept, SDI
Hierarchy and Future Directions. Proceeding of AURISA 97.
Rajabifard, A., Williamson, I., Holland, P., & Johnstone, G. (2000). From Local to
Global SDI Initiatives: a pyramid of building blocks. 4th Global Spatial Data
Ifrastructure Conference Cape Town, South Africa.
Sabatella, E., & Franquesa, R. (2004). Manual of Fisheries Sampling Surveys:
Methodologies for Estimations of Socio-Economic Indicators in the
Mediterranean Sea. Food and AgricultureOrganization of the United Nations:
Rome.
Sudijono, A.(1996). Evaluasi Pendidikan. Jakarta: Raja Grafindo.
Sutanta, H., Bishop, I. D., & Rajabifard, A. (2010a). Integrating Spatial Planning
and Disaster Risk Reduction at the Local Level in the Context of Spatially
Enabled Government. Paper presented at the GSDI 12 World
Conference:Realising Spatially Enabled Societies, Singapore.
Sutanta, H., Bishop, I. D., & Rajabifard, A. (2010b). Studying Spatial Plan in
Coastal Urban Cities - facing global threat adapting to local conditon. Paper
presented at the FIG Congress, Sydney, Australia.
Sutanta, H., Aditya, T., Purnama, B., Diyono, Laksono, D., Farida, A. (2014). I-SRI,
an SDI Readiness Index for Local Government in Indonesia. FIG, Kuala
Lumpur, Malaysia.
The Incheon Declaration. (2009). Building a Local Government Alliance for Disaster
Risk Reduction "The Incheon Declaration". Incheon, Korea Selatan.
 79

Tibco. (2013). Predictive Analytics with TIBCO Spotfire and TIBCO Enterprise
Runtime for R.
Toomanian, A. (2012). Methods to Improve and Evaluate Spatial Data
Infrastructure. Doctoral, Lund University, Swedia.
UNDP. (2006). RBM in UNDP: Selecting Indicators Retrieved 12 Desember, 2013,
from www.undp.org/eo/documents/methodology/rbm/Indicators-Paperl.doc
Venkatesh, V. (2010). Unified Theory of Acceptance adn Use of Technology
(UTAUT), from
http://www.vvenkatesh.com/it/organizations/Theoretical_Models.asp#Con=st
ructdefs
Venkatesh, V., & Davis, F. D. (2000). A Theoritical extension of the technology
acceptance model: Four longitudinal filed studies. Management Science, 46,
186-204.
Vinzi, V. E., Trinchera, L., & Amato S., (2010). PLS Path Modeling: From
Foundations to Recent Developments and Open Issues for Model Assessment
and Improvement.Handbook of Partial Least Square, Springer Handbooks of
Computational Statistics. Berlin, Heidelberg.
Willis, T. J. (2008). An evaluation of the Technology Acceptance Model as a means
of understanding online social networking behavior. Graduate Theses and
Dissertations. South Florida: University of South Florida.
Wold, H. (1982). Soft Modeling: Intermediate between Traditional Model Building
and Data Analysis. Mathematical Statistics, 6, 333-346.
Wrightstone, J. W., Hustman, J., dan Robbins, G. (1956). Evaluation in Modern
Education. New York: American Book Company.
Yuadi, I. (2009). Analisis Technology Acceptance Model terhadap Perpustakaan
Digital dengan Structural Equation Modeling. Departemen Ilmu Informasi dan
Perpustakaan.
 80

LAMPIRAN
 81

LAMPIRAN A

KUESIONER I-SRI
 82

Kuesioner

SURVEI
INDEKS KESIAPAN INFRASTRUKTUR DATA SPASIAL – IDS
(SDI READINESS INDEX – SRI)

Pusat Pengembangan Infrastruktur Data Spasial (PPIDS)

Fakultas Teknik, Universitas Gadjah Mada

Research Centre for Spatial Data Infrastructures (SDI) Development

Sekretariat: Teknik Geodesi, Fakultas Teknik, Universitas Gadjah Mada

 83

IDENTITAS RESPONDEN

Nama : …………..………………………...………………
Jabatan : …………..………………………...………………
Nama lembaga : …………..………………………...………………
Jumlah staf : …………..………………………...………………
Kabupaten/Kota : …………..………………………...………………
Provinsi : …………..………………………...………………
Telepon : …………..………………………...………………
E-mail : …………..………………………...………………
Alamat website lembaga : …………..………………………...………………

Pusat Pengembangan Infrastruktur Data Spasial (PPIDS)

Fakultas Teknik, Universitas Gadjah Mada

Research Centre for Spatial Data Infrastructures (SDI) Development

Sekretariat: Teknik Geodesi, Fakultas Teknik, Universitas Gadjah Mada

 84

1. Terdapat koordinasi lintas instansi/komite pengarah dalam pembangunan

pengelolaan dan koordinasi pembuatan serta pemanfaatan data geospasial
(IDS).
a. Belum ada, b. Sudah.

2. Terdapat unit/seksi yang khusus menangani pengelolaan data geospasial

(misalnya: peta digital, citra satelit, foto udara, daftar koordinat, basisdata
tempat-tempat penting).
a. Belum ada b. Sudah.

3. Terdapat rencana strategis atau roadmap pengembangan (pengelolaan dan

koordinasi pembuatan dan pemanfaatan data geospasial (IDS).
a. Belum ada, b. Sudah.

4. Pengelolaan data geospasial sudah mengikuti Standar Nasional Indonesia atau

Spesifikasi Teknik yang ditentukan oleh Kementerian/Lembaga terkait.
a. Belum, b. Sudah.

5. Terdapat mekanisme pengaksesan untuk berbagi pakai data geospasial antar

instansi.
a. Belum ada, b. Sudah.

6. Terdapat mekanisme pengaturan perijinan penggunaan data geospasial.

a. Belum ada, b. Sudah.

7. Terdapat Peraturan Gubernur atau Peraturan Bupati/Walikota terkait dengan

pemanfaatan dan pengelolaan data geospasial (misalnya: peta digital, citra
satelit, foto udara, daftar koordinat, basisdata tempat-tempat penting).
a. Belum ada b. Sudah.
 85

8. Kualifikasi pendidikan personil yang menangani data geospasial dan SIG, di

institusi saudara untuk tingkatan operasional (operator).
a. Belajar sendiri SIG dan/atau Web, ........ orang.
b. Kursus/pelatihan SIG dan/atau Web, ........ orang.
c. Diploma 3 Geodesi/Geomatika/Geografi/Teknologi Informasi,....... orang.
d. Sarjana Geodesi/Geomatika/Geografi/Teknologi Informasi, ........ orang.

9. Kualifikasi pendidikan personil yang menangani data geospasial dan SIG, di

institusi saudara untuk tingkat manajer / pengembang sistem.
a. Belajar sendiri SIG dan/atau Web, ........ orang.
b. Kursus/pelatihan SIG dan/atau Web, ........ orang.
c. Diploma 3 Geodesi/Geomatika/Geografi/Teknologi Informasi,....... orang.
d. Sarjana Geodesi/Geomatika/Geografi/Teknologi Informasi, ........ orang.

10. Terdapat program peningkatan kualitas personalia di bidang pengelolaan data

geospasial dan SIG dengan dukungan internet :
a. Belum ada, b. Sudah.
Jika sudah ada, jenis pelatihan apa yang sedang dilakukan tahun ini atau akan
dilakukan tahun depan?:
a. Operator : ………………orang
b. Pengembang sistem : ………………orang
c. Manajer : ………………orang
d. Lainnya ..............................................................................; ............. orang.

11. Jumlah personalia yang ada sekarang ini memadai untuk menangani data
geospasial dengan menerapkan teknologi SIG dan internet.
a. Belum, b. Sudah.
Jika „belum‟ berapa jumlah yang diharapkan:
a. Surveyor : ………………orang
b. Operator : ………………orang
c. Pengembang sistem : ………………orang
d. Manajer : ………………orang
 86

12. Penyelenggaraan IDS terkait dengan penganggaran untuk data, sistem dan
SDM. Mohon diisi tabel penganggaran berikut.

Sistem Penganggaran
Rutin Insidentil
Kegiatan
(APBD/APBN/lainnya- (APBD/APBN/lainnya-
sebutkan) sebutkan)
Pengadaan data geospasial
Pengadaan sistem
Pemeliharaan/pembaruan
data geospasial
Adopsi standar dan panduan
teknis dalam pengelolaan
data geospasial
Pemeliharaan/pengembangan
sistem
Berlangganan internet
Peningkatan
kompetensi/kualifikasi SDM
di bidang informasi
geospasial melalui
pelatihan/kursus

13. Jumlah personil yang memiliki kemampuan pengoperasian Sistem Informasi

Geospasial (SIG) dan pengelolaan data geospasial.
a. Tidak ada
b. 1-2 orang
c. 3-5 orang
d. Lebih, sejumlah ............ orang.

14. Jumlah personil yang memiliki kemampuan pengoperasian server geospasial

(server dengan fasilitas publikasi dan distribusi data dan informasi
geospasial).
a. Tidak ada
b. 1 orang
c. 2 orang
d. Lebih, sejumlah ............ orang
 87

15. Metadata digunakan untuk menyusun katalog (daftar data geospasial).

a. Belum, b. Sudah.

16. Ketersediaan data geospasial sangat penting dalam pengelolaan dan berbagi
pakai data (pembangunan IDS). Mohon mengisi dengan data kondisi yang ada
pada kolom “Prosentase wilayah terliput” dan “Skala”.

Prosentase Metadata Tersedia

No Jenis Peta wilayah Skala tersedia online
terliput (ya/tidak) (ya/tidak)
1 Peta dasar daerah (Peta Rupabumi)
2 Peta bidang tanah/persil

3 Peta blok (peta Pajak Bumi dan

Bangunan)
4 Peta administratif batas wilayah
5 Peta Rencana Tata Ruang Wilayah
(RTRW)
6 Peta Rencana Detil Tata Ruang
(RDTR)
7 Peta transportasi/jaringan jalan
8 Peta detail tapak bangunan dan
fasilitas umum
9 Peta sistem utilitas

10 Daftar koordinat titik batas

11 Peta tematik lainnya, yaitu

...........................................

17. Peta-peta/data geospasial tersebut di atas sudah disimpan dalam basisdata

digital (tersimpan dengan piranti lunak basisdata dan bukan sekedar
spreadsheet).
a. Belum, b. Sudah.

18. Data geospasial yang tersedia dapat diperoleh masyarakat secara mudah
melalui website.
a. Belum, b. Sudah.
 88

19. Software SIG (berbayar ataupun gratis) sudah tersedia.

a. Belum b. Sudah, yaitu ......................... jumlah lisensi ......

20. Jenis dan jumlah perangkat keras yang khusus digunakan untuk pengelolaan
dan publikasi data geospasial berikut sudah tersedia.

Jenis Jumlah
Komputer
Server
UPS server
Ruang khusus server
Nama piranti lunak server
Catatan: jika tidak tersedia, harap kolom jumlah dikosongkan.

21. Tersedia langganan internet yang dapat digunakan oleh server IDS dalam
pengelolaan dan berbagi pakai data geospasial.
a. Belum ada.
b. Ada, bandwidth sebesar < 1 Mbps.
c. Ada, bandwidth sebesar 1 – 2 Mbps.
d. Ada, bandwidth sebesar > 3 Mbps.

22. Geoportal milik institusi (website untuk mencari dan mendapatkan data
spasial secara online) sudah beroperasi.
a. Belum, b. Sudah, beralamat .............................................

23. Sistem katalog (daftar data geospasial) sudah digunakan dalam pengelolaan
peta dan informasi geospasial dalam bentuk hardcopy maupun digital.
a. Belum, b. Sudah.

24. Terdapat sistem katalog (daftar data geospasial) secara online.

b. Belum, b. Sudah.

25. Metadata disimpan bersama peta dan basisdata digital yang diproduksi.
a. Belum, b. Sudah.
 89

LAMPIRAN B

DAFTAR PENGISI KUESIONER

 90

Daftar pengisi kuesioner

Jumlah Pegawai
No. Jabatan Nama Lembaga Kabupaten/ Kota Provinsi
(orang)
1 Kasubbid Fisik Bappeda Kabupaten Bangka Barat Bangka Barat Kepulauan Bangka Belitung
2 Kepala Bappeda Bappeda Kabupaten Gunungkidul 51 Gunungkidul DI Yogyakarta
3 Kabid Perencanaan Teknik Bappeda Kabupaten Maros 50 Maros Sulawesi Selatan
4 Kabid Fispra & Tata Ruang Bappeda Kabupaten Pontianak 10 Pontianak Kalimantan Barat
5 Kasubid TR & LH Bappeda Karangasem 3 Karangasem Bali
6 Kepala Bappeda Bappeda Kota Malang 31 Kota Malang Jawa Timur
Bappeda Litbang Kabupaten
7 Kabid Sarana Prasarana Wilayah 13 Badung Bali
Badung
8 Kasubbid Tata Ruang, LH, & Energi Bappeda Kota Bengkulu 56 Kota Bengkulu Bengkulu
9 Kasubbid Pengairan dan Tata Ruang Bappeda Kota Jayapura 8 Kota Jayapura Papua
10 Kepala Bappeda Bappeda Kabupaten Asahan 34 Asahan Sumatera Utara
11 Kasubbid Bina Marga & Keciptakaryaan Bappeda Kabupaten Nganjuk 3 Nganjuk Jawa Timur
12 Kepala Bappeda Bappeda Kabupaten Sumenep 74 Sumenep Jawa Timur
13 Kabid Fisik & Prasarana Bappeda Kota Pangkalpinang 38 Pangkalpinang Kepulauan Bangka Belitung
14 Kabid Fisik & Prasarana Bappeda Kabupaten Banjar 9 Banjar Kalimantan Selatan
15 Kabid Fisik & Prasarana Bappeda Kabupaten Pacitan 6 Pacitan Jawa Timur
16 Kepala Bappeda Bappeda Kabupaten Banjarnegara 50 Banjarnegara Jawa Tengah
17 Staf Bappeda Kabupaten Wonosobo Wonosobo Jawa Tengah
18 Kasubid TR. SDA & LH Bappeda Kabupaten Kebumen 3 Kebumen Jawa Tengah
19 Kasubid Litbang Bappeda Kabupaten Pekalongan 38 Pekalongan Jawa Tengah
20 Kasubbid Bang Wil dan SDA Bappeda Kabupaten Brebes 1 Brebes Jawa Tengah
21 Kasubid Tata Ruang, SDA, dan LH Bappeda Kabupaten Cilacap 2 Cilacap Jawa Tengah
22 Staf Bidang Fisik dan Prasarana Bappeda Kabupaten Tuban Tuban Jawa Timur
 91

Lanjutan daftar pengisi kuesioner

Jumlah Pegawai
No. Jabatan Nama Lembaga Kabupaten/ Kota Provinsi
(orang)
Kasubid Kimpraswil dan Perhubungan
23 Bappeda Kabupaten Ende 5 Ende Nusa Tenggara Timur
Bappeda
24 Kepala Bappeda Bappeda Kabupaten Gayo Lues 38 Gayo Lues Aceh
25 Kasubbid SDA dan LH Bappeda Kabupaten Sumbawa 60 Sumbawa NTB
26 Sekretaris Bappeda Bappeda Kabupaten Sragen 45 Sragen Jawa Tengah
27 Staf Bappeda Kabupaten Kudus 20 Kudus Jawa Tengah
28 Sekretaris Bappeda Bappeda Kabupaten Pemalang
29 Staf Bappeda Kabupaten Temanggung Temanggung Jawa Tengah
30 Staf Bappeda Kabupaten Semarang Semarang Jawa Tengah
31 Staf Bappeda Kabupaten Blora 16 Blora Jawa Tengah
32 Kasubid Kimpraswil Bappeda Kabupaten Rembang 3 Rembang Jawa Tengah
33 Kepala Bappeda Bappeda Kabupaten Barito Utara 38 Barito Utara Kalimantan Tengah
34 Kabid Penelitian Bappeda Kabupaten Belu 3 Belu Nusa Tenggara Timur
35 Kabid Fisik dan Prasarana Bappeda Kota Magelang 7 Magelang Jawa Tengah
36 Staf Bidang Sarana dan Prasarana Bappeda Kabupaten Bantul 6 Bantul DI Yogyakarta
Staf Sub Bidang Pekerjaan Umum dan
37 Bappeda Kabupaten Kulon Progo 60 Kulon Progo DI Yogyakarta
Perumahan
Kabid Pengendalian Evaluasi dan
38 Bappeda Kota Yogyakarta 7 Yogyakarta DI Yogyakarta
Prasarana
Kasubid Tata Ruang, Tata Guna Lahan,
39 Bappeda Kabupaten Klaten 3 Klaten Jawa Tengah
dan Lingkungan Hidup
40 Staf Sub Bidang Data dan Informasi Bappeda Kabupaten Sleman 75 Sleman DI Yogyakarta
 92

LAMPIRAN C

DATA KUESIONER
 93

Bangka Gunung
Kriteria No. Kode Maros Pontianak Karangasem Malang
barat Kidul
1
DU11 1 1 1 1 1 1
DU12 0 0 0 0 0 1
DU13 0 0 0 0 0 1
DU14 1 1 1 1 1 1
DU15 1 1 1 1 1 1
DU16 0 1 0 1 1 1
DU17 1 1 1 1 1 1
Data utama
DU18 0 0 0 0 0 0
DU19 1 1 0 0 1 0
2 DU2 0 1 1 1 0 1
3 DU3 0 0 0 0 0 0
4 DU4 0 1 0 0 0 1
5 DU5 0 0 0 0 0 1
6 DU6 0 0 0 1 0 0
7 DU7 0 0 0 0 0 0
8 PK1 0 0 0 0 1 0
9 PK2 0 0 0 0 0 0
10 PK3 0 1 0 0 1 0
11
PK41 1 1 1 1 1 1
Peraturan/kebijakan PK42 0 1 1 1 1 0
PK43 0 1 0 1 1 1
PK44 0 1 0 1 1 0
PK45 0 1 0 1 0 0
PK46 0 1 1 1 1 1
PK47 0 1 0 1 0 1
12 SDM1 0 0 0 0 0 0
13
SDM21 1 0 1 1 0 0
SDM22 0 1 1 0 0 0
SDM SDM23 0 0 0 0 0 0
SDM24 0 0 0 1 1 0
14 SDM3 0 0 0 1 1 0
15 SDM4 1 1 1 1 1 0
16 SDM5 0 0 0 0 1 0
17 TKG1 0 0 0 0 0 0
18 TKG2 0 1 0 0 0 0
19
TKG31 0 0 0 1 0 0
TKG32 0 1 1 0 0 0
TKG33 0 0 0 0 0 0
Teknologi
20
TKG41 1 1 1 1 0 0
TKG42 0 1 1 0 0 0
TKG43 0 1 0 0 0 0
TKG44 0 1 1 0 0 0
21 TKG5 1 0 0 1 1 1
22 KLBG1 0 0 0 0 1 1
Kelembagaan
23 KLBG2 1 0 0 1 1 1
 94

Kriteria No. Kode Badung Bengkulu Jayapura Asahan Nganjuk Sumenep

1
DU11 1 0 1 1 0 0
DU12 1 0 0 0 0 0
DU13 1 0 0 0 0 0
DU14 1 1 1 1 1 1
DU15 1 1 1 1 1 1
DU16 1 0 0 0 1 0
DU17 1 1 1 1 0 0
Data utama
DU18 1 0 0 0 0 0
DU19 1 0 0 1 0 0
2 DU2 1 1 1 1 0 0
3 DU3 0 1 0 0 0 0
4 DU4 1 0 0 1 0 0
5 DU5 0 0 0 0 0 0
6 DU6 1 0 0 0 0 0
7 DU7 0 1 0 0 0 0
8 PK1 0 0 0 0 0 1
9 PK2 1 1 0 0 0 0
10 PK3 1 1 0 0 0 0
11
PK41 1 1 0 1 0 0
Peraturan/kebijakan PK42 1 1 0 1 0 0
PK43 1 1 0 1 0 0
PK44 1 0 0 1 1 0
PK45 1 1 0 1 0 0
PK46 1 1 1 1 1 0
PK47 1 1 1 1 0 0
12 SDM1 0 0 0 0 0 0
13
SDM21 0 1 1 0 0 1
SDM22 1 1 1 1 0 0
SDM SDM23 0 0 0 0 0 0
SDM24 0 0 0 0 0 0
14 SDM3 0 1 1 1 0 1
15 SDM4 1 1 1 1 0 1
16 SDM5 0 0 0 0 0 0
17 TKG1 1 1 0 0 0 0
18 TKG2 1 1 0 1 0 1
19
TKG31 0 0 0 0 0 0
TKG32 0 0 1 1 0 0
TKG33 1 0 0 0 0 1
Teknologi
20
TKG41 1 1 1 1 0 1
TKG42 0 1 0 1 0 0
TKG43 0 1 0 1 0 0
TKG44 0 1 0 1 0 0
21 TKG5 1 1 1 1 0 0
22 KLBG1 0 1 1 0 0 0
Kelembagaan
23 KLBG2 0 0 0 0 0 0
 95

Kriteria No. Kode Pangkalpinang Banjar Pacitan Banjarnegara Wonosobo Kebumen

1
DU11 1 1 1 1 1 1
DU12 0 0 0 0 0 0
DU13 0 0 0 0 0 0
DU14 1 0 1 1 1 1
DU15 1 1 1 1 1 1
DU16 1 1 0 1 1 0
DU17 1 1 1 1 1 0
Data utama
DU18 0 1 0 1 0 0
DU19 0 1 0 1 0 0
2 DU2 0 1 0 0 1 1
3 DU3 0 0 0 0 0 1
4 DU4 0 0 0 0 0 1
5 DU5 0 0 0 0 0 0
6 DU6 0 0 0 1 0 1
7 DU7 0 0 0 0 0 1
8 PK1 0 0 0 0 0 0
9 PK2 0 0 0 0 0 1
10 PK3 0 0 0 0 0 0
11
PK41 1 1 1 1 1 1
Peraturan/kebijakan PK42 1 1 1 1 1 1
PK43 0 1 1 1 1 1
PK44 0 1 0 1 1 1
PK45 0 1 1 1 1 1
PK46 0 1 1 1 1 1
PK47 0 1 1 1 1 1
12 SDM1 0 1 0 1 0 1
13
SDM21 0 0 1 1 0 0
SDM22 0 1 0 0 0 0
SDM SDM23 0 0 0 0 1 0
SDM24 1 0 1 0 1 0
14 SDM3 0 0 1 1 1 1
15 SDM4 1 1 1 1 1 1
16 SDM5 1 1 0 1 0 0
17 TKG1 0 0 0 0 0 1
18 TKG2 0 1 0 1 0 1
19
TKG31 1 0 1 0 1 0
TKG32 0 0 1 0 0 0
TKG33 0 1 0 1 0 0
Teknologi
20
TKG41 1 1 1 1 1 1
TKG42 0 1 0 1 1 1
TKG43 0 1 0 1 1 0
TKG44 0 0 0 0 1 0
21 TKG5 0 1 0 0 1 1
22 KLBG1 0 0 0 0 0 1
Kelembagaan
23 KLBG2 0 1 0 0 0 1
 96

Kriteria No. Kode Pekalongan Brebes Cilacap Tuban Ende Gayo Lues

1
DU11 0 1 1 1 1 1
DU12 0 0 0 0 0 0
DU13 0 0 1 0 0 0
DU14 1 1 1 1 1 1
DU15 1 1 1 1 1 1
DU16 1 1 0 1 1 1
DU17 0 1 1 1 1 1
Data utama
DU18 0 0 0 0 0 0
DU19 0 0 1 0 0 0
2 DU2 0 1 1 0 0 1
3 DU3 0 0 0 0 0 0
4 DU4 1 1 0 0 0 1
5 DU5 0 1 0 0 0 0
6 DU6 0 1 0 0 0 0
7 DU7 0 0 0 0 0 0
8 PK1 0 0 1 0 0 0
9 PK2 0 0 0 0 0 0
10 PK3 0 1 1 0 0 0
11
PK41 1 1 1 1 1 1
Peraturan/kebijakan PK42 1 1 0 0 0 1
PK43 0 1 1 0 1 0
PK44 0 0 0 0 0 0
PK45 0 0 0 0 0 1
PK46 1 1 1 1 0 1
PK47 0 1 1 0 1 1
12 SDM1 0 0 1 0 0 0
13
SDM21 1 1 1 0 1 1
SDM22 0 0 1 1 0 1
SDM SDM23 0 0 0 0 0 0
SDM24 0 0 0 0 1 0
14 SDM3 0 1 1 0 0 0
15 SDM4 1 1 1 1 0 1
16 SDM5 0 0 0 0 0 0
17 TKG1 0 0 0 0 0 0
18 TKG2 1 0 0 0 0 1
19
TKG31 0 0 0 0 0 0
TKG32 0 1 0 1 1 1
TKG33 1 0 0 0 0 0
Teknologi
20
TKG41 0 1 0 1 1 1
TKG42 0 0 0 0 0 0
TKG43 0 0 0 0 0 0
TKG44 0 0 0 0 0 0
21 TKG5 0 1 0 0 0 0
22 KLBG1 0 0 0 0 0 0
Kelembagaan
23 KLBG2 0 0 1 0 0 1
 97

Kab.
Kriteria No. Kode Sragen Sumbawa Kudus Pemalang Temanggung
Semarang
1
DU11 1 1 1 0 0 0
DU12 0 0 0 0 0 0
DU13 0 0 0 0 0 0
DU14 0 1 1 0 0 0
DU15 1 1 1 0 0 0
DU16 0 0 1 0 0 0
DU17 0 1 0 0 0 0
Data utama
DU18 0 1 0 0 0 0
DU19 0 1 0 0 0 0
2 DU2 0 1 0 0 0 0
3 DU3 0 0 0 0 0 0
4 DU4 0 0 0 0 0 0
5 DU5 0 0 0 0 0
6 DU6 0 0 0 0 0 0
7 DU7 0 0 0 0 0 0
8 PK1 0 0 0 0 0 0
9 PK2 0 1 0 0 0 0
10 PK3 0 0 0 0 0 0
11
PK41 1 1 1 0 0 0
Peraturan/kebijakan PK42 1 1 1 0 0 0
PK43 1 1 1 0 0 0
PK44 1 1 0 0 0 0
PK45 1 1 0 0 0 0
PK46 1 1 1 0 0 0
PK47 1 1 0 0 0 0
12 SDM1 0 1 0 0 0 0
13
SDM21 1 0 1 0 1 0
SDM22 0 1 0 0 1 1
SDM SDM23 0 0 0 1 0 0
SDM24 0 0 1 0 0 0
14 SDM3 1 1 1 0 0 0
15 SDM4 1 1 1 1 1 1
16 SDM5 0 1 0 1 0 0
17 TKG1 0 1 0 0 0 1
18 TKG2 0 0 1 0 0 0
19
TKG31 0 0 0 0 0 0
TKG32 0 1 0 0 0 0
TKG33 0 0 0 0 0 0
Teknologi
20
TKG41 0 1 1 0 1 0
TKG42 0 1 1 0 1 0
TKG43 0 0 1 0 1 0
TKG44 0 0 0 0 0 0
21 TKG5 1 0 1 0 0 0
22 KLBG1 0 0 0 1 0 0
Kelembagaan
23 KLBG2 1 1 0 1 0 0
 98

Kriteria No. Kode Blora Rembang Barito utara Belu Magelang Bantul

1
DU11 0 1 1 1 1 1
DU12 0 0 1 0 1 0
DU13 0 0 0 0 0 0
DU14 0 0 1 1 1 1
DU15 0 1 1 1 1 1
DU16 0 0 1 0 0 1
DU17 0 0 1 0 1 1
Data utama
DU18 0 0 1 0 1 0
DU19 0 0 1 0 1 0
2 DU2 0 0 1 0 1 1
3 DU3 0 0 0 0 0 1
4 DU4 0 0 1 0 0 1
5 DU5 0 0 0 0 0 0
6 DU6 0 0 0 0 0 1
7 DU7 0 0 0 0 0 0
8 PK1 0 0 0 0 0 0
9 PK2 0 0 0 0 1 0
10 PK3 0 1 0 0 0 0
11
PK41 0 0 1 1 1 1
Peraturan/kebijakan PK42 0 0 1 0 1 1
PK43 0 0 1 0 1 1
PK44 0 0 1 0 0 1
PK45 0 0 1 1 1 1
PK46 0 0 1 1 1 1
PK47 0 1 1 0 1 1
12 SDM1 0 0 1 0 1 1
13
SDM21 0 1 0 0 0 0
SDM22 4 0 0 0 1 1
SDM SDM23 0 0 1 0 0 0
SDM24 0 0 0 0 0 0
14 SDM3 0 0 1 0 0 0
15 SDM4 1 1 1 0 1 1
16 SDM5 0 0 0 0 0 0
17 TKG1 0 0 0 0 0 1
18 TKG2 0 0 0 0 0 1
19
TKG31 0 0 0 0 0 1
TKG32 0 0 1 0 0 0
TKG33 0 0 0 0 1 0
Teknologi
20
TKG41 0 1 1 1 0 0
TKG42 0 0 1 0 0 1
TKG43 0 0 0 1 0 0
TKG44 0 0 0 0 0 0
21 TKG5 0 0 0 0 1 1
22 KLBG1 0 0 0 0 0 1
Kelembagaan
23 KLBG2 0 0 0 0 1 1
 99

Kriteria No. Kode Kulon Progo Yogyakarta Klaten Sleman

1
DU11 1 1 1 1
DU12 0 1 1 0
DU13 1 1 1 0
DU14 1 1 1 1
DU15 1 1 1 1
DU16 1 1 1 1
DU17 1 1 1 1
Data utama
DU18 1 1 0 1
DU19 1 1 1 1
2 DU2 1 0 0 1
3 DU3 0 0 0 1
4 DU4 0 0 1 1
5 DU5 0 0 0 0
6 DU6 0 0 0 0
7 DU7 0 0 0 0
8 PK1 0 0 0 0
9 PK2 1 1 1 0
10 PK3 0 1 1 0
11
PK41 1 1 1 1
Peraturan/kebijakan PK42 0 1 0 1
PK43 1 1 1 1
PK44 0 1 0 0
PK45 0 1 0 1
PK46 1 1 1 1
PK47 0 1 0 0
12 SDM1 1 0 0 1
13
SDM21 0 0 0 0
SDM22 0 0 1 0
SDM SDM23 0 0 1 0
SDM24 1 0 1 1
14 SDM3 0 0 1 0
15 SDM4 1 0 1 1
16 SDM5 0 0 1 0
17 TKG1 0 0 0 1
18 TKG2 1 0 1 1
19
TKG31 1 0 1 1
TKG32 1 0 0 1
TKG33 0 0 0 0
Teknologi
20
TKG41 0 0 0 1
TKG42 1 0 1 1
TKG43 0 0 0 1
TKG44 0 0 0 1
21 TKG5 0 0 1 1
22 KLBG1 0 0 1 1
Kelembagaan
23 KLBG2 1 1 1 1
 100

LAMPIRAND

PETA KESIAPAN IDS DI KABUPATEN DAN KOTA

DAERAH ISTIMEWA YOGYAKARTA
101