112
Seminar dan Call For Paper Munas Aptikom Politeknik Telkom
Bandung, 9 Oktober 2010 Indeks
Pemda
i
= R
i
+ P
i
Ri adalah peringkat relevansi pemda ke-i dan Pi adalah peringkat untuk parameter produktivitas
pemda ke-i. Setelah indeks untuk semua pemda dihitung kemudian dilakukan pemeringkatan dengan
cara megurut nilai indeks dari yang terkecil sampai terbesar. Indeks terkecil menempati urutan pertama
sedangkan indeks terbesar menempati posisi terakhir.
Peringkat relevansi dan produktifitas ini secara umum relatif berbeda dengan peringkat yang umum
digunakan oleh lembaga lain yang relatif tidak mempertimbangkan mutu konten atau produktifitas
pengelola web dalam pemutakhiran kontennya. Jika dibandingkan dengan pemeringkatan tanpa
memasukkan dua parameter ini, skenario ini menunjukkan bahwa pemda di Jawa masih
mendominasi relevansi konten dan produktifitas pengisian kontennya. Peringkat pertama relevansi
ditempati oleh provinsi Sumatera Utara yang diikuti oleh Kabupaten Sragen dan Kabupaten Malang di
posisi kedua dan ketiga, sedangkan produktivitas web oleh Sukabumi. Jika kedua peringkat per
parameter ini dirata-ratakan maka peringkat pertamanya adalah Kabupaten Malang diikuti oleh
provinsi NAD.
Khusus untuk peringkat relevansi, sepuluh besarnya ditempati oleh lima provinsi, tiga
kabupaten, dan dua kota. Temuan yang menarik adalah semua provinsi tersebut terletak di luar jawa,
sedangkan kabupaten dan kotanya di pulau Jawa. Kondisi ini mengindikasikan bahwa peran
pemerintahan provinsi di luar jawa masih relatif tinggi dalam menyediakan informasi yang relevan
dibandingkan dengan pemda tingkat duanya, sedangkan pemerintahan kabupaten dan kota di
pulau jawa relatif lebih dominan dalam memberikan konten yang relevan dibandingkan pemerintahan
provinsinya. Kajian lebih lanjut mungkin perlu dilakukan dengan ketersediaan sumber daya di
tingkat pemerintahan kota dan kabupaten di luar jawa, misalnya pengelola web web administrator
atau infrastruktur teknologi informasi sebagai pondasi layanan pemda berbasis web.
b. Skenario 2
Skenario 2 ini tidak memperhitungkan parameter relevansi dan produktivitas web, atau hanya
menggunakan parameter size, visibility, kekayaan dokumen dan popularitas. Skenario ini merupakan
modifikasi metode pemeringkatan yang digunakan oleh lembaga pemeringkat lain yaitu size, visibility,
dan rich file yang diambil dari Webometrics dan popularitas dari 4ICU. Langkah pertamanya adalah
dengan menghitung indeks peringkat untuk setiap website pemda dengan menggunakan rumus sebagai
berikut:
Indeks Pemda
i
= S
i
+ V
i
+ D
i
+ T
i
Si adalah peringkat untuk parameter size pemda ke-i; Vi adalah peringkat untuk parameter
produktivitas pemda ke-i, Di adalah peringkat untuk parameter kekayaan dokumen pemda ke-i; dan Ti
adalah peringkat untuk parameter popularitas traffic pemda ke-i. Setelah indeks untuk semua
pemda dihitung kemudian dilakukan pemeringkatan dengan cara megurut nilai indeks dari yang terkecil
sampai terbesar. Indeks terkecil menempati urutan pertama sedangkan indeks terbesar menempati posisi
terakhir.
Hasil penelitian menunjukkan bahwa 8 dari 10 pemda yang masuk 10 besar pada skenario tersebut
berlokasi di pulau Jawa. Cacatan khusus untuk parameter popularitas yang diukur dengan peringkat
dari alexa.com, pemda DKI jakarta beserta 5 kotamadyanya mempunyai peringkat traffik yang
sama dan tertinggi di Indonesia. Website kota dan provinsi disatukan dalam domain yang sama, atau
dengan kata lain, 5 kota di wilayah DKI Jakarta merupakan sub domain dari domain provinsi DKI
Jakarta.
Hanya 99 situs pemda di Indonesia yang masuk peringkat di alexa. Sisanya sebanyak 82 website
belum masuk peringkat karena traffiknya yang masih sangat rendah. DKI Jakarta yang posisi size,
visibility, dan popularitasnya tertinggi di Indonesia akhirnya menduduki peringkat kedua karena jumlah
dokumennya jaug lebih sedikit dibandingkan Provinsi Jawa Timur yang menduduki peringkat
pertama. Jadi terlihat bahwa provinsi Jawa Timur mempunyai peringkat yang merata untuk keempat
parameternya yang semuanya menduduki sepuluh besar.
c. Skenario 3
Skenario ini merupakan peringkat komposit dari 6 parameter tanpa pembobotan, atau bisa juiga
dikatakan bahwa skenario ini merupakan gabungan
Seminar dan Call For Paper Munas Aptikom Politeknik Telkom
Bandung, 9 Oktober 2010
113
dari skenario 1 dan 2 namun tanpa membedakan bobot dari setiap parameternya. Rumus perhitungan
peringkat untuk setiap websitenya adalah sebagai berikut:
Indeks Pemda
i
=R
i
+ P
i
+ S
i
+ V
i
+ D
i
+ T
i
Ri adalah peringkat relevansi pemda ke-i, Pi adalah peringkat untuk parameter produktivitas
pemda ke-i, Si adalah peringkat untuk parameter size pemda ke-i; Vi adalah peringkat untuk parameter
produktivitas pemda ke-i, Di adalah peringkat untuk parameter kekayaan dokumen pemda ke-i; dan Ti
adalah peringkat untuk parameter popularitas traffic pemda ke-i. Untuk skenario 3 dan 4 hanya
mencakup 151 website pemda yang menunjukkan data yang lengkap untuk pemeringkatannya.
Hasilnya menunjukkan bahwa pemda yang masuk peringkat sepuluh besar sangat mengandalkan
visibility yang diukur dengan yahoo inbound link. Parameter ini sebenarnya belum mencerminkan
popularitas sebuah web karena tautan ke sebuah situs tersebut tidak mencerminkan tautan yang berkualitas
dari situs eksternal. Bahkan hasil pengamatan terhadap situs pemda yang jumlah tautannya tinggi,
tautan-tautan tersebut lebih banyak dari spam atau praktek-praktek Search Engine Optimization yang
tidak etis. Praktek-praktek tersebut dilakukan dengan spam generator terhadap situs-situs pemda yang
masih mengandung kelemahan vulnerabilities dalam content management systemnya. Kelemahan
tersebut diukur oleh HTML validator seperti sudah dijelaskan sebelumnya.
d. Skenario 4
Hasil pemeringkatan dengan menggunakan skenario ini memberikan bobot besar pada parameter
relevansi dan produktivitas yaitu 50 persen dibandingkan 50 persen sisanya untuk bobot empat
parameter lainnya yaitu size, visibility, document, dan popularitas. Pertimbangannya adalah mutu
konten dan intensitas pemutakhirannya merupakan dua parameter yang sangat penting dalam
meningkatkan mutu layanan dan informasi publik dari pemerintahan daerah di Indonesia. Kecepatan
dan keakuratan informasi menjadi kriteria yang sangat penting di era informasi dan globalisasi ini.
Berdasarkan pertimbangan tersebut maka bobot relevansi dan produktifitas ditetapkan 2 kali dari
masing-masing bobot parameter size, visibility, document, dan popularitas. Rumus perhitungan
indeks komposit untuk 6 parameter pada masing- masing pemda untuk tiga skenario dengan
pembobotan adalah sebagai berikut:
a. Indeks Pemda
i
=0,25R
i
+0,25P
i
+0,125S
i
+0,125V
i
+0,125D
i
+0,1 25T
i
b. Indeks Pemda
i
=0,3R
i
+0,3P
i
+0,2S
i
+0,1V
i
+0,1D
i
+0,1T
i
c. Indeks Pemda
i
=0,3R
i
+0,2P
i
+0,1S
i
+0,1V
i
+0,1D
i
+0,2T
i
Hasil untuk skenario 4 ini secara umum tidak banyak berubah nama-nama pemda untuk sepuluh besar,
kecuali perubahan urutannya saja. Perubahan kecil hanya terjadi untuk skenario 4b dan 4c yaitu
Provinsi Riau yang tadinya masuk sepuluh besar pada skenario 4b digantikan Kota Bantul pada
skenario 4c. DKI Jakarta selalu menempati urutan pertama untuk peringkat dengan menggunakan enam
parameter- baik yang tanpa bobot maupun dengan pembobotan. Namun sekali lagi catatan khusus
untuk website provinsi DKI Jakarta ini adalah lima kota yang berada di wilayahnya merupakan sub
domain dari www.jakarta.go.id.
5. KESIMPULAN DAN SARAN
5.1. Kesimpulan
Hasil pengukuran relevansi konten diukur dengan algoritma TFxIDF yang sudah
dikembangkan lebih lanjut dalam penelitian ini, sedangkan relevansi tautan internal diukur dengan
TFxIDF inbound. Hasil pengukuran untuk relevansi konten menunjukkan bahwa nilai TFxIDF lokal
berkisar antara 4,199 sampai 36,16 dengan rata-rata sebesar 25,05, Jumlah website yang tergolong
menunjukkan bobot relevansi yang tinggi dengan nilai TFxIDF di atas rata-rata adalah sebanyak 109
pemda atau sebanyak 60 persen. Nilai TFxIDF inbound berkisar antara 2,391 sampai 30,417 dengan
rata-rata sebesar 18,0. Jumlah website yang tergolong menunjukkan bobot relevansi yang tinggi
dengan nilai TFxIDF di atas rata-rata adalah sebanyak 86 pemda atau sebanyak 47,5 persen.
Algoritma pemeringkatan yang dipilih adalah pemeringkatan dengan enam parameter dengan
memberikan bobot terbesar pada parameter
