Thursday, December 14, 2017

PERKEMBANGAN TEKNOLOGI KOMUNIKASI DAN INFORMASI



Manusia memiliki dua fungsi kedudukan dalam kehidupannya yaitu sebagai individu dan mahluk sosial. Sebagai mahluk sosial, manusia membutuhkan untuk berkomunikasi diantara sesamanya  dan merupakan kebutuhan penting agar dapat melakukan interaksi dengan baik. Atas dasar kebutuhan tersebut, manusia berupaya mencari dan mencipta sistem dan alat untuk saling berinteraksi, mulai dari gambar (bentuk lukisan), isyarat (tangan, asap, dan bunyi), huruf, kata, kalimat, tulisan, surat, sampai dengan telepon dan internet.
Perkembangan sistem informasi dalam kehidupan manusia seiring dengan peradaban manusia itu sendiri sampai akhirnya mengenal istilah Teknologi Informasi (IT/Information Technology). Dimulai dari bentuk gambar yang tak bermakna pada dinding-dinding, prasasti-prasasti,  sampai informasi yang kemudian dikenal dengan nama internet. Informasi yang dikekola dan disampaikan juga terus dikembangkan, dari informasi yang sederhana seperti sekedar  menggambarkan suatu keadaan, sampai pada informasi strategis seperti taktik bertempur. Perkembangan ini dapat dilihat sejak diperkenalkan istilah media fisik seperti alat peraga, audiovisual, filmstrip, videotape berkembang menjadi video interaktif, satelit, teleconference,internet,dan berbagai software pembelajaran lainnya. Sekarang dunia menjadi datar (the world is flat) kata Thomas L. Friedman seolah mengisyratkan bahwa dunia pun sudah berubah seiring dengan perubahan dalam kehidupan manusia. Bahkan Evelyn Waugh berkata bahwa changeis the only evidence of life, perubahan adalah pertanda kehidupan.
Teknologi Informasi merupakan teknologi yang dibangun dengan basis utama teknologi komputer. Perkembangan teknologi komputer yang terus berlanjut membawa implikasi utama teknologi ini pada proses pengolahan data yang berujung pada informasi. Hasil keluaran dari teknologi komputer yang merupakan komponen yang lebih berguna dari sekedar tumpukan data, membuat teknologi komputer dan teknologi pendukung proses operasinya mendapat julukan baru, yaitu teknologi informasi. Teknologi informasi disusun oleh tiga matra utama teknologi yaitu :
1.    Teknologi komputer, yang menjadi pendorong utama perkembangan teknologi informasi.
2.    Teknologi telekomunikasi, yang menjadi inti proses penyebaran informasi.
3.    Muatan informasi atau content informasi, yang menjadi faktor pendorong utama implementasi teknologi informasi.
Kenyataan sejarah dunia mencatat masing – masing dari ketiga matra penyusun teknologi informasi di atas, pada awalnya berkembang saling terpisah. Teknologi komputer berkembang dalam lingkup matematika dan cenderung lebih teoritis. Teknologi telekomunikasi berkembang luas dalam dunia bisnis dan ekonomi menjadi pilar pendukung teknologi transportasi dalam revolusi industri. Sedangkan ilmu informasi muncul pada awal perang dunia II. Kemenangan dan kekalahan sebuah pasukan di medan perang dunia II ditentukan oleh akurasi informasi. Setelah itu, konsep ilmu informasi berkembang pesat. Sehingga 3 (tiga) matra penyusun teknologi informasi tersebut mulai berkembang secara konvergen mengikuti konsep ilmu informasi yang semakin matang. Penemuan teknologi komputer sejak awal dimakudkan untuk membantu meringankan pekerjaan manusia agar lebih efektif dan efisien. Perkembangan komputer ini diikuti dengan lahirnya Internet yang mampu menyebarkan informasi dengan cepat tanpa adanya batasan ruang dan waktu.
Perkembangan teknologi komunikasi juga mengalami kemajuan yang pesat dari mulai ditemukannya telegrap (sistem komunikasi digital jarak jauh) pada tahun 1835, telepon pada tahun 1876, sambungan telepon jarak jauh menggunakan satelit pada tahun 1952 hingga telepon seluler digunakan secara luas pada tahun 1985. Sedangkan perkembangan muatan informasi diawali dengan berhasilnya Markoni membuat radio, ditemukannya kamera gambar bergerak dan televisi. Mulai tahun 1994 rangkaian kejadian penting dalam perkembangan Teknologi Informasi bermunculan dengan cepat.
Dengan ditunjang teknologi  informasi telekomunikasi data dapat disebar dan diakses secara global. Peran yang dapat diberikan oleh aplikasi teknologi informasi ini adalah mendapatkan informasi untuk kehidupan pribadi seperti informasi tentang kesehatan, hobi, rekreasi, dan rohani. Kemudian untuk profesi seperti sains, teknologi, perdagangan, berita bisnis, dan asosiasi profesi. Sarana kerjasama antara pribadi atau kelompok yang satu dengan pribadi atau kelompok yang lainnya tanpa mengenal batas jarak dan waktu, negara, ras, kelas ekonomi, ideologi atau faktor lainnya yang dapat menghambat bertukar pikiran. Perkembangan teknologi  informasi memacu suatu cara baru dalam kehidupan, dari kehidupan itu dimulai sampai dengan berakhir, kehidupan seperti ini dikenal dengan e-life, artinya kehidupan ini sudah dipengaruhi oleh berbagai kebutuhan secara elektronik. Sehingga sekarang sedang semarak dengan berbagai terminologi yang dimulai dengan awalan e seperti e-commerce, e-government, e-education, e-library, e-journal, e-medicine, e-laboratory, e-biodiversitiy, dan yang lainnya lagi yang berbasis elektronika.

ANALISIS REGRESI LINIER GANDA ( DUA PREDIKTOR)

Contoh judul penelitian:

PENGARUH UMUR DAN TINGGI TERHADAP BERAT BADAN DI RUMAH SAKIT CIPTO MANGUNKUSUMO JAKARTA

Data dianggap memenuhi asumsi dan persyaratan analisis; data dipilih secara random; berdistribusi normal; berpola linier; data sudah homogen dan mempunyai pasangan yang sama sesuai dengan subyek yang sama. Data sebagai berikut:

Umur (X1) tahun    9    12    6    10    9    10    7    8    11    6    10    8    12    10
Tinggi (X2) cm    125    137    99    122    129    128    96    104    132    95    114    101    146    132
Berat Badan (Y) kg    37    41    34    39    39    40    37    39    42    35    41    40    43    38

Pertanyaan:
    Tentukan persamaan regresi ganda?
    Buktikan apakah ada pengaruh yang signifikan antara umur, tinggi, dan berat badan!

Jawab:

Langkah-langkah menjawab Regresi Ganda:

Langkah 1. Membuat Ha dan H0 dalam bentuk kalimat:
Ha: Terdapat pengaruh yang signifikan antara umur dan tinggi terhadap berat badan di Rumah Sakit Cipto Mangunkusumo Jakarta.
H0: Tidak Terdapat pengaruh yang signifikan antara umur dan tinggi terhadap berat badan di Rumah Sakit Cipto Mangunkusumo Jakarta.

Langkah 2. Membuat Ha dan H0 dalam bentuk statistik:
Ha: R ≠ 0
H0: R =  0

Langkah 3. Membuat tabel penolong untuk menghitung angka statistik:

No    X1    X2    Y    (X1)2    (X2)2    Y2    X1Y    X2Y    X1 X2
1    9    125    37    81    15625    1369    333    4625    1125
2    12    137    41    144    18769    1681    492    5617    1644
3    6    99    34    36    9801    1156    204    3366    594
4    10    122    39    100    14884    1521    390    4758    1220
5    9    129    39    81    16641    1521    351    5031    1161
6    10    128    40    100    16384    1600    400    5120    1280
7    7    96    37    49    9216    1369    259    3552    672
8    8    104    39    64    10816    1521    312    4056    832
9    11    132    42    121    17424    1764    462    5544    1452
10    6    95    35    36    9025    1225    210    3325    570
11    10    114    41    100    12996    1681    410    4674    1140
12    8    101    40    64    10201    1600    320    4040    808
13    12    146    43    144    21316    1849    516    6278    1752
14    10    132    38    100    17424    1444    380    5016    1320
Statistik    ∑X1    ∑X2    ∑Y    ∑ (X1)2    ∑ (X2)2    ∑Y2    ∑X1Y    ∑X2Y    ∑X1 X2
Jumlah    128    1660    545    1220    200522    21301    5039    65002    15570



Langkah 4. Hitung nilai-nilai persamaan b1, b2, dan a:

Masukkan hasil dari nilai-nilai statistik ke dalam rumus:

    ∑x_1^2   =  ∑X_1^2 –  ( ∑X_(1 ) )^2/n  =  1220 – ( 128)^2/14  =  49,71

    ∑x_2^2   =  ∑X_2^2 –  ( ∑X_(2 ) )^2/n  =  200522 – ( 1660)^2/14  =  3693,43

    ∑y^2   =  ∑Y2  – ( ∑Y)^2/n  =  21301 – ( 545)^2/14  =  84,93

    ∑x_1y = ∑X1Y – ((∑X_1 ).(∑Y))/n  =  5039 – ((128).(545))/14  =  56,14

    ∑x_2y = ∑X2Y – ((∑X_2 ).(∑Y))/n  =  65002 – ((1660).(545))/14  =  380,57

    ∑ x_1 x_2 = ∑X_1 X_2 – ((∑X_1 ).(∑X_2))/n = 15570 – ((128).(1660))/14 = 392,86

Kemudian masukkan hasil dari jumlah kuadrat ke persamaan b1, b2, dan a:

b_1 = ((∑x_(2 )^2 ).(∑x_1 y)- (∑▒x_1   x_2 ).(∑x_2 y))/((∑x_1^2  ).(∑x_2^2  )–(∑〖x_1 x_2)〗^2 ) = ((3693,43).(56,14)- (392,86).(380,57))/((49,71).(3693,43)- (392,86)^2 ) = 1,98

b_2 = ((∑x_(1 )^2 ).(∑x_2 y)- (∑▒x_1   x_2 ).(∑x_1 y))/((∑x_1^2  ).(∑x_2^2  )–(∑〖x_1 x_2)〗^2 ) = ((49,71).(380,57)- (392,86).(56,14))/((49,71).(3693,43)- (392,86)^2 ) =  −0,11

a = (∑Y)/n  − b_1. ((∑X_1)/n) − b_2. ((∑X_2)/n) = 545/14  − 1,98. (128/14) – (−0,11). (1660/14) = 33,83

Jadi, persamaan regresi ganda:

"Ŷ"   =  a + b_1X1 + b_2X2

"Ŷ"   =  33,83 + 1,98 X1 – 0,11 X2 .....................(Jawaban pertanyaan a)

Langkah 5. Mencari Korelasi Ganda dengan rumus:

(R_(〖X_(1 ).X〗_(2 ).Y) ) = √((b_(1  ).∑x_1 y+ b_2.∑x_2 y)/〖∑y〗^2 ) = √(((1,98).(56,14)+ (-0,11).(380,57))/84,93) = √0,82 = 0,9

Lahkah 6. Mencari Koefisien Determinasi  (R2) atau nilai Kontribusi korelasi Ganda dengan rumus:

KP = (R_(〖X_(1 ).X〗_(2 ).Y) )^2.100%  = (0,9)2.100% = 81%

Koefisien determinasi yang sering disimbulkan dengan R2 adalah sebuah besaran yang mengukur ketepatan garis regresi. Nilai R2  ini menunjukkan prosentase besarnya  variabilitas dalam data yang dijelaskan oleh model regresi. Maksimum nilai R2 adalah 100% dan minimal 0%. Jika nilai R2 = 100% misalnya untuk regresi linier sederhana semua titik data akan menempel ke garis regresi, semakin kecil nilai R2 maka data makin menyebar jauh dari garis. Oleh karena itu jika R2 kecil maka keeratan hubungan X dan Y lemah dan jika R2 = 0 menunjukkan bahwa X tidak memiliki hubungan dengan Y.

Lahkah 7. Menguji signifikansi dengan membandingkan Fhitung dengan Ftabel dengan rumus:

Fhitung = (R^(2 ) (n-m-1))/(m.(1-R^2)) = ((0,9)^2.(14-2-1))/(2.(1-〖(0,9)〗^2)) = 23,5

Kaidah pengujian signifikansi:
Jika Fhitung "≥"  Ftabel, maka tolak H0 artinya signifikan dan
Jika Fhitung < Ftabel, maka terima H0 artinya tidak signifikan
Dengan taraf signifikansi α = 0,05
Carilah nilai Ftabel, menggunakan tabel F dengan rumus:
Ftabel, = F_{(1-α)(dk pembilang=m),(dk penyebut=n-m-1)}
Ftabel, = F_{(1-0,05)(dk pembilang=2),(dk penyebut=14-2-1)}
Ftabel, = F_{(0,95)(2),(11)}
Ftabel, = 3,98

Lahkah 8. Membuat kesimpulan............................(jawaban pertanyaan b)

Ternyata Fhitung > Ftabel, atau 23,45 lebih besar daripada 3,98, maka tolak H0 dan terima Ha artinya terdapat pengaruh yang signifikan antara umur dan tinggi terhadap berat badan di Rumah Sakit Cipto Mangunkusumo Jakarta.

Dengan berpedoman pada analisis regresi linier ganda secara manual yang didukung dan dicocokkan dengan analisis dengan menggunakan SPSS-17 (pada halaman 10 sampai dengan 14)  maka dapat disajikan:

Interpretasi Hasil:

    Nilai R2 (R Square) dari tabel Model Summary menunjukkan bahwa 82,6% dari variance Berat dapat dijelaskan oleh perubahan dalam variabel Umur dan tinggi badan.

    Nilai uji statistik Durbin-Watson = 1,420, jadi dapat diasumsikan tidak terjadi autocorrelation.

    Tabel ANOVA mengindikasikan bahwa regresi berganda secara statistik sangat signifikan dengan uji statistik F = 26,129 dengan derajat kebebasan k = 2 dan n - k - 1 = 14 – 2 - 1 = 11. P-value = 0,000 lebih kecil dari α = 0,05.

    Uji F menguji hipotesis H0: β_1 = β_2 = 0 terhadap H1: β_1 dan β_2 tidak semuanya nol. Dari P-value = 0,000 yang lebih kecil dari α = 0,05, terlihat bahwa H0 = β_1 = β_2 = 0 ditolak secara signifikan. Ini berarti bahwa koefisien regresi β_1 dan β_2 tidak semuanya bernilai nol.

    Untuk menguji apakah masing-masing koefisien regresi signifikan, digunakan uji-t dengan hasil sebagai berikut:
    Variabel Umur: H0: β_1 = 0 terhadap H1: β_1 ≠ 0
Hasil uji-t: t = 4,801 dengan derajat kebebasan n – k – 1 = 14 – 2  – 1 = 11, dan 
P-value = 0,001 yang lebih kecil dari α = 0,05. Hal ini merupakan bukti kuat penolakan H0: β_1 = 0.

    Variabel Tinggi Badan: H0: β_2 = 0 terhadap H1: β_2 ≠ 0
Hasil uji-t: t = –2,243 dengan derajat kebebasan n – k – 1 = 14 – 2  – 1 = 11, dan 
P-value = 0,046 yang lebih kecil dari α = 0,05. Hal ini merupakan bukti kuat penolakan H0: β_1 = 0.

Sehingga dapat disimpulkan bahwa koefisien regresi tidak ada yang bernilai nol.

    Persaman regresi berganda yang diperoleh dengan menggunakan metode kuadrat terkecil kriteria (least squares criterion) adalah:
"Ŷ"   =  33,83 + 1,98 X1 – 0,11 X2
Dimana: "Ŷ"   = Berat Badan, X1 = Umur, dan X2 = Tinggi Badan.

    Dari tabel Coefficient juga terlihat bahwa nilai VIF = 6,271 sehingga masih dapat dianggap tidak terjadi multicollinearity (atau tepatnya hanya low collinearity).

    Dari Normal Probability Plot juga terlihat bahwa titik-titik data membentuk pola linier sehingga konsisten dengan distribusi normal.

    Scatterplot antara standardized residual ٭ZRESID dan standardized predicted value ٭ZPRED tidak membentuk suatu pola tertentu, sehingga bisa dianggap residual mempunyai variance konstan (homoscedasticity).

Catatan:
    Collinearity Diagnostics digunakan untuk mengetahui apakah terdapat multicollinearity atau korelasi diantara variabel independen X1, X2.

    Durbin-Watson digunakan untuk menguji apakah asumsi residuals atau error (ε_i) dari model regresi berganda y_i = β_0 + β_1 x_1i + β_2 x_2i + β_3 x_3i + ... + β_k x_ki + ε_i bersifat independen atau tidak terjadi autocorrelation. Nilai uji statistik Durbin-Watson berkisar antara 0 dan 4. Sebagai pedoman umum, bila nilai uji statistik Durbin-Watson lebih kecil dari satu atau lebih besar dari tiga, maka residuals atau error (ε_i) dari model regresi berganda y_i = β_0 + β_1 x_1i + β_2 x_2i + β_3 x_3i + ... + β_k x_ki + ε_i tidak bersifat independen atau  terjadi autocorrelation.

    Plot dari standardized residual ٭ZRESID terhadap standardized predicted value ٭ZPRED digunakan untuk mengetahui linieritas (linearity) dari regresi dan kesamaan variance (homoscedasticity).

PERKEMBANGAN TEKNOLOGI KOMUNIKASI DAN INFORMASI

Manusia memiliki dua fungsi kedudukan dalam kehidupannya yaitu sebagai individu dan mahluk sosial. Sebagai mahluk sosial, manusia mem...