Jumat, 26 Juni 2026
Jumat, 12 Juni 2026
Menulis - Research Gap 2
Review Artikel
Judul: SME Development for Poverty Alleviation Using GIS and AHP-Based Multi-Criteria Decision Analysis
Penulis: Md. Ashrafuzzaman Pramanik, Abu Nayem Md. Kayes, Ashraf Uddin Fahim, Kazi Mst. Hurajannat Tuba
Jurnal: Sustainable Futures (Elsevier), Vol. 11, 2026
1. Ringkasan Artikel
Artikel ini membahas bagaimana pengembangan Usaha Kecil dan Menengah (UKM/SME) dapat digunakan sebagai strategi pengentasan kemiskinan di wilayah Chatmohor Upazila, Distrik Pabna, Bangladesh. Penelitian mengombinasikan pendekatan sosial-ekonomi dengan teknologi Geographic Information System (GIS) dan Analytical Hierarchy Process (AHP) untuk menentukan lokasi industri yang paling sesuai bagi pengembangan UKM.
Penelitian memiliki tiga tujuan utama:
- Mengidentifikasi penyebab dan dampak kemiskinan.
- Menentukan jenis industri kecil dan menengah yang sesuai dengan potensi lokal.
- Menentukan lokasi terbaik untuk pengembangan industri menggunakan GIS dan AHP.
2. Latar Belakang
Penulis berangkat dari fakta bahwa UKM merupakan sektor yang berkontribusi besar terhadap:
- Penciptaan lapangan kerja.
- Peningkatan pendapatan masyarakat.
- Diversifikasi ekonomi daerah.
- Pengurangan kemiskinan.
Selain itu, penelitian ini mendukung pencapaian Sustainable Development Goal (SDG) 1: No Poverty, yaitu menghapus kemiskinan dalam segala bentuk pada tahun 2030.
Permasalahan utama di wilayah penelitian meliputi:
- Tingkat kemiskinan yang tinggi.
- Minimnya industrialisasi.
- Keterbatasan akses pekerjaan.
- Infrastruktur yang belum memadai.
- Ketergantungan ekonomi pada sektor pertanian.
3. Metodologi Penelitian
Penelitian menggunakan pendekatan mixed methods yang menggabungkan metode kuantitatif dan kualitatif.
Pengumpulan Data
Data Primer
- Household Survey
- Participatory Rural Appraisal (PRA)
- Focus Group Discussion (FGD)
- Key Informant Interview (KII)
Data Sekunder
- Landsat 8
- USGS
- LGED
- Data statistik pemerintah Bangladesh
Metode Analisis
Penelitian menggunakan:
- Statistik Deskriptif
- Korelasi Pearson
- Regresi Linier Berganda
- Regresi Logistik Biner
- Rank-Based Quotient (RBQ)
- Analytical Hierarchy Process (AHP)
- Multi-Criteria Decision Analysis (MCDA) berbasis GIS
4. Temuan Utama
A. Kondisi Kemiskinan
Penelitian menemukan bahwa:
- 80% responden hidup dalam kemiskinan ekstrem
- 37,5% tidak pernah bersekolah
- Hanya 5,2% mencapai pendidikan tingkat sarjana
Penyebab Utama Kemiskinan
| Faktor | Persentase |
|---|---|
| Kurangnya pendidikan | 76% |
| Terbatasnya lapangan kerja | 75% |
| Ekonomi tidak stabil | 50% |
| Kebijakan pemerintah lemah | 35% |
| Pilihan pribadi | 25% |
Analisis
Temuan ini menunjukkan bahwa kemiskinan lebih banyak disebabkan oleh faktor struktural daripada faktor individu.
B. Dampak Kemiskinan terhadap Kesehatan Mental
Melalui regresi logistik ditemukan bahwa:
Faktor yang berpengaruh signifikan terhadap kecemasan (anxiety):
- Kurangnya peluang kerja
- Kondisi ekonomi yang tidak stabil
dengan nilai signifikansi p < 0,05.
Faktor yang berpengaruh terhadap depresi:
- Kurangnya kesempatan kerja
- Ketidakstabilan ekonomi
juga signifikan secara statistik.
Kesimpulan
Kemiskinan tidak hanya berdampak pada ekonomi, tetapi juga pada kesehatan mental masyarakat.
C. Dampak Kemiskinan terhadap Kondisi Hidup
Terdapat hubungan positif antara pendapatan keluarga dengan:
- Pendidikan anak
- Sanitasi
- Akses kesehatan
- Kualitas hidup rumah tangga
Semakin tinggi pendapatan keluarga maka semakin baik akses terhadap layanan dasar.
5. Potensi Industri yang Direkomendasikan
Berdasarkan FGD, PRA, dan analisis sumber daya lokal, penelitian merekomendasikan:
Industri Kecil
- Kerajinan gerabah
- Industri rumah tangga
- Industri pakaian
- Industri bambu
Industri Menengah
- Penggilingan padi
- Pengolahan susu
- Pengolahan rempah
- Pengolahan hasil pertanian
Industri Besar
- Agro-processing
- Industri pengemasan
- Cold storage
- Industri makanan olahan
Temuan Penting
Industri agro-processing dianggap paling potensial karena:
- Ketersediaan bahan baku pertanian yang melimpah.
- Mendukung petani lokal.
- Meningkatkan nilai tambah produk pertanian.
6. Analisis GIS dan AHP
Penelitian menggunakan empat kriteria utama dalam pemilihan lokasi industri:
| Kriteria | Bobot |
|---|---|
| Growth Centre | 55,79% |
| Land Use Land Cover (LULC) | 26,33% |
| Rural Market | 12,19% |
| Slope | 5,69% |
Interpretasi
Faktor kedekatan dengan pusat pertumbuhan ekonomi menjadi pertimbangan paling penting dibandingkan kondisi topografi.
7. Lokasi Industri yang Direkomendasikan
Penelitian menghasilkan empat lokasi prioritas:
1. Dekat Stasiun Kereta Chatmohor
Keunggulan:
- Dekat transportasi
- Upah tenaga kerja rendah
- Akses logistik baik
2. Area Sekitar Stasiun Chatmohor
Keunggulan:
- Mudah dijangkau penduduk
- Mendukung Transit Oriented Development (TOD)
3. Somaj Union
Keunggulan:
- Dekat jalan nasional
- Potensial untuk industri pengolahan ikan dan susu
4. Mulgram Union
Keunggulan:
- Dekat sungai
- Bahan baku tersedia
- Populasi pendukung cukup besar
8. Kelebihan Penelitian
1. Pendekatan Multidisiplin
Menggabungkan:
- Ekonomi pembangunan
- GIS
- Statistik
- Perencanaan wilayah
2. Metode Komprehensif
Menggunakan kombinasi:
- AHP
- GIS
- MCDA
- Regresi
- PRA
- FGD
yang menghasilkan analisis yang kuat.
3. Relevan terhadap SDGs
Penelitian secara langsung mendukung:
- SDG 1 (No Poverty)
- SDG 8 (Decent Work)
- SDG 9 (Industry, Innovation and Infrastructure)
4. Hasil Praktis
Tidak hanya menjelaskan penyebab kemiskinan tetapi juga memberikan rekomendasi lokasi industri yang konkret.
9. Kelemahan Penelitian
1. Studi Kasus Terbatas
Penelitian hanya dilakukan pada satu Upazila sehingga generalisasi ke wilayah lain masih terbatas.
2. Belum Mengukur Dampak Lingkungan Secara Mendalam
Walaupun membahas keberlanjutan, penelitian belum melakukan analisis Environmental Impact Assessment (EIA) secara detail.
3. Ketergantungan pada Expert Judgment
Metode AHP sangat dipengaruhi oleh penilaian para ahli sehingga berpotensi menghasilkan bias subjektif.
4. Belum Ada Simulasi Ekonomi
Penelitian belum menghitung:
- ROI investasi industri
- Proyeksi penciptaan lapangan kerja
- Dampak ekonomi jangka panjang
10. Kontribusi Ilmiah
Kontribusi utama penelitian ini adalah memperkenalkan model integratif:
Poverty Analysis + SME Development + GIS + AHP + MCDA
untuk mendukung pengambilan keputusan pembangunan industri berbasis wilayah. Model ini dapat direplikasi pada negara berkembang lain yang memiliki karakteristik kemiskinan dan ekonomi agraris serupa.
Kesimpulan Review
Artikel ini merupakan penelitian yang kuat, inovatif, dan aplikatif dalam bidang pembangunan ekonomi regional, GIS, dan pengentasan kemiskinan. Penulis berhasil menunjukkan bahwa pengembangan UKM yang didukung pemilihan lokasi industri berbasis GIS-AHP dapat menjadi strategi efektif untuk mengurangi kemiskinan, meningkatkan kesempatan kerja, dan mendukung pembangunan berkelanjutan. Meskipun masih memiliki keterbatasan pada aspek generalisasi dan analisis dampak lingkungan, artikel ini layak dijadikan referensi penting bagi peneliti, perencana wilayah, pemerintah daerah, dan pengambil kebijakan yang fokus pada pembangunan UKM dan pengurangan kemiskinan.
Sumber: Artikel SME Development for Poverty Alleviation Using GIS and AHP-Based Multi-Criteria Decision Analysis
.jpeg)
Kamis, 11 Juni 2026
Riset Software Engineering
Riset Terkini dalam Software Engineering (2024–2026)
Sebagai dosen Software Engineering, saat ini terdapat beberapa bidang riset yang sangat berkembang dan memiliki peluang publikasi tinggi pada jurnal bereputasi (Scopus Q1/Q2). Tren terbesar didominasi oleh integrasi Artificial Intelligence (AI), Generative AI, DevOps, Cloud Native Architecture, dan Software Quality Engineering.
1. AI-Assisted Software Engineering
Fokus Penelitian
- Penggunaan ChatGPT, GitHub Copilot, Gemini, Claude dalam SDLC.
- AI untuk code generation.
- AI untuk code review.
- AI untuk debugging otomatis.
- AI untuk dokumentasi perangkat lunak.
Contoh Topik Penelitian
- Analisis Pengaruh GitHub Copilot terhadap Produktivitas Programmer.
- Evaluasi Kualitas Kode yang Dihasilkan Generative AI.
- Framework AI-Assisted Software Development untuk UMKM.
Publikasi Terbaru
Generative Software Engineering
Huang et al. (2024)
"Generative Software Engineering"
Mengkaji penggunaan LLM dan Generative AI pada seluruh fase Software Engineering.
AI-Driven Innovations in Software Engineering
Alenezi (2025)
Membahas dampak AI terhadap pengembangan perangkat lunak modern.
2. Generative AI for Requirements Engineering
Fokus Penelitian
- AI untuk elicitation kebutuhan.
- AI untuk User Story Generation.
- AI untuk UML otomatis.
- AI untuk Software Requirement Specification (SRS).
Contoh Topik
- ChatGPT untuk Otomatisasi User Story.
- Generative AI untuk Penyusunan Dokumen SRS.
- AI-Based Requirement Validation.
Publikasi Terbaru
Generative AI for Requirements Engineering
Cheng et al. (2024)
Systematic Literature Review mengenai penggunaan Generative AI dalam Requirements Engineering.
3. Software Architecture & Cloud Native Engineering
Fokus Penelitian
- Microservices.
- Serverless Computing.
- Kubernetes.
- Cloud Architecture.
- Containerization.
Contoh Topik
- Evaluasi Arsitektur Microservices pada Marketplace.
- Kubernetes Adoption Framework.
- Cloud Native Software Development Maturity Model.
Publikasi Terbaru
Emerging Trends in Software Architecture
Su et al. (2025)
Mengidentifikasi tren dominan seperti Kubernetes, Cloud Native, Serverless, dan Observability dalam arsitektur perangkat lunak modern.
4. Software Testing dan Quality Assurance
Fokus Penelitian
- Automated Testing.
- AI Testing.
- Mutation Testing.
- Test Case Generation.
- Continuous Testing.
Contoh Topik
- AI-Based Test Case Generation.
- Otomatisasi Pengujian Web Application menggunakan Selenium.
- Framework UAT berbasis AI.
Publikasi Terbaru
Software Testing Evolution
Akhtar (2025)
Mengkaji evolusi metode pengujian perangkat lunak modern dan tantangan software quality assurance.
5. DevOps dan Continuous Delivery
Fokus Penelitian
- CI/CD.
- Infrastructure as Code.
- DevSecOps.
- Observability.
- Site Reliability Engineering.
Contoh Topik
- Implementasi DevOps pada Startup.
- Pengukuran DevOps Maturity.
- DevSecOps Framework untuk Sistem Akademik.
Publikasi Terbaru
Software Engineering Insights 2025
Menjelaskan hubungan AI, Cloud Computing, DevOps, dan CI/CD sebagai tren utama Software Engineering modern.
6. Software Engineering Education
Fokus Penelitian
- Pembelajaran pemrograman dengan AI.
- TPACK dalam Software Engineering.
- AI Literacy untuk programmer.
- Project Based Learning.
Contoh Topik
- Pengaruh ChatGPT terhadap Kemampuan Coding Mahasiswa.
- Model TPACK untuk Pembelajaran Software Engineering.
- AI Literacy Framework bagi Mahasiswa Informatika.
Publikasi Terbaru
Software Engineering Education in the Era of Conversational AI
Sengul et al. (2024)
Membahas dampak AI dan LLM terhadap pendidikan Software Engineering dan kebutuhan penelitian lanjutan dalam kurikulum.
7. AI-Driven Empirical Software Engineering
Fokus Penelitian
- Developer Productivity.
- Human-AI Collaboration.
- Software Analytics.
- Evidence-Based Software Engineering.
Contoh Topik
- Analisis Produktivitas Programmer Menggunakan AI.
- Human-AI Pair Programming.
- AI Adoption pada Tim Software Development.
Publikasi Terbaru
Generative AI and Empirical Software Engineering
Treude & Storey (2025)
Menjelaskan bagaimana Generative AI mengubah paradigma penelitian empiris dalam Software Engineering.
TPACK
Publikasi Riset TPACK yang Banyak Dijadikan Referensi
1. Artikel Dasar TPACK (Paling Banyak Disitasi)
Technological Pedagogical Content Knowledge: A Framework for Teacher Knowledge
Mishra, P. & Koehler, M.J. (2006)
Kontribusi:
- Memperkenalkan model TPACK.
- Menjelaskan hubungan TK, PK, dan CK.
- Menjadi fondasi hampir seluruh penelitian TPACK saat ini.
2. Pengembangan Instrumen Pengukuran TPACK
TPACK: The Development and Validation of an Assessment Instrument for Preservice Teachers
Schmidt et al. (2009)
Kontribusi:
- Mengembangkan instrumen pengukuran TPACK.
- Banyak digunakan untuk penelitian guru dan mahasiswa calon guru.
3. TPACK pada Pendidikan Sains
Preparing Teachers to Teach Science and Mathematics with Technology
Margaret L. Niess (2005)
Kontribusi:
- Mengembangkan TPACK dalam pembelajaran IPA dan Matematika.
- Menjelaskan bagaimana guru mengintegrasikan teknologi dalam pengajaran sains.
4. TPACK untuk Integrasi Teknologi dalam Kurikulum
Teachers' Technological Pedagogical Content Knowledge and Learning Activity Types
Harris, Mishra & Koehler (2009)
Kontribusi:
- Menjelaskan desain aktivitas belajar berbasis teknologi menggunakan TPACK.
5. TPACK dan AI dalam Pendidikan
Strategic Integration of AI Chatbots in Physics Teacher Preparation
Kontribusi:
- Mengintegrasikan AI Chatbot ke dalam pembelajaran fisika.
- Mengembangkan TPACK dengan AI Literacy dan Prompt Engineering.
Langganan:
Postingan (Atom)
Inteligent Tutoring System
https://drive.google.com/file/d/1bX1rNVuK2QhShEa3hq00vbj6oiodKhXg/view?usp=drive_link https://drive.google.com/file/d/12ELpkJweiNJPFPgB6Uf...
-
https://www.its.ac.id/perpustakaan/id/beranda/ https://www.its.ac.id/perpustakaan/id/buku-elektronik/ -
https://drive.google.com/file/d/1LL5kPQVSm62f8SwGJe-zp9e0ST8jIxtZ/view?usp=drive_link https://ieeexplore.ieee.org/document/11254176/refere... -
https://drive.google.com/file/d/1sc_A2H1tEp61FNF7z1dZ1kNU5dZEA_Ir/view?usp=drive_link https://drive.google.com/file/d/1fUws9jRpdqvBfmJrPL9...