Jurnal Widya Climago

Analisis Efektivitas Program Pelatihan melalui melalui Indonesian Disaster Resilience Initiatives Project (IDRIP)

Madona Madona — 2026-07-20

Aktivitas gempabumi yang tinggi di Indonesia menuntut tersedianya Indonesia Earthquake Early Warning System (InaEEWS) yang andal dan didukung sumber daya manusia kompeten. Melalui Indonesian Disaster Resilience Initiatives Project (IDRIP), BMKG menyelenggarakan serangkaian pelatihan teknis periode 2021–2025 untuk memperkuat kapasitas operasional InaEEWS. Penelitian ini bertujuan mengevaluasi efektivitas program pelatihan tersebut dengan menggunakan Model Evaluasi Kirkpatrick yang difokuskan pada Level 3 (perubahan perilaku) dan Level 4 (dampak pada kinerja individu dan organisasi). Pendekatan yang digunakan adalah deskriptif kuantitatif dengan dukungan data kualitatif. Data dikumpulkan melalui kuesioner daring kepada alumni pelatihan dan dianalisis menggunakan statistik deskriptif, regresi linier berganda, serta analisis tematik atas temuan kualitatif. Hasil penelitian menunjukkan bahwa perubahan perilaku alumni berada pada kategori tinggi dengan rata-rata 84,37%. Dampak pelatihan terhadap kinerja individu (A5) dan kinerja unit kerja/organisasi (A6) juga tinggi, masing-masing 84,93% dan 84,28%. Model regresi menunjukkan bahwa 65,0% variasi kinerja individu dijelaskan oleh faktor perubahan perilaku (A1–A4), dengan A1, A3, dan A4 berpengaruh positif dan signifikan; sedangkan 49,0% variasi kinerja unit kerja dijelaskan oleh A1–A4, dengan A2 dan A3 sebagai prediktor signifikan utama. Kapasitas internal alumni (A3) muncul sebagai kontributor paling dominan pada kedua model. Temuan ini menyimpulkan bahwa program pelatihan melalui IDRIP efektif dalam meningkatkan perubahan perilaku kerja dan kinerja, sekaligus memberikan dasar bagi perancangan strategi tindak lanjut untuk memperkuat keberlanjutan dampak pelatihan.

Komparasi Indeks Kualitas Lingkungan Hidup (IKLH) Berdasarkan Propinsi di Jawa dan Bali Tahun 2019-2023

Juniarto Widodo — 2026-07-20

Kajian kualitas lingkungan hidup di Indonesia umumnya dilakukan pada skala nasional atau lintas provinsi secara umum, tanpa fokus khusus pada wilayah bertekanan ekologis tinggi seperti Jawa dan Bali. Kondisi ini menimbulkan tekanan lingkungan yang signifikan terhadap kualitas udara, kualitas air, dan stabilitas tutupan lahan. Penelitian ini bertujuan untuk mengetahui dinamika Indeks Kualitas Lingkungan Hidup (IKLH) per provinsi di Pulau Jawa dan Bali, serta hubungannya dengan kepadatan wilayah dan konsumsi energi listrik per provinsi. Hasil penelitian menunjukkan bahwa tren IKLH secara umum di seluruh provinsi Jawa dan Bali mengalami pola peningkatan. Beberapa provinsi, yaitu Jawa Tengah, DIY, dan Bali, mengalami sedikit penurunan pada masa pandemi Covid-19 tahun 2021 yang kemudian diikuti oleh peningkatan kembali. IKLH Provinsi Bali relatif berada di atas rata-rata IKLH provinsi di Jawa, sedangkan IKLH terendah ditemukan di Provinsi Banten. Berdasarkan kepadatan wilayah, terbentuk dua kelompok: kelompok kepadatan tinggi (Jawa Tengah, Jawa Timur, dan Bali) dengan rata-rata IKLH 67,56, dan kelompok kepadatan rendah (Jawa Barat, DIY, dan Banten) dengan rata-rata IKLH 60,97. Berdasarkan konsumsi energi listrik, kelompok dengan konsumsi tinggi (Jawa Barat, Jawa Timur, dan Banten) memiliki rata-rata IKLH lebih rendah (62,59), sedangkan kelompok dengan konsumsi rendah (Jawa Tengah, DIY, dan Bali) memiliki rata-rata IKLH lebih tinggi (66,14). Secara statistik, kepadatan wilayah dan konsumsi energi listrik berpengaruh negatif dan signifikan terhadap IKLH, yang mengindikasikan bahwa peningkatan kepadatan wilayah dan konsumsi energi listrik dapat menurunkan kualitas lingkungan hidup

Preferensi Generasi Z terhadap Umpan Balik, Motivasi Kerja, dan Gaya Kerja di BMKG

Asep Jamaludin Malik — 2026-07-20

Optimalisasi kontribusi Generasi Z (Gen Z) di BMKG menjadi semakin penting seiring meningkatnya jumlah pegawai muda yang membawa karakteristik, nilai, dan preferensi kerja yang berbeda dibanding generasi sebelumnya. Penelitian ini bertujuan untuk menganalisis preferensi Gen Z terhadap dunia kerja dan gaya kepemimpinan di BMKG melalui tiga dimensi, yaitu umpan balik (feedback), motivasi kerja (work motivation), dan gaya kerja (working style). Data penelitian diperoleh dari 103 responden yang merupakan peserta Pelatihan Dasar (Latsar) Calon Pegawai Negeri Sipil (CPNS) BMKG Tahun 2025 dan termasuk dalam kategori Gen Z. Penelitian ini menggunakan metode kuantitatif deskriptif dengan instrumen kuesioner skala Likert 1–5 yang disusun berdasarkan kajian teori perilaku organisasi, kepemimpinan autentik, serta karakteristik generasi digital. Analisis data dilakukan untuk mengidentifikasi pola dominan preferensi responden terhadap gaya kepemimpinan di BMKG. Untuk dimensi umpan balik, mayoritas Gen Z menginginkan pemimpin yang jujur, transparan, dan mampu memberikan evaluasi secara langsung serta membangun. Pada dimensi motivasi kerja, responden merasa lebih termotivasi ketika pemimpin menunjukkan integritas, konsistensi tindakan, dan melibatkan mereka dalam proses pengambilan keputusan. Sementara pada dimensi gaya kerja, Gen Z lebih menyukai lingkungan kerja yang kolaboratif, fleksibel, tidak hierarkis, serta memberi ruang kreativitas dan inovasi. Secara keseluruhan, penelitian ini menyimpulkan bahwa Gen Z di BMKG memiliki preferensi kuat terhadap kepemimpinan yang autentik, adaptif, dan terbuka, yang mampu mendukung pengembangan diri serta memperkuat budaya kerja inklusif. Hasil penelitian ini diharapkan dapat menjadi dasar bagi pengembangan strategi kepemimpinan dan kebijakan sumber daya manusia yang lebih selaras dengan karakteristik generasi muda di BMKG

PENGEMBANGAN SISTEM PEMBELAJARAN ADAPTIF KECERDASAN BUATAN (AI) YANG DAPAT DISESUAIKAN DENGAN KEBUTUHAN PENDIDIKAN

Dwi Nur'aini — 2026-07-20

Perkembangan teknologi kecerdasan buatan atau Artificial Intelligence (AI) telah membawa perubahan signifikan dalam berbagai bidang, termasuk pendidikan. Penelitian ini membahas pengembangan sistem pembelajaran adaptif berbasis AI yang dapat disesuaikan dengan kebutuhan pendidikan modern. Sistem pembelajaran adaptif memungkinkan peserta didik memperoleh pengalaman belajar yang personal berdasarkan kemampuan, minat, serta kecepatan belajar masing-masing. Penelitian ini menggunakan metode studi literatur dengan mengkaji berbagai jurnal ilmiah, artikel akademik, dan laporan penelitian terkait adaptive learning dan AI dalam pendidikan. Data dianalisis secara kualitatif melalui tahapan reduksi data, penyajian data, dan penarikan kesimpulan secara deskriptif. Hasil kajian menunjukkan bahwa AI mampu meningkatkan efektivitas pembelajaran melalui personalisasi materi, rekomendasi pembelajaran otomatis, evaluasi berbasis data, serta pemberian umpan balik secara real time. Selain itu, sistem adaptif juga membantu guru dalam memantau perkembangan belajar peserta didik dan menentukan strategi pembelajaran yang lebih tepat. Pengembangan sistem yang efektif memerlukan integrasi antara analisis kebutuhan belajar, desain konten, asesmen, analitik data, infrastruktur digital, dan kesiapan guru sebagai pengambil keputusan. Meskipun memiliki banyak manfaat, implementasi AI dalam pendidikan masih menghadapi tantangan seperti perlindungan data, kesiapan infrastruktur digital, kesenjangan akses teknologi, dan potensi bias algoritma. Oleh karena itu, pengembangan sistem pembelajaran adaptif harus memperhatikan aspek pedagogis, etika, keamanan data, serta kesiapan sumber daya manusia. Dengan pengembangan yang tepat, AI berpotensi mendukung terciptanya pembelajaran yang lebih inklusif, fleksibel, dan berpusat pada peserta didik

IMPLEMENTASI LEARNING ANALYTICS DENGAN MENGGUNAKAN ARTIFICIAL INTELLIGENCE UNTUK EFEKTIVITAS PELATIHAN YANG BERDAMPAK

eko haryanto — 2026-07-20

Pusat Pengembangan Sumber Daya Manusia (PPSDM) MKG menghadapi tantangan besar dalam menjamin efektivitas pelatihan bagi 2.581 pegawai di tengah dinamika operasional MKG yang kompleks. Evaluasi konvensional sering gagal memprediksi dampak kinerja secara real-time karena bersifat administratif. Penelitian ini bertujuan merancang implementasi Learning Analytics (LA) berbasis Artificial Intelligence (AI) guna meningkatkan kualitas evaluasi pelatihan yang berdampak. Metode yang digunakan adalah Design Science Research (DSR) dengan memanfaatkan data historis pelatihan teknis MKG periode 2017-2021 (10.245 entri) sebagai basis pemodelan dan data 2022-2024 sebagai uji implementasi. Hasil analisis menunjukkan algoritma Random Forest mencapai akurasi tertinggi 87,76% dengan skor AUC 0,94 dalam mengidentifikasi peserta berisiko. Implementasi fitur Early Warning System pada dashboard terbukti menurunkan tingkat kegagalan pelatihan secara drastis dari 8,1% menjadi 1,44%. Studi ini menyimpulkan bahwa integrasi LA berbasis AI mampu menyelaraskan kompetensi teknis dengan capaian Indikator Kinerja Utama (IKU) organisasi, khususnya dalam menjaga akurasi peringatan dini bencana di bawah tiga menit dalam bidang meteorologi, klimatologi, dan geofisika. Transformasi manajemen pelatihan berbasis data ini diharap menjadi fondasi penting bagi terwujudnya Smart ASN BMKG yang profesional