Catatan penulis
Artikel ini saya tulis sebagai versi yang lebih cair dan reflektif dari paper proceeding saya yang dipresentasikan pada Borneo Undergraduate Academic Forum (BUAF) 2024) di UINSI Samarinda. Substansinya tetap merujuk pada penelitian asli saya, tetapi cara penyampaiannya saya ubah agar lebih nyaman dibaca sebagai artikel.
Catatan data
Penelitian ini dilakukan dengan data dan kondisi lapangan pada tahun 2024. Karena itu, angka, konteks institusi, dan kondisi infrastruktur yang dibahas di sini sangat mungkin telah berubah. Artikel ini paling tepat dibaca sebagai potret analitis pada saat penelitian dilakukan.
Menghitung Ulang Biaya Infrastruktur Kampus
Selama ini, diskusi tentang infrastruktur IT kampus sering berhenti pada dua pertanyaan yang terlalu sederhana: pakai server sendiri atau pindah ke cloud? Lalu setelah itu, pembicaraan biasanya langsung bergerak ke isu teknis atau ke harga yang tampak di permukaan.
Padahal, bagi perguruan tinggi, persoalannya jauh lebih dalam. Infrastruktur IT bukan hanya soal tempat menaruh aplikasi dan basis data. Ia terkait langsung dengan beban operasional tahunan, beban tenaga kerja, siklus pemeliharaan, konsumsi listrik, kebutuhan skalabilitas, dan pada akhirnya kualitas layanan akademik dan administratif.
Dalam penelitian ini, saya mencoba melihat pertanyaan itu secara lebih disiplin: model infrastruktur mana yang lebih efisien secara biaya operasional ketika diukur terhadap jumlah pengguna yang benar-benar dilayani?
Untuk menjawabnya, saya membandingkan tiga pendekatan yang digunakan oleh tiga perguruan tinggi di Banjarmasin:
- on-premises di Universitas Islam Negeri Antasari,
- hybrid cloud di Politeknik Negeri Banjarmasin,
- public cloud di STIMIK Indonesia Banjarmasin.
Dari luar, pembahasan ini mungkin terdengar seperti studi biaya biasa. Tetapi semakin lama saya mengerjakannya, semakin jelas bahwa efisiensi tidak pernah sesederhana “cloud lebih murah” atau “server sendiri lebih aman”. Yang menentukan justru adalah struktur biaya, skala pengguna, dan cara institusi bertumbuh.
Kenapa saya merasa topik ini penting?
Perguruan tinggi hari ini bergantung pada data dalam hampir semua lini kerja: sistem akademik, administrasi, layanan dosen, pelaporan, integrasi aplikasi, sampai pengelolaan pangkalan data institusi. Ketika kebutuhan penyimpanan dan pemrosesan meningkat, infrastruktur ikut membesar, dan biaya ikut menebal.
Pada model on-premises, institusi memang punya kontrol penuh atas perangkat, jaringan, dan lingkungan sistem. Tetapi kontrol itu dibayar dengan harga yang nyata: investasi perangkat keras, biaya listrik, suku cadang, pemeliharaan, serta kebutuhan tenaga teknis internal.
Di sisi lain, cloud computing menawarkan logika yang berbeda. Biaya modal bisa ditekan, layanan lebih elastis, dan sebagian kompleksitas operasional dipindahkan ke penyedia layanan. Namun, model ini bukan tanpa konsekuensi. Ketika pola penggunaan tidak efisien atau jumlah pengguna tidak bertumbuh, cloud juga bisa terasa mahal.
Karena itu, saya tidak ingin berhenti pada pertanyaan “mana yang lebih modern”, tetapi pada pertanyaan yang menurut saya lebih jujur secara institusional:
infrastruktur seperti apa yang benar-benar paling masuk akal jika biaya dibaca bersama dengan jumlah pengguna yang dilayani?
Ruang lingkup penelitian
Penelitian ini berfokus pada tiga perguruan tinggi di Banjarmasin yang mewakili tiga model deployment yang berbeda:
- Universitas Islam Negeri Antasari dengan pendekatan on-premises
- Politeknik Negeri Banjarmasin dengan pendekatan hybrid cloud
- STIMIK Indonesia Banjarmasin dengan pendekatan public cloud
Tujuan penelitian saya bukan hanya memotret total biaya, tetapi menganalisis biaya operasional pangkalan data dalam hubungannya dengan jumlah mahasiswa dan dosen aktif. Dengan kata lain, saya mencoba melihat biaya bukan sebagai angka absolut, melainkan sebagai biaya yang tersebar ke populasi pengguna nyata.
Dua hipotesis yang saya gunakan adalah sebagai berikut:
- Persentase efisiensi biaya operasional akan meningkat ketika output meningkat, yaitu jumlah mahasiswa dan dosen bertambah, dengan input biaya operasional yang tetap.
- Hybrid cloud akan menunjukkan efisiensi biaya operasional yang lebih baik dibandingkan on-premises dan public cloud, bahkan ditargetkan meningkat lebih dari 10% per tahun.
Sebelum masuk ke hasil: apa yang sebenarnya sedang dibandingkan?
Agar pembacaan hasilnya tidak terjebak pada label teknologi, saya ingin menegaskan dulu bahwa penelitian ini pada dasarnya membandingkan tiga logika pembiayaan infrastruktur.
1. On-premises
Pada model ini, perangkat keras, perangkat lunak inti, dan pengelolaan operasional berada di lingkungan fisik kampus. Model ini memberikan kontrol paling tinggi, tetapi juga menempatkan banyak beban biaya di internal institusi.
2. Public cloud
Pada model ini, institusi menggunakan layanan dari penyedia cloud eksternal. Investasi awal pada perangkat keras bisa jauh lebih kecil, tetapi biaya akan sangat bergantung pada pola konsumsi layanan, konfigurasi, dan stabilitas beban kerja.
3. Hybrid cloud
Hybrid cloud berada di tengah. Sebagian beban kerja tetap dijalankan secara internal, sementara sebagian lain dipindahkan ke cloud. Dalam banyak kasus, model ini bukan sekadar kompromi teknis, tetapi kompromi ekonomis yang cukup rasional.
Kerangka berpikir penelitian
Agar pembaca mendapat konteks yang utuh, berikut beberapa visual dari paper yang dapat diletakkan di artikel ini.
Gambar 1. Arsitektur Cloud
Diagram pertama membantu menjelaskan bahwa cloud bukan sekadar “server di internet”, melainkan arsitektur berlapis yang menghubungkan perangkat pengguna, internet, keamanan, storage, aplikasi, layanan, operasi cloud, dan infrastruktur.
Gambar 2. Cloud Deployment Model
Diagram kedua penting karena menjelaskan posisi public cloud, private cloud, hybrid cloud, dan community cloud. Dalam penelitian saya, pembedaan ini penting karena setiap model membawa karakter biaya yang berbeda.
Metode yang saya gunakan
Penelitian ini menggunakan pendekatan kuantitatif dengan wawancara terstruktur kepada staf IT dari tiga perguruan tinggi yang menjadi objek penelitian.
Data yang saya kumpulkan difokuskan pada tiga komponen utama:
- CapEx (Capital Expenditure): biaya investasi seperti server, UPS, dan perangkat fisik lainnya
- OpEx (Operational Expenditure): biaya operasional seperti listrik, internet, pemeliharaan, layanan cloud, dan migrasi data
- Biaya SDM: total gaji staf yang terlibat dalam pengelolaan pangkalan data
Setelah data terkumpul, saya menggunakan dua pendekatan analisis:
- statistik deskriptif untuk merangkum pola biaya dan pengguna,
- Data Envelopment Analysis (DEA) untuk membaca efisiensi relatif berdasarkan hubungan antara input dan output.
Gambar 3. Alur Prosedur Metode Penelitian
Rumus yang digunakan dalam analisis
Bagian ini saya sengaja tulis agak jelas, karena justru di sinilah inti logika penelitian berada.
Rumus 1 — BOPPD per mahasiswa dan dosen
Biaya Operasional Pangkalan Data per Mahasiswa dan Dosen saya hitung dengan rumus berikut:
BOPPD per Mahasiswa dan Dosen =
(CapEx + OpEx + Total Gaji Staf PD) /
Jumlah Mahasiswa dan Dosen
Rumus ini penting karena mengubah total biaya institusi menjadi ukuran yang lebih adil: berapa besar biaya operasional pangkalan data jika dibagi ke jumlah pengguna yang benar-benar dilayani.
Rumus 2 — Persentase efisiensi terhadap rata-rata
Untuk melihat posisi masing-masing institusi terhadap rerata tahunan, saya menggunakan rumus:
%Efisiensi terhadap rata-rata =
1 - (BOPPD α / Rata-rata BOPPD per tahun) × 100%
Dengan rumus ini, saya bisa melihat apakah suatu institusi berada di atas atau di bawah rerata biaya operasional per pengguna pada tahun tertentu.
Rumus 3 — Persentase efisiensi relatif
Untuk membandingkan antarperguruan tinggi secara langsung, saya juga menggunakan rumus berikut:
%Efisiensi Relatif =
(Standar BOPPD / BOPPD α) × 100%
Dalam analisis ini, UIN Antasari saya gunakan sebagai titik acuan atau standar pembanding.
Faktor-faktor yang benar-benar menentukan efisiensi
Salah satu hal yang saya anggap penting untuk ditekankan adalah bahwa efisiensi biaya operasional tidak lahir dari satu faktor tunggal. Ia terbentuk dari beberapa lapisan yang saling berkaitan.
1. Jumlah dan biaya staf pengelola
Infrastruktur tidak berjalan sendiri. Selalu ada biaya SDM di belakangnya.
| Perguruan Tinggi | Jumlah Staf | Gaji per Bulan | Gaji per Tahun |
|---|---|---|---|
| Universitas Islam Negeri Antasari | 5 | Rp 19.454.000 | Rp 233.448.000 |
| Politeknik Negeri Banjarmasin | 8 | Rp 30.134.000 | Rp 361.608.000 |
| STIMIK Indonesia Banjarmasin | 3 | Rp 9.560.000 | Rp 114.720.000 |
Dari sini terlihat bahwa biaya SDM sendiri sudah membentuk struktur beban yang berbeda sejak awal. Artinya, sebelum berbicara tentang cloud atau server fisik, institusi sebenarnya sudah berada pada basis biaya yang tidak sama.
2. Komponen CapEx dan OpEx
Selain SDM, saya juga memetakan komponen biaya yang secara langsung menopang operasional pangkalan data.
| Perguruan Tinggi | Komponen CapEx dan OpEx | Total Biaya per Tahun |
|---|---|---|
| Universitas Islam Negeri Antasari |
Server (8 unit) dan UPS (6 unit)
Biaya listrik dan internet
Suku cadang dan pemeliharaan
|
Rp 2.058.531.770 |
| Politeknik Negeri Banjarmasin |
Server (3 unit) dan UPS (5 unit)
Biaya listrik dan internet
Layanan cloud dan migrasi data
Suku cadang dan pemeliharaan
|
Rp 639.310.598 |
| STIMIK Indonesia Banjarmasin |
Layanan cloud dan migrasi data
Biaya internet
|
Rp 94.480.000 |
Tabel ini memperlihatkan sesuatu yang cukup jelas: model infrastruktur yang berbeda bukan hanya menghasilkan angka biaya yang berbeda, tetapi juga membentuk anatomi biaya yang berbeda.
3. Total Cost of Ownership
Setelah biaya operasional dan biaya SDM dijumlahkan, saya memperoleh Total Cost of Ownership (TCO) berikut.
| Perguruan Tinggi | Total Cost of Ownership |
|---|---|
| Universitas Islam Negeri Antasari | Rp 2.291.979.770 |
| Politeknik Negeri Banjarmasin | Rp 1.000.918.600 |
| STIMIK Indonesia Banjarmasin | Rp 209.200.000 |
Kalau berhenti di sini, public cloud terlihat paling murah. Tetapi justru di sinilah jebakannya. Biaya total yang rendah tidak otomatis berarti paling efisien, karena efisiensi baru bermakna ketika biaya itu dibandingkan dengan jumlah pengguna yang dilayani.
4. Skala pengguna aktif
Faktor berikutnya adalah jumlah mahasiswa dan dosen aktif. Tanpa variabel ini, pembacaan biaya akan cenderung menipu.
| Perguruan Tinggi | 2019 | 2020 | 2021 | 2022 | 2023 |
|---|---|---|---|---|---|
| Universitas Islam Negeri Antasari | 13.974 | 13.394 | 13.118 | 12.883 | 12.533 |
| Politeknik Negeri Banjarmasin | 3.110 | 3.602 | 3.730 | 3.908 | 4.115 |
| STIMIK Indonesia Banjarmasin | 1.801 | 1.382 | 1.294 | 1.012 | 810 |
Di titik ini, arah analisis mulai terlihat lebih jelas:
- UIN Antasari memiliki basis pengguna terbesar, tetapi cenderung menurun.
- Politeknik Negeri Banjarmasin justru menunjukkan pertumbuhan pengguna dari tahun ke tahun.
- STIMIK Indonesia Banjarmasin mengalami penurunan pengguna yang cukup tajam.
Perubahan ini sangat menentukan karena biaya tetap yang dibagi ke pengguna yang lebih sedikit akan membuat biaya per pengguna naik.
Hasil utama: biaya operasional pangkalan data per pengguna
Setelah TCO dibaca bersama jumlah mahasiswa dan dosen aktif, saya memperoleh BOPPD per tahun sebagai berikut.
| Perguruan Tinggi | 2019 | 2020 | 2021 | 2022 | 2023 |
|---|---|---|---|---|---|
| Universitas Islam Negeri Antasari | Rp 164.017 | Rp 171.120 | Rp 174.720 | Rp 177.907 | Rp 182.876 |
| Politeknik Negeri Banjarmasin | Rp 321.839 | Rp 277.878 | Rp 268.343 | Rp 256.120 | Rp 243.236 |
| STIMIK Indonesia Banjarmasin | Rp 116.157 | Rp 151.374 | Rp 161.669 | Rp 206.719 | Rp 258.272 |
| Rata-rata BOPPD per Tahun | Rp 200.671 | Rp 200.124 | Rp 201.640 | Rp 213.582 | Rp 228.128 |
Dari tabel ini, saya melihat tiga pola yang sangat kontras.
UIN Antasari: stabil, tetapi tidak melonjak efisien
Biaya per pengguna di UIN Antasari relatif stabil dengan kenaikan yang bertahap. Ini menunjukkan bahwa model on-premises masih bisa dijaga dalam kondisi yang cukup terkendali, terutama jika institusi memiliki basis pengguna yang besar. Namun, model ini juga tidak menunjukkan lonjakan efisiensi yang signifikan.
Politeknik Negeri Banjarmasin: hybrid cloud bekerja paling baik dalam konteks ini
Yang paling menarik justru Poliban. Pada 2019, BOPPD-nya masih cukup tinggi, tetapi terus menurun hingga 2023. Ini penting, karena penurunan biaya per pengguna terjadi bersamaan dengan kenaikan jumlah pengguna aktif. Dalam pembacaan saya, ini merupakan tanda paling jelas bahwa hybrid cloud bekerja bukan hanya sebagai solusi teknis, tetapi juga sebagai mekanisme distribusi biaya yang lebih sehat.
STIMIK Indonesia Banjarmasin: public cloud tidak otomatis unggul
STIMIK menunjukkan pola sebaliknya. Pada awal periode, BOPPD terlihat rendah, tetapi kemudian naik cukup tajam. Ini bukan berarti public cloud gagal secara mutlak. Masalah utamanya justru ada pada basis pengguna yang menurun, sementara biaya layanan tetap harus dibayar. Akibatnya, beban biaya per pengguna membesar dari tahun ke tahun.
Bagi saya, temuan ini penting karena membantah pandangan yang terlalu simplistis bahwa public cloud selalu paling efisien.
Efisiensi terhadap rata-rata tahunan
Untuk melihat posisi masing-masing institusi terhadap rerata tahunan, saya menghitung persentase efisiensi terhadap rata-rata BOPPD.
| Perguruan Tinggi | 2019 | 2020 | 2021 | 2022 | 2023 | Perubahan |
|---|---|---|---|---|---|---|
| Universitas Islam Negeri Antasari | 18,26% | 14,49% | 13,35% | 16,70% | 19,84% | 7,96% |
| Politeknik Negeri Banjarmasin | (60,38%) | (38,85%) | (33,08%) | (23,89%) | (6,62%) | 89,04% |
| STIMIK Indonesia Banjarmasin | 57,88% | 24,36% | 19,82% | 3,20% | (13,21%) | (122,74%) |
Tabel ini memperlihatkan dinamika yang lebih tajam daripada sekadar melihat angka BOPPD mentah. Poliban menunjukkan perbaikan terbesar terhadap rata-rata, sedangkan STIMIK mengalami pelemahan paling drastis.
Efisiensi relatif terhadap UIN Antasari
Karena UIN Antasari saya jadikan titik acuan, saya juga menghitung efisiensi relatif kedua institusi lainnya terhadap UIN.
| Perguruan Tinggi | 2019 | 2020 | 2021 | 2022 | 2023 | Perubahan |
|---|---|---|---|---|---|---|
| Politeknik Negeri Banjarmasin | 50,96% | 61,51% | 65,11% | 69,46% | 75,18% | 47,48% |
| STIMIK Indonesia Banjarmasin | 141,20% | 113,04% | 108,07% | 86,06% | 70,80% | (49,93%) |
Gambar 4. Grafik Efisiensi Relatif
Pada titik ini, arah temuan penelitian saya menjadi cukup tegas.
- UIN Antasari cenderung stabil, meskipun tidak menunjukkan lompatan efisiensi yang tajam.
- Politeknik Negeri Banjarmasin memperlihatkan kenaikan efisiensi relatif sebesar 47,48% terhadap UIN Antasari dari 2019 sampai 2023.
- STIMIK Indonesia Banjarmasin justru mengalami penurunan efisiensi relatif sebesar 49,93%.
Menurut pembacaan saya, hasil ini memperlihatkan bahwa hybrid cloud adalah model yang paling masuk akal dalam konteks penelitian ini. Bukan karena ia otomatis paling murah, tetapi karena ia mampu menjaga keseimbangan antara struktur biaya dan pertumbuhan pengguna.
Sebaliknya, public cloud dalam studi ini tidak unggul secara otomatis. Ketika jumlah pengguna turun dan biaya layanan tetap, model yang semula terlihat ringan justru bisa menghasilkan biaya per pengguna yang makin berat.
Jadi, faktor apa yang paling menentukan efisiensi?
Jika diringkas, penelitian ini menunjukkan bahwa efisiensi biaya operasional pangkalan data sangat dipengaruhi oleh kombinasi faktor berikut:
Struktur CapEx dan OpEx
Setiap model infrastruktur memiliki komposisi biaya yang berbeda. On-premises cenderung berat di investasi dan pemeliharaan, sementara cloud lebih dominan pada biaya layanan.Biaya SDM pengelola
Jumlah staf dan total gaji ikut membentuk total beban operasional institusi.Jumlah pengguna aktif
Ini adalah variabel yang sangat menentukan. Ketika biaya relatif tetap tetapi pengguna bertambah, biaya per pengguna turun. Sebaliknya, ketika pengguna menurun, efisiensi mudah melemah.Model pertumbuhan institusi
Infrastruktur yang sama bisa tampak efisien di institusi yang tumbuh, tetapi tampak mahal di institusi yang basis penggunanya menyusut.Strategi migrasi atau pembagian beban kerja
Hybrid cloud tampak efektif karena institusi tidak harus memindahkan seluruh beban secara penuh sekaligus. Ada ruang untuk memilih apa yang tetap di internal dan apa yang lebih efisien jika dipindah ke cloud.
Dengan kata lain, efisiensi tidak pernah ditentukan oleh teknologi saja. Ia ditentukan oleh teknologi yang dibaca bersama konteks organisasi.
Apa arti temuan ini bagi kampus?
Bagi saya, implikasi paling penting dari penelitian ini adalah bahwa kampus seharusnya tidak mengambil keputusan infrastruktur hanya berdasarkan dua hal: tren teknologi dan harga total yang tampak murah.
Yang lebih penting justru adalah:
- bagaimana struktur biaya itu tersusun,
- seberapa besar populasi pengguna yang dilayani,
- apakah jumlah pengguna bertumbuh atau menurun,
- dan apakah institusi punya kapasitas mengelola beban teknisnya sendiri.
Dalam konteks yang saya teliti, hybrid cloud muncul sebagai model yang paling seimbang. Ia tidak memaksa migrasi total, tetap memberi ruang kontrol internal, tetapi sekaligus membuka peluang efisiensi yang lebih baik.
Bagi perguruan tinggi yang masih sangat bergantung pada on-premises, temuan ini menurut saya cukup jelas: transisi tidak harus langsung penuh ke public cloud. Justru model transisi bertahap melalui hybrid cloud tampak lebih rasional, baik secara operasional maupun secara ekonomi.
Keterbatasan yang perlu saya akui
Agar artikel ini tetap fair secara akademik, ada beberapa keterbatasan yang perlu saya nyatakan secara terbuka.
- Penelitian ini hanya mencakup tiga perguruan tinggi di Banjarmasin.
- Data yang digunakan merepresentasikan kondisi pada periode penelitian, sehingga tidak otomatis merefleksikan kondisi terbaru.
- Efisiensi biaya sangat mungkin dipengaruhi oleh kebijakan internal, model penganggaran, dan keputusan teknis masing-masing institusi.
- Angka biaya cloud juga bersifat dinamis dan bisa berubah seiring perubahan harga layanan, konfigurasi, atau kebutuhan komputasi.
Jadi, hasil penelitian ini tidak saya maksudkan sebagai rumus universal untuk semua kampus. Yang lebih tepat, ia adalah temuan empiris yang kuat dalam konteks tertentu, dan justru di situlah nilai analitisnya.
Refleksi penulis
Saat menulis paper ini, saya awalnya mengira hasil akhirnya akan sangat mudah ditebak: public cloud kemungkinan besar akan terlihat paling efisien. Tetapi setelah data saya susun dan saya baca berulang-ulang, kesimpulannya ternyata tidak sesederhana itu.
Yang saya pelajari justru begini: dalam infrastruktur IT, biaya tidak pernah berdiri sendiri. Ia selalu bergerak bersama skala layanan, pertumbuhan pengguna, dan keputusan institusi tentang apa yang dipertahankan serta apa yang dialihkan.
Di situlah saya merasa penelitian ini menarik. Ia tidak hanya berbicara tentang server dan cloud, tetapi juga tentang cara kampus membaca masa depannya sendiri. Kadang-kadang, pilihan yang paling efisien bukan pilihan yang paling ekstrem, melainkan pilihan yang paling proporsional.
Kalau saya boleh merumuskan satu kalimat penutup yang paling jujur dari penelitian ini, mungkin bunyinya seperti ini:
bagi perguruan tinggi, pertanyaan yang tepat bukan lagi “harus on-premises atau cloud?”, melainkan “kombinasi infrastruktur seperti apa yang paling sesuai dengan struktur biaya dan pertumbuhan institusi kita?”
Referensi penelitian
Artikel ini merupakan adaptasi dari paper proceeding saya:
Muhammad Kaspul Anwar & Muhammad Lutfan
Premises Cloud Costscape pada Efisiensi Infrastruktur IT Perguruan Tinggi di Banjarmasin
The Proceedings of the 8th Borneo Undergraduate Academic Forum, 2024