Ekosistem Information Science, Sistem Informasi, dan Data Science

Untuk memahami ekosistem information science, sistem informasi, dan data science, serta hubungan hierarkis di antara ketiganya, kita perlu melihatnya dari sudut pandang domain pengetahuan, fokus aplikasi, dan interaksi antara teori serta praktik. Ketiga bidang ini saling terkait tetapi memiliki tujuan, metodologi, dan ruang lingkup yang berbeda.

Ketiga bidang ini—Information Science, Sistem Informasi, dan Data Science—memiliki hubungan yang lebih kompleks dari sekadar hierarki “induk-anak” yang kaku. Hubungan mereka lebih tepat digambarkan sebagai evolusi dan spesialisasi dari konsep-konsep yang saling terkait.

Hubungan Sistem Informasi, Information Science, dan Data Science

Ketiga bidang ini seperti lingkaran yang saling berpotongan dalam diagram Venn, bukan dalam hubungan hierarkis yang ketat seperti “induk-anak.” Namun, kita bisa melihat perkembangan historis dan cakupan konseptual untuk memahami bagaimana mereka berhubungan:

Information Science (Ilmu Informasi)

Information Science merupakan bidang yang paling tua dan luas dari ketiganya. Bidang ini mempelajari sifat informasi itu sendiri—bagaimana informasi diciptakan, diorganisir, disimpan, diambil, ditafsirkan, ditransmisikan, diubah, dan dimanfaatkan. Ruang lingkupnya mencakup aspek kognitif, sosial, teknologi, dan filosofis dari informasi.

Information Science merupakan bidang interdisipliner yang mempelajari sifat informasi, bagaimana informasi dikumpulkan, diklasifikasikan, dimanipulasi, disimpan, ditemukan kembali, dan disebarkan (Benbya dkk., 2021). Bidang ini memiliki akar sejarah yang paling tua di antara ketiganya, berkembang dari ilmu perpustakaan pada pertengahan abad ke-20.

Sistem Informasi

Sistem Informasi merupakan bidang yang lebih terapan, berfokus pada desain dan implementasi sistem teknologi yang mengumpulkan, memproses, menyimpan, dan mendistribusikan informasi untuk mendukung operasional, manajemen, dan pengambilan keputusan dalam suatu organisasi. Sistem Informasi mengadopsi prinsip-prinsip dari Information Science dan menerapkannya dalam konteks bisnis dan organisasi.

Data Science

Data Science merupakan bidang yang relatif baru, muncul seiring dengan meningkatnya volume dan kompleksitas data. Bidang ini berfokus pada ekstraksi pengetahuan dan wawasan dari data, menggunakan kombinasi statistik, metode komputasi, dan domain expertise. Data Science mewarisi aspek analitis dari Information Science tetapi dengan penekanan lebih kuat pada teknik-teknik kuantitatif.

Jika ingin memvisualisasikan hubungan konseptual, Information Science bisa dianggap sebagai fondasi teoretis yang luas, dengan Sistem Informasi sebagai penerapan prinsip-prinsip tersebut dalam konteks organisasi, dan Data Science sebagai spesialisasi yang berkembang untuk menangani aspek analitis dan prediktif dari data.

Sintesis Model Hubungan

Berdasarkan literatur yang ada, hubungan antara ketiga bidang ini lebih akurat digambarkan sebagai hubungan evolusioner dan simbiosis daripada hierarki “induk-anak” yang ketat:

1. Information Science menyediakan fondasi teoretis dan konseptual luas tentang sifat informasi itu sendiri (Song dkk., 2023).
2. Sistem Informasi mengaplikasikan prinsip-prinsip Information Science dalam konteks organisasi dan bisnis, dengan penekanan pada teknologi, proses, dan manusia (Dullinger dkk., 2024).
3. Data Science merepresentasikan evolusi terbaru yang memanfaatkan aspek analitis dari kedua bidang sebelumnya, tetapi dengan fokus pada metode statistik dan komputasi untuk menemukan pola dan menghasilkan wawasan dari data (Li dkk,. 2025).

(Dreisbach dkk., 2019) menggambarkan ini sebagai “spektrum informasi” di mana ketiga bidang saling melengkapi untuk membantu kita memahami, mengelola, dan memanfaatkan informasi dalam masyarakat berbasis data. Inilah hubungan konseptual yang menggambarkan ekosistem information science, sistem informasi, dan data science :

Evolusi dan Cakupan Konseptual

Information Science (Ilmu Informasi)

Information Science merupakan bidang yang paling fundamental dan luas. Bidang ini muncul sekitar tahun 1950-an, berfokus pada pemahaman teoretis tentang sifat informasi itu sendiri—bagaimana informasi diciptakan, diorganisasi, disimpan, ditemukan kembali, dan diinterpretasikan. Information Science memiliki akar dalam ilmu perpustakaan, teori komunikasi, dan epistemologi (ilmu tentang pengetahuan).

Information Science bertanya: Apa itu informasi? Bagaimana informasi dikodekan, diproses, dan dipahami? Bagaimana informasi berubah menjadi pengetahuan?

Sistem Informasi

Sistem Informasi berkembang dari Information Science, muncul sekitar tahun 1970-1980an sebagai respons terhadap kebutuhan untuk menerapkan prinsip-prinsip ilmu informasi dalam konteks bisnis dan organisasi. Sistem Informasi berfokus pada aspek praktis dan teknologi dari pengelolaan informasi untuk mendukung tujuan organisasi.

Sistem Informasi bertanya: Bagaimana kita merancang sistem yang mengumpulkan, memproses, dan mendistribusikan informasi secara efektif? Bagaimana teknologi informasi mendukung proses bisnis dan pengambilan keputusan?

Data Science

Data Science merupakan evolusi terbaru, muncul sekitar tahun 2010-an, didorong oleh meningkatnya volume data dan kapasitas komputasi. Data Science mengadopsi aspek analitis dari kedua bidang sebelumnya, tetapi dengan fokus pada ekstraksi wawasan dan nilai dari data menggunakan metode statistik dan komputasi yang canggih.

Data Science bertanya: Apa pola-pola yang dapat ditemukan dalam data? Bagaimana kita bisa memprediksi tren masa depan berdasarkan data historis? Bagaimana kita mengubah data menjadi keputusan yang lebih baik?

Hubungan Konseptual, Bukan Hierarkis

Diagram yang dibuat sebelumnya menggambarkan hubungan ini sebagai lapisan-lapisan ekosistem information science, sistem informasi dan data science yang saling membangun, bukan struktur hierarkis kaku:

1. Information Science menyediakan fondasi teoretis dan konseptual luas tentang informasi sebagai entitas.
2. Sistem Informasi membangun di atas fondasi ini dengan fokus pada penerapan praktis dalam organisasi dan pengembangan teknologi untuk mengelola informasi tersebut.
3. Data Science memperluas keduanya dengan memfokuskan pada metode analitis canggih untuk mengekstrak nilai dari data, yang merupakan bentuk informasi yang terstruktur.

Pada praktiknya, batas antara ketiga bidang ini semakin kabur. Misalnya, seorang profesional Sistem Informasi modern perlu memahami konsep-konsep Data Science, dan seorang data scientist perlu memahami bagaimana sistem informasi organisasi beroperasi.

Ketimbang melihatnya sebagai struktur hierarkis, lebih tepat memandang ketiga bidang ini sebagai “ekosistem informasi” yang saling melengkapi, dimana:

• Information Science menyediakan kerangka teoretis tentang informasi
• Sistem Informasi menyediakan infrastruktur dan konteks organisasi
• Data Science menyediakan metode analitis untuk mengekstrak nilai dari data

Dengan demikian, ketiga bidang ini bersama-sama membentuk spektrum pemahaman kita tentang bagaimana kita menciptakan, mengelola, dan memanfaatkan informasi dalam masyarakat modern.

Kesimpulan

Berdasarkan kajian referensi ilmiah di atas, hubungan antara Information Science, Sistem Informasi, dan Data Science lebih tepat dilihat sebagai sebuah ekosistem informasi yang saling terkait dan mengalami evolusi seiring waktu, bukan hierarki “induk-anak” yang kaku.

Information Science memberikan fondasi teoretis tentang sifat informasi itu sendiri. Sistem Informasi mengaplikasikan prinsip-prinsip ini dalam konteks organisasi dengan fokus pada implementasi teknologi dan proses. Data Science kemudian muncul sebagai evolusi lebih lanjut yang berfokus pada metode analitik untuk mengekstrak nilai dari data.

Ketiga bidang ini semakin konvergen dalam era data besar, bekerja sama untuk membantu kita memahami, mengelola, dan memanfaatkan informasi dan data dalam masyarakat digital yang kompleks. Pemahaman tentang keterhubungan ini penting untuk pengembangan interdisipliner yang efektif antara ketiga bidang tersebut.

Referensi:

• Song, Y., Wei, K., Yang, S., Shu, F., & Qiu, J. (2023). Analysis on the research progress of library and information science since the new century. Library hi tech, 41(4), 1145-1157.
• Dullinger, I., Fröschl, S., Fürst, E., Greil, M., Kalová, T., & Mahrer, C. (2024). Bridging the Gap: Research Data in Research Information Systems. Procedia Computer Science, 249, 203-208.
• Li, X., & Guo, Y. (2025). Paradigm shifts from data-intensive science to robot scientists. Science Bulletin, 70(1), 14-18.
• Dreisbach, C., Koleck, T. A., Bourne, P. E., & Bakken, S. (2019). A systematic review of natural language processing and text mining of symptoms from electronic patient-authored text data. International journal of medical informatics, 125, 37-46.
• Benbya, H., Pachidi, S., & Jarvenpaa, S. (2021). Special issue editorial: Artificial intelligence in organizations: Implications for information systems research. Journal of the Association for Information Systems, 22(2), 10.