ANALISIS USABILITY WEBSITE UNIVERSITAS NEGERI DI PULAU JAWA DAN SUMATERA MENGGUNAKAN METODE SAW DAN TOPSIS
(Skripsi)
Oleh ANITA
JURUSAN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS LAMPUNG 2016
ABSTRACT AN ANALYZES USABILITY WEBSITE OF THE STATE UNIVERSITY IN JAVA AND SUMATERA BY USING SAW AND TOPSIS METHOD
By
ANITA
The research was conducted to determine the comparative rank among website rank private university in Java and Sumatera by using the SAW and TOPSIS method with Webometrics rank release ini January 2016. This study used automatic website evaluation tools. This research object is the 49 private university website in Java and Sumatera. 49 website private university data retrieval is done using automatic website evaluation tools, accessibility, customization and personalization, download speed, ease of use, errors, navigation and site content, after the data was obtained then performed to obtain the results of calculations by the SAW and TOPSIS method. The results were then compared with Webometrics rank the release in January 2016 by using spearman test and Z test for hypotheses tested. The results showed (1) Z test SAW rank with the same TOPSIS rank is significant, as evidenced by the value of z count the value 6,75 which is larger than 5% significance level that should be 1,96. (2) Z test TOPSIS rank with the same Webometrics release in January 2016rank is significant, as evidenced by the value of z count the value 6,6 which is larger than 5% significance level that should be 1,96. (3) Z test SAW rank with the same Webometrics release in January 2016 rank is significant, as evidenced by the value of z count the value 6,84 which is larger than 5% significance level that should be 1,96.
Key Words university.
: usability website, SAW, TOPSIS, Spearman Test, Webometrics,
ABSTRAK ANALISIS USABILITY WEBSITE UNIVERSITAS NEGERI DI PULAU JAWA DAN SUMATERA MENGGUNAKAN METODE SAW DAN TOPSIS
Oleh
ANITA
Penelitian ini dilakukan untuk mengetahui perbandingan peringkat antara perangkingan website universitas negeri di Pulau Jawa dan Sumatera dengan menggunakan Metode SAW dan TOPSIS dengan hasil perangkingan Webometrics yang rilis pada Januari 2016. Penelitian ini menggunakan automatic website evaluation tools. Objek penelitian ini adalah 49 website univeristas negeri di Pulau Jawa dan Sumatera. 49 website universitas tersebut dilakukan pengambilan data menggunakan automatic website evaluation tools untuk mengetahui accessibility, customization and personalization, download speed, ease of use, errors, navigation dan site content, setelah data diperoleh kemudian dilakukan perhitungan untuk memperoleh hasil perangkingan dengan Metode SAW dan TOPSIS. Hasil perangkingan kemudian dibandingkan dengan perangkingan Webometrics yang rilis bulan januari 2016 dengan menggunakan uji Spearman dan uji Z untuk dilakukan uji hipotesis. Hasil penelitian menunjukkan bahwa:(1) Uji Z perangkingan Metode SAW dengan perangkingan Metode TOPSIS adalah signifikan sama, terbukti dengan nilai z hitung yang bernilai 6,75 dimana bernilai lebih besar dari taraf signifikansi 5% yang seharusnya 1,96. (2) Uji Z perangkingan Webometrics dengan perangkingan metode TOPSIS adalah signifikan sama, terbukti dengan nilai z hitung yang bernilai 6,6 dimana bernilai lebih besar dari taraf signifikansi 5% yang seharusnya bernilai 1,96. (3) Uji Z perangkingan Webometrics dengan perangkingan metode SAW adalah signifikan berbeda, terbukti dengan nilai z hitung yang bernilai 6,84 dimana bernilai lebih besar dari taraf signifikansi 5% yang seharusnya bernilai 1,96. Kata Kunci universitas.
: usability website, SAW, TOPSIS, uji Spearman, Webometrics,
ANALISIS USABILITY WEBSITE UNIVERSITAS NEGERI DI PULAU JAWA DAN SUMATERA MENGGUNAKAN METODE SAW DAN TOPSIS
Oleh ANITA
Skripsi Sebagai Salah Satu Syarat untuk Memperoleh Gelar SARJANA KOMPUTER pada Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam
JURUSAN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS LAMPUNG 2016
RIWAYAT HIDUP
Penulis dilahirkan pada tanggal 29 Juli 1994 di Reno Basuki Kec. Rumbia Lampung Tengah, sebagai anak tunggal dengan Ayah bernama Sumarlan dan Ibu bernama Sri Sulastri. Penulis menyelesaikan pendidikan di Sekolah Dasar di SD Negeri 2 Reno Basuki Kecamatan Rumbia Kabupaten Lampung Tengah tahun 2007, Sekolah Menengah Pertama (SMP) diselesaikan di SMP N 1 Rumbia Lampung Tengah pada tahun 2010, kemudian melanjutkan ke jenjang Sekolah Menengah Atas (SMA) Negeri 1 Rumbia Lampung Tengah dan kemudian lulus di tahun 2012. Tahun 2012, penulis terdaftar sebagai mahasiswa Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung. Kegiatan yang dilakukan penulis selama menjadi mahasiswa antara lain: 1. Bulan Januari 2013 penulis melaksanakan Karya Wisata Ilmiah di Desa Sukaharjo IV Kabupaten Peringsewu. 2. Bulan Januari 2015 penulis melaksanakan kerja praktek di Badan Pusat Statistik (BPS) Kota Metro. 3. Bulan Juli 2015 penulis melaksanakan Kuliah Kerja Nyata (KKN) di Desa Sukajaya Kecamatan Gunung Agung Kabupaten Tulang Bawang Barat.
MOTO “FAINNAMA’AL USRI YUSRO. INNAMA’AL USRI YUSRO” Sesungguhnya bersama dengan kesulitan ada kemudahan. Bersama dengan kesulitan ada kemudahan. (Q.S.Al-Insyirah:6-7)
“WA MAN JAAHADA FA-INNAMAA YUJAAHIDU LINAFSIHI” Barangsiapa bersungguh-sungguh, sesungguhnya kesungguhannya itu untuk dirinya sendiri.
(Q.S.Al-Ankabut:6)
PERSEMBAHAN
Teruntuk Ayah Ibuku yang sangat kucintai, kupersembahkan skripsi ini Terimakasih untuk kasih sayang, perhatian, pengorbanan, usaha, dukungan moril maupun materi, motivasi dan do’a-do’a yang tiada henti untuk kesuksesanku....
Teruntuk Ananto Nugroho, Terima kasih telah menemaniku menyelesaikan studi sarjanaku, terimakasih untuk semangat, perhatian dan doa yang kau berikan untukku
Teruntuk sahabat-sahabatku Riska, Maya, Qonitati, Erlina, Yuni, Nafi, Puja, Deby, Eko, Kikin, Arum, Bintang, Astuti Terimakasih untuk canda tawa, tangis dan perjuangan yang kita lewati bersama dan terima kasih untuk kenangan manis yang telah terukir selama ini....
SANWACANA
Assalamualaikum wr. wb. Alhamdulillah, segala puji bagi Allah SWT yang telah melimpahkan rahmat, hidayah, kesehatan dan karunia-Nya sehingga penulis dapat menyelesaikan penulisan tugas akhir yang berjudul “Analisis Usability Website Universitas Negeri di Pulau Jawa dan Sumatera Menggunakan Metode SAW dan TOPSIS” dengan baik dan lancar. Terima kasih penulis ucapkan kepada semua pihak yang telah membantu dan berperan besar dalam menyusun tugas akhir ini, antara lain: 1. Kedua orang tua tercinta, Bapak Sumarlan dan Ibu Sri Sulastri, dan keluarga besar yang selalu memberi do’a, motivasi dan kasih sayang yang tak terhingga. 2. Bapak Aristoteles, S.Si.,M.Si. sebagai pembimbing utama, yang telah membimbing penulis dan memberikan ide, kritik serta saran sehingga penulisan tugas akhir ini dapat diselesaikan. 3. Bapak Rico Andrian, M.Kom. sebagai pembimbing kedua, yang telah membimbing penulis dan memberikan bantuan, kritik serta saran dalam pembuatan tugas akhir ini.
4. Bapak Feby Eka Febriansyah, M.T. sebagai pembahas, yang telah memberikan masukan yang bermanfaat dalam perbaikan skripsi ini. 5. Bapak Prof. Warsito, S.Si.,D.E.A.,Ph.D. selaku Dekan FMIPA Universitas Lampung. 6. Bapak Dr. Ir. Kurnia Muludi, M.S.Sc., selaku Ketua Jurusan Ilmu Komputer FMIPA Universitas Lampung. 7. Bapak Didik Kurniawan, S.Si.,MT., selaku Sekretaris Jurusan Ilmu Komputer FMIPA Universitas Lampung. 8. Bapak Ir. Machudor Yusman, M.Kom. selaku Pembimbing Akademik selama penulis menjadi mahasiswa Ilmu Komputer Universitas Lampung. 9. Bapak dan Ibu Dosen Jurusan Ilmu Komputer yang telah memberikan ilmu dan pengalaman dalam hidup untuk menjadi lebih baik. 10. Ibu Anita A. Md. dan Mas Irsan yang telah membantu segala urusan administrasi penulis di Jurusan Ilmu Komputer. 11. Keluarga Ilmu Komputer 2012 : Riska, Maya, Yuni, Erlina, Concon, Puja Nafi, Deby, Eko, Kikin, Bintang, Shandy, Dipa, Cindona, Dian, Taqiya, Nila, Arif, Nikko, Abet, Roni, Afriska. 12. Mas Nurkholis yang telah membukakan MIPA Terpadu dan ruang baca serta menyiapkan ruang seminar. 13. Almamater Tercinta.
DAFTAR ISI
Halaman DAFTAR ISI
ix
DAFTAR GAMBAR
xii
DAFTAR TABEL
xiv
BAB I PENDAHULUAN 1.1 Latar Belakang
1
1.2 Rumusan Masalah
3
1.3 Batasan Masalah
3
1.4 Tujuan
3
1.5 Manfaat
4
BAB II TINJAUAN PUSTAKA 2.1 Usability Website
5
2.2 Kriteria Usability Website
6
2.3 Metode Simple Additive Weighting (SAW)
11
2.4 Metode TOPSIS
12
2.5 Uji Korelasi Spearman
14
2.6 Uji Hipotesis
15
ix
BAB III METODOLOGI PENELITIAN 3.1 Metodologi Penelitian
16
3.2 Waktu dan Tempat Penelitian
17
3.3 Tahap Penelitian
17
BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Penelitian
30
4.1.1
Accessibility
31
4.1.2
Customization and Personalization
35
4.1.3
Download Speed
39
4.1.4
Ease of Use
43
4.1.5
Errors
48
4.1.6
Navigation
53
4.1.7
Site Content
57
4.2 Pembahasan
60
4.2.1
Perangkingan Data Menggunakan Metode SAW
60
4.2.2
Perangkingan Data Menggunakan Metode TOPSIS
65
4.2.3
Perangkingan Data Menurut Rilis Webometrics
68
4.2.4
Perbandingan Perangkingan Data Metode SAW dan Metode TOPSIS
4.2.5
70
Perbandingan Perangkingan Data Metode TOPSIS dan Rilis Webometrics dengan Uji Spearman
4.2.6
75
Perbandingan Perangkingan Data Metode TOPSIS dan Rilis Webometrics dengan Uji Spearman
x
80
BAB V SIMPULAN DAN SARAN 5.1 Simpulan
85
5.2 Saran
86
DAFTAR PUSTAKA
87
LAMPIRAN
xi
DAFTAR GAMBAR
Halaman Gambar 1 Diagram Alir Penelitian
16
Gambar 2 Tampilan Halaman Utama Validator.w3.org
31
Gambar 3 Hasil Pengukuran Accessibility dengan Validator.w3.org
32
Gambar 4 Hasil Errors HTML Menggunakan Validator.w3.org
32
Gambar 5 Tampilan Halaman Utama Statshow.com
36
Gambar 6 Hasil Jumlah Pengunjung Website Menggunakan Statshow.com 36 Gambar 7 Tampilan Halaman Utama Alexa.com
40
Gambar 8 Hasil Download Speed Menggunakan Alexa.com
40
Gambar 9 Tampilan Halaman Utama Jigsaw.w3.org/css-validator
44
Gambar 10 Hasil Pengukuran Ease of Use Menggunakan Jigsaw.w3.org/cssvalidator
44
Gambar 11 Hasil Errors CSS Menggunakan Jigsaw.w3.org/css-validator 45 Gambar 12 Tampilan Halaman Utama Validator.w3.org/checklink
48
Gambar 13 Hasil Pengukuran Errors Menggunakan Validator.w3.org/ checklink
49
Gambar 14 Hasil Link Errors Menggunakan Validator.w3.org/checklink
50
Gambar 15 Link Rusak dari Validator.w3.org/checklink
50
xii
Gambar 16 Tampilan Halaman Utama Situs Alexa
53
Gambar 17 Hasil Navigation Menggunakan Alexa.com
54
Gambar 18 Backlink dari Situs Kaskus.co.id
54
Gambar 19 Tampilan Halaman Utama Google.com
57
Gambar 20 Hasil Pengambilan Data Site Content Oleh Google
58
Gambar 21 Screenshoot Nilai rs Metode SAW dan Metode TOPSIS Menggunakan Minitab 15
73
Gambar 22 Grafik Peringkat Website Metode SAW dan Metode TOPSIS 74 Gambar 23 Screenshoot Nilai rs Metode TOPSIS danWebometrics Menggunakan Minitab 15
78
Gambar 24 Grafik Peringkat Website Metode TOPSIS dan Rilis Webometrics Januari 2016
79
Gambar 25 Screenshoot Nilai rs Metode SAW dan Webometrics Menggunakan Minitab 15
82
Gambar 26 Grafik Peringkat Website Metode SAW dan Rilis Webometrics Januari 2016
84
xiii
DAFTAR TABEL
Halaman Tabel 1. Kriteria dan Bobot Usability
6
Tabel 2. Perhitungan Geometrics Means Kriteria Usability
7
Tabel 3. Normalisasi Data
8
Tabel 4. Bobot Kriteria Usability
8
Tabel 5. Interpretasi Koefisien Korelasi de Vaus
15
Tabel 6. Automatic Website Evaluation Tools
19
Tabel 7. Matriks Keputusan Metode SAW
20
Tabel 8. Matriks Ternormalisasi (R) Metode SAW
21
Tabel 9. Matriks Keputusan Metode TOPSIS
23
Tabel 10. Matriks Ternormalisasi (R) Metode TOPSIS
24
Tabel 11. Matriks Ternormalisasi (Y) Metode TOPSIS
25
Tabel 12. Nilai Akhir Kriteria Accessibility (Errors HTML)
34
Tabel 13. Nilai Akhir Kriteria Customization and Personalization (Jumlah Pengunjung website) 38 Tabel 14. Nilai Akhir Kriteria Download Speed (Kecepatan Loading Website)
42
Tabel 15. Nilai Akhir Kriteria Ease of Use (Errors CSS)
46
Tabel 16. Nilai Akhir Kriteria Errors (Jumlah Link Rusak)
51
Tabel 17. Nilai Akhir Kriteria Navigation (Jumlah Backlink)
55
Tabel 18. Nilai Akhir Kriteria Site Content (Jumlah Dokumen Website)
58
Tabel 19. Hasil Rangking Website Metode SAW
63
xiv
Tabel 20. Hasil Rangking Website Metode TOPSIS
66
Tabel 21. Perangkingan Website Menurut Rilis Webometrics
68
Tabel 22. Perbandingan Peringkat Website Metode SAW dan TOPSIS
70
Tabel 23. Perbandingan Peringkat Website Metode TOPSIS dan Rilis Webometrics
75
Tabel 24. Perbandingan Peringkat Website Metode SAW dan Rilis Webometrics
80
xv
BAB I PENDAHULUAN
1.1 Latar Belakang Website berperan penting sebagai media informasi dari perguruan tinggi. Website berisi informasi tentang kegiatan akademik, jurnal yang diterbitkan, prestasi perguruan tinggi, program studi dan profil perguruan tinggi. Website perguruan tinggi yang baik akan mendapat penilaian yang semakin baik dari masyarakat. Website memiliki peran yang penting, maka website perguruan tinggi dituntut untuk memiliki nilai usability dalam penggunaanya. Prioritas utama dalam sebuah website adalah user. Tujuan utama user mengakses website adalah mencari informasi yang ada di website yang salah satu contentnya berupa teks. User akan meninggalkan website tersebut atau beralih ke situs lain bila dirasa sulit dalam pemanfaatannya atau menyita waktu. Website yang memiliki nilai usability baik maka akan meningkatkan kemudahan bagi user. Website yang memiliki nilai usability buruk perlu diadakan evaluasi terhadap website tersebut. Website dengan nilai usability tinggi memiliki peluang yang sangat besar untuk sering dikunjungi oleh para pengguna internet. Nagpal (2015) melakukan penelitian tentang analisis usability dalam merangking website universitas dengan menggunakan metode Fuzzy AHP dan Fuzzy TOPSIS. Penelitian tersebut menggunakan empat kriteria yaitu response time, ease of use,
ease of navigation dan informative. Metode Fuzzy AHP digunakan untuk mengevaluasi bobot kriteria, sedangkan dalam proses perangkingan website menggunakan metode Fuzzy TOPSIS. Hasil penelitian analisis website yang mendapat peringkat terbaik adalah website yang memberikan informasi lebih lengkap dibandingkan dengan website yang lainnya. Dominic dan Djati (2010) melakukan penelitian tentang evaluasi kualitas website pemerintahan
dengan
menggunakan
metode
AHP.
Penelitian
tersebut
menggunakan enam kriteria yaitu response time, load time, size, number of items, markup validation dan broken link, serta lima alternatif website. Penilaian website dari setiap kriteria menggunakan website evaluation tool seperti WCAG, W3C dan HTML Validator. Nilai-nilai yang didapat dari website evaluation tool kemudian dihitung menggunakan metode AHP. Hasil perhitungannya kemudian diurutkan dari terbesar ke terkecil. Nissom dan Narayanan (2012) melakukan penelitian tentang study perangkingan Webometrics dalam merangking website universitas di dunia. Penelitian tersebut menganalisis perbandingan web content antara universitas di Malaysia dengan universitas di negara lain. Indikator penilaian Webometrics lebih tepat diterapkan pada universitas yang memiliki komitmen kuantitas publikasi website akademik. Universitas yang baik tetapi mempunyai kebijakan kualitas publikasi website yang rendah akan memiliki rangking yang rendah. Usability website mempunyai pengaruh terhadap kualitas suatu website. Webometrics tidak menyertakan usability website sebagai indikator dalam perangkingannya Perangkingan Webometrics hanya mencantumkan peringkat, tidak menyertakan metode yang digunakan dalam perangkingan dan hasil perhitungannya.
2
Penelitian ini diharapkan dapat merangking website universitas negeri di Pulau Jawa dan Sumatera dan memberikan informasi tentang pengaruh usability terhadap website universitas. Hasil dari analisis usability dapat menjadi rekomendasi perbaikan website selanjutnya. 1.2 Rumusan Masalah Rumusan masalah dari penelitian ini adalah bagaimana analisis usability website menggunakan Metode Simple Additive Weighting (SAW) dan Metode Technique For Order Preference by Similiarity to Ideal Solution (TOPSIS) ? 1.3 Batasan Masalah Batasan masalah dalam penelitian ini adalah: 1. Website yang akan dianalisis dalam penelitian ini adalah website universitas negeri di Pulau Jawa dan Sumatera. 2. Tujuh kriteria yang digunakan dalam penelitian adalah accessibility, customization and personalization, download speed, ease of use, errors, navigation dan site content.
1.4 Tujuan Penelitian Tujuan dilakukannya penelitian ini adalah: 1.
Menghasilkan perankingan website universitas negeri di Pulau Jawa dan Sumatera dengan menggunakan Metode Simple Additive Weighting (SAW) dan Metode Technique For Order Preference by Similiarity to Ideal Solution (TOPSIS).
3
2.
Menunjukkan informasi kepada Universitas Negeri di Pulau Jawa dan Sumatera bahwa terdapat pengaruh kualitas usability website terhadap hasil peringkat website universitas.
1.5 Manfaat Penelitian Manfaat yang dapat diperoleh dari penelitian ini adalah dapat mengetahui website universitas negeri terbaik di Pulau Jawa dan Sumatera ditinjau dari tujuh kriteria usability.
4
BAB II TINJAUAN PUSTAKA
2.1 Usability Website Usability berasal dari kata usable yang secara umum mempunyai arti dapat digunakan dengan baik. Usability mengacu kepada bagaimana pengguna bisa mempelajari dan menggunakan produk untuk memperoleh tujuannya dan seberapa puaskah mereka terhadap penggunannya. Faktor-faktor penyebab pentingnya website memiliki aspek usability, diantaranya adalah kebiasaan atau perilaku pengguna yang mengakses website. Tidak sedikit pengguna yang tidak dapat menerima design website yang buruk dan mau meluangkan waktu untuk mempelajari suatu website atau dengan kata lain, pengguna sangat ingin segera mengerti dengan seketika (instant), atas apa yang disajikan dalam suatu website (Nielsen, 2004). Total biaya pengembangan perangkat lunak sebagian besar digunakan untuk perawatan karena permasalahan interaksi (usability) pengguna dengan sistem dan bukan permasalahan teknis. Situasi tersebut menggambarkan pentingnya analisis usability untuk mempertegas kebutuhan terhadap pengembangan aplikasi, sebelum, pada saat dan sesudah proses pengembangan perangkat lunak (Landauer,1995).
5
2.2 Kriteria Usability Website Usability website memiliki tujuh kriteria (Villota, 2009). Tujuh kriteria dan nilai bobot masing - masing kriteria berdasarkan penelitian Villota ( 2009) ditunjukkan pada Tabel 1. Tabel 1. Kriteria dan Bobot Usability Website No
Kriteria Usability Website
Bobot
1
Accessibility
0.24
2
Customization and Personalization
0.15
3
Download Speed
0.18
4
Ease of Use
0.16
5
Error
0.06
6
Navigation
0.10
7
Site Content
0.11
Sumber: Villota,2009 Bobot kriteria usability diperoleh berdasarkan penelitian Villota (2009) menggunakan metode Analyticl Hierarcy Proces (AHP). Villota (2009) menganalisa enam responden dan menggunakan perhitungan rata-rata geometris dari penilaian responden. Hasil perhitungan geometrics means ini ditunjukkan pada Tabel 2.
6
Tabel 2. Perhitungan Geometrcis Means Kriteria Usability C1
C2
C3
C4
C5
C6
C7
1,25 1,51 1,79
3,61
3,01
2,15
2,33
1,40
1,25
1,79
2,76
2,08
1,42
1
3,57
1,63
1,70
C1
1
C2
0,80
C3
0,66 0,97
C4
0,56 1,12 0,56
C5
0,28 0,43 0,36 0,28
1
0,58
0,42
C6
0,33 0,71 0,48 0,61
1,73
1
1,24
C7
0,47
0,8
2,38
0,81
1
Jumlah
4,1
6,28 5,64 6,95 17,39 10,51 9,18
1
1,03 0,89 1
0,70 0,59
C1 adalah kriteria accessibility, C2 adalah kriteria customization and personalization, C3 adalah kriteria download speed, C4 adalah kriteria ease of use, C5 adalah error, C6 adalah navigation, C7 adalah site content.
Geometrics means yang sudah didapatkan selanjutnya dinormalisasi data yaitu dengan membagi nilai dari setiap elemen di dalam matriks yang berpasangan dengan nilai total dari setiap kolom. Normalisasi data ditunjukkan pada Tabel 3.
7
Tabel 3. Normalisasi Data C1
C2
C3
C4
C5
C6
C7
Jumlah
C1
0,24
0,20
0,27
0,25
0,2
0,29
0,23
1,69
C2
0,19
0,16
0,18
0,12
0,13
0,13
0,13
1,06
C3
0,16
0,15
0,17
0,25
0,15
0,2
0,15
1,25
C4
0,14
0,18
0,09
0,14
0,20
0,15
0,18
1,09
C5
0,07
0,07
0,06
0,04
0,05
0,05
0,04
0,39
C6
0,08
0,11
0,08
0,08
0,09
0,09
0,13
0,69
C7
0,11
0,12
0,12
0,08
0,13
0,07
0,10
0,76
Data yang sudah dinormalisasi selanjutnya dihitung bobot prioritas masingmasing kriteria. Perhitungan bobot prioritas dengan membagi nilai jumlah masing-masing kriteria dengan banyaknya kriteria. Bobot prioritas kriteria usability website ditunjukkan pada Tabel 4. Tabel 4. Bobot Kriteria Usability Kriteria
Bobot
C1 (Accessibility)
0,24
C2 (Customization and Personalization)
0,15
C3 (Download Speed)
0,18
C4 (Ease of Use)
0,16
C5 (Errors)
0,06
C6 (Navigation)
0,10
C7 (Site Content)
0,11
Penjelasan lebih rinci dari kriteria-kriteria usability website adalah sebagai berikut.
8
1. Accessibility Accessibility atau aksesibilitas dapat diartikan sebagai ketersediaan website dan salah satu faktor penting agar pengguna dapat mengakses content dari sebuah website (Pearson, 2007). Accessibility mengacu pada situasi yang berbeda yang harus dipertimbangkan oleh designer website agar halaman dapat diakses oleh user atau pengguna seperti contoh bahasa, versi dari browser dan browser yang berbeda (World WideWeb Consortium, 1999).
2. Customization and Personalization Customization and personalization didefinisikan sebagai ketersediaan website menampilkan content atau isi yang dinamis yang telah disesuaikan untuk pengguna tertentu (Pearson, 2007). Customization and personalization dapat pula didefinisikan sebagai karakteristik dari suatu website yang sesuai dengan kebutuhan pengguna tertentu (Agarwal, 2002).
3. Download Speed Download speed mempunyai istilah lain yaitu user response time atau waktu respon pengguna (Palmer, 2002) atau download delay (Palmer, 2002). Download speed didefinisikan sebagai penundaan materi instruksional yang muncul pada halaman website setelah halaman diakses. Hasilnya dapat dipengaruhi oleh isi dari sebuah website tersebut (Pearson, 2007). Kriteria download speed pentingi karena fakta bahwa pengguna menjadi frustasi jika mereka harus menunggu lebih lama untuk mengakses semua informasi pada sebuah website (Nielsen, 1994). 4. Ease of Use
9
Ease of use didefinisikan sebagai upaya yang diperlukan untuk menggunakan website (Venkateshs, 1996). Ease of use sebagai faktor penting dalam menentukan penerimaan user dan perilaku dalam menggunakan teknologi (Venkatesh, 2003).
5. Errors Errors didefinisikan sebagai jumlah kesalahan yang dapat dilakukan oleh user selama menggunakan website, seberapa besar kesalahan tersebut dan bagaimana mereka dapat menangani kesalahan-kesalahan tersebut (Nielsen, 2004). Link-link yang rusak pada suatu website dapat menurunkan kualitas usability website (Jati, 2011).
6. Navigation Navigation didefinisikan sebagai metode yang digunakan untuk menemukan informasi dalam suatu website (Koyani, 2004). HTML hyperlink atau hyperlink adalah suatu kata, gabungan kata, atau gambar yang dapat diklik oleh pengguna untuk ”pergi” ke dokumen baru atau sesi baru dalam suatu website. Link website memudahkan para pengguna website dalam menjelajah website. Setiap halaman pada suatu website biasanya memiliki link atau koneksi ke halaman lain, baik dalam satu website maupun keluar website. Pengguna berharap bahwa link-link tersebut valid, yaitu mampu mengarahkan pengguna ke halaman website yang dituju. Kerusakan link dalam suatu website adalah salah satu faktor yang dapat menurunkan kualitas usability dari website (Jati, 2011). Website yang memiliki banyak link akan memiliki banyak informasi dan meningkatkan kualitas usability website tersebut.
10
7. Site Content Site content didefinisikan sebagai keakuratan informasi yang disediakan dan juga kualitas content sebuah website (Palmer, 2002). Site content dapat pula didefinisikan sebagai jumlah dan variasi produk informasi yang terdapat pada website (Palmer, 2002).
2.3 Metode Simple Additive Weighting (SAW) Metode Simple Additive Weighting (SAW) dikenal dengan istilah metode penjumlahan terbobot. Konsep dasar SAW adalah mencari penjumlahan terbobot dari kinerja setiap alternatif pada semua atribut (Kusumadewi, 2006). Metode Simple Additive Weighting (SAW) membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat dibandingkan dengan semua rating alternatif yang ada. Formula untuk melakukan perhitungan Simple Additive Weighting (SAW) adalah sebagai berikut. 𝑥 𝑖𝑗 max 𝑥 𝑖𝑗
Xij =
min 𝑥 𝑖𝑗 𝑥 𝑖𝑗
Jika j adalah atribut keuntungan (benefit)
..............................(1)
jika j adalah attribut biaya (cost)
Xij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj : i = 1, 2.., dan j = 1, 2, …, n. Nilai preferensi untuk setiap alternatif (Vi) adalah sebagai berikut. 𝑉𝑖 =
𝑛 𝑗 =1 𝑤𝑗
𝑥𝑖𝑗 ...............................................................(2)
W adalah bobot preferensi yang bersesuaian dengan elemen matrik. Nilai Vi lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih.
11
2.4 Metode TOPSIS Metode TOPSIS menggunakan konsep bahwa alternatif yang terbaik tidak hanya memiliki jarak terpendek dari solusi ideal positif, namun juga memiliki jarak terpanjang dari solusi ideal negatif (Kusumadewi, 2006). Konsep metode TOPSIS banyak digunakan pada beberapa model Multiple Alternative Decision Making (MADM) untuk menyelesaikan masalah keputusan secara praktis. Konsep metode TOPSIS sederhana dan mudah dipahami, komputasinya efisien, dan memiliki kemampuan untuk mengukur kinerja relatif dari alternatif-alternatif keputusan dalam bentuk matematis yang sederhana. Prosedur metode TOPSIS adalah sebagai berikut. a. Membuat matriks keputusan yang ternormalisasi. b. Membuat matriks keputusan yang ternormalisasi terbobot. c. Menentukan matriks solusi ideal positif dan matriks solusi ideal negatif. d. Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif dan matriks solusi ideal negatif. e. Menentukan nilai preferensi untuk setiap alternatif. TOPSIS membutuhkan rating kerja setiap alternatif Ai pada setiap kriteria Cj yang ternormalisasi. rij =
xi j
......................................................(3)
m
x i 1
2
ij
Rij adalah matriks ternormalisasi [i][j], xij adalah matriks keputusan [i][j], dengan i=1,2,...,m; dan j=1,2,...,n.
12
Solusi ideal positif A+ dan solusi ideal negatif A- dapat ditentukan berdasarkan rating bobot ternormalisasi (yij) sebagai berikut. yij = wi.rij ........................................................(4) A+ = (y1+, y2+, ..., yn+) .....................................(5) A- = (y1-, y2-, ..., yn-) ......................................(6)
Yij adalah matriks ternormalisasi terbobot [i][j], wi adalah vektor bobot[i] kriteria, yj+ adalah max yij jika j adalah atribut keuntungan, min yij jika j adalah atribut biaya, yj- adalah min yij, jika j adalah atribut keuntungan, max yij, jika j adalah atribut biaya, dengan dengan i=1,2,...,m; dan j=1,2,...,n.
Jarak antara alternatif Ai dengan solusi ideal positif adalah sebagai berikut. n
Di+ =
(y i 1
i
yij ) 2 ..............................................(7)
Di+ adalah jarak alternatif Ai dengan solusi ideal positif, yi+ adalah solusi ideal positif[i], yij adalah matriks normalisasi terbobot[i][j], dengan i=1,2,...,m .
Jarak antara alternatif Ai dengan solusi ideal negatif adalah sebagai berikut.: n
-
Di =
( y j 1
ij
yi ) 2 ..................................(8)
Di- adalah jarak alternatif Ai dengan solusi ideal negatif, yi- adalah solusi ideal positif[i], yij adalah matriks normalisasi terbobot[i][j], dengan i=1,2,...,m. Nilai preferensi untuk setiap alternatif (Vi) adalah sebagai berikut. Vi =
Di
Di Di
.....................................(9)
13
Vi adalah kedekatan tiap alternatif terhadap solusi ideal, Di+ adalah jarak alternatif Ai dengan solusi ideal positif, Di- adalah jarak alternatif Ai dengan solusi ideal negatif, dengan ;
i=1,2,...,m. Nilai Vi yang lebih besar menunjukkan bahwa
alternatif Ai lebih dipilih.
2.5 Uji Korelasi Spearman Uji Korelasi Spearman dikemukaan oleh Carl Spearman pada tahun 1904. Metode korelasi Spearman diperlukan untuk mengukur keeratan hubungan antara dua variable dimana kedua variable itu tidak mengikuti distribusi normal dan conditional variable tidak diketahui sama. Korelasi Spearman dipergunakan apabila pengukuran kuantitatif tidak mungkin dilakukan, misalnya mengukur tingkat moral, tingkat kesenangan, tingkat motivasi dan sebagainya. Prosedur menghitung koefesien korelasi rank, yang dinotasikan dengan rs dilakukan langkah-langkah sebagai berikut. 1. Nilai pengamatan dari dua variable yang akan diukur hubungannya diberi rank, bila ada nilai pengamatan yang sama dihitung rank rata-ratanya. 2. Setiap pasang rank dihitung perbedaannya. 3. Perbedaan setiap pasang rank dikuadratkan dan dihitung jumlahnya. 4. Nilai rs (koefesien korelasi spearman) dihitung dengan formula sebagai berikut.
𝑟𝑠 = 1 −
6 𝑛𝑙=−1 𝑑𝑖 2 𝑛 𝑛 2 −1
.....................................................(10)
N adalah jumlah pasangan rank, di adalah perbedaan setiap pasang rank. Tabel interpretasi koefisien korelasi de Vaus ditunjukkan pada Tabel 5.
14
Tabel 5. Interpretasi Koefisien Korelasi de Vaus Koefisien Kekuatan Hubungan 0
Tidak ada hubungan
0,01-0,09
Hubungan Kurang berarti
0,10-0,29
Hubungan lemah
0,30-0,49
hubungan moderat
0,50-0,69
Hubungan kuat
0,70-0,89
Hubungan sangat kuat
>0,90 Hubungan mendekati sempurna Sumber: Arikunto,2000
2.6 Uji Hipotesis Uji Z adalah salah satu uji statistika yang pengujian hipotesisnya didekati dengan distribusi normal. Data dengan ukuran sampel yang besar akan berdistribusi normal. Uji Z dapat digunakan utuk menguji data yang sampelnya berukuran besar (Abdullah dan Taufik, 2015). Jumlah sampel 30 atau lebih dianggap sampel berukuran besar. Uji Z juga dipakai untuk menganalisis data yang varians populasinya diketahui, bila varians populasi tidak diketahui, maka varians dari sampel dapat digunakan sebagai penggantinya. Kriteria pengambilan sesimpulan uji z yaitu sebagai berikut: Jika |Zhit| < |Ztabel|, maka terima H0 Jika |Zhit| ≥ |Ztabel|, maka tolak H0 alias terima HA Nilai n ≥ 10 dapat dipergunakan tabel z, dimana nilai z sample dapat dihitung dengan formula (Sugiyono,2009): z = rs 𝑛 − 1 ...............................................................(21)
15
BAB III METODOLOGI PENELITIAN
3.1 Metode Penelitian Metode penelitian yang digunakan dalam penelitian ini adalah Metode Simple Additive Weighting (SAW) dan Metode Technique For Others Reference by Similarity to Ideal Solution (TOPSIS). Diagram alir penelitian yang menjelaskan penelitian ini dilaksanakan ditunjukkan pada Gambar 1. Menentukan Alternatif & Kriteria Analisis Data dengan Metode SAW dan TOPSIS Perumusan Hipotesis Metode SAW
Metode TOPSIS
Memberikan Nilai Setiap Alternatif pada setiap kriteria
Memberikan Nilai Setiap Alternatif pada setiap kriteria
Membuat Matrik keputusan
Membuat Matrik keputusan Menentukan Bobot Kriteria
Menentukan Bobot Kriteria
Membentuk Matrik Normalisasi (R) Membentuk Matrik Normalisasi (R) Proses Perangkingan
Membentuk Matrik Normalisasi Terbobot (Y)
Hasil Perangkingan Setiap Alternatif
Menghitung Jarak solusi ideal positif & negatif
Membandingkan Hasil Rangking Metode SAW, TOPSIS, Webometrics Uji Hipotesis Menggunakan Ujidan Spearman Uji Hipotesis Menggunakan Uji Z Spearman
Gambar 1. Diagram Alir Penelitian
16
3.2 Waktu dan Tempat Penelitian Penelitian ini dilaksanakan mulai dari Februari - Juni 2016, bertempat di jurusan Ilmu Komputer Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas Lampung. 3.3 Tahap Penelitian Penelitian ini dilakukan beberapa tahap, yaitu :
1. Tahap Penentuan Alternatif Alternatif yang digunakan dalam penelitian ini adalah website Universitas Negeri di Pulau Jawa dan Sumatera. Daftar website universitas negeri di Pulau Jawa dan Sumatera dapat dilihat pada Lampiran 1.
2. Tahap Penentuan Kriteria Kriteria usability website yang digunakan dalam penelitian ini adalah accessibility, customization and personalization, download speed, ease of use, errors, navigation, dan site content.
3. Tahap Hipotesis Penelitian Hipotesis dalam penelitian ini adalah sebagai berikut : a. Hipotesis pertama Ho1: Perbandingan peringkat website universitas negeri di Pulau Jawa dan Sumatera dengan menggunakan Metode Simple Additive Weighting (SAW) dan Metode Technique For Others Reference by Similarity to Ideal Solution (TOPSIS) mempunyai hasil yang signifikan sama.
17
Ha1: Perbandingan peringkat website universitas negeri di Pulau Jawa dan Sumatera dengan menggunakan Metode Simple Additive Weighting (SAW) dan Metode Technique For Others Reference by Similarity to Ideal Solution (TOPSIS) mempunyai hasil yang signifikan berbeda.
b. Hipotesis ke dua Ho2: Perbandingan peringkat website universitas negeri di Pulau Jawa dan Sumatera menggunakan Metode Simple Additive Weighting (SAW) dengan peringkat rilis Webometrics rilis Januari 2016 mempunyai hasil yang signifikan sama. Ha2: Perbandingan peringkat website universitas negeri di Pulau Jawa dan Sumatera menggunakan Metode Simple Additive Weighting (SAW) dengan peringkat rilis Webometrics Juanuari 2016 mempunyai hasil yang signifikan berbeda.
c. Hipotesis ke tiga Ho3: Perbandingan peringkat website universitas negeri di Pulau Jawa dan Sumatera menggunakan Metode Technique For Others Reference by Similarity to Ideal Solution (TOPSIS) dengan peringkat rilis Webometrics rilis Januari 2016 mempunyai hasil yang signifikan sama. Ha3: Perbandingan peringkat website universitas negeri di Pulau Jawa dan Sumatera menggunakan Metode Technique For Others Reference by Similarity to Ideal Solution (TOPSIS) dengan peringkat rilis Webometrics Juanuari 2016 mempunyai hasil yang signifikan berbeda.
18
4. Tahap Analisis Data Metode analisa data yang digunakan dalam penelitian ini adalah Metode Simple Additive Weighting (SAW) dan Metode Technique For Others Reference by Similarity to Ideal Solution (TOPSIS). Metode Simple Additive Weighting (SAW) dan Metode Technique For Others Reference by Similarity to Ideal Solution (TOPSIS) digunakan untuk memberi peringkat pada alternatif penelitian dan diujikan pada hipotesis penelitian. 5. Tahap Analisis Metode Simple Additive Weighting (SAW) Analisis Metode Simple Additive Weighting (SAW) memiliki tahap sebagai berikut : a. Tahap memberikan nilai setiap alternatif pada setiap kriteria, yaitu memberikan nilai setiap website universitas negeri di Pulau Jawa dan Sumatera pada masingmasing kriteria usability website. Nilai-nilai website didapat dari automatic website evaluation tools. Automatic website evaluation tools yang digunakan dalam penelitian ini ditunjukkan pada Tabel 6. Tabel 6. Automatic Website Evaluation Tools No 1
Kriteria Usability Accessibility
Tools http://validator.w3.org
Hasil Number of errors
2 3
Customization and http://alexa.com Personalization Download Speed http://alexa.com
4
Ease of Use
http://jigsaw.w3.org
5 6
Errors Navigation
7
Site Content
http://validator.w3.org/checklink Jumlah link rusak http://alexa.com Jumlah Inlink website http://google.com Jumlah file yang terindeks
Jumlah pengunjung website Kecepatan Download Number of errors
19
b. Tahap membuat matrik keputusan, yaitu nilai setiap website pada setiap alternatif disusun dalam bentuk matriks. Matrik keputusan analisis Metode Simple Additive Weighting (SAW) ditunjukkan pada Tabel 7. Tabel 7. Matrik Keputusan Metode SAW C1
C2
C3
C4
C5
C6
C7
A1
C11
C12
C13
C14
C15
C16
C17
A2
C21
C22
C23
C24
C25
C26
C27
A3
C31
C32
C33
C34
C35
C36
C37
A..
C..
C..
C..
C..
C..
C..
C..
C522
C523
C524
C525
C526
C527
A52 C521
c. Tahap menentukan nilai bobot kriteria, yaitu memberikan bobot untuk setiap kriteria. Bobot accessibility (W1) adalah 0,24, bobot customization and personalization (W2) adalah 0,15, bobot download speed (W3) adalah 0,18, bobot ease of use (W4) adalah 0,16, bobot errors (W5) adalah 0,06, bobot navigation (W6) adalah 0,10, dan bobot site content (W7) adalah 0,11.
d. Tahap menghitung normalisasi matrik keputusan (R), yaitu menghitung nilai setiap alternatif website dibagi dengan nilai maksimal pada setiap kriteria. Nilai yang diberikan pada setiap alternatif website di setiap kriteria merupakan nilai kecocokan (nilai terbesar adalah nilai terbaik), maka semua kriteria usability website,
diasumsikan
sebagai
kriteria
keuntungan.
Contoh
perhitungan
normalisasi matriks sebagai berikut : R11 = 𝑚𝑎𝑥 (C
C 11 11 , C 21, C 31, C 41, …..C 521 , )
............................................................... (1)
20
R12 = 𝑚𝑎𝑥 (C
C 12 12 , C 22, C 32, C 42, …..C 522 , )
............................................................... (2)
C11 adalah nilai alternatif website kolom accessibility (C1) baris A1. 𝑚𝑎𝑥 (C11, C21, C31, C41, … . C521 ) adalah nilai terbesar di kolom accessibility (C1). C12 adalah nilai alternatif website kolom customization and personalization (C2) baris A2. 𝑚𝑎𝑥 (C12, C22, C32, C42, … . C522 ) adalah nilai terbesar di kolom customization and personalization (C2).
e. Tahap membentuk matrik ternomalisasi, yaitu nilai-nilai normalisasi setiap alternatif website diubah dalam bentuk matrik yang ditujukkan pada Tabel 8. Tabel 8. Matrik Normalisasi (R) Metode SAW C1
C2
C3
C4
C5
C6
C7
A1
R11
R12
R13
R14
R15
R16
R17
A2
R21
R22
R23
R24
R25
R26
R27
A3
R31
R32
R33
R34
R35
R36
R37
A..
R..
R..
R..
R..
R..
R..
R..
R522
R523
R524
R525
R526
R527
A52 R521
f. Tahap proses perangkingan yaitu nilai setiap alternatif website pada matrik normalisasi dikalikan dengan bobot setiap kriteria usability website. Contoh perhitungan perkalian matrik normalisasi dengan bobot sebagai berikut : A1 = {(R11 x W1) + (R12 x W2) + (R13 x W3)+ (R14 x W4) + (R15 x W5) + (R16 x W6) + (R17 x W7)} ......................................................................(3) A2 = {(R21 x W1) + (R22 x W2) + (R23 x W3)+ (R24 x W4) + (R25 x W5) + (R26 x W6) + (R27 x W7)} ......................................................................(4)
21
R11, R12, R13, R14, R15, R16, R17 adalah nilai setiap A1 dimasing-masing kolom kriteria. R21, R22, R23, R24, R25, R26, R27 adalah nilai setiap A2 dimasing-masing kolom kriteria. W1, W2, W3, W4, W5, W6, W7 adalah nilai bobot untuk setiap kriteria.
g. Tahap preferensi alternatif, yaitu nilai akhir dari masing-masing alternatif website. Hasil akhir preferensi menunjukkan alternatif website yang memiliki nilai akhir tertinggi dan terendah.
6. Tahap Analisis Metode Technique For Others Reference by Similarity to Ideal Solution (TOPSIS)
Analisis Metode Technique For Others Reference by Similarity to Ideal Solution (TOPSIS) memiliki tahap sebagai berikut : a. Tahap memberikan nilai setiap alternatif pada setiap kriteria, yaitu memberikan nilai setiap website universitas negeri di Pulau Jawa dan Sumatera pada masingmasing kriteria usability website. Nilai-nilai website juga didapat dari automatic website evaluation tools yang ditunjukkan di Tabel 6.
b. Tahap membuat matrik keputusan, yaitu nilai setiap website pada setiap alternatif disusun dalam bentuk matriks. Matrik keputusan analisis Metode Technique For Others Reference by Similarity to Ideal Solution (TOPSIS) ditujunkkan pada Tabel 9.
22
Tabel 9. Matrik Keputusan Metode TOPSIS C1
C2
C3
C4
C5
C6
C7
A1
X11
X12
X13
X14
X15
X16
X17
A2
X21
X22
X23
X24
X25
X26
X27
A3
X31
X32
X33
X34
X35
X36
X37
A..
X..
X..
X..
X..
X..
X..
X..
X522
X523
X524
X525
X526
X527
A52 X521
c. Tahap menentukan nilai bobot kriteria, yaitu memberikan bobot untuk setiap kriteria. Bobot accessibility (W1) adalah 0,24, bobot customization and personalization (W2) adalah 0,15, bobot download speed (W3) adalah 0,18, bobot ease of use (W4) adalah 0,16, bobot errors (W5) adalah 0,06, bobot navigation (W6) adalah 0,10, dan bobot site content (W7) adalah 0,11.
d. Tahap membuat matrik keputusan ternormalisasi (R), tahap ini melakukan normalisasi dari matrik keputusan yang dimulai dari melakukan perbandingan berpasangan disetiap kriteria. Matrik keputusan yang sudah terbentuk selanjutnya dihitung nilai xi seperti berikut : x1 = 𝑥11 + 𝑥21 + 𝑥31 + 𝑥..
......................................................................(5)
x2 = 𝑥12 + 𝑥22 + 𝑥32 + 𝑥..
......................................................................(6)
Nilai xi yang sudah diketahui kemudian dilakukn normalisasi nilai kedalam suatu skala yang dapat diperbandingkan dari setiap alternatif website pada setiap kriteria (rij) dengan uraian sebagai berikut : r11 =
𝑥 11 𝑥1
......................................................................................................(7)
23
r12 =
𝑥 12 𝑥2
......................................................................................................(8)
X11 adalah nilai alternatif di kolom accessibility (C1) baris A1 pada matrik keputusan Metode TOPSIS. X1 adalah nilai kriteria accessibility (C1) pada matrik keputusan ternormalisasi (Y). X12 adalah nilai alternatif di kolom customization and personalization (C2) baris A1 pada matrik keputusan Metode TOPSIS. X1 adalah nilai kriteria customization and personalization (C2) pada matrik keputusan ternormalisasi (Y) Nilai yang telah dilakukan normalisasi ke dalam suatu skala yang dapat diperbandingkan dari setiap alternatif pada setiap kriteria (rij) menghasilkan matrik ternormalisasi (R) yang ditunjukkan pada Tabel 10. Tabel 10. Matrik Ternormalisasi (R) Metode TOPSIS C1
C2
C3
C4
C5
C6
C7
A1
R11
R12
R13
R14
R15
R16
R17
A2
R21
R22
R23
R24
R25
R26
R27
A3
R31
R32
R33
R34
R35
R36
R37
A..
R..
R..
R..
R..
R..
R..
R..
R522
R523
R524
R525
R526
R527
A52 R521
e. Tahap membuat matrik ternormalisasi terbobot, matrik ternormalisasi yang sudah terbentuk selanjutnya dilakukan perkalian dengan bobot kriteria. Contoh perhitungan perkalian matrik normalisasi dengan bobot sebagai berikut : Y1 = {(R11 x W1) + (R12 x W2) + (R13 x W3)+ (R14 x W4) + (R15 x W5) + (R16 x W6) + (R17 x W7)} ......................................................................(9)
24
Y2 = {(R21 x W1) + (R22 x W2) + (R23 x W3)+ (R24 x W4) + (R25 x W5) + (R26 x W6) + (R27 x W7)} ......................................................................(10) R11, R12, R13, R14, R15, R16, R17 adalah nilai setiap A1 dimasing-masing kolom kriteria pada matrik ternormalisasi Metode TOPSIS. R21, R22, R23, R24, R25, R26, R27 adalah nilai setiap A2 dimasing-masing kolom kriteria pada matrik ternormalisasi Metode TOPSIS. W1, W2, W3, W4, W5, W6, W7 adalah nilai bobot untuk setiap kriteria. Hasil perkalian matrik normalisasi dengan bobot selanjutnya dibentuk dalam matrik Y seperti yang ditunjukkan pada Tabel 11. Tabel 11. Matrik Ternormalisasi (Y) Metode TOPSIS C1
C2
C3
C4
C5
C6
C7
A1
Y11
Y12
Y13
Y14
Y15
Y16
Y17
A2
Y21
Y22
Y23
Y24
Y25
Y26
Y27
A3
Y31
Y32
Y33
Y34
Y35
Y36
Y37
A..
Y..
Y..
Y..
Y..
Y..
Y..
Y..
Y522
Y523
Y524
Y525
Y526
Y527
A52 Y521
f. Tahap menentukan solusi ideal positif (A+) dan solusi ideal negatif (A-), solusi ideal positif ditentukan berdasarkan hasil terbesar (Max) matrik keputusan ternormalisasi terbobot terhadap kriteria ditandai dengan 𝑦𝑗+ untuk j adalah kriteria dari 1 sampai 7. Solusi ideal negatif ditentukan berdasarkan hasil terkecil (Min) matrik keputusan ternormalisasi terbobot berdasarkan nilai ternormalisasi terbobot terhadap kriteria ditandai dengan 𝑦𝑗− untuk j adalah kriteria dari 1 sampai
25
7, karena nilai yang diberikan terhadap kriteria merupakan nilai kecocokan (nilai terbesar adalah terbaik) maka semua kriteria yang diberikan, diasumsikan sebagai kriteria keuntungan. Uraian solusi ideal positif (A+) untuk setiap kriteria adalah sebagai berikut : 𝑦1+ = max [Y11, Y21, Y31,........, Y521] .........................................................................(11) 𝑦2+ = max [Y12, Y22, Y32, ,......., Y522] .........................................................................(12) 𝑦3+ = max [Y13, Y23, Y33, ,......., Y523] .........................................................................(13) 𝑦4+ = max [Y14, Y24, Y34, ,......., Y524] .........................................................................(14) 𝑦5+ = max [Y15, Y25, Y35, ,......., Y525] .........................................................................(15) 𝑦6+ = max [Y16, Y26, Y36, ,......., Y526] .........................................................................(16) 𝑦7+ = max [Y17, Y27, Y37, ,......., Y527] .........................................................................(17) Max [Y11, Y21, Y31,........, Y521] adalah nilai terbesar di kolom kriteria accessibility (C1). Max [Y12, Y22, Y32,........, Y522] adalah nilai terbesar di kolom kriteria customization and personalization (C2). Max [Y13, Y23, Y33,........, Y523] adalah nilai terbesar di kolom kriteria download speed (C3). Max [Y14, Y24 Y34,........, Y524] adalah nilai terbesar di kolom kriteria ease of use (C4). Max [Y15, Y25, Y35,........, Y525] adalah nilai terbesar di kolom kriteria errors (C5). Max [Y16, Y26, Y36,........, Y526] adalah nilai terbesar di kolom kriteria navigation (C6). Max [Y17, Y27, Y37,........, Y527] adalah nilai terbesar di kolom kriteria site content (C7). Uraian solusi ideal negatif (A-) untuk setiap kriteria usability website adalah sebagai berikut : 𝑦1− = min [Y11, Y21, Y31,........, Y521] .........................................................................(18) 𝑦2− = min [Y12, Y22, Y32, ,......., Y522] .........................................................................(19)
26
𝑦3− = min [Y13, Y23, Y33, ,......., Y523] .........................................................................(20) 𝑦4− = min [Y14, Y24, Y34, ,......., Y524] .........................................................................(21) 𝑦5− = min [Y15, Y25, Y35, ,......., Y525] .........................................................................(22) 𝑦6− = min [Y16, Y26, Y36, ,......., Y526] .........................................................................(23) 𝑦7− = min [Y17, Y27, Y37, ,......., Y527] .........................................................................(24) Min [Y11, Y21, Y31,........, Y521] adalah nilai terkecil di kolom kriteria accessibility (C1). Min [Y12, Y22, Y32,........, Y522] adalah nilai terkecil di kolom kriteria customization and personalization (C2). Min [Y13, Y23, Y33,........, Y523] adalah nilai terkecil di kolom kriteria download speed (C3). Min [Y14, Y24 Y34,........, Y524] adalah nilai terkecil di kolom kriteria ease of use (C4). Min [Y15, Y25, Y35,........, Y525] adalah nilai terkecil di kolom kriteria errors (C5). Min [Y16, Y26, Y36,........, Y526] adalah nilai terkecil di kolom kriteria navigation (C6). Min [Y17, Y27, Y37,........, Y527] adalah nilai terkecil di kolom kriteria site content (C7).
g. Tahap menentukan jarak antara nilai terbobot setiap alternatif solusi ideal positif 𝑆𝑖+ dan negatif 𝑆𝑖−. Jarak antara nilai terbobot setiap alternatif terpilih yang terbaik memiliki jarak terpendek dari solusi ideal positif Si+ : 𝑆1+ = (y1+ − y11 )2 + (y2+ − y12 )2 + (y3+ − y13 )2 + … . . + (y7+ − y17 )2 ...(25) 𝑆2+ = (y1+ − y21 )2 + (y2+ − y22 )2 + (y3+ − y23 )2 + … . . + (y7+ − y27 )2 ..(26) Y11, Y12, Y13, Y14, Y15, Y16, Y17 adalah nilai A1 disetiap kolom kriteria pada matrik ternormalisasi (Y). Metode TOPSIS. Y21, Y22, Y23, Y24, Y25, Y26, Y27 adalah nilai A2 disetiap kolom kriteria pada matrik ternormalisasi (Y). 𝑌1+, 𝑦2+, 𝑦3+, 𝑦4+, 𝑦5+, 𝑦6+, 𝑦7+ adalah uraian solusi ideal positif (A+) masing-masing kriteria.
27
Jarak antara nilai terbobot setiap alternatif terpilih yang terbaik memiliki jarak terpanjang terhadap solusi ideal negatif Si− : S1− =
(y11 − y1−)2 + (y12 − y2−)2 + (y13 − y3−)2 + . . . + (y17 − y7−)2 ........(27)
S2− =
(y21 − y1−)2 + (y22 − y2−)2 + (y23 − y3−)2 + … + (y27 − y7−)2 .....(28)
Y11, Y12, Y13, Y14, Y15, Y16, Y17 adalah nilai A1 disetiap kolom kriteria pada matrik ternormalisasi (Y). Metode TOPSIS. Y21, Y22, Y23, Y24, Y25, Y26, Y27 adalah nilai A2 disetiap kolom kriteria pada matrik ternormalisasi (Y). 𝑌1+, 𝑦2+, 𝑦3+, 𝑦4+, 𝑦5+, 𝑦6+, 𝑦7+ adalah uraian solusi ideal negatif (A-) masing-masing kriteria.
h. Tahap menentukan kedekatan setiap alternatif terhadap solusi ideal, tahap ini menunjukkan nilai preferensi yang lebih besar menunjukkan alternatif peringkat pertama yang dipilih dengan menggunakan persamaan sebagai berikut : 𝑆−
A1 = 𝑆 −+1 𝑆 + .........................................................................................................(29) 1
1
S−
A2 = S −+2 S + .........................................................................................................(30) 2
2
𝑆1− adalah solusi ideal negatif alternatif A1. 𝑆1+ adalah solusi ideal positif alternatif A2. 𝑆2− adalah solusi ideal negatif alternatif A1. 𝑆2+ adalah solusi ideal positif alternatif A2.
7. Tahap Perbandingan Hasil Perangkingan Metode SAW, TOPSIS dan Rilis Webometrics Januari 2016 Hasil perangkingan Metode SAW, Metode TOPSIS dan rilis Webometrics Januari 2016 dibandingkan dan diberi peringkat menurut masing-masing metode.
28
8. Tahap Uji Hipotesis Menggunakan Uji Z dan Spearman Uji Spearman diperlukan untuk melihat korelasi dalam hasil perangkingan website. Uji Z digunakan untuk menguji hipotesis data yang berskala ordinal (ranking).
29
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan Kesimpulan yang didapat dari analisis usability website adalah sebagai berikut: 1.
Hasil penelitian menunjukkan bahwa z hitung antara Metode SAW dan Metode TOPSIS lebih besar dari z tabel, maka hasil peringkat Metode SAW dan Metode TOPSIS signifikan sama atau ada kesesuaian. Metode SAW dan Metode TOPSIS mampu menghasilkan peringkat yang signifikan sama (sebanding) atau menerima Ho1(perbandingan peringkat website universitas negeri di Pulau Jawa dan Sumatera dengan menggunakan Metode SAW dan TOPSIS mempunyai hasil yang signifikan sama)..
2. Hasil penelitian menunjukkan bahwa z hitung antara Metode TOPSIS dan rilis Webometrics Januari 2016 lebih besar dari z tabel, maka hasil peringkat Metode TOPSIS dan rilis Webometrics Januari 2016 signifikan sama atau ada kesesuaian. Metode TOPSIS mampu menghasilkan peringkat yang signifikan sama (sebanding) dengan rilis Webometrics Januari 2016 atau menerima Ho2 (perbandingan peringkat website universitas negeri di Pulau Jawa dan Sumatera menggunakan Metode SAW dengan peringkat rilis Webometrics rilis Januari 2016 mempunyai hasil yang signifikan sama).
30
3.
Hasil penelitian menunjukkan bahwa z hitung antara Metode SAW dan rilis Webometrics Januari 2016 lebih besar dari z tabel, maka hasil peringkat Metode SAW dan rilis Webometrics Januari 2016 signifikan sama atau ada kesesuaian. Metode SAW mampu menghasilkan peringkat yang signifikan sama (sebanding) dengan rilis Webometrics Januari 2016 atau menerima Ho3 (perbandingan peringkat website universitas negeri di Pulau Jawa dan Sumatera menggunakan Metode TOPSIS dengan peringkat rilis Webometrics rilis Januari 2016 mempunyai hasil yang signifikan sama).
4. Metode SAW dan Metode TOPSIS dapat digunakan sebagai alternatif perangkingan karena memiliki kesamaan dengan Rilis Webometrics.
5.2 Saran Saran yang diajukan dalam penelitian analisis usability website adalah sebagai berikut: 1. Peneliti selanjutnya dapat menambahkan tidak hanya Universitas Negeri di Pulau Jawa dan Sumatera yang dianalisis, semakin banyak universitas yang dianalisis, semakin akurat hasil pegukurannya. 2. Peneliti selanjutnya dapat menggunakan metode lain dari Multi Attribute Decision Making (MADM) untuk mengetahui hasil perbandingan peringkat website universitas.
31
DAFTAR PUSTAKA
Abdullah, Sarini dan Taufik Edi Susanti.2015.Statistika Tanpa Stress.Transmedia. Arikunto, Suharsimi. 2000. Manajemen Penelitian. Jakarta:Rineka Cipta. Agarwal, R. dan V. Venkatesh. 2002. Assessing a Firm Web Presence: A. Information Systems Research 13 2 . Almind,T.C.dan P.Ingwersen. 1997.Informetric Analyses on the World Wide Web: methodological approaches to Webometrics. Journal of documentation Volume, 404-426. Altman,D.G.1991.Practical statistics for medical research, Chapman Hall/CRC. Aziz, Abdul dan Budhi Setyono. 2008. Rumus Jitu Matematika SMP. Yogyakarta: Indonesia Tera. Bjorneborn, L. dan P. Ingwersen.2001.Perspective of webometrics.Scientometrics 50 1 : 65-82. Bjorneborn, L. dan P. Ingwersen.2004.Toward a basic framework for webometrics. Journal of the American Society for Information Science and Technology 55 14 : 1216-1227. D.A. de Vaus. Survey in Social Research, 5th Edition, New South Wales: Allenard Unwin,2002, page 259. Dominic, P. D. D. and H. Jati. 2010 . Evaluation method of Malaysian university website: Quality website using hybrid method. International Symposium on Information Technology 2010, Kuala Lumpur, IEEE. Dominic, P. D. D. dan H. Jati. 2010. Performance Evaluation on Quality of Asian E-Government Websites–an AHP Approach. International Journal of Business Information Systems, Volume 6, No.2.
Dominic, P. D. D. dan H. Jati. 2011 . A comparison of Asian airlines websites quality: using a non-parametric test. International Journal of Business Innovation and Research 5 5 : 599-623. Gulo,W. 2000. Metodologi Penelitian. Jakarta : Grasindo. IEEE, I. o. E. a. E. E.1990. IEEE Standard Glossary of Software Engineering Terminology. Islam, Anwarul.2011.Webometrics Study of Private Universities of Bangladesh. ISO,I.S.O.1998.Ergonomic requirements for office work with visual display terminals VDTs,Part 11:Guidance on usability,International Organization for Standardisation Geneva, Switzerland. Jati, Handaru. 2011. Study on Performance Appraisal Method of Vocational Education Teachers using PROMETHEE II. Kahraman.2008.Fuzzy multi-criteria decision making: theory and applications with recent developments, Springer Verlag. Keeker,K.1997.Improving web site usability and appeal. Retrieved May 19:2002. Koyani, S. J., R. W. Bailey, et al. 2004 . Research-based Web design & usability guidelines, National Cancer Institute. Kumar, B. T. S. dan J. N. Prakash. 2009 . Precision and relative recall of search engines: A comparative study of Google and Yahoo. Singapure Journal of Library& Information Management 38: 124-137. Kusumadewi, Sri.2006.Fuzzy Multi-Attribute Decision Making Fuzzy MADM . Yogyakarta : Graha Ilmu. Landauer,Thomas.1995.The Trouble With Computers: Usefullness, Usability and Productivity.MIT Press. Montenegro Villota,A.L. 2009.Usability of Websites, University of Birmingham. Nagpal, Renuka.2015.FAHP Approach to Rank Educational Websites on Usability. Internatinal Journal of Computing and Digital Systems Volume 4. ISSN : 2210-142X. Nagpal, Renuka. 2015. Rank University Websites Using Fuzzy AHP and Fuzzy TOPSIS Approach on Usability. Internatinal Journal Information Engineering and Electronic Business.
2
Nielsen, J. 1994 . How to conduct a heuristic evaluation. Useit. com. Nielsen, J. 2004 . Designing web usability, Pearson Education. Nissom, Sahane dan Narayanan Kulathuramaiyer.2012. Webometrics Ranking of World Universities.
The
study
of
Palmer, J.W. 2002.Website usability, design, and performance metrics. Information systems research 13 2 : 151-167. Pearson, J. M., A. Pearson, et al. 2007.Determining the importance of key criteria in web usability. Management Research News 30 11 : 816-828. Shafi, S. M. dan R. A. Rather.2005.Precision and recall of five search engines for retrieval of scholarly information in the field of biotechnology. Sugiyono.2009.Statistik Non Parametris.Bandung: Alfabeta. Thelwall.2009.Synthesis lectures on information concepts, retrieval, and services. Introduction to webometrics: Quantitative web research for the social sciences. Turban, E. dan D. Gehrke. 2000.Determinants of e-commerce website. Human Systems Management 19 2 : 111-120. Venkatesh dan F. D. Davis. 1996.A Model of the Antecedents of Perceived Ease of Ese: Development and Test. Decision Sciences 27 3 : 451-481. Venkatesh.2003.User Acceptance of Information Technology: Toward a unified view. MIS quarterly: 425-478.
3
