perpustakaan.uns.ac.id
digilib.uns.ac.id
23
BAB IV PEMBAHASAN
4.1 Pengumpulan Data Dalam proses pengumpulan data melalui wawancara mendalam dengan data awal 30 mahasiswa UNS, diperoleh data kriteria pemilihan tempat makan. Hasil kriteria-kriteria tersebut dapat dilihat di Lampiran A. Kriteria yang digunakan dalam pengembangan sistem ditunjukkan dalam tabel 4.1. Selain itu, melalui kuisioner yang disebar kepada mahasiswa UNS didapatkan data tempat makan di sekitar kampus UNS, yaitu sebanyak 28 lokasi. Hasil data tempat makan tersebut dapat dilihat di lampiran B. Seiring dengan perkembangan penggunaan sistem, saat ini sudah ada 70 mahasiswa yang menggunakan sistem. 30 data merupakan data awal dari responden wawancara dan 40 data merupakan data pengguna baru. 4.1.1 Analisis Data Tempat Makan Pada tahap ini dilakukan penentuan nilai untuk masing-masing kriteria terhadap data hasil wawancara. Kriteria tersebut antara lain sebagai berikut: 1. Harga Harga makanan adalah harga untuk satu porsi makanan dan minuman dalam suatu tempat makan. Jika ada banyak jenis menu dalam suatu tempat makan, maka diambil harga yang termurah. Jika harga satu porsi makanan beserta minum dalam suatu tempat makan kurang dari sama dengan Rp 10.000,00 makan nilai harga untuk tempat makan tersebut adalah 1, sedangkan jika lebih besar dari itu diberi nilai 0. 2. Rasa Rasa makanan adalah tingkat rasa dari menu-menu di suatu tempat makan secara umum. Penilaian ini memang tampak subjektif, namun melalui kuisioner yang disebar melalui Google Form didefinisikan bahwa jika 50% atau lebih responden menyatakan rasa makanan di suatu tempat makan enak,
commit to user
perpustakaan.uns.ac.id
digilib.uns.ac.id
24
maka untuk kriteria rasa akan diberi nilai 1, namun jika responden yang menyatakan enak kurang dari 50% maka kriteria ini diberi nilai 0. 3. Porsi Porsi adalah seberapa banyak takaran suatu tempat makan dalam menyajikan satu menu makanan. Menu makanan dalam kasus ini adalah menu secara umum, seberapa banyak yang disajikan. Penilaian ini bersifat subjektif, namun dari kuisioner yang disebar melalui Google Form didefinisikan bahwa jika 50% atau lebih responden menyatakan porsi makanan di suatu tempat makan banyak, maka untuk kriteria porsi akan diberi nilai 1, namun jika responden yang menyatakan banyak kurang dari 50% maka kriteria ini diberi nilai 0. 4. Kebersihan Kebersihan adalah tingkat higienitas dan kerapian suatu tempat makan bagi mahasiswa yang pernah berkunjung kesana. Penilaian ini bersifat subjektif, namun dari kuisioner yang disebar melalui Google Form didefinisikan bahwa jika 50% atau lebih responden menyatakan suatu tempat makan bersih, maka untuk kriteria kebersihan akan diberi nilai 1, namun jika responden yang menyatakan bersih kurang dari 50% maka kriteria ini diberi nilai 0. 5. Kenyamanan Kenyamanan adalah bagaimana suatu tempat makan bisa membuat mahasiswa merasa betah dan enak saat makan di tempat tersebut. Penilaian ini bersifat subjektif, namun dari kuisioner yang disebar melalui Google Form didefinisikan bahwa jika 50% atau lebih responden menyatakan suatu tempat makan nyaman, maka untuk kriteria kenyamanan akan diberi nilai 1, namun jika responden yang menyatakan nyaman kurang dari 50% maka kriteria ini diberi nilai 0. 6. Pelayanan Pelayanan
adalah
bagaimana
suatu
tempat
makan
melayani
pengunjungnya, lama atau tidak dalam menyajikan pesanan customer. Penilaian ini bersifat subjektif, namun dari kuisioner yang disebar melalui Google Form didefinisikan bahwa jika 50% atau lebih responden menyatakan
commit to user
perpustakaan.uns.ac.id
digilib.uns.ac.id
25
suatu tempat makan pelayanannya baik dan cepat, maka untuk kriteria pelayanan akan diberi nilai 1, namun jika responden yang menyatakan kurang dari 50% maka kriteria ini diberi nilai 0. 7. Pilihan Menu Pilihan Menu adalah banyaknya jenis menu yang disajikan suatu tempat makan. Penilaian ini bersifat subjektif, namun dari kuisioner yang disebar melalui Google Form didefinisikan bahwa jika 50% atau lebih responden menyatakan suatu tempat makan pilihan menunya banyak, maka untuk kriteria pilihan akan diberi nilai 1, namun jika responden yang menyatakan kurang dari 50% maka kriteria ini diberi nilai 0. 4.2 Penerapan Metode Setelah dilakukan wawancara mendalam dengan mahasiswa Universitas Sebelas Maret, ditemukan tujuh kriteria yang sering disebutkan oleh mahasiswa ketika memilih tempat makan, yaitu harga, rasa, kebersihan, kenyamanan, pelayanan, pilihan menu, dan porsi, seperti ditunjukkan dalam tabel berikut: Tabel 4. 1 Daftar Kriteria No.
Kriteria
1. 2. 3. 4. 5. 6. 7.
Harga Rasa Kebersihan Kenyamanan Pelayanan Pilihan Menu Porsi
Dari tujuh kriteria tadi, diujikan kepada 30 mahasiswa Universitas Sebelas Maret yang juga berpartisipasi dalam wawancara tadi, kemudian dari jawaban yang diberikan, dicari asosiasinya menggunakan algoritma Apriori positif negatif dengan nilai min support 0.4 dan confidence 0.7. Pemilihan min support dan confidence ini berdasarkan pada jumlah rule yang terbentuk dan rule yang dihasilkan, karena tidak ada aturan tertentu dalam menentukannya. Nilai support 0.4 dan confidence 0.7 dianggap menghasilkan rule yang menarik dan memiliki
commit to user
perpustakaan.uns.ac.id
digilib.uns.ac.id
26
nilai confidence yang tinggi seperti ditunjukkan pada tabel 4.2.
Proses
pembentukan rule ditunjkkan pada lampiran D
Tabel 4. 2 Rule Confidence Rule
Rule Confidence
2 3 4 5 6 9 10 11 13 14
0.72 0.82 0.92 1 0.8125 0.76 0.76 0.86 0.8125 0.72
Setiap rule yang ditemukan di Tabel 4
memiliki antecedent dan
consequence. Antecedent dalam Tabel 4.2 ditunjukkan dalam
kolom Rule
Condition, sedangkan consequence yang merupakan akibat dari antecedent ditunjukkan dalam kolom Rule Effect. Jadi setelah dilakukan pencarian pola asosiasi, dapat ditemukan suatu relasi antara pertimbangan-pertimbangan yang dimiliki mahasiswa.
Tabel 4. 3 Rule Condition dan Effect Rule 2
3 4
5
6
Rule Condition HARGA
Score
RASA HARGA PELAYANAN HARGA PELAYANAN PORSI HARGA RASA PELAYANAN HARGA
1 1 0 1 0 1 1 1 0 1
1
Rule Score Effect PELAYAN 0 AN PORSI 1 RASA 1 PORSI 1 RASA 1
commit to user
PORSI
1
RASA
1
perpustakaan.uns.ac.id
digilib.uns.ac.id
27
9 10
11
13 14
PORSI
1
RASA PELAYANAN RASA PORSI
1 0 1 1
RASA PELAYANAN PORSI PELAYANAN PORSI PORSI
1 0 1 0 1 1
PELAYAN AN HARGA PORSI HARGA PELAYAN AN HARGA
0
HARGA RASA HARGA RASA PELAYAN AN
1 1 1 1 0
1 1 1 0 1
Dari tabel 4.3 didapatkan 10 relasi antar kriteria yang akan diterapkan dalam pengembangan aplikasi. Kemudian untuk membuat suatu sistem rekomendasi yang menarik digunakan suatu strategi agar user tidak terlalu banyak melakukan klik, namun hasil yang didapatkan tetap efektif. Dipilihlah satu single condition yang dapat memberikan banyak effect. Dari tabel 5, condition yang sesuai adalah rule 14 dimana jika user mempertimbangkan porsi dalam memilih tempat makan, maka otomatis dia akan mencari tempat makan dengan harga terjangkau, rasaenak, namun tidak mempertimbangkan faktor pelayanan. Sehingga untuk tampilan pertanyaan yang akan pertama muncul
yaitu harga, rasa, dan pelayanan tidak akan ditampilkan karena sudah dijawab secara otomatis dengan aturan yang telah ditemukan sebelumnya, sehingga user hanya perlu menjawab tiga pertanyaan lagi, itu pun jika user tidak neglected. Tiga pertanyaan lain yaitu kebersihan, kenyamanan, dan pilihan menu sifatnya adalah opsional dan boleh dijawab ataupun tidak tergantung dari user.
artinya dia tidak mempertimbangkan porsi dari suatu tempat makan, maka akan ditampilkan tiga antecedent lain yaitu, harga, rasa, dan pelayanan. Kemudian akan
commit to user
perpustakaan.uns.ac.id
digilib.uns.ac.id
28
ditampilkan tempat makan yang mendekati jawaban user. Berikut ini dalam Gambar 4.1 adalah daftar tempat makan dengan skor untuk masing-masing kriteria secara berurutan. NAMA HARGA RASA BALE ENAK 1 MIE AYAM JAMUR 1 WARUNG BU WARNI 1 RICA-RICA ISI 1 SPECIAL SAMBAL 0 MR. MESEM 1 ROAD DIMSUM 0 HAIKIE SOUP 1 WARUNG BU PUR 1 AYAM GEPREK CUMLOT 1 CHICKEN HUT 1 ARJE'S KITCHEN 0 KEDAI CONEL 1 POPIPOP 0 SIMPLYCOOK CAFE 0 WARUNG TIADA TARA "TT" 1 NAGOYA JAPANESE FUSION 0 OLIVE CHICKEN 1 MOEN-MOEN STEAK 0 POPEYE CHICKEN EXPRESS 1 BHESUS 1 MIE AYAM SONY 1 MIE SUMATRA 0 KANTIN DANAU PERTANIAN 1 AYAM GORENG BLITAR 0 BANYUMASAN SURYA 1 MANG OMAN 1 SBC SPESIAL KANGKUNG 1
KEBERSIHAN 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
0 0 0 0 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1
KENYAMANAN PELAYANAN PILIHAN MENU 0 0 0 0 1 0 0 1 1 0 1 1 1 0 1 1 1 0 1 1 0 1 0 0 0 1 1 0 1 0 0 0 0 1 0 1 1 1 1 1 0 1 1 0 1 1 0 1 1 0 0 0 1 0 1 0 1 0 1 1 1 0 0 0 0 0 1 0 0 1 1 1 0 0 0 0 1 1 0 0 1 0 0 1
PORSI 0 0 1 1 0 1 0 0 1 1 1 0 1 0 0 1 0 0 0 1 0 0 1 1 0 1 0 0
Gambar 4. 1 Skoring Tempat Makan Setelah didapatkan input dari user, maka akan dilakukan matching skor tempat makan menggunakan Binary Hamming Distance. Proses dari awal user menggunakan sistem adalah seperti skenario berikut:
1. User diberi pertanyaan apakah mempertimbangkan porsi yang banyak dalam memilih tempat makan. 2. porsi, karena porsi telah memberikan efek ke tiga kriteria lain, maka otomatis tiga kriteria lain sudah dijawab dengan nilai harga 1, rasa 1, dan pelayanan 0. Kemudian disimpan ke database. 3. untuk porsi, dan akan ditampilkan tiga antecedent lain yang harus diisi oleh user.
commit to user
perpustakaan.uns.ac.id
digilib.uns.ac.id
29
4. Sebelumnya di database sudah terdapat nilai default yang dibuat 0 untuk tiga kriteria yang menjadi consequence, yaitu kebersihan, kenyamanan, dan pilihan menu. Sehingga walaupun user baru menjawab empat pertanyaan tadi (porsi, harga, rasa, dan pelayanan), namun aplikasi sudah dapat memberikan hasil rekomendasi karena tiga kriteria yang belum dijawab sudah diberi nilai. 5. Jika hasil rekomendasi yang diberikan belum sesuai dengan keinginan user, maka user dapat menambahkan nilai untuk kriteria kebersihan, kenyamanan, atau, pilihan menu yang diletakkan di checkbox. 6. Hasil input akan dimatch dengan skor yang dimiliki 30 tempat makan dengan metode Binary Hamming Distance seperti pada tabel 2. Kemudian dapat diketahui nilai kedekatannya. Tempat makan yang memilki nilai kedekatan paling kecil akan direkomendasikan ke user. 7. Hasil input user yang sudah menggunakan aplikasi ini nantinya akan disimpan untuk kemudian diolah di penegembangan lebih lanjut untuk proses learning sistem guna membentuk rule baru. 4.3 Pengembangan Aplikasi 4.3.1 Analisis Sistem rekomendasi kuliner mahasiswa ini adalah sebuah sistem yang dapat memberikan rekomendasi tempat-tempat makan di sekitar kampus Universitas Sebelas Maret sesuai dengan pertimbangan-pertimbangan yang biasa digunakan oleh mahasiswa. Sistem ini akan menampilkan seluruh tempat makan yang sudah tercatat di database di tampilan awal, kemudian jika user menginginkan rekomendasi maka sistem akan memberikan pertanyaan-pertanyaan mengenai pertimbanagn apa saja yang ia pilih dalam menentukan tempat makan. Kemudian jika seluruh pertanyaan sudah selesai dijawab, user akan disajikan lima rekomendasi terbaik sesuai dengan pertimbangnnya dalam jawaban tadi, Rekomendasi terbaik tadi diberikan berdasarkan nilai kedekatan jawaban user dengan
skor
tempat
makan
di
database.
Lima
tempat
makan
yang
direkomendasikn tadi dilengkapi dengan detail berupa gambar, waktu buka, menu andalan, dan lokasi dalam peta. User juga bisa ikut memberikan penilaian untuk
commit to user
perpustakaan.uns.ac.id
digilib.uns.ac.id
30
setiap tempat makan yang direkomendasikan. Hasil penilaian ini akan disimpan dalam database untuk diproses memberikan upgrade skor bagi setiap tempat makan. Jika user merasa puas dengan hasil rekomendasi yang diberikan sistem, maka sistem akan memberikan opsi untuk menyimpan hasil jawaban user tadi untuk proses belajar algoritma dan membuat suatu rule baru. Hasil jawaban user baru tadi dimasukkan ke dalam database responden untuk diolah dengan algoritma Apriori. Untuk proses refresh rule dilakukan setiap 24 jam sekali di jam-jam sistem kurang ramai diakses. a. Kebutuhan Fungsional 1. Sistem menerima login dari admin. Kemudian admin dapat melakukan proses pengelolaan data tempat makan, seperti menambahkan data tempat makan, mengedit data tempat makan, dan menghapus data tempat makan. 2. Sistem menerima login dari admin. Kemudian admin melakukan proses update rule untuk hari berikutnya dengan mengganti nilai support dan confident. 3. Sistem menerima login dari admin. Kemudian sistem menampilkan detail user yang pernah menggunakan sistem dan menyimpan datanya. 4. Sistem menerima input data email dari user, kemudian sistem menampilkan pertanyaan-pertanyaaan yang harus dijawab user dalam memilih tempat makan. 5. Sistem menerima hasil jawaban user, kemudian menampilkan lima rekomendasi tempat makan yang sesuai dengan jawaban user. 6. User dapat melihat lokasi tempat makan yang direkomendasikan di Google Maps. 7. User dapat memberikan score untuk masing-masing tempat makan yang direkomendasikan. 8. User dapat menyimpan hasil rekomendasi yang telah diberikan oleh sistem, untuk diproses dalam pembentukan rule berikutnya. 9. User yang tidak menginputkan data email dapat melihat semua tempat makan yang ada di database beserta deskripsi singkatnya.
commit to user
perpustakaan.uns.ac.id
digilib.uns.ac.id
31
b. Kebutuhan Non Fungsional 1. Sistem dapat menyimpan histori rekomendasi user yang sudah disimpan. 2. Aplikasi memiliki tampilan yang user friendly c. Usecase Diagram
Gambar 4. 2 Usecase Diagram Tabel 4. 4 Definisi Aktor No 1.
Actor
Deskripsi Admin
Mengelola data tempat makan, mengupdate nilai suuport dan confident, dan melihat data user.
2.
User
Menjawab pertanyaan dari sistem, melihat hasil rekomendasi,
melihat
detail
tempat
makan,
memberi skor tempat makan, dan menyimpan survei.
commit to user
perpustakaan.uns.ac.id
digilib.uns.ac.id
32
Tabel 4. 5 Deskripsi Usecase No 1. 2. 3. 4.
5. 6. 7. 8. 9.
Use Case Mengelola data tempat makan Mengupdate nilai confident dan support Melihat data user
Deskripsi Admin menambah data tempat makan, mengedit, dan menghapusnya. Admin mengedit nilai support dan confident dari rule. Admin melihat data user yang menggunakan sistem. Menjawab pertanyaan User menjawab pertanyaan berupa pertimbangan-pertimbangan dalam memilih tempat makan. Melihat hasil User melihat hasil rekomendasi tempat makan rekomendasi yang direkomendasikan Melihat detail tempat User melihat detail lokasi tempat makan di makan Google Maps Memberi skor tempat User memberikan penilaian terhdapa tempat makan makan yang direkomendasikan. Menyimpan hasil survei User menyimpan hasil rekomendasi yang diberikan sistem. Melihat tempat makan Unregistered user melihat semua tempat makan yang ada di database
4.3.2 Desain Antarmuka Desain antarmuka untuk sistem ini terdiri dari dua bagian yakni bagian untuk admin dan user. Berikut merupakan tampilan untuk halaman rekomendasi tempat makan seperti pada Gambar 4.3 -4. :
Gambar 4. 3 Desain Login Admin
commit to user
perpustakaan.uns.ac.id
digilib.uns.ac.id
33
Gambar 4. 4 Desain Home Admin
Gambar 4. 5 Desain Kelola Tempat Makan
Gambar 4.6 Desain Kelola Rule
commit to user
perpustakaan.uns.ac.id
digilib.uns.ac.id
34
Gambar 4. 6 Desain data user
Gambar 4. 7 Desain Tampilan Unregistered User
Gambar 4. 8 Desain Tampilan Login User
commit to user
perpustakaan.uns.ac.id
digilib.uns.ac.id
35
Gambar 4. 9 Desain Pertanyaan User
Gambar 4. 10 Desain Hasil Rekomendasi
commit to user
perpustakaan.uns.ac.id
digilib.uns.ac.id
36
4.3.3 Implementasi Berikut adalah hasil implementasi dari desain antaramuka yang digambarkan dalam screenshot proses rekomendasi. 1. User dapat melihat seluruh tempat makan yang ada di sistem.
Gambar 4. 11 Tampilan Unregistered User 2. Kemudian setelah 10 detik, akan muncul pop up untuk memasukkan email. Alamat email akan dicatat untuk proses rekomendasi.
Gambar 4. 12 Tampilan Login
commit to user
perpustakaan.uns.ac.id
digilib.uns.ac.id
37
3. Setelah itu akan muncul pertanyaan-pertanyaan sesuai dengan rule yang digunakan saat hari itu. Berikut ini adalah rule ketika nilai support 0.4 dan confidence 0.7
Gambar 4. 13 Gambar Pertanyan 1
4. Ketika user menjawab YA, semua kriteria sudah terjawab sehingga akan ditampilkan hasil seperti berikut
Gambar 4. 14 Hasil Rekomendasi 1
commit to user
perpustakaan.uns.ac.id
digilib.uns.ac.id
38
5. Ketika nilai support 0.35 dan nilai confidence 0.7 maka pertanyaan yang akan muncul adalah sebagai berikut:
Gambar 4. 15 Gambar Pertanyaan 2
Gambar 4. 16 Gambar Pertanyaan 3
commit to user
perpustakaan.uns.ac.id
digilib.uns.ac.id
39
Gambar 4. 17 Gambar Pertanyaan 3 6. Hasil Rekomendasinya seperti di Gambar 4.18 berikut
Gambar 4. 18 Gambar Hasil Rekomendasi 2 4.3.4 Pengujian Dalam Penelitian ini dilakukan pengujian terhadap setiap kebutuhan fungsional. Pengujian dilakukan dengan menggunakan metode black box testing
commit to user
perpustakaan.uns.ac.id
digilib.uns.ac.id
40
seperti yang ditunjukkan pada halaman lampiran D. Pengujian dilakukan dengan dua macam skenario yakni skenario dengan inputan benar dan dengan inputan yang salah. Hasil dari pengujian menunjukkan sistem dapat menjalankan semua fungsional dengan baik. Evaluasi kepuasan pengguna digunakan sebagai pengukuran tingkat kepuasan pengguna terhadap sistem. Kuisioner diisi oleh 18 mahasiswa yang telah menggunakan sistem. Pengguna dibagi menjadi dua kategori yaitu delapan mahasiswa IT dan 10 mahasiswa non-IT. Pembagian ini dimaksudkan untuk mengetahui sisi kemudahan sistem bagi mahasiswa awam dan mahasiswa yang terbiasa dengan IT. Kuisioner terdiri dari lima pertanyaan dengan masing-masing perntanyaan dijawab dengan nilai terendah 1 dan nilai tertinggi yakni 5. Hasil dapat dilihat pada Tabel 4.15:
Tabel 4. 6 Hasil Kuisioner Pengguna No
1
2
3
4
Pertanyaan Apakah sistem mudah digunakan ? Apakah penggunaan bahasanya mudah dimengerti? Apakah sistem yang dibangun memiliki tampilan yang menarik? Apakah Anda setuju sistem dapat membantu dalam memberikan solusi pemilihan tempat makan sesuai dengan kriteria yang
Penilaian 5
4
3
2
1
16.67%
66.67%
16.67%
0%
0%
5.55%
38.8%
44.4%
5.55%
5.55%
0%
38.8%
55.5%
0%
5.55%
16.67%
83.3%
0%
0%
0%
commit to user
perpustakaan.uns.ac.id
digilib.uns.ac.id
41
5
Anda inginkan? Apakah sistem yang di bangun ini bermanfaat?
11.1%
83.3%
5.55%
0%
0%
4.4 Pembahasan Setelah dilakukan penerapan Algoritma Apriori Positif Negatif dalam pengembangan sistem, ternyata metode ini dapat memunculkan berbagai rule yang menarik untuk proses perekomendasian tempat makan mahasiswa. Dari data awal 30 responden dengan nilai support 0.4 dan confidence 0.7 dapat ditemukan rule seperti yang terdapat di 4.3, namun ketika jumlah responden bertambah sebanyak 35 dengan nilai support dan confidence yang sama dengan data awal, rule yang ditemukan sudah berubah. Rule yang diperoleh ketika data bertambah dapat dilihat di tabel 4.7, namun nilai support dan confidence sama dapat dilihat di Tabel 4.8 Tabel 4. 7 Daftar Rule Data 35 Id_rule Confident 2 0.875 3 0.7 4 0.7777778 5 1 8 0.823629 9 0.933333 10 0.933333 11 0.933333 13 0.736842 Tabel 4. 8 Daftar Rule Effect dan Rule Condition Data 35 Rule 2 2 4
Rule Condition RASA KEBERSIHAN RASA PELAYANAN RASA PELAYANAN PORSI
Score 1 0 1 0 1 0 1
commit to user
Rule Effect PELAYANAN PORSI KEBERSIHAN PORSI KEBERSIHAN
Score 0 1 0 1 0
perpustakaan.uns.ac.id
digilib.uns.ac.id
42
5
8
9 10 11
13
RASA KEBERSIHAN PELAYANAN KEBERSIHAN
1 0 0 0
PELAYANAN KEBERSIHAN KEBERSIHAN PORSI KEBERSIHAN PELAYANAN PORSI PELAYANAN PORSI
0 0 0 1 0 0 1 0 1
PORSI
1
RASA PELAYANAN PORSI RASA PORSI RASA PELAYANAN RASA
1 0 1 1 1 1 0 1
RASA KEBERSIHAN
1 0
Ketika data bertambah menjadi 70 dan nilai support diturunkan menjadi 0.35 didapatkan rule baru seperti ditunjukkan pada tabel 4.9 dan 4.10
Tabel 4. 9 Daftar Rule Support 0.35 Id_rule 4
Confident 1
5 7 8 9 15 16 18 20 22 24
1 0.766667 0.821429 1 0.793103 0.92 0.958333 0.92 0.958333 0.766666
commit to user
perpustakaan.uns.ac.id
digilib.uns.ac.id
43
Tabel 4. 10 Daftar Rule Effect dan Rule Condition Support 0.35 Rule 4
5
7 8
9
15
16
18
20
22
24
Rule Condition 1 5 6 1 5 6 7 1 6 1 6 7 1 2 5 6 2 6 7 2 5 6 2 5 6 7 5 6
Score
5 6 7 6 7
0 0 1 0 1
1 0 0 1 0 0 1 1 0 1 0 1 1 1 0 0 1 0 1 1 0 0 1 0 0 1 0 0
Rule Effect 2 7
Score
2
1
2
1
2 5
1 0
7
1
1 5
1 0
1 7
1 1
1
1
1 2 7 1 2
1 1 1 1 1
1 2 5
1 1 0
1 1
Rule yang didapatkan semakin banyak, dengan variasi antara asosiasi positif dan negatif. Asosiasi negatif dalam penelitian ini memang cukup banyak ditemukan, namun dalam proses rekomendasi kurang terpakai, karena user jarang
commit to user
perpustakaan.uns.ac.id
digilib.uns.ac.id
44
yang menjawab pertanyaan dengan no. Selain itu peran asosiasi negatif juga kurang dikarenakan sedikitnya kriteria yang digunakan dalam sistem. Terkait hasil pengujian sistem pada tabel 4.6 menunjukkan bahwa terkait kemudahan penggunaan sistem, diperoleh hasil 16.67% responden cukup setuju bahwa sistem mudah digunakan dan 83.3% menyatakan setuju. Hal ini berarti bahwa sistem yang dibuat mudah digunakan. Terkait dengan penggunaan bahasa yang mudah dimengerti, diperoleh 44.4% dari responden cukup setuju bahwa sistem menggunakan bahasa yang mudah dimengerti, 44.4% setuju, dan 11% tidak terlalu setuju dengan pilihan bahasa. Ini berarti bahwa bahasa yang digunakan oleh sistem mudah untuk dimengerti. Terkait untuk tampilan yang menarik, diperoleh 38.8% dari responden memberikan penilaian cukup setuju bahwa tampilan menarik dan 55.5% setuju, sedangkan 5.55% menyatakan tampilan tidak menarik.. Hal ini berarti tampilan yang disajikan sudah cukup menarik. Terkait apakah sistem dapat membantu memberikan solusi pemilihan tempat makan yang sesuai yang diinginkan, diperoleh 83.3% dari responden cukup setuju bahwa sistem memberikan solusi pemilihan tempat makan yang sesuai dengan yang dibutuhkan dan 16.7% menyatakan setuju. Hal ini menunjukkan bahwa sistem yang dibangun dapat membantu memberikan solusi pemilihan tempat makan yang sesuai dengan kebutuhan.
Terkait dengan apakah sistem yang dibangun
bermanfaat, diperoleh 100% responden setuju bahwa sistem sangat bermanfaat. Hal ini berarti sistem yang dibangun sangat bermanfaat dalam membantu mahasiswa dalam rekomendasi tempat makan. Rata-rata dari seluruh penilaian terhadap tingkat kepuasan pengguna, pengguna memberikan respon yang baik terhadap kinerja sistem, yang berarti pengguna sudah merasa puas dengan hasil yang disajikan oleh sistem rekomendasi kuliner. Untuk rincian penilaian dari responden dapat dilihat di Lampiran C.
commit to user
