OPTIMASI RANKING WEBOMETRICS MENGGUNAKAN METODE LOGARITMIC FUZZY PREFERENCE PROGRAMMING PADA PERSPEKTIF COST

(1)

OPTIMASI RANKING WEBOMETRICS MENGGUNAKAN

METODE LOGARITMIC FUZZY PREFERENCE

PROGRAMMING PADA PERSPEKTIF COST

Tenia Wahyuningrum, Ridwan Pandiya

Program Studi Teknik Informatika ST3 Telkom Purwokerto Jl. DI Panjaitan 128 Purwokerto

Abstrak

Setiap perguruan tinggi, memiliki keinginan untuk menjadi World Class University. Salah Satu cara yang digunakan untuk menilai kualitas sebuah universitas adalah dengan melakukan pengukuran aktifitas civitas akademika di dunia maya, melalui

domain web universitas yang disebut webometrics.

Dalam rangka meningkatkan kinerja web universitas untuk mendukung terciptanya World Class

University, maka diperlukan langkah-langkah

optimasi pencapaian ranking webometrics. Langkah tersebut antara lain dengan menggunakan perhitungan dan pembobotan berdasarkan 4 faktor utama yaitu Visibility (V), Size (S), Rich Files (R) dan

Scholar (Sc) berdasarkan kemampuan financial

(perspektif cost) perguruan tinggi. Metode analisis dan sintesis yang digunakan untuk membantu proses pengambilan keputusan menggunakan metode

Analytical Hierarchy Process (AHP) dengan

pendekatan Logaritmic Fuzzy Preference (LFPP). Metode LFPP ini melibatkan fungsi logaritma asli untuk memperbaiki kekurangan metode FPP. Pembobotan dilakukan dengan melibatkan pakar dan akademisi untuk menentukan tingkat kepentingan berdasarkan cost (biaya) yang dikeluarkan antara satu kriteria dengan kriteria yang lain, sampai pada sub kriteria terhadap sub kriteria yang lain. Penilaian tersebut kemudian dibuat ke dalam skala angka (biasanya skala 1 sampai 9), dan dibuat matriks perbandingan berdasarkan hirarki yang telah dibangun sesuai dengan persoalan yang akan diselesaikan, dan sesuai dengan perhitungan bobot prioritas. Dari hasil perhitungan, didapatkan ranking tertinggi yang direkomendasikan dalam menentukan langkah strategis pencapaian ranking webometrics adalah faktor pemantauan ranking dari situs ahrefs(C332), penambahan jumlah link dari website lain (C321), penambahan jumlah halaman pada domain (C111), mengunggah materi pembelajaran

dalam bentuk file pdf (C223) dan pemantauan ranking dari situs Majesticseo (C331).

Kata kunci :

World Class University, Webometrics, Analytical Hierarchy Process, Logaritmic Fuzzy Preference

Abstract

Each college has a desire to become a World Class University. One ways used to assess the quality of a university is by measuring activity of the academic community in the virtual world, through the university's Web domain called webometrics. In order to improve the performance of web universities to support the creation of the World Class University, the necessary steps Webometrics ranking optimization achievement. The measures include the use of the calculations and the weighting is based on four main factors, namely Visibility (V), Size (S), Rich Files (R) and Scholar (Sc) is based on the ability of financial (cost perspective) colleges. Methods of analysis and synthesis that is used to help the decision making process using Analytical Hierarchy Process (AHP) approach Logaritmic Fuzzy Preference (LFPP). LFPP method involves a logarithmic function original to correct deficiencies FPP method. Weighting is done with the involvement of experts and scholars to determine the level of interest based on cost (cost) incurred between the criterias, and between sub-criterias. The assessment is made into number scale (usually a scale of 1 to 9), and made a comparison matrix based hierarchy that has been built according to the issues to be resolved, and in accordance with the calculation of weighted priorities. From the calculation results, the highest ranking recommended a decisive step in the strategic ways is monitoring the ranking via ahrefs sites (C332), increasing the number of links from other websites (C321), increasing the number of pages on the domain (C111), upload learning materials in pdf

(2)

file format (C223) and monitoring the ranking of sites Majesticseo (C331).

Keywords :

World Class University, Webometrics, Analytical Hierarchy Process, Logaritmic Fuzzy Preference

I. PENDAHULUAN

Pemeringkatan level World Class University dinilai masih bersifat sangat subjektif. Beberapa kendala dalam upaya pencapaian WCU, salah satunya terkait dengan banyaknya perbedaan kriteria penilaian (Altbach, 2012). Oleh karena itu, pentingnya status WCU yang dimiliki sebuah universitas unggulan (excellence) berstandar dunia dan strategi yang digunakan untuk mencapainya, menarik perhatian praktisi dan pengambil kebijakan di bidang pendidikan (Jati, Irmawati, & Indrihapsari, 2012). Berbagai macam kriteria penilaian yang digunakan untuk menentukan peringkat dan kinerja sebuah universitas, salah satunya didapatkan dari kualitas website universitas. Setiap tahun, satu juta orang mengunjungi website universitas untuk mencari informasi. Kegiatan yang dilakukan antara lain mencari informasi perkuliahan, mengganti jadwal kuliah, atau kontak informasi dosen. Istilah baru dalam penilaian kualitas universitas berdasarkan aktifitas di dunia maya, melalui web universitas disebut webometrics. Sebuah terobosan dari Cybermetrics Lab, sebuah kelompok riset dari Centro de Ciencias Humanas Sociales (CCHS), yang merupakan bagian dari Dewan Riset Nasional Spanyol(Kargar, 2011).

Dalam rangka meningkatkan kinerja web universitas untuk mendukung terciptanya World

Class University, maka diperlukan langkah-langkah

optimasi pencapaian ranking webometrics antara lain dengan menggunakan perhitungan dan pembobotan berdasarkan 4 faktor utama yaitu Visibility (V), Size

(S), Rich Files (R) dan Scholar (Sc). Metode analisis

dan sintesis yang digunakan untuk membantu proses pengambilan keputusan menggunakan metode

Analytical Hierarcy Process (AHP). AHP merupakan

metode pengambil keputusan yang powerful dan fleksibel, yang dapat membantu dalam menetapkan prioritas dan membuat keputusan dengan mempertimbangkan aspek kualitatif dan kuantitatif. (Jati, Irmawati, & Indrihapsari, 2012) melakukan pembobotan variabel webometrics dengan menggunakan metode Fuzzy AHP, akan tetapi

metode tersebut belum dapat memfasilitasi variabel penilaian berdasarkan sifat kepentingannya. Dengan mengetahui faktor penting mana saja yang perlu didahulukan, diharapkan muncul langkah-langkah tepat yang diambil dalam rangka meningkatkan ranking webometrics (Saaty, 2003). (Wang and Chin 2011) dalam penelitian pemilihan kapal yang sesuai untuk pengiriman barang telah melakukan pembobotan menggunakan fuzzy AHP dengan pendekatan logarithmic fuzzy preference programming. Metode ini dinilai cukup efektif

karena dapat menentukan prioritas variabel berdasarkan kepentingannya, dan dapat mengatasi kekurangan pada metode sebelumnya. Metode inilah yang akan dipakai untuk melakukan pembobotan pada variabel webometrics.

Perlunya optimasi ranking webometrics

merupakan strategi untuk mencapai sasaran mutu pada aspek Internal Bussiness Process yang harus dicapai oleh masing-masing Perguruan Tinggi di bawah naungan Yayasan Pendidikan Telkom (Wahyuningrum, 2015), ditinjau dari segi biaya (cost). Masing-masing indikator diukur berdasarkan tingkat kepentingannya menggunakan fungsi keanggotaan fuzzy, sehingga diperoleh rekomendasi kegiatan yang dilakukan agar lebih tepat dan terarah untuk dalam rangka meningkatkan ranking

webometrics.

II. TINJAUAN PUSTAKA

Analytical Hierarchy Process

Persoalan-persoalan dalam dunia nyata pada umumnya tidak dapat dimodelkan. Atau jika dapat dimodelkan pun, akan banyak asumsi yang justru membuat hasil akhir atau solusi yang dicari menjadi tidak aplikatif. Oleh karena itu, metode-metode yang mendukung ketidakjelasan dan ketidaktentuan banyak diteliti dan dipelajari. (Saaty T. L., 1988) pertama kali memperkenalkan metode yang disebut dengan Proses Hirarki Analitik (The Analytical

Hierarchy Process). Metode ini menjadi sangat

menarik karena melibatkan penilaian (jugdgement) manusia yang sifatnya subjektif. Penilaian tersebut kemudian dibuat ke dalam skala angka (biasanya skala 1 sampai 9), dan dibuat matriks perbandingan berdasarkan hirarki yang telah dibangun sesuai dengan persoalan yang akan diselesaikan, dan sesuai dengan perhitungan bobot prioritas.

(3)

Seiring dengan semakin kompleksnya persoalan yang harus diselesaikan, maka penggunaan skala 1 sampai 9 (crisp number) dirasa kurang representatif (Wang & Chin, 2011). Untuk menjawab kekurangan ini, maka para peneliti menggabungkan konsep logika fuzzy dengan AHP sehingga bilangan yang digunakan bukan lagi bilangan crisp akan tetapi menggunakan bilangan fuzzy. Hal ini untuk mengatasi persoalan yang sifatnya tidak jelas dan kompleks. Fuzzy AHP sering dikombinasikan dengan metode-metode lain, salah satunya adalah dengan metode Fuzzy Preference Programming (FPP) untuk menentukan nilai bobot kepentingannya. Akan tetapi, pada penerapannya, banyak contoh kasus menghasilkan solusi yang tidak tepat. Sehingga metore tersebut diperbaiki dengan menggunakan unsur logaritma natural pada FPP telah terbukti efektif dan dapat menghasilkan solusi yang efektif dan tepat.

Fuzzy Preference Programming

Penggunaan bilangan fuzzy dalam penilaian dalam kuesioner oleh pakar atau akademisi yang memiliki pengetahuan tentang permasalahan yang akan diuji, dalam hal ini masalah pemeringkatan

webometrics, dapat dibentuk kedalam matriks

perbandingan tingkat kepentingan (1).

Bilangan fuzzy yang digunakan, didefinisikan dalam Tabel 1. 12 12 12 1 1 1 21 21 21 2 2 2 1 1 1 2 2 2 1 ( , , ) ( , , ) ( , , ) 1 ( , , ) ( ) ( , , ) ( , , ) 1 k k k k k k ij k k k k k k k k l m u l m u l m u l m u A a l m u l m u         _ _     . (1)

Misalkan penilaian dari kriteria ke-i diantara l_ij

dan u_ij kali lebih penting dibandingkan kriteria ke-j, dimana l_ij1/u_ji,m_ij1/m u_ji, _ij1/l_ji dan 0 l_ij m_iju_ij untuk i j, 1,..., ,n ji. Untuk menghitung bobot ( ₁,..., )T 0 k W w w  dengan 1 1 k i i w  



, dalam (Wang & Chin, 2011), telah didefinisikan fungsi keanggotaan

( / ) , , ( / ) , , i j ij i ij ij ij j i j _ij _i _j i ij ij ij j w w l w m m l w w w _u _{w w} _w m u m w    _  _          _ _   _  _  (2) Dimana _ij(w w_i/ _j) adalah derajat keanggotaan /

i j

w w dari penilaian a_ij( ,l m u_ij _ij, _ij) . Misalkan





min _ij(w w_i/ _j) |i 1,...,k 1;j i 1,...,k .

     

Maka,  adalah derajat keanggotaan minimum dimana bobot yang dihasilkan memenuhi setiap tingkat kepentingan fuzzy-nya. Bentuk nonlinear programming dari kondisi diatas dapat dituliskan sebagai Maksimumkan  s.t. 1 ( ) 0, 1,..., ; 1,..., , ( ) 0, 1,..., ; 1,..., , 1, 0, 1,..., . i ij j ij ij j i ij j ij ij j k i i i w l w m l w i k j i k w u w u m w i k j i k w w i k                       _    



Untuk menyempurnakan model ini (Wang & Chin, 2011), telah melibatkan logaritma natural yang disebut sebagai model LFPP (Logarithmic Fuzzy

Preference Programming).

Tabel 1. Definisi bilangan fuzzy yang digunakan Konversi dari skala

AHP kedalam bilangan Fuzzy

Definisi

1 = (1,1,1) Kedua elemen yang dibandingkan

sama pentingnya (equal)

2 = (1,2,3) Penilaian berada diantara sama

pentingnya dan sedikit lebih penting

3 = (2,3,4) Elemen pertama sedikit lebih

penting dibandingkan elemen

kedua (moderate)

4 = (3,4,5) Penilaian berada diantara sedikit

lebih penting dan lebih penting

5 = (4,5,6) Elemen pertama lebih penting

dibandingkan dengan elemen

kedua (strong important)

6 = (5,6,7) Penilaian berada diantara lebih

penting dan jelas lebih penting

7 = (6,7,8) Elemen pertama jelas lebih

penting dibandingkan dengan

elemen kedua (very strong)

8 = (7,8,9) Penilaian berada diantara jelas

lebih penting dan mutlak lebih penting

(4)

9 = (8,9,9) Elemen pertama mutlak lebih

penting dibandingkan dengan

elemen kedua (absolute strong

important)

2,4,6,8 Nilai-nilai diantara dua penilaian

yang berdekatan

Metode LFPP

Seperti telah dijelaskan diatas, metode LFPP ini merupakan penyempurnaan dari metode FPP yang pada beberapa contoh kasus menghasilkan nilai akhir yang negatif yang tentu saja hal ini membuat solusi yang diharapkan menjadi kurang valid. Metode LFPP ini melibatkan fungsi logaritma asli untuk memperbaiki kekurangan metode FPP. Metode LFPP ini dapat diformulasikan menjadi

Minimumkan 1 2 2 2 1 1 1 (1 ) . ( ) k k ij ij i j J  P         

 

 s.t. ln( / ) ln , 1,..., 1; 1,..., , ln( / ) ln , 1,..., 1; 1,..., , , 0, 1,..., , , 0, 1,..., 1; 1,..., , i j ij ij ij ij i j ij ij ij ij i ij ij x x m l l i k j i k x x u m u i k j i k x i k i k j i k                            _ _  _ _ _ _{ } 

dengan perhitungan bobot menggunakan rumus sebagai berikut. * * * 1 exp( ) , 1,..., , exp( ) i i k j j x w i k x   



.

III. ANALISIS DAN PEMBAHASAN

Penelitian ini merupakan penelitian eksperimental yang melibatkan 2 orang pakar (akademisi dan praktisi) dalam bidang webometrics. Kedua pakar berdiskusi menentukan bobot kepentingan antar kriteria. Kriteria yang digunakan dalam penelitian yaitu Size, Rich Files, Visibility, dan

Scholar, dimana masing-masing kriteria dibagi

menjadi beberapa sub kriteria kegiatan yang dapat meningkatkan ranking webometrics. Selanjutnya, dibuat struktur hirarki dari kriteria uji dan sub kriteria berdasarkan perspektif cost (biaya) yang ditunjukkan pada Gambar 1.

Cost

Visibility(C3)

Size (C1) Rich Files(C2)

Scholar (C4) Metric to measure website size (C11) Submit sitemaps (C12) Increase web content (C13) Size : number of pages in the domain (C111) Submit to : google (C121) Content always stay fresh(C131) Ways of creating new content (C132) Cater to all stakeholders (C133) Search Engine Optimization (C14) Html (C141) Keyword (C142) Measured by web analytics(C33) All stakeholders involved (C31) Backlinks (C32) Content from students (C311) Content from staff & lecturer (C312) Number of unique incoming links from other website(C321) Ways to generate more traffic (C322) Majesticseo (C331) Ahrefs (C332) How to increase rich files (C21) Volume od document publications relevant to academic level (C22) Upload more(C211) Encourage staff, lecturer and students to publish their works online (C212) Create archive for historical reference (C213) Research publications , journal, papers, articles (C224) Research projects, conference, seminars (C225) Corporate documents (C221) News letter/ bulletins (C222) Learning materials (C223) Measure the number of scientific papers (C41) Google scholar (C411) Schimago (C412) How to improve scholarly rank (C42) Go open access (C421) Get listed in OA directory (C423) Get indexed by google scholar (C422) Encourage staff, lecturer and student to increase visible publications (C424)

(5)

Perhitungan pembobotan kriteria dan sub kriteria

Tabel 2 Tingkat kepentingan dari empat kriteria dilihat dari perspektif cost

Criteria C1 C2 C3 C4 LFPP priorities C1 (1, 1, 1) (2, 3, 4) (1/6,1/5,1/4) (8, 9, 9) 0.2301 C2 (1/4,1/3,1/2) (1, 1, 1) (1/8,1/7,1/6) (4, 5, 6) 0.1236 C3 (4, 5, 6) (6, 7, 8) (1, 1, 1) (6, 7, 8) 0.6056 C4 (1/9,1/9,1/8) (1/6,1/5,1/4) (1/8, 1/7, 1/6) (1, 1, 1) 0.0407 Minimize 3 4 2 2 2 1 1 (1 ) . ( _ij _ij) i j i R  P        

 

 Subject to : 1 2 12 1 2 12 1 3 13 1 3 13 1 4 14 1 4 14 2 3 23 2 3 23 2 ln(3/ 2) ln 2 ln(4 / 3) ln 4 ln(6 / 5) ln(1/ 6) ln(5 / 4) ln(1/ 4) ln(9 / 8) ln 8 ln(1) ln 9 ln(8 / 7) ln(1/ 8) ln(7 / 6) ln(1/ 6) x x x x x x x x x x x x x x x x x                                                         4 24 2 4 24 3 4 34 3 4 34 1 2 3 4 12 13 14 23 24 34 12 13 14 23 24 34 ln(5 / 4) ln 4 ln(6 / 5) ln 6 ln(7 / 6) ln 6 ln(8 / 7) ln 8 , , , , , , , , , , , , , , , , 0 x x x x x x x x x x x                                                                  _  Solusi optimal : * 1 x 1.9464, * 2 x 1.3252, * 3 x 2.9142, * 4 x 0.2135, 0, * 12   0.0719, * 13   0, * 14   0.3466, * 23   0, * 24   0.2746 * 34   0, * 12   0, * 13   0.4185, ₁₄*  0, *₂₃ 0.2027, * 24   0, * 34   0.6212 Prioritas Normalized LPP : 4 * * * 1 1 1 1 exp( ) / exp( ) i w x x  



0.2301, 4 * * * 2 2 2 1 exp( ) / exp( ) i w x x  



0.1236 4 * * * 3 3 3 1 exp( ) / exp( ) i w x x  



0.6056, 4 * * * 4 4 4 1 exp( ) / exp( ) i w x x  



0.0407

Tabel 2 menunjukkan bahwa nilai LFPP Priorities untuk C1, C2, C3, dan C4 berturut yaitu 0.2301, 0.1236, 0.6056, 0.0407.

Dengan menggunakan cara yang sama, dihitung pula pembobotan dengan kriteria penilaian perbandingan berpasangan antar sub kriteria, sehingga didapatkan hasil sebagai berikut.

Tabel 3. Hasil perhitungan bobot kriteria

C1 0.2301 C11 0.5744 C111 1.0000 0.132169 C12 0.2105 C121 1.0000 0.048436 C13 0.1543 C131 0.5396 0.019158 C132 0.2969 0.010541 C133 0.1634 0.005801 C14 0.0608 C141 0.1250 0.001749 C142 0.8750 0.012241 C2 0.1236 C21 0.1251 C211 0.2553 0.003948 C212 0.6434 0.009948 C213 0.1013 0.001566 C22 0.8749 C221 0.2215 0.023952 C222 0.1226 0.013258 C223 0.6005 0.064937 C224 0.0554 0.005991 C3 _.60560 C31 0.0751 C311 0.8750 0.039795 C312 0.1250 0.005685

(6)

C32 0.3575 C321 0.8750 0.189439 C322 0.1250 0.027063 C33 0.5675 C331 0.1667 0.057291 C332 0.8334 0.286421 C4 0 .0407 C41 0.8000 C411 0.8334 0.027136 C412 0.1667 0.005428 C42 0.1999 C421 0.1912 0.001556 C422 0.5514 0.004486 C423 0.1912 0.001556 C424 0.0663 0.000539

Tabel 3 menunjukkan hasil perhitungan bobot masing-masing kriteria, kemudian pada Tabel 4 dilakukan pemeringkatan 10 sub kriteria tertinggi. Dari hasil perhitungan, ranking 1 yaitu ahrefs, dan ranking 10 yaitu upload more.

Tabel 4. 10 besar peringkat bobot sub kriteria

Ranking _Bobot _{Sub Kriteria}

1 _0.286421 _{Ahrefs (C332)}

2

0.189439 Number of unique incoming links from

other website(C321)

3 _0.132169 Size : number of pages in the domain

(C111)

4 _0.064937 _{Learning materials (C223)}

5 _0.057291 _{Majesticseo (C331)}

6 _0.048436 _{Submit to : google (C121)}

7 _0.039795 _{Content from students (C311)}

8 _0.027136 _{Google scholar (C411)}

9 _0.027063 _{Ways to generate more traffic (C322)}

10 _0.023952 _{Upload more(C211)}

IV. KESIMPULAN

Berdasarkan hasil pemeringkatan bobot sub kriteria pada perspektif cost, didapatkan rekomendasi sebagai berikut.

1. Pemantauan ranking web universitas dilakukan dengan cara memantau situs ahrefs.com, dari segi cost, situs tersebut menyediakan akses gratis bagi pengguna. 2. Jumlah link unik yang merujuk pada web

universitas, dapat dilakukan dengan memanfaatkan resource siswa PKL atau mahasiswa magang, untuk menekan biaya. 3. Menambahkan jumlah halaman web, dapat

dilakukan sendiri oleh unit atau bagian sisfo, sehingga menghemat biaya yang dikeluarkan.

4. Untuk menambah rich files, setiap dosen diwajibkan mengunggah materi ajar ke blog masing-masing dengan ekstensi .pdf. Hal ini dirasa cukup murah, karena dapat dilakukan sendiri oleh dosen yang bersangkutan.

5. Selain menggunakan ahrefs.com, pemantauan ranking webometrics dapat dilakukan secara periodik melalui situs majesticseo.com secara gratis.

REFERENSI

Altbach, P.G. "The costs and benefits of world-class universities." Academe, Vol. 90, No. 1, 2012: 20-23.

Fruhling, A, and S Lee. "Assessing the Reliability, Validity and Adaptability of PSSUQ." 9th

Americas Conference on Information Systems.

Omaha, Nebraska, 2005.

Jati, Handaru, Dessy Irmawati, and Yuniar Indrihapsari. Laporan Akhir Penelitian Hibah

Fundamental. Yogyakarta: Universitas Negeri

Yogyakarta, 2012.

Kargar, Mohammad Javad. "University Website Ranking from Usability Criteria Perspective."

(7)

International Journal of Advancements in Computing Technology, Vol. 3 Issue 11, 2011: 246-251.

Lewis, R James. T12: Standardized Usability

Questionarry.

http://michaelyeap.blogspot.com/2009/10/oct-9-post-study-system-usability.html (accessed December 10, 2014).

Saaty, Thomas Lorie. Decision Making : The

Analytical Hierarchy Process. United States of

America: University of Pittsburgh, 1988.

Saaty, Thomas Lorie. "Decision-making with the AHP : Why is the principal eigenvector necessary." European Journal of Operational

Research Vol. 145 No. 1, 2003: 85-91.

Sauro, Jeff. 8 Advantages of Standardized

Usability Questionnairres.

http//www.measuringusability.com/blog/standardized -usability.php (accessed December 2013, 2014).

Wahyuningrum, Tenia. "Strategi peningkatan visibility dalam upaya peningkatan ranking webometrics." Seminar Nasional Teknologi Informasi dan Komunikasi (SENTIKA). Yogyakarta:

Universitas Atma Jaya Yogyakarta, 2015. 151-155. Wang, Ying Ming, and Kwai Sang Chin. "Fuzzzy analytic hierarchy process : a logarithmic."

International Journal of Approximate Reasoning,