ANALISIS USABILITY WEBSITE UNIVERSITAS NEGERI DI PULAU JAWA DAN SUMATERA MENGGUNAKAN METODE SAW DAN TOPSIS. (Skripsi) Oleh ANITA

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

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 : usability website, SAW, TOPSIS, Spearman Test, Webometrics, university.

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 : usability website, SAW, TOPSIS, uji Spearman, Webometrics, universitas.

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

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

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.

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

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.

ix 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

x

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 70

4.2.5 Perbandingan Perangkingan Data Metode TOPSIS dan Rilis

Webometrics dengan Uji Spearman 75

4.2.6 Perbandingan Perangkingan Data Metode TOPSIS dan Rilis

xi

BAB V SIMPULAN DAN SARAN

5.1 Simpulan 85

5.2 Saran 86

DAFTAR PUSTAKA 87

xii

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/css-

validator 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

xiii

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

xiv

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

xv

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

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,

2

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

3

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

4

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

5 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

6 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

7

Tabel 2. Perhitungan Geometrcis Means Kriteria Usability

C1 C2 C3 C4 C5 C6 C7 C1 1 1,25 1,51 1,79 3,61 3,01 2,15 C2 0,80 1 1,03 0,89 2,33 1,40 1,25 C3 0,66 0,97 1 1,79 2,76 2,08 1,42 C4 0,56 1,12 0,56 1 3,57 1,63 1,70 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 0,70 0,59 2,38 0,81 1 Jumlah 4,1 6,28 5,64 6,95 17,39 10,51 9,18

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

8

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

masing-masing 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

9

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).

10

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

11

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 = 𝑥𝑖𝑗 max 𝑥𝑖𝑗 min 𝑥𝑖𝑗 𝑥𝑖𝑗 ...(1)

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 = 𝑛𝑗 =1𝑤𝑗 𝑥𝑖𝑗 ...(2)

W adalah bobot preferensi yang bersesuaian dengan elemen matrik. Nilai Vi lebih

besar mengindikasikan bahwa alternatif Ai lebih terpilih. jika j adalah attribut biaya (cost) Jika j adalah atribut keuntungan (benefit)

12 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 =



 m i ij j i x x 1 2 ...(3)

Rij adalah matriks ternormalisasi [i][j], xij adalah matriks keputusan [i][j], dengan

13

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.

Di+ =



  _ n i ij i y y 1 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.:

Di- =

(

)

...

...

...

....(

8

)

1 2



 



n j i j i

y

y

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 = _{ }   i i i D D D ...(9)

14

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.

𝑟

_𝑠

= 1 −

6 𝑛𝑙=−1𝑑𝑖2

𝑛 𝑛2₋₁ ...(10)

N adalah jumlah pasangan rank, di adalah perbedaan setiap pasang rank.

15

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):

16 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

Memberikan Nilai Setiap Alternatif pada setiap kriteria

Membuat Matrik keputusan Menentukan Bobot Kriteria Membentuk Matrik Normalisasi (R) Proses Perangkingan

Hasil Perangkingan Setiap Alternatif

Metode TOPSIS

Menghitung Jarak solusi ideal positif & negatif

Membandingkan Hasil Rangking Metode SAW, TOPSIS, Webometrics Memberikan Nilai Setiap Alternatif

pada setiap kriteria

Membuat Matrik keputusan Menentukan Bobot Kriteria Membentuk Matrik Normalisasi (R) Membentuk Matrik Normalisasi Terbobot (Y)

Uji Hipotesis Menggunakan Uji Spearman

Gambar 1. Diagram Alir Penelitian

17 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)

18

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.

19 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

masing-masing 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 Kriteria Usability Tools Hasil

1 Accessibility http://validator.w3.org Number of errors

2 Customization and

Personalization

http://alexa.com Jumlah pengunjung

website

3 Download Speed http://alexa.com Kecepatan

Download

4 Ease of Use http://jigsaw.w3.org Number of errors

5 Errors http://validator.w3.org/checklink Jumlah link rusak

6 Navigation http://alexa.com Jumlah Inlink

website

7 Site Content http://google.com Jumlah file yang

20

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.. A52 C521 C522 C523 C524 C525 C526 C527

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 =

C11

21

R12 =

C12

𝑚𝑎𝑥 ⁡(C12,C22,C32,C42,…..C522 ,) ... (2)

C11 adalah nilai alternatif website kolom accessibility (C1) baris A1.

𝑚𝑎𝑥⁡(C_11,C_21,C_31,C_41,… . C₅₂₁ ) adalah nilai terbesar di kolom accessibility (C1). C12 adalah nilai alternatif website kolom customization and personalization (C2)

baris A2. 𝑚𝑎𝑥⁡(C_12,C_22,C_32,C_42,… . 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.. A52 R521 R522 R523 R524 R525 R526 R527

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) +

22

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

masing-masing 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.

23

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.. A52 X521 X522 X523 X524 X525 X526 X527

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 =

𝑥11

24

r12 =

𝑥12

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.. A52 R521 R522 R523 R524 R525 R526 R527

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) +

25

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..

A52 Y521 Y522 Y523 Y524 Y525 Y526 Y527

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 𝑦_𝑗+ untuk j adalah kriteria dari 1 sampai 7. Solusi ideal negatif ditentukan berdasarkan hasil terkecil

(Min) matrik keputusan ternormalisasi terbobot berdasarkan nilai ternormalisasi

26

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 [Y} 11, Y21, Y31,..., Y521] ...(11) 𝑦₂+ _{= max [Y} 12, Y22, Y32, ,..., Y522] ...(12) 𝑦₃+ _{= max [Y} 13, Y23, Y33, ,..., Y523] ...(13) 𝑦₄+ _{= max [Y} 14, Y24, Y34, ,..., Y524] ...(14) 𝑦₅+ _{= max [Y} 15, Y25, Y35, ,..., Y525] ...(15) 𝑦₆+ _{= max [Y} 16, Y26, Y36, ,..., Y526] ...(16) 𝑦₇+ _{= max [Y} 17, 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 [Y}

11, Y21, Y31,..., Y521] ...(18)

𝑦₂− _{= min [Y}

27 𝑦₃− _{= min [Y} 13, Y23, Y33, ,..., Y523] ...(20) 𝑦₄− _{= min [Y} 14, Y24, Y34, ,..., Y524] ...(21) 𝑦₅− _{= min [Y} 15, Y25, Y35, ,..., Y525] ...(22) 𝑦₆− _{= min [Y} 16, Y26, Y36, ,..., Y526] ...(23) 𝑦₇− _{= min [Y} 17, 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 𝑆_𝑖+ dan negatif 𝑆_𝑖−_{. Jarak antara nilai terbobot setiap alternatif terpilih yang}

terbaik memiliki jarak terpendek dari solusi ideal positif S_i+ : 𝑆₁+ _{= (y}

1+− y11)2+ (y2+− y12)2+ (y3+− y13)2+ … . . + (y7+− y17)2 ...(25)

𝑆₂+ _{= (y}

1+− 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}+

28

Jarak antara nilai terbobot setiap alternatif terpilih yang terbaik memiliki jarak

terpanjang terhadap solusi ideal negatif S_i− _:

S₁− _{= (y}

11 − y1−)2+ (y12 − y2−)2+ (y13 − y3−)2+ . . . + (y17 − y7−)2...(27)

S₂− _{= (y}

21 − 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 :

A1 = 𝑆1− 𝑆₁−_{+ 𝑆} 1+ ...(29) A2 = S₂− S2−+ S2+ ...(30)

𝑆₁− _{adalah solusi ideal negatif alternatif A1. 𝑆}

1+ 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

29 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).

30 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

31

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.

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

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

3

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. The study of

Webometrics Ranking of World Universities.

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