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.
Xij = 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 idealpositif[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 iy
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=−1𝑑𝑖2𝑛 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(C11,C21,C31,C41,… . C521 ) adalah nilai terbesar di kolom accessibility (C1). C12 adalah nilai alternatif website kolom customization and personalization (C2)
baris A2. 𝑚𝑎𝑥(C12,C22,C32,C42,… . C522 ) adalah nilai terbesar di kolom customization and personalization (C2).
e. Tahap membentuk matrik ternomalisasi, yaitu nilai-nilai normalisasi setiap
alternatif website diubah dalam bentuk matrik yang ditujukkan pada Tabel 8.
Tabel 8. Matrik Normalisasi (R) Metode SAW
C1 C2 C3 C4 C5 C6 C7 A1 R11 R12 R13 R14 R15 R16 R17 A2 R21 R22 R23 R24 R25 R26 R27 A3 R31 R32 R33 R34 R35 R36 R37 A.. R.. R.. R.. R.. R.. R.. R.. 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 𝑦𝑗+ 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 𝑆𝑖+ dan negatif 𝑆𝑖−. Jarak antara nilai terbobot setiap alternatif terpilih yang
terbaik memiliki jarak terpendek dari solusi ideal positif Si+ : 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 Si− :
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