Pengujian Akurasi Pengujian Sistem

dibangun. Wawancara dilakukan kepada 10 orang pengguna yang akan diajukan beberapa pertanyaan. Adapun pertanyaan-pertanyaan yang diajukan sebagai berikut : a. Menurut anda apakah hasil pencarian yang dihasilkan oleh sistem news aggregator yang saya bangun sesuai dengan inputan kata kunci bila dibandingkan news aggregator yang pernah anda coba sebelumnya? b. Apakah pengelompokkan informasi berita dari hasil pencarian sudah sesuai dengan topiknya pendidikan? Berdasarkan dari wawancara yang dilakukan terhadap 10 pengguna tersebut, rata-rata dari 10 pengguna tersebut menjawab : a. Sudah sesuai bila dibandingkan pencarian yang dilakukan di sistem news aggregator yang lain dengan inputan kata kunci yang sama. b. Cukup sesuai, karena dari hasil pengelompokkan tersebut ada beberapa bukan topik pendidikan meskipun dari judul merujuk informasi berita pendidikan tapi dari isi beritanya ternyata bukan tentang pendidikan. Berdasarkan hasil dari pengujian beta di atas, dapat disimpulkan bahwa sistem news aggregator ini bekerja dengan baik dalam melakukan proses menampilkan informasi berita tertentu yang telah dikelompokkan sebelumnya berdasarkan inputan kata kunci pengguna. Selain itu juga sistem ini juga mendapat masukan dala segi tampilan yang terlalu sedeharna, meski begitu dari fungsionalnya sistem ini bekerja dengan cukup baik. 97

BAB V KESIMPULAN DAN SARAN

V.1 Kesimpulan

Berdasarkan hasil dari implementasi dan pengujian yang dilakukan terhadap sistem new aggregator yang menerapkan metode WCM dan partitional clustering K-Means pada bab sebelumnya, maka dapat disimpulkan bahwa metode WCM yang untuk mengambil informasi berita dari situs berita dan metode partitional clustering dengan K-Means yang untuk mengelompokkan informasi berita dapat digunakan pada sistem news aggregator ini dengan menampilkan informasi berita sesuai dengan inputan kata kunci pengguna sehingga dapat meminimalisirkan information overload.

V.2 Saran

Adapun saran untuk pengembangan lebih lanjut mengenai sistem news aggregator ini adalah sebagai berikut : 1. Hasil pengelompokkan dengan K-Means pada sistem news aggregator masih membutuhkan evaluasi lagi dikarenakan proses pembentukan cluster yang berdasarkan inisialisasi secara dinamis ini terkadang menghasilkan over cluster jika jumlah dokumennya semakin banyak, sehingga diharapkan menggunakan jenis metode clustering yang lain yang tidak sensitif terhadap inisialiasi atau menggunakan metode lain yang dapat menentukan inisialisasi secara dinamis. 2. Perbaikan pada fungsional crawling saat melakukan proses pengambilan informasi berita dari situs berita karena sistem news aggregator ini hanya mengambil deskripsi atau headlines yang tersedia pada situs berita, sehingga sistem ini diharapkan dapat ditambahkan fungsi dari PHP, yaitu cURL yang untuk pengambilan informasi full content.