35
b. Kemudian ketikkan site: “nama website akademik”. Contoh : site:ugm.ac.id
maka akan muncul gambar :
Gambar 19. Jumlah scholar sebuah website akademik
c. Angka yang dilingkari pada gambar merupakan jumlah scholar file-file jurnal
dan paper yang terdapat pada website akademik tersebut.
F. Teknik analisis data
Analisis data menggunakan statistik non parametris. Statistik non parametris digunakan untuk menganalisis data yang berentuk nominal dan ordinal yang tidak
dilandasi persyaratan data harus berdistribusi normal Sugiyono, 2009. Penelitian ini analisis data menggunakan metode :
1. Metode webometrics
Pada bulan Januari 2012 webometrics memliki empat variabel dalam metode perangkingannya yaitu:
a. Size S
b. Visibility V
c. Rich files R
36
d. Scholar Sc
Berdasarkan data yang terdapat di website resmi webometrics pada bulan Januari 2012 keempat variabel masing-masing memiliki bobot yang berbeda
satu sama lain, yaitu size sebesar 20, visibility sebesar 50, rich files sebesar 15, dan Scholar sebesar 15.
2. Metode MCDM Vikor
Metode Vikor adalah salah satu metode pengambilan keputusan multi krieria atau yang lebih dikenal dengan Istilah Multi Criteria Decision Making MCDM
yang digunakan untuk menyelesaikan permasalahan dengan kriteria yang bertentangan dan tidak sepadan. Metode ini berfokus pada peringkat dan
pemilihan dari sekumpulan alternative kriteria yang saling bertentangan untuk dapat mengambil keputusan untuk mencapai keputusan akhir.
Langkah – langkah perhitungan dengan metode vikor adalah sebagai berikut :
a. Melakukan normalisasi data menggunakan rumus sebagai berikut :
∑ dan
[ ] Serafim Opricovic 2006
Dimana Xij i = 1,2,3,…,m dan j = 1,2,3,…,n adalah elemen dari matriks pengambil keputusan alternative i terhadap kriteria j dan Xj adalah elemen
terbaik dari kriteria j X-j adalah elemen terburuk dari kriteria j sedangkan Wj adalah bobot dari tiap kriteria j
b. Menentukan nilai indeks
Serafim Opricovic 2006
37
Dimana S- = min Si , S + = max S
i dan R - = min R
i , R + = max R
i c.
Hasil perangkingan merupakan hasil pengurutan dari S,R dan Q d.
Solusi akternatif peringkat terbaik berdasarkan dengan nilai Q minimum menjadi peringkat terbaik dengan syarat Serafim Opricovic 2006 :
1 QA2 – QA1 ≥ DQ
Dimana A2 = alternative dengan urutan kedua pada perangkingan Q dan A1 = alterative dengan urutan terbaik pada perangkingan Q sedangkanDQ = 1 - m
– 1 2
Alternatif A1 harus berada pada rangking terbaik pada S danatau R. 3.
Metode MCDM Promethee Promethee adalah salah satu metode penentuan urutan atau prioritas dalam
MCDM. Penggunaan promethee adalah menentukan dan menghasilkan keputusan dari beberapa alternative. Promethee berfungsi untuk mengolah data, baik data
kuantitatif dan kualitatif sekaligus. Dimana semua data digabung menjadi satu dengan bobot penilaian yang telah diperoleh melalui penilaian atau survey.
Langkah – langkah perhitungan dengan metode promethee adalah sebagai
berikut : a
Melakukan normalisasi data dengan menggunakan rumus :
| |
| |
Jati 2011
dimana Rij
= Nilai normalisasi alternative i criteria j Xij
= Nilai data alternative i criteria j
38
Xj = nilai terbaik dalam satu criteria
X’j = nilai terjelek dalam satu criteria
b Menentukan tipe fungsi preferensi dan nilai preferensi
Jati 2011 c
Menghitung indeks preferensi dengan cara : [∑
] ∑ Jati 2011
d Menghitung arah preferensi dipertimbangkan berdasarkan nilai indeks leaving
flow Ф+
∑ Jati 2011
e Menghitung arah preferensi dipertimbangkan berdasarkan nilai indeks
entering flow Ф-
∑ Jati 2011
f Menghitung nilai indeks net flow.
Φi = Φ
+
i - Φ
-
i Jati 2011 4.
Uji Friedman Uji ini umumnya digunakan jika skala pengukuran datanya ordinal dan skala
interval maupun rasional yang tidak memenuhi syarat untuk uji t atau uji F katagori perlakuan yang diteliti lebih besar dari dua P 2 dan termasuk
klasifikasi dua arah ada peubah lain sampingan selain perlakuan atau berpasangan
39
Rumus uji Friedman adalah sebagai berikut ; ∑
Soedibjo 2005 Disini :
F: nilai Friedman dari hasil perhitungan Ri : jumlah rank dari kategoriperlakuan ke i
k: banyaknya katagoriperlakuan i=1,2,3,……,k b: jumlah pasangan atau kelompok
40
Tabel 3. Nilai kritis untuk beberapa perbandingan berdasarkan uji friedman
n k = 3
k = 4 α = 5 α = 1 α = 5 α = 1
2 --------- ---------- 6,000
---------- 3
6,000 ---------- 7,400
9,000 4
6,500 8,000
7,800 9,600
5 6,400
8,400 7,800
9,960 6
7,000 9,000
7,600 10,200
7 7,143
8,857 7,800
10,540 8
6,250 9,000
7,650 10,500
9 6,222
9,556 7,667
10,730 10 6,200
9,600 7,680
10,680 11 6,545
9,455 7,691
10,750 12 6,500
9,500 7,700
10,800 13 6,615
9,385 7,800
10,850 14 6,143
9,143 7,714
10,890 15 6,400
8,933 7,720
10,920 16 6,500
9,375 7,800
10,950 17 6,118
9,294 7,800
10,050 18 6,333
9,000 7,733
10,930 19 6,421
9,579 7,863
11,020 20 6,300
9,300 7,800
11,100 ~
5,991 9,210
7,815 11,340
41
Tabel 3 di atas adalah nilai kritis dari uji Friedman. Di mana k adalah jumlah treatments dan n adalah jumlah sampel. Pada penelitian ini, menggunakan k = 3
Perangkingan berdasarkan metode promethee, Perangkingan berdasarkan metode vikor, dan Perangkingan berdasarkan rilis webometrics Januari 2012 dan b = 20
jumlah sampel web akademik perguruan tinggi. 5.
Uji spearman Koefisien korelasi Spearman digunakan untuk mengukur keeratan hubungan
antara dua variabel yang keduanya mempunyai skala pengukuran ordinal. Adapun rumus yang digunakan untuk menghitung korelasi spearman adalah :
∑
Soedibjo 2005 Disini
rs : koefisien korelasi spearman di : menunjukkan perbedaan setiap pasang rank
N : menunjukkan jumlah pasangan rank Setelah menemukan hasilnya, kemudian membandingakan antara
dengan nilai tabel koefisien Spearman. Tabel ini adalah untuk menguji hipotesis bahwa
koefisien korelasi populasi, r, adalah nol. Nilai dalam tabel ini adalah nilai minimum r dari sampel yang perlu dihubungi untuk memberikan Koefisien
Korelasi Peringkat Spearman, nilai akan signifikan pada tingkat ditampilkan. Di bawah ini adalah table koefisien Spearman.
42
Tabel 4. Koefisien Spearman
Sample size n
p = 0.05 p = 0.025
p = 0.01
4 1
- -
5 0.9
1 1
6 0.8286
0.8857 0.9429
7 0.7143
0.7857 0.8929
8 0.6429
0.7381 0.8333
9 0.6
0.7 0.7833
10 0.5636
0.6485 0.7455
11 0.5364
0.6182 0.7091
12 0.5035
0.5874 0.6783
13 0.4825
0.5604 0.6484
14 0.4637
0.5385 0.6264
15 0.4464
0.5214 0.6036
16 0.4294
0.5029 0.5824
17 0.4142
0.4877 0.5662
18 0.4014
0.4716 0.5501
19 0.3912
0.4596 0.5351
20 0.3805
0.4466 0.5218
21 0.3701
0.4364 0.5091
22 0.3608
0.4252 0.4975
23 0.3528
0.416 0.4862
24 0.3443
0.407 0.4757
25 0.3369
0.3977 0.4662
26 0.3306
0.3901 0.4571
27 0.3242
0.3828 0.4487
28 0.318
0.3755 0.4401
29 0.3118
0.3685 0.4325
30 0.3063
0.3624 0.4251
40 0.264
0.3128 0.3681
50 0.2353
0.2791 0.3293
60 0.2144
0.2545 0.3005
70 0.1982
0.2354 0.2782
80 0.1852
0.2201 0.2602
90 0.1745
0.2074 0.2453
100 0.1654
0.1967 0.2327
Koefisien Korelasi Peringkat Spearman sebenarnya merupakan derivasi dari koefisien korelasi. Oleh karena itu, nilai-nilai rs harus antara -1 dan +1 [-1 r
s
1].
43
Tabel 5. Penjelasan tentang r
s
r
s
= +1
Berarti bahwa peringkat memiliki hubungan positif yang sempurna. Peringkat mereka yang persis sama.
r
s
= 0
Berarti bahwa peringkat tidak memiliki korelasi atau asosiasi.
r
s
= -1
Berarti bahwa peringkat punya hubungan negatif sempurna. Mereka memiliki peringkat kebalikan satu sama lain.
44
BAB IV HASIL PENELITIAN DAN PEMBAHASAN