Pada bagian ini, kita akan membahas perancangan penelitian usability melalui pengolahan dan penyajian data. Nah, untuk melakukan bagian ini, kita perlu mengetahui teknik-teknik nya menggunakan ilmu statistik. Laptop Anda belum terinstal program statistik seperti SPSS atau minitab? Tak apa, karena kita akan menyajikan pengolahan data statistik menggunakan Ms. Excel saja.  *pasti anda sudah punya kan?

Jenis data

  1. Nominal (nama, jenis kelamin, alamat, dst)
  2. Ordinal (suka-tidak suka-sangat suka, tinggi-sedang-rendah, dst)
  3. Interval (suhu, sejuk(100-250 C)-panas(250-300 C)-sangat panas (>300 C), jelek-sedang-bagus-sangat bagus *dalam skala tertentu, misalkan jelek nilainya 1-2, sedang 3-4, bagus 5-6, sangat bagus 7, dst)
  4. Ratio (waktu, umur, berat, tinggi, dst)

Data dan metrik

Memilih statistik yang tepat untuk tipe data dan usability metrics yang berbeda sangat menentukan kesimpulan yang akan diambil. Tabel berikut menjelaskan pengukuran yang umum digunakan dalam pengukuran usability dan prosedur statistik yang digunakan untuk menyajikan data.

Mengolah data statistik menggunakan Ms. Excel

Untuk mengaktifkan fungsi statistik pada Ms. Excel, maka kita dapat memunculkannya dengan klik office button>excel option (step 1). Langkah selanjutnya, pilihlah analysis toolpack pada pilihan add ins (step 2). Setelah klik OK, maka pada tab data akan muncul data analysis yang dapat kita gunakan untuk mengolah dan menyajikan data yang diperoleh dari partisipan (step 3).

step 1

Step 2

Step 3

 

Descriptive Statistics

Untuk menyajikan data sederhana, seperti mengetahui rata-rata, standar deviasi, nilai minimum dan maksimum, kita dapat menggunakan descriptive statistics. Perhatikan langkah-langkah di bawah ini :

Misalkan : terdapat 12 partisipan yang diminta untuk mengerjakan sebuah task. Kemudian researcher menuliskan jumlah waktu yang diperlukan untuk mengerjakan task tersebut (sebut saja satuannya menit). Maka, kita hanya perlu menuliskannya dalam 2 kolom seperti gambar diatas.

Klik data>data analysis>descriptive statistics> confidence interval 95%>summary statistics. Input range diarahkan pada sel B2:B13. (perhatikan gambar berikut)

Hasilnya akan diperoleh seperti berikut ini :

Dari tabel task time diatas, kita dapat simpulkan bahwa rata-rata task time untuk 12 responden adalah 35,08 menit, dengan standar deviasi 11,24. Nilai terendah dalam mengerjakan sebuah tugas adalah 21 menit (paling cepat) dan nilai tertinggi adalah 53 menit (paling lambat).

 

 

 

 

 

 

Alih alih menghemat, penelitian usability justru akan membuang banyak waktu, uang dan tenaga jika tidak direncanakan dengan baik. Untuk merancang usability study yang baik, kita perlu menjawab beberapa pertanyaan seperti berikut ini :

  1. Tipe partisipan apa yang kita butuhkan?
  2. Berapa jumlah partisipan yang kita perlukan?
  3. Apakah kita akan membandingkan data dari kelompok tunggal partisipan dengan beberapa kelompok partisipan yang berbeda?
  4. Apakah kita memerlukan penyeimbang untuk beberapa tugas?

Memilih partisipan

Tiga pertanyaan penting saat memilih partisipan yaitu :

  1. Seberapa baik partisipan menggambarkan target audiens kita?
  • Pilihlah partisipan yang benar-benar dapat menggambarkan usability testing. Contoh : untuk aplikasi kesehatan, pilihlah partisipan dokter, perawat, ataupun bidan. Untuk aplikasi sekolah, pilihlah partisipan guru, murid, kepala sekolah, atau penggiat pendidikan.
  1. Apakah kita akan membagi grup partisipan berdasarkan tipe partisipan yang berbeda? Pikirkanlah tentang grup apa dan berapa jumlah partisipan tiap-tiap grup. Berikut ini beberapa tipe kelompok atau segmen yang umum digunakan dalam penelitian usability.
  • Self reported expertise in some domain (novice, intermediate, expert)
  • Frequency of use (jumlah pengunjung web, jumlah interaksi per bulan)
  • Amount of experience with something (hari, bulan, tahun)
  • Demographics (jenis kelamin, umur, lokasi)
  • Activities (menggunakan fungsi partikular atau fitur)
  1. Tujuan besar penelitian usability agar dapat temuan dapat digeneralisasi untuk populasi yang jumlahnya lebih besar. Berikut teknik-teknik dalam mengambil sampel.
  • Random sampling (setiap anggota populasi memiliki kemungkinan untuk menjadi partisipan penelitian).
  • Systematic sampling (pemilihan sampel berdasarkan kriteria yang telah ditentukan, misalkan responden yang telah memiliki nilai TOEFL lebih dari 500).
  • Stratified sampling (pemilihan partisipan untuk memastikan jumlah sample yang dibutuhkan pada setiap kelompok, misalkan 50% kelompok berjenis kelamin laki-laki, 50% kelompok berjenis perempuan).
  • Sample of convinience (pendekatan ini umum digunakan pada penelitian usability, termasuk setiap orang yang ingin berpartisipasi dalam penelitian. Menempatkan partisipan dalam lab dan mengamati perilaku user).

Jumlah sampel

Berapa jumlah sampel ideal untuk melakukan penelitian usability? Jika anda tertarik untuk mengidentifikasi persoalan-persoalan usability yang besar sebagai bagian dalam proses desain iteratif, maka 3 atau 4 partisipan representatif cukup untuk dijadikan sampel. Tabel dibawah ini menunjukkan bahwa jika kita menggunakan 100 partisipan, dan 80 dari partisipan sukses melakukan tugas (task), maka dapat dikatakan bahwa 71 sampai 86 persen dari populasi yang besar akan mampu melakukan tugas tersebut (dengan 95% confidence interval).

Penelitian dalam kelompok atau antar kelompok

Keputusan penting lain untuk dipikirkan adalah apakah kita akan membandingkan data yang berbeda dari setiap partisipan(dari desain atau produk yang berbeda), atau data dari setiap partisipan (dari rata-rata kesuksesan mengerjakan task pada kelompok yang berbeda).

Penelitian dalam kelompok (within subjects) merupakan penelitian yang umum digunakan. Peneliti dapat melakukan pengukuran berulang, sebelum dan sesudah menggunakan sebuah produk, atau pengukuran dua buah produk berbeda pada partisipan yang sama.

Penelitian antar kelompok (between subjects) contohnya membandingkan kepuasan antara novice dan expert user, atau membandingkan waktu yang dibutuhkan dalam menyelesaikan tugas dari pengguna yang berpendidikan SMA dan pengguna berpendidikan SD.

Counterbalance (mengimbangi)

Terkadang urutan peserta melakukan tugasnya memiliki dampak signifikan terhadap hasilnya. Peserta biasanya belajar produk karena pengalaman mereka berkembang. Akibatnya, Anda harus mempertimbangkan urutan pengumpulan data, yang biasanya merupakan urutan tugas. Mungkin saja Anda melihat peningkatan kinerja atau kepuasan karena sesi kegunaan terus berlanjut. Dapatkah Anda menentukan apakah perbaikan terjadi karena tugas kelima lebih mudah daripada tugas pertama atau jika beberapa pembelajaran terjadi antara tugas pertama dan kelima yang membuat tugas kelima lebih mudah dilakukan? Satu-satunya cara untuk menjawab pertanyaan ini adalah mengendalikan efek pesanan melalui teknik yang disebut penyeimbang. Tabel berikut merupakan contoh bagaimana cara menyeimbangkan tugas berdasarkan 4 partisipan dan 4 tugas.

Variabel bebas dan variabel tergantung

Seperti halnya penjelasan pada bidang statistika, variabel independen (independent variable) adalah tipe variabel yang menjelaskan atau mempengaruhi variabel yang lain. Variabel dependen (dependent variable) adalah tipe variabel yang dijelaskan atau dipengaruhi oleh variabel independen. Misalkan, kepuasan pengguna (variabel dependen) tergantung dari kecepatan download, waktu loading web, dan kemudahan web saat digunakan (variabel independen).

Dari buku Tom Tullis, Measuring The User Experience

Yogyakarta, 15 Juni 2017

Kita telah mengenal berbagai macam ukuran, seperti waktu, jarak, berat, tinggi, kecepatan, temperatur, volume, dan lain-lain. Setiap industri, aktifitas dan segala kebiasaan kita memiliki ukuran tersendiri.  Dalam industri otomotif, diketahui istilah horse power atau kekuatan kuda untuk mobil. Dalam industri komputer, dikenal ukuran kecepatan prosesor, dan ukuran memory. Di dalam kehidupan sehari-hari, kita menggunakan ukuran berat badan, tinggi bangunan, bahkan ukuran ayam yang umum disajikan untuk acara tumpengan punya standar yang telah disepakati!

Begitu pula usability, memiliki metric atau ukuran tersendiri. Ukuran-ukuran tersebut adalah task success, user satisfaction, error, dan lain sebagainya. Data usability merupakan data kualitatif, namun demikian, tetap harus dapat diukur. Kita dapat mengubahnya menjadi data numerik atau sesuatu yang dapat dihitung. Seluruh ukuran usability harus dapat merepresentasikan beberapa aspek dari user exprerience yang disajikan dalam format angka. Sebagai contoh : 65% user menyatakan puas terhadap suatu produk, 90% user dapat menyelesaikan tugas kurang dari satu menit.

Perbedaan usability metric terhadap ukuran lainnya yaitu karakteristiknya dalam mengukur pengalaman pengguna. Hal ini merupakan pengalaman personal dari setiap manusia terhadap sesuatu. Usability metric menghasilkan interaksi antara pengguna dan sebuah benda, seperti aspek efektivitas (kemampuan menyelesaikan suatu tugas), efisiensi (jumlah usaha yang dikeluarkan untuk menyelesaikan tugas), dan kepuasan (derajat yang menyatakan user senang dengan pengalaman mereka dalam mengerjakan suatu tugas).

Perbedaan lainnya, usability metric mengukur sesuatu tentang manusia dan perilaku mereka. Dikarenakan setiap orang memiliki perbedaan dalam kemampuan beradaptasi, maka para desainer dan developer memiliki tantangan tersendiri dalam mengukur usability. Usability metric membantu anda dalam pengambilan keputusan. Usability metric menyediakan jawaban dari setiap pertanyaan yang penting bagi organisasi yang tidak dapat dijawab dari ukuran lain.

Usability metric dapat menjawab beberapa pertanyaan penting seperti :

Apakah pengguna menyukai produk anda?

Apakah produk baru ini lebih efisien daripada produk sebelumnya?

Bagaimana usability sebuah produk dibandingkan dengan produk lainnya?

Masalah usability apa yang paling signifikan dalam sebuah produk?

Apakah terdapat perbaikan pada satu iterasi dengan iterasi selanjutnya?

 

10 mitos tentang usability metrics

Mitos 1 : Pengumpulan metric membutuhkan waktu yang lama

Fakta : jika partisipan yang diperlukan dalam pengukuran kepuasan atau kemudahan penggunaan terlalu banyak, kita dapat mengirimkan email dengan beberapa pertanyaan. Kita juga dimungkinkan untuk mendapatkan feedback dari screenshoot oleh pengguna.

 

Mitos 2 : Usability metric membutuhkan biaya yang banyak

Fakta : seperti mitos 1, keterbatasan waktu dan biaya dapat dikurangi dengan mengirimkan kuesioner kepada user menggunakan email. Beberapa perangkat analisis juga tersedia secara gratis di internet.

 

Mitos 3 : Usability metric tidak berguna saat memfokuskan pada perbaikan kecil

Fakta : Menganalisis masalah kegunaan adalah sebuah solusi yang jelas dan sangat berharga. Misalnya melihat keparahan dan frekuensi masalah usability dan mengapa hal itu terjadi adalah cara terbaik untuk memfokuskan sumber daya selama proses perancangan. Pendekatan ini menghemat banyak uang dan waktu. Anda dapat dengan mudah menurunkan metric kegunaan berdasarkan pada penelitian terdahulu yang mungkin bisa membantu Anda menjawab pertanyaan kegunaan utama. Usability metric berguna untuk proyek berukuran besar maupun kecil.

 

Mitos 4: Usability metric tidak membantu kita memahami penyebabnya

Fakta : Anda dapat mengidentifikasi di mana pengguna sistem mengalami masalah dan menggunakan metric untuk mengetahui di mana dan bahkan mengapa beberapa masalah terjadi. Bergantung pada bagaimana data dikodekan dan metode kode  yang digunakan, ada banyak kegunaan data yang bisa membantu mengungkapkan akar penyebab banyak masalah kegunaan.

 

Mitos 5 : Data usability terlalu ribet

Fakta : Banyak kuesioner penggunaan standar telah banyak divalidasi oleh banyak peneliti. Intinya adalah bahwa dengan beberapa pemikiran hati-hati dan beberapa teknik sederhana, banyak noise dalam data kegunaan bisa sangat signifikan dikurangi untuk menunjukkan gambaran yang jelas tentang perilaku dan sikap pengguna.

 

Mitos 6 : Anda bisa mempercayai “usus” Anda

Fakta : Beberapa pilihan desain benar-benar merupakan kasus “gut level”, namun mungkin saja sebenarnya berdampak pada populasi yang besar. Terkadang solusi perancangan yang tepat berlawanan dengan intuisi. Misalnya, tim desain dapat memastikan bahwa semua informasi di halaman web ada di paro atas, sehingga menghilangkan kebutuhan untuk menggulir. Namun, data kegunaan (mungkin dalam bentuk waktu penyelesaian tugas) dapat mengungkapkan waktu penyelesaian tugas yang lebih lama karena tidak ada cukup ruang putih antara berbagai elemen visual. Intuisi tentu penting, tapi data lebih baik.

 

Mitos 7: Metric tidak berlaku untuk produk baru

Fakta : Saat mengevaluasi produk baru, penting untuk menetapkan seperangkat metric dasar yang dengannya iterasi perancangan di masa mendatang dapat dibandingkan. Ini satu-satunya cara untuk benar-benar tahu apakah desainnya membaik atau tidak. Selain itu, ini sangat membantu menetapkan target metric untuk produk baru. Sebelum produk dilepaskan, seharusnya memenuhiMetric dasar kegunaan seputar keberhasilan tugas, kepuasan, dan efisiensi.

Mitos 8: Tidak ada metric untuk jenis masalah yang sedang kita hadapi

Fakta : Dalam tahun-tahun penelitian kegunaan kami, kami belum menemukan sasaran bisnis atau pengguna yang tidak dapat diukur dengan cara tertentu. Anda mungkin harus kreatif dalam cara mengumpulkan data.

Mitos 9: Metric tidak dipahami atau dihargai oleh manajemen

Fakta : Sudah pengalaman kami bahwa metric kegunaan tidak hanya dipahami namun sangat dihargai oleh manajemen tingkat atas. Mereka dapat berhubungan dengan metric. Metric memberikan kredibilitas kepada tim, produk, dan proses perancangannya. Metric dapat digunakan untuk menghitung ROI (return on investment). Kebanyakan manajer menyukai metric, dan usability metric adalah satu jenis metric yang akan mereka ambil dengan cepat.

Mitos 10: Sulit mengumpulkan data yang dapat dipercaya dengan ukuran sampel yang kecil

Fakta : Banyak orang beranggapan bahwa Anda memerlukan setidaknya 30 peserta untuk mulai melihat data kegunaan. Meski memiliki ukuran sampel lebih besar tentu membantu meningkatkan confident interval, namun ukuran sampel yang lebih kecil dari delapan atau sepuluh peserta masih bisa bermakna.

Disarikan dari buku karya, Tom Tullis, “Measuring the user experience”

Yogyakarta, 6 Juni 2017

Ilustrasi

Mari kita bayangkan kita berada di sebuah mall atau supermarket bangunan, dan akan membeli gergaji mesin (chain saw).

Sejak masuk toko tersebut, apa yang ada di pikiran anda? pasti anda akan mencari melalui papan yang biasanya tergantung di dinding. “Hmmm, ” (anda berpikir),  ” ada di bagian tools? atau lawn and garden?”, dan anda akan secara otomatis memilih “tools” (A). Ketika mendapatkan “bagian tools”, maka selanjutnya kita akan mencari rak “power tools”. Setelah menemukan rak yang dicari, barulah kita mencari produk yang akan dibeli (B). Jika kita tidak menemukan apa yang dicari, maka kita akan berpindah ke rak lain.

department tools

Pada dasarnya, ketika memasuki sebuah toko, kita menggunakan dua cara, yaitu mengikuti navigasi toko (tanda dan hirarki organisasi) pada toko, dan langsung mencari sendiri barang yang akan dibeli (C), atau menggunakan kesempatan untuk bertanya kepada petugas toko letak barang yang akan dibeli (D).

 

                                (C)                                                                                     (D)

 

Ketika masuk kesebuah website, ada dua perilaku user, 1) mencoba menemukan sesuatu hal sendiri (dengan browsing), 2) memutuskan apakah akan bertanya dulu (dengan searching). Kecenderungan user dengan perilaku pertama, disebut search dominant user, dan kecenderungan perilaku kedua disebut link dominant user.

Jika anda tidak menemukan apa yang anda cari dengan segera, maka hampir dapat dipastikan, anda akan meninggalkannya. Desain yang baik seharusnya menyediakan dua pilihan alternatif ini untuk memberikan keleluasaan user dalam memilih.

Navigasi umum

Navigasi umum yang digunakan sebagai elemen dasar pembuatan web biasanya mengacu pada kesepakatan pada media cetak, seperti gambar di bawah ini.

Navigasi yang kuat, harus memuat 5 elemen (site ID, home, search, section, dan utilities) contoh navigasi dapat dibuat seperti dibawah ini :

navigasi dasar

 

Merancang siteID

siteID penting untuk ditampilkan dalam web, karena merupakan representasi untuk keseluruhan web. Analogi siteID merupakan merek atau logo yang biasanya ada di luar toko. Gunakan jenis huruf yang menarik dan warna yang mencolok. Hirarki logis sebuah website adalah sebagai berikut

This site

     Sections of this site

         Subsections

             Sub-subsections, etc.

                  This page

                         Areas of this page

                                     Items on this page

 

Merancang utilities

Utilities untuk setiap web, “kata kunci” bagian utilities berbeda dan bervariasi, Anda dapat memilih beberapa pilihan kata dibawah ini :

utilities

Merancang area pencarian (search area)

Ingatlah bahwa sebagian besar pengguna akan memindai sebuah halaman untuk menemukan sesuatu yang mereka cari. tiga pola utama pencarian disajikan dalam gambar di bawah ini. Rumus sederhananya : text box, tombol, dan kata cari. Jangan membuatnya sulit, dan tetaplah berpegang teguh pada  rumus ini. Secara khusus, hindari fancy word seperti “quick search”,  “Find”, “Quick Find”, “Quick Search”, or “Keyword Search” untuk menghindari kebingungan user. Cukup gunakan kata “search” sebagai “clue” dan “go” pada tombol disebelahnya.

area pencarian

Demikian sekilas pengetahuan dalam merancang navigasi web. Selamat mencoba!

Yogyakarta, 24 Mei 2016

  Pendapat yang “benar” tentang pengujian

  1. Jika anda menginginkan situs yang hebat, anda harus mengujinya.
  2. Pengujian yang dilakukan oleh satu orang user, 100% lebih baik dari pada tidak mengujinya sama sekali.
  3. Pengujian satu pengguna di awal proyek jauh lebih baik daripada pengujian saat separo jalan.
  4. Mengambil  pengguna representatif untuk  melakukan pengujian itu baik, tapi jauh lebih penting mengujinya lebih awal dan sering.
  5. Inti pengujian bukan untuk membuktikan atau menyangkal sesuatu, tapi untuk memberi penilaian (judgment)
  6. Pengujian adalah proses yang berulang.
  7. Tidak ada yang mengalahkan reaksi pengguna secara langsung.

5 Alasan utama mengapa kita tidak menguji website

Biasanya, para developer tidak menguji website karena beberapa hal, antara lain tidak punya waktu, tidak punya uang, tidak memiliki keahlian, tidak punya laboratorium usability, dan tidak dapat menginterpretasikan hasilnya. Tabel berikut ini menjelaskan “bantahan” dari alasan-alasan diatas.

Pengujian usability yang sederhana

Bagaimana melakukan pengujian sendiri ketika kita tidak memiliki cukup waktu dan uang? Tabel menjelaskan beberapa triknya

Berapa jumlah user yang “seharusnya” digunakan dalam pengujian?

Krug menjelaskan, 3 atau 4 user dianggap sudah cukup untuk melakukan pengujian. Gambar dibawah menunjukkan, bahwa satu pengujian dengan 8 pengguna akan menemukan 5 problem, sedangkan pegujian dengan 3 pengguna dalam 2 kali tahapan akan menemukan 9 problem. Hal ini menunjukkan, jumlah pengguna yang digunakan untuk pengujian tidak perlu terlalu banyak, tapi yang lebih penting adalah pengulangan pengujian, agar didapatkan problem yang benar-benar krusial untuk dipecahkan.

Nielsen’s research

Penelitian Nielsen menyebutkan, bahwa hasil terbaik didapatkan dari pengujian dengan jumlah pengguna sebanyak 5 orang. Seperti  halnya masalah faktor manusia, bagaimanapun, ada pengecualian.

  1. Studi kuantitatif untuk kepentingan statistik, setidaknya 20 pengguna untuk mendapatkan jumlah statistik yang signifikan. Interval kepercayaan yang ketat membutuhkan lebih banyak pengguna.
  2. Card sorting setidaknya melibatkan 15 pengguna.
  3. Eyetracking memerlukan 39 pengguna jika anda menginginkan heatmaps yang stabil.

klik disini untuk melihat alasan mengapa jumlah user dalam pengujian hanya perlu 5 orang saja.

Demikian ulasan singkat tentang pengujian usability yang dapat dilakukan oleh para developer sendiri untuk menghemat waktu dan biaya. Semoga bermanfaat!
Yogyakarta, 23 Mei 2017

Bagaimana perilaku kita (user) sebenarnya dalam menggunakan web? mari kita bahas satu persatu “fact of life” mengenai hal ini.

FACT OF LIFE #1
We don’t read pages. We scan them.

 

Pada dasarnya, kita tidak membaca halaman web secara keseluruhan, tapi kita melakukan pembacaan secara sekilas. Mengapa kita melakukan “scanning”?
Pertama, karena keberadaan web termotivasi oleh keinginan user untuk menghemat waktu. Akibatnya, pengguna web cenderung bertindak seperti saat bertemu hiu : mereka harus tetap bergerak, atau mereka akan mati!
Kedua, karena user tahu, bahwa mereka tidak perlu membaca secara keseluruhan. Pada satu bagian halaman besar, kemungkinan kita hanya tertarik pada sebagian kecil dari apa yang disajikan. Kita hanya mencari sesuatu yang sesuai dengan minat atau tugas kita. Pemindaian adalah bagaimana kita menemukan “sesuatu kecil” yang relevan.
Ketiga, kita telah melakukan “scanning” dengan baik. Kehidupan nyata membuktikan kita telah terbiasa melakukan scanning pada surat kabar, majalah, buku, dan lain-lain. Hidup kita telah menemukan bagian yang kita minati, dan kita telah mengetahuinya bersama, bahwa itu berhasil!
Kita cenderung memusatkan perhatian pada kata-kata dan ungkapan yang cocok dengan “tugas” atau “kepentingan”. Dan tentu saja hal ini dipicu oleh kata-kata yang tertanam dalam syaraf kita seperti, “gratis”, “dijual”, “jenis kelamin” dan “nama kita sendiri.”
FACT OF LIFE #2
We don’t make optimal choices. We satisfice.

 

Dalam kehidupan nyata, kebanyakan kita tidak memilih pilihan terbaik, tapi memilih pilihan yang paling rasional. Hal ini merupakan strategi yang disebut “satisficing”. Begitu kita menemukan link yang kita cari, maka secepat itu pula kita akan menge”klik” nya. Mengapa demikian?
Pertama, kita selalu tergesa-gesa. Maka, seperti kata Klein, “optimasi akan sulit dan memakan waktu lama, kepuasan lebih efiesien”.
Kedua, tidak ada penalti jika kita salah menebak. Biasanya user cukup menekan tombol (klik) satu atau dua kali, hal ini membuat strategi kepuasan lebih efektif. (Note : tombol back adalah tombol fitur yang paling banyak digunakan pada browser web).
*tentu saja ini kalau kita asumsikan halaman web dimuat dengan cepat, kalau tidak, kita harus membuat pilihan yang lebih hati-hati.
Ketiga, pada situs yang dirancang buruk, kita tidak berusaha untuk mengeluarkan banyak effort dalam memilih. User biasanya lebih baik pergi dengan tebakan pertama dan dengan menekan tombol “back” jika apa yang kita pilih tidak bekerja.
Keempat, menebak itu lebih menyenangkan! Dari pada pusing memikirkan pilihan tombol atau link, kita lebih suka menebaknya. Jika tebakan benar, ini akan menimbulkan reaksi yang lebih cepat, dan ini mengenalkan unsur kebetulan yang menyenangkan dan kemungkinan berjalan menjadi sesuatu yang mengejutkan dan fun!
FACT OF LIFE #3
We don’t figure out how things work. We muddle through.
User tidak pernah tahu dan mau tahu bagaimana sebuah tombol bekerja, tapi mereka tahu bagaimana cara menggunakannya. Bagi sebagian user, membaca instruksi perangkat lunak akan memakan waktu banyak, tapi bagi user yang telah terbiasa, mereka akan menggunakan waktunya dengan lebih efisien. Bahkan jauh dari apa yang dibayangkan oleh para desainer.
don’t make me think, steve kurg 

Purwokerto, 22 Mei 2017

 

“Jangan buat saya berpikir (lebih)!” kira2 begitu terjemahan judul buku ini. Sebuah buku berjumlah 200 halaman yang mengupas usability web dengan pendekatan common sense. Buku yang ringan dibaca, mudah dipahami, dan bagus untuk pengetahuan para developer dan desainer dalam membangun user interface sebuah web. The first law dari usability menurut Steve Krug adalah :

Don’t make me think!

Pada dasarnya, desain yang baik adalah desain yang membuat user tidak terlalu banyak “mikir”. Jangan buat mereka berpikir terlalu lama pada sebuah tampilan web yang membingungkan. Sebagai gambaran, perhatikan ilustrasi berikut.

 

not thinking

Ketika user menghadapi sebuah halaman web yang tidak perlu “mikir”, maka semua pertanyaan yang berkecamuk di kepala kita akan terjawab langsung. Dan, otak kita akan berkata seperti “oh, oke, ini tombol X”, atau “hmmm…, ini menarik untuk saya” atau “inilah yang saya cari”.

thinking

Hal yang berbeda ketika user bertemu pada web page yang membuat mereka agak “berpikir”, maka seluruh pertanyaan dalam otak kita akan berseliweran menuntut jawaban. Tugas para desainer adalah membersihkan “question mark” user.

button choice

Perhatikan button choice diatas! semakin ke kiri, tombol “result” semakin dipahami user. Desainer memilih  button berbentuk persegi panjang dengan efek 3D yang merepresentasikan sebuah tombol di dunia nyata. Pilihan tombol dengan bentuk persegi panjang saja akan membuat user agak berpikir “apakah ini tombol?” karena bentuknya yang flat. Pilihan text dengan panah agak membingungkan user, karena bisa jadi mereka berpikir ini bukanlah tombol. Saran : untuk memudahkan user, ubahlah kursor berbentuk panah menjadi bentuk tangan jika telah berada pada area tombol yang akan di “klik”.

Contoh lain : saat kita berkunjung ke sebuah situs jual beli buku seperti berikut ini, maka user akan dipaksa untuk berpikir lebih saat akan menggunakannya.

most bookstore sites (web A)

Perhatikan bagaimana desainer web menyusun sebuah tombol, text box, combo box dan caption! ini cukup membingungkan user pemula. Apa bedanya “quick search” dengan “search”? “apakah user harus memilih drop down menu dulu atau menulis keyword yang akan dicari?” dan sebagainya. Nah, untuk contoh toko buku online, toko buku online terbesar amazon cukup cerdas dalam membuat desain!

amazon.com (web B)

Amazon meletakkan drop down menu diatas text box. Mengapa? karena secara naluriah, manusia melakukan pencarian dari atas ke bawah, dari kanan ke kiri. Dengan demikian, sesuatu yang sifatnya “lebih penting” akan diletakkan paling kanan atau paling atas. Perhatikan pada desain web A, peletakkan combo box di sebelah kiri, itu artinya user akan “mengesampingkan” tombol ini, karena dianggap kurang penting. Bisa jadi, user akan menuliskan keyword pada text box, tanpa melihat drop down menu!

Amazon memilih kata search dibandingkan quick search. Karena pada dasarnya ini memang area untuk melakukan pencarian “buku”, tak ada pilihan lain selain search. Kecuali ada pilihan “slow search” maka perlu ada “quick search”.

Buatlah desain se simple mungkin, tapi tetap memikirkan alur berpikir user!

Demikian hasil ulasan pada chapter 1 buku ini. Lain kali akan kita ulas, seperti apa fakta real di dunia nyata tentang perlakuan user dengan membuat desain yang memahami keinginan para pengguna.

Yogyakarta, 18 Mei 2017

 

 

 

 

Ini adalah artikel jurnal internasional pertama saya, sebagai hasil akhir kuliah metode penelitian. Karena baru belajar menulis, tentu masih banyak kekurangan disana sini. Jadi harap maklum yah… :D. Awalnya lumayan kaget sih, waktu saya lihat hasil publishnya, ternyata di atas saya ada nama Prof. Richardus Eko Indrajit yang publikasi di jurnal yang sama.

Nah, di artikel ini, saya menuliskan step by step cara melakukan review artikel, menggunakan metode systematic mapping study. Apa itu? pada awalnya metode ini digunakan para peneliti di bidang medis (kedokteran) untuk mengelompokkan obat dan penyakit. Namun, beberapa tahun belakangan ini, SMS merupakan metode yang jamak digunakan oleh para peneliti di bidang software engineering. SMS biasanya digunakan peneliti pada awal studi, untuk menemukan scope besar area yang akan diteliti. Misalkan, dalam kasus saya, scope besarnya adalah Interaksi Manusia dan Komputer, dan scope kecilnya tentang usability. Untuk mengetahui sejauh mana penelitian tentang usability telah diteliti oleh researcher yang lain, maka diperlukan SMS.

Langkah2 memulai SMS adalah sebagai berikut :

  1. Mendefinisikan pertanyaan penelitian (Research Question-RQ)
    • Definisikan pertanyaan penelitian, seperti misalkan, ada berapa banyak paper yang membahas tentang usability?
    • Jenis paper tersebut merupakan artikel jurnal, prosiding, buku atau lecturer notes?
    • Berapa banyak yang membahas usability pada tahun 2000-2010?
    • Karakteristik apa saja yang dibahas dalam penelitian tersebut?
    • dst
  2. Melakukan pencarian paper
    • Umumnya pencarian paper dimulai dengan pengecekan pada situs database riset, spt IEEExplore, Scopus, ACM digital library, dst
    • Pencarian dilakukan dengan menggunakan kata kunci khusus yang dirancang oleh peneliti, dan dapat menggunakan pencarian canggih dengan menambahkan operator boolean, and dan or
  3. Melakukan screening paper
    • Tentukan kriteria dalam pencarian paper, misalkan, artikel yang publish pada tahun x sampai y, artikel merupakan jurnal, artikel merupakan academic experiment, dst.
  4. Melakukan pengecekan abstrak
    • Membaca singkat melalui abstrak untuk mencari artikel yang relevan. Selain abstrak, peneliti biasa nya membaca keyword, juga kesimpulan.
  5. Melakukan ekstraksi data dan pemetaan
    • Setelah mendapatkan artikel yang dianggap relevan, langkah selanjutnya adalah menjawab RQ untuk kemudian dilakukan pemetaan.

 

Hasil penelitian menunjukkan, berdasarkan kriteria inklusi dan eksklusi, maka didapatkan 16 dari 52 artikel yang relevan. Dari 16 tersebut, didapatkan bahwa karakteristik learnability merupakan karakteristik yang umum digunakan dalam pengukuran usability. Selain itu, metode pengukuran usability yang banyak digunakan adalah empirical method, yaitu pengukuran dengan melibatkan end user dalam penilaian. Demikian hasil sementara studi literatur saya, studi ini akan terus berlanjut sampai saya menemukan sesuatu yang “menarik” untuk diteliti.

Berikut Link yang bisa di download untuk dipelajari, because sharing is caring!

 

http://www.ijcsi.org/contents.php?volume=14&&issue=2

Usability Evaluation Method based on ISO/IEC SQuaRE: A Systematic Mapping Study

Seorang teman bertanya pada saya, dari mana asal dan ide menulis publikasi? Karena sebagai dosen, kita selalu dituntut untuk mempublikasikan hasil penelitian kita. Saya bilang, dari tugas kuliah saja, ditulis ulang dengan gaya selingkung jurnal yang akan dituju. Apa bisa? ya bisa…..

Dulu, waktu kuliah S2, ending pertemuan perkuliahan adalah menulis makalah. Dan makalah-makalah tersebut hanya berakhir di meja dosen, tapi tidak di publikasikan. Jadi kenapa tidak dipublikasikan saja? Bahkan saya tidak menyangka, makalah saya yang saya pikir “aduh, kok makalah gini amat yak–> soalnya sumbernya dari internet semua…” malah paling banyak di sitasi. Waktu itu saya masih cupu dan harus banyak belajar menulis makalah, *sampe sekarang juga ding tetep 😀

Nah, sebagian besar paper2 saya emang dari tugas2 kuliah semasa S2 dulu. Total selama kuliah hampir 2 tahun, saya telah memproduksi 5 paper yang dipublikasikan di jurnal dan prosiding, serta 1 hak cipta.

Implementasi XML Encryption (XML Enc) Menggunakan Java adalah tugas dari pak Budi Rahardjo pada mata kuliah keamanan jaringan

Perancangan permainan dakon menggunakan C++ dan GLUT (OpenGL Utility Toolkit) Designing dakon game using C++ and GLUT (OpenGL Utility Toolkit) adalah tugas pak Ary Setijadi pada mata kuliah grafika komputer

Perancangan Model Enterprise Architecture dengan TOGAF ADM pada sub bisnis penilaian kinerja dosen (Studi Kasus di STT Telematika Telkom Purwokerto) adalah tugas pak Tunggal pada mata kuliah arsitektur teknologi informasi

Implemenatasi Travelling Salesman Problem (TSP) Menggunakan Algoritma genetik pada game kalpataru dan

Desain dan Implementasi Rute Pengambilan Sampah ke TPS pada Game Kalpataru adalah publikasi dari tesis

HOMPIMPAH! Hore Mimi Pilah Sampah adalah tugas dari bu Aciek pada mata kuliah pemrograman mobile. telah mendapatkan hak cipta

 

Nah, jangan buang file2 tugas2 kuliah anda, karena kelak akan sangat berguna, untuk mengurus kenaikan pangkat, jabatan fungsional, dan lainnya…. Oke? sipppp

 

Abstrak :

Salah satu tolak ukur kampus berkelas internasional adalah pada penilaian kualitas website universitas, diantaranya melalui situs webometrics. Untuk mendapatkan ranking yang baik, sehingga dapat bersaing dengan universitas lain di dunia, maka perlu diupayakan strategi-strategi pencapaian berdasarkan perspektif cost (biaya yang dikeluarkan) dan kondisi ketersediaan dan kesiapan human resource (SDM yang dimiliki) oleh institusi. Optimasi ranking webometrics yang disesuaikan dengan kemampuan institusi mutlak diperlukan, agar tercapai tujuan yang diharapkan secara efektif dan efisian. Oleh karena itu, diterapkan metode Analytical Hierarchy Process dengan kombinasi Logaritmic Fuzzy Preference Programming yang terbukti telah mampu mengatasi kekurangan metode FPP pada optimasi peringkat web universitas. Dari hasil pembobotan sub kriteria berdasarkan perspektif cost dan SDM, didapatkan ranking tertinggi yang direkomendasikan antara lain faktor pemantauan ranking dari situs ahrefs (C332) dan majesticseo (C331) serta penambahan jumlah link dari website lain (C321).

 

*artikel ini sudah publish dalam bahasa Inggris, karena ini artikel pertama saya dalam bahasa Inggris di jurnal nasional, jadi mungkin grammarnya masih amburadul, mohon dimaafkan ya 😀

untuk dapat melihat artikel tersebut, bisa melalui link berikut ini

https://journal.unnes.ac.id/nju/index.php/sji/article/view/6738/6237

atau download saja 6738-21958-1-PB