optimasi struktur website dinamis berbasis web intelligence

OPTIMASI STRUKTUR WEBSITE DINAMIS
BERBASIS WEB INTELLIGENCE
Oleh :
Rades Wandri
G64101012
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
2006
OPTIMASI STRUKTUR WEBSITE DINAMIS
BERBASIS WEB INTELLIGENCE
Skripsi
Sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer
pada Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor
Oleh :
Rades Wandri
G64101012
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
2006
ABSTRAK
RADES WANDRI. Optimasi Struktur Website Dinamis Berbasis Web Intelligence. Dibimbing
oleh MARIMIN dan PANJI WASMANA.
Optimasi Struktur Website Dinamis Berbasis Web Intelligence merupakan penelitian proses
evaluasi dan perbaikan struktur link suatu website dalam area penelitian Web Intelligence (WI).
Tujuan optimasi struktur link untuk meningkatkan kemampuan navigasi website sehingga lebih
optimal baik dari segi kepentingan pengunjung maupun pemilik web (administrator, manajer, web
developer). WI merupakan revolusi baru dalam pemberdayaan sumber daya website yang
menggabungkan kecerdasan buatan (artificial intelligence) dengan teknologi informasi untuk
pemberdayaan produk, sistem, layanan dan aktivitas berbasis website. Pendekatan ini baru
ditemukan pada awal milenium kedua (1995) dan berkembang pesat mulai awal abad ke-21 ini
sehingga menjadi harapan perkembangan web di masa datang.
Penelitian ini berbasiskan pada penelitian sebelumnya oleh Baoyao Zhou (Tsinghua University,
Cina) dan Jinlin Chen (University of Pittsburgh, USA) pada tahun 2002. Tetapi penelitian tersebut
hanya dilakukan pada website yang relatif statis. Di lain pihak, trend website saat ini menuju ke
arah website dinamis yang memiliki basis data (database) serta dibangun dengan platform
dynamic scripting languange seperti PHP, ASP (.Net), JSP, dan sebagainya. Untuk itu pada
penelitian ini dicoba pengembangan optimasi struktur link pada website dinamis berbasis website
perdagangan online (e-Commerce) dan website pendidikan sekaligus dianalisis kelebihan serta
kekurangan sistem.
Proses evaluasi dan perbaikan struktur link website dibagi menjadi tiga level yaitu hyperlink,
halaman, dan website keseluruhan sehingga kerumitan dalam analisis evaluasi dan perbaikan
struktur link bisa diatasi secara efektif. Evaluasi struktur link diolah berdasarkan pola perilaku
pengunjung. Pola perilaku pengunjung diekstraksi dari data log web menggunakan teknik web
mining sehingga perbaikan struktur link website sesuai dengan karakteristik pengunjung. Hasil
akhir penelitian ini menghasilkan rekomendasi perbaikan struktur link yang dibagi dalam tiga
kategori yaitu menambahkan, memodifikasi dan menghapus link. Laporan rekomendasi perbaikan
struktur link akan dikirim secara otomatis dan berkala kepada pemilik web melalui aplikasi email.
Hasil penelitian menunjukkan proses optimasi (evaluasi dan perbaikan) struktur link website
berlangsung secara sistematis dan memuaskan.
Kata kunci : web intelligence, web mining, struktur website, optimasi link, evaluasi, perbaikan,
adaptif, hyperlink, halaman web, data log, perilaku pengunjung (user behavior).
Karya ilmiah ini aku persembahkan untuk...
.. Ayah dan Ibu tercinta, Bang Sandi, Kak Rika dan Adek ku Yopita.
(Bogor – Juli 2006)
Kasihan bangsa,
yang mengenakan pakaian yang tidak ditenunnya,
memakan roti dari gandum yang tidak mereka panen,
dan meminum anggur yang mereka tidak memerasnya.
Kasihan bangsa, yang menjadikan orang dungu sebagai pahlawan,
dan menganggap penindasan penjajah sebagai hadiah....
(Kahlil Gibran, 1883-1931)
Judul
Nama
NRP
: Optimasi Struktur Website Dinamis Berbasis Web
Intelligence
: Rades Wandri
: G64101012
Menyetujui:
Pembimbing I,
Pembimbing II,
Prof. Dr. Ir. Marimin, M.Sc
NIP.131645110
Panji Wasmana, S.Kom, M.Si
NIP. 132311917
Mengetahui:
Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor
Prof. Dr. Ir. Yonny Koesmaryono, M.S
NIP. 131473999
Tanggal Lulus:
RIWAYAT HIDUP
Rades Wandri lahir pada 1 November 1982 di Nagari Sialang, Payakumbuh, Sumatra Barat
memiliki nama lengkap Rades Wandri Datuk Tumanggung. Datuk Tumanggung adalah gelar
keturunan berdasarkan silsilah keluarga dan adat istiadat kebudayaan Minangkabau. Penulis
merupakan anak ketiga dari empat bersaudara adalah putra pasangan H. Suharsah dan Hj.
Syamsiwarni. Penulis menyelesaikan pendidikan dasar hingga tingkat menengah di Ranah
Minang. Pada tahun 2001 penulis melanjutkan studi pada Departemen Ilmu Komputer, Institut
Pertanian Bogor (IPB) yang diterima melalui jalur undangan prestasi atau USMI (Undangan
Seleksi Masuk IPB).
Selama kuliah penulis aktif pada kegiatan intra dan ekstrakurikuler baik yang berhubungan
dengan keilmuwan, keprofesian maupun sosial kemasyarakatan. Organisasi kemahasiswaan yang
pernah diikuti antara lain Himpunan Mahasiswa Ilmu Komputer IPB (HIMALKOM), Badan
Eksekutif Mahasiswa, Dewan Perwakilan Mahasiswa FMIPA IPB, pendiri UKM ASPECT
(Association for Agricultural Studies for Community Empowerment), Lembaga Pers Mahasiswa
Islam (LAPMI), dan Himpunan Mahasiswa Islam (HMI) Cabang Bogor. Pada tahun 2005 penulis
bersama-sama dengan mahasiswa dari UI, STAN dan UIN Syarif Hidayatullah Jakarta mendirikan
komunitas telematika untuk kaum muda yang diberi nama KOMTI (Komunitas Muda Telematika
Indonesia) dan KMMT (Komunitas Muda Muslim Telematika). Komunitas ini bertujuan
mendorong implementasi teknologi informasi bagi pemuda Indonesia dengan pusat kegiatan di
e-Center masjid Istiqlal Jakarta.
Penulis juga pernah meraih penghargaan sebagai Juara III Web Design tingkat nasional
pada Pekan Ilmiah Mahasiswa Nasional (PIMNAS) XVII di Bandung, 21-25 Juli 2004.
Selanjutnya tahun 2005 penulis kembali menjadi utusan IPB pada PIMNAS XVIII di Padang.
Sejak saat itu penulis sering menjadi trainer pada pelatihan desain web, web technology, animasi
dan multimedia digital yang diadakan oleh organisasi mahasiswa, perguruan tinggi, maupun event
organizer. Penulis juga pernah menjadi asisten praktikum pada pelatihan E-Campus dan Teknologi
Informasi yang diselenggarakan oleh Departemen Ilmu Komputer IPB. Selama menempuh
pendidikan di IPB penulis juga memperoleh beasiswa PPA dari IPB dan SPP+ dari Yayasan
Damandiri.
Pengalaman kerja penulis dalam pengembangan teknologi informasi dimulai dengan
menjadi tim IT data entry pada Pemilihan Umum (Pemilu) 2004. Kemudian tahun 2005
mengembangkan website pendidikan untuk Fakultas Ekologi Manusia IPB, website Departemen
Ekonomi dan Sumberdaya Lingkungan IPB, website e-Commerce perusahaan Carravelle Jakarta,
website Program Studi Ilmu Komputer Universitas Pakuan Bogor, serta membangun sistem
pemutakhiran data pemilih Komisi Pemilihan Umum pada KPU Bogor dan KPU Kota Padang.
Pada tahun 2006 penulis menjadi developer pada pengembangan sistem direktori website
Kementerian Pendayagunaan Aparatur Negara (MENPAN) Republik Indonesia.
Penulis tertarik untuk terus mendalami keahlian di bidang teknologi informasi terutama web
technology, web services, server dan data security. Penulis yakin dengan kerja keras dan semangat
terus berkarya seluruh anak bangsa maka Indonesia bisa menjadi sentral pengembangan teknologi
informasi di Asia Pasifik.
PRAKATA
Alhamdulillah wa syukrulillah penulis persembahkan ke hadirat Allah SWT atas segala
hidayah, lindungan dan cinta-Nya sehingga penelitian ini berhasil diselesaikan. Shalawat beriring
salam tercurah untuk Nabi Muhammad SAW bersama sahabat, keluarga dan umatnya hingga akhir
zaman. Penelitian ini memiliki topik Optimasi Struktur Website Dinamis Berbasis Web
Intelligence.
Penulis sampaikan terima kasih kepada semua pihak yang telah membantu dan memberikan
pengalaman yang menyenangkan selama penelitian ini. Khususnya kepada Bapak Prof. Dr. Ir.
Marimin, M.Sc dan Bapak Panji Wasmana, S.Kom, M.Si yang dengan kesabaran dan kasih sayang
seorang pendidik telah memberikan banyak masukan, motivasi dan pelajaran berharga dalam
membimbing penelitian ini. Penulis juga ingin mengucapkan terima kasih kepada Bapak Ir. Agus
Buono, M.Si, M.Kom atas kesediaannya menjadi penguji pada sidang skripsi.
Selanjutnya penulis juga ingin mengucapkan terima kasih kepada:
1. Ayah dan Ibunda tercinta atas semua do’a, nasehat, ketabahan, kesabaran dan kasih
sayang yang tak luntur sepanjang hayat.
2. Abang ku Sandi yang telah bekerja keras membiayai kuliah ini sampai selesai. Terima
kasih atas kesabaran dan dukungan mu. Kak Rika dan keluarga yang selalu mengiringi
perjalanan ku dengan do’anya. Juga Adik ku Yopita yang selalu memberi semangat dan
motivasi terutama saat ‘hari-hari melelahkan’ selama penelitian ini.
3. Bu Farida Hanum dari Departemen Matematika IPB yang menyediakan waktunya untuk
diskusi teori Graf.
4. Bu Dr. Krisnani dan tim HKI-IPB atas dukungan moril dan pencerahannya.
5. Mas Hasan, Pak Julio Adisantoso, Pak Heru Sukoco, Pak Asep, komeng, Mba Julia dan
semua staf KPSI IPB yang telah memberi fasilitas penelitian pada pusat server IPB.
6. Khamam, Didik, Acid, Asep, Toto, Soepri, Roni, Mardial, Mas Dewis, Kang Arum dan
semua yang lainnya yang membantu pengembangan prototipe sistem dan memberi
masukan berharga selama penelitian.
7. Niar, Anan, Lee dan Dora atas bantuan dan kebaikannya.
8. Neng Fitria dan Bintang atas do’a dan dukungannya yang tak kan terlupakan.
9. Teman-teman satu kost ku, Isal, Usep, Robi, Riski, Bogel dan Moel yang telah
menjadikan hari-hari ku lebih ‘hidup’.
10. Sahabat-sahabat semua, Ilkom angkatan 38 yang telah menjadi keluarga dan memberikan
pengalaman serta kenangan yang tak terlupakan.
11. Semua dosen dan staf Departemen Ilmu Komputer IPB yang telah banyak membantu baik
selama pelaksanaan penelitian ini maupun sebelumnya.
12. Semua pihak lainnya yang telah memberikan kontribusi selama penelitian ini yang tidak
dapat disebutkan satu-persatu, terima kasih.
Semoga penelitian ini memberikan manfaat untuk pengembangan ilmu pengetahuan di masa
datang. Amin.
Bogor, Juli 2006
Rades Wandri
DAFTAR ISI
Halaman
DAFTAR TABEL ............................................................................................................................. ix
DAFTAR GAMBAR ........................................................................................................................ ix
DAFTAR LAMPIRAN .......................................................................................................................x
PENDAHULUAN
Latar Belakang ...............................................................................................................................1
Tujuan ............................................................................................................................................1
Ruang Lingkup ..............................................................................................................................1
Manfaat ..........................................................................................................................................1
TINJAUAN PUSTAKA
Internet ...........................................................................................................................................2
Web Intelligence (WI) ...................................................................................................................2
Website ...........................................................................................................................................2
URL ...............................................................................................................................................2
Server Web .....................................................................................................................................2
Data Log Web .................................................................................................................................2
User Access Session ......................................................................................................................3
Web Mining ....................................................................................................................................3
Graf Berarah Berbobot ..................................................................................................................3
METODE PENELITIAN
Kerangka Pemikiran ......................................................................................................................3
Parameter Penelitian ......................................................................................................................4
Tata Laksana Penelitian .................................................................................................................6
Pengembangan Sistem ...................................................................................................................7
HASIL DAN PEMBAHASAN
Pembersihan Data Log Web .........................................................................................................8
Transformasi Data Log Web ..........................................................................................................9
User Access Session (UAS) ...........................................................................................................9
Model User Navigation Tree .........................................................................................................9
Evaluasi dan Perbaikan Struktur Link ...........................................................................................9
Kompleksitas Sistem .................................................................................................................. 15
Keunggulan Sistem...................................................................................................................... 15
Keterbatasan Sistem .................................................................................................................... 15
KESIMPULAN DAN SARAN
Kesimpulan .................................................................................................................................. 15
Saran ............................................................................................................................................ 16
DAFTAR PUSTAKA ....................................................................................................................... 16
LAMPIRAN ...................................................................................................................................... 18
DAFTAR TABEL
Halaman
1 Data log yang digunakan pada penelitian.........................................................................................8
2 Perbandingan data log setelah preprocessing...................................................................................9
3 Evaluasi struktur hyperlink website Carravelle ..............................................................................10
4 Perbaikan struktur hyperlink website Carravelle............................................................................11
5 Hasil evaluasi terhadap halaman website Carravelle......................................................................13
6 Perbaikan halaman web...................................................................................................................13
7 Hasil evaluasi website Carravelle ...................................................................................................14
8 Hasil evaluasi website FEMA IPB..................................................................................................14
DAFTAR GAMBAR
Halaman
1 Perkembangan e-Commerce dunia (UNCTAD 2004).....................................................................1
2 Model User Navigation Tree. ..........................................................................................................3
3 Diagram Model Penelitian. ..............................................................................................................4
4 Alur pengembangan sistem (System Lifecycle) menurut Sommerville (2001)..............................7
DAFTAR LAMPIRAN
Halaman
1 Bidang-bidang penelitian pada Web Intelligence (WIC 2001) ......................................................19
2 Format data log web tipe Extended Log Format (ELF) .................................................................20
3 Halaman utama prototipe Sistem Optimasi Struktur Link Website ...............................................21
4 Tampilan halaman utama (a) dan struktur utama (b) website Carravelle ......................................22
5 Tampilan halaman utama (a) dan struktur utama (b) website FEMA IPB ....................................23
6 Proses input dan konversi data log ke dalam database sistem ......................................................24
7 Contoh data hasil input dan konversi data log pada web Carravelle .............................................25
8 Contoh data hasil filtering data log pada web Carravelle ..............................................................26
9 Contoh data hasil transformasi (prepocessing) data log pada web Carravelle ..............................27
10 Contoh data UAS dan EUAS untuk web Carravelle ....................................................................28
11 Contoh data User Navigation Tree pada web Carravelle.............................................................29
12 Algoritma Depth-First Search (DFS) menurut Cormen et al. (2003) .........................................30
13 Contoh data rekomendasi perbaikan link pada web Carravelle ...................................................31
1
PENDAHULUAN
Latar Belakang
Teknologi informasi berbasis Internet
mengalami perkembangan pesat di seluruh
dunia. Pada Juni 2006 terdapat lebih dari 85
juta website, sementara pada tahun 1993
hanya 600 website (Netcraft 2006). Pengguna
Internet tumbuh dari 100 juta orang pada
tahun 2000 menjadi lebih 1 miliar pengguna
pada 2005 (Etforecast 2006). Berdasarkan
laporan tahunan Konferensi Perserikatan
Bangsa-Bangsa untuk Perdagangan dan
Pembangunan (UNCTAD) tercatat transaksi
dagang melalui Internet, e-Commerce, pada
awal dekade ini sebesar 354 miliar dollar AS
(UNCTAD 2004). Dengan pertumbuhan ratarata 53,8 % per tahun, jumlah ini diperkirakan
meningkat drastis menjadi 12,8 triliun dollar
AS pada enam tahun mendatang (Gambar 1).
Gambar 1 Perkembangan e-Commerce dunia
(UNCTAD 2004).
Gelembung ekspansi Internet ini akan
terus meningkat terutama pada negara-negara
dengan populasi besar seperti China, India,
Brasil, Rusia dan Indonesia sehingga
membuat dunia World Wide Web sebagai
lahan industri potensial dan menguntungkan
di masa datang (Etforecast 2006). Hal ini
memicu kompetisi setiap pemilik web
(administrator, manager, web developer)
untuk meningkatkan kualitas website baik dari
segi struktur, konten, maupun teknologi. Saat
ini, evaluasi dan perbaikan struktur website
menjadi persoalan krusial dalam mendesain
dan mengembangkan sebuah website (Zhou &
Chen 2002).
Menanggapi
fenomena
di
atas,
perkembangan
teknologi
web
global
melahirkan Web Intelligence (WI) sebagai
arah baru dalam pemberdayaan sumberdaya
website. Web Intelligence memadukan
teknologi informasi dengan kecerdasan buatan
(artificial intelligence). Selama ini, proses
evaluasi dan perbaikan struktur website secara
konvensional
sulit
dilakukan
karena
terbatasnya informasi tentang pola akses
pengunjung terhadap struktur link website.
Dengan terobosan berbasis pengetahuan Web
Intelligence maka informasi pola akses
pengunjung, hubungan antar link dan
keterkaitan antar halaman bisa digali secara
optimal sehingga proses evaluasi dan
perbaikan struktur link menjadi lebih
sistematis dan efisien.
Penelitian ini difokuskan pada optimasi
struktur link website dinamis berbasis Web
Intelligence meliputi evaluasi dan perbaikan
struktur link berdasarkan pola akses
pengunjung. Diharapkan penelitian ini dapat
membantu pemilik web dalam mendesain,
restrukturisasi dan manajemen website untuk
mencapai organisasi web yang lebih optimal
dan berorientasi kepuasan akses pengunjung.
Tujuan
Tujuan penelitian ini adalah :
1. Ekstraksi informasi perilaku pengunjung
yang mengakses website (user behavior).
2. Ekstraksi informasi struktur link dan
analisis tingkat keterkaitan, peluang
(probabilitas), serta kemudahan akses antar
halaman web.
3. Evaluasi struktur link website dinamis
berdasarkan perilaku akses pengunjung.
4. Analisis perbaikan struktur link berdasarkan
nilai evaluasi struktur link untuk mencapai
struktur link yang optimal baik dari sisi
pengunjung maupun pemilik web.
5. Analisis kompleksitas, keunggulan, dan
keterbatasan sistem pada proses evaluasi
dan perbaikan struktur website dinamis.
Ruang Lingkup
Penelitian difokuskan pada evaluasi dan
perbaikan struktur link website meliputi tiga
level analisis yaitu hyperlink, halaman web,
dan website keseluruhan.
Penelitian dilakukan pada Pusat Server
Institut Pertanian Bogor (IPB). Prototipe
sistem dikembangkan dengan piranti lunak
Microsoft Visual Basic® versi 6 dan basis data
Microsoft Access®.
Output sistem pada penelitian ini
menghasilkan laporan hasil evaluasi dan
rekomendasi perbaikan struktur link suatu
website.
Manfaat
Sistem ini dapat digunakan oleh
pengembang
atau
pemilik
website
2
(administrator, manager, web developer)
untuk membantu proses restrukturisasi, desain
dan manajemen suatu website.
TINJAUAN PUSTAKA
Internet
Menurut McLeod dan Schell (2004)
Internet adalah jaringan komunikasi global
yang menghubungkan komputer di dunia
melalui suatu protokol. Di lain pihak, World
Wide Web (WWW atau Web) merupakan
ruang informasi di Internet yang menyimpan
materi hypermedia (teks, grafik, audio, dan
video) dan dapat diakses melalui suatu skema
alamat yang unik (URL).
Sistem ini dirintis sejak 1989 oleh Tim
Barners-Lee,
ilmuwan
komputer
di
Laboratorium Fisika Partikel Eropa, dan baru
terwujud pada pertengahan 1992 yang dikenal
sebagai World Wide Web.
Web Intelligence (WI)
Web Intelligence merupakan arah baru
pengembangan ilmiah yang menyelidiki peran
pokok maupun dampak praktis kecerdasan
buatan dan teknologi informasi untuk
pemberdayaan produk, sistem, layanan dan
aktivitas berbasis website dan Internet pada
masa datang (WIC 2004). Perkembangan data,
informasi dan konten pada website
menjadikan website semakin
kompleks
sehingga
memerlukan
teknik-teknik
kecerdasan
buatan
dalam
mengolah
sumberdaya yang ada pada website agar lebih
berdayaguna. Kecerdasan buatan atau
Artificial Intelligence (AI) merupakan cabang
dari ilmu komputer yang mengembangkan
perangkat
dan
teknik
komputerisasi
berdasarkan kecerdasan buatan manusia.
Kecerdasan
buatan
diperlukan
untuk
menangani
persoalan
ketidakpastian
(uncertainty), kemungkinan (possibility),
probabilitas
(probability)
dan
kekuranglengkapan (incompleteness) dari
fakta dan atau informasi (marimin 2002).
Konferensi para ilmuwan dunia yang
tergabung dalam bidang WI, Web Intelligence
Consortium (WIC), diadakan pertama kali
pada bulan Oktober 2001 di Maebeshi City,
Jepang. Cakupan bidang riset pada WI dapat
dilihat pada Lampiran 1.
Website
Menurut McLeod dan Schell (2004)
website mengacu pada suatu sistem komputer
yang terhubung ke Internet dan berisi materi
atau dokumen yang dapat diakses dari
komputer lain dalam jaringan melalui suatu
hyperlink. Sementara hyperlink merupakan
teks atau grafik yang terhubung ke dokumen
lain.
Web dinamis didefinisikan sebagai sistem
website yang terkoneksi ke suatu basis data
sehingga bisa membangun halaman secara
otomatis sesuai dengan permintaan (query)
pengunjung web (Sundaraperruma 2003). Di
lain pihak, web statis biasanya langsung
menyimpan data (informasi) pada file
halaman web tersebut.
URL
Uniform Resource Locators (URLs)
digunakan untuk identifikasi lokasi suatu
sumberdaya pada Internet (McLeod & Schell
2004). Format URL terdiri atas :
ƒ Protokol, yaitu satu set standar yang
mengatur komunikasi data. Misalnya
protokol HTTP untuk akses Internet.
ƒ Domain, yaitu alamat website tempat
halaman web disimpan.
ƒ Path, yaitu lokasi suatu file yang terdapat
pada direktori website.
Server Web
Server web merupakan sistem perangkat
keras dan piranti lunak yang terhubung pada
World Wide Web. Server web memiliki fungsi
menerima permintaan dari pengunjung web
melalui browser dan mengirimkan hasilnya
kembali dalam bentuk halaman web (W3C
1999). Server web yang terkenal di antaranya
Apache, Microsoft-IIS, Netscape-Enterprise,
SunONE dan Zeus.
Data Log Web
Aktivitas pengunjung web dicatat secara
otomatis oleh server pada suatu file yang
disebut data log. Satu baris record file log
memuat satu aktivitas yang dilakukan
pengunjung. Data log pada file log memiliki
dua format yaitu CLF (Common Log Format)
dan ELF (Extended Log Format). Format CLF
terdiri atas variabel IP, Waktu akses, Tipe
permintaan, Alamat konten (URL), Protokol,
Status, dan Ukuran file. Format ELF sama
dengan CLF tetapi ada tambahan variabel
Referrer dan Agent (Lampiran 2). Penelitian
ini menggunakan data log dengan format ELF.
Berikut contoh dua record data log dengan
format ELF :
222.124.11.126 - - [01/Mar/2006:11:16:51
+0700] "GET /produk.php HTTP/1.0" 200
12152
"http://www.carravelle.com/home.php"
"Mozilla/5.0 (Windows; U; Windows NT
3
5.1; en-US; rv:1.7.8) Gecko/20050511
Firefox/1.0.4"
66.249.65.42 - - [18/May/2006:13:34:34
+0700] "GET /robots.txt HTTP/1.1" 404
291 "-" "Mozilla/5.0 (compatible;
Googlebot/2.1;
+http://www.google.com/bot.html)"
Data log bisa diperoleh dari direktori log
pada server web atau download dari log
manager pada panel kontrol layanan hosting
web komersial.
User Access Session
Session merupakan urutan halaman web
yang diakses pengunjung pada sebuah
kunjungan. User Access Session (UAS)
didefinisikan sebagai satu pola akses
pengunjung web dalam periode waktu tertentu
(Zhou & Chen 2002).
Periode waktu pada session disebut
Session Interval Time (SIT) yaitu waktu
maksimal perpindahan pengunjung web dari
satu halaman ke halaman lain dalam satu
session.
Web Mining
Etzioni (1996) yang dipercaya sebagai
penggagas web mining menjelaskan : ”web
mining adalah proses menggali dan
menemukan suatu informasi (knowledge)
menggunakan teknik data mining terhadap
dokumen, layanan, dan data pada World Wide
Web”. Web mining merupakan bagian dari
proses data mining yang khusus dilakukan
pada sistem website.
Klasifikasi web mining dapat dibagi dalam
tiga kategori (Huysmans et al. 2004), yaitu:
ƒ Web
content
mining
merupakan
penggalian informasi dari konten dan
dokumen
web
untuk
membantu
pengunjung menemukan informasi yang
diinginkannya.
ƒ Web structure mining merupakan
ekstraksi informasi struktur link website
untuk mengelompokkan interkoneksi
dokumen web sehingga memudahkan
pencarian informasi dari website lain.
ƒ Web usage mining merupakan aplikasi
teknik data mining untuk mengetahui
pola akses pengunjung terhadap suatu
website. Pola akses ini diolah dari data
sekunder yang menyimpan aktivitas
pengunjung seperti data log server, log
proxy, log browser, session, cookies, dan
sebagainya.
Graf Berarah Berbobot
Graf, dinotasikan G = (V, E), adalah
pasangan himpunan (V, E) dengan V adalah
himpunan berhingga dan tidak kosong dari
simpul-simpul (sering disebut node atau
vertek), sedangkan E adalah himpunan sisi
(edge) yang menghubungkan sepasang simpul
(Munir 2001). Graf Berarah Berbobot
(Weighted Directed Graph) adalah graf yang
setiap sisinya diberi sebuah nilai (bobot) dan
memiliki orientasi arah.
Tree adalah graf terhubung yang tidak
mengandung cycle. Cycle adalah lintasan
dengan node pertama sama dengan node
terakhir (Munir 2001).
Struktur
link
website
bisa
direpresentasikan dalam bentuk Graf Berarah
Berbobot dimana node mewakili halamanhalaman
web
sedangkan
edge
menggambarkan link atau hyperlink antar
halaman web (Cakrabarti & Kleinberg 1999).
Pola akses pengunjung bisa dimodelkan dalam
bentuk Tree yang disebut User Navigasi Tree,
lihat Gambar 2. Nilai bobot pada edge
menunjukkan urutan halaman yang diakses
pengunjung.
Gambar 2 Model User Navigation Tree.
METODE PENELITIAN
Kerangka Pemikiran
Pada website, struktur link akan
berpengaruh besar terhadap kualitas layanan
yang diberikannya (Zhou & Chen 2002).
Untuk itu pemilik web perlu melakukan
optimasi struktur link agar struktur link
website
memberikan
kemudahan
dan
kenyamanan navigasi pada pengunjung.
Penelitian untuk evaluasi dan perbaikan
struktur link website telah banyak dilakukan
sebelumnya. Tetapi masalah terbesar dari
penelitian sebelumnya adalah dibutuhkannya
analisis semantik yang saat ini masih sulit
terpecahkan di samping memiliki keterbatasan
aplikasi. Selain itu, sampai saat ini, tidak ada
standar evaluasi yang dikemukakan karena
rumitnya sistem website, sehingga membuat
4
hasil perbaikan tidak bisa diprediksi (Zhou &
Chen 2002).
Pada tahun 2002, Baoyao Zhou (Tsinghua
University, Cina) dan Jinlin Chen (University
of Pittsburgh, USA) mengembangkan
formulasi untuk evaluasi dan perbaikan
terhadap struktur link. Tetapi penelitian
tersebut dilakukan pada website yang relatif
statis. Oleh karena itu pada penelitian ini
dicoba pengembangan dengan melakukan
penelitian pada website yang dinamis, serta
menganalisis kelebihan dan kekurangan dari
pendekatan tersebut.
Untuk mencapai tujuan penelitian di atas
maka dirancang model penelitian yang terlihat
pada Gambar 3.
Rekomendasi
Perbaikan
Data Log
Website
Analisis
Perbaikan
Struktur Link
Web mining
Filtering
Hasil
Evaluasi
Transformasi
Ekstraksi
Informasi
Evaluasi
Struktur Link
Perilaku
Pengunjung
(user)
Model
Struktur
Link
Gambar 3 Diagram Model Penelitian.
Model penelitian seperti Gambar 3
menjelaskan bahwa proses optimasi struktur
link website dimulai dengan mengolah data
log website menggunakan teknik web mining
(filtering,
transformasi,
dan
ekstraksi
informasi) sehingga dihasilkan dua data yaitu
perilaku pengunjung web (pola akses) dan
model struktur link website. Berdasarkan
kedua data tersebut dilakukan proses evaluasi
terhadap struktur link untuk mengetahui
tingkat kemampuan navigasi link. Selanjutnya
hasil evaluasi ini menjadi dasar dalam
menyusun strategi dan analisis perbaikan
struktur
link.
Keluaran
penelitian
menghasilkan rekomendasi perbaikan struktur
link yang berguna bagi pemilik web dalam
meningkatkan kemampuan navigasi website.
Parameter Penelitian
Menurut penelitian Zhou dan Chen (2002),
proses perbaikan struktur link bisa dilakukan
dengan menghitung nilai evaluasi setiap
pasangan hyperlink yang ada pada struktur
link website. Untuk mendapatkan nilai
evaluasi tersebut ditetapkan beberapa
formulasi yang disebut sebagai definisi.
Definisi yang menjadi dasar analisis
penelitian, yaitu:
1. Definisi 1 : Struktur link website bisa
direpresentasikan ke dalam model Graf
Berarah Berbobot G = ( N , L,W ) .
N = {N i i ∈ [1, n]}
adalah
himpunan
semua simpul (node) G, yaitu semua
halaman dalam website. N i adalah
halaman i.
L = {L(i, j ) | i ≠ j, i, j ∈ [1, n] , ∃ adalah
N i ke N j } yaitu
hyperlink dari
himpunan dari semua edge pada G,
misalnya semua hyperlink yang saling
terhubung pada website.
W = {Wij | i ≠ j , i, j ∈ [1, n] , ∃
adalah
sebuah hyperlink dari N i ke N j } yaitu
himpunan dari bobot edge pada G.
2. Definisi 2 : User Access Session (UAS)
N tk ∈ N ,
S = {N t1 , N t2 ,..., N t Si } ,
tk ∈ [1, n] ,
k ∈ {1, S i ] ,
dengan
Si
adalah jumlah halaman yang diakses
pada
satu
UAS.
Halaman
diakses
secara
N t1 , N t2 ,..., N t Si
berurutan.
3. Definisi 3 : S = {S1 , S 2 ,..., S m } adalah
himpunan dari UAS, dengan m
merupakan jumlah total UAS.
4. Definisi 4 : Enhanced User Access
Session (EUAS), S’, merupakan UAS
yang memiliki data Halaman Sumber
(Refer Page).
S ' = {( N t1 , N f1 ), ( N t 2 , N f 2 ),..., ( N t Si , N f Si )} ,
N tk ∈ N , N f k ∈ {N 0 } ∪ N , t k ∈ [1, n] ,
dengan
f k ∈ [0, si ] ,
k ∈ [1, si ] ,
( N tk , N f k ) adalah sebuah record data
yang diakses pengunjung web.
Nt k
adalah Halaman Akses (Access Page),
N f k adalah Halaman Sumber (Refer
Page), N 0 menandakan suatu halaman
eksternal atau tidak ada halaman.
5
5. Definisi 5 : Pada User Navigation Tree,
jika N i merupakan node Parent dari N j
yang
memiliki
Navigation
Path
N i → ... → N j dari N i ke N j maka
total hyperlink pada Navigation Path
adalah
panjang
N i → ... → N j
Navigation Path N i → ... → N j .
6. Definisi 6 : Access Session Number
adalah jumlah total EUAS
mengakses halaman N i .
vi
yang
7. Definisi 7 : Common Access Session
Number v(i, j ) adalah jumlah EUAS
yang mengakses N i dan N j dimana N j
diakses setelah N i .
8. Definisi 8 :
Association
Degree
⎧v(i, j ) / vi
Rij = ⎨
0
⎩
vi > 0
, (i ≠ j )
vi = 0
adalah peluang (probabilitas) diaksesnya
halaman N j oleh pengunjung yang
mengakses N i .
Selanjutnya, R0 merupakan nilai batas
mengakses halaman N j dari halaman
dengan
Ni
sebenarnya.
mengikuti
hyperlink
11. Definisi 11 : Access Session Number
vij
adalah jumlah EUAS yang memiliki
User Navigation Tree dengan Navigation
dan
Path
N i → ... → N j
N i → ... → N j = 1 .
12. Definisi 12 : Bobot L(i, j ) adalah
⎧v / v
Wij = ⎨ ij i
⎩ 0
vi > 0
,
vi = 0
merupakan
peluang diaksesnya link L(i, j ) oleh
pengunjung yang mengakses halaman
Ni .
13. Definisi 13 : Nilai Evaluasi untuk
kemampuan navigasi dari link L(i, j )
Rij > 0
,
selainnya
⎧Wij / Rij
⎩ 0
adalah E ij = ⎨
merupakan peluang diaksesnya link
L(i, j ) oleh pengunjung yang sedang
mengakses halaman N i dan kemudian
mengunjungi halaman N j .
yang
mengindikasikan
tingkat
keterkaitan antara dua halaman. R0
Evaluasi : Kemampuan navigasi dari
sesuai dengan nilai α% ( R0 adalah nilai
link dengan E0 =
minimum pada α% tertinggi dari Rij ).
Besar α% bisa memiliki nilai yang
berbeda pada website tertentu, tetapi
nilai umumnya adalah 50% (Zhou et el,
2002)
9. Definisi 9 : Access Session Number
v p (i, j ) adalah jumlah EUAS yang
memiliki User Navigation Trees dengan
Navigation Path N i → ... → N j .
10. Definisi 10
Convenience
Degree
1
⎧
v p (i, j ) > 0
⎪ v p (i , j )
⎪ ( ∑ N → ... → N )
i
j k
Cij = ⎨
k =1
⎪
v p (i, j)
⎪
0
v p (i, j ) = 0
⎩
, i ≠ j , Cij
kemudahan
menggambarkan tingkat
pengunjung
web
untuk
∑E
i≠ j
ij
adalah rata-
L
rata nilai evaluasi dari semua hyperlink.
1. Eij ≥ E0 dan Rij ≥ R0 menunjukkan
bahwa pengunjung yang mengakses
halaman N i juga sangat tertarik
mengunjungi halaman N j ( Rij ≥ R0 )
dimana akses ke
umumnya
Nj
melalui hyperlink L(i, j ) . Artinya
kemampuan navigasi dari hyperlink
L(i, j ) adalah BAIK.
2. Eij < E0
menunjukkan
pengunjung
halaman N i
halaman
Nj
yang
jarang
melalui
bahwa
mengakses
mengakses
hyperlink
Artinya
kemampuan
L(i, j ) .
navigasi dari hyperlink L(i, j )
adalah BURUK.
6
3. Rij < R0
menunjukkan
bahwa
pengunjung
yang
mengakses
tidak
tertarik
halaman
Ni
mengunjungi halaman N j . Artinya
kemampuan navigasi dari hyperlink
L(i, j ) adalah BURUK.
Perbaikan : Berdasarkan pada hasil
evaluasi di atas, disusun strategi
perbaikan sebagai berikut :
1. Jika Eij ≥ E0 dan Rij ≥ R0 maka
pemilik
website
tidak
memperbaiki link L(i, j ) .
harus
2. Jika Eij < E0 maka pemilik website
harus memodifikasi tampilan atau
lokasi link L(i, j ) agar lebih atraktif
dan menarik bagi pengunjung.
3. Jika Rij < R0 maka pemilik website
harus menghapus link L(i, j ) .
14. Definisi 14 : Nilai evaluasi kemampuan
adalah
navigasi
halaman
Ni
E (i ) =
∑C
i ≠ j , Rij ≥ R0
ij
/ µ , merupakan rata-
rata
Convenience
Degree
dari
pengunjung yang mengakses dari
halaman N i ke halaman terkait.
Halaman N i dikatakan terkait dengan
halaman N j jika Rij ≥ R0 .
Evaluasi : Hasil kemampuan navigasi
adalah
halaman
Ni
⎧ Baik, E(i) ≥ E0 = 1/ smax
, dengan
Ni = ⎨
selainnya
⎩Buruk,
smax panjang maksimum Navigation
Path yang dicapai oleh pengunjung.
1. E (i ) ≥ E0 = 1 / smax
menunjukkan
bahwa pengunjung bisa dengan
mudah mengakses dari halaman N i
ke
halaman
terkait
lainnya
( Rij ≥ R0 ). Artinya kemampuan
navigasi halaman N i adalah BAIK.
menunjukkan
2. E (i ) < E0 = 1 / smax
bahwa
pengunjung
kesulitan
mengakses dari halaman N i ke
halaman terkait ( Rij ≥ R0 ). Artinya
kemampuan navigasi halaman N i
adalah BURUK.
15. Definisi 15 : Nilai evaluasi kemampuan
navigasi struktur link dari website
keseluruhan
adalah
E=
∑
i ≠ j , Rij ≥ R0
n
Cij / t = ∑ E (i ) / n ,
i =1
merupakan
rata-rata
Convenience
Degree dari pengunjung yang mengakses
bagian halaman yang saling berkaitan
pada website.
Evaluasi : Kemampuan navigasi dari
website
keseluruhan
adalah
⎧ Baik, E ≥ E0 = 1/ smax
,
E=⎨
selainnya
⎩Buruk,
smax
sama
dengan
pada
dengan
evaluasi
halaman merupakan panjang maksimum
Navigation Path yang dicapai oleh
pengunjung.
menunjukkan
1. E ≥ E0 = 1 / s max
bahwa pengunjung bisa dengan
mudah mengakses dari halaman
mana saja pada website menuju ke
halaman terkait ( Rij ≥ R0 ). Artinya
kemampuan navigasi website adalah
BAIK.
2. E < E0 = 1 / s max
menunjukkan
bahwa pengunjung tidak mudah
mengakses dari semua halaman di
website menuju halaman terkait
( Rij ≥ R0 ). Artinya kemampuan
navigasi website adalah BURUK.
Tata Laksana Penelitian
Sesuai dengan model penelitian yang telah
dirancang sebelumnya maka pelaksanaan
penelitian dapat dibagi dalam tujuh tahapan
kerja, yaitu :
1. Analisis Kebutuhan
Pada tahap pertama ini dilakukan
identifikasi
dan
pengumpulan
bahan
penelitian. Data log yang digunakan sebagai
input penelitian ini memiliki format Extended
Log Format (ELF).
2. Akuisisi Pengetahuan
Menetapkan batasan, skenario, asumsi dan
formulasi penelitian sesuai dengan basis
pengetahuan
Web
Intelligence
untuk
7
melakukan proses optimasi struktur link
website.
3. Rancang Bangun Prototipe Sistem
Formulasi, batasan, skenario dan asumsi
pengetahuan diimplementasikan menjadi
sebuah piranti lunak (prototipe sistem).
Modul-modul program dikembangkan sesuai
dengan pembagian prosedur kerja sistem.
Tahapan pengembangan sistem ini dapat
dilihat pada Gambar 4.
4. Ekstraksi Informasi Perilaku Akses
Pengunjung (User Behavior)
Data log memuat semua aktivitas
pengunjung web ketika mengakses suatu
website. Data log diolah untuk mendapatkan
pola akses pengunjung dan gambaran abstrak
struktur link website.
Proses pengolahan data log (web mining)
ini meliputi :
ƒ Filtering data, yaitu melakukan seleksi
terhadap
data
yang
memenuhi
persyaratan.
ƒ Transformasi data, yaitu melakukan
normalisasi pada data log sehingga data
menjadi teratur dan siap untuk diolah.
ƒ Ekstraksi informasi, yaitu mengolah data
log untuk mendapatkan informasi
tertentu.
Hasil pengolahan data log akan
menghasilkan informasi pola perilaku
pengunjung dalam bentuk User Access
Session (UAS) dan Enhanced User Access
Session (EUAS). Selanjutnya data ini
digunakan untuk menyusun suatu model User
Navigation Tree yang merepresentasikan
struktur link yang diakses pengunjung dari
website tersebut.
5. Evaluasi Struktur Link Website
Proses evaluasi struktur link website
meliputi tiga level yaitu hyperlink, halaman
web, dan website keseluruhan (Zhou & Chen
2001).
Pada level hyperlink, ukuran evaluasi
suatu link harus berdasarkan pada nilai
Association Degree (R) dan Convenience
Degree (C) yang diperoleh dari pengolahan
data log.
Pada level halaman web, ukuran evaluasi
link ke suatu halaman merupakan rata-rata
Convenience Degree dari hyperlink yang
berkaitan pada halaman tersebut ( Rij ≥ R0 ).
Pada level website keseluruhan, ukuran
evaluasi navigasi sistem website berdasarkan
rata-rata nilai evaluasi dari pasangan halaman
web yang berkaitan. Ukuran evaluasi ini
direpresentasikan dengan nilai evaluasi
website (E).
6. Perbaikan Struktur Link Website
Berdasarkan nilai evaluasi yang diperoleh
maka disusun suatu rekomendasi perbaikan
struktur link.
Pada penelitian ini ditetapkan rekomendasi
perbaikan
meliputi
penambahan
link,
modifikasi link, dan penghapusan suatu link.
7. Verifikasi dan Validasi Sistem
Pada tahap akhir ini dilakukan verifikasi
dan validasi terhadap sistem. Verifikasi untuk
memastikan
bahwa
sistem
telah
mengimplementasikan fungsi-fungsi yang
ditetapkan secara benar. Di lain pihak,
validasi untuk memastikan semua kebutuhan
telah terpenuhi dengan baik. Dengan demikian
akan diketahui kelebihan, kelemahan, dan
kompleksitas suatu sistem.
Pengembangan Sistem
Proses pengembangan prototipe sistem
menggunakan pendekatan System Lifecycle
(Sommerville 2001). Gambar 4 berikut
memperlihatkan alur pengembangan sistem.
Analisis Kebutuhan
Desain Sistem
Implementasi
Sistem
Integrasi dan
Pengujian Sistem
Penggunaan dan
Pemeliharaan
Gambar 4 Alur pengembangan sistem
(System Lifecycle) menurut
Sommerville (2001).
HASIL DAN PEMBAHASAN
Suatu data mentah tidak bisa langsung
digunakan pada proses data mining karena
data masih mengandung nilai yang ganda
(redundant), nilai melebihi batas (outlier),
nilai tidak konsisten, tidak ada nilai, atau data
8
tidak sesuai dengan model data mining yang
diinginkan (Larose 2005). Oleh karena itu
data perlu melalui tahapan prepocessing yang
meliputi pembersihan dan transformasi data.
Pada penelitian ini dikembangkan suatu
piranti lunak (prototipe sistem) untuk
membantu setiap proses penelitian mulai dari
prepocessing data, evaluasi dan perbaikan
struktur link website, hingga pencetakan hasil
analisis sistem. Prototipe sistem ini diberi
nama OpLiNK (Optimasi Struktur Link
Website) dengan antar muka utama terlihat
pada Lampiran 3.
Website yang dijadikan studi kasus pada
penelitian ini terdiri atas dua website yaitu :
• Website
Carravelle
merupakan
(http://www.carravelle.com)
web dinamis untuk perdagangan online (eCommerce) sebuah industri manufaktur di
Jakarta dan telah online sejak tahun 2004.
Tampilan halaman utama dan struktur
website ini dapat dilihat pada Lampiran 4.
• Website FEMA IPB, http://fema.ipb.ac.id,
merupakan website resmi Fakultas Ekologi
Manusia (FEMA), Institut Pertanian Bogor.
Website FEMA IPB memiliki konten dan
struktur link yang dinamis. Tampilan
halaman utama dan struktur website ini
dapat dilihat pada Lampiran 5.
Data masukan yang digunakan pada
penelitian ini adalah data log server dari web
Carravel dan FEMA IPB (Tabel 1). Pemilihan
data log server dibanding data sekunder lain
seperti log proxy dan log browser karena data
log server lebih mudah diolah serta memiliki
informasi yang lengkap untuk bahan evaluasi
dan perbaikan struktur link.
Tabel 1. Data log yang digunakan pada
penelitian
Data Log
Waktu akses
# Record
Ukuran file
(Kilobyte)
Carravelle
FEMA IPB
13 Feb –
3 Juni 2006
5 Mei –
6 Juni 2006
13017
4667
2359
992
Proses input dan konversi data log menjadi
basis data sistem dapat dilihat pada Lampiran
6. Data hasil konversi ini disimpan pada tabel
data LogMentah yang terdiri atas 8 field yaitu
ID, IP, Tanggal, Metode, Link Akses, Status,
Ukuran, dan Link Sumber (Lampiran 7).
Pembersihan Data Log Web
Penelitian ini dilakukan pada website
dinamis maka data yang disimpan adalah
record yang memuat akses pengunjung ke
semua halaman web baik halaman statis
maupun halaman dinamis yang dibuat secara
otomatis dari basis data.
Subjek penelitian adalah link yang
menghubungkan halaman-halaman pada web
dinamis. Namun demikian tidak semua
halaman bisa dijadikan subjek penelitian
tergantung dari kepentingan pemilik web.
Pada penelitian ini seleksi halaman web
dilakukan
secara
manual
dengan
memperhatikan isi informasi atau konten
utama dari halaman web tersebut. Parameter
yang diperhatikan dalam proses seleksi
halaman web adalah konten atau informasi
utama yang terdapat pada suatu halaman,
ketersediaan link menuju halaman web yang
bisa diakses pengunjung secara langsung, dan
karakteristik halaman. Umumnya satu
halaman web memiliki satu konten utama,
namun bisa saja satu halaman web memiliki
beberapa konten utama sehingga subjek
penelitian bisa lebih banyak. Halaman yang
diteliti hanya halaman-halaman yang diakses
oleh pengunjung umum, sedangkan halaman
untuk administrator dan koneksi basis data
tidak disertakan karena berada di luar konteks
penelitian.
Kegiatan yang dilakukan pada proses
pembersihan data log (filtering) meliputi :
1. Menetapkan halaman-halaman yang akan
diteliti.
2. Menghapus record yang mengakses file
gambar.
3. Menghapus record yang mengakses
dokumen atau file selain halaman web.
4. Menghapus record yang dilakukan oleh
robot mesin pencari (crawler).
5. Menghapus record yang memuat
permintaan yang gagal (error) dieksekusi.
6. Menghapus
record
dengan
tipe
permintaan selain GET. Karena hanya
tipe GET yang merepresentasikan
halaman
diakses
atau
diterima
pengunjung.
7. Menghapus record yang mengakses
halaman atau direktori yang tidak
diizinkan pada pengunjung (publik)
seperti halaman admin, webmail dan
panel kontrol.
8. Menghapus record yang memuat alamat
IP yang tidak diinginkan.
Hasil proses pembersihan data (filtering)
ini disimpan dalam tabel data LogFilter
(Lampiran 8).
9
Transformasi Data Log Web
Tranformasi data merupakan data yang
ditransformasi atau diubah menjadi bentuk
yang tepat untuk proses lebih lanjut. Kegiatan
yang dilakukan pada transformasi data log
meliputi :
1. Menyeragamkan alamat path (URL)
untuk halaman yang sama dengan cara
menghapus karakter yang tidak relevan.
2. Mengelompokkan record berdasarkan
alamat IP yang sama dan diurutkan
menurut waktu akses.
3. Menghapus data IP yang hanya
memiliki satu record.
4. Melakukan validasi terhadap record
yang nilainya hilang atau rusak.
Tahap preprocessing data bisa mereduksi
data log mentah hingga tersisa 45 % (web
Carravelle) dan 12% (web FEMA IPB)
sebagaimana terlihat pada Tabel 2. Hal ini
disebabkan sebagian besar data log mencatat
record yang tidak dibutuhkan untuk evaluasi
struktur link seperti record gambar, animasi,
serta banyak record yang gagal (error). Hasil
proses transformasi data log disimpan pada
tabel data LogTransformasi (Lampiran 9).
Tabel 2. Perbandingan data log setelah
preprocessing
Data Log
# Record awal
# Record setelah
preprocessing
# Halaman
# Pengunjung
(user)
Carravelle
FEMA IPB
13017
4667
5905
537
21
41
667
172
User Access Session (UAS)
User Access Session (UAS) diperoleh
dengan mengolah data log hasil transformasi.
Data UAS ini menggambarkan urutan
halaman-halaman
yang
diakses
oleh
pengunjung dalam satu periode. Periode ini
disebut Session Interval Time (SIT) dengan
waktu standar 30 menit (Huysmans et al.
2004).
Untuk mengelompokkan record data log
pada satu User Access Session harus dipenuhi
dua kondisi berikut (Zhou & Chen 2002),
yaitu:
1. Semua record memiliki pengunjung
yang sama.
2. Semua record diurutkan berdasarkan
waktu, dimana perbedaan waktu antara
record bertetangga kurang dari waktu
SIT.
Model User Navigation Tree
Data UAS yang telah diurutkan
berdasarkan periode waktu, belum bisa
menggambarkan akses hyperlink sebenarnya
yang dilakukan pengunjung karena pencatatan
record data log bersifat linear sedangkan pola
akses pengunjung sebenarnya bersifat hirarki.
Untuk mengatasi masalah ini maka
digunakan Model User Navigation Tree yang
bisa menggambarkan hyperlink sebenarnya
yang diikuti pengunjung pada suatu UAS.
Pada User Navigation Tree, halaman yang
diakses (Halaman Akses) direpresentasikan
oleh simpul atau node. Panah edge
menggambarkan arah hyperlink yang diikuti
pengunjung.
Untuk menghasilkan User Navigation
Tree dari data UAS perlu ditambahkan
Halaman Sumber (Refer Page). UAS yang
telah memiliki Halaman Sumber disebut
Enhanced User Access Session (EUAS).
Halaman Sumber merupakan halaman asal
dimana pengunjung langsung mengakses
Halaman Akses melalui hyperlink yang
menghubungkan keduanya. Informasi tentang
Halaman Sumber diperoleh dari data log web
yang memiliki format Extended Log Format
(ELF).
Data UAS dan EUAS yang telah selesai
diolah kemudian disimpan pada tabel data
dengan nama EUAS (Lampiran 10).
Selanjutnya data User Navigation Tree
disimpan dalam tabel data NavigationTree
(Lampiran 11).
Untuk menghasilkan suatu model User
Navigation Tree diperlukan algoritma
pencarian Tree memanfaatkan data EUAS.
Algoritma pencarian Tree yang digunakan
pada penelitian ini adalah DFS (Depth-First
Search). Pemilihan DFS karena algoritma ini
memfokuskan pada kedalaman Tree sehingga
bisa menghitung panjang maksimum dari
Navigation Path yang diakses pengunjung
(Smax). Algoritma DFS digunakan untuk
menggambarkan pola akses navigasi yang
dilakukan pengunjung (user navigation tree)
dan tidak dipengaruhi tipe struktur web
sehingga algoritma DFS bisa dipakai pada
semua tipe struktur website.
Algoritma DFS (Cormen et al. 2003)
dapat dilihat pada Lampiran 12.
Evaluasi dan Perbaikan Struktur Link
Struktur link website dibagi dalam tiga
level struktur untuk mengurangi kerumitan
pada proses evaluasi dan perbaikan struktur
link keseluruhan. Pembagian struktur link
10
tersebut yaitu hyperlink, halaman web, dan
website keseluruhan.
1. Evaluasi dan Perbaikan pada Level
Hyperlink
Evaluasi struktur link pada level hyperlink
merupakan level paling penting karena
menjadi dasar untuk evaluasi dan perbaikan
struktur link pada level selanjutnya. Untuk
menghitung nilai evaluasi kemampuan
navigasi dari suatu hyperlink ( E ij ) digunakan
formulasi Definisi 13, yaitu :
⎧W / R
E ij = ⎨ ij ij
⎩ 0
Rij > 0
, dengan
selainnya
Eij adalah peluang diaksesnya hyperlink
L(i, j ) oleh pengunjung yang sedang
mengakses halaman N i dan kemudian
Pada proses ini pertama kali dilakukan
perhitungan nilai Rij dan Wij untuk setiap
halaman akses (Nj) yang terhubung pada
halaman sumber (Ni). Selanjutnya nilai
evaluasi hyperlink Eij untuk Rij > 0 diperoleh
dari perbandingan Wij dengan Rij. Hasil
evaluasi hyperlink ini dikategorikan BAIK
jika Rij >= R0 dan Eij >= E0. Selainnya, hasil
evaluasi hyperlink dikategorikan BURUK.
1. 2. Nilai Evaluasi
Sebagai contoh dilakukan evaluasi
hyperlink terhadap website Carravelle (Tabel
3) dengan Halaman Sumber (i), index.php,
terhadap Halaman Tujuan (j) lainnya.
Tabel 3. Evaluasi struktur hyperlink website
Carravelle [Halaman Sumber(i):
index.php
R0=0.208 α%=50%
E0=0.104 ]
mengunjungi halaman N j .
Wij merupakan bobot dari hyperlink
L(i, j ) yang menggambarkan peluang
diaksesnya hyperlink L(i, j ) oleh pengunjung
yang sedang mengakses halaman N i , tetapi
belum tentu kemudian mengunjungi halaman
N j (Definisi 12).
Rij merupakan Association Degree, yaitu
peluang
diaksesnya
halaman
Nj
oleh
pengunjung yang mengakses N i (Definisi 8).
Rij
juga
menggambarkan
keterkaitan
(relationship) antara halaman N i dan N j dari
sudut pandang pengunjung.
1. 1. Implementasi Kode
Formula proses evaluasi struktur link level
hyperlink diimplementasikan dalam prototipe
sistem dengan algoritma sebagai berikut:
EvalHyperlink (Eij)
for setiap Ni, Nj ∈ Node[G]
do hitung Rij, Wij
if Rij > 0
then Eij = Wij/Rij
else Eij = 0
Hasil(EvalHyperlink)
for setiap Rij, Eij
if (Rij >= R0) & (Eij >= E0)
then Hasil Å BAIK
else Hasil Å BURUK
Halaman Akses
(j)
Nilai
Evaluasi
(Eij)
Rij
Wij
0.13
0.065
/account.php
0.043
0.022
0.5 BURUK
/berita.php
0.174
0.065
0.375 BURUK
/beritadetail.php
0.109
0.043
0.4 BURUK
/about.php
/contact.php
0.174
0.043
/daftar.php
0.239
0.109
Hasil
0.5 BURUK
0.25 BURUK
0.455 BAIK
/faq.php
0.152
0.043
0.286 BURUK
/guestbook.php
0.326
0.174
0.533 BAIK
/home.php
0.043
0
/katalog.php
0.457
0.348
/lihatkeranjang.php
0.022
0
/mail.php
/partner.php
0 BURUK
0.762 BAIK
0 BURUK
0
0
0 BURUK
0.196
0.065
0.333 BURUK
/preview.php
0.326
0.065
0.2 BAIK
/produk.php
0.522
0.283
0.542 BAIK
/profile.php
0.13
0.043
0.333 BURUK
/search.php
0.13
0.065
0.5 BURUK
/support.php
0.087
0.043
0.5 BURUK
/warning.php
0.196
0.065
0.333 BURUK
0
0
0 BURUK
/keranjang.php
Dari Tabel 3 terlihat ada 5 hyperlink
dengan nilai evaluasi yang BAIK dan 15
hyperlink yang BURUK dari halaman sumber
index.php. Selanjutnya hyperlink dengan nilai
evaluasi BURUK akan dianalisis dan disusun
strategi perbaikan.
Nilai evaluasi level hyperlink (Eij) berkisar
dari 0 hingga 1. Jika nilai Eij mendekati 1
11
berarti kemampuan navigasi hyperlink L(i,j)
tersebut makin baik. Hasil evaluasi Eij bernilai
BAIK jika E ij ≥ E 0 dan Rij ≥ R0 . Artinya
presentasi dan penempatan lokasi hyperlink
cukup baik ( E ij ≥ E 0 ), serta banyak
Tabel 4. Perbaikan struktur hyperlink website
Carravelle [Halaman sumber (i):
index.php]
Halaman
Akses (j)
Evaluasi
Rij
Eij
Perbaikan
Hasil
Modifikasi Hapus
Link
Link
pengunjung yang mengakses hyperlink
tersebut ( Rij ≥ R0 ). Sebaliknya jika nilai Eij
/about.php
0.13
0.5 BURUK
X
/account.php
0.043
0.5 BURUK
X
lebih kecil dari E0 dan mendekati 0 maka
kemampuan navigasi hyperlink L(i,j) tersebut
makin buruk sehingga harus dilakukan
langkah perbaikan.
/berita.php
0.174 0.375 BURUK
X
/beritadetail.php
0.109
0.4 BURUK
X
/contact.php
0.174
0.25 BURUK
X
/daftar.php
0.239 0.455 BAIK
/faq.php
0.152 0.286 BURUK
/guestbook.php
0.326 0.533 BAIK
/home.php
0.043
/katalog.php
0.457 0.762 BAIK
1. 3. Strategi Perbaikan
Perbaikan dilakukan terhadap hyperlink
dengan nilai evaluasi BURUK. Strategi
perbaikan dianalisis berdasarkan nilai evaluasi
(Eij ) dan pola ketertarikan pengunjung (Rij).
Secara umum, mengetahui ketertarikan
pengunjung bisa dilakukan secara eksplisit
dengan cara menanyakan langsung pada
pengunjung (survei), atau secara implisit
melalui pengamatan pola akses pengunjung
(Kim 2005). Indikator implisit diperoleh
melalui proses web mining meliputi durasi
atau lama waktu pengunjung berada pada
suatu halaman (Granka et al. 2004), waktu
dan frekuensi suatu halaman dikunjungi
(Gunduz & Ozsu 2003). Indikator lain adalah
frekuensi halaman disimpan atau dicetak
(print), frekuensi download,
frekuensi
halaman/topik
dikomentari,
panjang
pergerakan scroll pada browser, atau
frekuensi produk yang dibeli pada ecommerce, atau pengembangan indikator lain
berdasarkan kebutuhan pemilik web seperti
tidak melanggar norma/aturan, spesifik dan
sesuai dengan konteks website tersebut (Kim
2005).
Pada penelitian ini, indikator untuk
mengukur
ketertarikan
pengunjung
difokuskan pada waktu kunjungan dan
frekuensi kunjungan pada suatu halaman
sesuai formulasi evaluasi hyperlink yang
dikembangkan Zhou dan Chen (2002).
Indikator ini dianggap lebih efisien dibanding
indikator lain karena menghasilkan memori
dan waktu komputasi yang relatif kecil. Hasil
percobaan juga menunjukkan prediksi yang
akurat (Gunduz & Ozsu 2003).
Pada level hyperlink ada dua pilihan
perbaikan struktur link yaitu memodifikasi
hyperlink atau menghapus hyperlink tersebut.
Contoh hasil rekomendasi perbaikan
hyperlink terhadap Halaman Sumber (i)
index.php dapat dilihat pada Tabel 4.
0 BURUK
X
X
X
/lihatkeranjang.php 0.022
0 BURUK
X
X
/mail.php
0 BURUK
X
X
0
/partner.php
0.196 0.333 BURUK
/preview.php
0.326
/produk.php
0.522 0.542 BAIK
X
0.2 BAIK
/profile.php
0.13 0.333 BURUK
X
/search.php
0.13
0.5 BURUK
X
/support.php
0.087
0.5 BURUK
X
/warning.php
0.196 0.333 BURUK
X
/keranjang.php
0
0 BURUK
X
X
Catt: x menandakan perbaikan yang
direkomendasikan.
Hasil perbaikan hyperlink pada Tabel 4
memperlihatkan terdapat 11 hyperlink yang
direkomendasikan untuk dihapus dan 4
hyperlink lainnya direkomendasikan untuk
dihapus atau dimodifikasi.
Modifikasi hyperlink dilakukan terhadap
hyperlink dengan nilai E ij < E 0 , artinya
pengunjung yang mengakses halaman N i
jarang menuju halaman N j melalui hyperlink
L(i, j ) karena hyperlink tersebut tidak cukup
menarik bagi pengunjung. Hal yang
mempengaruhi ketertarikan pengunjung pada
kasus ini adalah desain dan visualisasi dari
hyperlink. Kriteria visualisasi hyperlink yang
baik di antaranya memiliki pewarnaan dan
komposisi huruf standar menurut W3C,
memiliki ikon, gambar atau efek animasi yang
relevan, serta ditempatkan pada posisi yang
mudah terlihat oleh pengunjung seperti pada
bagian kiri dan atas suatu website. Modifikasi
hyperlink dilakukan dengan mengubah
visualisasi hyperlink dengan cara memberi
efek animasi atau memindahkan lokasi
hyperlink ke tempat yang lebih strategis
sehingga hyperlink menjadi lebih atraktif dan
12
bisa memotivasi pengunjung untuk mengakses
hyperlink tersebut.
Sedangkan perbaikan dengan menghapus
hyperlink, dilakukan terhadap hyperlink yang
memiliki nilai Rij < R0 , artinya pengunjung
yang mengakses halaman N i tidak tertarik
mengakses hyperlink L(i, j ) yang menuju
halaman N j . Ini menunjukkan kedua halaman
tidak memiliki relevansi menurut pengunjung.
Untuk itu pemilik web bisa menghapus
hyperlink tersebut. Hal yang mempengaruhi
relevansi antar halaman dari sudut pandang
pengunjung pada kasus ini adalah pilihan
kata-kata pada hyperlink yang terhubung ke
suatu halaman. Pilihan kata pada hyperlink
sebaiknya ringkas, umum, jelas dan
memberikan informasi dasar tentang isi
halaman yang dituju.
Rekomendasi
di
atas
menjadi
pertimbangan dalam memperbaiki struktur
link pada level hyperlink. Untuk kondisi
tertentu keputusan untuk menghapus suatu
hyperlink
harus
mempertimbangkan
ketergantungan hyperlink tersebut dengan
halaman yang lain. Hyperlink yang memiliki
ketergantungan link dengan halaman lain tidak
bisa
langsung
dihapus
karena
bisa
mengakibatkan terputusnya navigasi ke
halaman-halaman yang terhubung dengan
hyperlink tersebut (Lampiran 13). Pemilik
web juga bisa mempertahankan suatu
hyperlink walau pun hasil evaluasi
merekomendasikan
untuk
menghapus
hyperlink tersebut. Hal ini terutama untuk
hyperlink yang mengakses ke halaman atau
layanan penting dan mutlak ada pada suatu
website.
2. Evaluasi dan Perbaikan pada Level
Halaman Web
Untuk menghitung nilai evaluasi ( E i )
kemampuan navigasi suatu halaman web N i
ke halaman N j digunakan formulasi Definisi
14, yaitu :
E (i) =
∑C
j ≠1, Rij ≥ R0
ij
/ µ , dengan Cij adalah
Convenience Degree yaitu tingkat kemudahan
pengunjung mengakses halaman N j dari
halaman
Ni .
Cij
menggambarkan
keterhubungan antar halaman dari sisi
arsitektur link website (lihat Definisi 10).
Sedangkan µ (mu) adalah jumlah link dari
ke halaman N j yang
halaman web N i
memiliki
nilai
Rij ≥ R0 ,
halaman memiliki
pengunjung.
artinya
keterkaitan
dari
kedua
sisi
2. 1. Implementasi Kode
Formula proses evaluasi struktur link level
halaman web diimplementasikan dalam
prototipe sistem dengan algoritma sebagai
berikut:
WebPageEval(Ei)
for setiap halaman Ni ∈
Node[G]
read semua Cij if (Rij >=
Ro)
Ei = AVG (Cij)
else Ei = 0
Hasil(WebPageEval)
for setiap Ei
if (Ei < E0)
then Hasil Å BURUK
else Hasil Å BAIK
Pada proses ini nilai Cij dibaca dari setiap
halaman web (Ni). Nilai evaluasi halaman (Ei)
diperoleh dari rata-rata Cij yang memiliki
nilai Rij ≥ R0. Fungsi untuk mencari nilai ratarata Cij pada pemrograman Microsoft Visual
Basic ® versi 6 dinyatakan dengan AVG (Cij).
Hasil evaluasi halaman web dikategorikan
BAIK jika E i ≥ E 0 . Selainnya, hasil evaluasi
halaman web dikategorikan BURUK. E0
diperoleh dari 1/Smax, dengan Smax adalah
panjang path navigasi maksimum yang diikuti
pengunjung pada satu kunjungan.
2. 2. Nilai Evaluasi
Hasil evaluasi setiap halaman pada
website Carravelle dapat dilihat pada Tabel 5
dimana web Carravelle memiliki 16 halaman
dengan navigasi link yang BAIK dan 5
halaman memiliki navigasi link yang
BURUK. Halaman dalam kategori BAIK
berarti sebagian besar hyperlink pada halaman
tersebut telah memenuhi kriteria hyperlink
yang baik sebagaimana dijelaskan pada
evaluasi struktur link untuk level hyperlink.
Sebaliknya halaman-halaman dengan navigasi
link yang BURUK mesti dilakukan langkah
perbaikan pada hyperlink di halaman tersebut.
Nilai evaluasi level halaman ( E i ) berkisar
dari 0 hingga 1. Jika nilai Ei mendekati 1
berarti kemampuan navigasi setiap link yang
ada pada halaman tersebut makin baik.
Artinya berdasarkan struktur link yang ada
13
pada halaman tersebut, pengunjung mudah
mengakses ke halaman lain dari halaman
bersangkutan. Sebaliknya jika nilai Ei lebih
kecil dari E 0 dan mendekati 0 maka
kemampuan navigasi link pada halaman
tersebut makin buruk, dimana pengunjung
kesulitan mengakses ke halaman lain dari
halaman tersebut sehingga struktur link pada
halaman bersangkutan harus diperbaiki.
Tabel 6. Perbaikan halaman web [R0=0.208
Halaman
Sumber(i):
C0=0.091
home.php]
Halaman
Akses (j)
Halaman Web (i)
/about.php
/account.php
/berita.php
/beritadetail.php
/contact.php
/daftar.php
/faq.php
/guestbook.php
/home.php
/index.php
/katalog.php
/lihatkeranjang.php
/mail.php
/partner.php
/preview.php
/produk.php
/profile.php
/search.php
/support.php
/warning.php
/keranjang.php
Nilai Evaluasi
(Ei)
0.584
0
0.499
0
0.875
0.36
0.611
0.688
0.274
0.562
0.395
0
0.375
0.504
0
0.644
0.429
1
0.514
0.167
0
Hasil
BAIK
BURUK
BAIK
BURUK
BAIK
BAIK
BAIK
BAIK
BAIK
BAIK
BAIK
BURUK
BAIK
BAIK
BURUK
BAIK
BAIK
BAIK
BAIK
BAIK
BURUK
2. 3. Strategi Perbaikan
Karena nilai evaluasi halaman website
merupakan rata-rata Convenience Degree,
maka proses perbaikan halaman-halaman web
harus mengkaji nilai Association Degree dan
Convenience Degree untuk setiap pasangan
link L(i, j ) halamannya.
Jika Rij ≥ R0 , C ij < C 0 = 1 / s max atau
link L(i, j ) belum ada, ini berarti pengunjung
tidak mudah melakukan navigasi dari halaman
N i ke halaman N j , maka perbaikan struktur
link dilakukan dengan menambahkan sebuah
link dari halaman N i ke N j .
Hasil rekomendasi perbaikan struktur link
untuk level halaman web dengan Halaman
Sumber(i): home.php pada website Carravelle
bisa dilihat pada Tabel 6.
Rij
Cij
Perbaikan
Hasil
/about.php
0.667 0.333 BURUK
/account.php
0.333
1 BAIK
/berita.php
0.333
0 BURUK
0
0 BURUK
/beritadetail.php
Tabel 5. Hasil evaluasi terhadap halaman
website Carravelle (E0 = 0.091)
Evaluasi
/contact.php
Tambahkan
Link
X
0.667 0.111 BURUK
/daftar.php
0
/faq.php
0 BURUK
0.667 0.143 BURUK
/guestbook.php
0.667 0.125 BURUK
/home.php
0.333
0.5 BURUK
/katalog.php
0.333
0 BURUK
X
/lihatkeranjang.php
0.333
0 BURUK
X
0
0 BURUK
/mail.php
/partner.php
0.333 0.167 BURUK
/preview.php
0.333
0 BURUK
/produk.php
0.667
1 BAIK
/profile.php
0.333
0.25 BURUK
/search.php
0
0 BURUK
/support.php
0.333
0.2 BURUK
/warning.php
0
0 BURUK
/keranjang.php
0
0 BURUK
X
Catt: x menandakan perbaikan yang
direkomendasikan.
Dari data di Tabel 6 tergambar bahwa
pengunjung dari halaman home.php tertarik
( Rij ≥ R0 ) untuk mengunjungi halaman
berita.php, katalog.php, lihatkeranjang.php
dan preview.php. Tetapi struktur link yang ada
menyulitkan pengunjung mengakses halaman
bersangkutan secara langsung. Untuk itu
strategi perbaikan navigasi link pada halaman
home.php adalah menambahkan link langsung
dari home.php ke halaman berita.php,
katalog.php,
lihatkeranjang.php
dan
preview.php.
3. Evaluasi dan Perbaikan pada Level
Website Keseluruhan
Untuk
menghitung
nilai
evaluasi
kemampuan navigasi website keseluruhan
( E ) digunakan formulasi pada Definisi 15,
yaitu :
E=
∑
i ≠ j , Rij ≥ R0
n
Cij / t = ∑ E (i ) / n ,
i =1
merupakan rata-rata nilai evaluasi dari setiap
halaman web.
14
Nilai E
dengan
ini dibandingkan dengan E 0 ,
E 0 = 1 / s max ,
dan
s max adalah
panjang maksimum Navigation Path yang
dicapai oleh pengunjung :
1. Jika
E ≥ E 0 = 1 / s max
maka
kemampuan navigasi website adalah
BAIK. Artinya pengunjung bisa dengan
mudah mengakses dari halaman mana
saja pada website menuju ke halaman
terkait ( Rij ≥ R0 ).
2. Jika
E < E0 = 1 / smax
maka
kemampuan navigasi website adalah
BURUK. Artinya pengunjung tidak
mudah mengakses dari semua halaman
di website menuju halaman terkait
( Rij ≥ R0 ).
3. 1. Implementasi Kode
Formula proses evaluasi struktur link level
website keseluruhan diimplementasikan dalam
prototipe sistem dengan algoritma sebagai
berikut:
WebsiteEval(E)
for setiap halaman
Node[G]
read semua Ei
E = AVG (Ei)
Ni
∈
Hasil(WebsiteEval)
if (E >= E0)
then Hasil Å BAIK
else Hasil Å BURUK
Pada proses evaluasi struktur link level
website keseluruhan, sistem membaca nilai
evaluasi (Ei) setiap halaman. Nilai evaluasi
website keseluruhan (E) diperoleh dari ratarata nilai evaluasi setiap halaman, E = Ei/n,
dengan n adalah jumlah halaman website.
Fungsi untuk mencari nilai rata-rata pada
pemrograman Microsoft Visual Basic ® versi 6
dinyatakan dengan AVG (Ei). Hasil evaluasi
struktur link website adalah BAIK jika E >=
E0. Sebaliknya jika E >= E0 maka hasil
evaluasi struktur link website adalah BURUK.
3. 2. Nilai Evaluasi
Hasil akhir evaluasi website Carravelle
menunjukkan kemampuan navigasi website
tersebut secara keseluruhan tergolong BAIK
(nilai E =0.470 > E 0 =0.091). Begitu juga
dengan website FEMA IPB menunjukkan
hasil evaluasi struktur link tergolong BAIK.
Nilai evaluasi yang BAIK menunjukkan
bahwa struktur link pada website tersebut
secara keseluruhan telah memadai dan
memudahkan pengunjung dalam menjelajahi
isi website. Rangkuman hasil evaluasi struktur
link website Carravelle dan FEMA IPB
terlihat pada Tabel 7 dan Tabel 8.
Tabel 7. Hasil evaluasi website Carravelle
(α%=50% R0=0.208 E0=0.091
E=0.404 Struktur link BAIK)
Variabel
Hasil
Jumlah halaman
Link halaman yang BAIK
Link halaman yang BURUK
Tidak ada link
Jumlah hyperlink
Hyperlink yang BAIK
Hyperlink yang BURUK
21
16 (76.2%)
5 (23.8%)
0
420
32 (7.6%)
388 (92.4%)
Tabel 8. Hasil evaluasi website FEMA IPB
E0=0.083
(α%=50% R0=0.167
E=0.245 Struktur link BAIK)
Variabel
Hasil
Jumlah halaman
Link halaman yang BAIK
Link halaman yang BURUK
Tidak ada link
Jumlah hyperlink
Hyperlink yang BAIK
Hyperlink yang BURUK
41
21 (51.2%)
20 (48.8%)
0
1640
58 (3.5%)
1582 (96.5%)
Website Carravelle dan FEMA IPB
menunjukkan hasil evaluasi struktur link yang
BAIK ( E ≥ E 0 = 1 / s max ) pada level website.
Artinya pengunjung bisa mengakses dari
halaman mana saja pada website menuju
halaman yang diinginkan pengunjung
( Rij ≥ R0 ).
3. 3. Strategi Perbaikan
Strategi perbaikan struktur link pada level
website dilakukan dengan perbaikan link pada
level hyperlink dan halaman web sebagaimana
yang telah dibahas sebelumnya. Jika struktur
link pada level hyperlink dan level halaman
telah baik, maka otomatis struktur link
keseluruhan website akan optimal.
Proses evaluasi dan analisis perbaikan
struktur link website dilakukan secara
otomatis oleh sistem. Selanjutnya sistem
mengirim laporan rekomendasi perbaikan
struktur link kepada pemilik web melalui
aplikasi email secara berkala sesuai dengan
periode waktu yang dipilih seperti harian,
bulanan, triwulan, semester dan tahunan.
15
Proses evaluasi dan perbaikan juga bisa
dilakukan secara manual sesuai dengan
kebutuhan
pemilik
web.
Hal
ini
dikembangkan untuk menjaga proses evaluasi
dan perbaikan struktur link dapat berlangsung
lebih adaptif dan berkesinambungan.
5. Dapat mengetahui halaman yang sering
diakses dan halaman yang jarang diakses
pengunjung. Ini terlihat dari nilai vi
Kompleksitas Sistem
Kompleksitas sistem bisa dilihat bagian
program dan proses utama sistem. Pada proses
preprocessing dan web mining (input data,
filtering, transformsi data dan ekstraksi
informasi) sistem mengolah setiap record data
log web menjadi basis data sistem. Lama
waktu pengolahan data ini bergantung pada
banyak n data masukan (record) sehingga
kompleksitasnya pada proses ini adalah O(n).
Selanjutnya
pada
proses
evaluasi
hyperlink, evaluasi halaman dan perbaikan
link, sistem melakukan dua kegiatan sekaligus
yaitu menghitung nilai Rij dan E ij kemudian
6. Dapat menghitung peluang (probabilitas)
diaksesnya suatu link pada halaman
tertentu sehingga pendekatan ini bisa
dikembangkan untuk membangun Sistem
Rekomendasi
Cerdas
(Intelligent
Recommender System).
membandingkan kedua nilai tersebut untuk
setiap halaman web. Oleh karena itu
kompleksitas pada proses ini adalah O(m2)
dengan m adalah jumlah halaman web yang
diolah.
Proses evaluasi pada level website
melakukan penjumlahan nilai evaluasi dari
data yang telah ada sehingga proses sistem
berlangsung konstan. Untuk proses ini
kompleksitasnya
adalah
O(1).
Jadi,
kompleksitas total keseluruhan sistem adalah
O(m2 + n).
Kenggulan Sistem
Setelah menganalisis semua proses dan
output yang dihasilkan sistem maka proses
evaluasi dan perbaikan struktur link website
dengan pendekatan pada penelitian memiliki
keunggulan sebagai berikut :
1. Mengatasi kerumitan dalam proses
evaluasi dan perbaikan struktur link suatu
website dengan membagi struktur link
menjadi beberapa level struktur.
2. Hasil evaluasi dan perbaikan struktur link
bisa diukur secara kuantitas dan
sistematis.
3. Dapat
memprediksi
ketertarikan
pengunjung terhadap suatu halaman
berdasarkan nilai keterkaitan antar
halaman web ( Rij ). Ini bermanfaat untuk
memprediksi link favorit pada suatu
halaman.
4. Dapat mengetahui tingkat kemudahan
mengakses suatu halaman dari halaman
lain ( Cij ).
(Access
Session
Number)
menandakan jumlah
EUAS
mengakses halaman N i .
yang
yang
Keterbatasan Sistem
Beberapa keterbatasan yang dimiliki
sistem dengan pendekatan pada penelitian ini,
di antaranya :
1. Evaluasi dan perbaikan hanya bisa
dilakukan terhadap link atau halaman
yang telah dikunjungi pengunjung web.
Sedangkan link yang belum diakses
pengunjung tidak bisa diidentifikasi.
2. Tidak bisa membedakan aktivitas
pengunjung
pada
suatu
halaman.
Misalnya apakah pengunjung benar-benar
membaca
informasi,
memanfaatkan
layanan pada halaman tersebut, atau
pengunjung hanya melewati saja halaman
tersebut.
3. Hasil evaluasi dan perbaikan struktur link
bersifat periodik dan akan berubah sejalan
dengan pola akses pengunjung pada data
log yang baru.
4. Prototipe sistem belum terintegrasi
dengan sistem website pada server
sehingga proses perbaikan struktur link
dilakukan secara manual oleh pemilik
web.
KESIMPULAN DAN SARAN
Kesimpulan
Optimasi struktur link pada website
dinamis dapat dilakukan melalui proses
evaluasi dan perbaikan struktur link berbasis
pendekatan
web
intelligence
dengan
memperhatikan
pola
perilaku
akses
pengunjung (user behavior). Struktur link
dibagi menjadi tiga level yaitu hyperlink,
halaman web dan website untuk mengurangi
kerumitan dalam proses evaluasi dan
perbaikan struktur link website secara
keseluruhan.
Pola perilaku akses pengunjung diekstraksi
dari data log web melalui teknik web mining
meliputi filtering, transformasi data dan
16
ekstraksi informasi. Hasil pengolahan web
mining digunakan untuk mencari nilai
evaluasi pada setiap level struktur link.
Berdasarkan hasil evaluasi disusun strategi
perbaikan pada struktur link. Pilihan strategi
perbaikan struktur link meliputi modifikasi
link, penghapusan link, dan penambahan link.
Hasil penelitian menunjukkan bahwa
sistem bisa melakukan proses evaluasi dan
perbaikan struktur link pada website dinamis
secara sistematis dan berkesinambungan.
Sistem juga mengirimkan rekomendasi
perbaikan struktur link kepada pemilik web
secara otomatis dan periodik.
Granka LA, Joachims T, Gay G. 2004. Eyetracking Analysis of User Behavior in
WWW
Search.
http://
www.cs.cornell.edu/People/tj/publications/
granka_etal_04a.pdf [30 Juni 2006].
Saran
Prototipe sistem pada penelitian ini
terpisah dengan sistem website yang menjadi
objek penelitian sehingga keluaran penelitian
terbatas pada rekomendasi perbaikan struktur
link. Untuk itu penelitian selanjutnya dapat
mengembangankan suatu sistem dengan
pemrograman web agar bisa mengeksekusi
rekomendasi perbaikan struktur link langsung
pada struktur website sehingga proses
perbaikan berjalan lebih cepat dan efektif.
Pengembangan
berikutnya
adalah
menciptakan
suatu formulasi untuk
mengetahui aktivitas pengunjung ketika
mengakses suatu halaman. Hal ini bermanfaat
dalam klasifikasi jenis pengunjung untuk
membedakan pengunjung tertentu dengan
pengunjung umum.
Larose D. 2005. Discovering Knowledge in
Data.
USA:
Wiley-Interscience
Publication.
DAFTAR PUSTAKA
Cakrabarti S, Kleinberg J. 1999 . Mining the
Link Structure of the World Wide Web.
http://www.cs.cornell.edu/home/kleinber
[2 Februari 2006].
Cormen T, Leiserson C, Rivest R. 2003.
Introduction to Algorithms. Edisi Ke-2.
USA: MIT Press.
Etforecast. 2006. Worldwide Internet Users
Top
1
Billion
in
2005.
http://www.etforecasts.com
[30
Juni
2006].
Etzioni. 1996. The World Wide Web:
Quagmire
or
Gold
Mine?
http://www.cs.washington.edu/homes/etzi
oni/papers/cacm96.pdf [5 April 2006].
Gunduz S, Ozsu MT. 2003. A User Interest
Model for Web Page Navigation.
http://darwell.uwaterloo.ca/~ddbms/public
ations/web/dmak03.pdf [30 Juni 2006].
Huysmans J, Beesens B, Vanthienen J. 2004.
Web Usage Mining : A Practical Study.
http://www.econ.kuleuven.ac.be/public/nd
bae87/publications.htm [9 Februari 2006].
Kim HY. 2005. Learning Implicit User
Interest
Hierarchy
for
Web
Personalization.
http://www.cs.fit.edu/~tr/cs-2005-12.pdf
[30 Juni 2006].
Marimin. 2002. Teori dan Aplikasi Sistem
Pakar dalam Teknologi Manajerial.
Bogor: IPB Press.
McLeod R, Schell G. 2004. Sistem Informasi
Manajemen. Edisi Bahasa Indonesia.
Jakarta: PT INDEKS.
Munir R. 2001. Matematika Diskrit. Bandung:
Penerbit Informatika.
Netcraft. 2006. June 2006 Web Server Survey.
http://news.netcraft.com/archives/2006/06/
06/june_2006_web_server_survey.html
[30 Juni 2006].
Sommerville I. 2001. Software Engineering.
Edisi Ke-2. USA: Addison Wesley
Publisher Ltd.
Sundarapperuma N. 2003. Creating Dynamic
Web
Pages
Using
JSP.
http://www.cs.umd.edu/users/walid/fall20
03/cmsc4240101/proj_resources/CreatingJSP.pdf [12
Juni 2006].
[UNCTAD] United Nations Conference on
Trade
and
Development.
2004.
Development and Globalization: Fact and
Figures.
http://www.unctad.org/ecommerce [5 Juni
2006].
[UNCTAD] United Nations Conference on
Trade and Development. 2004. ECommerce and Development Report 2004.
http://www.unctad.org/ecommerce
[5
Desember 2004].
[UNCTAD] United Nations Conference on
Trade
and
Development.
2005.
Information Economy Report 2005.
17
http://www.unctad.org/ecommerce
Maret 2006].
[20
[W3C] World Wide Web Consortium. 1999.
Web Characterization Terminology &
Definitions
Sheet.
http://www.w3.org/1999/05/WCA-terms
[12 Juni 2006].
[W3C] World Wide Web Consortium. 2004.
Hypertext Transfer Protocol - HTTP/1.1.
http://www.w3.org/Protocols/rfc2616/rfc2
616.html [12 Juni 2006].
[WIC] Web Intelligence Consortium. 2004.
WIC
Introduction.
http://wiconsortium.org [10 Desember 2004].
Zhou B, Chen J. 2002. User Behavior Based
Website Link Structure Evaluation and
Improvement.. Proceedings of The IADIS
WWW/Internet 2002 Conference; Lisabon,
13-15
Nov
2002.
http://www.ntu.edu.sg/home5/ZHOU0016/
docs/WWW-Internet2002_zhouby.pdf [9
Februari 2006].
18
LAMPIRAN
19
Lampiran 1 Bidang-bidang penelitian pada Web Intelligence (WIC 2001)
Bidang Penelitian
Web Human
Media Engineering:
Keterangan
Seni desain halaman web, representasi informasi
multimedia, proses informasi multimedia, visualisasi informasi
web, dan Web berbasis Human Computer Interface.
Web Information
Management:
Manajemen kualitas data, transformasi informasi, Internet
dan web berbasis manajemen data, multidimensional basis data
web dan OLAP (OnLine Analytical Processing), manajemen
informasi multimedia, model data baru untuk web, manajemen
informasi web berorientasi objek, personalisasi manajemen
informasi, manajemen data semi terstruktur, penggunaan dan
manajemen metadata, manajemen Web knowledge, automatisasi
pembentukan dan update halaman web, keamanan web,
integritas, privasi dan kepercayaan (trust).
Web Information
Retrieval:
Approximate retrieval, ekstraksi informasi secara
konseptual, temu kembali gambar, temu kembali informasi
multi bahasa, temu kembali multimedia, model baru temu
kembali, ontologi berbasis temu kembali informasi, automisasi
katalog web dan pengindeksan.
Web Agents:
Web Mining
and Farming:
Web Information
System
Environment
and Foundations:
Web Based
Applications:
Dinamisasi sumber informasi, proteksi email, email reply
semi automatis, pengumpulan informasi global, proteksi
informasi, pemandu navigasi (navigation guides), sistem
rekomendasi (recommender), agen pengingat, mekanisme
terbaik, mekanisme koordinasi sumber daya, Web berbasis
pemecahan masalah koorperatif.
Data mining dan knowledge discovery, analisis hypertext
dan transformasi, pembelajaran profil user, data mining untuk
multimedia, keteraturan akses web dan Internet, text mining,
Web berbasis teknik ontologi, Web berbasis reverse
engineering, Web farming, Web log mining, dan Web
warehousing.
Web dinamis dan kompetitif, teknologi web terkini, format
dan dukungan komunitas jaringan, deskripsi informasi Web
terbaru dan query languages, teori small world web, alat bantu
pengembangan sistem informasi web, dan protokol web.
Bisnis cerdas (Business intelligence), komputasional
masyarakat dan pasar, sistem percakapan, customer relationship
management (CRM), pengarahan pemasaran, e-commerce dan
e-bisnis, perpustakaan digital, informasi perdagangan,
information markets, dinamisasi harga dan algoritma penetapan
harga, mengukur dan meneliti transaksi web, web berbasis
sistem pendukung keputusan.
20
Lampiran 2 Format data log web tipe Extended Log Format (ELF)
Format ELF terdiri atas : IP, Waktu akses, Tipe permintaan, Alamat konten (URL), Protokol,
Status, Ukuran file, Referrer, Agent.
Keterangan :
1. IP merupakan alamat IP pengunjung yang mengakses website.
2. Waktu akses, memuat data tanggal dan jam permintaan dilakukan pengunjung.
3. Tipe permintaan terbagi atas tiga kategori yaitu GET, POST, HEAD dan TRACE.
4. Alamat konten (URL) merupakan file atau dokumen yang sedang diakses oleh
pengunjung.
5. Protokol memuat protokol yang digunakan oleh pengunjung.
6. Status merupakan kode respon oleh server terhadap permintaan pengunjung. Keterangan
kode status data log (W3C, 2004) bisa dilihat sebagai berikut :
Kode
2xx
3xx
Keterangan
Permintaan sukses
Terjadi
pengalihan
(redirection)
4xx
Error pada pengunjung
5xx
Error pada server
Catt: x = 0,1,2,3, ..., 9
7. Ukuran file menandakan ukuran kapasitas konten yang diakses dalam satuan byte.
8. Referrer, merupakan halaman asal menuju konten yang sedang diakses.
9. Agent, berisi informasi browser yang digunakan pengunjung.
21
Lampiran 3 Halaman utama prototipe Sistem Optimasi Struktur Link Website
22
Lampiran 4 Tampilan halaman utama (a) dan struktur utama (b) website Carravelle
a). Halaman utama website Carravelle (http://www.carravelle.com)
Halaman utama
(index.php)
contact.php
about.php
search.php
profile.php
katalog.php
support.php
partner.php
email.php
faq.php
daftar.php
guestbook.php
login.php
warning.php
berita.php
home.php
produk.php
beritadetail.php
preview.php
account.php
lihatkeranjang.php
konfirmasi.php
b). Struktur utama website Carravelle
logout.php
23
Lampiran 5 Tampilan halaman utama (a) dan struktur utama (b) website FEMA IPB
a). Halaman utama website FEMA IPB versi Bahasa Inggris (http://fema.ipb.ac.id)
Halaman welcome
(index.php)
Direktori utama
(home.php)
index.php
artikel.php
berita.php
forum.php
galeri.php
guestbook.php
bahasa.php
hasil_poll.php
detail_artikel.php
detail_berita.php
forumdetail.php
detail_galeri.php
detail_pengumuman.php
donatur.php
dgm.php
kontak.php
ikk.php
search.php
b). Struktur utama website FEMA IPB
dkpm.php
24
Lampiran 6 Proses input dan konversi data log ke dalam database sistem
25
Lampiran 7 Contoh data hasil input dan konversi data log pada web Carravelle
ID
IP
132556
216.236.100.77
132577
216.236.100.77
132578
216.236.100.77
132580
216.236.100.77
132581
216.236.100.77
132582
216.236.100.77
132584
216.236.100.77
132585
216.236.100.77
132586
216.236.100.77
132587
216.236.100.77
132588
66.249.72.211
132589
66.249.72.211
132590
66.249.72.211
Tanggal
LogMentah
Metode Link Akses
2/16/2006
12:35:27 PM
2/16/2006
12:40:58 PM
2/16/2006
12:41:20 PM
2/16/2006
12:41:48 PM
2/16/2006
12:41:55 PM
GET
2/16/2006
12:42:26 PM
2/16/2006
12:44:02 PM
2/16/2006
12:44:21 PM
2/16/2006
12:45:41 PM
2/16/2006
12:46:20 PM
2/16/2006
2:18:19 PM
2/16/2006
2:18:19 PM
2/16/2006
2:18:19 PM
GET
Status
Ukuran
Link Sumber
200
GET
/desain/depan.jp
g
/home.php
GET
/account.php
200
GET
/produk.php
200
GET
/preview.php?im
g=CRV110.jpg&kode=
CRV-110
/berita.php
200
200
GET
/lihatkeranjang.p
hp
/guestbook.php
GET
/contact.php
200
GET
/about.php
200
GET
/robots.txt
404
GET
/mail.php
200
8109
-
GET
/
200
12165
-
GET
200
200
200
6391 http://www.carravelle.com
/
7696 http://www.carravelle.com
/daftar.php?
9021 http://www.carravelle.com
/home.php
13135 http://www.carravelle.com
/home.php
2761 -
9256 http://www.carravelle.com
/produk.php
7582 http://www.carravelle.com
/faq.php
10443 http://www.carravelle.com
/faq.php
8590 http://www.carravelle.com
/guestbook.php
8528 http://www.carravelle.com
/contact.php
0
-
26
Lampiran 8 Contoh data hasil filtering data log pada web Carravelle
LogFilter
ID
IP
112839 61.94.79.6
112840 61.94.79.6
112842 61.94.79.6
Tanggal Metode Link Akses Status
2/22/2006 GET
7:57:14 AM
2/22/2006 GET
7:57:32 AM
2/22/2006 GET
7:58:03 AM
112843 61.94.79.6
2/22/2006 GET
7:58:09 AM
112844 61.94.79.6
2/22/2006 GET
8:00:11 AM
112845 61.94.79.6
2/22/2006 GET
8:00:43 AM
112848 61.94.79.6
2/22/2006 GET
8:02:55 AM
112851 61.94.79.6
2/22/2006 GET
8:04:38 AM
/warning.php
200
/daftar.php
200
/index.php?stat
us=userfail&us
er=username
/produk.php
200
/produk.php?P
HPSESSID=79
5119c4e23fcfcf
51bc9b7fe270f
b4d
/preview.php?i
mg=CRV110.jpg&kode=
CRV-110
/preview.php?i
mg=CRV292.jpg&kode=
CRV-292
/produk.php?Je
nis=Tas
200
200
Ukuran
0 http://www.carravelle.com/i
ndex.php?PHPSESSID=79
5119c4e23fcfcf51bc9b7fe2
70fb4d
13309 http://cc.msnscache.com/ca
che.aspx?q=284782416858
2 =en-US&mkt=enUS&FORM=CVRE3
200
2773 -
200
2767 -
200
Link Sumber
1082 http://www.carravelle.com/
produk.php
9408 http://www.carravelle.com/
warning.php
11215 http://www.carravelle.com/
daftar.php
14889 http://www.carravelle.com/
produk.php?PHPSESSID=7
95119c4e23fcfcf51bc9b7fe
270fb4d
27
Lampiran 9 Contoh data hasil transformasi (prepocessing) data log pada web Carravelle
LogTransformasi
ID
IP
37272 216.236.100.77
37273 216.236.100.77
37274 216.236.100.77
37275 216.236.100.77
37276 216.236.100.77
37277 216.236.100.77
37278 216.236.100.77
37279 216.236.100.77
37280 216.236.100.77
37281 216.236.100.77
37282 216.236.100.77
37283 66.249.72.211
37284 66.249.72.211
37285 207.46.98.146
37286 207.46.98.146
37287 207.46.98.146
37288 202.138.112.252
37289 198.54.202.226
37290 24.239.153.192
37291 24.239.153.192
37292 24.239.153.192
Tanggal
2/16/2006 12:40:58 PM
2/16/2006 12:41:20 PM
2/16/2006 12:41:28 PM
2/16/2006 12:41:48 PM
2/16/2006 12:41:55 PM
2/16/2006 12:42:26 PM
2/16/2006 12:42:40 PM
2/16/2006 12:44:02 PM
2/16/2006 12:44:21 PM
2/16/2006 12:45:41 PM
2/16/2006 12:46:20 PM
2/16/2006 2:18:19 PM
2/16/2006 2:18:19 PM
2/17/2006 9:06:04 AM
2/17/2006 9:06:05 AM
2/17/2006 9:19:32 AM
2/17/2006 5:10:25 PM
2/18/2006 12:26:17 PM
2/18/2006 2:33:18 PM
2/18/2006 2:33:21 PM
2/18/2006 2:34:50 PM
Metode Link Akses (i) Status Ukuran Link Sumber (j)
GET
GET
GET
GET
GET
GET
GET
GET
GET
GET
GET
GET
GET
GET
GET
GET
GET
GET
GET
GET
GET
/home.php
/account.php
/katalog.php
/produk.php
/preview.php
/berita.php
/faq.php
/lihatkeranjang.php
/guestbook.php
/contact.php
/about.php
/mail.php
/index.php
/katalog.php
/search.php
/warning.php
/index.php
/index.php
/guestbook.php
/guestbook.php
/guestbook.php
200
200
200
200
200
200
200
200
200
200
200
200
200
200
200
200
200
200
200
200
200
7696 /daftar.php
9021 /home.php
6450 /account.php
13135 /home.php
2761 9256 /produk.php
12719 /berita.php
7582 /faq.php
10443 /faq.php
8590 /guestbook.php
8528 /contact.php
8109 12165 7308 8276 1070 12165 12165 11666 11685 /guestbook.php
12621 -
28
Lampiran 10 Contoh data User Access Session (UAS) dan Enhanced User Access Session (EUAS)
untuk web Carravelle
EUAS
ID
IP
102265 212.165.175.27
102266 212.165.175.27
106698 216.236.100.77
106699 216.236.100.77
106700 216.236.100.77
106702 216.236.100.77
106703 216.236.100.77
106704 216.236.100.77
106705 216.236.100.77
106706 216.236.100.77
106707 216.236.100.77
106708 216.236.100.77
106709 216.236.100.77
106710 216.236.100.77
106711 216.236.100.77
106712 216.236.100.77
106713 216.236.100.77
106714 216.236.100.77
106715 216.236.98.196
106716 216.236.98.196
106717 216.236.98.196
106718 216.236.98.196
106723 216.236.98.196
106741 218.85.177.231
Tanggal
2/21/2006 12:10:38 PM
2/21/2006 12:11:52 PM
2/16/2006 12:35:04 PM
2/16/2006 12:35:48 PM
2/16/2006 12:37:21 PM
2/16/2006 12:38:05 PM
2/16/2006 12:38:11 PM
2/16/2006 12:40:58 PM
2/16/2006 12:41:20 PM
2/16/2006 12:41:28 PM
2/16/2006 12:41:48 PM
2/16/2006 12:41:55 PM
2/16/2006 12:42:26 PM
2/16/2006 12:42:40 PM
2/16/2006 12:44:02 PM
2/16/2006 12:44:21 PM
2/16/2006 12:45:41 PM
2/16/2006 12:46:20 PM
3/19/2006 9:48:42 AM
3/19/2006 9:49:46 AM
3/19/2006 9:50:32 AM
3/19/2006 9:51:11 AM
3/19/2006 10:01:07 AM
3/22/2006 10:40:05 AM
UAS/EUAS Halaman Akses (i) Halaman Sumber (j)
226
226
256
256
256
256
256
256
256
256
256
256
256
256
256
256
256
256
257
257
257
257
257
264
/berita.php
/katalog.php
/index.php
/katalog.php
/produk.php
/warning.php
/daftar.php
/home.php
/account.php
/katalog.php
/produk.php
/preview.php
/berita.php
/faq.php
/lihatkeranjang.php
/guestbook.php
/contact.php
/about.php
/berita.php
/about.php
/berita.php
/produk.php
/produk.php
/index.php
/daftar.php
/berita.php
/index.php
/index.php
/produk.php
/warning.php
/daftar.php
/home.php
/account.php
/home.php
/produk.php
/berita.php
/faq.php
/faq.php
/guestbook.php
/contact.php
/berita.php
/about.php
/berita.php
/guestbook.php
29
Lampiran 11 Contoh data User Navigation Tree pada web Carravelle
NavigationTree
ID
EUAS
4995 221
4996 221
4997 221
4998 221
4999 221
5000 221
5001 221
5002 221
5003 221
5004 221
5005 221
5006 221
5015 221
5016 221
5017 221
5018 226
5019 226
5020 226
5021 226
5022 226
5023 226
5029 226
5030 226
5031 226
5032 226
5033 226
5034 226
5037 256
5038 256
5039 256
5040 256
5041 256
5042 256
5043 256
5044 256
5045 256
5046 256
5053 256
5054 256
5055 256
5056 256
5057 256
Path
1
1
1
1
2
2
2
2
3
3
3
3
4
4
4
1
1
1
1
1
1
2
2
2
2
2
2
1
1
1
2
2
2
2
2
2
2
3
3
3
3
3
Node
/contact.php
/index.php
/search.php
/contact.php
/index.php
/support.php
/contact.php
/index.php
/partner.php
/contact.php
/guestbook.php
/index.php
/katalog.php
/partner.php
/berita.php
/beritadetail.php
/index.php
/katalog.php
/produk.php
/warning.php
/daftar.php
/index.php
/katalog.php
/index.php
/produk.php
/warning.php
/daftar.php
/home.php
/account.php
/index.php
/produk.php
/berita.php
/faq.php
Panjang Path
3
3
3
3
3
3
3
3
3
3
3
3
2
2
2
5
5
5
5
5
5
5
5
5
5
5
5
2
2
2
6
6
6
6
6
6
6
5
5
5
5
5
30
Lampiran 12 Algoritma Depth-First Search (DFS) menurut Cormen et al. (2003)
DFS
1
2
3
4
5
6
7
(G)
for setiap vertex u ∈ V[G]
do color[u] ← WHITE
π [u] Å NIL
time Å 0
for setiap vertex u ∈ V[G]
do if color[u] = WHITE
then DFS-Visit(u)
DFS-Visit(u)
1 color[u] ← GRAY
2 time Å time + 1
3 d[u] Å time
4 for setiap ν ∈ Adj[u]
5
do if color[ν] = WHITE
6
then π [ν] Å u
7
DFS-Visit(ν)
8 color[u] ← BLACK
9 f[u] Å time Å time + 1
31
Lampiran 13 Contoh data rekomendasi perbaikan link pada web Carravelle
Perbaikan
Halaman Halaman Akses
Sumber (i)
(j)
/katalog.php /about.php
/katalog.php /account.php
/katalog.php /berita.php
0.125
0
0.083
0.25
0
0.5
/katalog.php /beritadetail.php
/katalog.php /contact.php
/katalog.php /daftar.php
/katalog.php /faq.php
/katalog.php /guestbook.php
/katalog.php /home.php
0.083
0.167
0.125
0.083
0.125
0.083
0.333
0.158
0.4
0.167
0.143
0.5
/katalog.php /index.php
/katalog.php /lihatkeranjang.php
/katalog.php /mail.php
/katalog.php /partner.php
/katalog.php /preview.php
/katalog.php /produk.php
/katalog.php /profile.php
/katalog.php /search.php
/katalog.php /support.php
/katalog.php /warning.php
/katalog.php /keranjang.php
0.333
0
0.042
0.167
0.208
0.583
0.125
0.083
0.042
0.083
0
0.4
0
1
0.273
0
0.786
0.286
0.5
0.167
0.5
0
Rij
Cij
Evaluasi
Modifikasi Hapus Tambahkan
Wij
Hasil
Keterangan
(Eij)
Link
Link
Link
0
0 BURUK
X
X
0
0 BURUK
X
X
0
0 BURUK
X
X*
*Link ini tidak
bisa
dihapus
karena ada node
yang
tergantung
padanya
yaitu:
/beritadetail.php
0
0 BURUK
X
X
0
0 BURUK
X
X
0
0 BURUK
X
X
0
0 BURUK
X
X
0
0 BURUK
X
X
0.042
0.5 BURUK
X*
*Link ini tidak
bisa
dihapus
karena ada node
yang
tergantung
padanya
yaitu:
/account.php,
/lihatkeranjang.php
0
0 BURUK
X
0
0 BURUK
X
X
0.042
1 BURUK
X
0.042
0.25 BURUK
X
0
0 BURUK
X
X
0.375
0.643 BAIK
0
0 BURUK
X
X
0
0 BURUK
X
X
0
0 BURUK
X
X
0
0 BURUK
X
X
0
0 BURUK
X
X
Keterangan:
X* menandakan link tidak bisa langsung dihapus karena terdapat node (halaman web) yang
memiliki ketergantungan navigasi dengan link tersebut.