penerapan assosiation rules algoritma fp

PENERAPAN ASSOSIATION RULES
ALGORITMA FP-GROWTH UNTUK MENGETAHUI
POLA PERILAKU PENGUNJUNG DALAM MEMBERIKAN
REKOMENDASI BERITA PADA WEBSITE
SUARAMERDEKA.COM
IMPLEMENTATION OF FP-GROWTH ALGORITHM
ASSOCIATION RULES TO FIND BEHAVIOUR PATTERN OF
VISITORS TO PROVIDE NEWS RECOMMENDATION ON
SUARAMERDEKA.COM
Disusun Oleh :
Nama
: Cahyo Tri Martanto
Nama
: A11.2011.06065
Program Studi
: Teknik Informatika S1
FAKULTAS ILMU KOMPUTER
UNIVERSITAS DIAN NUSWANTORO
SEMARANG
2016
SKRIPSI
PENERAPAN ASSOSIATION RULES
ALGORITMA FP-GROWTH UNTUK MENGETAHUI
POLA PERILAKU PENGUNJUNG DALAM MEMBERIKAN
REKOMENDASI BERITA PADA WEBSITE
SUARAMERDEKA.COM
IMPLEMENTATION OF FP-GROWTH ALGORITHM
ASSOCIATION RULES TO FIND BEHAVIOUR PATTERN OF
VISITORS TO PROVIDE NEWS RECOMMENDATION ON
SUARAMERDEKA.COM
Disusun Oleh :
Nama
: Cahyo Tri Martanto
Nama
: A11.2011.06065
Program Studi
: Teknik Informatika S1
FAKULTAS ILMU KOMPUTER
UNIVERSITAS DIAN NUSWANTORO
SEMARANG
2016
i
PERSETUJUAN SKRIPSI
Nama
: Cahyo Tri Martanto
NIM
: A11.2011.06065
Program Studi
: Teknik Informatika S1
Fakultas
: Ilmu Komputer
Judul Tugas Akhir
: Penerapan Assosiation Rules Algoritma FP-Growth Untuk
Mengetahui Pola Perilaku Pengunjung Dalam Memberikan
Rekomendasi Berita Pada Website suaramerdeka.com
Tugas Akhir ini telah diperiksa dan disetujui,
Semarang, 27 Oktober 2016
Menyetujui:
Mengetahui:
Pembimbing
Dekan Fakultas Ilmu Komputer
Usman Sudibyo, SSi.,M.KOM.
Dr. Abdul Syukur, MM
ii
PENGESAHAN DEWAN PENGUJI
Nama Pelaksana
: Cahyo Tri Martanto
NIM
: A11.2011.06065
Program Studi
: Teknik Informatika
Fakultas
: Ilmu Komputer
Judul Tugas Akhir
: Penerapan Assosiation Rules Algoritma FP-Growth Untuk
Mengetahui Pola Perilaku Pengunjung Dalam Memberikan
Rekomendasi Berita Pada Website suaramerdeka.com
Tugas akhir ini telah diujikan dan dipertimbangkan dihadapan Dewan Penguji pada
Sidang tugas akhir tanggal 27 Oktober 2016. Menurut pandangan kami, tugas akhir
ini memadai dari segi kualitas maupun kuantitas untuk tujuan penganugerahan gelar
Sarjana Komputer (S.Kom.)
Semarang, 27 Oktober 2016
Dewan Penguji:
T. Sutojo, S.Si, M.Kom
Dr. Muljono, S.Si, M.Kom
Anggota
Anggota
Erna Zuni Astuti, M.Kom
Ketua Penguji
iii
PERNYATAAN KEASLIAN SKRIPSI
Sebagai mahasiswa Universitas Dian Nuswantoro, yang bertanda tangan di bawah
ini, saya:
Nama : Cahyo Tri Martanto
NIM
: A11.2011.06065
Menyatakan bahwa karya ilmiah saya yang berjudul:
PENERAPAN ASSOSIATION RULES ALGORITMA
FP-GROWTH UNTUK MENGETAHUI POLA PERILAKU
PENGUNJUNG DALAM MEMBERIKAN REKOMENDASI
BERITA PADA WEBSITE SUARAMERDEKA.COM
Merupakan karya asli saya (kecuali cuplikan dan ringkasan yang masing-masing
telah saya jelaskan sumbernya dan perangkat pendukung sepertu web cam dll).
Apabila dikemudian hari, karya saya disinyalir bukan merupakan karya asli saya,
yang disertai dengan bukti-bukti yang cukup, maka saya bersedia untuk dibatalkan
gelar saya beserta hak dan kewajiban yang melekat pada gelar tersebut. Demikian
surat pernyataan ini saya buat dengan sebenarnya.
Dibuat di
: Semarang
Pada tanggal : 27 Oktober 2016
Yang menyatakan
Cahyo Tri Martanto
iv
PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH
UNTUK KEPENTINGAN AKADEMIS
Sebagai mahasiswa Universitas Dian Nuswantoro, yang bertanda tangan dibawah
ini, saya:
Nama : Cahyo Tri Martanto
NIM
: A11.2011.06065
dengan mengembangkan Ilmu Pengetahuan, menyetujui untuk memberikan kepada
Universitas Dian Nuswantoro Hak Bebas Royalti Non-Eksklusif (Non-exclusive
Royalty-Free Right) atas karya ilmiah saya yang berjudul:
PENERAPAN
GROWTH
ASSOSIATION
UNTUK
RULES
MENGETAHUI
ALGORITMA
POLA
FP-
PERILAKU
PENGUNJUNG DALAM MEMBERIKAN REKOMENDASI
BERITA PADA WEBSITE SUARAMERDEKA.COM beserta
perangkat yang diperlukan (bila ada). Dengan Hak Bebas Royalti Non-Eksklusif ini
Universitas Dian Nuswantoro berhak untuk menyimpan, mengcopy ulang
(memperbanyak), menggunakan, mengelolanya dalam bentuk pengkalan data
(database), mendistribusikannya dan menampilkan/mempublikasikannya di
internet atau media lain untuk kepentingan akademis tanpa perlu meminta ijin dari
saya selama tetap mencantumkan nama saya sebagai penulis/pencipta.
Saya bersedia untuk menanggung secara pribadi, tanpa melibatkan pihak
Universitas Dian Nuswantoro, segala bentuk tuntutan hokum yang timbul atas Hak
Cipta dalam karya ilmiah saya ini.
Demikian surat pernyataan inisaya buat dengan sebenarnya.
Dibuat di
: Semarang
Pada tanggal : 27 Oktober 2016
Yang menyatakan
Cahyo Tri Martanto
v
UCAPAN TERIMAKASIH
Dengan memanjatkan puji syukur kehadirat Allah SWT. Tuhan Yang Maha
Pengasih dan Maha Penyayang yang telah melimpahkan segala rahmat, hidayah
dan inayah-Nya kepada penulis sehingga laporan tugas akhir dengan judul
“PENERAPAN
ALGORITMA
MENGETAHUI
POLA
PERILAKU
FP-GROWTH
PENGUNJUNG
UNTUK
PADA
WEBSITE SUARAMERDEKA.COM”dapat penulis selesaikan sesuai
dengan rencana karena dukungan dari berbagai pihak yang tidak ternilai besarnya.
Oleh karena itu penulis menyampaikan terimakasih kepada:
1.
Dr.Ir. Edi
Noersasongko,M.Kom, selaku Rektor Universitas Dian
Nuswantoro.
2.
Dr. Abdul Syukur, MM , selaku Dekan Fakultas Ilmu Komputer.
3.
Dr. Heru Agus Santoso,Ph.D, selaku Ketua Program Studi Teknik
Informatika.
4.
Bapak De Rosal Ign. Moses Setiadi, M.Kom, selaku koordinator Tugas Akhir
5.
Usman Sudibyo, SSi.,M.Kom. selaku dosen pembimbing tugas akhir yang
memberikan informasi referensi yang penulis butuhkan dan bimbingan yang
berkaitan dengan penelitian penulis.
6.
Dosen-dosen pengampu di Fakultas Ilmu Komputer Teknik Informatika
Universitas Dian Nuswantoro Semarang yang telah memberikan ilmu dan
pengalamannya
masing-masing,
sehingga
penulis
dapat
mengimplementasikan ilmu yang telah disampaikan.
7.
Direksi dan semua staf suaramerdeka.com yang telah memberikan data-data
untuk keperluan penyusunan tugas akhir ini hingga terbentuknya sistem
aplikasi.
8.
Ayahanda Supardi dan ibunda Sumarsih tercinta, terima kasih yang tak
terhingga atas doa, semangat, kasih sayang, pengorbanan, dan ketulusannya
dalam mendampingi penulis. Semoga Allah SWT senantiasa melimpahkan
rahmat dan ridho-Nya kepada keduanya.
vi
9.
Seluruh rekan dan keluarga CV. Seven Media Technology yang telah
memberikan dukungan kepada saya untuk menyelesaikan tugas akhir ini.
10.
Teman-teman Dian Nuswantoro Computer Club (DNCC) yang selalu
memberikan dukungan kepada saya untuk menyelesaikan tugas akhir ini.
11.
Kepada semua pihak yang namanya tidak dapat di sebutkan satu persatu.
Semoga Tuhan yang Maha Esa memberikan balasan yang lebih besar kepada
beliau-beliau, dan pada akhirnya penulis berharap bahwa penulisan laporan tugas
akhir ini dapat bermanfaat dan berguna sebagaimana fungsinya.
Semarang, Oktober 2016
Penulis
vii
ABSTRAK
Meningkatnya pengguna internet aktif di dunia yang mencapai 2,4 milyar
pada tahun 2013 tumbuh sebesar 18,5% menjadi 3,2 milyar pada tahun 2015. Suara
Merdeka merupakan media paling tua di indonesia, namun menurut Alexa Traffic
Ranks suaramerdeka.com kalah popouler dengan media online yang lain. Saat ini
suaramerdeka.com menduduki peringkat 1.200 di tingkat nasional. Dengan
memanfaatkan teknik web usage mining memberikan rekomendasi bacaan yang
cocok untuk kelompok pengunjung yang berbeda. Dalam penelitian ini peneliti
menggunakan aturan Assosiation Rules dengan menerapkan Algoritma FP-Growth
untuk memperoleh pola kunjungan yang akan digunakan untuk meberikan
rekomendasi bacaan kategori berita yang paling sering di kunjungi ketika sedang
berada di halaman tertentu untuk dibaca selanjutnya.
Kata Kunci
: Web Mining, Association rule, FP-Growth, Rekomendasi,
xi + 50 halaman; 30 gambar; 12 tabel; 1 lampiran
Daftar acuan: 22 (2009 – 2013)
viii
ABSTRACT
Increased active Internet users in the world reached 2.4 billion in 2013 grew
by 18.5% to 3.2 billion in 2015. Suara Merdeka is the oldest media in Indonesia,
but according to Alexa Traffic Ranks suaramerdeka.com lost popoular with the
other online media. Suaramerdeka.com is ranked 1,200 in the national level. By
utilizing web usage mining techniques provide reading recommendations that are
suitable for different groups of visitors. In this study, using the rules of Association
Rules with FP-Growth algorithm to obtain the traffic patterns that will be used to
gave recommended reading news categories which most often visited when it was
at a particular page to be read next..
Keywords
: Web Mining, Association Rules, FP-Growth, Recommendation
xi + 50 pages; 30 images; 12 tables; 1 appendixes
References: 22 (2009 – 2013)
ix
DAFTAR ISI
SKRIPSI ................................................................................................................... i
PERSETUJUAN SKRIPSI ..................................................................................... ii
PENGESAHAN DEWAN PENGUJI .................................................................... iii
PERNYATAAN KEASLIAN SKRIPSI ................................................................ iv
PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK
KEPENTINGAN AKADEMIS .............................................................................. v
UCAPAN TERIMAKASIH ................................................................................... vi
ABSTRAK ........................................................................................................... viii
ABSTRACT ........................................................................................................... ix
DAFTAR ISI ........................................................................................................... x
DAFTAR GAMBAR ........................................................................................... xiii
DAFTAR TABEL ................................................................................................. xv
BAB I ...................................................................................................................... 1
PENDAHULUAN................................................................................................... 1
1.1.
Latar Belakang.......................................................................................... 1
1.2.
Rumusan Masalah .................................................................................... 3
1.3.
Batasan Masalah ....................................................................................... 3
1.4.
Tujuan Penelitian ...................................................................................... 3
1.5.
Manfaat Penelitian .................................................................................... 3
BAB II ..................................................................................................................... 5
TINJAUAN PUSTAKA DAN LANDASAN TEORI ............................................ 5
2.1.
Tinjauan Studi .......................................................................................... 5
2.2.
Tinjauan Pustaka ...................................................................................... 7
x
2.2.1.
Web Mining ...................................................................................... 7
2.2.2.
Web Usage Mining ........................................................................... 8
2.2.3.
Assosiation Rule.............................................................................. 11
2.2.4.
FP-Tree ............................................................................................ 12
2.2.5.
FP-Growth ....................................................................................... 14
2.3.
Kerangka Pemikiran ............................................................................... 17
BAB III.................................................................................................................. 18
METODE PENELITIAN ...................................................................................... 18
3.1
Instrumen Penelitian ............................................................................... 18
3.2
Pengumpulan Data.................................................................................. 18
3.3
Teknik Analisa Data ............................................................................... 19
3.4
Metode yang diusulkan........................................................................... 19
BAB IV ................................................................................................................. 20
HASIL DAN PEMBAHASAN ............................................................................. 20
4.1.
Data Selection......................................................................................... 20
4.2.
Preprocessing / cleaning ......................................................................... 20
4.3.
Transformation Data............................................................................... 22
4.4.
Perhitungan Manual................................................................................ 23
4.5.
Pembentukan FP-Tree ............................................................................ 28
4.6.
Penerapan Algoritma FP-Growth ........................................................... 33
4.7.
Aturan Asosiasi ...................................................................................... 37
4.8.
Implementasi dengan pemrograman Web .............................................. 41
BAB 5.................................................................................................................... 47
PENUTUP ............................................................................................................. 47
5.1.
Kesimpulan ............................................................................................. 47
xi
5.2.
Saran ....................................................................................................... 47
DAFTAR PUSATAKA ........................................................................................ 48
LAMPIRAN .......................................................................................................... 50
xii
DAFTAR GAMBAR
Gambar 1: Proses Web Usage Mining[19] ............................................................. 9
Gambar 2: Pembentukan FP-tree .......................................................................... 14
Gambar 3: Diagram alir algoritma FP-Growth [22] ............................................. 16
Gambar 4: Data Awal............................................................................................ 21
Gambar 5: Penghapusan record pengunjung yang mengunjungi satu macam
kategori berita........................................................................................................ 21
Gambar 6: Hasil pembentukan FP-tree setelah pembacaan TID T1 ..................... 29
Gambar 7: Hasil Pembentukan FP-Tree setelah pembacaan TID T2 ................... 29
Gambar 8: Hasil Pembentukan FP-Tree setelah pembacaan TID T3 ................... 29
Gambar 9: Hasil Pembentukan FP-Tree setelah pembacaan TID T4 ................... 30
Gambar 10: Hasil Pembentukan FP-Tree setelah pembacaan TID T5 ................. 30
Gambar 11: Hasil Pembentukan FP-Tree setelah pembacaan TID T6 ................. 30
Gambar 12: Hasil Pembentukan FP-Tree setelah pembacaan TID T7 ................. 31
Gambar 13: Hasil Pembentukan FP-Tree setelah pembacaan TID T8 ................. 31
Gambar 14: Hasil Pembentukan FP-Tree setelah pembacaan TID T9 ................. 31
Gambar 15: Hasil Pembentukan FP-Tree setelah pembacaan TID 10 .................. 32
Gambar 16: Struktur FP-Tree beserta pointer ...................................................... 32
Gambar 17: Lintasan yang mengandung simpul M .............................................. 33
Gambar 18: Lintasan yang mengandung simpul E ............................................... 34
Gambar 19: Lintasan yang mengandung simpul BI .............................................. 35
Gambar 20: Lintasan yang mengandung simpul SB ............................................. 36
Gambar 21. Halaman awal .................................................................................... 41
Gambar 22. Halaman Login .................................................................................. 42
Gambar 23. Halaman kategori yang digunakan .................................................... 42
Gambar 24. Halam import data ............................................................................. 43
Gambar 25. Halaman data .................................................................................... 43
Gambar 26. Tabel transaksi................................................................................... 44
Gambar 27. Tabel prioritas dan support................................................................ 44
Gambar 28. Data transaksi yang memenuhi min support ..................................... 45
Gambar 29. Terbentuknya FP-Tree....................................................................... 46
xiii
Gambar 30. Hasil Assosiatioan Rules ................................................................... 46
xiv
DAFTAR TABEL
Tabel 1. Tabel Data Transaksi Mentah ................................................................. 13
Tabel 2. Transformasi IP ke TID (Transaksi ID) .................................................. 22
Tabel 3. Transformasi Kategori ............................................................................ 23
Tabel 4. Sample Data Transaksi Pengunjung ....................................................... 23
Tabel 5. Hasil transformasi data transaksi pengunjung ........................................ 26
Tabel 6. Frekuensi kemunculan tiap item ............................................................ 26
Tabel 7. Item yang memenuhi minimum support ................................................. 27
Tabel 8. Tabel Data Transaksi .............................................................................. 28
Tabel 9. Frequent Itemsets .................................................................................... 37
Tabel 10. Subsets .................................................................................................. 37
Tabel 11. Frekuensi frequent pattern .................................................................... 38
Tabel 12. Hasil Association Rules ........................................................................ 39
xv
BAB I
PENDAHULUAN
1.1.
Latar Belakang
Dewasa ini perkembangan teknologi informasi berjalan dengan cepat. Hal
tersebut diikuti dengan banyaknya pengguna internet aktif di dunia yang mencapai
2,4 milyar pengguna sampai dengan tahun 20131. Terlebih lagi pada tahun 2015,
pengguna internet tumbuh 18,5% menjadi 3,2 milyar penduduk dunia 2. Angka
tersebut membuktikan bahwa manusia menjadikan internet sebagai tempat baru
untuk beraktifitas sehari-hari. Contohnya, saat ini berita tidak hanya diperoleh dari
radio, televisi, ataupun koran. Orang-orang dapat mengakses portal berita yang
tersedia di internet untuk mendapatkan berita terbaru dengan lebih cepat. Tidak
hanya situs berita luar negeri, di Indonesia juga terdapat banyak situs berita seperti
kompas.com, detik.com, vivanews.com, suaramerdeka.com, dan lain-lain.
Suara Merdeka merupakan media paling tua di indonesia, namun menurut
Alexa Traffic Ranks suaramerdeka.com kalah popouler dengan media online yang
lain. Berdasarkan data Alexa Traffic Rank yang di ambil pada tanggal 26 April
2016, suaramerdeka.com menduduki peringkat 1.200 di tingkat nasional, kalah
dengan jawapos.com yang menduduki peringkat 451 tingkat nasional 3. Salah satu
hal yang menyebabkan rendahnya peringkat suaramerdeka.com adalah netizen
mengalami kesusahan dalam menemukan berita yang akan dibaca selanjutnya
karena berita terpopuler yang muncul belum tentu berita yang diinginkan oleh
netizen. Berdasarkan permasalahan yang dihadapi oleh suaramerdeka.com tersebut,
diperlukan adanya teknik web mining pada website suaramerdeka.com sehingga
para pengunjung dapat menemukan informasi yang relevan dengan mudah dan
tepat. Hal tersebut dapat meningkatkan jumlah pengunjung sebuah website dan
mendatangkan keuntungan bagi pemilik website. Contohnya, pemilik situs berita
1
https://www.domo.com/blog/2014/04/data-never-sleeps-2-0/
https://www.domo.com/blog/2015/08/data-never-sleeps-3-0/
3
http://www.alexa.com/topsites/countries/ID/
2
1
2
dapat menampilkan berita-berita apa saja yang sering dibaca oleh pengunjung pada
halaman utama situsnya. Sehingga pengunjung mudah menemukan berita yang
akan dibaca. Hal itu akan mengundang banyak pembaca berita untuk mengunjungi
situs tersebut. Dengan memanfaatkan teknik web mining, pemilik website dapat
memprediksi perilaku pengunjung untuk mengurangi beban lalu lintas dan
memberikan rekomendasi bacaan yang cocok untuk kelompok pengunjung yang
berbeda.
Web mining [2] adalah integrasi dari informasi yang dikumpulkan oleh
metodologi data mining tradisional dan teknik dengan informasi yang dikumpulkan
melalui World Wide Web. Hal ini digunakan untuk memahami perilaku pelanggan,
mengevaluasi efektivitas dari situs tertentu, dan membantu mengukur keberhasilan
kampanye pemasaran. Salah satu jenis web mining adalah web usage mining. Web
usage mining [1] merupakan penerapan teknik data mining untuk menemukan pola
penggunaan yang menarik dari data web, untuk memahami dan melayani kebutuhan
aplikasi berbasis web. Berbagai penelitian telah dilakukan pada web usage mining
dengan menggunakan beberapa algoritma. Algoritma FP-Growth merupakan salah
satu algoritma tercepat dan paling populer untuk pencarian frequent itemsets (data
yang paling sering muncul) [5]. FP-Growth merupakan pengembangan dari
algoritma Apriori. Sebuah survei tentang association rule [6] membuktikan bahwa
algoritma FP-Growth merupakan algoritma association rule tercepat di antara
algoritma association rule yang lain, yaitu AIS dan Apriori. Beberapa penelitian
[7][8][9] juga telah dilakukan untuk membandingkan performa algoritma Apriori
dan FP-Growth. Penelitian-penelitan tersebut memberikan hasil yang sama dengan
survei yang dilakukan, yaitu algoritma FP-Growth bekerja lebih baik dan lebih
cepat dibandingkan algoritma Apriori.
Berdasarkan penelitian-penelitan tentang algoritma FP-Growth tersebut,
peneliti memutuskan untuk menggunakan algoritma FP-Growth pada penelitian
ini. Dengan menerapkan web usage mining menggunakan algoritma FP-Growth,
peneliti menganalisa pola pengunjung pada situs berita www.suaramerdeka.com.
Sehingga menghasilkan rekomendasi berita yang dapat dibaca selanjutnya oleh
pengunjung situs.
3
1.2.
Rumusan Masalah
Berdasarkan latar belakang diatas, maka dapat di rumuskan pokok
permasalahan dalam penelitian ini adalah bagaimana mendapatkan pola perilaku
pengunjung yang dapat digunakan untuk memberikan rekomendasi kategori berita.
1.3.
Batasan Masalah
Batasan masalah yang ditentukan pada penelitian ini adalah :
1. Penelitian yang dilakukan berbentuk implementasi algoritma FPGrowth pada web usage mining
2. Penelitian yang dilakukan hanya memberikan rekomendasi dan tidak
melakukan perbandingan pengunjung sebelum dan setelah penerapan
algoritma FP-Growth
1.4.
Tujuan Penelitian
Berdasarkan latar belakang dan rumusan masalah di atas, tujuan yang
dicapai dalam penelitian ini adalah mengimplementasikan algoritma FP-Growth
untuk mendapatkan pola perilaku yang dapat digunakan sebagai bahan rekomendasi
kategori berita pada situs www.suaramerdeka.com.
1.5.
Manfaat Penelitian
Manfaat yang diharapkan dari penelitian ini yaitu sebagai berikut:
1. Manfaat bagi perusahaan
Aplikasi yang dibangun dari penelitian ini diharapkan dapat
menghasilkan pola perilaku pengunjung yang dapat digunakan sebagai
rekomendasi
berita
bagi
perusahaan
pada
situs
www.suaramerdeka.com
2. Manfaat bagi Universitas Dian Nuswantoro
Penelitian ini diharapkan dapat bermanfaat bagi kegiatan akademik
Universitas Dian Nuswantoro, terutama bagi mahasiswa yang
membutuhkan sumber referensi tentang web usage mining, metode
association rule dan algoritma FP-Growth.
4
3. Manfaat bagi penulis
Menambah pengetahuan mengenai metode Assosociation Rule dengan
menggunakan Algoritma FP-Growth dan penerapannya dalam Web
Usage Mining.
BAB II
TINJAUAN PUSTAKA DAN LANDASAN TEORI
2.1.
Tinjauan Studi
Berbagai penelitian terkait dengan penemuan pola kunjungan pada suatu
situs atau web telah dilakukan dengan menggunakan algoritma yang berbeda-beda.
Kumar et.al [1] menemukan pola penggunaan web dari sebuah situs dengan
menggunakan file log server. Penelitian tersebut membandingkan web usage
mining dengan menggunakan algoritma Apriori dan FP-Growth. Hasil penelitian
menunjukkan
bahwa algoritma Apriori sangat mudah dan sederhana untuk
diterapkan.
Loyola et.al [4] melakukan penelitian untuk memprediksi pola penggunaan
web Industrial Engineering Department of the University of Chile dengan
menggunakan metode Ant Colony Optimization. Metodologi yang digunakan
menggabungkan berbagai sumber data, seperti konten web dan struktur, serta
penggunaan web. Hasil utama dari penelitian memberikan prediksi yang efektif dari
pola agregat penggunaan nyata, mencapai sekitar 80%. Pendekatan yang digunakan
juga memungkinkan diperolehnya representasi kuantitatif kata kunci yang
mempengaruhi sesi navigasi.
Dalam penelitian yang berjudul Identifying User Behavior by Analyzing
Web Server Access Log File, Suneetha et.al [10] menganalisa web log data pada
situs NASA untuk menemukan informasi tentang website, top errors dan
pengunjung situs yang potensial. Penelitian tersebut fokus pada tahap
preprocessing dalam web usage mining. Hasil analisa penelitian tersebut digunakan
untuk membantu administrator sistem dan desainer web untuk mengatur sistem
mereka dengan menentukan kesalahan sistem yang terjadi dan link yang rusak.
Tabel di bawah ini menunjukkan penelitian-penelitian lain terkait web usage
mining:
5
6
Nama
Tahun
Masalah
Peneliti
T. Suratno, T. 2011 Menemukan
Prahasto, and
pola kunjungan
A.
di
situs
Fatchur[11]
Fakultas
Pertanian
Universitas
Jambi dengan
menggunakan
log
dari
kunjungan
situs
V. E. Stefan 2013 Mengetahui
Bimarsana
aktifitas
Syarief, Eko
internet
di
Darwiyanto[
Telkom
3]
University
B. Kotiyal,
A. Kumar, B.
Pant, dan S.
Junee[12]
2012
Metode
Hasil
Associaton
Rule Mining
Fuzzy
Means
Menganalisa
Eclat
web pages dari Apriori
sebuah
situs
yang
akan
sering
dikunjungi di
waktu
yang
akan datang
Dari
204
data,
dihasilkan rekomendasi
untuk mengatur modul
dan penempatan item
pada situs tersebut
dengan mengatur
minimum
support
sebesar 50%
dan
minimum
confidence
sebesar 75 %
C- Penelitian menunjukkan
bahwa jumlah cluster
optimal yang dihasilkan
adalah delapan cluster.
Koefisien fuzzy paling
optimal sebesar 1.5.
Dimana
performa
algoritma akan semakin
rendah apabila koefisien
fuzzy semakin besar.
dan Hasil
penelitian
menunjukkan
bahwa
algoritma Eclat bekerja
lebih
baik
untuk
database yang besar.
Sedangkan
algoritma
Apriori
dapat
menghasilkan
tabel
yang lebih sedikit dan
bekerja dengan waktu
yang lebih cepat.
7
2.2.
Tinjauan Pustaka
2.2.1.
Web Mining
Web mining pertama kali diperkenalkan oleh Etzioni pada papernya di
tahun 1996 [13]. Etzioni mengatakan bahwa web mining merupakan penerapan
teknik data mining untuk menemukan dan mengambil informasi yang berguna
secara otomatis dari dokumen World Wide Web dan layanan web. Etzioni
membuat hipotesa bahwa informasi yang terdapat di dalam web cukupterstruktur
dan dapat menguraikan subtasks dari web mining. Sehingga dapat dikatakan
bahwa web mining adalah teknik untuk menemukan, mengambil, mengekstrak,
dan menganalisa informasi yang berguna dari data web.
Walaupun web mining menggunakan data mining sebagai dasar
pengetahuan, web mining merupakan hal yang berbeda dengan data mining.
Fitur data web yang tidak terstruktur memicu kompleksitas web mining.
Penelitian web mining sebenarnya merupakan daerah konvergen dari beberapa
kelompok penelitian, seperti database, Information Retrieval, Artificial
Intelligence [2].
Web mining dibagi menjadi tiga kategori yaitu berkaitan dalam hal isi
halaman dari suatu web (teks, gambar), dan web usage mining yang
berkaitan dengan pola perilaku pengunjung sebuah web[2][11][14][15] dengan
penjelasan sebagai berikut:
1.
Web content mining yaitu pada dasarnya adalah teknik pencarian otomatis
tentang sumber informasi yang tersedia secara online [14]. Web content
mining pada dasarnya adalah teknik data mining analog untuk database
relasional, karena memungkinkan untuk menemukan jenis pengetahuan
yang sama dari data yang tidak terstruktur yang berada dalam dokumen web.
Dokumen web biasanya berisi beberapa jenis data, seperti teks, gambar,
audio, video, metadata dan hyperlink. Beberapa dari mereka merupakan
semi – structure data seperti dokumen HTML, atau data yang lebih
terstruktur seperti data dalam tabel atau database yang dihasilkan halaman
HTML, tetapi sebagian besar data berbentuk unstructured data[16]
8
2.
Web structure mining bertujuan untuk menghasilkan ringkasan dari struktur
sebuah situs web dan halaman web. Secara teknis web structure mining
mencoba untuk menemukan struktur link dari hyperlink di tingkat inter–
document. Berdasarkan topologi dari hyperlink, web structure mining akan
mengkategorikan halaman web dan menghasilkan informasi, seperti
kesamaan dan hubungan antar situs web yang berbeda[16].
3.
Web usage mining digunakan untuk menemukan informasi yang berguna
dari data sekunder yang berasal dari interaksi pengguna ketika
menggunakan sebuahweb. Web usage mining fokus pada teknik yang bisa
memprediksi perilaku pengguna ketika pengguna berinteraksi dengan web
[16].
2.2.2. Web Usage Mining
Seperti telah dijelaskan sebelumnya, web usage mining fokus pada teknik
yang bisa memprediksi perilaku pengguna ketika pengguna berinteraksi dengan
web. Menurut Solichin, et.al[17] terdapat dua sumber data utama yang dapat
digunakan untuk melakukan web usage mining yaitu:
1. Server Logs
Server logs adalah informasi yang dicatat atau direkam di dalam server web
ketika pengunjung mengakses sebuah halaman web. Informasi akses web yang
dilakukan oleh pengunjung antara lain terdiri dari:
a. HTTP Request Field yang berisi informasi jenis browser yang digunakan,
jenis akses dan halaman yang diakses oleh pengunjung
b. Informasi alamat IP atau nama domain dari situs yang diakses
c. Ukuran (byte) dari halaman yang diakses oleh pengunjung
d. Waktu akses situs
2. Browser Logs
9
Browser logs adalah informasi yang tercatat di dalam browser yang digunakan
oleh pengunjung untuk mengakses sebuah situs. Berikut contoh informasi yang
terdapat dalam browser logs:
a. Cookies
Cookies merupakan teks kecil berisi informasi browser dan informasi
durasi pengunjung ketika berada di suatu halaman web, yang tersimpan di
dalam browser pengguna. Cookies juga bermanfaat untuk menyimpan
informasi yang bersifat sementara seperti produk yang dibeli, password
user, dan sebagainya.
b. Page Tag
Page tag merupakan log yang biasanya ditanam dengan sengaja di halaman
web dan pada umumnya berbentuk javascript. Page tag dapat mengirimkan
data pengunjung ke suatu sumber untuk kemudian di-mining.
Terdapat tiga tahap dalam web usage mining [18][19]seperti ditunjukkan
oleh Gambar 1 di bawah ini.
Gambar 1: Proses Web Usage Mining[19]
1. Preprocessing
Sebelum menerapkan algoritma data mining, kita harus melakukan persiapan
data untuk mengubah data mentah menjadi abstraksi data yang diperlukan
10
untuk proses lebih lanjut. Data dapat dikumpulkan di sisi server, sisi client,
server proxy, atau diperoleh dari database. Data yang digunakan sebagai input
dari proses preprocessing adalah server logs, file situs dan dapat juga berupa
statistik penggunaan dari analisa sebelumnya. Output dari proses ini adalah
user session file, transaction file, site topology dan page classification.
Preprocessing melibatkan tiga proses konversi yang berbeda [16] yaitu:
a. Content Preprocessing
Content preprocessing merupakan sebuah proses untuk mengkonversi
teks, gambar, scripts dan file lainnya menjadi bentuk yang dapat
digunakan untuk usage mining.
b. Structure Preprocessing
Struktur sebuah situs dibentuk oleh hyperlink antara tampilan halaman.
Structure preprocessing dapat disamakan dengan content preprocessing.
Namun setiap server session mungkin harus untuk membangun struktur
situs yang berbeda dari yang lain
c. Usage Preprocessing
Berkaitan dengan data input dan data output dari proses preprocessing,
diperlukan
teknik
pembersihan
data
(data
cleansing)
untuk
menghilangkan dampak dari item yang tidak relevan dengan hasil
analisis.
2. Pattern Discovery
Pattern discovery mengacu pada metode dan algoritma yang digunakan untuk
menemukan pola akses atau kunjungan yang dilakukan oleh pengguna sebuah
situs. Algoritma yang digunakan diantaranyastatistical analysis, association
rule, clustering, classification, sequential pattern, dan dependency modeling.
3. Pattern Analysis
Pattern analysis adalah tahap akhir dari seluruh web usage mining. Tujuan dari
proses ini adalah untuk menghilangkan aturan atau pola yang tidak
berhubungan dan untuk mengekstrak aturan menarik atau pola dari output
11
pattern discovery. Output dari algoritma web miningkadangtidak dapat
dipahami secara langsung, sehingga perlu diubahke dalam format yang dapat
dicerna dengan mudah. Hal ini dapat dilakukan dengan bantuan beberapa
metodologi analisis. Ada dua pendekatan yang paling umum untuk pattern
analysis. Salah satunya adalah dengan menggunakan knowledge query
mechanism seperti SQL.
2.2.3. Assosiation Rule
Association rule [9] merupakan salah satu bagian dari data mining yang
melakukan pencarian hubungan antar item dalam kumpulan data. Rule tersebut
menemukan asosiasi, korelasi, atau struktur kausal antara set item atau objek dalam
database transaksi, database relasional, dan repositori informasi lainnya. Dalam
database transaksi tersebut, setiap transaksi merupakan daftar item. Kemudian,
diterapkan mining algorithmuntuk menemukan aturan asosiasi dari database
tersebut.Dalam konteks web usage mining[20], association rule merujuk pada set
halaman yang diakses bersama-sama dengan nilai dukungan melebihi ambang batas
yang ditentukan. Halaman tersebut mungkin tidak secara langsung terhubung satu
sama lain melalui hyperlink.
Analisis asosiasi sering disebut dengan istilah market basket analysis karena
sering digunakan untuk menganalisa isi keranjang belanja di pasar swalayan. Untuk
mengukur tingkat kepentingan aturan asosiasi, terdapat dua parameter yang
digunakan yaitu support atau nilai penunjang dan confidence atau nilai kepastian.
Support adalah presentase kombinasi produk dalam database. Confidence
merupakan sebuah nilai yang menunjukkan tingkat kekuatan hubungan antar
produk dalam aturan asosiasi. Analisis asosiasi adalah sebuah proses untuk
menemukan aturan-aturan asosiasi yang memenuhi syarat minimum support dan
minimum confidence. Aturan asosiasi biasanya dinyatakan dalam bentuk:
{beras, minyak goreng} → {telur} (support = 40%, confidence = 50%).
Arti dari aturan tersebut yaitu 50 % dari transaksi dalam database yang mengandung
item beras dan minyak goring juga mengandung item telur. Sedangkan 40% dari
12
seluruh transaksi dalam database memuat ketiga item tersebut. Dengan demikian,
dapat dikatakan bahwa seorang konsumen yang membeli beras dan minyak goreng,
memiliki kemungkinan 50% untuk membeli telur. Aturan tersebut cukup signifikan
karena mewakili 40% dari catatan transaksi yang terjadi selama ini.
Metodologi dasar analisis asosiasi terbagi menjadi dua yaitu :
1. Analisis pola frekuensi tinggi
Tahap ini dilakukan untuk mencari kombinasi item yang memenuhi syarat
minimum nilai support. Nilai support sebuah item dapat diperoleh dengan
persamaan (1) :
𝑆𝑢𝑝𝑝𝑜𝑡 (𝐴) =
𝐽𝑢𝑚𝑙𝑎ℎ 𝑡𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝐴
𝑇𝑜𝑡𝑎𝑙 𝑡𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖
(1)
Sedangkan nilai support dari dua item dapat diperoleh dengan persamaan (2):
𝑆𝑢𝑝𝑝𝑜𝑡 (𝐴, 𝐵) = 𝑃(𝐴 ∩ 𝐵) =
𝐽𝑢𝑚𝑙𝑎ℎ 𝑡𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝐴 𝑑𝑎𝑛 𝐵
𝑇𝑜𝑡𝑎𝑙 𝑡𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖
(2)
2. Pembentukan aturan asosiasi
Ketika semua pola frekuensi tinggi ditemukan, tahap selanjutnya adalah
pencarian terhadap aturan asosiatif yang memenuhi syarat minimum
confidence dengan menghitung confidence aturan asosiasi A → B. Nilai
confidence dari aturan asosiasi A →B dapat diperoleh dengan menggunakan
persamaan (3):
𝐶𝑜𝑛𝑓𝑖𝑑𝑒𝑛𝑐𝑒 = 𝑃 (𝐵|𝐴) =
𝐽𝑢𝑚𝑙𝑎ℎ 𝑡𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝐴 𝑑𝑎𝑛 𝐵
𝑇𝑜𝑡𝑎𝑙 𝑡𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝐴
(2)
2.2.4. FP-Tree
Frequent Patern Tree (FP-Tree) adalah representasi pemasukan data yang di
padatkan (Kumar, 2004). FP-Tree dibentuk dengan membaca kumpulan data pada
suatu transaksi dalam suatu waktu dan memetakan transaksi tersebut ke dalam
13
lintasan FP-Tree. Transaksi yang berbeda dapat memiliki items yang sama,
sehingga memungkinkan lintasannya saling menimpa. Semakin banyak lintasan
yang menimpa satu sama lain, dengan menggunakan struktur FP-Tree maka proses
pemadatan akan semakin baik.
Dalam "Mining Frequent Patterns without Candidate Generation: A
Frequent Pattern Tree Approach"(Han, Pei, Yin, & Mao, 2004) menjelaskan misal
I={a1,a2,..... . ., an) adalah kumpulan dari item, dan database transaksi DB = {T 1, T2,
....., Tn}, dimana T1 (i € [1..n]) adalah sekumpulan transaksi yang mengandung item
di I. Sedangkan support adalah penghitung (counter) frekuensi kemunculan
transaksi yang mengandung suatu-pola. Suatu pola dikatakan sering muncul
(frequent pattern) apabila support dari pola tersebut tidak kurang dari suatu
konstanta minimum support (batas ambang minimum support) yang telah di
definisikan sebelumnya. Permasalahan mencari pola frequenf dengan batas ambang
minimum support count, inilah yang dicoba untuk dipecahkan oleh FP-Growth
dengan bantuan struktur FP-tree.
Berikut salah satu contoh kasus dengan menggunakan 10 transaksi dengan
minimum support count = 2
Tabel 1. Tabel Data Transaksi Mentah
(Diambil dari : Tan, P. N., Steinbach, M., & Kumar, V. (2004). Introduction of Data
Mining Chapter 6.Page 364)
TID
Items
1
{a,b}
2
{b,c,d}
3
{a,c,d,e}
4
{a,d,e}
5
{a,b,c}
6
{a,b,c,d}
7
{a}
8
{a,b,c}
9
{a,b,d}
10
{b,c,e}
14
Gambar di bawah ini adalah ilustrasi langkah pembentukan FP-Tree.
Gambar 2: Pembentukan FP-tree
(Diambil Dari: Tan, P. N., Steinbach, M., & Kumar, V. (2004). Introduction
of Data Mining Chapter 6. Page 364)
2.2.5. FP-Growth
Algoritma FP-Growth merupakan salah satu algoritma tercepat dan paling
populer untuk pencarian data yang paling sering muncul (frequent itemsets)[5].
Sebuah survei tentang association rule [6] membuktikan bahwa algoritma FPGrowth merupakan algoritma association rule tercepat di antara algoritma
association rule yang lain, yaitu AIS dan Apriori.FP-Growth merupakan
pengembangan dari algoritma Apriori. Pada
generate
candidateuntuk
memperoleh
algoritma
frequent
Apriori diperlukan
itemsets[7].
Namunpada
algoritma FP-Growth, generate candidate tidak dilakukan karena FP-Growth
menggunakan konsep pembangunan treeyang disebut dengan FP-Tree dalam
pencarian frequent itemsets. Hal tersebut yang menyebabkan algoritma FP-
15
Growth lebih cepat dari algoritma Apriori. Sehingga kekurangan dari algoritma
Apriori diperbaiki oleh algoritma FP-Growth.
Struktur data yang digunakan dalam algoritma FP-Growth berbentuk tree
(FP-Tree). Penggalian data yang sering muncul (frequent itemset) dilakukan
dengan membangkitkan struktur data tree yang disebut dengan FP-Tree. Dengan
FP-Tree, algoritma tersebut dapat langsung mengekstrak frequent itemset dari FPTree yang telah terbentuk dengan menggunakan prinsip divide and conquer[21].
Data transaksi yang dibentuk ke dalam FP-Growth merupakan data yang
dimampatkan. Data transaksi tersebut dipetakan ke dalam setiap lintasan tertentu
dalam FP-Tree. Pada setiap transaksi yang dipetakan, memungkinkan adanya
transaksi dengan itemset yang sama sehingga lintasanya saling menimpa. Hal
tersebut yang mengakibatkan adanya pemampatan. Proses pemampatan dengan
struktur data FP-Tree akan semakin efektif bila data transaksi yang memiliki
itemset yang sama semakin banyak.
Tahapan FP-Growth dibagi menjadi tiga yaitu [22]:
1. Tahap pembangkitan conditional pattern base
Conditional pattern base adalah sub database yang berisi himpunan item terurut
yang mengawali k-itemsets (prefix path) dan k-itemsets (suffix pattern).
Sebagai contoh, terdapat sebuah itemset yang telah terurut berdasarkan support
descending order {I7, I2, I1, I9, I11}. Apabila I11adalah suffix pattern, maka I7,
I2, I1, I9adalah prefix pathnya. Pembangkitan conditional pattern base diperoleh
dari FP-Tree yang dibangun berdasarkan sebuah basis data transaksi.
2. Tahap pembangkitan conditional FP-Tree
Conditional FP-Tree dibangkitkan dari item yang mempunyai jumlah support
count yang lebih besar atau sama dengan min_sup. Jumlah support count
tersebut didapat dari penjumlahan support count tiap item pada setiap
conditional pattern base.
3. Tahap pencarian frequent itemset.
Terdapat dua cara dalam pencarian frequent itemsets tergantung pada kondisi
conditional FP-Tree. Pertama, apabila conditional FP-Tree merupakan single
path, maka frequent itemsets didapat dengan melakukan kombinasi item untuk
16
setiap conditional FP-Tree. Namun apabila conditional FP-Tree bukan
merupakan single path, maka frequent itemsets didapat dengan melakukan
pembangkitan FP-Growth secara rekursif.
Gambar 2 menunjukkan diagram alir algoritma FP-Growth pada computer tunggal.
Gambar 3: Diagram alir algoritma FP-Growth [22]
17
2.3.
Kerangka Pemikiran
Masalah :
Tujuan :
Bagaimana memberikan kemudahan
dalam menemukan berita yang akan
dibaca selanjutnya agar pengunjung lebih
betah dan nyaman dalam membaca berita.
Dengan mengimplementasikan algoritma
FP-Growth untuk mendapatkan pola
pengunjung yang dapat digunakan
sebagai rekomendasi berita pada situs
www.suaramerdeka.com
Implementasi algoritma FP-Growth
berbasis web untuk mendapatkan pola
pengunjung sehingga para pengunjung
dapat menemukan informasi yang relevan
dengan mudah dan tepat yang dapat
digunakan sebagai rekomendasi berita
pada situs www.suaramerdeka.com.
Metode Eksperimen:
“Algoritma FP-Growth”
" Penerapan Algoritma FP-Growth untuk
Mengetahui Pola Perilaku Pengunjung
Pada Website suaramerdeka.Com "
Hasil :
Menghasilkan aplikasi berbasis web
untuk mendapatkan pola pengunjung
yang
dapat
digunakan
sebagai
rekomendasi
berita
pada
situs
www.suaramerdeka.com
Literatur :
1. Implementation of Web Usage
Mining Using Apriori and FP
Growth Algorithms
2. Predicting Web User Behavior Using
Learning-Based
Ant
Colony
Optimization
3. Identifying User Behavior By
Analyzing Web Server Access Log
File
BAB III
METODE PENELITIAN
Dalam penelitian ini, peniliti memakai Eksperimental. Dimana dalam penelitian ini
peneliti meneliti
3.1
Instrumen Penelitian
Penelitian ini dilakukan dengan menggunakan perangkat yang digunakan untuk
mengimplementasikan rancangan penelitian ini, yaitu :
1. Spesifikasi perangkat keras yang digunakan dalam penelitian ini yaitu :

Processor Intel Core i5 dengan kecepatan 2.5 Ghz,

RAM sebesar 4 GB,

Harddisk SSD sebesar 120 GB,
2. Spesifikasi perangkat lunak yang digunakan dalam penelitian ini meliputi :

XAMPP merupakan aplikasi yang akan digunakan untuk melakukan
implementasi aplikasi yang akan dibangun,

Google Chrome sebagai browser yang digunakan untuk pengujian
aplikasi yang dibangun pada penelitian ini,

Windows sebagai Operating System yang digunakan untuk
pengujian aplikasi yang dirancang pada penelitian ini,

PHP sebagai Bahasa pemrograman yang digunakan untuk
mengembangkan aplikasi.
3.2
Pengumpulan Data
Pengumpulan
data
yang
digunakan
dalam
penelitian
ini
menggunakan dua metode, yaitu :
Dalam penelitian ini metode pengumpulan data yang digunakan oleh
penulis dalam menulis tugas akhir adalah menggunakan metode observasi.
Dari observasi yang telah dilakukan data yang didapat pada penelitian ini
yaitu data primer bersifat pribadi atau privat. Data tersebut berupa dataset
18
19
transaksi pengunjung situs berita www.suaramerdeka.com pada tiga bulan
terakhir tahun 2014.
3.3
Teknik Analisa Data
Dalam penelitian ini, setelah data diperoleh maka dilaksanakan beberapa
tahapan terhadap data ini, yaitu :
Data yang telah terkumpul kemudian diseleksi yaitu dengan memilih
dan memisahkan data transaksi pengunjung berdasarkan kategori item yang
telah ditentukan.
3.4
Metode yang diusulkan
3.4.1
Preprocessing
Pada
tahap
ini
data
transaksi
pengunjung
situs
berita
www.suaramerdeka.com dikelompokan berdasarkan atribut yang
akan digunakan. Atribut yang akan digunakan dalam penelitian ini
adalah atribut IP pengunjung situs dan hyperlink atau kategori berita
yang dikunjungi
3.4.2
Transformasi Data
Data transaksi yang telah melalui proses seleksi dan preprocessing
selanjutnya akan ditransformasikan ke dalam bentuk yang lebih
ringkas agar dapat dibaca oleh tool yang digunakan
3.4.3
Implementasi Algorima FP-Growth
Tahap ini dipusatkan untuk mendapatkan pola aturan asosiasi data
transaksi pengunjung yang sudah ditransformasikan kemudian
dianalisis dengan algoritma FP-Growth.
3.4.4
Evaluasi dan Validasi
Pola-pola yang telah ditemukan kemudian diterjemahkan ke dalam
bentuk yang dapat dimengerti (dalam bentuk file)
BAB IV
HASIL DAN PEMBAHASAN
4.1.
Data Selection
Bersumber data transaksi pengunjung situs berita www.suaramerdeka.com
terdapat banyak kategori berita yang dikunjungi oleh para pengunjung. Dalam
penelitian ini hanya 8 kategori berita yang digunakan sebagai analisis, kategori
tersebut antaralain:
1. Bisnis
2. Entertainment
3. Mancanegara
4. Nasional
5. Pringgitan
6. Sepak Bola
7. Sport & Otomotif
8. Travel
4.2.
Preprocessing / cleaning
Tahap awal dalam penelitian ini adalah persiapan data untuk dilakukan
preprocessing guna mendapatkan data yang sesuai. Data tersebut diperoleh dari data
log pengunjung situs berita suaramerdeka.com. Dengan jumlah 3 kolom atribut
yaitu :
Atribut
Keterangan
IP
Alamat Internet Protocol, yang dimiliki pengujung
Hyperlink (URL)
Kategori
Halaman situs yang dikunjungi para pengunjung
Kategori berita
Data yang tidak sesuai dilakukan proses cleaning untuk menghapus data
yang bermasalah agar tidak terjadi kesalahan pada saat proses mining, dibawah ini
merupakan tahap preprocessing/cleaning
20
21
Gambar 4: Data Awal
Beberapa record data transaksi pengunjung yang tidak lengkap dan
tidak sesuai, terdapat pada setiap pengunjung yang hanya mengujungi satu
hyperlink dan pada setiap pengunjung yang hanya mengunjung satu macam
kategori
berita
saja.
Record
tersebut
dihapus
dikarenakan
akan
mempengaruhi pola asosiasi yang terbentuk. Berikut merupakan contoh
penghapusan dari record tersebut
Gambar 5: Penghapusan record pengunjung yang mengunjungi satu macam
kategori berita
22
4.3.
Transformation Data
Tahapan transformation data merupakan tahap merubah data ke dalam
bentuk yang sesuai untuk di-mining. Pada tahap transformasi kategori berita yang
terdapat pada dataset diubah menjadi huruf yang lebih singkat sesuai dengan
kategori berita yang telah ditentukan pada saat dilakukannya proses penyeleksian
data, proses transformasi adalah sebagai berikut:
Tabel 2. Transformasi IP ke TID (Transaksi ID)
IP
TID
195.149.84.162
195.149.84.162
195.149.84.162

T1

T2

T3

T4

.........
195.149.84.162
202.67.41.51
202.67.41.51
103.29.151.2
103.29.151.2
103.29.151.2
103.29.151.2
50.18.102.132
50.18.102.132
50.18.102.132
....................
23
Tabel 3. Transformasi Kategori
Kategori
4.4.
Transformasi
Entertainment

E
Sport Otomotif

SO
Sepakbola

SB
Travel

T
Bisnis

BI
Nasional

N
Priggitan

P
Mancanegara

M
Perhitungan Manual
Sebagai gambaran proses perhitungan dengan memanfaatkan algoritma FP-
Growth berikut ini adalah tahapan perhitungan dengan hanya memanfaatkan 10
transaksi data dari 288 total data sebagaimana dijelaskan pada sub-bab sebelumnya.
Implementasi menggunakan algoritma FP-Growth dibutuhkan beberapa
sample untuk membuktikan perhitungan. Dibawah ini terdapat 10 sampel data
transaksi pengunjung, dengan batas minimum support sebanyak 20%.
Tabel 4. Sample Data Transaksi Pengunjung
IP
205.203.134.3
205.203.134.3
205.203.134.3
205.203.134.3
8.8.204.10
8.8.204.10
Hyperlink
http://berita.suaramerdeka.com/balai-pom-ungkap-peredaranobat-kuat-ilegal
http://berita.suaramerdeka.com/bola/marco-reus-beri-sinyalpositif-pada-liverpool
http://berita.suaramerdeka.com/bola/jateng-kalahkan-diy-5-1
http://berita.suaramerdeka.com/basarnas-siapkan-21penyelam
http://berita.suaramerdeka.com/bola/sartono-minta-psis-lobipssi
http://berita.suaramerdeka.com/bbm-naik-hmi-ancam-demo
8.8.204.10
http://berita.suaramerdeka.com/entertainment/pintarmengatur-makanan-berdaging-saat-idul-adha
8.8.204.10
http://berita.suaramerdeka.com/bisnis/ekspor-solo-naik
Kategory
Nasional
SepakBola
SepakBola
Nasional
SepakBola
Entertainment
Entertainment
Bisnis
24
8.8.204.10
146.247.137.43
146.247.137.43
146.247.137.43
146.247.137.43
146.247.137.43
146.247.137.43
146.247.137.43
146.247.137.43
64.95.71.168
64.95.71.168
64.95.71.168
64.95.71.168
103.29.151.18
103.29.151.18
103.29.151.18
103.29.151.18
103.29.151.18
103.29.151.18
http://berita.suaramerdeka.com/bola/empat-pilar-dihukumpsgc-ciamis-tak-khawatir
http://berita.suaramerdeka.com/bisnis/garuda-sediakan-tiketrp-1-rute-jakarta-solo
http://berita.suaramerdeka.com/bbm-naik-hmi-ancam-demo
http://berita.suaramerdeka.com/basarnas-siapkan-21penyelam
http://berita.suaramerdeka.com/bbm-naik-hmi-ancam-demo
http://berita.suaramerdeka.com/banjir-bandang-terjangcimahi-dan-bandung
http://berita.suaramerdeka.com/travel/semesta-hotelsemarang-prinsip-syariah-dengan-konsep-heritage-modernharmony
http://berita.suaramerdeka.com/bisnis-tikus-putih-tetapmenjanjikan
http://berita.suaramerdeka.com/travel/serunya-jelajah-merapinaik-jeep-klasik
http://berita.suaramerdeka.com/apec-bentuk-jaringan-antikorupsi
http://berita.suaramerdeka.com/banjir-di-bandung-selatankian-meluas
http://berita.suaramerdeka.com/apti-tolak-kemasan-polosrokok
http://berita.suaramerdeka.com/basarnas-siapkan-21penyelam
http://berita.suaramerdeka.com/sport/kemenangan-diaustralia-jadi-salah-satu-kemenangan-terbaik-rossi
http://berita.suaramerdeka.com/sport/mitsubishi-luncurkannew-fuso
http://berita.suaramerdeka.com/bisnis/btn-luncurkantabungan-qurban
http://berita.suaramerdeka.com/bola/kartu-kuning-messiakhirnya-resmi-dicabut
http://berita.suaramerdeka.com/bola/ketenangan-pemain-realmadrid-dipuji-ancelotti
http://berita.suaramerdeka.com/bola/pt-mjs-akan-bentukmanajemen-karteker
SepakBola
Bisnis
Nasional
Bisnis
Mancanegara
Entertainment
Travel
Bisnis
Travel
Mancanegara
Nasional
Nasional
Nasional
SportOtomotif
SportOtomotif
Bisnis
SepakBola
SepakBola
SepakBola
103.29.151.18
http://berita.suaramerdeka.com/bnn-polri-siap-gelar-revolusimental-pemberantasan-narkoba
Nasional
23.227.176.34
http://berita.suaramerdeka.com/entertainment/preview-filmdanau-hitam-satu-lagu-dari-jose-poernomo
Entertainment
23.227.176.34
23.227.176.34
23.227.176.34
23.227.176.34
23.227.176.34
http://berita.suaramerdeka.com/bola/awan-setho-optimististembus-skuat-bali-united
http://berita.suaramerdeka.com/bnpb-indonesia-174-kaliditerjang-tsunami
http://berita.suaramerdeka.com/bnnk-temukan-ladang-ganjadi-madina
http://berita.suaramerdeka.com/bisnis/category/bisnisbisnis/bisnis-ekonomi/page/4
http://berita.suaramerdeka.com/entertainment/box-officeminggu-ini-ouija-kalahkah-fury
SepakBola
Nasional
Nasional
Bisnis
Entertainment
25
184.72.211.84
184.72.211.84
184.72.211.84
184.72.211.84
195.23.32.195
195.23.32.195
http://berita.suaramerdeka.com/5-provinsi-sepakatipenertiban-angkutan-barang
http://berita.suaramerdeka.com/dasar-hukum-dpr-tandingantidak-valid
http://berita.suaramerdeka.com/agami-jawi-sebuah-pranatayang-terlupa
http://berita.suaramerdeka.com/wayang-dan-simbolkeluhuran-moyang
http://berita.suaramerdeka.com/bola/bikin-rekor-baruronaldo-kebanjiran-pujian
http://berita.suaramerdeka.com/bola/belum-ada-solusi-soalutang-persiku
Nasional
Nasional
Prigitan
Prigitan
SepakBola
SepakBola
195.23.32.195
http://berita.suaramerdeka.com/jokowi-jk-resmi-jadipresiden-dan-wakil-presiden-indonesia
Nasional
195.23.32.195
http://berita.suaramerdeka.com/debu-vulkanik-sinabungtutupi-tiga-desa
Nasional
195.23.32.195
http://berita.suaramerdeka.com/bisnis/crystal-symphonytutup-kunjungan-kapal-pesiar-tahun-2014
Bisnis
195.23.32.195
http://berita.suaramerdeka.com/bisnis/harga-cabai-meroketpenjualan-lesu
Bisnis
195.23.32.195
http://berita.suaramerdeka.com/bisnis/fitch-peringkatobligasi-astra-sedaya-finance-di-aaaidn
Bisnis
112.215.66.77
http://berita.suaramerdeka.com/entertainment/ugmkembangkan-prototipe-ring-jantung-gama-stent
112.215.66.77
112.215.66.77
112.215.66.77
74.112.131.241
74.112.131.241
74.112.131.241
74.112.131.241
74.112.131.241
http://berita.suaramerdeka.com/bola/sir-alex-beri-pujiankepada-louis-van-gaal
http://berita.suaramerdeka.com/bola/timnas-u-19-tumbangdari-uzbekistan
http://berita.suaramerdeka.com/jokowi-semua-persoalan-bisadiselesaikan-bila-pemimpin-rakyat-saling-percaya
http://berita.suaramerdeka.com/bola/real-madrid-menangtelak-atas-rayo-vallecano
http://berita.suaramerdeka.com/bola/cristiano-ronaldodibanderol-1-miliar-euro
http://berita.suaramerdeka.com/bisnis/toko-online-berkahbagi-kantor-pos
http://berita.suaramerdeka.com/bisnis/neraca-perdagangan-risurplus
http://berita.suaramerdeka.com/angelina-jolie-terimapenghargaan-dari-ratu-inggris
Entertainment
SepakBola
SepakBola
Nasional
SepakBola
SepakBola
Bisnis
Bisnis
Mancanegara
26
Tabel 5. Hasil transformasi data transaksi pengunjung
TID
Item Set
T1
N,SB
T2
SB,BI,E
T3
BI,E,N,M,T
T4
N,M
T5
SO,SB,BI,N
T6
E,SB,N,BI
T7
N,P
T8
SB,N,BI
T9
E,SB,N
T10
SB,BI,M
Hasil dari proses penelusuran database diketahui jumlah frekuensi
kemunculan tiap item yang ada di dalam database dan mengurutkannya
berdasarkan jumlah frekuensi kemunculan item yang paling terbesar.
Frekuensi kemunculan tiap item berdasar Tabel 5 dapat dilihat pada tabel
berikut:
Tabel 6. Frekuensi kemunculan tiap item
Item
Frekuensi
N
8
SB
7
BI
6
E
4
M
3
P
1
SO
1
T
1
27
Proses pembentukan 1 itemset dengan jumlah minimum support = 20%
dengan rumus sebagai berikut
𝑆𝑢𝑝𝑝𝑜𝑟𝑡 (𝐴) =
𝐽𝑢𝑚𝑙𝑎ℎ 𝑡𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝐴
𝑇𝑜𝑡𝑎𝑙 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖
8
𝑋100% = 80%
10
7
𝑆𝑢𝑝𝑝𝑜𝑟𝑡 (𝑆𝐵) =
𝑋100% = 70%
10
6
𝑆𝑢𝑝𝑝𝑜𝑟𝑡 (𝐵𝐼 ) =
𝑋100% = 60%
10
4
𝑆𝑢𝑝𝑝𝑜𝑟𝑡 (𝐸) =
𝑋100% = 40%
10
3
𝑆𝑢𝑝𝑝𝑜𝑟𝑡 (𝑀) =
𝑋100% = 30%
10
1
𝑆𝑢𝑝𝑝𝑜𝑟𝑡 (𝑃) =
𝑋100% = 10%
10
1
𝑆𝑢𝑝𝑝𝑜𝑟𝑡 (𝑆𝑂) =
𝑋100% = 10%
10
1
𝑆𝑢𝑝𝑝𝑜𝑟𝑡 (𝑇) =
𝑋100% = 10%
10
𝑆𝑢𝑝𝑝𝑜𝑟𝑡 (𝑁) =
Tabel 7. Item yang memenuhi minimum support
Item
Frekuensi
Support
N
8
80%
SB
7
70%
BI
6
60%
E
4
40%
M
3
30%
P
1
10%
SO
1
10%
T
1
10%
28
Dari proses pembentukan itemset pada tabel 7 dengan minimum support 20
% dapat diketahui yang memenuhi standar minimum support adalah N,SB,BI,E,M.
Tabel berikut mendata kemunculan item yang frequent dalam setiap
transaksi, diurut berdasarkan yang frekuensinya paling tinggi.
Tabel 8. Tabel Data Transaksi
TID
4.5.
Item Set
T1
N,SB
T2
SB,BI,E
T3
N,BI,E,M
T4
N,M
T5
N,SB,BI,
T6
N,SB,BI,E
T7
N
T8
N,SB,BI
T9
N,SB,E
T10
SB,BI,M
Pembentukan FP-Tree
Setelah data sudah diurutkan berdasarkan prioritas dan memenuhi minimum
support yang telah di tentukan, langkah selanjutnya adalah membuat struktur
pohon FP-Tree untuk setiap transaksi. Berikut adalah struktur pohon dari semua
transaksi yang ada.
29
Gambar di bawah ini memberikan ilustrasi mengenai pembentukan FP-tree
dari tiap-tiap TID.
Gambar 6: Hasil pembentukan FP-tree setelah pembacaan TID T1
Gambar 7: Hasil Pembentukan FP-Tree setelah pembacaan TID T2
Gambar 8: Hasil Pembentukan FP-Tree setelah pembacaan TID T3
Pembacaan data sampai TID T3 menunjukkan frequent dari N bertambah
karena TID baru melalui lintasan yang sudah ada.
30
Gambar 9: Hasil Pembentukan FP-Tree setelah pembacaan TID T4
Gambar 10: Hasil Pembentukan FP-Tree setelah pembacaan TID T5
Gambar 11: Hasil Pembentukan FP-Tree setelah pembacaan TID T6
31
Gambar 12: Hasil Pembentukan FP-Tree setelah pembacaan TID T7
Gambar 13: Hasil Pembentukan FP-Tree setelah pembacaan TID T8
Gambar 14: Hasil Pembentukan FP-Tree setelah pembacaan TID T9
32
Gambar 15: Hasil Pembentukan FP-Tree setelah pembacaan TID 10
Struktur pohon FP-Tree untuk setiap baris data didapatkan setelah data telah
diurutkan berdasarkan tingkat prioritas dan telah memenuhi minimum support yang
ditentukan. Gambar 8 – 17 menunjukkan proses terbentuknya FP –Tree setiap TID
dibaca. Setiap simpul pada FP-Tree mengandung nama sebuah item dan counter
support yang berfungsi untuk menghitung frekuensi kemunculan item tersebut
dalam tiap lintasan transaksi.
Setelah pohon FP-Tree terbentuk, conditional pattern base dan conditional
FP-Tree dicari berdasarkan item yang memiliki count paling kecil pada setiap sub
tree.
Gambar 16: Struktur FP-Tree beserta pointer
33
4.6.
Penerapan Algoritma FP-Growth
Berdasarkan urutan prioritas item yang memiliki count paling kecil adalah
M dengan nilai count 3. Setelah itu maka akan dibuat subtree yang berakhiran node
M. Conditional pattern base, conditional FP-tree dan frequent itemset akan
ditemukan dari subtree tersebut.
Gambar 17: Lintasan yang mengandung simpul M
a.
Conditional Pattern Base :
M
 {{N:1},{N,BI,E:1},{SB,BI:1}}
Conditional pattern base diperoleh dengan cara membaca setiap lintasan
berakhiran node M.
b.
Conditional FP-Tree:
Setelah conditional pattern base diperoleh, maka conditional FPTree terbentuk dengan mengabaikan item tunggal. Pada lintasan berakhiran
node M ini, item E dn SB diabaikan Karena merupakan item tunggal.
M
c.
 {N:2,BI:2}
Frequent Item Sets:
Selanjutnya untuk mendapatkan frequent itemsets, lakukan
pengkombinasian dari item yang akan dibuat conditional FP-tree dengan
syarat count dari item tersebut memenuhi minimum support.
Frequent Item Sets
M
 {N,M:2},{BI,M:2},{N,BI,M:2}
34
Urutan prioritas item yang memiliki count paling kecil kedua adalah E
dengan nilai count 4. Maka akan dibuat subtree yang berakhiran node E.
Conditional pattern base, conditional FP-tree dan frequent itemset akan ditemukan
dari subtree tersebut.
Gambar 18: Lintasan yang mengandung simpul E
a.
Conditional Pattern Base :
E
 {{N,BI:1},{N,SB,BI:1},{N:1},{SB,BI:1}}
Conditional pattern base diperoleh dengan cara membaca setiap lintasan
berakhiran node E.
b.
Conditional FP-Tree:
Setelah conditional pattern base diperoleh, maka conditional FPTree terbentuk dengan mengabaikan item tunggal. Pada lintasan berakhiran
node E ini, tidak ada item yang diabaikan
E
c.
 {N:3,BI:3,SB:2}
Frequent Item Sets:
Selanjutnya untuk mendapatkan frequent itemsets, lakukan
pengkombinasian dari item yang akan dibuat conditional FP-tree dengan
syarat count dari item tersebut memenuhi minimum support.
Frequent Item Sets
E
 {N,E:3},{BI,E:3},{SB,E:2}
35
Urutan prioritas item yang memiliki count paling kecil kedua adalah BI
dengan nilai count 6. Maka akan dibuat subtree yang berakhiran node BI.
Conditional pattern base, conditional FP-tree dan frequent itemset akan ditemukan
dari subtree tersebut.
Gambar 19: Lintasan yang mengandung simpul BI
a.
Conditional Pattern Base :
BI
 {{N:1},{N,SB:2},{SB:2}}
Conditional pattern base diperoleh dengan cara membaca setiap lintasan
berakhiran node BI.
b.
Conditional FP-Tree:
Setelah conditional pattern base diperoleh, maka conditional FP-Tree
terbentuk dengan mengabaikan item tunggal. Pada lintasan berakhiran node
BI ini, tidak ada item yang diabaikan
BI
c.
 {N:2,SB:4}
Frequent Item Sets:
Selanjutnya
untuk
mendapatkan
frequent
itemsets,
lakukan
pengkombinasian dari item yang akan dibuat conditional FP-tree dengan
syarat count dari item tersebut memenuhi minimum support.
Frequent Item Sets
BI
 {N,BI:2},{SB,BI:4}
36
Urutan prioritas item yang memiliki count paling kecil kedua adalah SB
dengan nilai count 7. Maka akan dibuat subtree yang berakhiran node SB.
Conditional pattern base, conditional FP-tree dan frequent itemset akan ditemukan
dari subtree tersebut.
Gambar 20: Lintasan yang mengandung simpul SB
a.
Conditional Pattern Base :
SB {{N:4}}
Conditional pattern base diperoleh dengan cara membaca setiap lintasan
berakhiran node SB.
b.
Conditional FP-Tree:
Setelah conditional pattern base diperoleh, maka conditional FP-Tree
terbentuk dengan mengabaikan item tunggal. Pada lintasan berakhiran node
SB ini, tidak ada item yang diabaikan
Conditional FP-Tree
SB {N:4}
c.
Conditional FP-Tree:
Selanjutnya
untuk
mendapatkan
frequent
itemsets,
lakukan
pengkombinasian dari item yang akan dibuat conditional FP-tree dengan
syarat count dari item tersebut memenuhi minimum support.
Frequent Item Sets
SB {N,SB:4}
37
Berikut ini adalah daftar frequent itemsets yang didapatkan. Untuk
pembuatan aturan asosiasi yang dipakai adalah frequent itemset dengan jumlah item
terbanyak.
Tabel 9. Frequent Itemsets
Item
Frequent Item Sets
M
{N,M:2},{BI,M:2},{N,BI,M:2}
E
{N,E:3},{BI,E:3},{SB,E:2}
BI
{N,BI:2},{SB,BI:4}
SB
{N,SB:4}
Berdasarkan 9 frequent itemsets yang telah terbentuk di atas, semua akan
dihitung dalam proses selanjutnya karena memenuhi syarat frequent itemsets dalam
menghasilkan association rule yaitu minimal memiliki 2 item dimana jika membuka
kategori A maka akan membuka kategori B. Maka terdapat 8 subsets yang layak
untuk dihitung tingkat confidence-nya.
Tabel 10. Subsets
4.7.
Item Suffix
Subsets
M
{N,M:2},{BI,M:2}
E
{N,E:3},{BI,E:3},{SB,E:2}
BI
{N,BI:2},{SB,BI:4}
SB
{N,SB:4}
Aturan Asosiasi
Setelah mendapatkan subsets yang memenuhi syarat, kemudian nilai
confidence dihitung berdasarkan nilai minimum confidence yang telah ditentukan
yaitu 20% untuk mengukur seberapa besar valid tidaknya aturan asosiasi tersebut.
38
Tabel 11. Frekuensi frequent pattern
Frequent Pattern
Frekuensi
N,M
2
N,E
3
N,BI
2
N,SB
4
BI,M
2
BI,E
3
SB,E
2
SB,BI
4
Pada tahap ini digunakan untuk menentukan nilai support dan confidence
pada setiap itemset dengan rumus yang sudah dijelaskan sebelumnya pada dasar
teori, maka hasilnya adalah:
𝐽𝑢𝑚𝑙𝑎ℎ 𝑡𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝐴 ∩ 𝐵
𝑇𝑜𝑡𝑎𝑙 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖
2
𝑆𝑢𝑝𝑝𝑜𝑟𝑡 (𝑁, 𝑀) = 𝑃(𝑁 ∩ 𝑀) =
𝑋100% = 20%
10
3
𝑆𝑢𝑝𝑝𝑜𝑟𝑡 (𝑁, 𝐸) = 𝑃(𝑁 ∩ 𝐸) =
𝑋100% = 30%
10
2
𝑆𝑢𝑝𝑝𝑜𝑟𝑡 (𝑁, 𝐵𝐼 ) = 𝑃(𝑁 ∩ 𝐵𝐼 ) =
𝑋100% = 20%
10
4
𝑆𝑢𝑝𝑝𝑜𝑟𝑡 (𝑁, 𝑆𝐵) = 𝑃(𝑁 ∩ 𝑆𝐵) =
𝑋100% = 40%
10
2
𝑆𝑢𝑝𝑝𝑜𝑟𝑡 (𝐵𝐼, 𝑀) = 𝑃 (𝑁 ∩ 𝑆𝐵) =
𝑋100% = 20%
10
3
𝑆𝑢𝑝𝑝𝑜𝑟𝑡 (𝐵𝐼, 𝐸) = 𝑃 (𝑁 ∩ 𝑆𝐵) =
𝑋100% = 30%
10
2
𝑆𝑢𝑝𝑝𝑜𝑟𝑡 (𝑆𝐵, 𝐸) = 𝑃 (𝑁 ∩ 𝑆𝐵) =
𝑋100% = 20%
10
4
𝑆𝑢𝑝𝑝𝑜𝑟𝑡 (𝑆𝐵, 𝐸) = 𝑃 (𝑁 ∩ 𝑆𝐵) =
𝑋100% = 40%
10
𝑆𝑢𝑝𝑝𝑜𝑟𝑡 (𝐴, 𝐵) = 𝑃 (𝐴 ∩ 𝐵) =
39
𝐽𝑢𝑚𝑙𝑎ℎ 𝑡𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝐴 ∩ 𝐵
𝑇𝑜𝑡𝑎𝑙 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝐴
2
𝐶𝑜𝑛𝑓𝑖𝑑𝑒𝑛𝑐𝑒 (𝑁 → 𝑀) = 𝑥100% = 25%
8
3
𝐶𝑜𝑛𝑓𝑖𝑑𝑒𝑛𝑐𝑒 (𝑁 → 𝐸) = 𝑥100% = 38%
8
2
𝐶𝑜𝑛𝑓𝑖𝑑𝑒𝑛𝑐𝑒 (𝑁 → 𝐵𝐼 ) = 𝑥100% = 25%
8
4
𝐶𝑜𝑛𝑓𝑖𝑑𝑒𝑛𝑐𝑒 (𝑁 → 𝑆𝐵) = 𝑥100% = 50%
8
2
𝐶𝑜𝑛𝑓𝑖𝑑𝑒𝑛𝑐𝑒 (𝐵𝐼 → 𝑀) = 𝑥100% = 25%
6
3
𝐶𝑜𝑛𝑓𝑖𝑑𝑒𝑛𝑐𝑒 (𝐵𝐼 → 𝐸) = 𝑥100% = 75%
6
2
𝐶𝑜𝑛𝑓𝑖𝑑𝑒𝑛𝑐𝑒 (𝑆𝐵 → 𝐸) = 𝑥100% = 29%
7
4
𝐶𝑜𝑛𝑓𝑖𝑑𝑒𝑛𝑐𝑒 (𝑆𝐵 → 𝐵𝐼 ) = 𝑥100% = 57%
7
𝐶𝑜𝑛𝑓𝑖𝑑𝑒𝑛𝑐𝑒 (𝐴 → 𝐵) =
Tabel 12. Hasil Association Rules
Rule
Support
Confidence
BI,E
30%
75%
SB,BI
40%
57%
N,SB
40%
50%
N,E
30%
38%
SB,E
20%
29%
N,M
20%
25%
N,BI
20%
25%
BI,M
20%
25%
40
Hasil Aturan Asosiasi

Jika mengunjungi kategori Bisnis maka akan mengunjungi Ekonomi dengan
nilai support sebesar 30% dan nilai confidience sebesar 75%

Jika mengunjungi kategori Sepak Bola maka akan mengunjungi Bisnis dengan
nilai support sebesar 40% dan nilai confidience sebesar 57%

Jika mengunjungi kategori Nasional maka akan mengunjungi Sepak Bola
dengan nilai support sebesar 40% dan nilai confidience sebesar 50%

Jika mengunjungi kategori Nasional maka akan mengunjungi Entertainment
dengan nilai support sebesar 30% dan nilai confidience sebesar 38%

Jika mengunjungi kategori Sepak Bola maka akan mengunjungi Ekonomi
dengan nilai support sebesar 20% dan nilai confidience sebesar 29%

Jika mengunjungi kategori Nasional maka akan mengunjungi Mancanegara
dengan nilai support sebesar 20% dan nilai confidience sebesar 25%

Jika mengunjungi kategori Nasional maka akan mengunjungi Bisnis dengan
nilai support sebesar 20% dan nilai confidience sebesar 25%

Jika mengunjungi kategori Bisnis maka akan mengunjungi Mancanegara
dengan nilai support sebesar 20% dan nilai confidience sebesar 25%
41
4.8.
Implementasi dengan pemrograman Web
1. Halaman Awal
Gambar 21. Halaman awal
Halaman ini merupakan halaman awal yang akan di tampilkan
pertama kali ketika sistem dibuka.
42
2. Halaman Login
Gambar 22. Halaman Login
Form login berisi username dan password akan muncul ketika judul
sistem di klik.
3. Halaman kategori
Gambar 23. Halaman kategori yang digunakan
Halaman kategori merupakan form data kategori berita yang akan
digunakan sebagai atribut.
43
4. Halaman import
Gambar 24. Halam import data
Halaman untuk upload file data yang kemudian akan di tampilkan
pada halaman data
5. Halaman data
Gambar 25. Halaman data
44
Pada halaman ini menampilkan semua data yang sudah di import
6. Halaman processing
Gambar 26. Tabel transaksi
Tabel ini menampilkan semua data transaksi berupa ID transaksi dan
Item Set
Gambar 27. Tabel prioritas dan support
45
Tabel ini berisi frekuensi kemunculan tiap item dan dihitung
supportnya untuk mengetahui apakah item tersebut memenuhi
minimum support yang akan di innputkan pada form Min. Support.
Gambar 28. Data transaksi yang memenuhi min support
Tabel ini menampilkan kemunculan item yang frequent dalam setiap
transaksi, diurutkan berdasarkan yang frekuensinya paling tinggi.
Setelah di peroleh frequent list, hapus item yang tidak memenuhi
minimum support 20%.
46
Gambar 29. Terbentuknya FP-Tree
Yang
sudah diurutkan berdasarkan prioritas dan memenuhi
minimum support yang telah di tentukan, langkah selanjutnya adalah
membuat struktur pohon FP-Tree untuk setiap transaks
Gambar 30. Hasil Assosiatioan Rules
Tabel ini menampilkan hasil dari aturan asosiasi dan memberikan
keterangan penjelasan dari tabel atau aturan yang sudah terbentuk.
BAB 5
PENUTUP
5.1.
Kesimpulan
Dalam penelitian ini, dapat disimpulkan bahwa Algoritma FP-Growth dapat
digunakan didalam kasus perekomendasian bacaan berita dan mendapatkan hasil
keluaran berupa rekomendasi kategori berita yang terkait untuk suatu kombinasi
bacaan dalam kategori tertentu.
Berdasarkan penerapan algoritma FP-Growth kedalam sistem berbasis web,
sistem ini hanya menampilkan dua kombinasi itemset yang frequent dengan
menggunakan 288 data, dan terbentuk aturan asosiasi dengan nilai support terbesar
30% dan confidence sebesar 50% bahwa jika mengunjungi kategori berita Nasional
maka akan mengunjungi kategori berita Sepakbola.
5.2.
Saran
Berdasarkan hasil penelitian, ada beberapa saran yang dapat dilakukan guna
pengembangan sistem ini menjadi lebih baik, diantaranya sebagai berikut :
1.
Dalam penerapan association rules menggunakan algoritma FP-Growth
sebaiknya dilakukan pengecekan secara berkala untuk evaluasi secara
terus-menerus.
2.
Pada penelitian selanjutnya dapat menggunakan aturan asosiasi lainnya
dengan menggabungkan algoritma FP-Growth dengan metode lainnya
untuk menghasilkan suatu pengetahuan yang baru.
47
DAFTAR PUSATAKA
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
[11]
[12]
[13]
[14]
[15]
[16]
[17]
B. Kumar and K. Rukmani, “Implementation of Web Usage Mining Using
APRIORI and FP Growth Algorithms,” Int. J. Adv. Netw. Appl., vol. 404,
no. 06, pp. 400–404, 2010.
R. Kaur and K. Kaur, “An Improved Web Mining Technique to Fetch Web
Data Using Apriori and Decision Tree,” vol. 3, no. 6, pp. 2094–2098, 2014.
V. E. Stefan Bimarsana Syarief, Eko Darwiyanto, “Penggunaan Algoritma
Fuzzy C-Means Untuk Analisis Web Usage Mining ( Studi Kasus : Aktifitas
Internet Telkom University ), 2012.”
P. Loyola, P. E. Román, and J. D. Velásquez, “Predicting web user behavior
using learning-based ant colony optimization,” Eng. Appl. Artif. Intell., vol.
25, no. 5, pp. 889–897, 2012.
J. Han, J. Pei, and Y. Yin, “Mining frequent patterns without candidate
generation,” ACM SIGMOD Rec., vol. 30, no. 2, pp. 1–12, 2009.
G. Kaur, “Association rule mining: A survey,” Int. J. Comput. Sci. Inf.
Technol., vol. 5, no. 2, pp. 2320–2324, 2014.
U. S. A. Erwin (Jurusan Teknik Informatika, Fakultas Ilmu Komputer,
“Analisis Market Basket Dengan Algoritma,” J. Generic, vol. 4, pp. 26–30,
2009.
D. Hunyadi, “Performance comparison of Apriori and FP-Growth algorithms
in generating association rules,” Proc. Eur. Comput. Conf., pp. 376–381,
2011.
Z. Wei, L. Hongzhi, and Z. Na, “Research on the FP growth algorithm about
association rule mining,” 2008 Int. Semin. Bus. Inf. Manag. ISBIM 2008, vol.
1, pp. 315–318, 2009.
K. R. Suneetha and R. Krishnamoorthi, “Identifying User Behavior by
Analyzing Web Server Access Log File,” Int. J. Comput. Sci. Netw. Secur.,
vol. 9, no. 4, pp. 327–332, 2009.
T. Suratno, T. Prahasto, and A. Fatchur, “Web Usage Mining , Pattern
Discovery dan Log File,” vol. 02, pp. 94–99, 2011.
B. Kotiyal, A. Kumar, B. Pant, and S. Junee, “User Behavior Analysis in
Web Log through Comparative Study of Eelat and Apriori,” Int. Conf. Intell.
Syst. Control, 2012.
O. Etzioni, “The world wide Web: Quagmire or gold mine,” Commun. ACM,
vol. 41(11), pp. 65– 68, 2013.
S. Madria, S. Bhowmick, W. Ng, and E. Lim, “Research issues in web data
mining,” Proc. Data Warehous. Kno wledge Discov. First Int. Conf. DaWaK,
pp. 303–312, 2012.
J. Borges and M. Levene, “Data Mining of User Navigation Patterns,” Web
Usage Anal. User Profiling, pp. 92–112, 2009.
Y. Wang, “Web mining and knowledge discovery of usage patterns,” CS
748T Proj., no. Part I, pp. 1–25, 2013.
A. Solichin, Ferdiansyah, and W. Pramusinto, “Web Usage Mining Dengan
48
49
[18]
[19]
[20]
[21]
[22]
Google Analytics: Studi Kasus Situs Achmatim.Net,” Semin. Nas.
Multidisiplin Ilmu, pp. 295–204, 2010.
R. Cooley, B. Mobasher, and J. Srivastava, “Data Preparation for Mining
World Wide Web Browsing Patterns,” Knowl. Inf. Syst., vol. 5, no. 1, pp. 5–
32, 2011.
R. Cooley, “Web Usage Mining: Discovery and Application of Interesting
Patterns from Web data.,” University of Minnesota, 2012.
Mehak, M. Kumar, and N. Aggarwal, “Web usage mining: An analysis,” J.
Emerg. Technol. Web Intell., vol. 5, no. 3, pp. 240–246, 2013.
D. Samuel, “Penerapan Stuktur FP-Tree dan Algoritma FP-Growth dalam
Optimasi Penentuan Frequent Itemset,” Growth (Lakeland).
F. X. Arunanto and S. Isman, “ALGORITMA PARALEL FP-GROWTH
UNTUK PENGGALIAN KAIDAH ASOSIASI PADA JARINGAN
KOMPUTER,” J. Ilm. Teknol. Inf., vol. 9, pp. 37–41, 2011.
LAMPIRAN
IP
Hyperlink
Kategori
Nasional
195.149.84.162
http://berita.suaramerdeka.com/syaeful-jamil-dipanggil-dalam-kasus-mantan-wali-kota-tegal/
195.149.84.162
http://berita.suaramerdeka.com/sport/rossi-akui-marquez-layak-jadi-juara-dunia/
SportOtomotif
195.149.84.162
http://berita.suaramerdeka.com/sport/jateng-juara-umum-kejurnas-tenis-meja/
SportOtomotif
195.149.84.162
http://berita.suaramerdeka.com/tagih-janji-jokowi-harus-pisahkan-ditjen-pajak-dari-kemenkeu/
202.67.41.51
http://berita.suaramerdeka.com/bisnis/ekspor-solo-naik
202.67.41.51
http://berita.suaramerdeka.com/bbm-naik-hmi-ancam-demo
202.67.41.51
http://berita.suaramerdeka.com/bisnis/garuda-sediakan-tiket-rp-1-rute-jakarta-solo
202.67.41.51
202.67.41.51
http://berita.suaramerdeka.com/bola/rayakan-gol-barcelona-kepala-messi-kena-lemparan-botol
http://berita.suaramerdeka.com/besok-16-kloter-pulang-ke-tanah-air
Nasional
202.67.41.51
http://berita.suaramerdeka.com/bebrayanmusik-rock-dan-budaya
Priggitan
202.67.41.51
http://berita.suaramerdeka.com/bisnis/hargai-cabai-tembus-rp-40-ribu
103.29.151.2
103.29.151.2
103.29.151.2
http://berita.suaramerdeka.com/apec-bentuk-jaringan-anti-korupsi
http://berita.suaramerdeka.com/banding-ditolak-akil-dihukum-seumur-hidup
http://berita.suaramerdeka.com/32-wni-awak-kapal-oryong-belum-ditemukan
Mancanegara
Nasional
Nasional
103.29.151.2
103.29.151.2
103.29.151.2
103.29.151.2
http://berita.suaramerdeka.com/1-950-rumah-rusak-diterjang-puting-beliung
http://berita.suaramerdeka.com/agami-jawi-sebuah-pranata-yang-terlupa
http://berita.suaramerdeka.com/allan-nairn-datangi-komnas-ham
http://berita.suaramerdeka.com/anas-berkicau-ada-pinokio
Nasional
Priggitan
Nasional
Priggitan
103.29.151.2
http://berita.suaramerdeka.com/ada-3-cacat-sertai-penunjukan-prasetyo
Nasional
50.18.102.132
http://berita.suaramerdeka.com/banjir-malaysia-dua-wni-tewas
50.18.102.132
50.18.102.132
http://berita.suaramerdeka.com/bola/belum-ada-solusi-soal-utang-persiku
http://berita.suaramerdeka.com/bola/empat-pilar-timnas-dibekap-cedera
Nasional
Bisnis
Nasional
Bisnis
Bola
Bisnis
Mancanegara
50
Bola
Bola
51
Bola
Bisnis
50.18.102.132
50.18.102.132
http://berita.suaramerdeka.com/bola/jateng-kalahkan-diy-5-1
http://berita.suaramerdeka.com/bisnis-tikus-putih-tetap-menjanjikan
50.18.102.132
http://berita.suaramerdeka.com/arab-saudi-bukan-negara-sponsor-terorisme
74.112.131.242
74.112.131.242
74.112.131.242
74.112.131.242
http://berita.suaramerdeka.com/sport/juara-gp-malaysia-marquez-samai-rekor-mick-doohan
http://berita.suaramerdeka.com/sport/kemenangan-di-australia-jadi-salah-satu-kemenangan-terbaik-rossi
http://berita.suaramerdeka.com/sport/yamaha-r25-motor-terbaik-pilihan-wartawan
http://berita.suaramerdeka.com/sport/mitsubishi-luncurkan-new-fuso
74.112.131.242
74.112.131.242
74.112.131.242
http://berita.suaramerdeka.com/bola/suporter-psis-hujat-komdis-pssi
http://berita.suaramerdeka.com/bola/real-madrid-pesta-gol-di-kandang-levante
http://berita.suaramerdeka.com/bola/marco-reus-beri-sinyal-positif-pada-liverpool
Bola
Bola
Bola
74.112.131.242
http://berita.suaramerdeka.com/bola/sartono-minta-psis-lobi-pssi
Bola
74.112.131.244
http://berita.suaramerdeka.com/travel/segarnya-es-dawet-telasih-ibu-siswo
74.112.131.244
74.112.131.244
http://berita.suaramerdeka.com/travel/oak-tree-emerald-semarang-hotel-resort
http://berita.suaramerdeka.com/entertainment/lelaki-juga-punya-air-mata
74.112.131.244
http://berita.suaramerdeka.com/travel/hangout-seru-sambil-foto-narsis-di-cafe-du-potrait
74.112.131.245
74.112.131.245
http://berita.suaramerdeka.com/entertainment/pendekar-tongkat-emas-silat-klasik-yang-berbeda
http://berita.suaramerdeka.com/entertainment/pintar-mengatur-makanan-berdaging-saat-idul-adha
74.112.131.245
74.112.131.245
74.112.131.245
http://berita.suaramerdeka.com/entertainment/powerslaves-tahun-baru-di-bekasi
http://berita.suaramerdeka.com/entertainment/preview-film-danau-hitam-satu-lagu-dari-jose-poernomo
http://berita.suaramerdeka.com/bola/sanksi-hinca-dianggap-mandul
74.112.131.245
http://berita.suaramerdeka.com/bola/pssi-tunggu-rekomendasi-fifa
23.227.176.35
23.227.176.35
http://berita.suaramerdeka.com/bisnis/btn-luncurkan-tabungan-qurban
http://berita.suaramerdeka.com/bisnis/category/bisnis-bisnis/bisnis-ekonomi/page/4
23.227.176.35
23.227.176.35
http://berita.suaramerdeka.com/bisnis/crystal-symphony-tutup-kunjungan-kapal-pesiar-tahun-2014
http://berita.suaramerdeka.com/allan-nairn-datangi-komnas-ham
Nasional
SportOtomotif
SportOtomotif
SportOtomotif
SportOtomotif
Travel
Travel
Entertainment
Travel
Entertainment
Entertainment
Entertainment
Entertainment
Bola
Bola
Bisnis
Bisnis
Bisnis
Nasional
52
23.227.176.35
23.227.176.35
http://berita.suaramerdeka.com/angelina-jolie-terima-penghargaan-dari-ratu-inggris
http://berita.suaramerdeka.com/apti-tolak-kemasan-polos-rokok
Mancanegara
Nasional
23.227.176.35
http://berita.suaramerdeka.com/awal-desember-penghulu-terima-dana-transportasi
Nasional
74.112.131.243
74.112.131.243
74.112.131.243
http://berita.suaramerdeka.com/apec-bentuk-jaringan-anti-korupsi
http://berita.suaramerdeka.com/apti-tolak-kemasan-polos-rokok
http://berita.suaramerdeka.com/arab-saudi-bukan-negara-sponsor-terorisme
Mancanegara
Nasional
Nasional
74.112.131.243
http://berita.suaramerdeka.com/bisnis/harga-cabai-meroket-penjualan-lesu
Bisnis
74.112.131.246
74.112.131.246
74.112.131.246
74.112.131.246
http://berita.suaramerdeka.com/bisnis/fitch-peringkat-obligasi-astra-sedaya-finance-di-aaaidn
http://berita.suaramerdeka.com/bisnis/toko-online-berkah-bagi-kantor-pos
http://berita.suaramerdeka.com/bola/belum-ada-solusi-soal-utang-persiku
http://berita.suaramerdeka.com/balai-pom-ungkap-peredaran-obat-kuat-ilegal
Bisnis
Bisnis
Bola
Nasional
74.112.131.246
http://berita.suaramerdeka.com/bandara-soetta-lakukan-simulasi-penanggulangan-keadaan-darurat
Nasional
74.112.131.241
74.112.131.241
74.112.131.241
74.112.131.241
74.112.131.241
http://berita.suaramerdeka.com/angkutan-ka-barang-belum-bisa-jadi-unggulan
http://berita.suaramerdeka.com/ada-3-cacat-sertai-penunjukan-prasetyo
http://berita.suaramerdeka.com/ada-makam-pahlawan-asal-aceh-di-blora
http://berita.suaramerdeka.com/adik-cahyadi-kumala-dipanggil-kpk
http://berita.suaramerdeka.com/adik-ipar-sby-dipanggil-kpk
Priggitan
Nasional
Nasional
Nasional
Nasional
74.112.131.241
http://berita.suaramerdeka.com/agami-jawi-sebuah-pranata-yang-terlupa
Nasional
118.97.16.221
118.97.16.221
118.97.16.221
118.97.16.221
118.97.16.221
http://berita.suaramerdeka.com/travel/segarnya-es-dawet-telasih-ibu-siswo
http://berita.suaramerdeka.com/travel/semesta-hotel-semarang-prinsip-syariah-dengan-konsep-heritage-modern-harmony
http://berita.suaramerdeka.com/travel/serba-lengkap-di-taman-kyai-langgeng
http://berita.suaramerdeka.com/travel/serunya-jelajah-merapi-naik-jeep-klasik
http://berita.suaramerdeka.com/travel/summer
118.97.16.221
http://berita.suaramerdeka.com/entertainment/box-office-minggu-ini-nightcrawler-lewati-ouija
Entertainment
118.97.16.221
http://berita.suaramerdeka.com/entertainment/box-office-minggu-ini-ouija-kalahkah-fury
Entertainment
Travel
Travel
Travel
Travel
Travel
53
Bola
Bola
184.169.203.101
184.169.203.101
http://berita.suaramerdeka.com/bola/edyanto-kembali-berkostum-psis
http://berita.suaramerdeka.com/bola/empat-pilar-dihukum-psgc-ciamis-tak-khawatir
184.169.203.101
184.169.203.101
http://berita.suaramerdeka.com/bola/empat-pilar-timnas-dibekap-cedera
http://berita.suaramerdeka.com/3-pemimpin-tewas-wilayah-isis-berkurang
Bola
Mancanegara
184.169.203.101
http://berita.suaramerdeka.com/entertainment/ugm-kembangkan-prototipe-ring-jantung-gama-stent
Entertainment
202.67.40.50
202.67.40.50
http://berita.suaramerdeka.com/bisnis/neraca-perdagangan-ri-surplus
http://berita.suaramerdeka.com/bisnis/pantauan-harga-emas-ritel-hari-ini
202.67.40.50
http://berita.suaramerdeka.com/entertainment/gone-girl-penuh-kemisteriusan
Entertainment
202.67.40.50
http://berita.suaramerdeka.com/entertainment/preview-film-danau-hitam-satu-lagu-dari-jose-poernomo
Entertainment
27.122.13.129
http://berita.suaramerdeka.com/sport/tiga-pesilat-jateng-ke-pom-asean
SportOtomotif
54.241.198.78
54.241.198.78
http://berita.suaramerdeka.com/3-pemimpin-tewas-wilayah-isis-berkurang
http://berita.suaramerdeka.com/al-italia-selamatkan-700-pengungsi-asal-afrika
Mancanegara
Mancanegara
54.241.198.78
54.241.198.78
http://berita.suaramerdeka.com/angelina-jolie-terima-penghargaan-dari-ratu-inggris
http://berita.suaramerdeka.com/apec-bentuk-jaringan-anti-korupsi
Mancanegara
Mancanegara
54.241.198.78
http://berita.suaramerdeka.com/akhir-2014-jalur-ganda-cirebon-purwokerto-rampung
54.255.60.124
54.255.60.124
http://berita.suaramerdeka.com/bola/kartu-kuning-messi-akhirnya-resmi-dicabut
http://berita.suaramerdeka.com/bola/kesebelasan-jateng-kehilangan-banyak-pemain
Bola
Bola
54.255.60.124
http://berita.suaramerdeka.com/bola/ketenangan-pemain-real-madrid-dipuji-ancelotti
Bola
54.255.60.124
http://berita.suaramerdeka.com/sport/helm-suomy-di-take-over-kyt-group
SportOtomotif
98.139.134.96
98.139.134.96
http://berita.suaramerdeka.com/sport/rossi-nilai-lorenzo-adalah-pesaing-terberatnya
http://berita.suaramerdeka.com/sport/rossi-saya-bisa-juara-andai-marquez-tak-ada
SportOtomotif
SportOtomotif
98.139.134.96
http://berita.suaramerdeka.com/sport/rossi-tengah-incar-gelar-juara-dunia-ke-10
SportOtomotif
98.139.134.99
98.139.134.99
98.139.134.99
http://berita.suaramerdeka.com/bola/psis-pantau-copa-piala-wali-kota
http://berita.suaramerdeka.com/bola/pss-pilih-kuningan
http://berita.suaramerdeka.com/bola/pt-mjs-akan-bentuk-manajemen-karteker
Bisnis
Bisnis
Nasional
Bola
Bola
Bola
54
98.139.134.99
98.139.134.99
http://berita.suaramerdeka.com/entertainment/pintar-mengatur-makanan-berdaging-saat-idul-adha
http://berita.suaramerdeka.com/entertainment/powerslaves-tahun-baru-di-bekasi
Entertainment
Entertainment
98.139.134.99
http://berita.suaramerdeka.com/entertainment/preview-film-danau-hitam-satu-lagu-dari-jose-poernomo
Entertainment
98.139.134.99
http://berita.suaramerdeka.com/entertainment/tablet-lokal-ramai-ramai-keroyok-produk-mapan
Entertainment
98.139.134.97
98.139.134.97
98.139.134.97
http://berita.suaramerdeka.com/bisnis/kenaikan-harga-elpiji-12-kg-penyebab-inflasi
http://berita.suaramerdeka.com/bisnis/literasi-keuangan-masyarakat-rendah
http://berita.suaramerdeka.com/bisnis/mafia-pajak
Bisnis
Bisnis
Bisnis
98.139.134.97
http://berita.suaramerdeka.com/bisnis/maskapai-kurangi-promo-tiket
Bisnis
98.139.134.98
98.139.134.98
98.139.134.98
http://berita.suaramerdeka.com/bisnis/massindo-penetrasi-pasar-bedding-di-singapura
http://berita.suaramerdeka.com/bisnis/masyarakat-masih-khawatir-investasi-di-pasar-modal
http://berita.suaramerdeka.com/bisnis/mitsubishi-new-outlander-sport-dongkrak-penjualan
Bisnis
Bisnis
Bisnis
98.139.134.98
http://berita.suaramerdeka.com/bisnis/mnc-ramaikan-persaingan-layanan-internet-dan-tv-cable-di-semarang
Bisnis
36.72.229.108
36.72.229.108
http://berita.suaramerdeka.com/bola/dikalahkan-australia-timnas-u-19-tersingkir-dari-piala-afc
http://berita.suaramerdeka.com/bola/di-maria-mulai-menjelma-sebagai-pemain-penting-man-united
Bisnis
Bola
36.72.229.108
http://berita.suaramerdeka.com/bola/dua-calon-nama-baru-stadion-santiago-bernabeu-terungkap
23.29.122.222
http://berita.suaramerdeka.com/entertainment/ugm-kembangkan-prototipe-ring-jantung-gama-stent
65.52.244.38
http://berita.suaramerdeka.com/bola/awan-setho-optimistis-tembus-skuat-bali-united
Bola
65.52.244.38
65.52.244.38
65.52.244.38
http://berita.suaramerdeka.com/bola/belum-ada-solusi-soal-utang-persiku
http://berita.suaramerdeka.com/bola/benamkan-ps-batam-persibas-promosi-ke-divisi-utama
http://berita.suaramerdeka.com/bola/bikin-rekor-baru-ronaldo-kebanjiran-pujian
Bola
Bola
Bola
65.52.244.38
http://berita.suaramerdeka.com/bisnis-tikus-putih-tetap-menjanjikan
50.28.55.90
http://berita.suaramerdeka.com/adik-ipar-sby-dipanggil-kpk
50.28.55.90
http://berita.suaramerdeka.com/allan-nairn-datangi-komnas-ham
50.28.55.90
http://berita.suaramerdeka.com/angelina-jolie-terima-penghargaan-dari-ratu-inggris
23.29.122.195
http://berita.suaramerdeka.com/bisnis/pemerintah-dinilai-sepelekan-pelemahan-rupiah
Bola
Entertainment
Bisnis
Nasional
Nasional
Mancanegara
Bisnis
55
23.29.122.195
23.29.122.195
http://berita.suaramerdeka.com/balai-pom-ungkap-peredaran-obat-kuat-ilegal
http://berita.suaramerdeka.com/basarnas-siapkan-21-penyelam
Nasional
Nasional
23.29.122.195
http://berita.suaramerdeka.com/bbm-naik-hmi-ancam-demo
Nasional
5.9.118.7
5.9.118.7
5.9.118.7
5.9.118.7
http://berita.suaramerdeka.com/bola/sir-alex-beri-pujian-kepada-louis-van-gaal
http://berita.suaramerdeka.com/bola/timnas-indonesia-tak-sia-siakan-uji-coba-lawan-suriah
http://berita.suaramerdeka.com/bola/timnas-u-19-tumbang-dari-uzbekistan
http://berita.suaramerdeka.com/bola/timnas-u-23-bakal-lakoni-12-kali-uji-coba
Bola
Bola
Bola
Bola
5.9.118.7
5.9.118.7
5.9.118.7
5.9.118.7
http://berita.suaramerdeka.com/banjir-bandang-terjang-cimahi-dan-bandung
http://berita.suaramerdeka.com/banjir-di-bandung-selatan-kian-meluas
http://berita.suaramerdeka.com/bisnis/mitsubishi-new-outlander-sport-dongkrak-penjualan
http://berita.suaramerdeka.com/bisnis/motor-matik-dominasi-penjualan-honda
Nasional
Nasional
Bisnis
Bisnis
5.9.118.7
http://berita.suaramerdeka.com/bola/real-madrid-kalahkan-liverpool-di-anfield
5.9.118.21
http://berita.suaramerdeka.com/sport/400-pesilat-meriahkan-kejuaraan-pencak-silat-kota-semarang
SportOtomotif
5.9.118.21
http://berita.suaramerdeka.com/sport/500-karateka-tampil-di-piala-kapolri
SportOtomotif
38.108.108.185
http://berita.suaramerdeka.com/bola/persib-juara-isl-2014
67.195.51.215
http://berita.suaramerdeka.com/bola/persis-tunggu-keputusan-komdis
Bisnis
67.195.51.209
http://berita.suaramerdeka.com/bisnis/produsen-lampu-philips-ingin-berinvestasi-solo-lewat-lampu-led
Bisnis
67.195.51.209
http://berita.suaramerdeka.com/bisnis/semarang-butuh-43-400-rumah
Bisnis
67.195.51.209
http://berita.suaramerdeka.com/bisnis/toko-online-berkah-bagi-kantor-pos
Bisnis
5.9.118.4
http://berita.suaramerdeka.com/bola/skuat-timnas-u-19-harus-terus-dipertahankan
66.249.80.30
http://berita.suaramerdeka.com/bisnis/maskapai-kurangi-promo-tiket
Bisnis
66.249.80.30
http://berita.suaramerdeka.com/bisnis/pantauan-harga-emas-ritel-hari-ini
Bisnis
36.75.176.77
36.75.176.77
http://berita.suaramerdeka.com/banjir-di-bandung-selatan-kian-meluas
http://berita.suaramerdeka.com/bisnis/21-kelompok-umk-di-banyumas-digelontor-pinjaman-rp-500-juta
36.75.176.77
http://berita.suaramerdeka.com/bisnis/all-new-x-trail-makin-dilirik
Bola
Bola
Bola
Nasional
Bisnis
Bisnis
56
46.252.192.189
46.252.192.189
http://berita.suaramerdeka.com/bebrayanmusik-rock-dan-budaya
http://berita.suaramerdeka.com/entertainment/box-office-minggu-ini-nightcrawler-lewati-ouija
Mancanegara
Entertainment
46.252.192.189
46.252.192.189
http://berita.suaramerdeka.com/entertainment/box-office-minggu-ini-ouija-kalahkah-fury
http://berita.suaramerdeka.com/entertainment/cita-citata-cerai-tapi-hepi
Entertainment
Entertainment
46.252.192.189
http://berita.suaramerdeka.com/entertainment/cita-citata-tampil-kalem-di-liquid-cafe
Entertainment
213.238.175.71
213.238.175.71
http://berita.suaramerdeka.com/bola/psis-pantau-copa-piala-wali-kota
http://berita.suaramerdeka.com/bola/pss-pilih-kuningan
Bola
Bola
213.238.175.71
213.238.175.71
http://berita.suaramerdeka.com/bola/pss-sleman-butuh-22-pemain
http://berita.suaramerdeka.com/bola/pss-sleman-gelar-latihan-terakhir
Bola
Bola
213.238.175.71
http://berita.suaramerdeka.com/entertainment/cita-citata-cerai-tapi-hepi
94.23.89.55
94.23.89.55
http://berita.suaramerdeka.com/bisnis/fitch-kenaikan-harga-bbm-hanya-berdampak-sementara
http://berita.suaramerdeka.com/bisnis/fitch-naikkan-peringkat-aetra-ke-aidn-outlook-stabil
Bisnis
Bisnis
94.23.89.55
http://berita.suaramerdeka.com/bisnis/fitch-peringkat-obligasi-astra-sedaya-finance-di-aaaidn
Bisnis
185.28.76.114
http://berita.suaramerdeka.com/sport/dani-pedrosa-akui-alami-kesialan-di-gp-australia
SportOtomotif
185.28.76.114
http://berita.suaramerdeka.com/sport/juara-gp-malaysia-marquez-samai-rekor-mick-doohan
SportOtomotif
202.43.162.252
202.43.162.252
http://berita.suaramerdeka.com/travel/menikmati-barbeque-saat-purnama
http://berita.suaramerdeka.com/travel/nikmati-sajian-dessert-and-tea-dari-gumaya-tower-hotel-semarang
Travel
Travel
202.43.162.252
http://berita.suaramerdeka.com/travel/segarnya-es-dawet-telasih-ibu-siswo
Travel
112.78.150.27
112.78.150.27
112.78.150.27
112.78.150.27
http://berita.suaramerdeka.com/bola/pssi-tunggu-rekomendasi-fifa
http://berita.suaramerdeka.com/entertainment/furious-7-resmi-rilis-trailer
http://berita.suaramerdeka.com/entertainment/interstellar-melipat-ruang-dan-waktu
http://berita.suaramerdeka.com/travel/menikmati-merapi-dari-ketep-pass
112.78.150.27
112.78.150.27
http://berita.suaramerdeka.com/travel/sakura-in-java-di-pandanaran-hotel-semarang
http://berita.suaramerdeka.com/travel/semesta-hotel-semarang-prinsip-syariah-dengan-konsep-heritage-modern-harmony
112.78.150.27
http://berita.suaramerdeka.com/travel/serunya-jelajah-merapi-naik-jeep-klasik
Entertainment
Bola
Entertainment
Entertainment
Travel
Travel
Travel
Travel
57
Bola
Nasional
205.203.134.3
205.203.134.3
http://berita.suaramerdeka.com/bola/messi-santai-tanggapi-soal-rekor-pencetak-gol-terbanyak-la-liga
http://berita.suaramerdeka.com/apti-tolak-kemasan-polos-rokok
205.203.134.3
205.203.134.3
205.203.134.3
205.203.134.3
205.203.134.3
http://berita.suaramerdeka.com/banjir-di-bandung-selatan-kian-meluas
http://berita.suaramerdeka.com/apec-bentuk-jaringan-anti-korupsi
http://berita.suaramerdeka.com/basarnas-siapkan-21-penyelam
http://berita.suaramerdeka.com/bola/mourinho-mustahil-chelsea-datangkan-lionel-messi
http://berita.suaramerdeka.com/banjir-malaysia-dua-wni-tewas
205.203.134.3
http://berita.suaramerdeka.com/bola/mourinho-kemenangan-telak-atas-schalke-hasil-yang-tak-lumrah
54.254.98.46
54.254.98.46
54.254.98.46
54.254.98.46
http://berita.suaramerdeka.com/entertainment/lelaki-juga-punya-air-mata
http://berita.suaramerdeka.com/entertainment/the-interview-ditarik-dari-peredaran
http://berita.suaramerdeka.com/travel/menaklukan-jeram-sungai-elo
http://berita.suaramerdeka.com/3-pemimpin-tewas-wilayah-isis-berkurang
Entertainment
Entertainment
Travel
Mancanegara
54.254.98.46
54.254.98.46
http://berita.suaramerdeka.com/al-italia-selamatkan-700-pengungsi-asal-afrika
http://berita.suaramerdeka.com/bisnis/rupiah-menguat-43-poin
Mancanegara
Bisnis
54.254.98.46
http://berita.suaramerdeka.com/travel/menelusuri-peninggalan-sejarah-r-a-kartini
8.8.204.10
8.8.204.10
8.8.204.10
http://berita.suaramerdeka.com/bola/cristiano-ronaldo-dibanderol-1-miliar-euro
http://berita.suaramerdeka.com/bola/kalahkan-real-madrid-inzaghi-merasakan-kepuasan-besar
http://berita.suaramerdeka.com/bnn-polri-siap-gelar-revolusi-mental-pemberantasan-narkoba
Bola
Bola
Nasional
8.8.204.10
http://berita.suaramerdeka.com/bnpb-indonesia-174-kali-diterjang-tsunami
Nasional
8.8.204.10
http://berita.suaramerdeka.com/bisnis-pil-koplo-kakak-beradik-diringkus-polsek-tembalang
146.247.137.43
146.247.137.43
146.247.137.43
http://berita.suaramerdeka.com/sport/marc-marquez-kuasai-dua-sesi-latihan-bebas-gp-valencia
http://berita.suaramerdeka.com/sport/marquez-akui-lakukan-kesalahan-saat-mengerem
http://berita.suaramerdeka.com/bola/rayakan-gol-barcelona-kepala-messi-kena-lemparan-botol
146.247.137.43
146.247.137.43
http://berita.suaramerdeka.com/bola/real-madrid-menang-telak-atas-rayo-vallecano
http://berita.suaramerdeka.com/bola/real-madrid-pesta-gol-di-kandang-levante
Nasional
Mancanegara
Nasional
Bola
Mancanegara
Bola
Travel
Bisnis
SportOtomotif
SportOtomotif
Bola
Bola
Bola
58
Bola
146.247.137.43
http://berita.suaramerdeka.com/bola/real-madrid-siap-permanenkan-status-chicharito
103.225.66.130
http://berita.suaramerdeka.com/travel/menikmati-barbeque-saat-purnama
Travel
103.225.66.130
http://berita.suaramerdeka.com/travel/menu-serba-buntut-di-amazing-food-promo-pandanaran
Travel
103.225.66.130
http://berita.suaramerdeka.com/travel/mie-ayam-level-mas-no-sensasi-pedasnya-luar-biasa
Travel
107.155.73.2
http://berita.suaramerdeka.com/travel/oak-tree-emerald-semarang-hotel-resort
Travel
107.155.73.2
http://berita.suaramerdeka.com/travel/sakura-in-java-di-pandanaran-hotel-semarang
Travel
202.137.230.240
http://berita.suaramerdeka.com/bola/category/bola-liga-inggris/page/2
64.95.71.168
64.95.71.168
64.95.71.168
http://berita.suaramerdeka.com/bnnk-temukan-ladang-ganja-di-madina
http://berita.suaramerdeka.com/bisnis/penjualan-produk-lokal-alfamart-capai-96-persen
http://berita.suaramerdeka.com/bisnis/taste-kopi-muria-disukai-konsumen
64.95.71.168
http://berita.suaramerdeka.com/bisnis/toko-online-berkah-bagi-kantor-pos
146.247.137.89
http://berita.suaramerdeka.com/5-provinsi-sepakati-penertiban-angkutan-barang
Nasional
146.247.137.89
146.247.137.89
146.247.137.89
146.247.137.89
146.247.137.89
http://berita.suaramerdeka.com/awal-desember-penghulu-terima-dana-transportasi
http://berita.suaramerdeka.com/awal-2015-pedagang-pasar-larangan-pindahan
http://berita.suaramerdeka.com/bahas-e-ktp-mendagri-temui-700-kepala-disdukcapil-se-indonesia
http://berita.suaramerdeka.com/bisnis/penerimaan-pajak-tahun-ini-di-bawah-target
http://berita.suaramerdeka.com/bisnis/ekspor-solo-naik
Nasional
Priggitan
Nasional
Bisnis
Bisnis
146.247.137.89
http://berita.suaramerdeka.com/bola/empat-pilar-timnas-dibekap-cedera
146.247.137.89
http://berita.suaramerdeka.com/bisnis/harga-cabai-meroket-penjualan-lesu
103.29.151.18
103.29.151.18
103.29.151.18
http://berita.suaramerdeka.com/bola/undian-piala-dunia-u-20-di-selandia-baru
http://berita.suaramerdeka.com/sport/raih-empat-emas-peringkat-indonesia-melonjak
http://berita.suaramerdeka.com/sport/tiga-pesilat-jateng-ke-pom-asean
103.29.151.18
103.29.151.18
103.29.151.18
http://berita.suaramerdeka.com/travel/festival-kuliner-pandanaran-hotel-semarang-di-gelar-desember
http://berita.suaramerdeka.com/travel/nikmati-sajian-dessert-and-tea-dari-gumaya-tower-hotel-semarang
http://berita.suaramerdeka.com/travel/segarnya-es-dawet-telasih-ibu-siswo
Bola
Nasional
Bisnis
Bisnis
Bisnis
Bola
Bisnis
Bola
SportOtomotif
SportOtomotif
Travel
Travel
Travel
59
103.29.151.18
http://berita.suaramerdeka.com/entertainment/gone-girl-penuh-kemisteriusan
Entertainment
103.29.151.18
http://berita.suaramerdeka.com/entertainment/mendikbud-kecewakan-insan-film
Entertainment
54.88.108.157
54.88.108.157
54.88.108.157
54.88.108.157
http://berita.suaramerdeka.com/dasar-hukum-dpr-tandingan-tidak-valid
http://berita.suaramerdeka.com/debu-vulkanik-sinabung-tutupi-tiga-desa
http://berita.suaramerdeka.com/kasus-ebola-di-mali-82-orang-dipantau
http://berita.suaramerdeka.com/kedutaan-besar-israel-di-athena-dihujani-tembakan
Nasional
Nasional
Mancanegara
Mancanegara
54.88.108.157
http://berita.suaramerdeka.com/jokowi-jk-resmi-jadi-presiden-dan-wakil-presiden-indonesia
Nasional
64.124.180.193
http://berita.suaramerdeka.com/das-klampok-tercemar-limbah-pabrik
Nasional
23.227.176.34
23.227.176.34
23.227.176.34
23.227.176.34
http://berita.suaramerdeka.com/dasar-hukum-dpr-tandingan-tidak-valid
http://berita.suaramerdeka.com/entertainment/7-ramalan-ki-kusumo-terbukti
http://berita.suaramerdeka.com/jokowi-hadapi-tantangan-pemerintahan-terbelah
http://berita.suaramerdeka.com/jokowi-semua-persoalan-bisa-diselesaikan-bila-pemimpin-rakyat-saling-percaya
23.227.176.34
http://berita.suaramerdeka.com/debu-vulkanik-sinabung-tutupi-tiga-desa
23.29.122.212
23.29.122.212
23.29.122.212
23.29.122.212
http://berita.suaramerdeka.com/bola/gol-ke-gawang-psg-kembalikan-kepercayaan-diri-suarez
http://berita.suaramerdeka.com/bola/hari-ini-timnas-u-14-tantang-vietnam
http://berita.suaramerdeka.com/bola/kecil-kemungkinan-man-united-belanja-pemain-di-bursa-transfer-musim-dingin
http://berita.suaramerdeka.com/bola/marco-reus-beri-sinyal-positif-pada-liverpool
23.29.122.212
http://berita.suaramerdeka.com/buruh-dukung-jokowi
184.72.211.84
184.72.211.84
184.72.211.84
184.72.211.84
http://berita.suaramerdeka.com/bisnis/all-new-x-trail-makin-dilirik
http://berita.suaramerdeka.com/bisnis/bca-salurkan-beasiswa-rp-41-miliar
http://berita.suaramerdeka.com/bisnis/btn-luncurkan-tabungan-qurban
http://berita.suaramerdeka.com/bisnis/cabai-tembus-rp-80-ribu-kg
184.72.211.84
184.72.211.84
184.72.211.84
http://berita.suaramerdeka.com/bisnis/dolar-jadi-pemenang-indonesia-sangat-beresiko
http://berita.suaramerdeka.com/bnnk-temukan-ladang-ganja-di-madina
http://berita.suaramerdeka.com/bnpb-indonesia-174-kali-diterjang-tsunami
Nasional
Entertainment
Nasional
Nasional
Nasional
Bola
Bola
Bola
Bola
Nasional
Bisnis
Bisnis
Bisnis
Bisnis
Bisnis
Nasional
Nasional
60
Mancanegara
184.72.211.84
http://berita.suaramerdeka.com/3-pemimpin-tewas-wilayah-isis-berkurang
85.17.26.213
http://berita.suaramerdeka.com/seni-tradisional-cenderung-berorientasi-pasar
85.17.26.213
85.17.26.213
85.17.26.213
http://berita.suaramerdeka.com/wayang-dan-simbol-keluhuran-moyang
http://berita.suaramerdeka.com/yaman-mencurigai-serangan-amerika-dengan-pesawat-drone
http://berita.suaramerdeka.com/warga-filipina-antisipasi-badai-hagupit
85.17.26.213
http://berita.suaramerdeka.com/upaya-reformasi-birokrasi-jokowi-jk-beri-angin-segar
Nasional
54.213.123.74
http://berita.suaramerdeka.com/presiden-jokowi-didesak-segera-susun-apbn-trisakti
Nasional
54.213.123.74
http://berita.suaramerdeka.com/studi-bahasa-daerah-diusulkan-dihapus-dari-mata-pelajaran-wajib
Nasional
54.213.123.74
http://berita.suaramerdeka.com/terdakwa-kasus-skk-migas-beri-uang-rudi-rubiandini-dalam-empat-tahap
Nasional
180.254.94.87
180.254.94.87
180.254.94.87
http://berita.suaramerdeka.com/sport/yamaha-sz-rr-v2-0-bluecore-diklaim-lebih-irit-bbm
http://berita.suaramerdeka.com/travel/menelusuri-jejak-candi-bawah-laut-di-bali
http://berita.suaramerdeka.com/travel/menikmati-pagi-di-waduk-cengklik
180.254.94.87
180.254.94.87
http://berita.suaramerdeka.com/travel/morosari-surga-tersembunyi-dari-demak
http://berita.suaramerdeka.com/travel/pesona-waduk-jatibarang-yang-meneduhkan-hati
Travel
Travel
180.254.94.87
http://berita.suaramerdeka.com/travel/sunset-tersembunyi-di-bukit-joko-tuo
Travel
195.23.32.195
195.23.32.195
http://berita.suaramerdeka.com/sport/lorenzo-akui-salah-ambil-keputusan-di-gp-valencia
http://berita.suaramerdeka.com/kurikulum-2013-jangan-diganti
SportOtomotif
Nasional
195.23.32.195
195.23.32.195
195.23.32.195
195.23.32.195
195.23.32.195
195.23.32.195
http://berita.suaramerdeka.com/sport/line-up-pebalap-motogp-musim-2015-sudah-lengkap
http://berita.suaramerdeka.com/bola/timnas-indonesia-butuh-dua-uji-coba
http://berita.suaramerdeka.com/kurikulum-2013-tidak-perlu-diubah
http://berita.suaramerdeka.com/bola/seleksi-timnas-u-23-dan-u-22-dimulai
http://berita.suaramerdeka.com/sport/valentino-rossi-kunci-posisi-runner-up-motogp
http://berita.suaramerdeka.com/bola/sanksi-komdis-pssi-akan-lumpuhkan-psis
SportOtomotif
Bola
Nasional
Bola
SportOtomotif
Bola
195.23.32.195
http://berita.suaramerdeka.com/sport/valentino-rossi-start-terdepan-di-gp-valencia
SportOtomotif
107.23.45.127
http://berita.suaramerdeka.com/kedutaan-besar-israel-di-athena-dihujani-tembakan
Mancanegara
Priggitan
Priggitan
Mancanegara
Mancanegara
SportOtomotif
Travel
Travel
61
SportOtomotif
Bola
107.23.45.127
107.23.45.127
http://berita.suaramerdeka.com/kejurda-bola-voli-yunior-segera-digelar
http://berita.suaramerdeka.com/bola/timnas-indonesia-imbangi-vietnam-2-2
107.23.45.127
http://berita.suaramerdeka.com/bola/timnas-u-23-seleksi-60-pemain
112.215.66.75
112.215.66.75
112.215.66.75
112.215.66.75
http://berita.suaramerdeka.com/kehidupan-mantan-atlet-banyak-yang-memprihatinkan
http://berita.suaramerdeka.com/kpk-akan-gabungkan-perkara-suryadharma
http://berita.suaramerdeka.com/kpk-serahkan-catatan-calon-menteri-kepada-jokowi
http://berita.suaramerdeka.com/kurikulum-2013-hanya-dilaksanakan-di-6-221-sekolah
112.215.66.75
http://berita.suaramerdeka.com/obama-kutuk-pembantaian-sandera-al-qaeda
Mancanegara
112.215.66.75
http://berita.suaramerdeka.com/pemimpin-eksekutif-hong-kong-menolak-lengser
Mancanegara
112.215.66.77
112.215.66.77
112.215.66.77
http://berita.suaramerdeka.com/bisnis/kek-sei-mangkei-jadi-benchmark-nasional
http://berita.suaramerdeka.com/jokowi-sampaikan-program-prioritas-di-forum-g20
http://berita.suaramerdeka.com/kpk-lamban-usut-kasus-setya-novanto
Bisnis
Nasional
Nasional
112.215.66.77
112.215.66.77
112.215.66.77
http://berita.suaramerdeka.com/kpk-tangkap-ketua-dprd-bangkalan
http://berita.suaramerdeka.com/bola/khedira-neuer-dan-ronaldo-kandidat-kuat-pemenang-ballon-dor-2014
http://berita.suaramerdeka.com/bola/resmi-dijual-parma-berpindah-kepemilikan
Nasional
Bola
Bola
112.215.66.77
http://berita.suaramerdeka.com/bola/sir-alex-beri-pujian-kepada-louis-van-gaal
Bola
Nasional
Nasional
Nasional
Nasional
Bola