PENDAHULUAN Latar Belakang Pola pengaksesan pengguna terhadap sebuah situs web biasanya tergambarkan dalam sebuah pola sekuensial. Pola sekuensial mengindikasikan bahwa transaksi biasanya terjadi secara serial terhadap waktu. Oleh karena itu, analisis terhadap pola sekuensial didasarkan pada urutan waktu atau urutan terjadinya suatu transaksi. Salah satu metode yang digunakan untuk mendapatkan tatanan antarmuka dan isi yang strategis adalah sequential pattern mining. Metode tersebut pertama kali diperkenalkan oleh Agrawal & Srikant (1995) dan bertujuan untuk mencari kemunculan suatu item yang diikuti kemunculan item lain secara terurut berdasarkan waktu terjadinya transaksi. Metode ini dapat juga digunakan untuk mengetahui trends dari pengguna terkait pola pengaksesannya terhadap sebuah situs web. Untuk ”memperhalus” batasan yang tegas yang terdapat pada data yang bernilai numerik maka diterapkan konsep fuzzy pada sequential pattern mining. Pola tersebut dikarakterisasikan oleh nilai support, yaitu persentase banyaknya transaksi yang mengikuti aturan tersebut. Salah satu teknik web mining yang dapat digunakan untuk mengetahui pola sekuensial yaitu Totally Fuzzy. Teknik ini menggunakan metode Thresholded Sigma Count untuk mendapatkan nilai fuzzy cardinality dari tiaptiap pengguna sebuah situs web (Fiot. C et al 2005). Pada pendekatan ini, masing-masing fuzzy itemset diperhitungkan dalam proses komputasi untuk mendapatkan nilai fuzzy support. Pemahaman terhadap user preference yang tercatat pada data log akses akan mengarahkan sebuah situs web semakin dekat dengan pengguna dan meningkatkan kualitas sebuah situs web, sehingga secara tidak langsung dapat meningkatkan besarnya kemungkinan sebuah situs web untuk tetap bertahan pada lingkungan bisnis yang kompetitif. Tujuan Penelitian Penelitian ini bertujuan untuk melihat trends dari pengguna yang mengakses situs web IPB. Trends tersebut dapat dilihat berdasarkan
informasi mengenai besarnya beban akses suatu halaman pada situs web IPB. Berdasarkan informasi tersebut pada akhirnya dapat diketahui halaman-halaman yang sering dikunjungi oleh pengguna situs web IPB dan dapat digunakan untuk meningkatkan perancangan situs web berdasarkan pola pemakaian. Ruang Lingkup Penelitian Ruang lingkup untuk penelitian ini dibatasi pada penerapan metode Totally Fuzzy pada data log akses server web IPB dari tanggal 5 Januari 2007 hingga 18 Juni 2007. Data tersebut dikelompokkan ke dalam dua bagian, yaitu internal dan eksternal IPB. Analisa dilakukan terhadap kedua kelompok data tersebut. Penelitian ini akan menghasilkan informasi mengenai pola pengaksesan yang dilakukan oleh pengguna. Manfaat Penelitian Informasi yang didapatkan pada penelitian ini diharapkan dapat digunakan untuk meningkatkan performa dan perancangan situs web berdasarkan pola pemakaian, perubahan struktur dan rancangan web menjadi lebih strategis, mendapatkan pola akses pengunjung web IPB baik internal maupun eksternal yang mengakses situs web IPB (www.ipb.ac.id) dan mengetahui halaman-halaman situs web IPB yang sering dikunjungi oleh pengguna.
TINJAUAN PUSTAKA Web mining Web mining merupakan penerapan teknikteknik data mining untuk secara otomatis mengumpulkan dan mengekstrak informasi dari sebuah dokumen web. Web mining merupakan suatu teknik yang dapat membantu pengguna untuk menemukan suatu informasi dari sekumpulan data. Selain itu, web mining mengamati pola akses kunjungan pengguna pada sebuah situs web (Kamber 2006). Secara umum web mining diklasifikasikan ke dalam tiga kategori berdasarkan jenis data yang diekstrak, yaitu web usage mining, web content mining, dan web structure mining. Arsitektur web mining ditunjukkan pada Gambar 1.
1
General Access Pattern
General Access Logs
Web Usage Mining Customized Access Pattern Search Result Web Mining
Web Content Mining
Usage Pofile
Text XML
Web Pages HTML Web Structure Mining
Links
Multimedia
Gambar 1 Arsitektur web mining. Deskripsi mengenai masing-masing kategori tersebut, yaitu : 1.
2.
3.
Tahapan-tahapan proses KDD diilustrasikan pada Gambar 2. Knowledge
Web usage mining Web usage mining berusaha menemukan nilai data berdasarkan pola tingkah laku web surfer. Web content mining Menggambarkan proses penemuan informasi yang berasal dari konten, data atau dokumen sebuah web. Web structure mining Web structure mining mencoba menemukan sebuah model pada struktur link sebuah web.
Salah satu bagian dari web usage mining adalah General Access Pattern Tracking (GAPT). Gagasan utama pada GAPT adalah melihat secara umum trends pengguna yang mengakses situs web tersebut.
Data Mining
Gambar 2 Tahapan proses KDD (Han & Kamber 2006). Deskripsi mengenai tahapan-tahapan tersebut adalah sebagai berikut : 1.
Informasi yang diperoleh dapat digunakan untuk perancangan ulang sebuah situs web sehingga memudahkan proses pengaksesan yang dilakukan oleh pengguna.
2.
Knowledge Discovery from Data (KDD)
3.
Knowledge Discovery from Data (KDD) adalah suatu proses mengekstrak ilmu pengetahuan atau informasi yang berasal dari kumpulan data dalam jumlah besar (Kamber 2006). Data mining adalah proses penemuan pengetahuan yang menarik dari kumpulan data yang tersimpan pada basis data, data warehouse dan media penyimpanan informasi lainnya.
4.
5.
Pembersihan data Pembersihan terhadap data dilakukan untuk menghilangkan noise dan data yang tidak konsisten. Integrasi data Integrasi data dilakukan untuk menggabungkan data yang berasal dari berbagai sumber. Seleksi data Proses seleksi data merupakan proses pengambilan data yang relevan dengan proses analisis yang dilakukan. Transformasi data Data ditransformasikan atau digabungkan ke dalam bentuk yang sesuai untuk dimining dengan cara melakukan peringkasan atau operasi agregasi. Data mining Merupakan proses yang penting dan merupakan tahapan ketika metode-metode
2
6.
7.
cerdas diaplikasikan untuk mengekstrak pola-pola dari kumpulan data. Evaluasi pola Merupakan suatu proses untuk mengidentifikasikan pola-pola tertentu pada data yang menarik dan mempresentasikan pengetahuan. Representasi pengetahuan Penggunaan visualisasi dan teknik representasi untuk menunjukkan penemuan pengetahuan hasil proses mining kepada pengguna.
Association Rule Mining Aturan Asosiasi (association rule) atau analisis afinitas (affinity analysis) berkenaan dengan studi 'apa bersama apa'. Pada dasarnya aturan ini digunakan untuk menggambarkan keterkaitan antar item pada sekumpulan data (Santoso 2007). Secara umum aturan asosiasi dapat dipandang sebagai proses yang terdiri dari 2 tahap (Kamber 2006), yaitu : 1.
2.
Menemukan kumpulan frequent item. Sebuah itemset dikatakan frequent item jika memiliki frekuensi kemunculan minimal sama dengan nilai minimum support. Membangkitkan aturan asosiasi dari itemset yang dikatakan frequent item. Aturan ini harus memenuhi nilai minimum support.
• Support Support bagi suatu aturan asosiasi adalah proporsi banyaknya kejadian pada basis data dimana proporsi sekumpulan item A dan proporsi sekumpulan item B terdapat pada sebuah transaksi. Definisi dari support, yaitu sebagai berikut : support(A→B) = P(A U B)
(1)
Pola Sekuensial Pola sekuensial adalah daftar urutan dari sekumpulan item. Sebuah pola sekuensial dikatakan maksimal jika tidak mengandung pola sekuensial lainnya (Wang et al 2005). Sebuah pola sekuensial dengan k-item disebut dengan ksequence. Panjang pada sebuah pola sekuensial adalah jumlah item yang terdapat pada pola sekuensial tersebut dan dilambangkan dengan |s|. Sebuah subsequence s’ dari s dilambangkan dengan s’ ⊆ s. Misalkan, sebuah pola sekuensial
a =
merupakan subsequence dari b = jika terdapat integer i1 < i2 < .....in, 1 ≤ ik ≤ m, sehingga a1 ⊆ b1, a2 ⊆ b2, ...., an ⊆ bm. Diberikan basis data transaksi D dan ambang batas minimum support ε, maka dapat didefinisikan sequential pattern mining adalah mencari nilai frequent sequence yang maksimal di antara semua pola sekuensial yang mempunyai nilai support lebih besar atau sama dengan ε. Dalam hal ini, waktu terjadinya transaksi juga akan dipertimbangkan dalam pencarian pola sekuensial. Himpunan Fuzzy Logika fuzzy merupakan generalisasi dari logika klasik yang hanya memiliki dua nilai keanggotaan, yaitu 0 dan 1. Dalam logika fuzzy nilai kebenaran suatu pernyataan berkisar dari sepenuhnya benar ke sepenuhnya salah. Inti dari himpunan fuzzy, yaitu fungsi keanggotaan yang menggambarkan hubungan antara domain himpunan fuzzy dengan nilai derajat keanggotaan. Hal yang membedakan antara himpunan boolean dan fuzzy, yaitu elemen pada himpunan fuzzy memiliki nilai derajat keanggotaan t (Cox 2005). Hubungan pada fungsional karena derajat keanggotaan pada domain x. keanggotaan sebuah sebagai berikut :
himpunan fuzzy mengembalikan untuk nilai yang Definisi dari himpunan fuzzy f
t = f(s,x)
bersifat sebuah terdapat derajat adalah (2)
Peubah Linguistik Peubah linguistik merupakan sebuah himpunan fuzzy yang membentuk aturan tertentu untuk sebuah variabel dan digunakan pada aturan fuzzy sebagai bagian dari hubungan fuzzy (Cox 2005). Peubah linguistik dikarakterisasikan oleh quintaple (x, T(x), X, G, M) dengan x adalah nama peubah, T(x) adalah kumpulan dari linguistic term, X adalah nilai interval x, G adalah aturan sintak yang membangkitkan term dalam T(x), M adalah aturan semantik yang bersesuaian dengan nilai linguistik M(A), dengan M(A) menunjukkan fungsi keanggotaan untuk himpunan fuzzy dalam X. Sebagai contoh, jika frekuensi pengaksesan dipresentasikan
3
sebagai peubah linguistik, maka himpunan dari linguistic term T(frekuensi akses) menjadi : T(frekuensi akses) = {rendah, sedang, tinggi} Setiap term dalam T(frekuensi akses) dikarakterisasikan oleh himpunan fuzzy dalam X. Fuzzy C-Means Fuzzy C-Means merupakan salah satu metode pengklasteran data, dimana objek dikelompokkan ke dalam k kelompok atau klaster. Untuk melakukan teknik klastering ini, nilai k harus ditentukan terlebih dahulu. Pada teknik ini digunakan ukuran ketidakmiripan dalam mengelompokkan objek-objek tersebut. Ketidakmiripan bisa diterjemahkan dalam konsep jarak (Cox 2005). Pada Fuzzy C-Means, setiap data bisa menjadi anggota dari beberapa klaster. Sesuai dengan konsep fuzzy yang berarti samar, maka batas-batas klaster dalam Fuzzy C-Means adalah soft. Dalam Fuzzy C-Means, pusat klaster dihitung dengan mencari nilai rata-rata dari semua titik dalam suatu klaster dengan diberi bobot berupa tingkat keanggotaan (degree of belonging) dalam klaster tersebut. Fuzzy Cardinality Terdapat tiga metode untuk mengkomputasikan nilai fuzzy cardinality (Fiot et al. 2005), yaitu : 1. 2.
3. 4.
Menghitung semua elemen yang memiliki nilai derajat keanggotaan tidak sama dengan nol. Hanya memperhitungkan elemen yang memiliki nilai derajat keanggotaan lebih besar dari nilai ambang batas (threshold) yang telah didefinisikan. Menambahkan nilai derajat keanggotaan dari masing-masing elemen. Metode perhitungan ini disebut juga Sigma Count. Menambahkan nilai derajat keanggotaan dari masing – masing elemen yang memiliki nilai lebih besar dari nilai ambang batas (threshold) yang telah ditentukan. Metode penghitungan ini disebut juga Thresholded Sigma Count.
Fuzzy Candidate Sequence Untuk membangkitkan suatu elemen kandidat pola sekuensial fuzzy maka harus terlebih dahulu dilakukan proses validasi, yaitu untuk memeriksa apakah dua buah fuzzy item yang terdapat pada sebuah fuzzy itemset tidak menunjuk pada sebuah atribut yang sama (Fiot et al 2005). Langkah awal yang harus dilakukan adalah menghitung nilai fuzzy support bagi masingmasing item dan hanya item yang memiliki nilai support lebih besar dari nilai minimum support yang akan disimpan sebagai frequent sequence dengan nilai k berukuran satu. Kandidat pola sekuensial dengan ukuran k, dikatakan sebagai k-sequence, diperoleh dengan mengkombinasikan frequent sequence dengan ukuran k-1. Proses tersebut akan berhenti jika tidak memungkinkan lagi untuk membangkitkan kandidat pola sekuensial dengan ukuran k+1. File Log Akses Pengelolaaan server web secara efektif membutuhkan feedback atau aktivitas kinerja server serta permasalahan-permasalahan yang mungkin terjadi. Feedback ini dapat berupa informasi mengenai pengguna-pengguna yang mengakses situs web, apa yang diakses dan statusnya serta waktu pengaksesan. Informasi tersebut tersimpan pada server web terutama data log akses (Purnomo & Anindito 2006). Common Log Format (CLF) untuk setiap baris data pada log akses, yaitu : remotehost rfc931 authuser [date] ”request” status bytes
Tabel 1 Deskripsi format data log akses Field Remotehost rfc931 Authuser [date]
Deskripsi Nama host atau alamat IP dari pengguna yang mengakses situs web. User name dari pengguna pada remote system seperti yang dispesifikasikan pada RFC931. Username yang melakukan otentifikasi seperti yang dispesifikasikan pada RFC931. Informasi tanggal dan waktu saat melakukan request HTTP pewaktuan lokal.
4
Field ”request” Status
Bytes
Deskripsi Informasi HTTP request dari pengguna. Angka numerik yang menyatakan kode status dari HTTP yang dikirimkan kepada pengguna. Panjang bytes dari data yang dikirimkan kepada pengguna.
Sumber : http://www-group.slac.stanford.edu /techpubs/logfiles/info.html Totally Fuzzy Diberikan sebuah basis data transaksi D yang berisi data yang mencatat transaksi yang dilakukan customer. Misalkan T adalah sekumpulan transaksi. Masing-masing transaksi meliputi tiga informasi : customer-id, waktu terjadinya transaksi, dan sekumpulan item. merupakan Sebuah itemset, (i1,i2,...,ik), himpunan bagian I = {i1,i2,..,im}. Sebuah pola sekuensial s merupakan himpunan item yang tidak kosong, yang dilambangkan dengan <s1s2...sp>. Secara umum, support bagi sebuah pola sekuensial adalah persentase customer yang memiliki s pada transaksi yang dilakukannya. Sebuah fuzzy item didefinisikan sebagai hubungan antara sebuah item dengan sebuah fuzzy set yang bersesuaian. Sebuah fuzzy item dinotasikan dengan (x,α) dimana x merupakan sebuah item dan α merupakan fuzzy set dari item yang bersangkutan. Misalkan, (/php/tutor.htm, lot) adalah sebuah fuzzy item dengan lot merupakan sebuah fuzzy set yang didefinisikan oleh suatu derajat keanggotaan (membership degree) pada pengaksesan item /php/tutor.htm. Sebuah fuzzy itemset adalah himpunan fuzzy item. Sebuah fuzzy itemset dinotasikan dengan (X,A) dengan X menunjukkan kumpulan item dan A kumpulan dari fuzzy set dari item yang bersangkutan. Sebuah fuzzy sequence S = <s1...... sn> adalah sebuah pola sekuensial yang terdapat pada fuzzy itemset, misalkan [(/php/tutor.htm, lot) (/php/faq.php, little) (/php/functions.php, lot)]. Cara untuk mengkomputasikan nilai fuzzy cardinality pada algoritma Totally Fuzzy adalah dengan menggunakan metode Thresholded Sigma Count (Fiot. C et al 2005). Nilai derajat keanggotaan μα suatu atribut t pada domain x dinotasikan dengan μα(t[x]) dan nilai ambang
batas (threshold) dinotasikan dengan ω. Nilai derajat keanggotaan αa pada algoritma Totally Fuzzy didefinisikan sebagai berikut :
αa (t[x]) =
μa (t[x]) if μa(t[x]) > ω
{0
else
(3)
Formulasi penghitungan nilai Support Totally Fuzzy (STF) bagi seorang customer c, yaitu : STF (c, (X,A)) = θc
j=1
[x, a] Є (X, A) [
αa (tj[x]) ] (4)
Nilai fuzzy support Fsupp bagi sebuah fuzzy sequence dikomputasikan sebagai rasio jumlah customer yang memiliki pola sekuensial fuzzy tertentu pada transaksi yang dilakukannya dibandingkan dengan jumlah total customer C pada basis data.
Σ [ STF(c,gS)]
Fsupp(X,A) = ___________ cєC
(5)
C Derajat nilai sebuah fuzzy support STF(c,gS) mengindikasikan bahwa pada transaksi yang dilakukan oleh seorang customer c terdapat fuzzy sequence gS. Derajat nilai fuzyy support dikomputasikan dengan menggunakan algoritma CalcTotallySupport seperti yang ditunjukkan pada Gambar 3. CalcTotallySupport – Input : gS, candidate k-sequence; Output : Fsupp fuzzy support for the sequence gS; Fsupp, nbSupp,m 0; For each customer client c Є C do m FindTotallySeq(g-S, Tc) [the customer support degree is aggregated to the current support] nbSupp += m; End for Fsupport nbSupport/T; Return Fsupp; Gambar 3 Algoritma CalcTotallySupport. Untuk menentukan sebuah frequent sequence, nilai minimum support ditentukan terlebih dahulu oleh pengguna. Sebuah pola sekuensial fuzzy dikatakan frequent sequence jika memenuhi kondisi bahwa support (s) > minSupp.
5
