TA : Analisis Pola Keyword Pencarian Pada Google Menggunakan Market Basket Analysis (Studi Kasus: Stikom Wireless Connection).

(STUDI KASUS: STIKOM Wireless Connection₎

TUGAS AKHIR

Nama : BAYU HENDRA KRISDHIANTO

NIM : 04.41010.0303 Program : S1 (Strata Satu) Jurusan : Sistem Informasi

SEKOLAH TINGGI

MANAJEMEN INFORMATIKA & TEKNIK KOMPUTER SURABAYA

Halaman

ABSTRAKSI ... vi

KATA PENGANTAR ... vii

DAFTAR ISI ... ix

DAFTAR TABEL ... xii

DAFTAR GAMBAR ... xiii

DAFTAR LAMPIRAN ... xvi

BAB I PENDAHULUAN ... 1

1.1 Latar Belakang Masalah ... 1

1.2 Perumusan Masalah ... 4

1.3 Pembatasan Masalah ... 4

1.4 Tujuan ... 5

1.5 Manfaat Penelitian ... 6

1.6 Sistematika Penulisan ... 6

BAB II LANDASAN TEORI ... 8

2.1 Alasan Diperlukannya Data Mining ... 8

2.2 Data Mining ... 9

2.3 Tahapan-Tahapan pada Data Mining ... 10

2.4 Market Basket Analysis (MBA) ... 11

2.5 Association Rules ... 13

2.6 Algoritma Apriori ... 15

2.9 Protokol TCP/IP ... 20

2.10 Interaksi Manusia dan Komputer ... 24

BAB III PERANCANGAN SISTEM ... 26

3.1 Arsitektur Perancangan Sistem ... 26

3.2System Flow ... 27

3.3 Flowchart Penerapan Market Basket Analysis ... 31

3.4Data Flow Diagram (DFD) ... 34

3.4.1Context Diagram ... 34

3.4.2Diagram Berjenjang ... 35

3.4.3 DFD Level 0 Go ‘N Run ... 36

3.4.4 DFD Level 1 Proses URL Handler ... 37

3.4.5 DFD Level 1 Proses Market Basket Analysis ... 38

3.4.6 DFD Level 1 Report Generator ... 39

3.4.7 DFD Level 1 Mail Sender ... 40

3.5 Desain File Pendukung ... 41

3.6 Desain Antar Muka ... 45

3.6.1 Aplikasi Client ... 45

3.6.2 Aplikasi Server ... 46

BAB IV IMPLEMENTASI DAN EVALUASI ... 55

4.1 Implementasi Sistem ... 55

4.2.2 Kebutuhan Perangkat Lunak ... 56

4.3 Pembuatan Program ... 56

4.4 Implementasi Sistem ... 57

4.4.1 Client – Form Utama ... 57

4.4.2 Server – Form Utama ... 64

4.4.3 Server – Tab Host ... 66

4.4.4 Server – Tab MBA ... 67

4.4.5 Server – Form Mail Sender ... 70

4.4.6 Server – Form Option ... 72

4.5 Evaluasi Sistem ... 74

4.5.1 Uji Coba Data ... 74

4.5.2 Uji Coba Fungsionalitas ... 76

4. 6 Uji Data Lapangan ... 83

BAB V PENUTUP ... 85

5.1 Kesimpulan ... 85

5.2 Saran ... 86

Halaman

Tabel 4.1 Spesifikasi Data Uji Coba ... 75

Tabel 4.2 Hasil Uji Coba 1 Menggunakan Data 1 ... 75

Tabel 4.3 Hasil Uji Coba 1 Menggunakan Data 2 ... 75

Tabel 4.4 Hasil Uji Coba 1 Menggunakan Data 3 ... 76

Tabel 4.5 Uji Coba Client ... 77

Tabel 4.6 Uji Coba Server ... 80

Halaman

Gambar 2.1 Layer TCP/IP ... 21

Gambar 2.2 Pergerakan Data Dalam Layer TCP/IP ... 23

Gambar 2.3 Ilustrasi Imteraksi Manusia dan Komputer ... 25

Gambar 3.1 Ilustrasi Arsitektur Sistem Go ‘N Run ... 26

Gambar 3.2 System Flow Aplikasi Client ... 28

Gambar 3.3 System Flow Aplikasi Server ... 30

Gambar 3.4 Flowchart Penerapan Market Basket Analysis ... 33

Gambar 3.5 Context Diagram Sistem Go ‘N Run ... 34

Gambar 3.6 Diagram Berjenjang Sistem Go ‘N Run ... 36

Gambar 3.7 DFD Level 0 Sistem Go ‘N Run ... 37

Gambar 3,8 DFD Level 1 Proses URL Handler ... 38

Gambar 3.9 DFD Level 1 Proses Market Basket Analysis ... 39

Gambar 3.10 DFD Level 1 Proses Report Generator ... 40

Gambar 3.11 DFD Level 1 Proses Mail Sender ... 41

Gambar 3.12 File iexplore.dll ... 41

Gambar 3.13 File interface.dll ... 42

Gambar 3.14 File dotnetCHARTING.WinForms.dll ... 43

Gambar 3.15 File itextsharp.dll ... 44

Gambar 3.16 File 0.csv ... 45

Gambar 3.17 Desain Form Utama Client ... 46

Gambar 3.20 Desain Form Tab MBA Single ... 49

Gambar 3.21 Desain Form Tab MBA Periodic ... 50

Gambar 3.22 Desain Form Email Sender ... 51

Gambar 3.23 Desain Form Email Book ... 52

Gambar 3.24 Desain Form Option - Connection ... 53

Gambar 3.25 Desain Form Option - Mail Account ... 54

Gambar 4.1 Form Utama Client ... 58

Gambar 4.2 Pesan Server Tidak Ditemukan ... 59

Gambar 4.3 Aplikasi Client Mode Standby ... 60

Gambar 4.4 Pesan Password Kosong ... 60

Gambar 4.5 Pesan Password Konfirmasi Salah ... 60

Gambar 4.6 Pesan Password Konfirmasi Cocok ... 61

Gambar 4.7 Form Login ... 61

Gambar 4.8 Pesan Password Salah ... 61

Gambar 4.9 Modul Super User Sedang Aktif ... 62

Gambar 4.10 Pesan De-aktivasi Modul Super User ... 62

Gambar 4.11 Pesan Notifikasi Deaktivasi Modul Super User ... 63

Gambar 4.12 Pesan Konfirmasi Mematikan Aplikasi Client ... 63

Gambar 4.13 Form Utama Server ... 64

Gambar 4.14 Form Tab Host ... 66

Gambar 4.17 Form Hasil Analisa ... 69

Gambar 4.18 Pesan Konfirmasi Report Generator ... 70

Gambar 4.19 Pesan Konfirmasi Report Sender ... 70

Gambar 4.20 Form Mail Sender ... 71

Gambar 4.21 Form Mail Book ... 71

Gambar 4.22 Form Network Configuration ... 72

Gambar 4.23 Form Mail Account Configuration ... 73

Lampiran 1. Halaman Utama Program ... 83

Lampiran 2. Form Ganti Password ... 83

Lampiran 3. Source Code Upload Learning Content ... 84

Lampiran 4. Source Code Pembelajaran ... 85

Lampiran 5. Source Code Sequencing Learning Content ... 86

ABSTRAKSI

Banyak teori dan pendekatan yang dikembangkan untuk memperoleh hasil penemuan kaidah asosiasi dan pola. Salah satu metode yang dikembangkan yaitu dengan menggunakan Analisis Keranjang Pasar metode apriori.

Analisis Keranjang Pasar dengan Aturan Asosiasi adalah salah satu cara untuk mencari pola asosiasi berdasarkan pola belanja konsumen, yang kemudian akan dikenal barang-barang yang dibeli setiap item secara bersamaan. Dan nantinya dapat digunakan sebagai bahan dalam analisis keputusan, untuk meningkatkan keuntungan atau untuk menentukan strategi pemasaran.

Pada riset ini, metode apriori digunakan untuk memperoleh kaidah asosiasi yang menggambarkan hubungan antar keyword yang dicari oleh user di mesin pencari Google pada jaringan STIKOM Wireless Connection.

Penelitian ini membahas tentang analisa keyword pencarian di Google berdasarkan aktivitas Google search dari jaringan STIKOM Wireless Connection (SWC) menggunakan Market Basket Analysis (MBA). Dari hasil analisa akan didapatkan suatu pola assosiasi dari keyword tertentu beserta nilai confidence yang dimiliki. Hasil analisa tersebut yang kemudian dapat menjadi masukan bagi pihak manajemen STIKOM Surabaya selaku pembuat keputusan untuk memaksimalkan fungsi fasilitas yang ada berkaitan dengan hasil analisa sistem ini.

Dari hasil pengujian empiris dapat ditarik kesimpulan bahwa waktu komputasi untuk menghasilkan kaidah asosiasi dipengaruhi oleh jumlah transaksi, dan banyaknya kaidah asosiasi dipengaruhi oleh nilai minimum support dan minimum confident.

1.1 Latar Belakang Masalah

Kata “informasi” telah menjadi suatu topik yang cukup menarik untuk dibicarakan dan seolah tak ada habisnya untuk dikaji karena pertumbuhannya dan kebutuhannya yang sangat cepat dan mendesak. Teknologi Informasi memacu dalam suatu lingkungan di mana informasi menjadi sangat penting dalam segala sisi kehidupan kita baik di dunia nyata ataupun di dunia maya atau biasa disebut internet. Internet telah secara dramatis mengubah cara orang dalam mencari suatu informasi. Berbagai web mesin pencari (search engine) banyak bermunculan dan saling bersaing untuk menjadi yang teratas dalam menyediakan informasi. Salah satu metode yang dapat digunakan search engine untuk mengumpulkan semua data yang ada di internet dan menyajikannya kembali sebagai sebuah informasi bagi user adalah web mining. “Web mining adalah sebuah penemuan dan analisis informasi yang berguna dari World Wide Web. Ini menggambarkan pencarian otomatis sumber informasi on-line yang tersedia, yaitu, konten Web mining, dan penemuan pola-pola akses pengguna dari layanan web, yaitu penggunaan Web mining”. (Cooley, Mobasher, & Srivastava (1997).

Sekolah Tinggi Manajemen Informatika dan Teknik Komputer (STIKOM) Surabaya memberikan banyak fasilitas tambahan untuk mendukung proses kegiatan pembelajaran di area kampus STIKOM Surabaya. Salah satunya adalah STIKOM Wireless Connection (SWC). Dengan tersambung pada SWC, civitas

akademik STIKOM Surabaya dapat mengakses internet secara gratis untuk mendapatkan informasi penunjang pembelajaran kuliah ataupun informasi lainnya.

Usaha yang dilakukan oleh search engine untuk mengumpulkan informasi juga berbanding lurus bila dilihat dari sudut pandang pihak manajemen STIKOM Surabaya. Pihak manajemen menginginkan semua fasilitas yang ada di kampus dapat dimaksimalkan fungsinya bagi kepentingan civitas akademik STIKOM Surabaya. Banyaknya audience yang menghadiri pelatihan atau seminar yang diadakan pihak kampus, padatnya kerumunan mahasiswa di perpustakaan karena selalu tersedia koleksi baru yang sekarang ini sedang trend, dan masih banyak lagi tujuan yang lain

Internet seakan-akan telah menjadi tempat rujukan kedua bila ada sesuatu hal yang tidak bisa didapatkan langsung di dunia nyata karena adanya beberapa keterbatasan seperti letak geografis ataupun waktu. Google adalah salah satu websearch terkenal yang sering dipakai oleh civitas STIKOM Surabaya untuk mencari informasi yang tidak bisa didapatkan langsung di kampus STIKOM Surabaya. Tidak diadakannya seminar atau pelatihan pada topik tertentu, minimnya jumlah koleksi pustaka yang dimiliki perpustakaan di topik tertentu, mendorong mereka harus mencari informasi dimana dan bagaimana hal tersebut bisa mereka dapatkan. Diantaranya dengan mencari informasi di Google. Hal ini menjadi peluang bagi pihak manajemen agar event yang diadakan di kampus ataupun fasilitas yang disediakan selalu dipadati oleh civitas akademik STIKOM

Surabaya. Diantaranya adalah dengan mengetahui trend apa yang sekarang ini sedang diminati di kalangan civitas akademik STIKOM Surabaya.

Untuk mengetahui trend apa yang sekarang ini sedang diminati oleh civitas STIKOM Surabaya, pihak manajemen STIKOM Surabaya merasa perlu memantau hasil pencarian yang dilakukan oleh user internet di STIKOM Surabaya pada websearch Google. Dari kumpulan keyword yang dicari oleh user internet di STIKOM Surabaya, baik yang terkoneksi lewat wired local area network ataupun STIKOM wireless Connection, dapat dijadikan sumber data untuk kemudian dianalisa sehingga dapat diketahui kata-kata yang berkaitan dengan topik tertentu dengan kadar relasi interest yang tinggi sedang menjadi trend di kampus STIKOM sekarang ini. Dari hasil pencarian user internet di Google, dirasa ada beberapa hubungan yang unik antara kata ataupun topik yang dimasukkan sebagai keyword pencarian di Google.

Penelitian ini membahas tentang analisa keyword pencarian di Google berdasarkan aktivitas Google search dari jaringan STIKOM Wireless Connection (SWC) dengan metode Market Basket Analysis (MBA). Dari hasil analisa akan didapatkan suatu pola assosiasi dari keyword tertentu beserta nilai confidence yang dimiliki. Hasil analisa tersebut yang kemudian dapat menjadi masukan bagi pihak manajemen STIKOM Surabaya selaku pembuat keputusan untuk memaksimalkan fungsi fasilitas yang ada berkaitan dengan hasil analisa sistem ini. Misalnya bagi pihak PSDM dapat mengadakan pelatihan atau seminar yang berkaitan dengan topik yang sedang menjadi trend dikalangan civitas akademik STIKOM, bagi pihak Perpustakaan dapat menyediakan koleksi pustaka yang baru

berkaitan dengan topik yang sama. Dan masih banyak lagi manfaat tidak langsung dari diketahuinya topik yang sekarang ini sedang menjadi trend interest di kampus STIKOM sebagaimana didapat dari hasil analisa sistem yang akan dibuat ini.

1.2 Perumusan Masalah

Adapun masalah yang akan dibahas dalam penelitian ini adalah sebagai berikut:

1. Bagaimana mengumpulkan data history keyword pencarian pada Google dari masing-masing client PC?

2. Apakah Market Basket Analysis dapat digunakan untuk menganalisa pola keyword pencarian pada Google?

3. Bagaimana menerapkan Market Basket Analysis dengan metode Apriori untuk menganalisa pola keyword pencarian pada Google dalam suatu sistem terkomputerisasi?

4. Bagaimana menghasilkan suatu daftar yang berisi hubungan assosiasi antar keyword beserta tingkat confidence yang dimiliki?

1.3 Pembatasan Masalah

Adapun batasan masalah yang digunakan sebagai berikut:

1. Sistem terdiri dari 2 (dua) bagian, yaitu Server side dan Client side, yang berjalan dalam satu jaringan dengan satu Server side yang sedang aktif.

2. Sistem berjalan pada sistem operasi Windows dan dukungan .NET Framework dengan mengabaikan restriction, security ataupun firewall yang sedang aktif di jaringan baik di sisi client ataupun server.

3. Client side hanya memproses input dari browser Internet Explorer.

4. Server side hanya akan mengolah data yang dikirimkan oleh masing-masing client side.

5. Sistem tidak membahas tentang data log server Google ataupun data log server jaringan yang digunakan.

6. Sistem tidak membahas tentang keamanan data dan keamanan jaringan yang digunakan baik secara logical (software) ataupun physical (hardware).

7. Sistem tidak membahas detail penerapan Search Engine Optimization (SEO). 8. Bahasa pemrograman yang digunakan adalah Visual Basic .NET.

1.4 Tujuan

Sesuai dengan permasalahan yang ada maka tujuan dari dibuatnya sistem ini adalah:

1. Menghasilkan perangkat lunak (Client Side) yang dapat mengumpulkan data history keyword pencarian pada Google.

2. Mengetahui bahwa Market Basket Analysis dapat digunakan untuk menganalisa pola keyword pencarian pada Google.

3. Menghasilkan perangkat lunak (Server Side) yang dapat menganalisa data history keyword pencarian pada Google yang dikirimkan oleh sistem (Client Side) menggunakan metode Apriori.

4. Menghasilkan perangkat lunak yang dapat menyusun daftar hubungan assosiasi antar keyword beserta tingkat confidence yang dimiliki berdasarkan parameter minimum frequent, minimum support dan minimum confidence.

1.5 Manfaat Penelitian

Sesuai dengan permasalahan yang ada maka tujuan dari dibuatnya sistem ini adalah membantu pihak manajemen menentukan topik yang sekarang ini sedang menjadi trend di kalangan civitas akademik STIKOM. Dengan diketahuinya trend yang sekarang terjadi di STIKOM, maka pihak manajemen dapat memaksimalkan fasilitas yang telah ada untuk mengikuti trend tersebut. Contohnya : bagi pihak PSDM dapat mengadakan seminar atau pelatihan yang berkaitan dengan topik tersebut, pihak perpustakaan dapat menyediakan koleksi pustaka yang baru berkaitan dengan topik tersebut, dan masih banyak manfaat lainnya yang dapat diterapkan di semua aspek bila telah diketahui hal apa yang sekarang ini sedang menjadi trend di STIKOM.

1.6 Sistematika Penulisan

Untuk memudahkan di dalam memahami permasalahan dan pembahasannya, maka penulisan Laporan Tugas Akhir ini dibuat dengan sistematika sebagai berikut

BAB I PENDAHULUAN

Dalam bab ini di bahas tentang latar belakang masalah, perumusan masalah, pembatasan masalah, tujuan, manfaat dari sistem yang akan di buat dan sistematika penulisan.

BAB II LANDASAN TEORI

Dalam bab ini di bahas tentang teori-teori yang berkaitan dalam penyelesaian masalah serta teori yang mendukung dalam pembuatan sistem. Teori-teori tersebut antara lain : Data Mining, Market Basket Analysis,

Association Rule, Algoritma Apriori, Search Engine Optimization (SEO), Aplikasi Client-Server, dan Interaksi Manusia dan Komputer.

BAB III PERANCANGAN SISTEM

Bab ini dibahas mengenai metode-metode penelitian yang digunakan dalam membangun sistem dan bagaimana perancangan sistem dibuat, dalam bentuk sistem flow, flowchart, data flow diagram, diagram berjenjang, file pendukung, dan desain antar muka.

BAB IV IMPLEMENTASI DAN UJI COBA SISTEM

Dalam bab ini di bahas tentang kebutuhan hardware dan software, penggunaan program, dan evaluasi dari implementasi program yang telah di buat.

BAB V PENUTUP

Dalam bab ini berisi kesimpulan mengenai sistem yang telah dibuat beserta saran-saran yang dapat berguna untuk penyempurnaan sistem.

Pada bab ini akan dijelaskan dasar-dasar teori yang berhubungan dengan permasalahan yang dibahas dan juga menjelaskan sistem yang digunakan pada tugas akhir ini. Hal ini sangat penting karena teori-teori tersebut digunakan sebagai landasan pemikiran dalam tugas akhir ini, adapun teori-teori yang digunakan adalah sebagai berikut:

2.1 Alasan Diperlukannya Data Mining

Alasan utama mengapa data mining menarik perhatian banyak pihak yang

bergerak di bidang teknologi informasi beberapa tahun belakangan ini adalah adanya ketersediaan data dalam jumlah luar biasa besarnya sekaligus juga adanya kebutuhan untuk mengolah data tersebut menjadi informasi yang lebih berguna. Informasi dan pengetahuan yang diperoleh dapat digunakan dan diaplikasikan dalam berbagai bidang, mulai dari manajemen bisnis, kontrol produksi, dan sampai kepada analisa pasar.

Data mining dapat dikatakan sebagai hasil dari evolusi teknologi informasi.

Yaitu mulai dari sistem data collection, database creation, data management

(termasuk storage, retrieval dan database transaction processing), dan data analysis and understanding.

Kecepatan berkembangnya pengumpulan dan penyimpanan data dalam jumlah yang luar biasa banyaknya mengakibatkan data-data tersebut menjadi sulit

meng-extract informasi penting yang terkubur di sejumlah besar data yang tersedia. Sebagai dampaknya, sering kali keputusan-keputusan penting yang diambil dibuat tidak berdasarkan informasi yangdidapat dari data yang ada, melainkan berdasarkan intuisi para pembuat keputusan semata. Hal ini sering

terjadi dikarenakan para pembuat keputusan tidak memiliki tools yang memadai

untuk melakukan pencarian informasi yang akurat dari data yang tersedia.

2.2 Data Mining

Secara sederhana data mining adalah suatu proses untuk menemukan

interesting knowledge dari sejumlah data yang disimpan dalam basis data atau

media penyimpanan data lainnya. Dengan melakukan data mining terhadap

sekumpulan data, akan didapatkan suatu interesting pattern yang dapat disimpan

sebagai knowledge baru. Pattern yang didapat akan digunakan untuk melakukan

evaluasi terhadap data-data tersebut untuk selanjutnya akan didapatkan informasi. Tehnik dalam data mining datang dari Basis Data, Machine Learning, dan

Statistik. Elemen-elemen kunci untuk data mining ini telah dibuat dalam beberapa

tahun terakhir. Secara umum tugas dari data mining dapat dibagi ke dalam dua

tipe, yaitu Predictive Data Mining dan Knowledge Discovery / Description Data

Mining.

Predictive Data Mining adalah tipe data mining untuk memprediksi nilai suatu variabel di masa yang akan datang atau nilai variabel lain berdasarkan beberapa variabel yang saat ini telah diketahui nilainya. Yang termasuk dalam tipe ini antara lain: klasifikasi, re gresi, dan deteksi deviasi.

Knowledge Discovery / Description Data Mining yang juga sering disebut

sebagai pencarian pola (pattern discovery) adalah tipe data mining yang

digunakan untuk mendapatkan pola yang tersembunyi dalam data dan bisa dipahami oleh manusia, biasanya ditampilkan dalam bentuk kalimat yang mudah dimengerti, misalnya “Jika seseorang membeli produk A maka juga membeli produk B”. Meskipun pola ini bisa ditemukan oleh manusia tanpa bantuan komputer – khususnya jika jumlah variabel dan datanya kecil – namun jika jumlah variabel puluhan bahkan ratusan dan jumlah data ribuan bahkan jutaan maka diperlukan waktu bertahun-tahun untuk mendapatkan pola-pola tersebut. Disinilah peran teknologi informasi dengan dukungan sistem data mining membantu dalam penyelesaian permasalahan ini. Yang termasuk tipe ini adalah: klusterisasi, aturan asosiasi, dan penemuan pola sekuensial.

Dengan data mining pemilik toko bisa mendapatkan informasi penting dan

profitable tentang konsumen yang pada akhirnya bisa meningkatkan keuntungan toko dan angka penjualan. Kegunaan informasi pada data mining seperti diatas

sering disebut sebagai Market Basket Analysis. Dalam jangka panjang, data

mining dapat membuat sebuah toko menjadi lebih kompetitif.

2.3 Tahapan-Tahapan pada Data Mining

Tahap-tahapnya dimulai dari pemrosesan raw data atau data mentah sampai

pada penyaringan hingga ditemukannya knowledge, yang dijabarkan sebagai

berikut :

a. Selection, yaitu proses memilih dan memisahkan data berdasarkan beberapa kriteria, misalnya berdasarkan kota tempat tinggal konsumen.

b. Preprocessing, yaitu proses mempersiapkan data dengan cara membersihkan data, informasi atau field yang tidak dibutuhkan yang jika dibiarkan hanya

akan memperlambat proses query, misalnya nama pelanggan jika kita sudah

mengetahui kode pelanggannya. Selain itu juga pada tahap ini dilakukan penyeragaman format terhadap data-data yang tidak konsisten seperti pada suatu field darisuatu tabel, data jenis kelamin diinputkan dengan “L” atau “M”, sedangkan pada tabel lainnya data tersebut diinputkan sebagai “P” dan “W”.

c. Transformation, data-data yang melalui proses select dan pre-processing

tidak begitu saja langsung digunakan, akan tetapi ditransformasikan terlebih

dahulu ke bentuk yang lebih navigable dan usable, misalnya dengan

menambahkan field tertentu yang bersifat demografi, seperti propinsi, kota atau informasi apapun yang biasanya digunakan pada riset pemasaran.

d. Data Mining, tahap ini dipusatkan untuk mendapatkan pola dari data (extraction of data)

e. Interpretation and evaluation, dalam proses ini pattern atau pola-pola yang telah diidentifikasikan oleh sistem kemudian diterjemahkan/diinterpretasikan

ke dalam bentuk knowledge yang lebih dimengerti oleh user untuk membantu

pengambilan keputusan, misalnya menunjukkan item yang saling berassosiasi melalui grafik atau bentuk lain yang lebih mudah dimengerti.

2.4 Market Basket Analysis (MBA)

Market Basket Analysis merupakan sebuah analisis terhadap kebiasaan

korelasi di antara berbagai macam item yang dimasukkan customer di dalam

shopping basket mereka. Secara lebih spesifik Market Basket Analysis bertujuan

untuk mengetahui item apa saja yang sering dibeli bersamaan oleh customer. Item

di sini diartikan sebagai berbagai macam produk atau barang pada supermarket (Han, Yongjian Fu, 1999).

Pada umumnya Market Basket Analysis dapat diaplikasikan pada :

1. Transaksi kartu kredit : barang-barang yang dibeli menggunakan kartu kredit dapat menjadi analisa atas produk sejenis lainnya yang juga dibeli secara bersamaan.

2. Transaksi Supermarket : kombinasi dari barang-barang yang telah dibeli oleh pelanggan dapat digunakan untuk menentukan peletakan posisi barang di rak. 3. Transaksi produk telekomunikasi : fasilitas yang saling berhubungan (Seperti

nada sela, tampilan nama pemanggil, fungsi multimedia, kamera, koneksi dan lain-lain) membantu menentukan paket dan fungsi dari suatu produk.

4. Transaksi perbankan : pola dari pelayanan yang digunakan oleh nasabah digunakan oleh pihak bank untuk menawarkan pelayanan yang juga banyak digunakan oleh nasabah lainnya.

5. Transaksi asuransi : kombinasi yang tidak lazim dari sebuah klaim asuransi menunjukkan terjadinya kecurangan sebuah klaim (klaim fiktif/ rekayasa). 6. Prosedur absensi mesin : kombinasi yang tidak lazim dari jam kedatangan

seseorang menunjukkan terjadinya kecurangan dalam proses absensi.

7. Catatan medis pasien : kombinasi tertentu dari suatu kondisi dapat menggambarkan bertambahnya resiko dari sebuah komplikasi dari suatu penyakit

Untuk beberapa kasus, pola dari item-item yang dibeli secara bersamaan oleh konsumen mudah untuk ditebak, misalnya susu dibeli bersamaan dengan roti. Namun, mungkin saja terdapat suatu pola pembelian item yang tidak pernah terpikirkan sebelumnya. Misalnya, pembelian minyak goreng dengan deterjen. Mungkin saja pola seperti ini tidak pernah terpikirkan sebelumnya karena minyak goreng dan deterjen tidak mempunyai hubungan sama sekali, baik sebagai barang pelengkap maupun barang pengganti. Hal ini mungkin tidak pernah terpikirkan sebelumnya sehingga tidak dapat diantisipasi jika terjadi sesuatu, seperti kekurangan stok deterjen misalnya. Inilah salah satu manfaat yang dapat diperoleh dari melakukan market basket analysis. Dengan melakukan proses ini secara otomatis, seorang manajer tidak perlu mengalami kesulitan untuk menemukan pola item apa saja yang mungkin dibeli secara bersamaan.

2.5 Association Rules

Association rules digunakan untuk menemukan hubungan di antara data atau bagaimana suatu kelompok data mempengaruhi suatu keberadaan data yang lain (M. Kantardzic, 2003). Metode ini dapat membantu mengenali pola-pola

tertentu di dalam kumpulan data yang besar. Association rule meliputi dua tahap

(Ulmer, David, 2002) :

1. Pencarian frequent itemset, dengan cara mencari kombinasi yang paling sering

terjadi dari suatu itemset.

2. Penyusunan rules, dengan cara mendefinisikan Condition dan Result

Dalam menentukan suatu association rule, terdapat suatu interestingness measure (ukuran kepercayaan) yang didapatkan dari hasil pengolahan data dengan perhitungan tertentu. Umumnya ada tiga ukuran, yaitu:

- Support : suatu ukuran yang menunjukkan seberapa besar tingkat dominasi suatu

item/itemset dari keseluruhan transaksi. Ukuran ini akan menentukan apakah suatu

item/itemset layak untuk dicari confidence-nya (misal, dari seluruh transaksi yang

ada, seberapa besar tingkat dominasi yang menunjukkan bahwa item A dan B

dibeli bersamaan) dapat juga digunakan untuk mencari tingkat dominasi item tunggal. B) (A as Probabilit = B)

Support(A→ → . . . . (2.1)

- Confidence : suatu ukuran yang menunjukkan hubungan antar 2 item secara conditional (misal, seberapa sering item B dibeli jika orang membeli item A).

Support(A) B) Support(A = B) (A

Confidence → →

. . . . (2.2)

- Improvement : suatu ukuran yang menunjukkan besarnya kemungkinan 2 item

dapat dibeli secara bersamaan.

Support(B) x Support(A) B) Support(A = B) (A t

Improvemen → →

Ketiga ukuran ini nantinya akan berguna dalam menentukan interesting association rules, yaitu untuk dibandingkan dengan threshold (batasan) yang ditentukan.

Batasan tersebut umumnya terdiri dari minimum support, minimum

cofidence, dan minimum improvement. Sebuah association rule dengan

confidence sama atau lebih besar dari minimum confidence dapat dikatakan sebagai valid association rule (Agrawal R, Srikant, R.,1994).

2.6 Algoritma Apriori

Algoritma ini dicetuskan oleh Agrawal (1994). Ide dasarnya adalah

menghitung pola kemunculan item yang muncul dalam data transaksi dengan

beberapa iterasi. Iterasi ke i berarti mendapatkan semua frequent i-itemset (suatu

itemset yang jumlah item anggotanya sejumlah i). Langkah umum tiap iterasi

adalah menghasilkan candidate itemset kemudian dihitung nilai support dari tiap

candidate. Untuk menghasilkan candidate, pada dasarnya dapat dilakukan dengan

menyusun kombinasi item-item yang sudah ditemukan sebelumnya. Algoritma ini

didasari oleh hukum apriori, jika sebuah itemset ternyata infrequent, maka

seharusnya superset-nya juga infrequent sehingga tidak perlu diperiksa lagi.

Pada iterasi pertama, setiap jenis item yang ditemukan dalam data dijadikan

candidate untuk frequent 1-itemsets. Sedangkan candidate di iterasi berikutnya didapatkan dari frequent itemset yang ditemukan di iterasi sebelumnya. Proses

Selain algoritma Apriori yang diimplementasikan sendiri, dalam data

mining workbench yang dibangun juga diintegrasikan implementasi algoritma

Apriori oleh Christian Borgelt (2003) yang sering diacu dan digunakan oleh peneliti di bidang algoritma data mining.

2.7 Google

Google adalah plesetan dari kata 'googol', yang dipakai oleh Milton Sirotta,

keponakan dari ahli matematika Amerika Edward Kasner, untuk menyebutkan angka 1 dan mempunyai 100 angka nol dibelakangnya. Google memakai kata ini dalam menjelaskan misi perusahaan untuk mengorganisasi sedemikian banyaknya informasi yang tersedia di Internet dan didunia ini.

Google adalah sebuah raksasa pencarian yang banyak diminati sebagai search engine favorit. Google seolah telah menembus ruang waktu di berbagai belahan dunia. Google merupakan mesin pencari yang mempunyai nama yang cukup populer di mata para pengguna internet sedunia. Tampilan Google sangat sederhana, tetapi mengandung kekuatan dan multifungsi. Selain itu, web Google sangat lengkap dan hampir menampung semua perbendaharaan kata dalam berbagai bahasa di seluruh dunia.

Mesin pencari (search engine) merupakan cara yang efektif untuk mencari informasi secara online berdasarkan kata kunci (keyword) yang dimasukkan. Dalam sistem database, hal itu disebut sebagai query, merupakan sistematika bahasa operasi untuk melakukan pencarian data berdasarkan kedekatan dengan keyword yang dimasukkan.

Google mempunyai misi untuk memberikan pengalaman pencarian di Internet yang terbaik dengan mewujudkan informasi dunia yang mudah diakses dan bermanfaat. Google, pembuat mesin pencarian terbesar di dunia, menawarkan kecepatan, kemudahan pencarian informasi di internet. Dengan mengakses lebih dari 1.3 milyar halaman web, Google mengantarkan hasil yang relevan dengan semua pemakai di seluruh dunia kurang dari setengah detik. Sampai hari ini, Google telah merespon lebih dari 100 juta permintaan pencarian dalam sehari.

Dua mahasiswa Ph.D. dari Stanford, Larry Page dan Sergey Brin, mendirikan Google tahun 1998. Perusahaan pribadi itu mengumumkan pada bulan Juni 1999 bahwa perusahaan itu telah memiliki sumber pendanaan sebesar $25 juta. Sumber pendanaan perusahaan meliputi Kleiner Perkins Caufield & Byers dan Sequioa Capital. Google menyajikan layanan melalui situs publik miliknya,

www.google.com. Perusahaan juga menawarkan solusi pencarian web secara co-branded untuk para penyedia informasi.

Teknologi pencarian Google yang inovatif dan tata muka pemakainya yang elegan menempatkan Google pada posisi yang jauh berbeda dari mesin pencarian generasi pertama yang tersedia saat ini. Dibandingkan dengan hanya menggunakan teknologi kata kunci atau metasearch, Google memakai teknologi terbaru PageRank yang sedang dipatenkan, teknologi ini menjamin informasi-informasi yang terpenting akan ditampilkan dahulu.

PageRank menampilkan pengukuran yang objektif mengenai tingkatan halaman web dan diukur dengan cara menyelesaikan sebuah persamaan dengan 500 juta variabel dengan lebih dari 2 milyar kondisi. PageRank menggunakan

struktur keterkaitan yang sangat luas seperti dalam sebuah struktur organisasi. Pada intinya, Google menginterpretasikan sebuah keterkaitan dari Halaman A ke Halaman B sebagai sebuah "suara" oleh Halaman A untuk Halaman B. Google menilai pentingnya halaman web berdasarkan perolehan suara yang diperoleh. Google juga menganalisa halaman yang memberikan suara.

Metode-metode pencarian Google yang otomatis dan kompleks tidak membolehkan adanya gangguan dari manusia. Tidak seperti mesin pencari yang lain, Google disusun agar tak seorangpun dapat membeli "tempat yang lebih tinggi" di hasil pencarian atau mengubah hasil pencarian untuk tujuan komersial. Pencarian Google adalah pencarian yang jujur dan obyektif dalam mencari

website yang bermutu tinggi dengan cara yang mudah.

(http://www.google.co.id/intl/id/profile.html)

2.8 Aplikasi Client-Server

Dengan semakin berkembangnya teknologi jaringan komputer, sekarang ini ada kecenderungan sebuah sistem yang menggunakan jaringan untuk saling berhubungan. Dalam jaringan tersebut, biasanya terdapat sebuah komputer yang

disebut server, dan beberapa komputer yang disebut client. Server adalah

komputer yang dapat memberikan service (memberikan respon) kepada client,

sedangkan client adalah komputer yang mengakses beberapa service yang ada di

server. Ketika client membutuhkan suatu service yang ada di server, dia akan mengirimkan request kepada server lewat jaringan. Jika request tersebut dapat

dilaksanakan, maka server akan mengirimkan balasan berupa service yang

adalah cenderung pasif, menunggu request, menerima request, memproses request

dan mengirimkan balasan berupa service. Sebaliknya dengan client yang

cenderung aktif, mengirim request, menunggu dan menerima balasan dari server .

(http://bebas.vlsm.org)

Sebuah client adalah suatu aplikasi, atau komponen yang meminta sebuah layanan dari obyek lain. Obyek yang menerima permintaan memberikan layanan

yang ada lewat metode-metode publiknya. Karenanya, obyek ini adalah server

dalam hubungan demikian karena ia menyediakan sebuah layanan. Sebuah obyek dapat menjadi server pada suatu obyek dan sebuah client dari obyek lain secara bersamaan, yang mana merupakan model dari kehidupan sehari-hari (William Stamakis, 2001).

Menurut Yuswanto (2005) dalam bukunya yang berjudul “Pemrograman Client-Server Microsoft Visual Basic 6.0 Jilid 1” dijelaskan dasar dari arsitektur

client-server sebenarnya cukup sederhana yaitu komputer yang berbeda melakukan tugas yang berbeda, dan setiap komputer dapat dioptimalkan untuk

suatu tugas tertentu. Pada arsitektur client-server, aplikasi dipecah-pecah menjadi

2 (dua) komponen utama yang bekerja sama untuk mencapai satu tujuan bersama.

Komponen-komponen ini disebut Tier (tingkat), dan setiap tingkat

mengimplementasikan tugas yang berbeda. Teknologi client-server menjadi

sangat populer karena banyak tugas pemrosesan yang dilakukan pada komputer

2.9 Protokol TCP/IP

Pada dasarnya komunikasi data merupakan proses mengirimkan data dari satu komputer ke komputer yang lain. Untuk dapat mengirimkan data, pada komputer harus ditambahkan alat khusus, yang dikenal sebagai network interface (interface jaringan). Jenis interface jaringan ini bermacam-macam, bergantung pada media fisik yang digunakan untuk mentransfer data tersebut.

Dalam proses pengiriman data ini terdapat beberapa masalah yang harus dipecahkan. Pertama, data harus dapat dikirimkan ke komputer yang tepat, sesuai tujuannya. Hal ini akan menjadi rumit jika komputer tujuan transfer data ini tidàk berada pada jaringan lokal, melainkan di tempat yang jauh. Jika lokasi komputer yang saling berkomunikasi "jauh" (secara jaringan) maka terdapat kemungkinan data rusak atau hilang Karenanya, perlu ada mékanisme yang mencegah rusaknya data.

Hal lain yang perlu diperhatikan ialah, pada komputer tujuan transfer data mungkin terdapat lebih dari. satu aplikasi yang menunggu datangnya data. Data yang dikirim harus sampai ke aplikasi yang tepat, pada komputer yang tepat, tanpa kesalahan.

Cara alamiah, untuk menghadapi setiap masalah yang rumit ialah memecahkan masalah tersebut menjadi bagian yang lebih kecil. Dalam memecahkan masalah transfer data di atas, para ahli jaringan komputer pun melakukan hal yang sama. Untuk setiap problem komunikasi data, diciptakan solusi khusus berupa aturan-aturan untuk menangani problem tersebut. Untuk me-nangani semua rnasalah komunikasi data, keseluruhan aturan ini harus bekerja

sama satu dengan lainnya. Sekumpulan aturan untuk mengatur proses pengiriman

data ini disebut sebagai protokol kornunikasi data. Prbtokol ini

diimplementasikan dalam bentuk program komputer (software) yang terdapat pada komputer dan, peralatan komunikasi data lainnya.

TCP/IP adalah sekumpulan protokol yang didesain untuk melakukan

fungsi-fungi komunikasi data pada Wide Area Network (WAN). TCP/IP terdiri atas

sekumpulan protokol yang masing-masing bertanggung jawab atas bagian-bagian tertentu dari komunikasi data. Berkat prinsip in tugas masing-masing protokol menjadi jelas dan sederhana. Protokol yang satu tidak perlu mengetahui cara kerja protokol yang lain, sepanjang ia masih bisa saling mengirim dan menerima data.

Berkat penggunaan prinsip ini, TCP/IP menjadi protokol komunikasi data yang fleksibel. Protokol TCP/IP dapat diterapkan dengan mudah di setiap jenis komputer dan interface jaringan, karena sebagian besar isi kumpulan protokol im tidak spesifik terhadap satu komputer atau peralatan jaringan tertentu. Agar TCP/IP dapat berjalan di atas interface jaringan tertentu, hanya perlu dilakukan perubahan path protokol yang berhubungan dengan interface jaringan saja.

Sekumpulan protokol TCP/IP ini dimodelkan dengan empat layer TCP/IP, sebagaimana terlihat pada gambar di bawah ini.

TCP/IP terdiri atas empat lapis kumpulan protokol yang tertingkat. Keempat lapis/layer tersebut adalah:

1. Network Interface Layer

2. Internet Layer

3. Transport Layer

4. Application Layer

Dalam TCP/IP, terjadi penyampaian data dan protokol yang berada di satu layer ke protokol yang berada di layer yang lain. Setiap protokol memperlakukan semua informasi yang diterimanya dari protokol lain sebagai data

Jika suatu protokol menerima data dari protokol lain di layer atasnya, ia akan menambahkan informasi tambahan miliknya ke data tersebut. Informasi ini memiliki fungsi yang sesuai dengan fungsi protokol tersebut. Setelah itu, data ini diteruskan lagi ke protokol path layer di bawahnya.

Hal yang sebaliknya terjadi jika suatu protokol menerima data dari protokol lain yang berada pada layer di bawahnya. Jika data ini dianggap valid, protokol akan melepas informasi tambahan tersebut, untuk kemudian meneruskan data itu ke protokol lain yang berada pada layer di atasnya.

Gambar 2.2 Pergerakan data dalam layer TCP/IP

Lapisan/Layer terbawah, yaitu Network Interface layer, bertanggung jawab

mengirim dan menerima data dari media fisik. Media fisiknya dapat berupa kabe!, serat optik, atau gelombang radio. Karena tugasnya ini, protokol pada layer ini harus mampu menerjemahkan sinyal listrik menjadi data digital yang dimengerti komputer, yang berasal dari peralatan lain yang sejenis.

Lapisan/Layer protokol berikutnya ialah Internet Layer. Protokol yang

berada pada layer ini bertanggung jawab dalam proses pengiriman paket ke alamat yang tepat Pada layer ini terdapat tiga macam protokol, yaitu IP, ARP, dan ICMP.

IP (Internet Protocol) berfungsi untuk menyampaikan paket data ke alamat

yang tepat. ARP (Address Resolution Protocol) ialah protokol yang digunakan

untuk menemukan alamat hardware dari komputer yang terletak pada network yang sama. Sedangkan ICMP (Internet Control Message Protocol) ialah protokol yang digunakan untuk mengirimkan pesan dan melaporkan kegagalan pengiriman data.

Layer berikutnya, yaitu Transport Layer, berisi protokolyang bertanggung jawab untuk mengadakan kornunikasi antara dua komputer. Kedua protokol

terse-but ialah TCP (Transmission Control Protocol) dan UDP (User Datagram

Protocol). Layer teratas, ialah Application Layer. Pada layer inilah terletak semua

aplikasi yang menggunakan protokol TCP/IP.

2.10 Interaksi Manusia dan Komputer

Interaksi manusia dan komputer menurut Wicaksono (2005:3) adalah bidang studi yang mempelajari, manusia, teknologi komputer dan interaksi antara kedua belah pihak, merupakan suatu disiplin ilmu yang mempelajari desain, evaluasi, implementasi dari sistem komputer interaktif untuk dipakai oleh manusia, beserta studi tentang faktor-faktor utama dalam lingkungan interaksinya.

Adapun karakteristik dari desain antar muka yang memperhatikan

usability adalah sebagai berikut : 1. User centered design

yang menitik beratkan kepada user dan task sejak awal pembuatan desain. 2. Participative design

User diartikan sebagai bagian dari tim desainer, agar terbentuk suatu desain

yang mudah dioperasikan.

3. Iterative design

Pembuatan desain, testing hingga penilaiannya dan pendesainan ulang

memenuhi spesifikasi usability yang diinginkan.

4. Experimental design

simulasi dan evaluasi prototype secara keseluruhan. 5. User supportive design

Melakukan pelatihan, seleksi manual jika diperlukan, seperti bantuan dari ”ahli” disekitarnya, misal :

a. online : spesifikasi bantuan konten desain. b. offline : customer service.

Gambar 2.3. Ilustrasi Interaksi Manusia dan Komputer (Sumber : Wicaksono, 2005:4)

Penelitian ini nantinya akan merancang dan membangun sebuah sistem berbasis desktop yang berjalan pada unit berbasis Windows untuk melakukan analisa pola keyword pencarian di Google dari sebuah jaringan komputer. Sistem yang akan dibuat nantinya bertujuan untuk mendapatkan pola assosiasi dari keyword-keyword yang dicari oleh user di jaringan pada websearch Google, dengan harapan dapat membantu manajemen STIKOM Surabaya dalam pengembangan ataupun restrukturisasi fasilitas kampus, ataupun dalam pengadaan event di lingkungan kampus.

3.1 Arsitektur Sistem

Secara garis besar sistem Go ‘n Run yang akan di bangun dapat digambarkan seperti Gambar 3.1 berikut :

Gambar 3.1 menjelaskan bahwa Go ’n Run nantinya akan terbagi menjadi 2 (dua) bagian, yaitu aplikasi yang berada di sisi server sebagai penganalisis data, dan aplikasi yang berada di setiap client baik yang terhubung secara wired ataupun wireless local area network sebagai pengumpul data. Server dan Client akan berada dalam satu jaringan yang sama meskipun tersambung dari hub wired network dan wireless access point yang berbeda.

Aplikasi client hanya akan memonitor aktivitas dari browser Internet Explorer. Setiap url yang diketikkan pada addressbar Internet Explorer akan dicatat dan kemudian dikirimkan ke aplikasi server. Sebagaimana umumnya aplikasi yang berjalan secara client-server, maka terlebih dahulu harus ditentukan IP address dari server dan juga port yang digunakan sebagai jalur komunikasi antara client dan server.

3.2 System Flow

Dalam menentukan arah atau alur suatu sistem dibutuhkan suatu cara perancangan untuk mendeskripsikan bagaimana tiap langkah yang dilakukan dalam sistem dan pengguna dapat diketahui, agar didapatkan suatu gambaran mengenai cara kerja dari sistem yang akan dibangun berdasarkan alur rancangan. Sebagaimana telah disebutkan sebelumnya, sistem ini nantinya akan terbagi menjadi 2 (dua) aplikasi utama, yaitu sisi client dan sisi server. Alur rancangan pada aplikasi client akan tampak seperti pada Gambar 3.2

! " " # $ ! # $ $$ % $

& $ ' ( & $) ! * $ + ' $ $ # $ , $ $ & $) + * - + ! * $ $ ' + $ # $ # $ -# $

Gambar 3.2. System Flow Aplikasi Client

Agar Go ’N Run client dapat digunakan dengan sempurna, terlebih dahulu harus ditentukan alamat IP server yang terpasang aplikasi Go ’N Run Server

beserta port yang sedang aktif digunakan menerima kiriman paket keyword Google. Begitu konfigurasi jaringan sudah dilakukan dan client sudah dapat terkoneksi dengan server, pada startup aplikasi Go ’N Run client berikutnya setiap aktifitas keluar masuknya client ke sistem server akan selalu dicatat di log server. Pencatatan ini berguna untuk membantu identifikasi client, sehingga dapat diketahui client mana saja (siapa saja) yang sedang online dan terhubung dengan aplikasi Go ’N Run server.

Fitur password dapat diaktifkan untuk mencegah pengubahan konfigurasi jaringan komunikasi dengan aplikasi server oleh pihak lain.

Aplikasi client akan mencatat semua url yang diketikkan di addressbar Internet Explorer. Url akan disaring sehingga hanya akan didapatkan url yang berasal dari domain Google. Data url Google akan disaring ulang, hingga akhirnya akan didapatkan kumpulan kata kunci yang dicari oleh user.

Secara periodik kata kunci akan dikirimkan ke aplikasi server untuk kemudian disimpan. Sehingga data dapat dianalisa di kemudian hari sesuai dengan kebutuhan analisis.

Sedangkan alur rancangan pada aplikasi server akan tampak seperti pada gambar 3.3

-' $ ' ( , $ -$ " ' ! ' ! + . # $ / 0 / $ 0 $ + * $ # $ " ) -+ " $ ) -+ $ # $ -+* $ # $ 1

Gambar 3.3. System Flow Aplikasi Server

Agar Go ’N Run server dapat digunakan dengan sempurna, terlebih dahulu harus ditentukan port manakah yang digunakan untuk melayani kiriman paket keyword dari client.

Kumpulan pola keyword pencarian yang telah terkumpul di server kemudian dilakukan analisa dengan memberikan batasan nilai Minimal Support dan Minimal Confident. Daftar yang dihasilkan adalah data yang memenuhi persyaratan nilai Minimal Support dan Minimal Confident.

User diberikan pilihan apakah daftar tersebut akan dicetak menjadi sebuah dokumen. Modul PDF Generator akan memproses daftar tersebut hingga dihasilkan sebuah file PDF yang memuat deskripsi singkat dari hasil analisis Market Basket Analysis, grafik frekuensi data, dan daftar kesimpulan analisis data. Di akhir proses user kembali diberikan pilihan, apakah file PDF tersebut akan didistribusikan atau tidak. Media email dipilih sebagai media distribusi berkas kepada pihak-pihak terkait. Untuk mempermudah identifikasi user penerima email, terlebih dahulu bisa diisikan data user pada buku alamat email Go ’N Run Server.

3.3 Flowchart Penerapan Market Basket Analysis

Proses terpenting pada aplikasi ini adalah penerapan metode Market Basket Analysis. Proses dimulai dengan pencatatan url dari browser Internet Explorer. Dari url yang berhasil dicatat, hanya akan diambil url yang berasal dari domain Google. Dari daftar baru yang hanya berisi url dari Google, akan dipecah-pecah sehingga didapatkan pola keyword yang dicari oleh user.

Pola-pola keyword kemudian akan dipecah menjadi daftar keyword tunggal. Kemudian dibuat tabel tabulasinkeyword untuk mengetahui jumlah keyword yang ditemukan per pola keyword yang ada. Dari tabel tabulasi dapat diketahui nilai support dan nilai confident dari tiap pola. Dengan membandingkan dengan

batasan nilai Minimal Support dan Minimal Confident didapatkan daftar akhir pola keyword yang ber-asosiasi dan memenuhi batasan nilai Minimal Support dan Minimal Confident. Aliran proses Market Basket Analysis yang diterapkan akan tampak seperti pada gambar 3.4.

3.4 Data Flow Diagram

Data Flow Diagram (DFD) berfungsi untuk menggambarkan proses aliran data yang terjadi di dalam sistem dari tingkat yang tertinggi sampai yang terendah, yang memungkinkan kita untuk melakukan dekomposisi. Dengan adanya dekomposisi, sistem dapat dibagi menjadi bagian-bagian yang lebih kecil dan lebih sederhana.

Desain DFD dalam sistem sering digunakan untuk menggambarkan suatu sistem yang telah ada atau sistem baru yang telah dikembangkan secara logika tanpa mempertimbangkan lingkungan fisik dimana data tersebut mengalir.” (H.M,1989:700)

3.4.1 Context Diagram

Desain DFD dalam sistem ini seperti dalam Gambar 3.5. Context diagram merupakan diagram pertama dalam rangkaian suatu DFD yang menggambarkan entitas-entitas yang berhubungan dengan suatu sistem informasi.

AttachedReport

Raw URL Hostname

Serverport

Usedport

Original PDF Report Min_Confident Min_Support Password

mailAddress 0

Analisis Pola Keyword Pencarian pada Google Menggunakan Market Basket

Analysis + Client User Internet Explorer Departemen PPTI

Dari Context Diagram dapat diketahui bagaimana sistem akan berjalan secara garis besarnya. Sistem akan membutuhkan inputan dari user client berupa URL yang dituliskan pada addressbar browser Internet Explorer. Dan bagian PPTI untuk mendapatkan daftar pola keyword terlebih dahulu harus menentukan besarnya nilai Minimum Frequent, Minimum Support dan Minimum Confidence. Sebagai kesimpulan awal, dari Minimum Frequent, Minimum Support dan Minimum Confidence yang berbeda maka akan didapatkan daftar pola keyword yang berbeda pula.

3.4.2 Diagram Berjenjang

Diagram berjenjang merupakan alat perancangan sistem yang dapat menampilkan seluruh proses yang terdapat pada suatu sistem tertentu dengan jelas dan terstruktur. Pada rancangan sistem Go ’n Run ini terdiri dari 8 (delapan) proses utama yaitu proses Membangun Knowledgebase, Mengolah URL, Mendapatkan Keyword Pencarian dan Market Basket Analysis. Masing-masing dari proses utama tersebut akan dijabarkan kembali ke dalam beberapa sub proses. Dari diagram berjenjang berikut ini akan terlihat masing-masing sub level dari Data Flow Diagram (DFD)

Seluruh proses yang terbentuk merupakan penjabaran dari masing-masing proses diatasnya dimana proses proses Membangun Knowledgebase, Mengolah URL, Mendapatkan Keyword Pencarian dan Market Basket Analysis dapat diturunkan (decomposition) lagi menjadi beberapa sub proses. Adapun secara garis besar, diagram berjenjang yang membangun rancangan aplikasi digambarkan seperti pada Gambar 3.6.

Gambar 3.6. Diagram Berjenjang Sistem Go ’n Run

3.4.3 DFD Level 0

DFD level 0 merupakan proses decompose dari context diagram. DFD level 0 menggambarkan tiap-tiap proses yang terdapat dalam sistem Go ‘n Run. Adapun DFD level 0 untuk sistem ini seperti pada Gambar 3.7

PPTIPPTIPPTI PPTI [AttachedReport] PDFFiles ServerIdentifier PasswordNotification ClientIdentifier AnalysisResult PatternKeyword PatternKeyword ClientIdentifier [Usedport] [mailAddress] [Password] [Min_Confident] _{[Min_Support]}

[Original PDF Report]

[Hostname] [Serverport]

[Raw URL] _Internet Explorer Client User Client User 1 URL_Handler + 2 Password Handler 3 TCPIP_Handler 4 MarketBasketAnalysis + 5 Report_Generator + 6 MailSender + 7 TCPIP_Handler 8 Log_Handler 1 DailyPacket 2 SystemLog Departemen Client User

PROSES DI CLIENT PPTI

PROSES DI SERVER

. Gambar 3.7. DFD Level 0 Sistem Go ’n Run

Pada DFD level 0 ini menggambarkan diagram yang sudah diturunkan dari context diagram. Diagram ini untuk memperjelas bahwa sistem ini nantinya akan terpecah menjadi 2 (dua) bagian utama, yaitu aplikasi Client dan aplikasi Server.

3.4.4 DFD Level 1 Proses URL Handler

DFD Level 1 Proses URL Handler menggambarkan secara garis besar bagaimana proses yang terjadi di dalam aplikasi Client. Pada DFD Level 1 Proses

Url Handler, sistem akan mencatat semua url yang tertulis di addressbar Internet Explorer. Selanjutnya url yang tercatat akan dipilih hanya yang berasal dari domain Google. Dari tiap url domain Google, sistem akan mencoba mengenali pola keyword yang sebelumnya diketikkan oleh user dalam proses searching. Setelah didapatkan pola akhir keyword pencarian, pola keyword tersebut akan dikirimkan ke aplikasi server untuk kemudian dianalisa lebih lanjut. Untuk proses DFD level 1 Proses UrlHandler dapat dilihat pada Gambar 3.8.

rawPaternKeyword GoogleUrl validUrl [PatternKeyword] [Raw URL] Internet

Explorer 1 DailyPacket

1.1 getUrl 1.2 getGoogleUrl 1.3 getKeyword 1.4 sendKeyword

. Gambar 3.8. DFD Level 1 Proses URL Handler

3.4.5 DFD Level 1 Proses Market Basket Analysis

DFD Level 1 Proses Market Basket Analysis menggambarkan proses paling utama dari sistem Go ’n Run Server. Dari semua keyword yang terkumpul dilakukan penghitungan frekwensi keyword hingga akhirnya didapatkan daftar frequent keyword. Daftar frequent keyword nantinya akan digunakan sebagai input pada proses Apriori. Dengan menentukan terlebih dahulu nilai Minimum Support dan Minimum Confidence, dari proses Apriori akan didapatkan daftar pola

keyword keyword yang memenuhi nilai Minimum Support dan Minimum Confidence. Untuk proses DFD level 1 Proses Market Basket Analysis dapat dilihat pada Gambar 3.9.

AcceptedValue FrequentKeyword [AnalysisResult] [PatternKeyword] [Min_Support] [Min_Confident] PPTI PPTI 1 DailyPacket Report_Generator 4.1 Generate Tabel Tabular 4.2 Hitung Nilai Support 4.3 Hitung Nilai Confident

Gambar 3.9. DFD Level 1 Proses Market Basket Analysis

3.4.6 DFD Level 1 Report Generator

DFD Level 1 Report Generator menggambarkan bagaimana sistem mengolah data tabular hasil analisis menjadi data visual berupa grafik dan pembacaan tabel. Report yang dihasilkan dibuat sesederhana mungkin sehingga memudahkan orang awam untuk memahami hasil dari analisa yang dilakukan. Hasil dari analisis yang pada awalnya masih berupa tabel mungkin akan sedikit menyulitkan bagi yang masih awam dengan hasil matematis. Oleh karena itu kemudian dibuat dalam bentuk grafik. Dari grafik yang dihasilkan kemudian ditambahkan dengan cara pembacaan tabel hasil analisis dibuat dalam bentuk

dokumen PDF. Dipilih file PDF karena hasil ini tidak memerlukan proses editing lagi (read only). Untuk proses DFD Level 1 Report Generator dapat dilihat pada Gambar 3.10.

ChartValue

[AnalysisResult]

[Original PDF Report]

[PDFFiles] PPTI MarketBasketAnalysis

MailSender 5.1

ChartGenerator

5.2 PDFGenerator

Gambar 3.10. DFD Level 1 Report Generator

3.4.7 DFD Level 1 Mail Sender

DFD Level 1 Mail Sender menggambarkan bagaimana aplikasi server mendistribusikan file PDF hasil analisis ke pihak-pihak terkait untuk dijadikan masukan pembuatan kebijakan. Untuk memudahkan mengenali siapa saja penerima laporan hasil analisis, sebelumnya harus sudah dimiliki daftar alamat email distribusi laporan. File PDF yang dihasilkan proses analisa akan dikirimkan sebagai attachment file ke alamat email yang dipilih. Untuk proses DFD Level 1 Mail Sender dapat dilihat pada Gambar 3.11.

EmailAddress

[AttachedReport]

[PDFFiles] [mailAddress]

PPTI

Report_Generator Departemen

6.1 Mailbook

6.2 AttachFile

Gambar 3.11. DFD Level 1 Mail Sender

3.5 Desain File Pendukung

Dibutuhkan beberapa file pendukung yang diperlukan agar sistem dapat berjalan dengan baik.

3.5.1. File iexplore.dll

Lokasi : Client – Folder plugins Type : Application Extension.

Fungsi : Mengenali browser Internet Explorer.

Keterangan : File diperlukan untuk bisa mengenali browser Internet Explorer dan mencatat url yang ada di addressbar Internet Explorer.

3.5.2. File Interfaces.dll Lokasi : Client.

Type : Application Extension.

Fungsi : Mengenali plugin yang ada di folder aplikasi client.

Keterangan : File diperlukan untuk bisa mengenali plugin yang ada di folder aplikasi client.

Gambar 3.13. File interface.dll

3.5.3. File dotnetCHARTING.WinForms.dll Lokasi : Server

Type : Application Extension.

Fungsi : Komponen untuk membuat grafik.

Keterangan : File diperlukan saat melakukan chartGenerator untuk mengubah data berupa table kedalam bentuk grafik.

Gambar 3.14. File dotnetCHARTING.WinForms.dll

3.5.4. File itextsharp.dll Lokasi : Server.

Type : Application Extension.

Fungsi : Komponen untuk membuat laporan berupa file PDF.

Keterangan : File diperlukan saat melakukan pdfGenerator untuk mencetak report menjadi sebuah file PDF.

Gambar 3.15. File itextsharp.dll

3.5.5. File 0.csv Lokasi : Server.

Type : Microsoft Office Excel Comma Separated Values File. Fungsi : Tabel Tabular, berisi nilai frekuensi dari tiap keyword.

Keterangan : Bersifat temporary. Hanya dibuat saat dilakukan proses analisa dan langsung dihapus begitu proses analisa selesai.

Gambar 3.16. File 0.csv

3.6 Desain Antar Muka

Untuk membagi fungsionalitas masing-masing bagian, maka desain user interface juga akan dibagi menjadi 2 bagian, yaitu :

3.6.1 Aplikasi Client A. Desain Form Utama

Form Utama dari aplikasi Client memiliki tampilan yang sederhana namun tetap informatif. Aplikasi akan menampilkan secara sederhana informasi IP Address client, daftar plugins yang dikenali di client, konfigurasi password untuk mengamankan aplikasi, dan konfigurasi dari server untuk jalus komunikasi data antara client dan server. Berikut desain tampilan utama aplikasi Client tampak seperti pada gambar Gambar 3.17.

0 0 0 - $ *

$ $

/ *

Gambar 3.17. Desain Form Utama Client

3.6.2 Aplikasi Server

A. Desain Form Utama – Tab Status.

Pada desain form utama server ada 6 (enam) tombol fungsi dan 3 (tiga) tab tampilan informasi. Tombol-tombol tersebut adalah:

a. Mail : Mengirimkan email (ataupun berikut attachment file). b. Analysis : Melakukan analisa Market Basket Analysis

c. Minimize : Mengirimkan aplikasi ke taskbar (kondisi minimize) d. Tray : Mengirimkan aplikasi ke tasktray (kondisi notify icon) e. Option : Melakukan konfigurasi terhadap aplikasi

Sedangkan tab informasi terdiri dari:

a. Status : Menampilkan kondisi dari server ataupun client yang terhubung dengan server.

b. Host : Menampilkan jumlah dan daftar client yang sedang aktif dan terhubung dengan aplikasi server.

c. MBA : Serupa dengan tombol Analysis, berfungsi untuk melakukan proses analisa Market Basket Analysis.

Berikut desain tampilan utama aplikasi Server tampak seperti pada pada Gambar 3.18.

Gambar 3.18 Desain Form Utama Server

Pada list status, akan dicatat kapan aplikasi server mulai dijalankan ataupun dimatikan. Selain itu juga dicatat setiap kali ada aplikasi client yang terhubung ataupun terputus dengan aplikasi.

Di bagian bawah taskbar ada informasi mengenai tanggal dan waktu dari sistem sekarang ini.

B. Desain Form – Tab Host.

Pada tab ini seorang admin dapat mengetahui jumlah client yang sedang terhubung, serta mengetahui informasi identitas dari masing-masing client. Informasi identitas tersebut berupa IP Address, Nama Komputer Client, Nama Workgroup, MAC Address dan pabrikan produsen networkcard tersebut. Berikut desain form tab Host tampak seperti pada Gambar 3.19.

Gambar 3.19. Desain Form Tab Host

Setiap kali ada client yang terkoneksi maka identitas client akan otomatis ditambahkan di daftar host ini. Begitu pula sebaliknya, bila ada client yang sebelumnya sudah terhubung dengan aplikasi server kemudian keluar dari jaringan maka akan dihapus dari daftar host.

C. Desain Form – Tab MBA.

Pada tab ini seorang admin dapat melakukan proses analisis Market Basket Analysis. Pemilihan sumber data dibedakan menjadi 2 (dua) bagian, yaitu Data Single dan Data Periodic.

Data Single dipakai untuk melakukan analisa data tunggal, baik harian, bulanan atau tahunan. Harian Single berarti hanya dari 1 (satu) tanggal saja, Bulanan Single hanya dari 1 (satu) bulan saja, dan Tahunan Single hanya dari 1 (satu) tahun saja. Berikut desain form tab MBA data single tampak seperti pada Gambar 3.20.

Gambar 3.20. Desain Form Tab MBA Single

Sedangkan Data Periodic dipakai untuk melakukan analisa data pada interval waktu tertentu, baik harian, bulanan atau tahunan. Harian Periodic berarti data dari tanggal sekian hingga tanggal sekian, Bulanan Periodic berarti data dari bulan sekian hingga bulan sekian, dan Tahunan Periodic berarti data dari tahun

sekian hingga tahun sekian. Berikut desain form tab MBA data periodic tampak seperti pada Gambar 3.21.

Gambar 3.21. Desain Form Tab MBA Periodic

Selain harus menentukan rentang waktu sumber data yang akan dianalisa, terlebih dahulu juga harus ditentukan nilai batasan Minimal Support dan Minimal Confident sesuai kebutuhan analisa.

Di tab MBA juga disertakan informasi jumlah file yang berkaitan dengan aplikasi ini, yaitu: jumlah Log File, jumlah Data File dan jumlah PDF Report File yang dihasilkan dari aplikasi ini.

D. Desain Form Email.

Pada form Email ini admin dapat mengirimkan pesan email, baik hanya berupa teks ataupun disertai attachment file. Pada tampilan utama admin dapat menentukan alamat tujuan email, judul atau topik email, file yang akan disertakan

dalam email, dan pesan tambahan yang mungkin diperlukan. Berikut desain tampilan utama aplikasi Server tampak seperti pada pada Gambar 3.22

Gambar 3.22. Desain Form Email Sender

Untuk memastikan pesan ataupun file yang dikirim sampai pada orang yang tepat, terlebih dahulu bisa dibuat daftar nama serta alamat email penerima di bagian mailbook. Nama bisa ditulis sejelas dan selengkap mungkin untuk memastikan tidak ada nama yang tertukar ataupun salah kirim. Berikut desain tampilan utama aplikasi Server tampak seperti pada pada Gambar 3.23.

*

$$ *

2

Gambar 3.23. Desain Form Email Book

E. Desain Form Option.

Form ini nantinya berfungsi untuk memasukkan konfigurasi aplikasi agar dapat dipakai dengan normal. Ada 2 (dua) tab konfigurasi, yaitu Connection dan Mail Account. Konfigurasi Connection berfungsi untuk menentukan port yang digunakan agar aplikasi server dapat berkomunikasi dan menerima data dari aplikasi client. Berikut desain tampilan utama aplikasi Server tab Configuration tampak seperti pada pada Gambar 3.24

*

Gambar 3.24. Desain Form Option – Connection

Konfigurasi Mail Account berfungsi untuk memasukkan data akun email, sehingga aplikasi server dapat mendistribusikan pesan dan file report ke alamat yang dituju. Konfigurasi yang harus dimasukkan diantaranya Nama Pengirim, Nama server email, Port yang digunakan, alamat email Pengirim dan password email. Khusus data untuk Nama Server dan Port Email bisa ditanyakan kepada administrator server yang bersangkutan. Berikut desain tampilan utama aplikasi Server tab Mail Account tampak seperti pada pada Gambar 3.25

*

$ *

' *

* $ *

4.1 Implementasi Sistem

Tahap ini merupakan pembuatan perangkat lunak yang disesuaikan dengan rancangan atau desain sistem yang telah dibuat. Aplikasi yang dibuat akan diterapkan berdasarkan kebutuhan. Selain itu aplikasi ini akan dibuat sedemikian rupa sehingga dapat memudahkan pengguna untuk menggunakan aplikasi Go ‘n Run.

Sebelum menjalankan aplikasi ini, ada hal yang harus diperhatikan yaitu

kebutuhan sistem. Sesuai dengan kebutuhan untuk merancang sistem diperlukan perangkat keras dan perangkat lunak dengan kondisi tertentu agar sistem dapat berjalan dengan baik.

4.2 Kebutuhan Sistem

Sistem Go ’n Run memerlukan perangkat lunak (software) dan perangkat

keras (hardware), agar dapat berjalan sesuai dengan yang diharapkan.

4.2.1 Kebutuhan Perangkat Keras

Kebutuhan perangkat keras minimal yang digunakan untuk menjalankan

sistem Go ’n Run ini adalah :

1. Kebutuhan untuk server:

- Processor Pentium IV Core2Duo @2.00GHz, atau di atasnya

- Memory 2048Mb atau lebih,

- Monitor dengan resolusi minimal 800 x 600,

- VGA Card, Mouse, dan Keyboard.

- Network Card Adapter (dapat berupa Wired ataupun Wireless)

2. Kebutuhan untuk client:

- Processor Pentium IV 1.8GHz, atau di atasnya

- Memory 512Mb atau lebih,

- Harddisk 5 Gb atau lebih,

- Monitor dengan resolusi minimal 800 x 600,

- VGA Card, Mouse, dan Keyboard.

- Network Card Adapter (dapat berupa Wired ataupun Wireless)

4.2.2 Kebutuhan Perangkat Lunak

Kebutuhan perangkat lunak minimal yang digunakan untuk menjalankan

sistem Go ’n Run ini adalah :

1. Kebutuhan perangkat lunak untuk server yaitu Sistem Operasi Windows XP

Profesional Edition atau versi terbaru selanjutnya, .Net Framework 2.0, dan Adobe Acrobat Reader atau PDF Reader sejenis lainnya.

2. Kebutuhan perangkat lunak untuk client yaitu Sistem Operasi Windows XP

atau versi terbaru selanjutnya, .Net Framework 2.0, dan Internet Explorer versi 6.0 atau versi terbaru selanjutnya.

4.3 Pembuatan Program

Sistem Go ’n Run dirancang dan dibuat dengan menggunakan bantuan

a. Untuk Sistem operasi menggunakan Windows XP Profesional Edition Service Packs 3

b. Untuk aplikasi pemrograman menggunakan Microsoft Visual Studio 2008

Professional template Windows Application dan code behind Visual Basic

.NET.

c. .Net Framework Minimal Versi 2.0.

d. Untuk report menggunakan komponen iTextSharp for Visual Studio .NET.

e. Untuk perancangan sistem menggunakan Power Designer 6.0.

f. Untuk perancangan desain input/output menggunakan Microsoft Office Visio

2007.

g. Untuk dokumentasi menggunakan Microsoft Office Word 2007.

4.4 Implementasi Sistem

Setelah semua kebutuhan sistem terpenuhi, untuk menjelaskan proses yang

ada pada sistem Go ’n Run ini didapatkan tampilan program sebagai berikut:

4.4.1 Client – Form Utama

Aplikasi Client akan lebih dominan pada fungsi data collector, yaitu

pengumpul informasi dari masing-masing unit PC. Data kemudian dikirimkan ke

aplikasi Server untuk dilakukan fungsi analisis. Pada form utama aplikasi Client,

ditampilkan daftar plugins yang dikenali oleh sistem, field password untuk

mengunci sistem, alamat ip dari server serta port yang digunakan untuk melayani

request komunikasi data client-server. Tampilan utama aplikasi Client dapat dilihat pada gambar 4.1.

Gambar 4.1 Form Utama Client

Dari tampilan utama aplikasi client, user dapat mengetahui IP client dari PC yang sedang dia pakai, serta plugin yang dikenali di PC tersebut.

Di bagian bawah ada konfigurasi data server. Data yang dimaksud adalah

alamat IP dan port dari server. Agar berjalan dengan normal terlebih dahulu data

server harus diisi. Detail data bisa ditanyakan ke administrator jaringan setempat.

Adapun beberapa penyebab aplikasi client tidak bisa berjalan dengan

1. Unit client tidak dapat terhubung dengan unit server.

2. Unit client dapat terhubung dengan unit server, akan tetapi alamat IP yang

dimasukkan di aplikasi client salah.

3. Unit client dapat terhubung dengan unit server, alamat IP yang dimasukkan di

aplikasi client benar, akan tetapi port yang dimasukkan di aplikasi client

salah.

4. Unit client dapat terhubung dengan unit server, alamat IP yang dimasukkan di

aplikasi client benar, port yang dimasukkan di aplikasi client benar, akan

tetapi aplikasi di unit server sedang tidak aktif.

Bila salah satu penyebab diatas terjadi, maka aplikasi client akan

memberitahukan pesan peringatan. Pesan peringatan tersebut dapat dilihat pada gambar 4.2.

Gambar 4.2 Pesan Server Tidak Ditemukan

Dan aplikasi client akan beralih ke mode standby ditandai dengan

munculnya icon di tasktray area menunggu hingga aplikasi server aktif dan dapat

dijangkau. Pesan kesalahan tersebut dapat dilihat pada gambar 4.3.

Di atas konfigurasi data server ada pilihan aktifasi Super User. Modul ini

dimaksudkan untuk member proteksi pada aplikasi client sehingga konfigurasi

data server yang sebelumnya telah dimasukkan tidak dapat diubah oleh

sembarang orang.

Saat modul Super User sudah diaktifkan, user diharuskan memasukkan kata

sandi untuk mengamankan aplikasi. Jika modul Super User sudah diaktifkan dan

password dibiarkan kosong akan muncul pesan kesalahan. Pesan peringatan tersebut dapat dilihat pada gambar 4.4.

Gambar 4.4 Pesan Password Kosong

Untuk menghindari terjadinya kesalahan saat memasukkan password baru, user diharuskan mengetik password 2 (dua) kali. Jika kedua password tersebut tidak sama maka akan muncul pesan kesalahan. Pesan peringatan tersebut dapat dilihat pada gambar 4.5.

Jika dua password baru yang dimasukkan sama maka akan muncul pesan konfirmasi. Pesan konfirmasi tersebut dapat dilihat pada gambar 4.6.

Gambar 4.6 Pesan Password Konfirmasi Cocok

Setelah modul Super User diaktifkan, setiap kali aplikasi client dicoba untuk

dikonfigurasi akan muncul form Login sebagai proses verifikasi user seperti pada

gambar 4.7.

Gambar 4.7 Form Login

Jika password yang dimasukkan salah, akan muncul pesan peringatan

seperti pada gambar 4.8.

Jika password yang dimasukkan benar, akan muncul tampilan aplikasi client

dalam kondisi modul Super User sedang aktif seperti pada gambar 4.9

Gambar 4.9 Modul Super User Sedang Aktif

Jika user mencoba mematikan modul Super User, aplikasi akan mencoba

mengkonfirmasi apakah modul Super User akan benar-benar dimatikan seperti

pada gambar 4.10.

Pilihan Cancel akan menampilkan kembali tampilan form sebelumnya

sedangkan pilihan OK akan memberitahukan bahwa modul Super User berhasil

dimatikan seperti pada gambar 4.11.

Gambar 4.11 Pesan Notifikasi Deaktivasi Modul Super User.

Saat mode standby ada 2 (dua) menu yang bisa dijumpai di icon tasktray

aplikasi client:

1. Settings : Menampilkan form utama client

2. Exit : Menampilkan pesan konfirmasi apakah user ingin benar-benar keluar

dari aplikasi seperti pada gambar 4.12.

4.4.2 Server – Form Utama

Sebagaimana telah dijelaskan pada pembahasan form utama Client, aplikasi

Server akan memiliki fungsi utama sebagai Analysis. Semua pattern dari setiap

aplikasi client yang tersebar di jaringan akan dikirimkan ke aplikasi server untuk

dilakukan proses analisis. Tampilan utama aplikasi Client dapat dilihat pada

gambar 4.13.

Gambar 4.13 Form Utama Server

Pada form utama server ada 6 (enam) tombol fungsi dan 3 (tiga) tab tampilan informasi. Tombol-tombol tersebut adalah:

1. Mail : Mengirimkan email (ataupun berikut attachment file). Dari tombol ini user dapat mengirimkan email biasa ataupun menjalankan fungsi filesender hasil analisa nanti.

2. Analysis : Melakukan analisa Market Basket Analysis.

3. Minimize : Mengirimkan aplikasi ke taskbar (kondisi minimize).

4. Tray : Mengirimkan aplikasi ke tasktray (kondisi notify icon, mode

standby)

5. Option : Melakukan konfigurasi terhadap aplikasi. Dari tombol ini user

dapat mengatur konfigurasi dari aplikasi server agar dapat berjalan dengan normal dalam menerima pattern keyword dari aplikasi client ataupun mengirimkan PDF report ke email tujuan.

6. Exit : Menutup aplikasi server.

Tab informasi terbagi menjadi 3 (tiga) tab, yaitu :

1. Status : Menampilkan update status aktifitas dari server dan client. Setiap

kali aplikasi client ataupun server dijalankan dan dimatikan akan dicatat di tab Status. Selain itu sebagai arsip dibuat salinan file .log di folder \log dengan nama autoname tanggal sistem dalam format yyyymmdd.log

2. Host : Menampilkan detail identitas dari client yang sedang terhubung

dengan aplikasi server. Di tab host juga sekaligus menampilkan jumlah client yang sedang terhubung dengan aplikasi server.

3. MBA : Serupa dengan tombol Analysis, berfungsi untuk melakukan proses

4. Setiap kali dibuat laporan hasil analisa akan secara otomatis disimpan sebagai file .pdf dengan nama file otomatis digenerate berdasarkan waktu pembuatannya. File PDF disimpan di folder \report.

5. Setiap hari dibuat file log aktivitas server yang secara otomatis disimpan sebagai file .log dengan nama file otomatis digenerate berdasarkan waktu pembuatan tanggal harian. File .log disimpan di folder \log.

6. Data pattern keyword yang diterima aplikas server akan disimpan sebagai file .sp dengan nama file otomatis digenerate berdasarkan waktu pembuatan tanggal harian. File .sp disimpan di folder \data\daily.

7. Sebelum melakukan proses Market Basket Analysis terlebih dahulu ditentukan besarnya nilai Min. Support dan Min. Confidence. Hasil yang didapat otomatis diurutkan dari atas dimulai dari nilai confidence tertinggi.

4.6 Uji Data Lapangan

Perangkat keras yang dipergunakan pada uji lapangan ini adalah komputer dengan prosesor Intel Pentium IV Core2Duo 2.0 GHz dengan memori sebesar 2048 MB. Sedangkan sistem operasi yang dipergunakan adalah Windows XP Profesional Edition Service Pack 2. Uji lapangan ini dilakukan selama 2 minggu yaitu mulai tanggal 1 Agustus 2011 sampai dengan tanggal 16 Agustus 2011.

Dari hasil uji lapangan diketahui bahwa selama periode uji lapangan telah terjadi 897 kali pola pencarian di websearch Google. Untuk mengetahui semua aturan asosiasi yang dihasilkan, proses analisa Market Basket Analysis dilakukan dengan memberikan batasan minimum support sebesar 0% dan minimum confidence sebesar 0%.

Dari proses analisa dihasilkan 796 aturan asosiasi keyword pencarian dengan nilai confidence tertinggi sebesar 97% yaitu User pencari kata (buku) juga mencari kata (blog) dan nilai confidence terendah sebesar 1%. Untuk melakukan proses analisa ini diperlukan waktu selama hampir 3,5 jam (03:24:44). Detail hasil uji data lapangan dapat dilihat di bagian lampiran 1.

Tabel 4.7 Top Ten Hasil Uji Data Lapangan

Aturan Asosiasi Nilai Confidence

User pencari kata (buku) juga mencari kata (blog) 97% User pencari kata (buku) juga mencari kata (download)(pdf) 95% User pencari kata (buku) juga mencari kata (ebook)(script) 94% User pencari kata (buku) juga mencari kata (pdf)(blog) 92% User pencari kata (buku) juga mencari kata (script) 90% User pencari kata (ebook) juga mencari kata (asp.NET)(free) 90% User pencari kata (ebook) juga mencari kata (blog) 90% User pencari kata (ebook) juga mencari kata (blog)(tutorial) 90% User pencari kata (ebook) juga mencari kata (buku)(script) 90% User pencari kata (ebook) juga mencari kata (download)(asp.NET) 90%

85 5.1 Kesimpulan

Kesimpulan yang dapat diambil dari hasil analisa dan uji coba pembuatan aplikasi Keyword Patern Searching Analyzer adalah :

1. Metode Market Basket Analysis dapat digunakan untuk menganalisa pola keyword pencarian pada Google.

2. Arsitektur aplikasi Keyword Patern Searching Analyzer pada dasarnya terbagi menjadi 2 (dua) bagian utama, yaitu client side (aplikasi yang di-install di client)dan server side (aplikasi yang di-install di server).

3. Client side dapat mencatat url yang diketikkan user pada Internet Explorer pada masing-masing client PC. Pada saat user melakukan pencarian di Google, dapat diketahu pola keyword yang pernah dicari oleh user. Keyword dikirimkan ke server untuk kemudian dilakukan analisa lebih lanjut oleh aplikasi pada server side.

4. Server side dapat menangkap semua kiriman pola keyword dari client yang terkoneksi di jaringan. Berdasarkan pola keyword yang telah terkumpul, aplikasi server side dapat menemukan association rule dari keyword yang dicari oleh user client di Googlesesuai kebutuhan dengan parameter pembatas berupa minimum support dan minimum confident.

5. Output dari aplikasi Keyword Patern Searching Analyzer yang berupa informasi mengenai keyword apa saja yang dicari secara bersamaan oleh

pengguna search engine Google, masih berupa laporan umum. Daftar ini dapat didistribusikan ke pihak-pihak terkait sebagai bahan masukan pembuatan keputusan.

6. Contoh menerapkan informasi yang dihasilkan oleh aplikasi Keyword Patern Searching Analyzer ini adalah dapat disimpulkan bahwa semakin tinggi nilai confident dari suatu pattern, semakin banyak pula peminat pattern tersebut. Dan bila pattern tersebut diterapkan sebagai topik diskusi dalam sebuah seminar/workshop, maka diharapkan semakin tinggi pula jumlah peserta yang mengikutinya. Baik peserta dari kalangan umum maupun dari kalangan civitas akademik STIKOM Surabaya. Dengan demikian semakin baik pula image kampus STIKOM Surabaya di pandangan masyarakat sekitar.

7. Pada analisa terhadap sejumlah data ditemukan bahwa semakin banyak data yang dianalisa, waktu proses akan lebih lama karena semakin banyak pula frequent items dan rules yang dihasilkan.

8. Pada analisa terhadap sejumlah data ditemukan bahwa semakin tinggi nilai minimum support dan minimum confident yang ditentukan, semakin sedikit jumlah kaidah asosiasi yang dihasilkan yang dihasilkan.

5.2 Saran

Sesuai dengan hasil analisa dan evaluasi terhadap aplikasi Keyword Patern Searching Analyzer, saran yang dapat diberikan untuk pengembangan lebih lanjut terdapat beberapa saran sebagai berikut :

1. Aplikasi ini dapat dikembangkan lagi dengan dibuatnya modul daftar search engine, sehingga nantinya dapat juga digunakan untuk melakukan analisa terhadap search engine selain Google.

2. Aplikasi ini dapat dikembangkan lagi dengan menganalisa secara langsung data yang ada di cache proxy server, sehingga selain tidak lagi bergantung dari url yang dikirim dari aplikasi yang dipasang di sisi client, sistem juga dapat meng-handle user yang melakukan browsing dari mobile gadget.

3. Aplikasi ini dapat dikembangkan lagi dengan membangun kembali aplikasi (server side) ini dalam versi web, dengan pertimbangan adanya kemungkinan server yang berbasis UNIX.

4. Aplikasi ini dapat dikembangkan lagi dengan mengganti algoritma Apriori dengan algoritma sejenis lainnya, sehingga waktu yang dibutuhkan dalam memproses data menjadi lebih singkat. Dengan demikian secara tidak langsung juga meminimalkan penggunaan resource komputer yang dibutuhkan saat menganalisa data dalam jumlah yang sangat besar.

5. Aplikasi ini dapat dikembangkan lagi dengan menampilkan lebih detail tingkat confident (kepercayaan) dari masing-masing pola pencarian hasil dari analisa aplikasi Keyword Patern Searching Analyzer. Aplikasi dapat memperhitungkan dengan sistematis tingkat kepercayaan dari masing-suatu pola, dan diterjemahkan dalam bahasa sehari-hari seperti ”pasti”, ”jarang”, ”mungkin”, dan lain sebagainya. Sehingga informasi yang dihasilkan oleh aplikasi ini dapat lebih mudah dipahami oleh pengguna.

DAFTAR PUSTAKA

Agrawal R, Srikant, R.(1994). Fast Algorithms for Mining Association Rules, Proceedings of the 20th International Conference on Very Large Data Bases (VLDB), Santiago, Chile, pp. 487-499.

Amanda Spink, Dietmar Wolfram, Bernard J. Jansen, and Tefko Saracevic. Searching the Web: the public and their queries. Journal of the American Society for Information Science and Technology, 52(3), 226-234, 2001. Borgelt C. (2003). Efficient Implementations of Apriori and Eclat. Proceeding of

the 1st IEEE ICDM Workshop on Frequent Item Set Mining Implementations (FIMI 2003, Melbourne, FL). CEUR Workshop Proceedings 90, Aachen, Germany.

Cooley, R., Mobasher, B., & Srivastava, J. “Web mining: Information and pattern discovery on the world wide web”, 1997

Google.com. “Official Supported Domains”,

http://www.google.com/supported_domains (diakses pada tanggal 9 Februari 2010)

Han, Jiawei, Micheline Kamber, “Data Mining: Concepts and Techniques”, Morgan Kaufmann, 2001

Han, Jiawei, Yongjian Fu, “Discovery Of Multiple-Level Association Rules From Large Databases”, IEEE Transactions On Knowledge And Data Engineering, Vol. 11, No. 5, September/October 1999

Jansen, B. J., & Spink, A., “An Analysis of Document Viewing Patterns of Web Search Engine Users”, 2003

Kantardzic, M. (2003). Data Mining Concepts Models, Methods, and Algorithms. New Jersey: IEEE.

Ulmer, David; “Mining an Online Auctions Data Warehouse.” The Mid-Atlantic Student Workshop on Programming Languages and Systems. 19 April 2002. Pace University. http://csis.pace.edu/csis/masplas/p8.pdf (diakses pada tanggal 9 Februari 2010)

Wicaksono, Soetam Risky, 2005, Kuliah Interaksi Manusia dan Komputer, STIKOMP, Surabaya