PENERAPAN METODE WEB USAGE MININGPADA PROTOTYPE ECOMMERCE.

PENERAPAN METODE WEB USAGE MINING PADA
PROTOTYPE ECOMMERCE

TUGAS AKHIR

Oleh :
SANDRA EKA SARTONO
0734010095

PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
J AWA TIMUR
2011

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

PENERAPAN METODE WEB USAGE MINING PADA PROTOTYPE
ECOMMERCE

TUGAS AKHIR

Diajukan Untuk Memenuhi Persyaratan
Dalam Memperoleh Gelar Sarjana Komputer
Program Studi Teknik Informatika

Oleh :
Nama

: Sandra Eka Sartono

NPM

: 0734010095

Program

: S1 (Strata Satu)

Jurusan

: Teknik Informatika

PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
J AWA TIMUR
2011

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

Judul
Pembimbing I
Pembimbing II
Penyusun

: Penerapan Metode Web Usage Mining Pada Prototype Ecommerce
: Nur Cahyo Wibowo, S.Kom, M.Kom
: Agus Hermanto, S.Kom

: Sandra Eka Sartono

ABSTRAKSI
Sebuah layanan situs yang dimiliki oleh perusahaan adalah backbone
terpenting dalam menjalankan proses bisnisnya, pada dasarnya layanan situs
yang dimiliki perusahaan dapat menjadi peran penting dalam upaya pemasaran
produk. Banyaknya informasi yang perlu di-update setiap saat kepada relasi
bisnis sudah pasti menjadi kunci utama dalam sebuah pemasaran, pelayanan
untuk bertransaksi juga perlu dilakukan guna membangun sebuah kemitraan yang
baik. Secara tidak sadar, history perusahaan seperti data barang yang dijual
sampai dengan transaksi antara perusahaan dengan rekan bisnisnya kadang
belum tergali dengan maksimal. Contoh dapat dibuktikan dengan melihat dari
banyaknya peng-input-an data barang–barang dalam perusahaan maupun
transaksi–traksaksi berupa nota, faktur, dan lain lain sehingga data yang
terkumpul menjadi banyak.
Dengan menerapkan Metode Web Usage Mining yang akan diimpementasi
ke dalam sistem ecommerce dapat memberikan sebuah solusi baru untuk
menganalisa suatu transaksi yang terjadi dalam toko online maupun pangsa
pasar suatu produk berdasarkan pembelian konsumen, kunjungan pada web, yang
disimpulkan menjadi data yang dapat digali untuk menunjang penganaliasaan

penjualan agar bisa menjadi alat bantu para owner/pemilik perusahaan sebagai
fitur analisa perkembangan alur distribusi perdagangan pada perusahaannya.
Dalam hasil uji coba metode ini, secara garis besar dapat dijadikan
sebagai estimasi dalam penyetokan barang, estimasi waktu kunjungan, barang
yang popular dilihat, barang yang laris di pasaran, barang terlaris per area,
hasil optimasi keyword dari masing-masing barang sehingga dapat membantu
teknik SEO (Search Engine Optimition) untuk pencarian tertinggi di search
engine , semua melewati proses web usage mining sehingga dapat membantu
melihat pangsa pasar barang ataupun tren barang yang terjadi pada toko online.
Keyword : Web Usage Mining, Web Mining, Distribusi Penjualan, ECommerce

i

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

KATA PENGANTAR

Dengan mengucapkan puji syukur Alhamdulillah kehadirat ALLAH
SWT yang telah melimpahkan berkah dan rahmat-Nya, sehingga penulis dapat

menyelesaikan tugas akhir yang merupakan persyaratan dalam menyelesaikan
program studi strata satu di Universitas Pembangunan Nasional “VETERAN”
Jawa Timur. Tugas akhir ini merupakan “Pener apan Metode Web Usage Mining
Pada Prototype ECommerce”.
Penulisan tugas akhir ini tidak akan terselesaikan dengan baik apabila
tidak mendapat dukungan, saran, masukan, ataupun kritik dari berbagai pihak.
Maka dengan sepenuh hati penulis dalam kesempatan ini mengucapkan terima
kasih atas bantuannya, kepada yang terhormat:
1. Ibu Dr.Ir. Ni Ketut Sari, MT. Sebagai Ketua Prodi Teknik Informatika atas
segala arahan dan bimbingannya.
2. Bapak Nur Cahyo Wibowo,S.Kom,M.Kom Selaku dosen pembimbing I yang
telah memberikan, motivasi dan bimbingan serta arahan yang berguna dalam
membantu proses penyusunan Tugas Akhir ini.
3. Bapak Agus Hermanto, S.Kom Selaku dosen pembimbing II yang telah
mendampingi serta banyak memberikan bimbingan, masukan-masukan,
koreksi dan dorongan yang sangat berarti hingga terselesaikannya Tugas
Akhir ini.
4. Papa dan Mama, adikku tercinta dan seluruh keluarga yang selama ini telah
mendukung penulis dalam menempuh studi di Universitas Pembangunan
Nasional “VETERAN” Jawa Timur.

ii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

5. Bapak Denny Harianto,S.Kom dan Keluarga selaku pimpinan vKios dimana
tempat saya bekerja, terima kasih atas segala kebijakan, motivasi dan saran
dari bapak. Tanpa bekerja di perusahaan bapak saya tidak bisa memahami
konsep Tugas Akhir saya yang sebenarnya. Terima kasih atas kesempatannya.
6. Pengurus UKO Bola Voli dan segenap jajarannya, terima kasih atas diberikan
kesempatan kepada saya untuk menjadi leader dan teknik – teknik mental atlet
yang dapat diterapkan dimasa mendatang.
7. Om Agus Sumarno yang selalu memberikan wejangan–wejangan, menemani
begadang sampai pagi, dan motivasi sehingga penulis terdorong untuk
menyelesaikan tugas akhir ini.
8. Keluarga Besar KRIPOSOFT Community, Ubay M3nWa, Eddy Lee with Mas
Agus (CZE Cellular Labs), Windy with Fuad, Pablo (Anjar Ngebluz), Bebek
(Haniarta Bayu), Fery (AlenBig), Anggrey, Rino Payata, Ahmad Nur, Fajar
Bayu (FB) , Ariz Hacker dan Yoppy terima kasih atas dukungannya, tanpa
kalian semua penulis tidak dapat menikmati perkuliahan yang penuh dengan
hangatnya persaudaraan, susah senang bersama, touring dan rekreasi.

9. Teman-teman Teknik Informatika dan Sistem Infomasi angkatan 2007 dan
2008 Universitas Pembangunan Nasional “Veteran” Jawa Timur terima kasih
atas dukungannya baik materil maupun moril.
10. Special Thank To Dodik Ardhita, memang kuliah tanpa berorganisasi bagai
sayur tanpa garam, thank brother berkat anda saya bisa mengetahui ilmu
organisasi yang sebenarnya dan bisa praktek langsung contoh sudah belajar
mengadakan event, buat LPJ dan proposal , ikut jadi aktifis kampus, jadi
pemimpin di organisasi. Makasih atas pengalaman yang luar biasa ini.
iii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

11. Thank To Mas Andika Hermansyah atas Ajax jQuerynya, Thoriq Firdaus atas
ilmu CSS dan SEOnya, Andi Soesilo atas ilmu grafisnya, Syaifur Rijal atas
ilmu loyalitas dan percaya diri menghadapi orang, Ibu Nora Kristiani,S.Kom
dan Fandy Setyo selaku rekan kerja, yang selalu memberikan saran-saran
maupun sharing.
12. Lapisan Keluarga Besar Wonogiri dan Klaten yang telah menjadi inspirasi
utama dan impian.
13. Dan masih banyak orang-orang yang sangat berperan dalam mewujudkan

tugas akhir ini yang tidak bisa penulis sebutkan satu per satu.

Semoga ALLAH SWT membalas ketulusan dan budi baik mereka yang
telah banyak memberikan bantuan, bimbingan, ataupun nasehat-nasehat kepada
penulis.
Penulis menyadari bahwa masih banyak kekurangan pada penulisan
tugas akhir ini. Namun penulis berharap semoga Tugas Akhir ini dapat ikut
menunjang perkembangan ilmu pengetahuan, khususnya ilmu yang erat kaitannya
dengan Teknik Informatika.

Surabaya, Desember 2011

Penulis
iv
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

DAFTAR ISI

Halaman

ABSTRAKSI .................................................................................................

i

KATA PENGANTAR ...................................................................................

ii

DAFTAR ISI .................................................................................................

v

DAFTAR GAMBAR .....................................................................................

x

DAFTAR TABEL .......................................................................................... xvii

BAB I

PENDAHULUAN
1.1 Latar Belakang ...........................................................................

1

1.2 Perumusan Masalah ....................................................................

3

1.3 Batasan Masalah .........................................................................

3

1.4 Tujuan ........................................................................................

4

1.5 Manfaat ......................................................................................

4

1.6 Medotologi Penelitian .................................................................

5

1.7 Sistematika Penulisan .................................................................

5

BAB II LANDASAN TEORI
2.1

Teknik Pengembangan Sistem dengan Model Waterfall.............

7

2.2

Teknik Data Mining...................................................................

8

2.3

Teknik Web Mining ................................................................... 11

2.4

Teknik Web Usage Mining......................................................... 12
2.4.1 Pemrosesan Web Usage Mining ....................................... 13

v

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

2.5

Data Warehouse ........................................................................ 16

2.6

Linier Feedback Shift Register (LFSR) ...................................... 21

2.8

2.6.1

Alternating Stop-And-Go Generator............................... 23

2.6.2

Bilateral Stop-And-Go Generator ................................... 24

2.6.3

Linier Feedback Shift Register (LFSR)........................... 23

2.6.4

Linier Feedback Shift Register (LFSR)........................... 26

Definisi PHP.............................................................................. 29
2.8.1

2.9

Kelebihan PHP................................................................ 30

Pengertian jQuery ...................................................................... 31

2.10 Pengertian Ajax ......................................................................... 32

BAB III ANALISIS DAN PERANCANGAN SISTEM
3.1

Analisa Kebutuhan Sistem ......................................................... 33

3.2

Context Diagram ....................................................................... 39

3.3

Data Flow Diagram Untuk Proses Web Usage Mining ............... 31

3.4

3.3.1

DFD Level 0 Proses Penerapan WUM Ecommerce ........ 40

3.3.2

DFD Level 1 Proses Penyimpanan Log .......................... 41

3.3.3

DFD Level 1 Proses Order Transaksi ............................. 42

3.3.4

DFD Level 1 Proses Validasi Transaksi.......................... 42

3.3.5

DFD Level 1 Report WUM ............................................ 43

Analisis Kebutuhan ................................................................... 44
3.4.1

Spesifikasi Kebutuhan Sistem ........................................ 44

vi

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

3.4.2
3.5

Level Pengguna dan Hak Akses ...................................... 44

Perancangan Basis Data (Database) .......................................... 44
3.5.1 Conceptual Data Model (CDM) ..................................... 45
3.5.2 Physical Data Model (PDM) ........................................... 45
3.5.3

Basis Data ....................................................................... 46

3.6

Perancangan Permodelan Data Untuk Membantu Proses WUM 52

3.7

Perancangan Sistem Generator Untuk Uji Coba Ecommerce .... 54

3.8

Perancangan Antarmuka ........................................................... 55
3.8.1

Desain Halaman Utama ................................................. 56

3.8.2

Desain Halaman Administrator Panel ............................ 56

3.8.3

Desain Masing-Masing Form ........................................ 57

3.8.4

Desain Halaman Tampilan Sajian Data WUM ............... 62

BAB IV IMPLEMENTASI APLIKASI
4.1

4.2

Lingkungan Pemrograman ........................................................ 63
4.1.1

Kebutuhan Perangkat Keras .......................................... 63

4.1.2

Kebutuhan Perangkat Lunak .......................................... 63

Implementasi Proses ................................................................. 64
4.2.1

Implementasi Template Layout Aplikasi ........................ 64

4.2.2

Implementasi Menu Pada Aplikasi ................................ 65

4.2.3

Implementasi Database yang digunakan ........................ 68

4.2.4

Implementasi Data Gabungan ETL ................................ 74

vii

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

4.2.5

Implementasi Halaman Depan Aplikasi (Client Side) .... 77

4.2.6

Interface Administrator Panel Aplikasi .......................... 79

4.2.7

Implementasi Desain Intermuka Form ............................ 79

4.2.8

Implementasi Metode Web Usage Mining ...................... 89

4.2.8.1

Hubungan Aplikasi Dengan Kunjungan Visitor ...... 89

4.2.8.2

Hubungan Penjualan Dengan Katagori Barang ....... 101

4.2.8.3

Hubungan Area Customer Dengan Penjualan ......... 104

4.2.8.4

Hubungan Kota Area Dengan Penjualan................. 108

4.2.8.5

Hubungan Barang Dengan Penjualan...................... 111

4.2.8.6

Hubungan Supplier Dengan Penjualan.................... 113

BAB V UJI COBA DAN EVALUASI PROGAM
5.1 Uji Coba Sistem ......................................................................... 115
5.2 Uji Coba Peng-Input-An Sample Data ........................................ 115
5.2.1 Proses Pengisian Data Aplikasi Penjualan ....................... 116
5.2.2 Uji Coba Transaksi Dan Validasi Transaksi ..................... 119
5.2.3 Proses Virtualisasi Log Kunjungan Dengan Generator .... 123
5.2.4 Proses Virtualisasi Log Pageview Dengan Generator ..... 125
5.2.5 Proses Virtualisasi Proses Order Dengan Generator ....... 126
5.3

Uji Coba Order Proses ETL (Ekstrak, Transform Dan Load) .... 128

5.4

Uji Coba Melihat Log Kunjungan Berdasarkan Browser .......... 129

5.5

Uji Coba Melihat Kunjungan Berdasarkan Waktu Kunjungan.. 129

5.6

Uji Coba Barang Yang Sering Dilihat ...................................... 131

5.7

Uji Log Keyword Tertinggi Dalam Proses Pencarian................ 131

viii

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

5.8

Uji Coba Log Jumlah Transaksi Per Outlet............................... 132

5.9

Uji Coba Melihat Log Penjualan Barang Tertinggi ................... 134

5.10

Uji Coba Melihat Penjualan Barang Tertinggi Per Katagori ..... 135

5.11

Uji Coba Log Penjualan Tertinggi Per Area ............................ 136

5.12

Uji Coba Log Penjualan Tertinggi Per Supplier........................ 138

5.13

Uji Coba Melihat Log Penjualan Barang Tertinggi Per Area .... 139

5.14

Uji Coba Melihat Penjualan Barang Tertinggi Per Supplier...... 140

5.15

Evaluasi ................................................................................... 142

BAB VI PENUTUP
6.1 Kesimpulan ................................................................................ 143
5.2 Saran .......................................................................................... 144
DAFTAR PUSTAKA ..................................................................................... 145

ix

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

BAB I
PENDAHULUAN

1.1 Latar Belakang
Dalam perkembangan modernisasi dan jaman pada saat ini, banyak
peralihan penggunakan program desktop untuk bermigrasi pada sistem berbasis
web. Jika dibandingkan dengan desktop, kelebihan pada web jelas mencakup
ruang lingkup yang tak terbatas di seluruh dunia. Dalam realitanya, dunia internet
sangat menjamur dalam perusahaan kecil sampai perusahaan besar dengan
berbagai macam kebutuhan mulai dari e-commerce, e-banking, serta jasa penyedia
web instan maupun pembuatan web yang memiliki sistem sangatlah banyak
dijumpai di dunia internet.
Dalam hal ini, sebuah layanan situs yang dimiliki oleh perusahaan adalah
backbone terpenting dalam menjalankan proses bisnisnya. Pada dasarnya layanan
situs yang dimiliki perusahaan dapat menjadi peran penting dalam upaya
pemasaran produk. Banyaknya informasi yang perlu di-update setiap saat kepada
relasi bisnis sudah pasti menjadi kunci utama dalam sebuah pemasaran, pelayanan
untuk bertransaksi juga perlu dilakukan guna membangun sebuah kemitraan yang
baik. Secara tidak sadar, history perusahaan seperti data barang yang dijual
sampai dengan transaksi antara perusahaan dengan rekan bisnisnya kadang belum
tergali dengan maksimal. Contoh dapat dibuktikan dengan melihat dari banyaknya
penginputan data barang–barang dalam perusahaan maupun transaksi–traksaksi
berupa nota, faktur, invoice dan lain lain sehingga data yang terkumpul menjadi
banyak.

1
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

2

Analisa yang dapat disimpulkan bahwa perusahaan memiliki banyak data
yang berskala besar, dalam data tersebut tersembunyi informasi–informasi penting
yang dapat memberikan manfaat bagi perusahaan maupun relasi kerja. Namun
dalam implementasinya diperlukan sebuah teknik dengan algoritma khusus yang
dimana berfungsi sebagai analisis data yang kemudian dari hasil tersebut dapat
mempresentasikan informasi yang kiranya dapat bermanfaat. Dalam permasalahan
ini, teknik dasar yang digunakan yakni teknik data mining yakni untuk
menganalisa data, serta didukung dengan metode web usage mining berbasis
query, metode ini digunakan untuk menganalisa data pada web. Web Usage
Mining memiliki kelebihan untuk menggali pola–pola data/content yang tersedia
dalam web tersebut. Analisa meliputi pengaturan distribusi stok barang penjualan
dari perusahaan, laporan hasil penjualan barang dalam skala periode, laporan
barang paling laris dipasaran berdasarkan per area ataupun supplier per periode,
akumulasi pengunjung berdasarkan periode. Data musiman penjualan yang
didapat dari

pendataan web tersebut digunakan untuk mengetahui potensi

penjualan perusahaan yang kemudian di transformasikan ke dalam grafik untuk
menunjang proses penjualan.
Berdasarkan latar tersebut, diharapkan dengan diterapkannya Web Usage
Mining berbasis query pada prototype ecommerce, sistem dapat memberikan
sebuah solusi baru untuk menganalisa suatu penjualan maupun pangsa pasar suatu
produk pada toko online berdasarkan pembelian konsumen, kunjungan pada web,
yang kemudian disimpulkan menjadi data yang dapat digali lebih guna untuk
menunjang penganalisaan penjualan sehingga dapat menjadi alat bantu para

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

3

owner/pemilik perusahaan sebagai alat untuk melihat analisa perkembangan alur
distribusi perdagangan pada perubahannya.

1.2 Per umusan Masalah
Berdasarkan latar belakang yang telah diuraikan diatas, didapatkan suatu
rumusan permasalahan sebagai berikut: “Bagaimana menerapkan metode web
usage mining berbasis query pada prototype ecommerce?”

1.3 Batasan Masalah
Dengan luasnya permasalahan yang ada pada aplikasi ini, maka diberikan
batasan untuk lebih memperjelas ruang lingkup permasalahan yang akan dibahas
dalam penelitian tugas akhir ini. Adapun batasan-batasan masalah sebagai berikut:
a.

Metode yang digunakan adalah Web Usage Mining berbasis query.

b.

Penganalisaan data penjualan berdasarkan input-an dari berbagai transaksi
yang diperoleh penerimaan pemesanan penjualan.

c. Cakupan data penjualan yang dianalisa berdasarkan penjualan musiman
berkala (periode tertentu misalnya caturwulan).
d. Hasil analisa yang ditampilkan berupa grafik estimasi penjualan musiman dari
data history penjualan yang dapat dipilih dalam rentang waktu periodik
tertentu.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

4

e. Aplikasi memiliki beberapa hak akses, yakni:
a. Administrator
Hak Akses: dapat melihat seluruh data laporan serta dapat meng-edit dan
mengatur data–data yang ada, serta tool Web Usage Mining berbasis query
sebagai fitur untuk menganalisa hasil penjualan dan kunjungan pengunjung.
b. Outlet: dapat melihat harga, melakukan transaksi.
c. Pengunjung: hanya dapat melihat list barang yang dijual oleh perusahaan,
tanpa melihat harga.
f. Transaksi bisa dilakukan oleh outlet dan langsung oleh administrator
g. Bahasa pemrograman yang digunakan untuk membuat aplikasi ini adalah PHP
(Personal Home Page) yang didukung dengan Javascript (JQuery) dan Ajax.
h. Sistem database yang digunakan adalah MySQL.
i. Informasi ranking barang tertinggi dibatasi max 5 jenis barang.\

1.4 Tujuan
Menerapkan medote web usage mining pada prototype ecommerce agar
dapat mengoptimasi kinerja toko online sekaligus menerapkan metode SEO
sebagai tren meningkatkan trafik kunjungan.

1.5 Manfaat
Adapun Manfaat dari penerapan metode web usage mining pada prototype
ecommerce yakni:
1. Meningkatkan Penjualan berdasarkan analisa penjualan dengan
pendekatan metode web usage mining berbasis query,

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

5

2. Memudahkan manager/owner untuk menganalisa hasil penjualan
berdasarkan fakta yang ada.

1.6 Metodologi Penelitian
Penulis dalam penulisan tugas akhir ini, akan menggunakan metode:
a. Studi Literatur
Mempelajari dan mengumpulkan data dan informasi dengan mempelajari
buku–buku sebagai acuan dan literatur yang berhubungan dengan materi
penulisan tugas akhir.
b. Perancangan aplikasi dan Pembuatan aplikasi
Merancang dari pada sistem secara keseluruhan perangkat lunak dan
pembuatan atau realisasi dari sistem yang dirancang dan disesuaikan
dengan kebutuhan.
c. Tes dan Analisa
Uji coba program guna untuk mengetahui hasil rancangan perangkat lunak
dan menganalisa hasil percobaan yang telah dilakukan.

1.7 Sistematika Penulisan
Dalam penulisan tugas akhir ini dibagi menjadi 6 bab, masing-masing bab
membahas tentang:
BAB I

: PENDAHULUAN
Dalam bab ini diuraikan mengenai latar belakang permasalahan,
rumusan permasalahan, batasan masalah, tujuan dan sistematika
penulisan.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

6

BAB II

: LANDASAN TEORI
Pada bab ini dibahas mengenai landasan-landasan teori yang
digunakan dalam pembuatan tugas akhir ini, yaitu Metode
Waterfall dan Web Usage Mining serta beberapa informasi
tambahan berdasarkan hasil analisa kebutuhan berdasarkan hasil
survei, yang disimpulkan secara garis besar.

BAB III

: ANALISIS DAN PERANCANGAN SISTEM
Pada bab ini dibahas mengenai tahapan-tahapan yang dilalui dalam
pembuatan tugas akhir ini, mulai dari hubungan keterkaitan antara
beberapa hubungan relasi modul, perancangan Data Flow Diagram
(DFD), CDM, PDM, database, desain input dan output, desain uji
coba dan analisa.

BAB IV

: IMPLEMENTASI APLIKASI
Pada bab ini dibahas secara lebih rinci mengenai implementasi
penggunaan program dalam proses analisa untuk penerapan metode
Web Usage Mining berbasis query guna membantu proses
penjualan.

BAB V

: UJI COBA DAN EVALUASI APLIKASI
Pada bab ini membahas hasil Uji Coba dan Evaluasi Aplikasi.

BAB VI

: PENUTUP
Pada bab ini dibahas mengenai uraian kesimpulan tentang sistem
yang telah dibuat serta saran yang dapat digunakan untuk
penyempurnaan dan pengembangan sistem.

DAFTAR PUSTAKA

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

BAB II
LANDASAN TEORI

Untuk melakukan pembuatan aplikasi “Penerapan Metode Web Usage
Mining Guna Membantu Proses Penjualan “ diperlukan pemahaman terhadap teori
dasar pendukung dari metode Web Usage Mining berbasis query dan konsep yang
mendasarinya, antara lain teknik Data Mining yang dapat diterapkan pada Web
Usage Mining berbasis query.

2.1

Teknik Pengembangan Sistem dengan Model Waterfall
Pada prinsipnya pemodelan sistem waterfall pengembangannya dilakukan

secara sistematis dan terarah dari tahap sistem, secara berurutan melalui tahap
analisa, tahap desain sistem, coding, testing dan maintenance dan dapat kembali
ketahap awal

apabila semua tahapan pengembangan sistem telah dilalui.

Pemodelan seperti ini juga dikenal sebagai model sekuensial, Linear Sequential
Model (Pressman, 1997). Tahap-tahap pengembangan sistem dapat digambarkan
dalam diagram berikut:

System / Information
Engineering
Analysis

Design

Code

Test

Gambar 2.1 Model Waterfall Atau Model Linear Sequential (Pressman, 1997)

7
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

8

2.2

Teknik Data Mining
Data mining sudah berkembang jauh dalam bentuk analisa data. Pada

dasarnya data mining berhubungan dengan analisa data dan penggunaan teknik
perangkat lunak untuk mencari sebuah pola dan keteraturan dalam himpunan data
yang bersifat tersembunyi. Data mining ini juga dapat diartikan sebagai proses
ektraksi informasi dimana informasi tersebut merupakan informasi yang potensial
dari sekumpulan data yang terdapat secara implisit dalam suatu basis data.
Dengan diperolehnya informasi yang bermanfaat dari data–data yang ada,
hubungan antara item dalam transaksi,

maupun informasi yang potensial

selanjutnya dapat diekstrak dan dianalisa dan diteliti secara lanjut dengan berbagai
macam sudut pandang. Setelah ditemukannya informasi, selanjutnya akan
diproses dan kemudian dapat diterapkan untuk aplikasi menejemen, yang
dilakukan dengan cara query processing, sesuai dengan kebutuhan informasi
berdasarkan bidang–bidang yang menerapkan konsep data mining.
Oleh karena itu perlulah studi–studi terkait untuk menemukan metode data
mining yang lebih efektif dan efisien. Seiring dengan perkembangan modernisasi
saat ini telah banyak kemajuan riset dan pengembangan dari data mining, serta
banyak teknik data mining dan sistem baru yang banyak dikembangkan.
Klasifikasi skema yang berbeda dapat digunakan untuk mengkategorikan metode
dan sistem data mining dengan didasarkan pada jenis basis data yang akan
dipelajari dan teknik apa yang akan digunakan. Teknik penerapan data mining
secara inti dapat diterapkan yakni sebagai berikut:

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

9

a. Jenis Basis Data yang akan diambil obyek
Suatu sistem data mining sebelumnya dapat ditentukan terlebih dahulu,
dimana proses data mining tersebut dilakukan. Sebagai contoh sistem
adalah relasional atau suatu object oriented data miner bila diperoleh basis
data yang berorientasi pada obyek. Data miner secara umum dapat
digolongkan menurut jenis basis data apa yang digunakan misalnya data
relasional, basis data transaksi, basis data yang berorientasi obyek, basis
data deduktif, basis data spasial, basis data multimedia, basis data
heterogen dan lain sebagainya.
b. Teknik yang akan digunakan
Untuk mengklarifikasikan dapat menggunakan dasar tenik yang ada,
contohnya pengkatagorian motode kendali seperti autonomous knowledge
miner, data driven miner, query driver miner dan interactive data miner,
yang kemudian dilakukan pendekatan dengan data mining yakni
generalization based mining, statistics and mathematical based mining,
integrated approach mining dan lain sebagainya. Dari berbagai macam
klarifikasi yang ada, dari hasil penelitian menunjukkan satu skema yang
menjadi patokan yakni jenis informasi yang dibutuhkan, dengan demikian
klarifikasi ini memberikan gambaran yang jelas mengenai teknik dan
kebutuhan data mining yang beragam. Metode pencarian informasi yang
ada berdasarkan informasinya seperti:

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

10

a. Association rules
Association rules merupakan teknik mining untuk menemukan aturan
asosiatif antara suatu kombinasi atribut. Contoh aturan association
rules dalam permasalahan berupa analisa pembelian produk barang di
suatu distributor, besar kemungkinan para custumer membeli barang
tidak hanya membeli satu dos barang saja, maka dari itu merancang
strategi baru yakni pembuatan diskon khusus berdasarkan keaktifan
customer

untuk

memesan.

Sehingga

dengan

strategi,

dapat

meningkatkan penjualan di dalam perusahaan distributor. Penting
tidaknya suatu aturan assosiatif dapat diketahui dengan dua parameter,
support yakni prosentasi kombinasi atribut tersebut dalam basis data
dan confidence yaitu kuatnya hubungan atribut dalam aturan asosiatif.
b. Clustering
Clustering melakukan pengelompokan data tanpa berdasarkan kelas
data tertentu. Bahkan clustering dapat dipakai untuk memberikan
label pada kelas data yang belum diketahui. Prinsip dari clustering
adalah memaksimalkan kesamaan antar anggota satu kelas dan
meminimumkan kesamaan antar cluster.
c. Classification rules
Classification rules yaitu sebuah teknik yang melihat dari kelakuan
dan atribut dari kelompok yang telah didefinisikan. Dalam teknik ini,
classification rules dapat memberikan klasifikasi pada data baru
dengan memanipulasi data yang ada yang telah diklasifikasikan dan
dengan menggunakan hasilnya untuk memberikan sejumlah aturan.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

11

Aturan tersebut dapat digunakan pada data–data baru untuk di
klasifikasi. Pada teknik ini, menggunakan supervised induction, yang
memanfaatkan kumpulan pengujian pada record yang terklasifikasi
untuk menentukan kelas-kelas tambahan. Contoh classification rules
yang sering digunakan yaitu Decision tree.
Decision tree adalah model prediksi menggunakan struktur pohon atau
struktur hirarki.

2.3

Teknik Web Mining
Teknik Web Mining ini dikenalkan pertama kali oleh Etzioni Oren tahun

1996, web mining diartikan sebagai suatu usaha untuk mengemplementasikan
teknik dari data mining untuk digali lebih lanjut yang kemudian dikaji atau
mengekstraksi informasi yang berguna yang tersimpan pada web secara otomatis.
Dalam implementasinya Web Mining hampir sama dengan data mining secara
akar terminologinya. Namun pada dasarnya Web Mining sedikit berbeda dengan
Data Mining yakni hubungan sifat data yang tidak terstruktur dan sumber datanya
tidak disimpan pada di sebuah data warehouse, namun data bersebar di berbagai
sumber. Web Mining dibagi menjadi beberapa katagori yakni:
a. Web Content Mining
Teknik Web Content Mining berfokus untuk menggali informasi dari isi atau
content yang ada pada web seperti teks, gambar, audio atau video. Web
Content Mining ini juga dapat disebut sebagai Webteks Mining, dalam
implementasinya biasanya penggalian data terletak pada daerah teks. Dalam
teknik ini juga lebih banyak berhubungan dengan disiplin information

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

12

retrieval (IR). Namun, dengan inovasi yang terus menerus seiring dengan
perkembangan dunia IT secara dramatis akan meningkatkan akurasi dalam
penganalisisan dan dapat menghemat biaya.
b.Web Structure Mining
Teknik Web Structure Mining ini berfokus pada penggalian informasi dari isi
atau content yang disajikan pada web. Teknik ini juga banyak digunakan
untuk menggali keterkaitan antara suatu halaman web dengan halaman web
lainnya.
c. Web Usage Mining
Dalam Teknik ini selalu mengedepankan penggalian pada pola atau pattern
dari user dalam mengakses web.

2.4

Teknik Web Usage Mining
Web Usage Mining adalah Sebuah definisi yang dikemukakan dalam

(Cooley, et al., 1999), yaitu “the application of data mining techniques to large
web data repositories in order to extract usage patterns”. Dalam hal ini dapat
diketahui bahwa web berkaitan erat dengan sebuah web server yakni software
server memiliki tugas utama yakni melayani dan memenuhi request client berupa
permintaan halaman suatu web. Selain itu, web server juga dapat mencatat
aktifitas apapun yang dilakukan oleh client yang kemudian dicatat ke dalam file
yang sering disebut web access log. Dari hasil catatan tersebut, tercatat sebuah
beberapa aktifitas–aktifitas dari client, dari situlah informasi tentang pola akses
dan kelakuan client (behavior) dalam melakukan akses ke halaman web.
Kumpulan catatan aktifitas client yang juga sering disebut sebagai web access log

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

13

atau web log file tersebut juga memiliki standarisasi format, dimana format
tersebut dapat memudahkan dalam proses data mining. Format standart dari web
access log adalah [remotehost rfc931 authuser[date] “request” status bytes],
dimana :
a.Remote Host adalah nama host atau alamat IP dari Client
b.Rfc931 adalah log dari user.
c. Authuser adalah nama user.
d.[date] adalah tanggal dan waktu dimana client melakukan request
e. Status adalah kode HTTP yang dikirimkan kembali ke user (client)
f. Bytes adalah jumlah byte dokumen yang dikirimkan ke user (client).
Contoh dari Web Access Log :
127.0.0.1 - frank [10/Oct/2000:13:55:36 -0700] "GET /apache_pb.gif
HTTP/1.0" 200 2326

2.4.1 Pemr osesan Web Usage Mining
Dalam implementasi Web Usage Mining ada 3 fase yang harus dilakukan
untuk mendapatkan pustaka–pustaka maupun sumber informasi yaitu:
a. Tahap Preprocessing
Tahapan Preprocessing ini adalah tahapan awal untuk memulai proses
keseluruhan dari Web Usage Mining. Tahapan ini sangat penting sekali
untuk melakukan standarisasi data dan juga menghilangkan bagian–bagian
data tertentu yang tidak diperlukan dalam proses mining. Tahapan
Preprocessing ini terbagi atas beberapa tahap, yakni:
•

Data Cleaning, tahapan ini berfungsi untuk membersihkan file
log yang tidak relevan dari data dengan proses mining, seperti
data multimedia dan script CSS maupun Javascript.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

14

•

User Identification, dalam tahapan ini berfungsi untuk proses
pengidentifikasian user, dalam realitanya, beberapa

user

memungkinkan untuk menggunakan komputer (host) yang
sama.
•

Session Identification, tahapan ini dimulai setelah user
terindentifikasi, halaman yang diakses juga harus dibagi ke
dalam sesi tertentu agar dapat tercipta sesi tunggal untuk setiap
user yang mengakses.

•

Path Completion, tahapan ini untuk melengkapi path yang
mungkin belum lengkap karena tersimpan pada filelog.

•

Transaction

Identification,

tahapan

ini

untuk

mengindentifikasi sejumlah sesi tertentu untuk menghasilkan
proses transaksi yang dilakukan oleh user.
b. Tahap Pattern Discovery
Pada tahap kedua dari web usage mining adalah pencarian pola akses
yang dilakukan oleh user atau pengguna aplikasi. Pada tahap ini adalah
tahap yang paling penting dan sangat menentukan keluaran dari proses
web usage mining. Pada tahap ini juga memiliki beberapa algoritma dan
teknik yakni:
•

Statistical Analysis adalah teknik analisa statistik merupakan
teknik yang paling banyak digunakan dalam mendapatkan
informasi/pengetahuan dari pola akses user. Analisis statistik dapat
disajikan dalam berbagai bentuk analisis dengan beragam variabel
yang menjadi parameter analisis. Contoh analisis yang dapat

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

15

dihasilkan adalah pola akses user yang dilihat dari waktu akses
untuk setiap harinya.
•

Association Rules, teknik ini dapat diterapkan pada Web Usage
Mining, contoh keluaran yang dapat dihasilkan yaitu mengenai
pola akses terhadap halaman-halaman dalam web, dimana dapat
diketahui halaman mana saja yang selalu diakses secara bersamaan
oleh user. Hal tersebut dapat digunakan sebagai dasar untuk
merancang atau menyusun kembali halaman web agar lebih efektif.

•

Clustering, merupakan proses mengelompokkan sekumpulan
object fisik maupun abstrak ke dalam kelas tertentu berdasarkan
kesamaannya. Dalam kaitannya dengan web usage mining, teknik
clustering sering digunakan untuk menentukan segmentasi pasar
pengunjung suatu situs e-commerce berdasarkan kesamaan pola
akses maupun demografinya.

•

Classification, merupakan proses pengelompokan berdasarkan
kelas yang sudah didefinisikan sebelumnya. Proses classification
terbagi menjadi dua, yaitu proses membangun model sesuai dengan
kelas yang sudah ditentukan dan proses menerapkan model untuk
mengklasifikasikan sekumpulan data.

•

Sequential Pattern, digunakan untuk menganalisa pola urutan
akses halaman web oleh user. Tren urutan pola akses user dapat
digunakan untuk memprediksikan tren di masa mendatang atau
untuk mengatur penempatan iklan.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

16

•

Dependency Modeling, berusaha mencari ketergantungan antara
satu variabel dengan variabel yang lainnya dalam web. Hal ini
berguna untuk memprediksikan pola di masa mendatang.

c. Tahap Pattern Analysis
Pada tahap ke tiga ini, yakni Pattern analysis merupakan fase terakhir
dalam web usage mining. Pada fase ini, dilakukan proses visualisasi hasil
analisis pola yang telah dilakukan pada langkah sebelumnya. Penyajian
data menjadi hal yang penting dalam langkah ini, dimana penyajian data
tentunya tergantung pada kebutuhan user dan bisnis. Dari hasil visualisasi
tersebut, dapat dilakukan suatu keputusan (action) misalnya keputusan
untuk mengubah tampilan suatu website, melakukan optimasi navigasi
website, meningkatkan kemampuan website dengan melakukan caching
halaman-halaman tertentu yang sering dikunjungi.

2.5

Data Warehouse
Data warehouse adalah sebuah sistem yang mengambil dan menggabungkan

data secara periodik dari sistem sumber data ke penyimpanan data bentuk
dimensional atau normal (Rainardi, 2008).

Data warehouse

merupakan

penyimpanan data yang berorientasi objek, terintegrasi, mempunyai varian waktu
dan menyimpan data dalam bentuk nonvolatile sebagai pendukung manejemen
dalam proses pengambilan keputusan (Han, 2006). Data warehouse menyatukan
dan menggabungkan data dalam bentuk multidimensi. Pembangunan data
warehouse meliputi pembersihan data, penyatuan data dan transformasi data dan
dapat dilihat sebagai praproses yang penting untuk digunakan dalam data mining.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

17

Selain itu data warehouse mendukung On-line Analitycal Processing (OLAP),
sebuah alat yang digunakan untuk menganalisis secara interaktif dari bentuk
multidimensi yang mempunyai data yang rinci. Sehingga dapat memfasilitasi
secara efektif data generalization dan data mining. Banyak metode-metode data
mining yang lain seperti asosiasi, klasifikasi, prediksi dan clustering, dapat
diintegrasikan dengan operasi OLAP untuk meningkatkan proses mining yang
interaktif dari beberapa level abstraksi. Oleh karena itu data warehouse menjadi
platform yang penting untuk data analisis dan OLAP untuk dapat menyediakan
platform yang efektif untuk proses data mining.
Empat karakteristik dari data warehouse meliputi:
1. Subject oriented: sebuah data warehouse disusun dalam subjek utama,
pelanggan,

suplier,

produk dan sales.

Meskipun

data warehouse

terkonsentrasi pada operasi harian dan proses transaksi dalam perusahaan,
data warehouse fokus pada pemodelan dan analisis data untuk pembuat
keputusan. Oleh karena itu

data warehouse

mempunyai karakter

menyediakan secara singkat dan sederhana gambaran seputar subjek lebih
detail yang dibuat dari data luar yang tidak berguna dalam proses pendukung
keputusan.
2. Integrated: data warehouse biasanya dibangun dari bermacam-macam
sumber yang berbeda, seperti database relasional, flat files dan on-line
transaction

records. Pembersihan dan penyatuan data diterapkan untuk

menjamin konsistensi dalam penamaan, struktur kode, ukuran atribut dan
yang lainnya.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

18

3. Time Variant: data disimpan untuk menyajikan informasi dari sudut pandang
masa lampau (misal 5–10 tahun yang lalu). Setiap struktur kunci dalam data
warehouse mempunyai elemen waktu baik secara implisit maupun eksplisit.
4. Nonvolatile: sebuah data warehouse secara fisik selalu disimpan terpisah dari
data aplikasi operasional. Penyimpanan yang terpisah ini, data warehouse tidak
memerlukan proses transaksi,

recovery

dan mekanisme pengendalian

konkurensi. Biasanya hanya membutuhkan dua operasi dalam akses data yaitu
initial load of data dan access of data Dari pengertian tersebut, sebuah data
warehouse merupakan penyimpanan data tetap sebagai implementasi fisik dari
pendukung keputusan model data. Data warehouse juga biasanya dilihat sebagai
arsitektur, pembangunan dan penyatuan data dari bermacam macam sumber data
yang berbeda untuk mendukung struktur dan atau query tertentu, laporan analisis,
dan pembuatan keputusan (Han, 2006). Extract, transform, dan load

(ETL)

merupakan sebuah sistem yang dapat membaca data dari suatu data store,
merubah bentuk data, dan menyimpan ke data store yang lain. Data store yang
dibaca ETL disebut data source, sedangkan data store

yang disimpan ETL

disebut target. Proses pengubahan data digunakan agar data sesuai dengan format
dan kriteria, atau sebagai validasi data dari source system. Proses ETL tidak
hanya menyimpan data ke data warehouse, tetapi juga digunakan untuk berbagai
proses pemindahan data. Kebanyakan ETL mempunya mekanisme untuk
membersihkan data dari

source system

sebelum disimpan ke warehouse.

Pembersihan data merupakan proses identifikasi dan koreksi data yang kotor.
Proses pembersihan ini menerapkan aturan-aturan tertentu yang mendefinisikan

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

19

data bersih. Berdasarkan siapa yang memindahkan data, ETL dapat dibedakan
menjadi empat seperti yang dapat dilihat pada gambar 2.2, yaitu :
1. Proses ETL menarik data keluar dengan query tertentu di source system
database secara periodik.
2. Triggers pada source system mendorong data keluar. Triggers adalah Suatu
SQL statement yang dijalankan setiap ada perintah insert, update atau delete
dalam tabel.
3. Penjadwalan proses dalam source system untuk mengekspor data secara
periodik. Hal ini mirip dengan proses yang pertama namun query disimpan
dalam data source.
4. Sebuah log reader yang bertugas membaca log dalam source system untuk
mengidentifikasi perubahan data. Log reader merupakan program yang membaca
log file. Setelah dibaca, kemudian data dipindahkan keluar ke tempat
penyimpanan yang lain.

Gambar 2.2 Kategori ETL berdasarkan siapa yang menjalankan.
Berdasarkan dimana proses pembangkitan ETL, ETL dibedakan menjadi
tiga macam seperti yang digambarkan pada gambar 2.3, yaitu :
A. ETL dijalankan dalam server terpisah diantara source system dan data
warehouse sistem. Pendekatan ini menghasilkan kinerja tinggi, ETL berjalan di

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

20

server sendiri, sehingga tidak menggunakan sumber daya dari data warehouse
server atau data source

server. Namun hal ini lebih mahal

karena harus

menambah server lagi.
B. ETL dijalankan dalam data warehouse server. Pendekatan ini dapat digunakan
jika mempunyai kapasitas lebih dalam

data warehouse

server

atau

jika

mempunyai iddle time ketika data warehouse tidak digunakan (misal pada
waktu malam). Pendekatan ini lebih murah dibandingkan pendekatan pertama
karena tidak membutuhkan tambahan server.
C. ETL dijalankan pada server data source. Pendekatan ini diimplementasikan
ketika membutuhkan real time data warehousing. Dengan kata lain, jika data
dalam source system berubah, perubahan ini dilakukan juga ke dalam data
warehouse. Hal ini dapat dilakukan dengan penggunaan trigger dalam source
system.

Gambar 2.3 Kategori ETL berdasarkan tempat dijalankan
Tidak semua

data warehouse

mekanisme kualitas data,

database

mempunyai komponen lengkap seperti
multidimensi, aplikasi analisis, aplikasi

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

21

pengguna, control sistem, audit sistem dan metadata. Secara sederhana data
warehouse dapat digambarkan seperti gambar 2.4:

Gambar 2.4 Gambaran data warehouse secara sederhana
Dalam hal ini, data warehouse hanya mempunyai sebuah ETL dan sebuah
datastore. Source system bukan merupakan bagian dari data warehouse sistem.
Hal ini merupakan minimum dari sebuah data warehouse. Jika satu komponen
diambil sudah bukan merupakan data warehouse lagi (Rainardi, 2008).

2.6

Linear Feedback Shift Register (LFSR)
Suatu Linear Feedback Shift Register (LFSR) adalah suatu mekanisme

untuk menghasilkan sekuens bit biner. Register memiliki sebarisan sel yang
ditentukan oleh vektor inisialisasi yakni, biasanya, menjadi kunci rahasia. Tingkah
laku register diatur oleh sebuah counter (clock). Pada setiap saat isi sel dari
register digeser (shift) ke kanan sejauh satu posisi, dan hasil operasi XOR
terhadap subset dari isi sel ditempatkan pada sel paling kiri. Satu bit dari output
biasanya diturunkan selama prosedur update ini.

Gambar 2.5 Linear Feedback Shift Register (LFSR)
LFSR cepat dan mudah untuk diimplementasikan baik secara hardware
maupun secara software. Dengan pemilihan yang cermat terhadap alat kontrol

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

22

(pad) feedback (bit tertentu yang digunakan, dalam Gambar di atas tap adalah bit
pertama dan bit kelima) sekuens yang dihasilkan dapat memiliki performansi yang
baik secara statistik. Akan tetapi, sekuens yang dihasilkan oleh LFSR tunggal
tidak cukup aman karena sebuah kerangka matematik yang kuat telah
dikembangkan selama bertahun-tahun yang memungkinkan analisis yang mudah
terhadap hasil tersebut. Namun demikian, LFSR sangat berguna sebagai blok
bangunan dalam sistem yang lebih aman.
Suatu shift register cascade merupakan sebuah set dari LFSR yang
dihubungkan bersama-sama dengan cara tertentu sedemikian hingga perlakuan
dari LFSR sebelumnya dalam bentuk aliran yang menyerupai air terjun. Sifat dan
tingkah laku yang saling tergantung ini biasanya ditempuh dengan menggunakan
satu LFSR untuk mengontrol LFSR berikutnya. Sebagai contoh, satu register
mungkin melangkah lebih dulu satu fase jika output register di depannya adalah 1
dan maju dua langkah jika hasil = 0. Beberapa konfigurasi yang berbeda mungkin
dan pemilihan parameter tertentu nampaknya menawarkan tingkat keamanan yang
baik. Sesuai dengan sifat keaktifannya, LFSR yang digunakan dapat terbagi
menjadi dua jenis, yaitu :
1. LFSR yang selalu aktif.
2. LFSR yang hanya akan aktif kalau di-clock oleh LFSR lain.
Beberapa jenis generator yang hanya menggunakan LFSR yang selalu
aktif adalah :
a. Geffe Generator.
b. Jennings Generator.
c. Threshold Generator.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

23

d. Multispeed Inner-Product Generator.
e. Gollmann Cascade.
Sedangkan, beberapa jenis generator yang menggunakan kedua jenis LFSR di atas
adalah :
a. Beth-Piper Stop-and-Go Generator.
b. Alternating Stop-and-Go Generator.
c. Bilateral Stop-and-Go Generator.
Selain itu, terdapat suatu generator yang menggunakan LFSR yang di-clock oleh
dirinya sendiri. Generator ini disebut sebagai Self-Decimated Generators.

2.6.1

Alter nating Stop-and-Go Generator
Generator ini menggunakan tiga buah LFSR dengan panjang yang

berbeda. LFSR-2 di-clock ketika output dari LFSR-1 adalah 1, LFSR-3 di-clock
ketika output dari LFSR-1 adalah 0. Output dari generator ini adalah hasil XOR
dari LFSR-2 dan LFSR-3.
Generator ini memiliki sebuah periode yang panjang dan kompleksitas
linier yang besar.

Gambar 2.6 Sketsa gambar Alternating Stop-and-Go Generator

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

24

2.6.2

Bilateral Stop-and-Go Generator
Generator ini menggunakan dua buah LFSR, keduanya dengan panjang n.

Output dari generator adalah hasil XOR dari output dari setiap LFSR. Jika output
dari LFSR-2 pada waktu t – 1 adalah 0 dan output pada waktu t – 2 adalah 1,
maka LFSR-2 tidak di-clock pada waktu t. Kebalikannya, jika output dari LFSR-1
pada waktu t – 1 adalah 0 dan output pada t – 2 adalah 1 dan jika LFSR-1 di-clock
pada waktu t, maka LFSR-2 tidak di-clock pada waktu t.
Kompleksitas linier dari generator ini jika ditinjau secara kasar sama
denga